Data warehousing con SQL Server SQL Server è un RDBMS (Relational DataBase Management System) Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data warehousing Componenti per il data warehousing OLAP Server: è il server analitico dei dati rappresenta i dati analitici del DW in forma multidimensionale, usando i concetti di cubo, dimensione e misura OLAP Manager : strumento di amministrazione dei dati analitici 1 Analysis Services (AS) Punto di partenza : DW relazionale organizzato secondo uno schema dimensionale (star schema, snowflake schema) Il DW relazionale non deve essere necessariamente un DB gestito con SQL Server Obiettivo : I dati del DW relazionale vengono rappresentati ed analizzati in forma multidimensionale usando la nozione di cubo (data cube) I cubi sono contenuti in un OLAP database gestiti dall’OLAP Server Un cubo recupera i dati dal DW relazionale che è definito come sorgente dati (data source) all’interno dell’OLAP Database Un OLAP database può avere varie data source Un cubo può recuperare dati da una singola data source Diversi cubi (di uno stesso OLAP database) possono recuperare dati da data source differenti 2 Schemi multi-dimensionali in AS Dimensioni e attributi dimensionali si chiamano livelli I valori delle dimensioni e degli attributi dimensionali si dicono membri livelli dimensione STORE (ALL) membri STORE CITY STATE COUNTRY (ALL) Ditutto RE EmiliaR Italia ALL NonSoloX RE EmiliaR Italia ALL NonSoloY MO EmiliaR Italia ALL NonSoloZ RM Lazio Italia ALL ... ... ... ... ALL 3 Schemi multi-dimensionali in AS Membri e Livelli: le dimensioni contengono solitamente il livello speciale (ALL) che contiene il solo membro All che denota tutti i membri della dimensione Organizzazione in Livelli: In Analysis Services i livelli formano una successione lineare (un nodo può avere al massimo un figlio) L’organizzazione in livelli corrisponde alla definizione di una relazione padre-figlio tra i membri di livelli successivi (ogni membro di un livello si raggruppa nel membro padre) il membro All è padre dei membri Italia, Francia, ... il membro Italia è padre dei membri EmiliaR, Lazio, .. … Misure : Le misure sono considerate come membri di una dimensione speciale chiamata Measures (presente in tutti i cubi) 4 Confronto tra DFM e AS Nel modello DFM gli attributi dimensionali sono organizzati in una gerarchia che è un albero direzionato (un nodo può avere più figli) In Analysis Services i livelli formano una successione lineare (un nodo può avere al massimo un figlio) Misure : corrispondono al concetto di misura del modello DFM Consideriamo lo Schema di Fatto BIGLIETTI e la (parte di) dimensione dei voli, con la relativa gerarchia. In AS avremo un cubo BIGLIETTI e le dimensioni rispetto alle quali si analizzaranno i dati Dimensione VOLO-COMPAGNIA Dimensione VOLO-ORADIPARTENZA 5 Misure ed operatori di aggregazione Classificazione degli operatori di aggregazione : Distributivi: permettono di calcolare dati aggregati a partire direttamente da dati parzialmente aggregati (es. somma, massimo, minimo) Algebrici: richiedono un numero finito di informazioni aggiuntive (misure di supporto) per calcolare dati aggregati a partire da dati parzialmente aggregati (es. media – richiede il numero dei dati elementari che hanno contribuito a formare un singolo dato parzialmente aggregato) Olistici: non permettono di calcolare dati aggregati a partire da dati parzialmente aggregati utilizzando un numero finito di informazioni aggiuntive (es. mediana, moda) Nel seguito analizzeremo come questi concetti generali siano riportati ed implementati in Analysis Services e quali sono alcuni dei concetti particolari di Analysis Services 6 Misure Derivate Ottenute applicando operatori matematici a due o più valori appartenenti alla stessa tupla: nell’espressione si usano solo attributi della Fact Table Una misura derivata viene calcolata sugli eventi primari, ovvero prima di effettuare l’aggregazione dei dati; quindi, al pari delle altre misure, anche per le misure derivate si deve definire un operatore di aggregazione In Analysis Service c’è il concetto di Misura Derivata 7 Misure Derivate : Esempio Schema di Fatto ESAMI Dimensioni • STUD (con in gerarchia FACOLTA) e DATA (con in gerarchia MESE) Misure • BASE (Crediti di tipo Base) e ALTRO (Crediti di tipo ALTRO) Misure derivate • RAPPORTO = BASE/ALTRO • TOTALE = BASE + ALTRO STUD ING1 ING1 ING2 DATA GEN1 GEN2 GEN2 BASE 20 40 30 ALTRO SUM SUM 2 4 6 FACOLTA ING ING DATA GEN1 GEN2 BASE 20 70 ALTRO FACOLTA ING MESE GEN BASE 90 RAPPORTO 10 10 5 TOTALE 22 44 36 AVG SUM 2 10 RAPPORTO 10 7,5 TOTALE 22 70 ALTRO 12 RAPPORTO 8,33 TOTALE 102 8 Misure Calcolate (concetto di AS) Una misura calcolata è una misura il cui valore è calcolato a partire da altre misure dopo aver aggregato i dati (quindi per una misura calcolata non si definisce un operatore di aggregazione) Esempio: Consideriamo lo schema di Fatto ESAMI Misure derivate • RAP_DER = BASE/ALTRO Misure calcolate • • RAP_CALC = BASE/ALTRO TOTALE = BASE + ALTRO se la misura e’ distributiva (TOTALE), otteniamo lo stesso risultato sia come misura derivata che come calcolata: la scelta si basa sull’efficienza del calcolo (una misura calcolata “è più efficiente”) se la misura non è distributiva (RAPPORTO), non si ottiene lo stesso risultato e quindi si deve scegliere il modo opportuno 9 Esempio di Misure Calcolate STUD ING1 ING1 ING2 DATA GEN1 GEN2 GEN2 BASE ALTRO 20 2 40 4 30 6 SUM SUM RAP_DER TOTALE RAP_CALC 10 22 10 10 44 10 5 36 5 AVG FACOLTA ING ING DATA GEN1 GEN2 BASE 20 70 ALTRO 2 10 RAP_DER 10 7,5 TOTALE 22 80 FACOLTA ING MESE GEN BASE 90 ALTRO 12 RAP_DER 8,33 TOTALE 102 RAP_CALC 10 7 RAP_CALC 7,5 10 Operatore di Aggregazione Algebrico : AVG In Analysis Services una misura con operatore di aggregazione algebrico deve essere definito tramite una misura calcolata Esempio : Prezzo Unitario (PU) anno trim. categoria pulizia casa tipo detersivo sapone prodotto Brillo Sbianco Lucido Manipulite Scent 2 1,5 – 1 1,5 anno trim. categoria pulizia casa tipo detersivo sapone media: anno trim. categ oria pulizia casa I’99 1999 II’99 III’99 2 1,5 3 1,2 1,5 2,2 2 3 1,5 2 IV’99 2,5 2,5 3 1,5 – I’99 1999 II’99 III’99 IV’99 1,75 1,25 1,50 2,17 1,35 1,76 2,40 1,75 2,08 2,67 1,50 2,09 I’99 1999 II’99 III’99 IV’99 1,50 1,84 2,14 2,38 11 Implementazione di AVG in AS Una misura quale PU con operatore di aggregazione AVG deve essere necessariamente definita come Misura Calcolata in quanto la devo calcolare come SUM(PU)/count(). Allora: Si usa l’attributo PU per definire la misura PUBase aggregata con SUM; Definisco la misura di supporto Conteggio, aggregata con COUNT; per definire il conteggio posso usare un qualsiasi attributo della fact table 3. Definisco PU calcolata come PrezzoBase/Conteggio 1. 2. Le due misure utilizzate per calcolare PU possono non essere visualizzate 12 ESEMPIO (pag 20 delle dispense originali) Tipo T1 T1 T2 Prodotto P1 P2 P3 Tipo T1 T2 Quantità 5 7 9 Sum Prezzo Guadagno 1,00 5,00 1,50 10,50 0,80 7,20 22,70 AVG Quantit 12 9 Prezzo Guadagno 1,25 15,00 7,20 0,80 22.20 ? Non è possibile calcolare l’aggregazione a partire dalle aggregazioni componente: il guadagno per il tipo T1 non lo posso ottenere moltiplicando la quantità per il prezzo unitario La soluzione corretta è sempre quella che si ottiene aggregando i dati direttamente dalla vista primaria : definisco Guadagno come Misura Derivata aggregata tramite la SUM 13 ESEMPIO: Implementazione in AS Prezzo ha come operatore di aggregazione AVG, allora si definisce come Misura Calcolata SUM(prezzo)/count(). Allora 1. Si usa l’attributo Prezzo per definire PrezzoBase aggregata con SUM; 2. Definisco la misura di supporto Conteggio, aggregata con COUNT 3. Definisco PREZZO calcolata come PrezzoBase/Conteggio Si definisce la misura Guadagno come Misura Derivata Prezzo*Quantità, con operatore di aggregazione Sum Per confrontare (e verificare l’errore che si otterrebbe calcolare l’aggregazione a partire dalle aggregazioni componente ) si definisce anche una misura GuadagnoCalc come Misura Calcolata Prezzo*Quantità 14 Misura Derivata: esempio dei biglietti CostoMedioBiglietto (CMB) calcolato come INCASSO/NUM_BIG. CodVolo ALIT1 ALIT1 ALIT2 DATA GEN1 GEN2 GEN2 Compagnia ALITALIA ALITALIA DATA GEN1 GEN2 Compagnia ALITALIA Mese GEN INCA SSO NUM_ BIG 20 2 40 4 30 6 SUM SUM INCA SSO 20 70 CMB 10 10 5 AVG NUM_ BIG 2 10 CMB 10 7,5 INCA SSO NUM_ BIG CMB 90 12 8,33 Implementazione in Analysis Services 1. 2. 3. Si definisce la misura derivata CMB_Base Definisco la misura di supporto Conteggio, aggregata con COUNT Definisco CMB calcolata come CMB_Base/Conteggio 15 Misura Derivata: esempio dei biglietti Implementazione in Analysis Services 1. Si definisce la misura derivata CMB_Base come INCASSO/NUM_BIG. Importante: CMB_BASE deve essere definita come real (ad esempio double) in modo da fare la divisione tra reali e non tra interi: 2. Definisco la misura di supporto Conteggio, aggregata con COUNT 16 Misura Derivata: esempio dei biglietti 3. Definisco CMB calcolata come CMB_Base/Conteggio Per visualizzare anche le cifre decimali, impostare il format string come in figura In questo modo la visualizzazione del cubo risulterà essere 17 Misura Derivata: esempio dei biglietti Come facciamo a verificare che il risultato sia corretto? Si può procedere valutando il calcolo in alcuni casi, ma la verifica teorica effettiva è quella di calcolare la misura direttamente sugli eventi primari nel DM! Nell’esempio, raggruppiamo sullo stato di arrivo e calcoliamo AVG(INCASSO/NUM_BIGLIETTI) con la seguente query SQL SELECT ARRIVO.STATO AS ARRIVAA, AVG(INCASSO/NUM_BIGLIETTI) AS CMB FROM BIGLIETTI INNER JOIN VOLO ON BIGLIETTI.COD_VOLO = VOLO.CODVOLO INNER JOIN AEROPORTO ARRIVO ON VOLO.A = ARRIVO.SIGLA GROUP BY ARRIVO.STATO Il risultato che si ottiene è IMPORTANTE: nella tabella BIGLIETTI occorre definire gli attributi INCASSO e NUM_BIGLIETTI come decimal e non come integer altrimenti il rapporto INCASSO/NUM_BIGLIETTI in AGV(INCASSO/NUM_BIGLIETTI) viene calcolato come divisione tra interi e quindi viene approssimato. 18 Misura aggregabile con differenti operatori Per una misura si possono definire differenti operatori di aggregazione per le differenti dimensioni reparto categoria tipo peso confezione marca unità per pallet prodotto indirizzo INVENTARIO anno mese data AVG, MIN livello magazzino città quantità ingresso stato La misura Livello è addittiva sulle dimensioni Prodotto e Magazzino, mentre rispetto alla dimensione Data si possono usare gli operatori AVG e MIN 19 Misura aggregabile con differenti operatori Livello aggregato tramite SUM su Magazzino e tramite MIN su Data 3 {Magazzino, Data} Citt RE Magazzino M1 M2 {Magazzino, Mese} Citt RE Magazzino M1 M2 2 /3 25 30 {Città, Data} 3 Mese Citt RE 1/3 50 2 /3 55 Mese Data Per il Pattern {Città, Mese} ho due possibilità: 1. 2. 3 10 30 1/3 10 40 Mese Data Minimo della Somma = 50 Somma dei Minimi = 40 In AS (tramite il linguaggio MDX) è possibile definire formule personalizzate di rollup per i vari livelli di una dimensione l’ordine di priorità per stabilire a quale aggregazione dare la precedenza 20 In AS: Livello aggregato con SUM su Magazzino e MIN su Data Definisco Livello aggregato tramite SUM : tale aggregazione si applica per tutte le dimensioni a meno di non Personalizzare il rollup Per la dimensione Data si personalizza il rollup per il livello Mese usando l’operatore MIN : Min([Data].CurrentMember.Children) Nota: Le dimensioni contengono il livello speciale (ALL) che contiene il solo membro All (che viene mostrato come Totale <NomeDimensione>) che denota tutti i membri della dimensione: è possibile non visualizzare tale membro usando “No” nella proprietà All Level della dimensione! 21 Ordine di valutazione Nell’esempio precedente, utilizzando l’ordine di valutazione di default, per il pattern {Città, Mese} viene riportato il minimo della somma in quanto, una formula personalizzata di rollup ha un ordine di valutazione più alto, quindi viene valutato alla fine Vedremo che tale ordine di valutazione potrà essere modificato utilizzando la clausola SOLVE_ORDER di MDX Per concludere, in MDX sono disponibili altri operatori per aggregare i dati. Ad esempio, si può aggregare su Data usando la Mediana: 22