[工程科技]社会保险OLAP系统的设计与实现.doc

《[工程科技]社会保险OLAP系统的设计与实现.doc》由会员分享，可在线阅读，更多相关《[工程科技]社会保险OLAP系统的设计与实现.doc（100页珍藏版）》请在三一文库上搜索。

1、1 1 摘 要 某市社会保险部门已经拥有成熟的 OLTP 数据库系统，经过长期的业 务处理和常规管理，他们积累了大量的业务数据。要充分利用这些积累起 来的海量数据，从中获取可用于决策的有用信息，可行的办法是建立专门 用于决策支持的数据仓库系统。本课题的任务就是在建立起来的数据仓库 的基础上进行多维（OLAP）分析。 我们在数据仓库中存储海量数据，并面向主题建立数据立方。在建立 起来的两个数据立方的基础上，本系统将实现这些功能展示多维数据， 高级查询所需的有用信息，生成用于决策的数据报表，生成用于决策的图 形报表。 本论文正文内容包括五大模块：引言，OLAP 概述，OLAP 开发工具概 述，项目

2、系统的设计，项目的技术实现。 引言模块描述了数据仓库的市场现状、技术现状、项目背景、项目任 务和论文写作安排。OLAP 概述模块阐述了数据仓库的基本理论和多维分 析的基本理论。OLAP 开发工具概述模块介绍了基于 SQL Server 2000 的分 析服务技术，MDX 查询语言，ADO MD 对象模型，DSO 对象模型，OWC 组件技术。项目系统的设计模块描述了本项目数据仓库体系结构，数据仓 库模型，数据立方模型。项目的技术实现模块介绍了访问多维数据库的算 法和 VB 代码，客户端应用程序的建立和使用。 【关键词】 社会保险,数据仓库, 多维分析，OLAP 2 Abstract The so

3、cial insurance department of one city has been equipped a very mature database system of OLTP. After transacting and managing the daily operations by using the OLTP for a long time, they have accumulated a great deal of the transacting data. In order to make good use of the mass data as well as to o

4、btain the useful information which can be used to support decisions, a feasible way is to establish a data warehouse system which can be wholly used to support decisions. The mission of this project is to do the OLAP analysis which base on the established data warehouse. We store the mass data in th

5、e data warehouse, and establish the data cubes according to the tops. This system will achieve many functions on the basis of the two data cubes established. It can show the multi-dimension data. Users can query the useful information from it. It can generate the data reports and the charts which wi

6、ll be used to support the decisions. The text content of this dissertation includes 5 modulesthe preface, the summary of OLAP, the summary of tools used in developing OLAP, the designing of the system, the technical achieving of the project. The first module describes such content as the status quo

7、of data warehouse in market field, the status quo of data warehouse in Technology field, the background of the project, the mission of the project and the content arrangement 3 of this dissertation. The second module describes the basal theories of data warehouse and OLAP. The third module describes

8、 the tools used in developing OLAP, including the analysis technology which base on SQL Server 2000, query language of MDX, object model of ADO MD, and component technology of OWC. The fourth module describes system framework of the data warehouse established, the model of the data warehouse establi

9、shed, and the model of the data cubes established. The fifth module introduces the program arithmetic as well as its VB code, and the establishing as well as the using of the applications at the clients end. 【Key words】 Social insurance, Data warehouse, multi-dimension analysis, OLAP 4 目 录 第第 1 1 章章

10、引言引言7 7 1.1数据仓库现状概述 .7 1.1.1数据仓库市场现状7 1.1.2数据仓库技术现状7 1.2论文背景概述 .9 1.2.1需求背景.10 1.2.2论文任务.10 1.3论文写作安排 11 第第 2 2 章章OLAPOLAP 理论概述理论概述 1313 2.1数据仓库理论 13 2.1.1什么是数据仓库.13 2.1.2数据仓库系统的体系结构.14 2.2多维分析（OLAP）理论 16 2.2.1OLAP 的 12 条准则 .17 2.2.2维的概念.18 2.2.3OLAP 的分析方法 19 2.2.4OLAP 的分类 19 第第 3 3 章章OLAPOLAP 开发工具概

11、述开发工具概述 2323 3.1SQL SERVER 2000 对 OLAP 开发的支持.23 5 3.1.1SQL Server 2000 中 Analysis Services 的概述.23 3.1.2SQL Server 2000 中 Analysis Services 的特点.24 3.1.3SQL Server 2000 决策支持系统.26 3.1.4Analysis Services 客户端体系结构.27 3.2MDX 在多维数据库中的应用.28 3.2.1MDX 简介.28 3.2.2MDX 基本语法.29 3.2.3MDX 高级应用 .33 3.3ADO MD 对数据仓库的访问

12、38 3.3.1ADO 和 ADO MD.38 3.3.2ADO MD 的对象模型 38 3.3.3DSO41 3.4OWC 组件技术.42 第第 4 4 章章社会保险多维分析系统设计社会保险多维分析系统设计4444 4.1系统架构 44 4.2数据仓库模型 45 4.3OLAP 系统数据模型46 4.3.1OLAP 系统共享维设计 46 4.3.2OLAP 系统数据立方设计 47 第第 5 5 章章社会保险多维分析系统技术实现社会保险多维分析系统技术实现4848 5.1MICROSOFT VISUAL BASIC 实现多维数据查询 .48 6 5.1.1ADO MD 对多维数据库的访问 48

13、 5.1.2DSO 编程访问多维数据库 .49 5.1.3OWC 技术编程使用 .53 5.2客户端应用程序的功能和使用 54 5.2.1软件功能概述.54 5.2.2浏览多维数据集.59 5.2.3查询多维数据库.60 结论与展望结论与展望 6363 致致 谢谢 6666 参考文献参考文献 6868 7 第 1 章 引言 1.1 数据仓库现状概述 1.1.1数据仓库市场现状 据调查，财富 500 强企业中已经有 85%的企业建成或正在建立数据仓 库。数据仓库与 Internet 一样，正在成为最快的 IT 增长点。1996 年，全球 企业在数据仓库上的投资达到 16.8 亿美元，并且以每年

14、19.1%的速度增长。 IDC 在 1996 年的一次对 20 世纪 90 年代前期进行的 62 个数据仓库项 目的调查结果表明：进行数据仓库项目开发的公司平均在 23 年的时间内 获得了平均为 321%的投资回报率！数据仓库在中国市场的应用还处在起步 阶段，市场前景非常广阔，研究价值非常高。 1.1.2数据仓库技术现状 从计算机诞生后的几十年以来，随着计算机软硬件技术的飞速发展， 数据库技术也得到了飞速的发展，特别是关系数据库的出现开创了数据库 管理的一个新时代。此后几十年，关系数据库的应用一统天下。 需要是发明之母。 近年来，当联机事务处理（OLTP）系统应用到一定阶段后，用户发现， 单靠

15、拥有 OLTP 已经不足以获得市场竞争的优势，他们需要对其自身业务 8 的运作以及整个市场相关行业的情况进行分析，从而做出有利的决策。这 种决策需要对大量的业务数据，包括历史业务数据进行分析后才能做出。 这种基于业务数据的决策分析就是联机分析处理，即 OLAP。传统的 OLTP 强调的是更新数据库，即向数据库中添加信息；OLAP 强调的是从数据库 中获取和利用信息。 将大量的业务数据应用于分析和统计原本是一个简单和自然的想法。 但在实际操作中，要获取到有用的信息却十分困难。原因如下： （1） 、OLTP 强调的是密集的数据更新处理性能和系统的可靠性，并不 关心数据查询的方便与快捷。OLAP 和

16、 OLTP 对系统的要求不同，同一个 数据库在理论上都难以做到两全。 （2） 、业务数据往往存放于分散的异构环境中，不易统一查询访问， 而且还有大量的历史数据处于脱机状态，形同虚设。 （3） 、业务数据的模式是针对 OLTP 系统而设计的，数据的格式和描 述方式并不适合非计算机专业人员进行业务上的分析和查询。 针对这一问题，人们设想专门为业务的统计和分析建立一个数据中心， 它的数据来自 OLTP 系统、异构的外部数据源、脱机的历史业务数据等。 这个数据中心是一个联机的系统，专门为分析统计和决策支持应用服务， 通过它可以满足决策支持和联机分析应用所要求的一切。这个数据中心就 是数据仓库（DW）

17、。 20 世纪 90 年代以来，计算机技术，尤其是数据库技术的发展为 DSS 提供了技术支持。激烈的市场竞争促进了高层次决策人员对 DSS 的实际需 9 求。技术和市场的共同作用，促成了以 DW 为核心、以 OLAP 和 DM（Data Mining）工具为手段建设 DSS 的可行方案。随着数据库技术的 发展，DW 需要以下数据库技术的支持。 （1） 、高性能数据库服务器 DW 的应用不同于传统 DB 的 OLTP 应用。传统 DB 的应用是操作型的， 而 DW 的应用是分析型的。分析型应用涉及的数据量大，查询要求复杂， 因此，它要求高性能的 DBMS 核心的支持，同时 DBMS 必须具有良好

18、的查 询优化机制。 （2） 、并行数据库技术 DW 中的数据量大，而且随着时间的延长，新的数据还会不断加入。 DW 中数据通常是 GB 甚至 TB 级的，即超大规模数据库（VLDB） 。并行数 据库技术是存储和管理 VLDB，并提供 VLDB 复杂查询处理的有效技术。 （3） 、数据库互操作技术 DW 中的数据大多来自企业或行业中已运行的 OLTP 数据库或外部数 据源。这些数据库常常是异构的，甚至是文件系统中的数据。DW 必须从 这些异构数据源中定期抽取、转换和集成所需要的数据，并把它们存入 DW 中。因此，异构数据源之间的互访和互操作技术是必需的。 近十年来，全球数据库厂商在数据仓库技术市

19、场上展开了激烈的竞争， 到了今天，数据仓库以及基于此技术的商业智能在技术上已经比较成熟， 随着市场的需求，它将进一步走向更加成熟和完善。 10 1.2 论文背景概述 1.2.1 需求背景 近十年来，信息技术已极大地提升了社保部门在业务处理和常规管理 方面的能力，管理和决策部门对信息系统也提出了更高一级的需求。随着 我国社会保险制度改革的深入， “统帐结合”模式的完善和统一，覆盖面的 逐步扩大和社会化管理程度的不断提高，我国社会保险工作已由“粗放” 转向“精深” ，管理复杂性和决策难度也日益提高。 在预测决策方面，由于现阶段的社会保险政策研究和预测决策没有引 入面向政策和制度层面的决策方法和分析

20、工具，使其无法满足社会保险宏 观决策的现实需求；在基金监控方面，现阶段的应用系统也只能在业务处 理和常规管理方面发挥作用，无法防范在政策和制度方面的漏洞和缺陷， 无法更好地利用这些几十年积累的各种数据，更不能有效发现那些在经验 之外的规律和推测之外的模式。 1.2.2 论文任务 正是在社保部门当前的这种急迫需求下，本课题希望从当前的海量数 据中寻找潜在的规律和隐藏的知识。因此，本课题的任务是建立某市社会 保险部门的决策支持系统，即数据仓库系统。 这是一个大课题，课题组计划从 2004 年 3 月开始用一年半的时间来开 发，分三个阶段行。第一阶段，用半年时间熟悉相关理论和掌握相关技术， 建立简易

21、的系统模型。第二阶段，用半年时间就系统模型和客户进行进一 11 步沟通，确定更为明确的需求主题，扩充与完善数据仓库模型；第三阶段， 用半年时间建立数据挖掘模型。 本论文解决的是课题的第一阶段任务，即建立社保部门的数据仓库体 系模型并进行多维分析，重点是多维分析。我们使用 DTS 技术向建立好的 数据仓库模型导入原始数据，在这个数据仓库的基础上，按照决策需求中 有关社保基金收缴与拨付的主题，建立两个数据立方“在职人员基金 收缴立方”和“离退人员基金拨付立方” 。然后，通过 OLAP 工具对数据立 方进行多维分析，包括多维数据浏览、多维数据查询与图形报表生成等。 1.3 论文写作安排 论文首先介绍

22、了数据仓库技术的发展现状和课题的背景及任务，然后 介绍课题涉及的理论和开发工具，最后阐述课题的开发过程和开发结果。 论文写作结构安排如下： 第 1 章 引言。首先介绍数据仓库技术的市场和技术现状，然后介绍课 题的背景及任务，最后介绍论文写作安排。 第 2 章 OLAP 概述。首先介绍数据仓库的理论，包括基本概念及其体系 结构；然后介绍多维分析（OLAP）的理论，包括 OLAP 基本概念、分析方法 和它的分类。 第 3 章 OLAP 开发工具概述。首先介绍了 SQL Server 2000 在数据仓库 和分析服务上的应用，然后介绍了 MDX 语言在对多维数据库查询中的应用， 12 还介绍了 AD

23、O MD 对象模型对多维数据库的访问，最后介绍了 OWC 组件技术。 第 4 章 社会保险多维分析系统设计。首先介绍了该市社保部门数据仓 库系统的系统架构，然后介绍了建立了的数据仓库模型，最后介绍了该市 社保部门 OLAP 数据模型的设计过程。 第 5 章 社会保险多维分析系统技术实现。首先介绍了在 VB 中访问和 查询多维数据集的程序算法和部分 VB 代码，然后介绍了客户端应用程序的 功能和详细的使用过程。 最后是本论文的结论和展望。首先介绍了本课题到目前为止所取得的 工作成果，然后分析了在完成本课题工作任务的过程中遇到的问题，最后 对课题在下一步的研究进程及其在未来投入使用后所取得的成果作

24、了展望。 13 第 2 章 OLAP 理论概述 2.1数据仓库理论 2.1.1什么是数据仓库 目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家 W.H.Inmon 在其著作Building the Data Warehouse一书中给予如下描述： 数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented） 、集成 的（Integrate） 、相对稳定的（Non-Volatile） 、反映历史变化（Time Variant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以 从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处 理，它

25、不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的 数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存 放在数据仓库中的数据一般不再修改。 根据数据仓库概念的含义，数据仓库拥有以下四个特点： 1、面向主题面向主题。操作型数据库的数据组织面向事务处理任务，各个业务 系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织。 主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点 方面，一个主题通常与多个操作型信息系统相关。 2、集成的集成的。面向事务处理的操作型数据库通常与某些特定的应用相关， 14 数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是

26、在对原 有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到 的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个 企业的一致的全局信息。 3、相对稳定的相对稳定的。操作型数据库中的数据通常实时更新，数据根据需要 及时发生变化。数据仓库的数据主要供企业决策分析之用，所涉及的数据 操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被 长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作 很少，通常只需要定期的加载、刷新。 4、反映历史变化反映历史变化。操作型数据库主要关心当前某一个时间段内的数据， 而数据仓库中的数据通常包含历史信息，系统记录了企业

27、从过去某一时点 (如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可 以对企业的发展历程和未来趋势做出定量分析和预测。 2.1.2数据仓库系统的体系结构 数据仓库系统是一个包含四个层次的体系结构，具体由图 2-1 表示： 15 图 2-1 企业数据仓库系统体系结构 企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累 为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的 使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才 有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人 员，是数据仓库的根本任务。因此，从产业界的角度看，数据仓库

28、建设是 一个工程，是一个过程。 数据源：是数据仓库系统的基础，是整个系统的数据源泉。通常包括 企业内部信息和外部信息。内部信息包括存放于企业操作型数据库中（通 常存放在 RDBMS 中）的各种业务数据和办公自动化（OA）系统包含的各 类文档数据。外部信息包括各类法律法规、市场信息、竞争对手的信息以 及各类外部统计数据及各类文档等。 16 数据的存储与管理：是整个数据仓库系统的核心。在现有各业务系统 的基础上，对数据进行抽取、清理，并有效集成，按照主题进行重新组织， 最终确定数据仓库的物理存储结构，同时组织存储数据仓库元数据（具体 包括数据仓库的数据字典、记录系统定义、数据转换规则、数据加载频率

29、 以及业务规则等信息） 。按照数据的覆盖范围，数据仓库存储可以分为企业 级数据仓库和部门级数据仓库（通常称为“数据集市” ，Data Mart） 。数据 仓库的管理包括数据的安全、归档、备份、维护、恢复等工作。这些功能 与目前的 DBMS 基本一致。 OLAP 服务器：对分析需要的数据按照多维数据模型进行再次重组， 以支持用户多角度、多层次的分析，发现数据趋势。其具体实现可以分为： ROLAP、MOLAP 和 HOLAP。ROLAP 基本数据和聚合数据均存放在 RDBMS 之中；MOLAP 基本数据和聚合数据均存放于多维数据库中；而 HOLAP 是 ROLAP 与 MOLAP 的综合，基本数据

30、存放于 RDBMS 之中，聚 合数据存放于多维数据库中。 前端工具与应用：前端工具主要包括各种数据分析工具、报表工具、 查询工具、数据挖掘工具以及各种基于数据仓库或数据集市开发的应用。 其中数据分析工具主要针对 OLAP 服务器，报表工具、数据挖掘工具既针 对数据仓库，同时也针对 OLAP 服务器。 2.2多维分析（OLAP）理论 17 多维分析即联机分析处理 (OLAP) 的概念最早是由关系数据库之父 E.F.Codd 于 1993 年提出的。当时，联机事务处理 (OLTP)已经不能满足终 端用户对数据库查询分析的需要。因此，Codd 提出了多维数据库和多维分 析的概念，即 OLAP (on

31、-line analytical processing，联机分析处理)，在通常 意义上是指针对特定问题的联机数据访问和分析。 OLAP 委员会对 OLAP 的定义是，使分析人员、管理人员或执行人员 能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、 并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对 数据的更深入了解的一类软件技术。 2.2.1OLAP 的 12 条准则 Codd 提出了 OLAP 的 12 条准则，用来描述 OLAP 系统，即： 准则 1：OLAP 模型必须提供多维概念视图； 准则 2：透明性准则； 准则 3：存取能力推测； 准则 4：稳定的报表能

32、力； 准则 5：客户/服务器体系结构； 准则 6：维的等同性准则； 准则 7：动态的稀疏矩阵处理准则； 准则 8：多用户支持能力准则； 准则 9：非受限的跨维操作； 准则 10：直观的数据操纵； 18 准则 11：灵活的报表生成； 准则 12：不受限的维与聚集层次。 2.2.2维的概念 OLAP 的目的是满足决策支持或多维环境特定的查询和报表需要。它 的技术核心是“维”这个概念，因此，OLAP 也可以说是多维数据分析工 具的集合。 “维”是人们观察数据的角度，是一种高层次的类型划分，是考虑问 题的一类属性，属性集合构成一个维。例如时间维、地理维等。 “维”一般包含着层次关系，维的层次是指人们观

33、察数据的某个特定 角度（即某个维）还可以存在细节程度不同的各个描述方面。例如，时间 维可以向下再划分出年、季、月、日等不同层次；地理维可以划分为省、 市、县、乡等层次。 在 OLAP 中，维的一个具体取值称为维的成员，也就是将数据项在某 维中位置的描述称为维的成员。例如具体的一个日期“2002 年 12 月 1 日” ， 就是在时间维上的一个成员，它是有层次的，是时间维上一个位置的具体 描述。很多维和变量组合起来，成为“多维数组” ，表示为（维 1，维 2，维 n，变量） 。 在 OLAP 中，通过对维进行不同的操作，能够更加深入分析数据，了 解数据中所包含的有用信息。维有自己的固定属性，如层

34、次结构（对数据 进行聚合分析时要用到） 、排序（定义变量时要用到） 、计算逻辑（是基于 矩阵的算法，可有效的指定规则） 。这些属性对进行决策支持很有用。 19 2.2.3OLAP 的分析方法 OLAP 的基本多维分析方法有钻取（roll up 和 drill down） 、切片 （slice）和切块（dice） 、以及旋转（Rotate）/转轴（pivot）等。 钻取是改变维的层次，变换分析的粒度。它包括向上钻取（roll up）和 向下钻取（drill down） 。roll up 是在某一维上将低层次的细节数据概括到高 层次的汇总数据，或者减少维数；而 drill down 则相反，它从汇

35、总数据深入 到细节数据进行观察或增加新维。 切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分 布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。 旋转/转轴是通过旋转纬度或纬度的层次，得到不同视角的数据，便于 从不同的侧面观察数据，即在表格中重新安排维的放置（例如行列互换） 。 2.2.4OLAP 的分类 有关 OLAP 的分类，我们以图 2-2 来表示： 图 2-2 OLAP 的分类 20 目前常见的 OLAP 存储方式有三种，即基于多维数据库的 MOLAP 方 式（处理多维数据存储） ，基于关系数据库的 ROLAP 方式（直接从关系数 据库访问数据） ，HOLAP 方式

36、（前两者的混合） 。 1、MOLAP MOLAP 严格遵照 Codd 的定义，自行建立多维数据库。它将按照主题 定义的 OLAP 分析所要的数据，对数据的存放采用多维，生成的多维立方 体已经计算生成了一些汇总值。当用户发出请求时，从多维立方体中取得 数据，而不是从数据仓库中取得数据，这样对用户响应的时间短。但由于 多维立方体的生成，造成了数据存储空间的增大，并且多维立方体中不可 能存储大量的细节数据，综合数据较多，所以分析的颗粒度不会太细。 MOLAP 的体系结构如图 2-3 所示。 图 2-3 MOLAP 的体系结构 2、ROLAP 在多个软件厂商中，有些流派认为，可以沿用关系型数据库来存储

37、多 维数据，于是，基于稀疏矩阵表示方法的星型结构（star schema）就出现了。 21 ROLAP 方式在数据的存储中，使用了星型模式的概念。使用事实表来 存储事实的度量值和各个维的码值，使用维表来存放维的元数据（维的层 次、成员类别等描述信息） 。ROLAP 以关系型结构进行多维数据的表示和 存储，而不生成多维立方体，只是存储数据模型与数据仓库之间的映射关 系，真正的关系物理存储在数据仓库。 在进行多维分析时，OLAP 服务器根据定义的模型，分析用户的需求， 从数据仓库中取得数据，进行实时分析。这样虽增加了响应时间，但相对 MOLAP 节省了空间，并且分析可以达到具体细节数据，即考察数据

38、的颗粒 度较小。当分析应用的灵活性较大时，应以 ROLAP 为主。ROLAP 的体系 结构如图 2-4 所示。 图 2-4 ROLAP 的体系结构 3、HOLAP HOLAP 是多维数据库和关系数据库相混合的 OLAP，其中事实表保存 在关系数据库中，聚集信息保存在多维数据库中。HOLAP 的体系结构如图 22 2-5 所示。 图 2-5 HOLAP 的体系结构 23 第3章OLAP开发工具概述 3.1SQL Server 2000 对OLAP开发的支持 SQL Server 2000 中，微软进一步完善了对数据仓库技术的解决方案， 其中包括新版的OLAP Services，同时增加了数据挖掘

39、的功能，并称它们为 Analysis Services。 3.1.1SQL Server 2000 中Analysis Services的概述 图3-1显示了微软SQL Server Analysis Services的体系结构。 24 图3-1 SQL Server Analysis Services的体系结构 图3-1显示了几个工具，每个工具都有独特的功能。这些工具可被分成 几个部分：数据源、数据转换和导出、数据存储、数据分析和数据表示。 3.1.2SQL Server 2000 中Analysis Services的特点 SQL Server 2000 中Analysis Service

40、s具有易用性、灵活的数据模型、 良好的可伸缩性、高度集成、广泛的应用开发接口和开放的体系等技术特 点。 25 1、易用性 SQL Server 2000 中OLAP提供了大量的使用向导和许多可视化的编辑 器。通过这些向导和编辑器，用户可以完成诸如数据立方体的创建和编辑， 维的生成和编辑等工作。 OLAP中提供的浏览器使用户可以很容易地浏览数据立方体中的数据以 及各种数据库对象的属性。Microsoft提供的教程还介绍了OLAP技术的原理 和在SQL Server 2000 中的实现方式，用户可以很快掌握OLAP技术。 2、灵活的数据模型 灵活的数据模型首先体现在SQL Server 2000

41、同时支持基于多维数据 库存储模式、基于关系数据库存储模式和两者混合的存储模式。 SQL Server 2000 支持对数据立方体的多种分区方式，对同一种数据 立方体的不同分区在不同的地方以不同的存储模式存储。在支持对数据立 方体的分区的同时还支持对分区的合并操作，即不同的分区还可以重新组 织成一个完整的分区。 通过和数据立方体技术的结合，SQL Server 2000 支持不同用户对数 据立方体的并发访问，用户对数据立方体的写操作的它们的登陆信息捆绑 在一起，然后被存储到数据立方体的分区中，当浏览数据立方体中的数据 的时候，不同的分区中的数据再集成在一起。 3、良好的可伸缩性 SQL Serv

42、er 2000 支持对聚集信息的优化分配，它提供了一个Storage Design Wizard，通过它可以由用户自定义对聚集信息的处理方式，从而在 26 系统性能和存储空间之间寻求一个合适的平衡点。 SQL Server 2000 支持面向应用的优化，它可以实现对特定的、应用 比较频繁的查询进行专门的优化，实现对系统性能的存储空间的精细控制。 良好的可伸缩性还体现在数据压缩、分布式计算等方面。 4、高度集成 SQL Server 2000 集成了管理程序、安全控制、数据转移、元数据服 务以及服务器/客户端缓冲等多种技术于一体，还提供了对OLE DB和ODBC数 据源的支持。 5、广泛的应用开

43、发接口和开放的体系 SQL Server 2000 中的OLAP技术支持OLE DB和ADO编程接口，同时还支 持基于COM接口的用户自定义函数。OLAP提供的服务器组件模型和决策支持 对象可以被程序员使用，通过它们可以有效的扩展在线分析的功能。 3.1.3SQL Server 2000 决策支持系统 SQL Server 2000决策支持系统（Decision Support System，DSS）包 括OLAP服务器和数据透视表服务（PivotTable Service）。 、OLAP服务器 OLAP服务器是Analysis Services的核心，它从异构数据源中提取和组织 数据，并在多

44、维数据库中对数据进行必要的聚集和处理。它也可以利用存 放在OLTP数据库中的汇总表。通过DSO能访问分析服务器，也可以创建自 定义应用来定制报表。 、数据透视表服务 27 数据透视表服务是客户端体系结构的核心。它有以下功能： 为客户端应用程序进行在线分析提供统一的与OLAP服务器的连接 点。 作为服务提供支持使用关系型数据创建数据立方，实现多维功能， 显示带OLAP扩展的OLE DB接口。 支持SQL子集，并能将查询结果以数据透视表的形势表示出来。 支持MDX，成为多维数据的提供者。 支持客户端应用直接从一个关系型数据源中创建本地数据立方。 支持客户端应用从存放在Analysis服务器上的数据

45、挖掘模型建立本 地的数据挖掘模型。 支持用户从数据源中下载数据，并以多维结构保存在本地，以进行 离线分析。 3.1.4Analysis Services 客户端体系结构 图3-显示了微软SQL Server Analysis Services客户端的体系结构。 28 图3-2 SQL Server Analysis Services客户端体系结构 可见，Analysis Services客户端体系结构以数据透视表服务为核心。 3.2MDX 在多维数据库中的应用 3.2.1MDX 简介 MDX（Multi-Dimensional Expressions，多维表达式）是一种语法，支 持多维对象与数

46、据的定义和操作。MDX 在很多方面与结构化查询语言 (SQL) 语法相似，但它不是 SQL 语言的扩展；事实上，MDX 所提供的一 些功能也可由 SQL 提供，尽管不是那么有效或直观。 29 如同 SQL 查询一样，每个 MDX 查询都要求有数据请求（SELECT 子句） 、起始点（FROM 子句）和筛选（WHERE 子句） 。这些关键字以及 其它关键字提供了各种工具，用来从多维数据集析取数据的特定部分。 MDX 还提供了可靠的函数集，用来对所检索的数据进行操作，同时还具有 用用户定义函数扩展 MDX 的能力。 如同 SQL，MDX 提供管理数据结构的数据定义语言 (DDL) 语法。 其中有用

47、于创建（和删除）多维数据集、维度、度量值以及它们的坐标对 象的 MDX 命令。 3.2.2MDX 基本语法 1、 MDX 语法定义 简单 MDX 查询的基本形式如下： SELECT , FROM WHERE axis_specification 包括了语句中坐标轴的个数以及每个坐标轴的成员。 每个定义一个坐标轴，MDX 语句中 子句的个数及坐标轴的个数。 2、术语解析 成员：代表维度中一次或多次数据出现的项。 元组（tuple）：不同维的成员的一个集合。 坐标轴（axis）：元组的集合。每一个坐标轴代表一个维。可指定 128 30 个轴。 单元集(unit set)：MDX 对多维数据查询的结

48、果。是原始立方的子集。 单元(unit)：由坐标轴相交确定的对象。 切片(slice)：切片维将过滤多维数据。没有显示分配到某个坐标轴的维 将作为切片维，根据其默认的成员过滤数据。该维出现在 MDX 语句的 WHERE 子句中。例如： SELECT 地理.城市名称.Members on columns, 时间.年.Members on rows FROM 拨付立方 WHERE (Measures.养老金拨付金额养老金拨付金额) 切片 3、MDX 语句 例如下面的一个简单查询语句： SELECT Measures.社会保险收缴金额 on columns, 轴定义（列） 时间.1998 年.二季度

49、, 时间.1998 年.三季度 on rows 轴定义（行） FROM 收缴立方 查询范围 WHERE (地理.城市名称.西安) 切片维 上述查询返回西安市 1998 年 2、3 季度社会保险收缴金额总量。用 来表示一组维或者一组维成员，每次只支持一个查询立方，WHERE 子句定 31 义了切片维，指明该维中的一个成员。 4、MDX 语法的使用 1） 、WITH 语句的使用 WITH 操作符可以用来在 MDX 查询中定义计算成员。WITH 操作符位 于 SELECT 子句之前，它定义了一个用以定义计算成员的段，此段用单引 号括起来。基本形式如下： WITH . SELECT ,. FROM WHERE 你可以利用一般的运算子如加(+)减(-)乘(*)除(/)來定义成员的公式，或 是利用一般的数学运算公式來定义，如 SUM、AVG、COUNT 等。 2） 、函数的使用 MDX 语法是专门为 Analysis Services 设计的。MDX 中函数及其操作符 都是可选的。开发者可以选择调用完整的函数及其操作符，但这使得代码 变长，调试和维护困难。MDX 函数有两种表示方法： （1） 、