اندازه ها و ابعاد مکعب اولاپ. مکعب چیست؟ OLAP روی کلاینت و سرور

/ به شیوه ای کوبیست. کاربرد مکعب های OLAP در مدیریت شرکت های بزرگ

در تماس با

همکلاسی ها

کنستانتین توکماچف, معمار سیستم

به سبک کوبیست.
کاربرد مکعب های OLAP در مدیریت شرکت های بزرگ

شاید زمانی گذشته باشد که منابع محاسباتی یک شرکت صرفاً صرف ثبت اطلاعات و گزارش های حسابداری می شد. در همان زمان، تصمیمات مدیریتی "با چشم" در دفاتر، در جلسات و جلسات اتخاذ می شد. شاید در روسیه زمان آن رسیده است که سیستم های محاسباتی شرکتی را به منبع اصلی خود بازگردانیم - حل مشکلات مدیریت بر اساس داده های ثبت شده در رایانه

در مورد مزایای تجزیه و تحلیل کسب و کار

در حلقه مدیریت شرکت، بین داده های "خام" و "اهرم های" تاثیرگذاری بر شی مدیریت شده، "شاخص های عملکرد" ​​- KPI وجود دارد. آنها نوعی "داشبورد" را تشکیل می دهند که وضعیت زیرسیستم های مختلف شی کنترل شده را منعکس می کند. تجهیز شرکت به شاخص های عملکرد آموزنده و نظارت بر محاسبه و مقادیر به دست آمده کار یک تحلیلگر تجاری است. خدمات تجزیه و تحلیل خودکار، مانند ابزار MS، می تواند کمک قابل توجهی در سازماندهی کار تحلیلی یک شرکت ارائه دهد. SQL Serverخدمات تجزیه و تحلیل (SSAS) و ویژگی اصلی آن مکعب OLAP است.

یک نکته دیگر باید در اینجا ذکر شود. بیایید بگوییم، در سنت آمریکایی، یک تخصص متمرکز بر کار با مکعب های OLAP، BI (هوش تجاری) نامیده می شود. نباید این توهم وجود داشته باشد که BI آمریکایی با "تحلیلگر تجاری" روسی مطابقت دارد. توهینی وجود ندارد، اما اغلب تحلیلگر کسب و کار ما یک "کم حسابدار" و "کم برنامه نویس" است، یک متخصص با دانش مبهم و حقوق کمی که واقعاً هیچ ابزار و روش خاص خود را ندارد.

یک متخصص BI در واقع یک ریاضیدان کاربردی است، یک متخصص بسیار ماهر که روش‌های ریاضی مدرن را در زرادخانه شرکت قرار می‌دهد (آنچه تحقیقات عملیاتی نامیده می‌شود - روش‌های تحقیق در عملیات). BI با تخصص "تحلیلگر سیستم" سازگارتر است که زمانی در اتحاد جماهیر شوروی بود و از دانشکده ریاضیات محاسباتی و ریاضیات دانشگاه دولتی مسکو فارغ التحصیل شد. M.V. لومونوسوف مکعب OLAP و خدمات تجزیه و تحلیل می تواند به پایه ای امیدوارکننده برای محل کار یک تحلیلگر تجاری روسی تبدیل شود، شاید پس از آموزش های پیشرفته در جهت BI آمریکایی.

اخیراً یک روند مضر دیگر ظاهر شده است. به لطف تخصص، درک متقابل بین دسته های مختلف کارکنان شرکت از بین رفته است. یک حسابدار، مدیر و برنامه نویس، مانند "قو، خرچنگ و پیک" در افسانه I.A. کریلوف، شرکت را به جهات مختلف می کشند.

حسابدار مشغول گزارش دهی است.

مدیر به بخشی از فرآیند تجاری خود مشغول است، اما قادر به ارزیابی جهانی، در سطح کل شرکت، نتایج و چشم انداز اقدامات خود نیست.

سرانجام، برنامه نویسی که زمانی (به لطف تحصیلاتش) هدایت کننده ایده های فنی پیشرفته از حوزه علم تا حوزه تجارت بود، به مجری منفعل خیالات حسابدار و مدیر تبدیل شده است، بنابراین اینطور نیست. برای دپارتمان‌های فناوری اطلاعات شرکت‌ها که توسط حسابداران و به‌طور کلی، همه کسانی که تنبل نیستند هدایت شوند، غیرمعمول است. فقدان ابتکار، برنامه نویس 1C بی سواد، اما با دستمزد نسبتاً بالا یک بلای واقعی است شرکت های روسی. (تقریباً مانند یک فوتبالیست داخلی.) من حتی در مورد به اصطلاح "اقتصاددانان و حقوقدانان" صحبت نمی کنم.

بنابراین، موقعیت یک تحلیلگر کسب و کار، مجهز به دستگاه دانش فشرده SSAS، مسلط به مبانی برنامه نویسی و حسابداری، توانایی تثبیت کار شرکت در رابطه با تحلیل و پیش بینی فرآیند کسب و کار را دارد.

مزایای مکعب های OLAP

مکعب OLAP است درمان مدرنتجزیه و تحلیل پایگاه داده سیستم کامپیوتری شرکت، که این امکان را به کارکنان در تمام سطوح سلسله مراتبی با مجموعه شاخص های مورد نیاز ارائه می دهد که مشخص می کند. فرایند ساختشرکت ها نکته تنها این نیست که رابط کاربری مناسب و زبان جستجوی انعطاف پذیر برای مکعب MDX (Expressions چند بعدی) به شما امکان می دهد شاخص های تحلیلی لازم را فرموله و محاسبه کنید، بلکه سرعت و سهولت قابل توجهی که مکعب OLAP با آن این کار را انجام می دهد، است. علاوه بر این، این سرعت و سهولت، در حدود معین، به پیچیدگی محاسبات و اندازه پایگاه داده بستگی ندارد.

مقدمه ای بر OLAP-
مکعب را می توان با "جدول محوری" MS Excel ارائه کرد. این اشیا دارای منطق مشابه و رابط های مشابه هستند. اما، همانطور که از مقاله مشاهده خواهد شد، عملکرد OLAP به طور غیرقابل مقایسه غنی تر است، و عملکرد به طور غیرقابل مقایسه بالاتر است، بنابراین "جدول محوری" یک محصول دسکتاپ محلی باقی می ماند، در حالی که OLAP یک محصول در سطح سازمانی است.

چرا مکعب OLAP برای حل بسیار خوب است وظایف تحلیلی? مکعب OLAP به گونه ای طراحی شده است که همه نشانگرها در تمام بخش های ممکن از قبل محاسبه شده باشند (کلاً یا جزئی) و کاربر فقط می تواند نشانگرها (اندازه ها) و ابعاد (ابعاد) مورد نیاز را با ماوس، و برنامه می تواند جداول را دوباره ترسیم کند.

همه تجزیه و تحلیل های ممکن در همه بخش ها یک میدان بزرگ، یا بهتر بگوییم، نه یک میدان، بلکه فقط یک مکعب OLAP چند بعدی را تشکیل می دهند. هر درخواستی که کاربر (مدیر، تحلیلگر کسب و کار، مجری) به سرویس تجزیه و تحلیل مراجعه کند، سرعت پاسخگویی با دو چیز توضیح داده می شود: اول، تجزیه و تحلیل مورد نیاز را می توان به راحتی فرموله کرد (یا از یک لیست با نام انتخاب شود، یا توسط یک مشخص شود. فرمول در زبان MDX)، در مرحله دوم، به عنوان یک قاعده، قبلا محاسبه شده است.

فرمول بندی تجزیه و تحلیل در سه گزینه امکان پذیر است: یا یک فیلد پایگاه داده (یا بهتر است بگوییم یک فیلد انبار)، یا یک فیلد محاسبه تعریف شده در سطح طراحی مکعب، یا یک عبارت زبان MDX هنگام کار تعاملی با مکعب.

این به معنای چندین ویژگی جذاب مکعب های OLAP است. اساساً، مانع بین کاربر و داده از بین می رود. مانع به شکل یک برنامه نویس کاربردی است که ابتدا باید مشکل را توضیح دهد (تکلیف تعیین کنید). در مرحله دوم، باید منتظر بمانید تا برنامه نویس برنامه یک الگوریتم ایجاد کند، برنامه را بنویسد و اشکال زدایی کند، و سپس احتمالاً آن را اصلاح کند. اگر کارمندان زیادی وجود داشته باشد و نیازهای آنها متنوع و قابل تغییر باشد، به یک تیم کامل از برنامه نویسان برنامه نیاز است. از این نظر، یک مکعب OLAP (و یک تحلیلگر کسب و کار واجد شرایط) از نظر کار تحلیلی جایگزین کل تیم برنامه نویسان کاربردی می شود، همانطور که یک بیل مکانیکی قدرتمند با یک اپراتور بیل مکانیکی، کل تیم کارگران مهاجر را با بیل در هنگام حفر خندق جایگزین می کند!

در عین حال، کیفیت بسیار مهم دیگری از داده های تحلیلی به دست آمده به دست می آید. از آنجایی که تنها یک مکعب OLAP برای کل شرکت وجود دارد، یعنی. این همان زمینه با تحلیلگران برای همه است، که اختلافات آزاردهنده در داده ها را از بین می برد. زمانی که یک مدیر برای از بین بردن عامل سوبژکتیویته مجبور است تکلیف یکسانی را از چندین کارمند مستقل بپرسد، اما باز هم پاسخ های متفاوتی می دهند که همه متعهد می شوند به نحوی توضیح دهند و غیره. مکعب OLAP یکنواختی داده های تحلیلی را در سطوح مختلف سلسله مراتب شرکت تضمین می کند. اگر مدیری بخواهد شاخص خاصی را که مورد علاقه او است به تفصیل بیان کند، مطمئناً به داده های سطح پایین تر می رسد که زیردستان با آن کار می کند و این دقیقاً داده هایی است که بر اساس آن شاخص سطح بالاتر محاسبه شده است. ، و نه برخی از داده های دیگر، دریافت شده به روشی دیگر، در زمان دیگری و غیره. یعنی کل شرکت تجزیه و تحلیل یکسان را می بیند، اما در سطوح مختلف تجمیع.

بیایید یک مثال بزنیم. فرض کنید یک مدیر حساب های دریافتنی را کنترل می کند. تا زمانی که KPI برای مطالبات معوق سبز است، به این معنی است که همه چیز عادی است و هیچ اقدام مدیریتی لازم نیست. اگر رنگ به زرد یا قرمز تغییر کرده است، چیزی اشتباه است: ما KPI ها را توسط بخش های فروش برش می دهیم و بلافاصله بخش ها را "قرمز" می بینیم. بخش بعدی توسط مدیران - و فروشنده ای که مشتریانش از پرداخت عقب مانده اند شناسایی می شود. (بعلاوه، مبلغ معوقه را می توان بر اساس مشتریان، بر اساس شرایط و غیره تقسیم کرد.) رئیس شرکت می تواند مستقیماً با متخلفان در هر سطحی تماس بگیرد. اما به طور کلی، همان KPI (در سطوح سلسله مراتبی آنها) هم توسط مدیران بخش و هم توسط مدیران فروش مشاهده می شود. بنابراین، برای اصلاح وضعیت، آنها حتی نیازی به انتظار "تماس روی فرش" ندارند... البته، KPI خود لزوماً نباید میزان پرداخت های معوق باشد - این می تواند باشد. میانگین موزون مدت پرداخت های معوق یا به طور کلی نرخ گردش مطالبات.

اجازه دهید توجه داشته باشیم که پیچیدگی و انعطاف‌پذیری زبان MDX، همراه با نتایج سریع (گاهی آنی) به ما اجازه می‌دهد تا وظایف کنترل پیچیده‌ای را (با در نظر گرفتن مراحل توسعه و اشکال‌زدایی) حل کنیم که در غیر این صورت ممکن بود اصلاً مطرح نمی‌شد. به دلیل پیچیدگی برنامه نویسان برنامه و عدم قطعیت اولیه در فرمول. (مهلت‌های طولانی برای برنامه‌نویسان کاربردی برای حل مسائل تحلیلی به دلیل فرمول‌بندی‌های ناشناخته و اصلاحات طولانی برنامه‌ها زمانی که شرایط اغلب در عمل با آن مواجه می‌شوند.)

اجازه دهید به این واقعیت نیز توجه کنیم که هر کارمند شرکت می تواند دقیقاً برداشتی را که برای کار خود به آن نیاز دارد از میدان عمومی یک تحلیلگر OLAP جمع آوری کند و به "نوار" ای که در جمع برای او بریده می شود راضی نباشد. "گزارش های استاندارد".

رابط چند کاربره برای کار با یک مکعب OLAP در حالت سرویس گیرنده-سرور به هر کارمند، مستقل از دیگران، اجازه می دهد تا بلوک های تحلیلی (حتی خودساخته با مهارت) خود را داشته باشد (گزارش ها)، که پس از تعریف، به طور خودکار تنظیم می شوند. به روز شده - به عبارت دیگر، آنها همیشه به روز هستند.

یعنی مکعب OLAP به شما این امکان را می دهد که کار تحلیلی (که در واقع نه تنها توسط تحلیلگران پذیرش انجام می شود، بلکه در واقع تقریباً توسط همه کارمندان شرکت، حتی تدارکات و مدیرانی که تعادل و محموله ها را کنترل می کنند) انتخابی تر کنید. "نه به صورت کلی" که شرایطی را برای بهبود کار و افزایش بهره وری ایجاد می کند.

برای خلاصه کردن مقدمه، خاطرنشان می کنیم که استفاده از مکعب های OLAP می تواند مدیریت یک شرکت را به سطح بالاتری برساند. یکنواختی داده های تحلیلی در تمام سطوح سلسله مراتب، قابلیت اطمینان، پیچیدگی، سهولت ایجاد و اصلاح شاخص ها، تنظیمات فردی، سرعت بالای پردازش داده ها و در نهایت صرفه جویی در هزینه و زمان صرف شده برای پشتیبانی از مسیرهای تحلیلی جایگزین (برنامه نویسان برنامه، محاسبات مستقل کارمند) چشم انداز استفاده از مکعب های OLAP را در عمل شرکت های بزرگ روسی باز می کند.

OLTP + OLAP: طرح کلی بازخورددر زنجیره مدیریت شرکت

حال بیایید به ایده کلی مکعب های OLAP و نقطه کاربرد آنها در زنجیره مدیریت شرکتی نگاه کنیم. اصطلاح OLAP (پردازش تحلیلی آنلاین) توسط ریاضیدان انگلیسی ادگار کاد علاوه بر اصطلاح قبلی OLTP (پردازش معاملات آنلاین) معرفی شد. این بعداً مورد بحث قرار خواهد گرفت، اما E. Codd، البته، نه تنها اصطلاحات، بلکه نظریه های ریاضی OLTP و OLAP را نیز پیشنهاد کرد. بدون پرداختن به جزئیات، در تفسیر مدرن، OLTP یک پایگاه داده رابطه ای است که به عنوان مکانیزمی برای ثبت، ذخیره و بازیابی اطلاعات در نظر گرفته می شود.

روش شناسی راه حل

سیستم های ERP (برنامه ریزی منابع سازمانی)، مانند 1C7، 1C8، MS Dynamics AX، دارای رابط های نرم افزاری کاربر محور (ورود و ویرایش اسناد و غیره) و یک پایگاه داده رابطه ای (DB) برای ذخیره و بازیابی اطلاعات هستند که امروزه توسط نرم افزار ارائه می شود. محصولاتی مانند MS SQL Server (SS).

توجه داشته باشید که اطلاعات ثبت شده در پایگاه داده سیستم ERP در واقع یک منبع بسیار ارزشمند است. نکته تنها این نیست که اطلاعات ثبت شده جریان اسناد جاری شرکت (استخراج اسناد، تنظیم آنها، قابلیت چاپ و تطبیق و ...) را تضمین می کند و نه تنها توانایی محاسبه صورت های مالی (مالیات، حسابرسی و غیره) را تضمین می کند. ). از دیدگاه مدیریت، بسیار مهمتر است که سیستم OLTP (پایگاه داده رابطه ای) در واقع یک مدل دیجیتالی واقعی از فعالیت های شرکت باشد.

اما برای مدیریت فرآیند، ثبت اطلاعات مربوط به آن کافی نیست. فرآیند باید در قالب یک سیستم از شاخص های عددی (KPIs) که پیشرفت آن را مشخص می کند ارائه شود. علاوه بر این، محدوده قابل قبولی از مقادیر باید برای شاخص ها تعریف شود. و تنها در صورتی که مقدار نشانگر خارج از بازه مجاز باشد، باید یک عمل کنترلی دنبال شود.

با توجه به این منطق (یا اسطوره) کنترل ("کنترل از طریق انحراف")، هم فیلسوف یونان باستان، افلاطون، که تصویر سکاندار (سایبرنوز) را خلق کرد، که وقتی قایق از مسیر منحرف می شود به پارو تکیه می دهد، و هم نوربرت وینر، ریاضیدان آمریکایی، که علم سایبرنتیک را در آستانه عصر رایانه ایجاد کرد.

علاوه بر سیستم معمول برای ثبت اطلاعات با استفاده از روش OLTP، سیستم دیگری مورد نیاز است - سیستمی برای تجزیه و تحلیل اطلاعات جمع آوری شده. این افزونه که در حلقه کنترل نقش بازخورد بین مدیریت و شی کنترل را ایفا می کند، یک سیستم OLAP یا به طور خلاصه یک مکعب OLAP است.

به عنوان یک پیاده‌سازی نرم‌افزار OLAP، ما ابزار MS Analysis Services را در نظر خواهیم گرفت که بخشی از تحویل استاندارد MS SQL Server، به اختصار SSAS است. توجه داشته باشید که طبق طرح E. Codd، مکعب OLAP در تجزیه و تحلیل باید همان آزادی عمل جامعی را بدهد که سیستم OLTP و پایگاه داده رابطه‌ای (SQL Server) در ذخیره و بازیابی اطلاعات فراهم می‌کنند.

لجستیک OLAP

حالا بیایید به پیکربندی خاص نگاه کنیم دستگاه های خارجی، برنامه های کاربردی و عملیات تکنولوژیکی که بر اساس آنها عملیات خودکار مکعب OLAP استوار است.

ما فرض می کنیم که شرکت از یک سیستم ERP استفاده می کند، به عنوان مثال، 1C7 یا 1C8، که اطلاعات در آن به طور معمول ثبت می شود. پایگاه داده این سیستم ERP بر روی سرور خاصی قرار دارد و توسط MS SQL Server پشتیبانی می شود.

همچنین فرض می کنیم که سرور دیگری دارای نرم افزار نصب شده است، از جمله MS SQL Server با ابزار MS Analysis Services (SSAS) و همچنین MS SQL Server Management Studio، MS C#، MS Excel و MS Visual Studio. این برنامه ها با هم زمینه مورد نیاز را تشکیل می دهند: ابزارها و رابط های لازم برای توسعه دهنده مکعب های OLAP.

سرور SSAS یک برنامه آزادانه به نام blat دارد که (با پارامترها) از نامیده می شود خط فرمانو ارائه خدمات پستی

در ایستگاه های کاری کارکنان، در داخل شبکه محلیاز جمله برنامه های MS Excel (نسخه های نه کمتر از 2003) و همچنین احتمالاً یک درایور ویژه برای اطمینان از کارکرد MS Excel با خدمات تحلیل MS (مگر اینکه درایور مربوطه قبلاً در MS Excel گنجانده شده باشد) نصب شده است.

برای قطعیت، فرض می کنیم که یک سیستم عامل در ایستگاه های کاری کارمندان نصب شده است. سیستم ویندوز XP و روی سرورها - ویندوز سرور 2008. علاوه بر این، اجازه دهید MS SQL Server 2005 به عنوان SQL Server، با نسخه Enterprise (EE) یا Developer Edition (DE) روی سرور با مکعب OLAP استفاده شود. در این نسخه ها امکان استفاده از به اصطلاح وجود دارد. "اقدامات نیمه افزودنی"، یعنی. اضافی توابع جمع(آمار) غیر از مبالغ معمولی (مثلاً افراطی یا متوسط).

طراحی مکعب OLAP (کوبیسم OLAP)

بیایید چند کلمه در مورد طراحی خود مکعب OLAP بگوییم. در زبان آمار، مکعب OLAP مجموعه‌ای از شاخص‌های عملکردی است که در تمام بخش‌های ضروری محاسبه می‌شود، به عنوان مثال، نشانگر حمل و نقل در بخش‌های مشتریان، کالاها، تاریخ‌ها و غیره. به دلیل ترجمه مستقیم از انگلیسی در ادبیات روسی در مکعب های OLAP، شاخص ها "اندازه ها" و بخش ها "ابعاد" نامیده می شوند. این ترجمه از نظر ریاضی درست است، اما از نظر نحوی و معنایی چندان موفق نیست. کلمات روسی "میزان"، "بعد"، "بعد" از نظر معنی و املا تقریباً یکسان هستند، در حالی که "میزان" و "بعد" انگلیسی از نظر املا و معنی متفاوت هستند. بنابراین، ما به اصطلاحات آماری سنتی روسی "شاخص" و "برش" که از نظر معنی مشابه هستند، ترجیح می دهیم.

چندین گزینه برای اجرای نرم افزار یک مکعب OLAP در رابطه با سیستم OLTP که در آن داده ها ثبت می شود وجود دارد. ما فقط یک طرح را در نظر خواهیم گرفت، ساده ترین، قابل اطمینان ترین و سریع ترین.

در این طراحی، OLAP و OLTP جداول را به اشتراک نمی گذارند و تجزیه و تحلیل OLAP با جزئیات حداکثر ممکن در مرحله به روز رسانی مکعب (Process) که قبل از مرحله استفاده است محاسبه می شود. این طرح MOLAP (OLAP چند بعدی) نامیده می شود. معایب آن ناهمزمانی با ERP و هزینه بالای حافظه است.

اگرچه به طور رسمی یک مکعب OLAP را می توان با استفاده از همه (هزاران) جداول پایگاه داده رابطه ای سیستم ERP به عنوان منبع داده و همه (صدها) فیلدهای آنها به عنوان شاخص یا بخش ساخت، در واقع این کار نباید انجام شود. برعکس. برای بارگذاری در یک مکعب، درست تر است که یک پایگاه داده جداگانه به نام "ویترین" یا "انبار" تهیه کنید.

دلایل متعددی ما را مجبور به انجام این کار می کند.

• اولا،پیوند یک مکعب OLAP به جداول در یک پایگاه داده واقعی مطمئناً مشکلات فنی ایجاد می کند. تغییر داده‌ها در یک جدول می‌تواند باعث تازه‌سازی مکعب شود، و تازه کردن یک مکعب لزوماً یک فرآیند سریع نیست، بنابراین مکعب در حالت بازسازی دائمی خواهد بود. در عین حال، روش به روز رسانی مکعب می تواند (هنگام خواندن) داده های جداول پایگاه داده را مسدود کند و کار کاربران را در ثبت داده ها در سیستم ERP کند کند.
• دوما, داشتن نشانگرها و برش های بیش از حد باعث افزایش چشمگیر فضای ذخیره سازی مکعب در سرور می شود. فراموش نکنیم که مکعب OLAP نه تنها داده‌های منبع را مانند سیستم OLTP، بلکه تمام شاخص‌های خلاصه شده در تمام بخش‌های ممکن (و حتی همه ترکیب‌های همه بخش‌ها) را نیز ذخیره می‌کند. علاوه بر این، سرعت به روز رسانی مکعب و در نهایت سرعت ساخت و به روز رسانی تجزیه و تحلیل و گزارش های کاربران بر اساس آنها کاهش می یابد.
• سوم, بسیاری از زمینه ها (شاخص ها و بخش ها) مشکلاتی را در رابط توسعه دهنده OLAP ایجاد می کنند، زیرا لیست عناصر بسیار زیاد خواهد شد.
• چهارم، مکعب OLAP به نقض یکپارچگی داده ها بسیار حساس است. اگر داده های کلیدی در پیوند مشخص شده در ساختار اتصالات فیلد مکعبی قرار نگیرند، مکعب نمی تواند ساخته شود. نقض موقت یا دائمی یکپارچگی، فیلدهای خالی در پایگاه داده سیستم ERP رایج است، اما این کاملاً برای OLAP مناسب نیست.

همچنین می‌توانید اضافه کنید که سیستم ERP و مکعب OLAP باید در سرورهای مختلف برای اشتراک‌گذاری بار قرار گیرند. اما پس از آن، اگر جداول مشترک برای OLAP و OLTP وجود داشته باشد، مشکل ترافیک شبکه نیز به وجود می آید. مشکلات عملاً غیر قابل حل در این مورد زمانی به وجود می آیند که لازم است چندین سیستم ERP متفاوت (1C7، 1C8، MS Dynamics AX) را در یک مکعب OLAP ادغام کنیم.

احتمالاً بتوانیم به انباشتن مشکلات فنی ادامه دهیم. اما مهمتر از همه، به یاد داشته باشید که برخلاف OLTP، OLAP وسیله ای برای ضبط و ذخیره داده ها نیست، بلکه یک ابزار تجزیه و تحلیل است. این بدان معنی است که نیازی به آپلود و بارگیری داده های "کثیف" از ERP به OLAP "در صورت لزوم" نیست. برعکس، ابتدا باید یک مفهوم برای مدیریت شرکت، حداقل در سطح سیستم KPI ایجاد کنید، و سپس یک انبار داده برنامه (انبار) طراحی کنید، که روی همان سروری که مکعب OLAP قرار دارد و حاوی یک کوچک است. , مقدار پالایش داده از ERP لازم برای مدیریت .

بدون ترویج عادات بد، مکعب OLAP در رابطه با OLTP را می توان به "هنوز" معروف تشبیه کرد که از طریق آن یک "محصول خالص" از "توده تخمیر شده" ثبت واقعی استخراج می شود.

بنابراین، دریافتیم که منبع داده OLAP یک پایگاه داده (انبار) ویژه است که در همان سرور OLAP قرار دارد. به طور کلی این به معنای دو چیز است. اول، باید رویه های خاصی وجود داشته باشد که یک انبار از پایگاه های داده ERP ایجاد کند. ثانیا، مکعب OLAP با سیستم های ERP خود ناهمزمان است.

با در نظر گرفتن موارد فوق، ما نسخه زیر از معماری فرآیند محاسبات را پیشنهاد می کنیم.

معماری راه حل

فرض کنید بسیاری از سیستم‌های ERP یک شرکت خاص (هلدینگ) در سرورهای مختلف قرار دارند، داده‌های تحلیلی که ما می‌خواهیم آن‌ها را در یک مکعب OLAP ادغام کنیم. ما تأکید می کنیم که در فناوری توصیف شده، داده های سیستم های ERP را در سطح انبار ترکیب می کنیم و طراحی مکعب OLAP را بدون تغییر باقی می گذاریم.

در سرور OLAP ما تصاویر (نسخه های خالی) از پایگاه داده های همه این سیستم های ERP را ایجاد می کنیم. ما به صورت دوره‌ای (شبیه) همانندسازی جزئی پایگاه‌های داده ERP فعال مربوطه را روی این کپی‌های خالی انجام می‌دهیم.

در مرحله بعد، SP (رویه ذخیره شده) راه اندازی می شود که در همان سرور OLAP بدون ترافیک شبکه، بر اساس کپی های جزئی پایگاه های داده سیستم ERP، یک انبار (انبار) - منبع داده مکعب OLAP را ایجاد می کند (یا دوباره پر می کند).

سپس روال استاندارد برای به‌روزرسانی/ساخت یک مکعب با استفاده از داده‌های انبار راه‌اندازی می‌شود (عملیات فرآیند در رابط SSAS).

اجازه دهید در مورد جنبه های خاصی از فناوری اظهار نظر کنیم. SP ها چه نوع کاری انجام می دهند؟

در نتیجه تکرار جزئی، داده های فعلی در تصویر برخی از سیستم های ERP در سرور OLAP ظاهر می شوند. به هر حال، تکرار جزئی را می توان به دو روش انجام داد.

اولاً، از بین تمام جداول موجود در پایگاه داده سیستم ERP، تنها آنهایی که برای ساختن یک انبار مورد نیاز هستند، در طول تکرار جزئی کپی می شوند. این توسط یک لیست ثابت از نام جدول کنترل می شود.

ثانیا، تکرار جزئی ممکن است به این معنی باشد که همه فیلدهای جدول کپی نمی شوند، بلکه فقط آنهایی که در ساخت انبار نقش دارند کپی می شوند. لیست فیلدهایی که باید کپی شوند یا مشخص شده یا به صورت پویا در SP در تصویر کپی ایجاد می شود (اگر در ابتدا همه فیلدها در کپی جدول وجود نداشته باشند).

البته می توان تمام ردیف های جدول را کپی نکرد، بلکه فقط رکوردهای جدید اضافه کرد. با این حال، این امر باعث ایجاد ناراحتی های جدی در هنگام حسابداری برای تجدید نظرهای ERP "به صورت ماسبق" می شود، که اغلب در سیستم های واقعی وجود دارد. بنابراین، کپی کردن همه رکوردها (یا به‌روزرسانی «دم» از تاریخ معینی) بدون هیچ بحثی آسان‌تر است.

در مرحله بعد، وظیفه اصلی SP تبدیل داده های سیستم ERP به فرمت انبار است. اگر فقط یک سیستم ERP وجود داشته باشد، وظیفه تبدیل عمدتاً به کپی کردن و احتمالاً قالب‌بندی مجدد داده‌های لازم می‌رسد. اما اگر لازم باشد چندین سیستم ERP از ساختارهای مختلف را در یک مکعب OLAP ادغام کنیم، آنگاه تبدیل ها پیچیده تر می شوند.

کار ادغام چندین سیستم ERP مختلف در یک مکعب به ویژه دشوار است اگر مجموعه‌های اشیاء آنها (دایرکتوری‌های کالا، پیمانکاران، انبارها و غیره) تا حدی همپوشانی داشته باشند، اشیاء یک معنی داشته باشند، اما طبیعتاً در دایرکتوری‌ها به‌طور متفاوتی توصیف می‌شوند. سیستم های مختلف (از نظر کدها، شناسه ها، نام ها و غیره).

در حقیقت، چنین تصویری در یک شرکت هلدینگ بزرگ به وجود می‌آید، زمانی که چندین شرکت مستقل تشکیل‌دهنده آن از همان نوع، تقریباً انواع مشابهی از فعالیت‌ها را در تقریباً یک قلمرو انجام می‌دهند، اما از سیستم‌های ثبت نام خود و غیر توافقی استفاده می‌کنند. در این مورد، هنگام ادغام داده ها در سطح انبار، نمی توانید بدون جداول نقشه برداری کمکی انجام دهید.

بیایید کمی به معماری ذخیره سازی انبار توجه کنیم. به طور معمول، یک طرح مکعب OLAP به شکل یک "ستاره" نشان داده می شود. به عنوان یک جدول داده احاطه شده توسط "اشعه" از دایرکتوری ها - جداول مقادیر کلید ثانویه. جدول یک بلوک از "شاخص ها" است. در این مورد، فهرست به نوبه خود می تواند یک درخت نامتعادل دلخواه یا یک سلسله مراتب متعادل باشد، به عنوان مثال، یک طبقه بندی چند سطحی از کالاها یا پیمانکاران. در یک مکعب OLAP، فیلدهای عددی یک جدول داده از یک انبار به طور خودکار به "شاخص" (یا اندازه گیری) تبدیل می شوند و بخش ها (یا ابعاد) را می توان با استفاده از جداول کلید ثانویه تعریف کرد.

این یک توصیف بصری "آموزشی" است. در واقع، معماری یک مکعب OLAP می تواند بسیار پیچیده تر باشد.

اولاً، یک انبار می تواند از چندین "ستاره" تشکیل شده باشد که احتمالاً از طریق دایرکتوری های مشترک به هم متصل می شوند. در این حالت، مکعب OLAP ترکیبی از چندین مکعب (چند بلوک داده) خواهد بود.

ثانیاً، "اشعه" یک ستاره می تواند نه تنها یک فهرست، بلکه یک سیستم فایل کامل (سلسله مراتبی) باشد.

ثالثاً، بر اساس بخش‌های ابعاد موجود، بخش‌های سلسله مراتبی جدید را می‌توان با استفاده از ابزارهای رابط توسعه‌دهنده OLAP تعریف کرد (مثلاً با سطوح کمتر، با ترتیب سطوح متفاوت و غیره).

چهارم اینکه بر اساس اندیکاتورها و بخشهای موجود با استفاده از عبارات زبان MDX می توان اندیکاتورهای (محاسبات) جدیدی را تعریف کرد. توجه به این نکته مهم است که مکعب های جدید، شاخص های جدید، بخش های جدید به طور خودکار به طور کامل با عناصر اصلی ادغام می شوند. همچنین لازم به ذکر است که محاسبات و بخش های سلسله مراتبی با فرمول ضعیف می توانند عملکرد یک مکعب OLAP را به میزان قابل توجهی کاهش دهند.

MS Excel به عنوان رابط با OLAP

رابط کاربری با مکعب های OLAP از جذابیت خاصی برخوردار است. به طور طبیعی، کامل ترین رابط توسط خود ابزار SSAS ارائه می شود. این شامل یک جعبه ابزار توسعه دهنده مکعب OLAP، یک طراح گزارش تعاملی و یک پنجره است کار تعاملیبا یک مکعب OLAP با استفاده از پرس و جوهای MDX.

علاوه بر خود SSAS، برنامه‌های زیادی وجود دارند که یک رابط برای OLAP فراهم می‌کنند و عملکرد آن‌ها را تا حد زیادی پوشش می‌دهند. اما در بین آنها یکی وجود دارد که به نظر ما مزایای غیرقابل انکاری دارد. این MS Excel است.

رابط کاربری MS Excel توسط یک درایور ویژه ارائه شده است که به صورت جداگانه قابل دانلود یا در توزیع Excel موجود است. تمام عملکردهای OLAP را پوشش نمی دهد، اما با رشد تعداد نسخه های MS Excel، این پوشش گسترده تر می شود (به عنوان مثال، در MS Excel 2007 یک نمایش گرافیکی از KPI ظاهر می شود که در MS Excel 2003 و غیره نبود. ).

البته مزیت اصلی ام اس اکسل علاوه بر عملکرد نسبتا کامل آن، توزیع گسترده این برنامه و آشنایی نزدیک تعداد زیادی از کاربران آفیس با آن است. از این نظر، برخلاف سایر برنامه های رابط، این شرکت نیازی به خرید هیچ چیز اضافی ندارد و نیازی به آموزش اضافی ندارد.

مزیت بزرگ MS Excel به عنوان رابط با OLAP توانایی پردازش بیشتر مستقل داده های به دست آمده در گزارش OLAP است (یعنی ادامه مطالعه داده های به دست آمده از OLAP در برگه های دیگر همان Excel، بدون استفاده از ابزارهای OLAP، اما با استفاده از ابزارهای عادی اکسل).

چرخه درمان شبانه Facubi

اکنون چرخه محاسباتی روزانه (شبانه) عملیات OLAP را شرح خواهیم داد. محاسبه تحت کنترل برنامه facubi انجام می شود که در C# 2005 نوشته شده و از طریق Task Scheduler روی سروری با انبار و SSAS راه اندازی شده است. در ابتدا، facubi به اینترنت می‌رود و نرخ‌های ارز فعلی را می‌خواند (برای نشان دادن تعدادی از شاخص‌ها در یک ارز استفاده می‌شود). در مرحله بعد مراحل زیر را انجام دهید.

ابتدا، facubi SP هایی را راه اندازی می کند که تکثیر جزئی پایگاه داده های سیستم های ERP مختلف (عناصر نگهدارنده) موجود در شبکه محلی را انجام می دهند. همانطور که گفتیم، همانند سازی روی "پس زمینه های" از پیش آماده شده انجام می شود - تصاویر سیستم های ERP راه دور واقع در سرور SSAS.

در مرحله دوم، از طریق SP، یک نقشه برداری از کپی های ERP به ذخیره سازی انبار انجام می شود - یک DB ویژه، که منبع داده های مکعب OLAP است و در سرور SSAS قرار دارد. در این مورد، سه کار اصلی حل می شود:

• داده های ERPبا فرمت های مکعب مورد نیاز تنظیم شده است. ما در موردهم در مورد جداول و هم در مورد فیلدهای جدول. (گاهی اوقات جدول مورد نیاز باید «مد» شود، مثلاً از چندین برگه MS Excel.) داده های مشابه ممکن است فرمت های متفاوتی در ERP های مختلف داشته باشند، به عنوان مثال، فیلدهای شناسه کلید در فهرست های 1C7 دارای یک کد نویسه 36 رقمی به طول 8 هستند. فیلدهای , و _idrref در دایرکتوری های 1С8 – اعداد هگزادسیمال با طول 32.
• در طول پردازش کنترل منطقی داده انجام می شود (از جمله نوشتن "پیش فرض" پیش فرض به جای داده های از دست رفته، در صورت امکان) و کنترل یکپارچگی، به عنوان مثال. بررسی وجود کلیدهای اولیه و ثانویه در طبقه بندی کننده های مربوطه.
• تلفیق کد اشیایی که در ERP های مختلف معنای یکسانی دارند. به عنوان مثال، عناصر متناظر دایرکتوری های ERP های مختلف ممکن است معنای یکسانی داشته باشند، مثلاً طرف مقابل یکسان هستند. مشکل ادغام کدها با ساخت جداول نگاشت حل می شود کدهای مختلفهمین اشیاء به وحدت می رسند.

سوم، پرتاب فاکوبی رویه استانداردبه روز رسانی داده های مکعب فرآیند (از رویه های ابزار SSAS).

با توجه به چک لیست ها، facubi در مورد پیشرفت مراحل پردازش ایمیل می فرستد.

پس از اجرای facubi، Task Scheduler به نوبه خود چندین فایل اکسل را راه اندازی می کند که در آنها گزارش ها از قبل بر اساس شاخص های مکعب OLAP ایجاد می شوند. همانطور که گفتیم MS Excel یک ویژگی خاص دارد رابط نرم افزاری(درایور قابل دانلود یا داخلی) برای کار با مکعب های OLAP (با SSAS). هنگامی که MS Excel را راه اندازی می کنید، برنامه های MS VBA (مانند ماکروها) فعال می شوند که اطمینان حاصل می کنند که داده ها در گزارش ها به روز می شوند. گزارش ها در صورت لزوم اصلاح می شوند و طبق چک لیست ها از طریق پست (برنامه بلات) برای کاربران ارسال می شوند.

کاربران شبکه محلی با دسترسی به سرور SSAS گزارش‌های "زنده" پیکربندی شده برای مکعب OLAP را دریافت خواهند کرد. (در اصل، آنها خودشان، بدون هیچ نامه ای، می توانند گزارش های OLAP را در MS Excel که در آنها وجود دارد، به روز کنند کامپیوترهای محلی.) کاربران خارج از شبکه محلی یا گزارش های اصلی را دریافت می کنند، اما با عملکرد محدود، یا برای آنها (پس از به روز رسانی گزارش های OLAP در MS Excel) گزارش های "مرده" ویژه ای محاسبه می شود که به سرور SSAS دسترسی ندارند.

ارزیابی نتایج

ما در بالا در مورد ناهمزمانی OLTP و OLAP صحبت کردیم. در نوع فناوری مورد بررسی، چرخه به‌روزرسانی مکعب OLAP در شب انجام می‌شود (مثلاً از ساعت 1 صبح شروع می‌شود). این بدان معناست که در روز کاری جاری، کاربران با داده های دیروز کار می کنند. از آنجایی که OLAP یک ابزار ضبط نیست (به آخرین ویرایش سند نگاه کنید)، بلکه یک ابزار مدیریتی است (درک روند فرآیند)، چنین تاخیری معمولاً حیاتی نیست. با این حال، در صورت لزوم، حتی در نسخه توصیف شده معماری مکعب (MOLAP)، به روز رسانی می تواند چندین بار در روز انجام شود.

زمان اجرای رویه های به روز رسانی به ویژگی های طراحی مکعب OLAP (پیچیدگی کم و بیش، تعاریف کم و بیش موفق شاخص ها و بخش ها) و به حجم پایگاه های داده سیستم های OLTP خارجی بستگی دارد. طبق تجربه، مراحل ساخت انبار از چند دقیقه تا دو ساعت طول می کشد، روند به روز رسانی مکعب (Process) از 1 تا 20 دقیقه طول می کشد. ما در مورد مکعب های پیچیده OLAP صحبت می کنیم که ده ها ساختار از نوع ستاره، ده ها "پرتو" رایج (بخش های مرجع) برای آنها و صدها نشانگر را متحد می کند. با برآورد حجم پایگاه داده های سیستم های ERP خارجی بر اساس اسناد حمل و نقل، ما در مورد صدها هزار سند و بر این اساس، میلیون ها خط محصول در سال صحبت می کنیم. عمق پردازش تاریخی مورد توجه کاربر سه تا پنج سال بود.

فناوری توصیف شده در تعدادی از شرکت های بزرگ استفاده شده است: از سال 2008 در شرکت ماهی روسیه (RRK) و شرکت دریای روسیه (RM)، از سال 2012 در شرکت سانتا برمور (SB). برخی از شرکت ها عمدتاً شرکت های تجاری و خرید (PPC) هستند، برخی دیگر شرکت های تولیدی (کارخانه های پردازش ماهی و غذاهای دریایی در جمهوری مولداوی و جمهوری بلاروس) هستند. همه شرکت‌ها هلدینگ‌های بزرگی هستند که چندین شرکت را با سیستم‌های حسابداری کامپیوتری مستقل و متنوع - از سیستم‌های استاندارد ERP مانند 1C7 و 1C8 تا سیستم‌های حسابداری "عقاید" مبتنی بر DBF و Excel را متحد می‌کنند. اضافه می کنم که فناوری توصیف شده برای عملکرد مکعب های OLAP (بدون در نظر گرفتن مرحله توسعه) یا به هیچ وجه به کارمندان خاصی نیاز ندارد یا مسئولیت یک تحلیلگر تجاری تمام وقت است. مشکل سالهاست که در حال چرخش است حالت خودکار، ارائه گزارش روزانه به رده های مختلف کارمندان شرکت ها.

مزایا و معایب راه حل

تجربه نشان می دهد که راه حل پیشنهادی کاملا قابل اعتماد و آسان برای استفاده است. به راحتی تغییر می کند (اتصال/قطع ERP های جدید، ایجاد شاخص ها و بخش های جدید، ایجاد و اصلاح گزارش های اکسل و لیست های پستی آنها) با تغییر ناپذیر. برنامه کنترل facubi.

MS Excel به عنوان یک رابط با OLAP بیان کافی را ارائه می دهد و به دسته های مختلف کارمندان دفتر اجازه می دهد تا به سرعت با فناوری OLAP آشنا شوند. کاربر گزارش های OLAP "استاندارد" روزانه را دریافت می کند. با استفاده از رابط MS Excel با OLAP، می تواند به طور مستقل گزارش های OLAP را در MS Excel ایجاد کند. علاوه بر این، کاربر می تواند به طور مستقل به مطالعه اطلاعات گزارش های OLAP با استفاده از قابلیت های معمول MS Excel خود ادامه دهد.

پایگاه داده انبار "تصفیه شده"، که در آن چندین سیستم ERP ناهمگن (در طول ساخت مکعب)، حتی بدون هیچ گونه OLAP ادغام شده اند، به شما امکان می دهد (در یک سرور SSAS، با استفاده از روش پرس و جو در Transact SQL یا روش SP) حل کنید. و غیره) بسیاری از مشکلات مدیریت کاربردی. به یاد بیاوریم که ساختار پایگاه داده انبار یکپارچه و بسیار ساده تر از ساختارهای پایگاه داده ERP اصلی (از نظر تعداد جداول و تعداد فیلدهای جدول) است.

ما به ویژه توجه می کنیم که در راه حل پیشنهادی ما امکان ادغام سیستم های مختلف ERP در یک مکعب OLAP وجود دارد. این به شما این امکان را می دهد که تجزیه و تحلیل را برای کل هلدینگ بدست آورید و زمانی که یک شرکت به سیستم ERP حسابداری دیگری منتقل می شود، مثلاً هنگام انتقال از 1C7 به 1C8، تداوم طولانی مدت در تجزیه و تحلیل را حفظ کنید.

ما از مدل مکعب MOLAP استفاده کردیم. از مزایای این مدل می توان به قابلیت اطمینان در عملیات و سرعت بالای پردازش درخواست های کاربران اشاره کرد. معایب: OLAP و OLTP ناهمزمان هستند و همچنین مقدار زیادی حافظه برای ذخیره OLAP وجود دارد.

در پایان، در اینجا استدلال دیگری به نفع OLAP وجود دارد که ممکن است در قرون وسطی مناسب تر باشد. زیرا قدرت اثبات آن بر اختیار است. یک ریاضیدان انگلیسی متواضع و آشکارا دست کم گرفته شده، E. Codd، نظریه پایگاه های داده رابطه ای را در اواخر دهه 60 توسعه داد. قدرت این نظریه به حدی بود که اکنون پس از 50 سال، یافتن یک پایگاه داده غیررابطه ای و یک زبان جستجوی پایگاه داده به جز SQL دشوار است.

فناوری OLTP بر اساس تئوری پایگاه‌های اطلاعاتی رابطه‌ای، اولین ایده Codd بود. در واقع، مفهوم مکعب های OLAP دومین ایده او است که در اوایل دهه 90 توسط او بیان شد. حتی بدون ریاضیدان بودن، می توانید کاملاً انتظار داشته باشید که ایده دوم به اندازه ایده اول مؤثر باشد. یعنی از نظر تجزیه و تحلیل کامپیوتری، ایده های OLAP به زودی جهان را فرا خواهند گرفت و جای بقیه را خواهند گرفت. صرفاً به این دلیل که مبحث تجزیه و تحلیل، راه حل ریاضی جامع خود را در OLAP می یابد، و این راه حل برای مسئله عملی تجزیه و تحلیل «کافی» است (اصطلاح B. Spinoza). «به اندازه کافی» در اسپینوزا به این معناست که خود خدا نمی توانست بهتر از این فکر کند...

1. Larson B. توسعه تجزیه و تحلیل تجاری در Microsoft SQL Server 2005. – سنت پترزبورگ: "پیتر"، 2008.
2. Codd E. Relational Completeness of Data Base Sublanguages, Data Base Systems, Courant Computer Science Sumposia Series 1972, v. 6، صخره های انگلوود، نیویورک، پرنتیس – هال.

در تماس با

شاید برای برخی استفاده از فناوری OLAP (پردازش تحلیلی آنلاین) هنگام ایجاد گزارش تا حدی عجیب و غریب به نظر برسد، بنابراین استفاده از OLAP-CUBE برای آنها به هیچ وجه یکی از مهمترین الزامات هنگام خودکارسازی بودجه و حسابداری مدیریت نیست.

در واقع استفاده از آن بسیار راحت است مکعب چند بعدیهنگام کار با گزارش مدیریت هنگام توسعه فرمت‌های بودجه، ممکن است با مشکل فرم‌های چند متغیره مواجه شوید (می‌توانید در کتاب 8، «تکنولوژی تنظیم بودجه در یک شرکت» و در کتاب «راه‌اندازی و خودکارسازی حسابداری مدیریت» اطلاعات بیشتری در این باره بخوانید).

این به دلیل این واقعیت است که مدیریت مؤثر یک شرکت مستلزم گزارش‌دهی مدیریتی به طور فزاینده‌ای است. به این معنی که سیستم از بخش های تحلیلی مختلف بیشتر و بیشتری استفاده می کند (در سیستم های اطلاعاتیتجزیه و تحلیل توسط مجموعه ای از کتاب های مرجع تعریف می شود).

طبیعتاً این منجر به این واقعیت می شود که مدیران می خواهند در تمام بخش های تحلیلی مورد علاقه خود گزارش دریافت کنند. این به این معنی است که گزارش‌ها باید به نحوی «نفس بکشند». به عبارت دیگر، می توان گفت که در این مورد صحبت از این است که منظور از همان گزارش باید اطلاعاتی را در جنبه های مختلف تحلیلی ارائه دهد. بنابراین گزارش های ایستا دیگر مناسب بسیاری از مدیران مدرن نیست. آنها به پویایی نیاز دارند که یک مکعب چند بعدی می تواند ارائه دهد.

بنابراین، فناوری OLAP در حال حاضر به یک عنصر اجباری در سیستم های اطلاعاتی مدرن و آینده تبدیل شده است. بنابراین هنگام انتخاب یک محصول نرم افزاری باید به این نکته توجه کنید که آیا از فناوری OLAP استفاده می کند یا خیر.

علاوه بر این، شما باید بتوانید مکعب های واقعی را از مکعب های تقلیدی تشخیص دهید. یکی از این شبیه سازی ها جداول محوری در MS Excel است. بله، این ابزار شبیه یک مکعب به نظر می رسد، اما در واقع یکی نیست، زیرا این جداول ثابت هستند، نه پویا. علاوه بر این، آنها اجرای بسیار بدتری از توانایی ساخت گزارش با استفاده از عناصر دایرکتوری سلسله مراتبی دارند.

برای تأیید ارتباط استفاده از CUBE هنگام ساخت گزارش مدیریت، می‌توانیم یک مثال ساده با بودجه فروش ارائه کنیم. در مثال مورد بررسی، بخش های تحلیلی زیر مربوط به شرکت است: محصولات، شعب و کانال های فروش. اگر این سه تجزیه و تحلیل برای شرکت مهم هستند، می توان بودجه فروش (یا گزارش) را در چندین نسخه نمایش داد.

لازم به ذکر است که اگر خطوط بودجه را بر اساس سه بخش تحلیلی ایجاد کنید (مانند نمونه مورد بررسی)، این به شما امکان می دهد مدل های بودجه کاملاً پیچیده ایجاد کنید و با استفاده از CUBE گزارش های دقیق ایجاد کنید.

به عنوان مثال، بودجه فروش را می توان تنها با استفاده از یک تجزیه و تحلیل (دایرکتوری) جمع آوری کرد. نمونه ای از بودجه فروش ساخته شده بر اساس یک تجزیه و تحلیل "محصولات" در ارائه شده است شکل 1.

برنج. 1. نمونه ای از بودجه فروش ساخته شده بر اساس یک تجزیه و تحلیل "محصولات" در OLAP-CUBE

همان بودجه فروش را می توان با استفاده از دو تجزیه و تحلیل (دایرکتوری) جمع آوری کرد. نمونه ای از بودجه فروش ساخته شده بر اساس دو تجزیه و تحلیل "محصولات" و "شاخه ها" در شکل 2.

برنج. 2. نمونه ای از بودجه فروش که بر اساس دو تحلیل «محصولات» و «شاخه ها» در OLAP-CUBE بسته نرم افزاری INTEGRAL ساخته شده است.

.

اگر نیاز به ساخت گزارش های دقیق تر باشد، می توان با استفاده از سه آنالیز (دایرکتوری) بودجه فروش مشابه را جمع آوری کرد. نمونه ای از بودجه فروش که بر اساس سه تجزیه و تحلیل «محصولات»، «شاخه ها» و «کانال های فروش» ساخته شده است در شکل 3.

برنج. 3. نمونه ای از بودجه فروش که بر اساس سه تحلیل «محصولات»، «شاخه ها» و «کانال های فروش» در OLAP-CUBE بسته نرم افزاری INTEGRAL ساخته شده است.

لازم به یادآوری است که CUBE مورد استفاده برای تولید گزارش به شما امکان نمایش داده ها را در توالی های مختلف می دهد. بر شکل 3بودجه فروش ابتدا بر اساس محصول، سپس توسط شعبه، و سپس توسط کانال فروش "گسترش" می یابد.

همان داده ها را می توان در ترتیب متفاوتی ارائه کرد. بر شکل 4همان بودجه فروش ابتدا توسط محصول، سپس توسط کانال فروش، و سپس توسط شعبه "بسط می یابد".

برنج. 4. نمونه ای از بودجه فروش که بر اساس سه تحلیل «محصولات»، «کانال های توزیع» و «شاخه ها» در OLAP-CUBE بسته نرم افزاری INTEGRAL ساخته شده است.

بر شکل 5همان بودجه فروش ابتدا توسط شعب، سپس توسط محصولات، و سپس توسط کانال های فروش "گشوده می شود".

برنج. 5. نمونه ای از بودجه فروش که بر اساس سه تحلیل «شاخه»، «محصولات» و «کانال فروش» در بسته نرم افزاری OLAP-CUBE «INTEGRAL» ساخته شده است.

در واقع این همه چیز نیست گزینه های ممکنبرداشت از بودجه فروش

علاوه بر این، باید به این نکته توجه کنید که CUBE به شما امکان کار با آن را می دهد ساختار سلسله مراتبیکتاب های مرجع. در مثال های ارائه شده، دایرکتوری های سلسله مراتبی «محصولات» و «کانال های توزیع» هستند.

از دیدگاه کاربر، در این مثال چندین گزارش مدیریتی دریافت می کند (نگاه کنید به. برنج. 1-5) و از نقطه نظر تنظیمات در محصول نرم افزاری- این یک گزارش است. فقط با استفاده از CUBE می توانید آن را به چند روش مشاهده کنید.

طبیعتاً در عمل تعداد بسیار زیادی گزینه برای خروجی گزارش های مدیریتی مختلف در صورتی امکان پذیر است که مقالات آنها بر اساس یک یا چند تحلیلگر باشد. و مجموعه تجزیه و تحلیل خود به نیاز کاربران به جزئیات بستگی دارد. درست است، ما نباید فراموش کنیم که از یک طرف، هر چه تحلیلگر بزرگتر باشد، می توان گزارش های دقیق تری ساخت. اما، از سوی دیگر، این بدان معناست که مدل بودجه ریزی مالی پیچیده تر خواهد بود. در هر صورت، در صورت وجود KUB، شرکت این امکان را خواهد داشت که گزارش های لازم را در نسخه های مختلف مطابق با بخش های تحلیلی مورد علاقه مشاهده کند.

ذکر چند ویژگی دیگر OLAP-CUBE ضروری است.

در یک OLAP-CUBE سلسله مراتبی چند بعدی چندین بعد وجود دارد: نوع سطر، تاریخ، سطرها، دایرکتوری 1، دایرکتوری 2 و دایرکتوری 3 (نگاه کنید به. برنج. 6). به طور طبیعی، گزارش به تعداد دکمه‌هایی که در ردیف بودجه‌ای که حداکثر تعداد دایرکتوری‌ها را شامل می‌شود، با دایرکتوری‌ها نمایش می‌دهد. اگر در هیچ ردیف بودجه یک کتاب مرجع وجود نداشته باشد، گزارش یک دکمه با کتاب های مرجع نخواهد داشت.

در ابتدا، OLAP-CUBE در تمام ابعاد ساخته شده است. به طور پیش فرض، زمانی که گزارش در ابتدا ساخته می شود، ابعاد دقیقاً در مناطق نشان داده شده قرار می گیرند شکل 6. یعنی ابعادی مانند "تاریخ" در ناحیه ابعاد عمودی (ابعاد در ناحیه ستون)، ابعاد "ردیف"، "دایرکتوری 1"، "دایرکتوری 2" و "دایرکتوری 3" قرار دارد - در مساحت ابعاد افقی (ابعاد در ردیف های ناحیه) و بعد «نوع ردیف» در ناحیه ابعاد «بسط نشده» (ابعاد در ناحیه صفحه) است. اگر یک بعد در آخرین ناحیه باشد، داده های گزارش در آن بعد "بسط" نمی یابند.

هر یک از این ابعاد را می توان در هر یک از سه ناحیه قرار داد. پس از انتقال اندازه‌گیری‌ها، گزارش فوراً برای مطابقت با پیکربندی اندازه‌گیری جدید بازسازی می‌شود. به عنوان مثال، می توانید تاریخ و خطوط را با کتاب های مرجع عوض کنید. یا می توانید یکی از کتاب های مرجع را به ناحیه اندازه گیری عمودی منتقل کنید (نگاه کنید به. برنج. 7). به عبارت دیگر، می‌توانید گزارش را در OLAP-CUBE «پیچان» کنید و گزینه خروجی گزارش را که برای کاربر راحت‌تر است انتخاب کنید.

برنج. 7. نمونه ای از بازسازی گزارش پس از تغییر پیکربندی اندازه گیری بسته نرم افزاری INTEGRAL

پیکربندی اندازه گیری را می توان در فرم CUBE اصلی یا در ویرایشگر نقشه تغییر تغییر داد (نگاه کنید به. برنج. 8). در این ویرایشگر می‌توانید اندازه‌گیری‌ها را از یک ناحیه به ناحیه دیگر با ماوس بکشید و رها کنید. علاوه بر این، می توانید اندازه گیری ها را در همان منطقه تغییر دهید.

علاوه بر این، در همان فرم می توانید برخی از پارامترهای اندازه گیری را پیکربندی کنید. برای هر بعد، می‌توانید مکان مجموع، ترتیب مرتب‌سازی عناصر و نام عناصر را سفارشی کنید (نگاه کنید به. برنج. 8). همچنین می توانید تعیین کنید که نام عنصر در گزارش نمایش داده شود: به صورت مخفف (Name) یا کامل (FullName).

برنج. 8. ویرایشگر نقشه اندازه گیری بسته نرم افزاری INTEGRAL

می توانید پارامترهای اندازه گیری را مستقیماً در هر یک از آنها ویرایش کنید (نگاه کنید به. برنج. 9). برای انجام این کار، روی نماد واقع در دکمه کنار نام اندازه گیری کلیک کنید.

برنج. 9. نمونه ای از ویرایش دایرکتوری 1 محصولات و خدمات در

با استفاده از این ویرایشگر می توانید عناصری را که می خواهید در گزارش نشان داده شوند انتخاب کنید. به طور پیش فرض، همه عناصر در گزارش نمایش داده می شوند، اما در صورت لزوم، برخی از عناصر یا پوشه ها را می توان حذف کرد. به عنوان مثال، اگر شما نیاز دارید که فقط یک گروه محصول را در یک گزارش نمایش دهید، باید تیک همه گروه های دیگر را در ویرایشگر اندازه گیری بردارید. پس از آن، گزارش فقط شامل یک گروه محصول خواهد بود (نگاه کنید به. برنج. 10).

همچنین می توانید عناصر را در این ویرایشگر مرتب کنید. علاوه بر این، عناصر را می توان دوباره مرتب کرد راه های مختلف. پس از چنین گروه بندی مجدد، گزارش فوراً بازسازی می شود.

برنج. 10. نمونه خروجی در گزارش تنها یک گروه محصول (پوشه) در بسته نرم افزاری INTEGRAL

در ویرایشگر ابعاد، می توانید به سرعت گروه های خود را ایجاد کنید، عناصر را از دایرکتوری ها در آنجا بکشید و رها کنید و غیره. به طور پیش فرض، فقط گروه Other به طور خودکار ایجاد می شود، اما گروه های دیگر را می توان ایجاد کرد. بنابراین، با استفاده از ویرایشگر ابعاد، می توانید پیکربندی کنید که کدام عناصر کتاب های مرجع و به چه ترتیبی باید در گزارش نمایش داده شوند.

لازم به ذکر است که تمامی این بازآرایی ها ثبت نمی شوند. یعنی پس از بسته شدن گزارش یا پس از محاسبه مجدد آن، تمامی دایرکتوری ها مطابق با متدولوژی پیکربندی شده در گزارش نمایش داده می شوند.

در واقع، همه چنین تغییراتی می‌توانست در ابتدا هنگام تنظیم خطوط ایجاد شود.

به عنوان مثال، با استفاده از محدودیت‌ها می‌توانید مشخص کنید که کدام عناصر یا گروه‌های دایرکتوری باید در گزارش نمایش داده شوند و کدام‌ها نه.

توجه داشته باشید: موضوع این مقاله در کارگاه های آموزشی با جزئیات بیشتر مورد بحث قرار می گیرد "مدیریت بودجه یک شرکت"و "سازماندهی و اتوماسیون حسابداری مدیریت"توسط نویسنده این مقاله، الکساندر کارپوف انجام شده است.

اگر کاربر تقریباً مرتباً نیاز دارد که فقط عناصر یا پوشه های دایرکتوری خاصی را در گزارش نمایش دهد، بهتر است هنگام ایجاد خطوط گزارش چنین تنظیماتی را از قبل انجام دهید. اگر ترکیب‌های مختلف عناصر دایرکتوری در گزارش‌ها برای کاربر مهم است، در هنگام تنظیم متدولوژی نیازی به تعیین محدودیت نیست. تمام این محدودیت ها را می توان به سرعت با استفاده از ویرایشگر اندازه گیری پیکربندی کرد.

04/07/2011 درک کامینگور

اگر در زمینه‌های مرتبط با فناوری کار کرده‌اید، احتمالاً اصطلاح «مکعب» را شنیده‌اید. با این حال، اکثر مدیران و توسعه دهندگان پایگاه داده معمولی با این اشیا کار نمی کنند. مکعب ها یک معماری داده قدرتمند برای جمع آوری سریع اطلاعات چند بعدی ارائه می دهند. اگر سازمان شما نیاز به تجزیه و تحلیل حجم زیادی از داده ها دارد، پس راه حل ایده آلیک مکعب خواهد بود

مکعب چیست؟

پایگاه داده های رابطه ای برای رسیدگی به هزاران تراکنش همزمان با حفظ عملکرد و یکپارچگی داده ها طراحی شده اند. با طراحی، پایگاه داده های رابطه ای در جمع آوری و جستجوی حجم زیادی از داده ها کارآمد نیستند. برای جمع آوری و بازگرداندن حجم زیادی از داده ها، یک پایگاه داده رابطه ای باید یک پرس و جو مبتنی بر مجموعه را دریافت کند، که اطلاعات آن در لحظه جمع آوری و تجمیع می شود. چنین پرس‌و‌جوهای رابطه‌ای بسیار پرهزینه هستند، زیرا به اتصال‌های متعدد و توابع تجمعی متکی هستند. پرس و جوهای رابطه ای انبوه به ویژه هنگام کار با داده های زیاد بی اثر هستند.

مکعب ها موجودیت های چند بعدی هستند که برای رفع این کمبود در پایگاه های داده رابطه ای طراحی شده اند. با استفاده از یک مکعب، می توانید ساختار داده ای را در اختیار کاربران قرار دهید که پاسخ سریع به پرس و جوها با حجم های تجمعی زیاد را ارائه می دهد. مکعب‌ها این «جادوی تجمع» را با جمع‌آوری داده‌ها (ابعاد) در ابعاد چندگانه انجام می‌دهند. قبل از تجمع مکعب معمولاً در طول پردازش انجام می شود. هنگامی که یک مکعب را پردازش می کنید، تجمیع داده های از پیش محاسبه شده را تولید می کنید که به شکل باینری روی دیسک ذخیره می شوند.

مکعب ساختار داده مرکزی در است سیستم عاملتجزیه و تحلیل داده های OLAP سرویس های تحلیلی سرور SQL (SSAS). مکعب ها معمولاً از یک پایگاه داده رابطه ای زیربنایی به نام مدل بعدی ساخته می شوند، اما موجودیت های فنی جداگانه ای هستند. از نظر منطقی، مکعب یک انبار داده است که از ابعاد (ابعاد) و اندازه‌گیری‌ها (اندازه‌ها) تشکیل شده است. ابعاد حاوی ویژگی ها و سلسله مراتب توصیفی هستند، در حالی که ابعاد حقایقی هستند که شما در ابعاد توصیف می کنید. ابعاد در ترکیبات منطقی به نام گروه های بعد گروه بندی می شوند. شما ابعاد را به گروه های اندازه گیری بر اساس یک مشخصه مرتبط می کنید - درجه جزئیات.

که در فایل سیستمیک مکعب به عنوان دنباله ای از فایل های باینری پیوند شده پیاده سازی می شود. معماری باینری مکعب، بازیابی سریع حجم زیادی از داده های چند بعدی را تسهیل می کند.

اشاره کردم که مکعب ها از یک پایگاه داده رابطه ای زیربنایی به نام مدل بعدی ساخته می شوند. مدل بعد شامل جداول رابطه ای (واقعیت و بعد) است که آن را به موجودیت های مکعب متصل می کند. جداول اطلاعات شامل ابعادی مانند مقدار یک محصول فروخته شده است. جداول ابعاد ویژگی های توصیفی مانند نام محصول، تاریخ و نام کارکنان را ذخیره می کند. به طور معمول، جداول واقعیت و جداول ابعاد از طریق محدودیت‌های کلید خارجی اولیه، با کلیدهای خارجی در جدول واقعی قرار می‌گیرند (این رابطه رابطه‌ای مربوط به ویژگی دانه‌بندی مکعبی است که در بالا بحث شد). هنگامی که جداول ابعاد مستقیماً به یک جدول حقایق مرتبط می شوند، یک طرحواره ستاره ای تشکیل می شود. هنگامی که جداول ابعاد مستقیماً به یک جدول حقایق مرتبط نمی شوند، نتیجه یک طرح واره دانه برف است.

لطفا توجه داشته باشید که مدل های ابعادی بر اساس کاربرد طبقه بندی می شوند. دیتا مارت یک مدل بعدی است که برای یک فرآیند تجاری واحد، مانند مدیریت فروش یا موجودی، طراحی شده است. انبار داده یک مدل ابعادی است که برای ثبت فرآیندهای تجاری اجزا طراحی شده است، به طوری که تجزیه و تحلیل فرآیند بین کسب و کار را تسهیل می کند.

الزامات نرم افزاری

اکنون که درک اولیه ای از چیستی مکعب ها و چرایی اهمیت آن ها دارید، من چرخ دنده ها را روشن می کنم و شما را به تور گام به گام ساختن اولین مکعب خود با استفاده از SSAS می برم. برخی از اجزای اساسی وجود دارد نرم افزار، که به آن نیاز خواهید داشت، بنابراین قبل از شروع ساخت اولین مکعب خود، مطمئن شوید که سیستم شما الزامات را برآورده می کند.

مکعب فروش اینترنتی من از پایگاه داده آزمایشی AdventureWorksDW 2005 ساخته خواهد شد. شکل 1 طرح اولیه جداول پایگاه داده را نشان می دهد. از آنجایی که من از نسخه 2005 استفاده می کنم، می توانید دستورالعمل های من را با استفاده از SQL Server 2005 یا SQL Server 2008 دنبال کنید.

شکل 1. زیرمجموعه Adventure Works Internet Sales mart

پایگاه داده آموزشی Adventure WorksDW 2005 را می توانید در وب سایت CodePlex پیدا کنید: msftdbprodsamples.codeplex.com. پیوند «پایگاه‌های اطلاعاتی نمونه محصول SQL Server 2005 هنوز موجود است» را بیابید (http://codeplex.com/MSFTDBProdSamples/Release/ProjectReleases.aspx?ReleaseId=4004). پایگاه داده آموزشی در فایل AdventureWorksBI.msi (http://msftdbprodsamples.codeplex.com/releases/view/4004#DownloadId=11755) موجود است.

همانطور که گفته شد، شما باید به یک نمونه از SQL Server 2008 یا 2005، از جمله اجزای SSAS و Business Intelligence Development Studio (BIDS) دسترسی داشته باشید. من از SQL Server 2008 استفاده خواهم کرد، بنابراین اگر از SQL Server 2005 استفاده می کنید، ممکن است تفاوت های ظریفی را مشاهده کنید.

ایجاد یک پروژه SSAS

اولین کاری که باید انجام دهید این است که یک پروژه SSAS با استفاده از BIDS ایجاد کنید. BIDS را در منوی Start و سپس در منوی Microsoft SQL Server 2008/2005، زیر آیتم SQL Server Business Intelligence Development Studio را پیدا کنید. با کلیک بر روی این دکمه، BIDS با صفحه نمایش پیش فرض پخش می شود. ايجاد كردن پروژه جدید SSAS با انتخاب File, New, Project. کادر محاوره ای New Project را می بینید که شکل 1 نشان می دهد پوشه Analysis Services Project را انتخاب کرده و توضیحات پروژه را روی SQLMAG_MyFirstCube تنظیم کنید. روی OK کلیک کنید.

پس از ایجاد پروژه، روی آن در Solution Explorer کلیک راست کرده و انتخاب کنید منوی زمینهمورد خواص. اکنون بخش Deployment را در سمت چپ کادر محاوره‌ای SQLMAG_MyFirstCube: Property Pages انتخاب کنید و تنظیمات Target Server و Database را بررسی کنید، همانطور که در شکل 2 نشان داده شده است ویژگی Target Server با نام سروری که قرار است در آن مستقر شوید. وقتی از تنظیمات استقرار این پروژه SSAS راضی هستید، روی OK کلیک کنید.

تعریف منبع داده

اولین شیئی که باید ایجاد کنید منبع داده است. یک شی منبع داده، طرح و داده های مورد استفاده برای ساخت اشیاء مرتبط با و در پایه مکعب را فراهم می کند. برای ایجاد یک شی منبع داده در BIDS، از Source Wizard استفاده کنید داده هاجادوگر منبع.

با کلیک راست بر روی پوشه Data Source در پنل Solution Explorer و انتخاب New Data Source، جادوگر Data Source را شروع کنید. متوجه خواهید شد که ایجاد اشیاء SSAS در BIDS ماهیت توسعه ای دارد. ابتدا، جادوگر شما را در فرآیند ایجاد یک شی راهنمایی می کند و تنظیمات عمومی. و سپس شی SSAS به دست آمده را در طراح باز می کنید و در صورت لزوم آن را با جزئیات سفارشی می کنید. هنگامی که از صفحه اعلان عبور کردید، با کلیک کردن بر روی دکمه New یک اتصال داده جدید تعریف کنید. یک اتصال جدید بر اساس Native OLEDB\SQL Server Native Client 10 با اشاره به اتصالی که می خواهید انتخاب کنید و ایجاد کنید. سرور SQLسروری که نمونه پایگاه داده مورد نظر را در اختیار دارد. بسته به تنظیمات محیط SQL Server می توانید از احراز هویت ویندوز یا SQL Server استفاده کنید. برای اطمینان از اینکه اتصال پایگاه داده را به درستی شناسایی کرده اید، روی دکمه Test Connection کلیک کنید و سپس روی OK کلیک کنید.

در مرحله بعدی اطلاعات جعل هویت قرار می گیرد که مانند ارتباط داده ها به نحوه ساختار محیط SQL Server بستگی دارد. قرض گرفتن امتیاز زمینه امنیتی است که SSAS هنگام پردازش اشیاء خود به آن متکی است. اگر استقرار خود را روی یک سرور اصلی، تک (یا لپ‌تاپ) مدیریت می‌کنید، همانطور که تصور می‌کنم اکثر خوانندگان اینگونه هستند، می‌توانید به سادگی گزینه Use the service account را انتخاب کنید. برای تکمیل Data Source Wizard روی Next کلیک کنید و AWDW2005 را به عنوان نام منبع داده تنظیم کنید. این بسیار راحت است که می توانید از این روش برای اهداف آزمایشی استفاده کنید، اما در یک محیط تولید واقعی این بهترین نیست. بهترین تمرین- از یک حساب سرویس استفاده کنید. بهتر است دامنه را مشخص کنید حساب هابرای قرض گرفتن حقوق اتصال SSAS به منبع داده.

نمای منبع داده

برای منبع داده ای که تعریف کرده اید، مرحله بعدی در فرآیند ساخت مکعب SSAS، ایجاد نمای منبع داده (DSV) است. DSV این امکان را فراهم می کند که طرح واره ای را که مکعب شما انتظار دارد از پایگاه داده زیربنایی جدا کند. در نتیجه، DSV می تواند برای گسترش طرح رابطه ای زیربنایی هنگام ساخت یک مکعب استفاده شود. برخی از ویژگی های کلیدی DSV برای گسترش طرحواره های منبع داده شامل پرس و جوهای نامگذاری شده، روابط منطقی بین جداول و ستون های محاسبه شده نامگذاری شده است.

بیایید جلو برویم و روی پوشه DSV کلیک راست کرده و New Data Source View را انتخاب کنیم تا جادوگر Create New DSV View را اجرا کنیم. در کادر محاوره ای، در مرحله انتخاب منبع داده، یک اتصال پایگاه داده رابطه ای را انتخاب کرده و روی Next کلیک کنید. جداول FactInternetSales، DimProduct، DimTime، DimCustomer را انتخاب کنید و روی دکمه فلش سمت راست کلیک کنید تا این جداول به ستون Included منتقل شوند. در نهایت روی Next کلیک کنید و با پذیرفتن نام پیش فرض و کلیک بر روی Finish، ویزارد را تکمیل کنید.

در این مرحله، شما باید یک نمای DSV در زیر پوشه Data Source Views در Solution Explorer داشته باشید. روی DSV جدید دوبار کلیک کنید تا طراح DSV راه اندازی شود. همانطور که در شکل 2 نشان داده شده است، باید هر چهار جدول را برای یک DSV مشخص ببینید.

ایجاد ابعاد پایگاه داده

همانطور که در بالا توضیح دادم، ابعاد ویژگی‌های توصیفی ابعاد و سلسله‌مراتبی را ارائه می‌کنند که برای فعال کردن تجمیع بالاتر از سطح جزئیات استفاده می‌شوند. درک تفاوت بین یک بعد پایگاه داده و یک بعد مکعب بسیار مهم است: ابعاد پایگاه داده، اشیاء بعد زیربنایی را برای چندین بعد مکعب که برای ساختن مکعب استفاده می شود، ارائه می دهد.

پایگاه داده و ابعاد مکعب راه حلی زیبا برای مفهومی به نام "ابعاد نقش" ارائه می دهند. ابعاد مبتنی بر نقش زمانی استفاده می شود که شما نیاز دارید چندین بار از یک بعد در یک مکعب استفاده کنید. تاریخ یک مثال عالی در این نمونه مکعبی است: شما یک بعد تاریخ واحد می سازید و برای هر تاریخی که می خواهید فروش آنلاین را تجزیه و تحلیل کنید، یک بار به آن ارجاع می دهید. تاریخ تقویم اولین بعدی خواهد بود که ایجاد می کنید. روی پوشه Dimensions در Solution Explorer کلیک راست کرده و New Dimension را انتخاب کنید تا Dimension Wizard راه اندازی شود. استفاده از جدول موجود را انتخاب کنید و در مرحله Select Creation Method روی Next کلیک کنید. در مرحله Specify Source Information، جدول DimTime را در لیست کشویی Main table مشخص کرده و روی Next کلیک کنید. حال در مرحله Select Dimension Attributes باید ویژگی های بعد زمان را انتخاب کنید. همانطور که در شکل 3 نشان داده شده است، هر ویژگی را انتخاب کنید.

روی Next کلیک کنید. در مرحله آخر، Dim Date را در قسمت Name وارد کرده و روی Finish کلیک کنید تا Dimension Wizard کامل شود. اکنون باید بعد Dim Date جدید را در زیر پوشه Dimensions در Solution Explorer ببینید.

سپس از Dimension Wizard برای ایجاد ابعاد محصول و مشتری استفاده کنید. برای ایجاد بعد پایه همان مراحل قبلی را دنبال کنید. هنگام کار با Dimension Wizard، مطمئن شوید که تمام ویژگی های بالقوه را در مرحله Select Dimension Attributes انتخاب کرده اید. مقادیر پیش‌فرض برای سایر تنظیمات برای نمونه مکعب تست مناسب است.

ایجاد یک مکعب فروش اینترنتی

اکنون که ابعاد پایگاه داده را آماده کرده اید، می توانید ساخت مکعب را شروع کنید. در Solution Explorer، روی پوشه Cubes کلیک راست کرده و New Cube را انتخاب کنید تا Cube Wizard راه اندازی شود. در پنجره انتخاب روش ایجاد، گزینه استفاده از جداول موجود را انتخاب کنید. در مرحله Select Measure Group Tables جدول FactInternetSales را برای Measure Group انتخاب کنید. در مرحله Select Measures علامت کادرهای کنار کلید تبلیغاتی، کلید ارز، کلید منطقه فروش و شماره تجدیدنظر را بردارید و روی Next کلیک کنید.

در صفحه انتخاب ابعاد موجود، اطمینان حاصل کنید که تمام ابعاد پایگاه داده موجود برای استفاده به عنوان ابعاد مکعب انتخاب شده اند. از آنجایی که می‌خواهم این مکعب را تا حد امکان ساده نگه دارم، بعد FactInternetSales را در مرحله Select New Dimensions لغو انتخاب کنید. با انتخاب بعد FactInternetSales، چیزی را ایجاد می کنید که بعد واقعیت یا بعد منحط نامیده می شود. ابعاد واقعیت، ابعادی هستند که با استفاده از جدول واقعی واقعی برخلاف جدول ابعاد سنتی ایجاد شده اند.

برای رفتن به مرحله Completing the Wizard روی Next کلیک کنید و در قسمت Cube Name عبارت My First Cube را وارد کنید. برای تکمیل فرآیند Create Cube Wizard روی دکمه Finish کلیک کنید.

بسط و پردازش یک مکعب

اکنون شما آماده استقرار و پردازش اولین مکعب هستید. روی نماد مکعب جدید در Solution Explorer کلیک راست کرده و Process را انتخاب کنید. باکس پیامی خواهید دید که به نظر می رسد محتوا قدیمی است. برای استقرار مکعب جدید در سرور SSAS مورد نظر، روی Yes کلیک کنید. هنگامی که یک مکعب را مستقر می کنید، ارسال می کنید فایل XMLبرای تجزیه و تحلیل (XMLA) به سرور SSAS هدف، که یک مکعب در خود سرور ایجاد می کند. همانطور که گفته شد، پردازش یک مکعب باینری های آن را روی دیسک با داده های منبع اصلی و همچنین ابرداده های اضافی که اضافه کرده اید (ابعاد مکعب، ابعاد و تنظیمات) پر می کند.

هنگامی که فرآیند استقرار کامل شد، یک کادر محاوره ای مکعب فرآیند ظاهر می شود. برای شروع پردازش مکعب، که با پنجره Process Progress باز می شود، روی دکمه Run کلیک کنید. هنگامی که پردازش کامل شد، روی Close کلیک کنید (دو بار برای بسته شدن هر دو کادر محاوره ای) تا فرآیندهای استقرار و پردازش مکعب تکمیل شود.

شما اکنون اولین مکعب خود را ساخته، استقرار و پردازش کرده اید. با کلیک راست روی آن در پنجره Solution Explorer و انتخاب Browse می توانید این مکعب جدید را مشاهده کنید. ابعاد را به مرکز جدول محوری و ویژگی های ابعاد را روی ردیف ها و ستون ها بکشید تا مکعب جدید خود را کاوش کنید. توجه کنید که مکعب با چه سرعتی پرس و جوهای مختلف تجمع را پردازش می کند. اکنون می توانید قدرت نامحدود و در نتیجه ارزش تجاری را درک کنید، مکعب OLAP.

درک کامینگور ( [ایمیل محافظت شده]) یک معمار ارشد در B.I Voyage است که دارای وضعیت شریک مایکروسافت در زمینه تجزیه و تحلیل تجاری است. دارای عنوان SQL Server MVP و چندین گواهینامه مایکروسافت

یک فایل مکعب مستقل (cub.) داده ها را به شکلی در یک مکعب پردازش تحلیلی آنلاین (OLAP) ذخیره می کند. این داده ها ممکن است بخشی از یک پایگاه داده OLAP را از یک سرور OLAP نشان دهند، یا ممکن است مستقل از هر پایگاه داده OLAP ایجاد شده باشند. برای ادامه کار با گزارش‌های PivotTable و PivotChart زمانی که سرور در دسترس نیست یا زمانی که آفلاین است، از یک فایل مکعب آفلاین استفاده کنید.

درباره مکعب های آفلاین بیشتر بدانید

هنگامی که با یک گزارش PivotTable یا PivotChart کار می کنید که بر اساس منبع داده از یک سرور OLAP است، از Offline Cube Wizard برای کپی کردن داده های منبع در یک فایل مکعب آفلاین جداگانه در رایانه خود استفاده کنید. برای ایجاد این فایل‌های آفلاین، باید یک ارائه‌دهنده داده OLAP که از این قابلیت‌ها پشتیبانی می‌کند، مانند MSOLAP از Microsoft SQL Server Analysis Services، روی رایانه‌تان نصب شده باشد.

توجه داشته باشید:ایجاد و استفاده از فایل‌های مکعب آفلاین از سرویس‌های تجزیه و تحلیل مایکروسافت SQL Server، مشروط به شرایط و مجوز نصب های مایکروسافت SQL Server. اطلاعات مجوز مناسب برای نسخه SQL Server خود را بررسی کنید.

با استفاده از جادوگر مکعب آفلاین

برای ایجاد یک فایل مکعب آفلاین، از Offline Cube Wizard برای انتخاب زیرمجموعه ای از داده ها در پایگاه داده OLAP استفاده کنید و سپس آن مجموعه را ذخیره کنید. لازم نیست این گزارش شامل تمام فیلدهای موجود در فایل باشد و شما می توانید از میان ابعاد و فیلدهای داده موجود در پایگاه داده OLAP انتخاب کنید. برای به حداقل رساندن اندازه فایل، می‌توانید فقط داده‌هایی را که می‌خواهید در گزارش نمایش داده شوند، وارد کنید. می‌توانید همه ابعاد را نادیده بگیرید و برای بیشتر انواع ابعاد، جزئیات و ویژگی‌های سطح پایین‌تر را نیز حذف کنید. سطح بالا، که نیازی به نمایش ندارند. برای یک فایل آفلاین، تمام عناصری که می‌توانند در فیلدهای ویژگی موجود در پایگاه داده برای آن عناصر گنجانده شوند نیز ذخیره می‌شوند.

آفلاین کردن داده ها و سپس برگرداندن داده ها به صورت آنلاین

برای این کار ابتدا باید یک گزارش PivotTable یا یک گزارش PivotChart که بر اساس پایگاه داده سرور است ایجاد کنید و سپس یک فایل مکعب مستقل از گزارش ایجاد کنید. پس از آن، هنگام کار با یک گزارش، می توانید در هر زمان بین پایگاه داده سرور و فایل آفلاین سوئیچ کنید (به عنوان مثال، هنگام کار با لپ تاپ در خانه یا در جاده و سپس اتصال مجدد رایانه به شبکه).

در زیر مراحل اساسی برای آفلاین کردن داده ها و برگرداندن آنها به صورت آنلاین توضیح داده شده است.

توجه داشته باشید:

روی گزارش PivotTable کلیک کنید. اگر این یک گزارش PivotChart است، گزارش PivotTable مرتبط را انتخاب کنید.

در "برگه" تحلیل و بررسی" در گروه محاسباتروی دکمه کلیک کنید سرویس OLAPو دکمه را فشار دهید OLAP آفلاین.

یک مورد را انتخاب کنید OLAP با اتصالو سپس روی دکمه کلیک کنید خوب.

اگر از شما خواسته شد منبع داده را پیدا کنید، کلیک کنید منبع را بیابیدو سرور OLAP را در شبکه پیدا کنید.

روی گزارش PivotTable که بر اساس فایل مکعب آفلاین است کلیک کنید.

در اکسل 2016: در برگه " داده ها" در گروه درخواست ها و اتصالات همه را بروز رسانی کنو دکمه را فشار دهید به روز رسانی.

در اکسل 2013: در برگه " داده ها" در گروه اتصالاتروی فلش کنار دکمه کلیک کنید همه را بروز رسانی کنو دکمه را فشار دهید به روز رسانی.

در "برگه" تحلیل و بررسی" در گروه محاسباتروی دکمه کلیک کنید سرویس OLAPو دکمه را فشار دهید OLAP آفلاین.

روی دکمه کلیک کنید حالت آفلاین OLAP، و سپس - .

توجه داشته باشید: متوقف کردندر کادر محاوره ای

هشدار:

ایجاد یک فایل مکعب آفلاین از پایگاه داده سرور OLAP

توجه داشته باشید:اگر پایگاه داده OLAP بزرگ باشد و فایل مکعب برای دسترسی به زیرمجموعه بزرگی از داده ها مورد نیاز باشد، مقدار زیادی از فضای خالیروی دیسک، و ذخیره فایل ممکن است زمان زیادی ببرد. برای بهبود عملکرد، توصیه می شود که فایل های مکعبی مستقل را با استفاده از اسکریپت MDX ایجاد کنید.

مشکل: رایانه من هنگام ذخیره مکعب فضای دیسک کافی ندارد.

پایگاه‌های داده OLAP برای مدیریت حجم زیادی از داده‌های دقیق طراحی شده‌اند، بنابراین پایگاه داده میزبانی شده روی سرور می‌تواند فضای بیشتری را نسبت به فضای موجود در هارد دیسک محلی شما اشغال کند. اگر مقدار زیادی داده را برای یک مکعب داده آفلاین انتخاب کنید، ممکن است فضای دیسک خالی کافی نداشته باشید. روش زیر به کاهش حجم فایل مکعب آفلاین کمک می کند.

فضای دیسک را آزاد کنید یا دیسک دیگری را انتخاب کنیدقبل از ذخیره فایل مکعب، آن را از دیسک حذف کنید. فایل های غیر ضرورییا فایل را در درایو شبکه ذخیره کنید.

گنجاندن داده کمتر در یک فایل مکعب آفلایندر نظر بگیرید که چگونه می توانید مقدار داده های موجود در فایل را به حداقل برسانید تا فایل حاوی تمام داده های مورد نیاز برای گزارش PivotTable یا PivotChart باشد. مراحل زیر را امتحان کنید.

اتصال یک فایل مکعب آفلاین به پایگاه داده سرور OLAP

به روز رسانی و ایجاد مجدد یک فایل مکعب آفلاین

به‌روزرسانی یک فایل مکعب آفلاین که از آخرین داده‌های به‌دست‌آمده از یک مکعب سرور یا از یک فایل مکعب آفلاین جدید ایجاد می‌شود، می‌تواند زمان قابل‌توجهی را صرف کند و به مقدار زیادی فضای موقت دیسک نیاز دارد. پس از اطمینان از اینکه فضای کافی روی هارد دیسک خود دارید، زمانی که نیازی به دسترسی فوری به فایل های دیگر ندارید، این فرآیند را اجرا کنید.

مشکل: داده های جدید در گزارش ظاهر نمی شوند.

بررسی در دسترس بودن پایگاه داده منبعممکن است فایل مکعب آفلاین نتواند به پایگاه داده سرور منبع برای به دست آوردن داده های جدید متصل شود. مطمئن شوید که پایگاه داده اصلی روی سروری که منبع داده برای مکعب است تغییر نام داده نشده یا به مکان دیگری منتقل نشده است. اطمینان حاصل کنید که سرور در دسترس است و می تواند به آن متصل شود.

بررسی داده های جدیدبا سرپرست پایگاه داده خود بررسی کنید تا ببینید آیا داده هایی که باید در گزارش گنجانده شود به روز شده اند یا خیر.

بررسی تغییرناپذیری سازمان پایگاه دادهاگر مکعب OLAPسرور تغییر کرده است، دسترسی به داده های تغییر یافته ممکن است نیاز به سازماندهی مجدد گزارش، ایجاد یک فایل مکعب آفلاین یا اجرای Create OLAP Cube Wizard داشته باشد. برای اطلاع از تغییرات پایگاه داده، با مدیر پایگاه داده خود تماس بگیرید.

شامل سایر داده ها در فایل مکعب آفلاین

ذخیره یک فایل مکعب آفلاین اصلاح شده می تواند زمان بر باشد و نیاز به کار دارد مایکروسافت اکسلهنگام ذخیره فایل امکان پذیر نیست. پس از اطمینان از اینکه فضای کافی روی هارد دیسک خود دارید، زمانی که نیازی به دسترسی فوری به فایل های دیگر ندارید، این فرآیند را اجرا کنید.

بررسی کنید که یک اتصال شبکه وجود دارد و پایگاه داده سرور منبع OLAP که فایل مکعب آفلاین داده‌های به‌دست‌آمده از آن در دسترس است.

روی گزارش PivotTable ایجاد شده از یک فایل مکعب مستقل یا گزارش PivotTable مرتبط برای گزارش PivotChart کلیک کنید.

روی برگه گزینه هادر گروه سرویسروی دکمه کلیک کنید سرویس OLAPو دکمه را فشار دهید حالت آفلاین OLAP.

روی دکمه کلیک کنید حالت آفلاین OLAP، و سپس - ویرایش فایل داده آفلاین.

جادوگر مکعب آفلاین را دنبال کنید تا داده های دیگری را برای قرار دادن در این فایل انتخاب کنید. در مرحله آخر نام و مسیر تغییر فایل را مشخص کنید.

توجه داشته باشید:برای لغو ذخیره فایل، روی دکمه کلیک کنید متوقف کردندر کادر محاوره ای ایجاد یک فایل مکعب - پیشرفت.

حذف یک فایل مکعب آفلاین

هشدار:اگر فایل مکعب آفلاین را برای یک گزارش حذف کنید، دیگر نمی توانید از آن گزارش به صورت آفلاین استفاده کنید و دیگر نمی توانید یک فایل مکعب آفلاین برای آن گزارش ایجاد کنید.

هر کتاب کار حاوی گزارش‌هایی را که از فایل مکعب آفلاین استفاده می‌کنند ببندید یا اطمینان حاصل کنید که همه این گزارش‌ها حذف شده‌اند.

که در ویندوز مایکروسافتفایل مکعب آفلاین (فایل CUB) را بیابید و حذف کنید.

اطلاعات اضافی

همیشه می‌توانید از یک متخصص انجمن فناوری اکسل سؤال بپرسید، از انجمن پاسخ‌ها کمک بخواهید و همچنین پیشنهاد دهید. خصوصیت جدیدیا بهبود در وب سایت

در یک جدول محوری استاندارد، اطلاعات منبع در هارد دیسک محلی شما ذخیره می شود. به این ترتیب، شما همیشه می توانید آنها را مدیریت و سازماندهی مجدد کنید، حتی بدون دسترسی به شبکه. اما این به هیچ وجه در مورد جداول محوری OLAP صدق نمی کند. در جداول محوری OLAP، کش هرگز در هارد دیسک محلی ذخیره نمی شود. بنابراین بلافاصله پس از قطع شدن از شبکه محلی، جدول محوری شما دیگر کار نخواهد کرد. شما نمی توانید یک فیلد را در آن جابه جا کنید.

اگر پس از آفلاین شدن همچنان نیاز به تجزیه و تحلیل داده های OLAP دارید، یک مکعب داده آفلاین ایجاد کنید. یک مکعب داده آفلاین یک فایل جداگانه است که یک کش جدول محوری است و داده های OLAP را که پس از قطع شدن از شبکه محلی مشاهده می شود، ذخیره می کند. داده های OLAP کپی شده در یک جدول محوری قابل چاپ است.

برای ایجاد یک مکعب داده مستقل، ابتدا یک جدول محوری OLAP ایجاد کنید. مکان نما را در جدول محوری قرار دهید و روی دکمه OLAP Tools در برگه Tools contextual کلیک کنید، که بخشی از گروه برگه های متنی PivotTable Tools است. دستور Offline OLAP را انتخاب کنید (شکل 9.8).

کادر محاوره ای تنظیمات مکعب داده آفلاین OLAP روی صفحه ظاهر می شود. بر روی دکمه Create Offline Data File کلیک کنید. شما جادوگر ایجاد فایل مکعب داده را راه اندازی کرده اید. برای ادامه مراحل روی دکمه Next کلیک کنید.

ابتدا باید ابعاد و سطوحی که در مکعب داده گنجانده می شود را مشخص کنید. در کادر محاوره ای، باید داده هایی را انتخاب کنید که از پایگاه داده OLAP وارد می شوند. ایده این است که فقط ابعادی را مشخص کنیم که پس از جدا شدن کامپیوتر از شبکه محلی مورد نیاز خواهند بود. هرچه ابعاد بیشتری را مشخص کنید، مکعب داده مستقل بزرگتر خواهد بود.

روی دکمه Next کلیک کنید تا به کادر محاوره ای جادوگر بعدی بروید. این امکان را به شما می دهد تا اعضا یا عناصر داده ای را که در مکعب گنجانده نمی شوند مشخص کنید. به طور خاص، شما نیازی به اندازه گیری میزان فروش اینترنتی افزایش یافته نخواهید داشت، بنابراین چک باکس آن در لیست پاک می شود. یک چک باکس پاک شده نشان می دهد که مورد مشخص شده وارد نمی شود و فضای غیر ضروری را در هارد دیسک محلی شما اشغال می کند.

در مرحله آخر مکان و نام مکعب داده را مشخص کنید. در مورد ما، فایل مکعب MyOfflineCube.cub نامیده می شود و در پوشه Work قرار می گیرد.

فایل های مکعب داده دارای پسوند هستند توله

پس از مدتی، اکسل مکعب داده آفلاین را در پوشه مشخص شده ذخیره می کند. برای تست آن، روی فایل دوبار کلیک کنید، که به طور خودکار یک فایل کار ایجاد می کند کتاب های کار اکسل، که حاوی یک جدول محوری مرتبط با مکعب داده انتخاب شده است. پس از ایجاد، می توانید مکعب داده آفلاین را بین همه کاربران علاقه مندی که در حالت آفلاین LAN کار می کنند، توزیع کنید.

پس از اتصال به شبکه محلی خود، می توانید فایل مکعب داده آفلاین را باز کرده و آن و جدول داده مربوطه را به روز کنید. اصل اصلی بیان می کند که مکعب داده آفلاین فقط برای کار در زمانی که شبکه محلی قطع می شود استفاده می شود، اما پس از بازیابی اتصال باید به روز شود. تلاش برای به روز رسانی یک مکعب داده آفلاین پس از شکست اتصال منجر به شکست می شود.