MDX基本结构及多维分析

本质是：将一个多维数据集，转化为另一个多维数据集。

MDX 的基本结构种：

1： Members 表示方法就是用中括号的形式，“ [„„] ”

如[Customer] 或[Time].[1996]

2： Tuple是由若干个维度Members 组成，每一个维度上最多只能有一个 Member 通常的格式为“ ([„],[„][„],„) ”

如 ([Regin ].[USA])

([product].[ computers],[time].[2008])

当一个元组有多个维度的时候，对于每一个维度，它只能有一个成员来自其中。

3： Set 同一维度上若干个Members 的集合，或者是若干个Tuples 的集合集合的表示方法用大括号 “ {} ”

如 {[time].[2008],[time].[2009],[time].[2000]} 这里 Set 是由同一维度的若干个Member 组成。

如 {([computer],[usa]),([ mobile],[china])} ，

这个Set 是由两个Tuples 组成，

这里大家可以看到，在第一个Tuple 当中，第一个Member 是名为computer 的产品，所以后面的Tuple 的第一个 Member 也必须是一个产品，

所以我们这里看到的是 mobile 第一个Tuple 里第二个Member 是一个国家，所以第二个Tuple 的第二个Member 也必须是一个国家名，依次类推

4：指标（度量）可以在Where后面使用，where属于切片

5：默认成员，如果没有明确设置默认成员，默认成员就是ALL，如果没有ALL,默认成员是第一个成员

6：所有成员：通过.Members

7：成员属性：properties属性

8：crossjoin：两个不同的维度的集合进行交叉，就是得到两个集合的所有组合

9：Filter：过滤和筛选集合，按照度量值满足的条件

10：MDX用大括号{}引用来自某个特定维度或者多个维度的一组元素

11：可以通过逗号，冒号构成集合

12：计算成员即可以放在度量维度上，也可以放在一般的维度时，多个计算成员之间，可以设置先后顺序

13: 事实表中的字段，是和维表关联的字段，比如维表有一级部门，二级部门，三级部门，事实表只需要三级部门，然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门，则会在维度中找到这个一级部门下的所有三级部门，再查询事实表满足这个三级部门的条件的记录。

多维分析 ：使用 Mondrian 和 saiku

1： 星型模式：一个维度对应一个维度表

2：雪花模式：一个维度可以基于不止一个维表，只要这些表能有良好定义的路径连接到事实表。这样定义维度的方式就是一个雪花型模式（Snowflake Schema）。这些维表通过Join 操作来定义。

3：Mondrian 就是一个OLAP 引擎，而且是一个ROLAP 引擎，ROLAP 指的是使用关系数据库的OLAP（结合saiku一起来使用）,Mondrian来执行执行MDX 查询的方法

4：saiku: 不是纯客户端的，它包含服务端的代码Mondrian 的。它的前端通过Backbone 库

5：olap4j ：olap4j 是mdx 的Java 接口标准，类似于JDBC 是sql 的接口标准，olap4j 已成为Java 访问mdx 的事实标准，Mondrian推荐使用olap4j 这样方法。

6: 事实表中的字段，是和维表关联的字段，比如维表有一级部门，二级部门，三级部门，事实表只需要三级部门，然后用这个这段和维度三级部门字段关联。查询条件如果是一级部门，则会在维度中找到这个一级部门下的所有三级部门，再查询事实表满足这个三级部门的条件的记录。

7.维表中关联事实表的字段应该是不重复的