不幸的是,有很多连接到OLAP数据库的混淆术语。立方体是最糟糕的犯罪者之一,因为它适用于所有数据库,无论维数如何。尽管您可以合理地假设立方体是指三维物体,但这是事实。
在这种情况下,立方体被用作比喻,不应该从字面上考虑。它被使用是因为它很难说明/想象超过3个维度的对象。
1维的数据集可以这样表示:
10.00 15.00 16.00
--------------------------------
Year 2014 2015 2017
在这里我们可以看到一个措施暗算一年。
2的尺寸可以说明,像这样:
Region 1 | 5.00 2.00 4.00
2 | 5.00 5.50 5.00
3 | 0.00 7.50 5.00
----------|--------------------------
Year | 2014 2015 2017
现在我们可以看到同样的措施暗算年和地区。
3维可以被认为是一个立方体。 Wikipedia picture you linked to就是一个很好的例子。
现在我们得到更高维度的例子很难/不可能在2D屏幕上生成。在实践中,4/5/6/etc维度报告通常以二维报告的形式呈现,应用一系列过滤器,限制返回的记录和总计。
实施例:
Department: Marketing
Customer Age: 18 - 24
Region 1 | 1.15 1.50 0.00
2 | 2.75 4.01 1.25
3 | 0.00 0.00 1.14
----------|--------------------------
Year | 2014 2015 2017
这表明我们的与2个额外的过滤器的措施。现在是第4个报告。
多维数据集概念试图表达有数据层,您可以浏览。莫纳什大学的Rob Meredith博士在他的podcasts之一中就这个问题进行了讨论。我想这大概是通过Semester 1, 2009 - Episode 3
或Semester 1, 2009 - Episode 4
的一半。
当您只能在数据库中创建相同的OLAP结构而不是使用OLAP软件来完成时,会非常困惑。从本质上讲,创建一个在同一个星型模式中处理的OLAP数据集市,而不是使用像SQL Server Analysis Services这样的软件来构建,处理,存储和提供对所述多维数据集进行报告的访问。但是,这样做有利有弊。例如,SSAS旨在对数据进行预处理,并使所述报告闪电般快速。 – Fastidious