IUDM.docVIP

UDM(Unified Dimensional Model，UDM)是在 SQL Server 2005 中定义的一套多维数据集和维度。统一维度模型也叫统一空间模型。UDM 的优势和灵活性引发了设计领域的巨变。过去，BI 架构师会权衡备选基础结构的收益和成本，并在关系数据库和 OLAP 数据库之间作出选择。现在，架构师可以设计一个“统一维度模型”，然后从传统极限中确定一点用于放置 Analysis Services 系统逻辑设计和物理配置。? ?? ?如果用户希望直接访问类似ERP数据库之类的数据源，他们将面临下列一些很大的挑战：? ?? ?·数据源的内容通常很难理解，因为它们是面向系统和开发者设计的，而没有考虑到一般用户。? ?? ?·用户感兴趣的信息通常分布在多个异构数据源上。即使仅仅是处理多个不同的关系型数据库也需要用户了解它们的不同之处(例如不同的SQL语法)。更糟糕的是这些数据源可能属于不同的类型，不仅包括关系型数据库甚至还包括文件和Web服务。? ?? ?·多数数据源包含大量的事务级细节，而许多情况下那些为企业决策服务的查询需要包含总结性的、聚合的信息。随着数据量的不断增大，查询这些聚合信息所需的时间越来越不能被交互式的用户分析所承受。? ?? ?·数据源中通常不包含商业逻辑。用户只能自己来理解这些数据。? ?? ?统一维度模型的作用就是在用户和数据源之间提供一个桥梁(图1)。统一维度模型构建在一个或多个物理数据源之上，用户可以通过类似微软Excel等的若干客户端工具中的一种向其递交查询。?图1 统一维度模型提供了用户和其数据间的桥梁? ?? ?最简单的情况下统一维度模型仅仅是数据源之上的一个薄层(thin layer)，却给用户带来多种好处：一个更简单、更易理解的数据模型；屏蔽底层异构数据源；高效的聚合型查询。在某些情况下，类似这样一个简单统一维度模型的建立是完全自动的。如果仔细研究统一维度模型的创建，我们会从模型提供的丰富元数据(metadata)中得到额外的好处。? ?? ?本文简要介绍了统一维度模型。首先，通过一个实例来描述统一维度模型所提供的基本客户端模型。然后，这个实例会被仔细研究以揭示统一维度模型的一些功能，包括：? ?? ?怎样增强用户模型；? ?? ?怎样在面对海量数据时提供高效的查询以支持交互式分析；? ?? ?怎样在模型中包含商业逻辑以支持更丰富的分析；? ?? ?怎样支持”闭环”(closing the loop)使用户能对其所见数据进行操作；? ?? ?最后，本文概述了统一维度模型的体系结构及其安全性。基本客户端模型? ?? ?下面以一个用户希望比较不同时期产品的销售额和配额为例。? ?? ?销售数据保存在主销售和仓储数据库，当然数据库中还包含很多其他的表。即使找到了相关的表，我们会发现一个实体(例如产品)的数据分布在多个表上，而且应用程序逻辑为了保证引用完整性，这些表之间没有定义关系。销售配额保存在另一个应用的数据库中。这两个数据库中都没有包含商业逻辑，例如像在比较配额和实际销售额时，应该使用发货的日期而不是其他那些订单的日期(比如订单签订日期、货物应到日期、货物安排日期等等)。?图2 包含销售和销售配额数据的数据源直接访问数据源? ?? ?首先，考虑用户直接访问数据源的情况。图3是一个使用示例工具来创建查询的例子。?图3 直接查询数据源? ?? ?到此为止，用户已经取得了很大的进步。他们:? ?? ?·通过筛选大量名字晦涩的表去寻找那些感兴趣的内容。? ?? ?·分辨出哪些数据列可以用来进行表的连接。? ?? ?·找出那些含有其感兴趣细节的列，通常这些数据列需要从海量的细节中抽取。例如，在包含产品分类信息的11个列中，只有两个名字列是真正与用户相关的。? ?? ?现在用户开始考虑是使用外连接还是内连接以及怎么把细节集中起来以提供所需的聚合数据。? ?? ?糟糕的事件不可避免的出现了。怎么与其他的数据源连接？即使数据库支持分布式查询，对大部分用户来说，创建所需的查询语句仍然非常困难，而一些通常的辅助工具对此也无能为力。SELECT Quotas.QuotaAmount, Quotas.EmployeeId, ...FROM OPENROWSET(SQLOLEDB,seattle1;? ?? ?? ???Sales;MyPass,? ?? ?? ???SELECT * FROM Forecasts.dbo.SalesQuota ) As Quotas ? ?? ?再考虑其他一些数据源，比如Web服务，用户在决定怎样进行合适的远程调用以及如何处理返回的XML并将其与其他数据连接时面临着另一个难题。? ?? ?最后一个问题是尽管你对一个查询，如按类型显示总销售额