微软BI系统架构设计

 

目录

总体架构设计

构建多维数据集

多维数据集验证及数据仓库生成

 

总体架构设计

        BI已成为微软产品线中不可或缺的一部分。从2005年到2007年，微软在其BI产品线中增加了大量的产品，本文将介绍微软BI产品线的各款产品及其系统架构。

    从下图中可以看到，微软BI产品线已经涵盖了所有BI功能点，具体如下：

                  1.      ETL：SQL Server 2005 Integration Services

                  2.      数据仓库：SQL Server 2005 Database Engine

                  3.      OLAP：SQL Server 2005 Analysis Services

                  4.      数据挖掘模型：SQL Server 2005 Analysis Services

                  5.      多维数据分析(B/S)：

                Ø Proclarity（2007年12月之前）

        Ø OWC

        Ø Performance Point Server Analystic（2007年12月之后）

                  6.      多维数据分析(C/S)：Excel 2007

                  7.      计划分析(C/S)：Performance Point Server Planning

                  8.      平衡计分卡：Performance Point Server ScoreCard

                  9.      报表：SQL Server 2005 Reporting Services + Dundas

                  10.    Data Mining Viewer(C/S)：Excel Data Mining Add-in

                  11.    Data Mining Viewer(B/S)：自定义开发

                  12.    BI Portal：SharePoint Server 2007

    涉及的语言：

                  1.      MDX

                  2.      DMX

                  3.      T-SQL

                  4.      VB Script

                  5.      ASP.NET

                  6.      C#

 

构建多维数据集

        构建Analysis Services数据库是整个过程中最困难的一步，并不在于它要求多高的技术水平，而是它需要对客户需求准确的理解。作为一个开发人员来讲，理解客户需求是非常困难的，这也就意味着你很难去设定哪些是维度，哪些是量度，以及它们的属性。而这些也是客户无法帮助我们的，因为他们根本不懂什么是维度和量度。

        这时，一个既懂开发技术，又能够清楚了解客户业务的人就难得可贵了。

        Analysis Services数据库的建设是后面工作的基础，因为它将直接决定数据仓库、前端展现和ETL的设计。所以对它的设计一定要全方面的进行考虑，尤其是以后客户额外需求所带来的影响，即可扩展性，这也是我发现目前大多数Analysis Services数据库设计所欠缺的考虑。

        Analysis Services数据库的设计需要注意以下几个方面：

            1.尽量保证量度不包含任何实际的意义。

        这一点怎样理解，例如，有时我们会将收入、成本、费用设置为不同的量度，这在以后的扩展方面会存在一定的问题。而应该将设置一个维度称为指标（其中包括这三个成员），而设置一个量度称为金额。关于这种设计的优势我会在以后的帖子中详细说明。

            2.尽量将KPI和计算成员设置在Analysis Services数据库中，而不要设置在前端展现软件中，这样可以减少计算成员的设置数量，同时也易于维护。

            3.在尽可能的应用脚本功能。在Analysis Services数据库中你可以使用脚本功能实现很多强大的功能，包括计算成员的设置、聚合的函数、度量的汇总和格式的设置等等。

            4.创建标准的维度。每一个维度都要按照要求创建成标准的维度，例如主键必须为整型、包括排序键以及自定义汇总列等等，这样在后期扩展功能时会非常方便。

            5.首先创建一个大而全的多维数据集，然后再通过透视图切分成小的多维数据集，这样可以减少存储和维护量。

 

多维数据集验证及数据仓库生成

    在完成多维数据集的创建之后，我们需要根据多维数据集生成数据仓库，生成数据仓库之后，我们需要在数据仓库中填充测试数据，来实现对多维数据集的测试。

    测试数据的生成我想每个人都有各自的方法，我个人比较喜欢利用现有的一些数据，而不会使用程序生成数据，因为我觉得这样的数据不具有规律性，有时候更容易发现一些问题。

    在填充测试数据之后，我们就可以处理已经创建的多维数据集，并且对多维数据集进行验证。

    多维数据集的验证是一个痛苦的过程，因为你需要尽可能的考虑到客户的需求，这时候考虑得越详细，日后的工作量就会越少，如果这时只是简单的测试一下，那么日后引发的修改量将会非常大。

    在验证的过程中，同时要考虑到OLAP查询和报表的需求，因为这两种展现形式对多维数据集的结构要求是有一定区别的。