【正文】 我還要感謝我 的所有指導員和所有的老師， 他們 教育 了我， 培育了我，給我們一個很好的學習和鍛煉的空間 ，使我 們 能全身心地投入學習 和鍛煉 中，我一定會好好做人，好好工作，好好回報他們 ，回報社會！ 34 [1] 王珊等 。 可以說沒有 他們 的幫助和鼓勵我是不會順利完成的，在此特別要衷心地對 他 們表示感謝。上海：上海交通大學出版社， [9] ,Rough Sets. Fuzzy Sets and Knowledge Discovery. SpringerVerlag,1994 [10] Lou Essential Guide to Data Warehousing. PrenticeHall,2020 [11] . The Data Warehouse Toolkit. John Wiley amp。北京：電子工業(yè)出版社， [6] 陳京民等編著 ． 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術 ． 北京 :電子工業(yè)出版社， [7] 陳京民 ． 數(shù)據(jù)倉庫開發(fā)的規(guī)劃研究 ． 計算機與網(wǎng)絡， [8] 劉翔 編著。北京：電子工業(yè)出版社， [5] 姚家奕 等編著。時代在不停地進步，一些軟件和相關的語言也層出不窮，所以我們無論是在學校還是以后走出校園都要繼續(xù)自我深造，要勇作時代的潮流引導者！ 32 6． 參考文獻 [1] 張維明主編 ． 數(shù)據(jù)倉庫原理與 應用 ． 北京 :電子工業(yè)出版社， [2] 王珊、羅力編著 ． 從數(shù)據(jù)庫到數(shù)據(jù)倉庫 ． 北京 :中國人民大學數(shù)據(jù)與知識工程研究所， 1997 [3] 王珊主編 ． 數(shù)據(jù)倉庫技術與聯(lián)機分析處理 ． 北京 :科學出版社 ,1998． 18 [4] 彭木根 編著。豐富了課本上所學內(nèi)容，感到受益匪淺！ 同時也使得我對學習其他知識有了一個規(guī)范的思路。 通過三個學期以來對 SQL Server 2020 的學習和使用，尤其是對數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技 術的實習，結(jié)合這次對 MDX 語言的應用 與分析，對 SQL Server 2020 有了更深刻的認識。 當然， MDX 語句沒有標準化，不同的 BI 解決方案提供 使用不同的多維數(shù)據(jù)查詢技術，所以 SQL Server 中的 MDX 語言只能在 SQL Server 中使用，如果要進行其它數(shù)據(jù)庫如 ORACLE,Hyperion 的查詢，就要了解與其相對應的 MDX，可能在語法或一些用法上不同于 SQL Server 中的 MDX。在 SQL Server中使用 MDX 語句來進行多維數(shù)據(jù)庫的操作和管理， MDX 不但可以用在 SSAS 中進行多維數(shù)據(jù)庫的查詢管理，也可使用在 SSIS 和 SSRS 中分別輔助處理 ETL 過程和報表開發(fā)過程。 總的來說：無論是切片，切塊，旋轉(zhuǎn)還是鉆取都是 OLAP 中分析的重要步驟，都是把數(shù)據(jù)倉庫擬想為一個立方體，進而進行一切的操作 ????。 SELECT {[BRAND RANK], [UNIT SALES]} ON COLUMNS, UNION( HEAD( [ORDEREDBRANDS], 10 ), TAIL( [ORDEREDBRANDS], 10 ) ) ON ROWS FROM SALES 結(jié)果 如圖 ： 圖 可以看出來，在這個例子中，既有上鉆又有下鉆。 MEMBER [MEASURES].[BRAND RANK] AS 39。 語句： WITH SET [ORDEREDBRANDS] AS 39。 比較上鉆和下鉆，其實都是在維德層次上做相應的操作，不同是僅僅在于數(shù)據(jù)和層次的操作。 SELECT [LAST4QUARTERS] ON COLUMNS, { [UNIT SALES], [GROUPAVG], [ALLAVG],[MEASURES].[ABC] } ON ROWS FROM SALES WHERE ([EBONY PLUMS]) 結(jié)果 如圖 所示 ： 圖 分析 ： 我們還是先從題目本身來看，要 先 得到 銷售量在 500 到 3000 之間 的所有商品的銷售記錄，進而再在此基礎上再得到前四名商品的相關的記錄 ????。 MEMBER [MEASURES].[ABC] AS 39。 MEMBER [MEASURES].[ALLAVG] AS 39。 MEMBER [MEASURES].[GROUPAVG] AS 39。 SET [LAST4QUARTERS] AS 39。 語句： WITH SET [LASTQUARTER] AS 39。 那上鉆知道了，下鉆呢？ 下面，我們還是以一個實例來看下下鉆的過程，以及和上鉆的不同。 SELECT [STORE].[(ALL)].MEMBERS ON COLUMNS, GENERATE( [PRODUCT].[BRAND NAME].MEMBERS, UNION( TOPCOUNT( [PRODUCT]., 2, [UNIT SALES] ) * {[UNIT SALES]}, { ([PRODUCT].CURRENTMEMBER, [MEASURES].[PERCTOTALSALES]) } ) ) ON ROWS FROM SALES 結(jié)果 如圖 所示 ： 圖 這樣，就得到了問題（ 1）的答案： 每種產(chǎn)品大類 前兩 名產(chǎn)品小類型號的銷售記錄 。 那么，從 MDX 語句上我們可以再來比較一下這方面的過程 ????： （ 1） 查出每種產(chǎn)品大類 前兩 名產(chǎn)品小類型號的銷售記錄 ？ 語句： WITH MEMBER [MEASURES].[PERCTOTALSALES] AS 39。.0%39。 SUM( TOPCOUNT([PRODUCT]., 2, [UNIT SALES]), [UNIT SALES] ) /([PRODUCT].CURRENTMEMBER, [UNIT SALES])39。 27 鉆取 鉆取包括上鉆和下鉆，即根據(jù)維的層次提升所關心的數(shù)據(jù)或降低觀察層次 下面通過一個實例來分析鉆取的過程。第一個是把 ([PRODUCT]. [ALL PRODUCTS].[DRINK])作為軸維度，以時間維作為了切片器維度；第二個是以 [TIME].[1997]為軸維度，以 [ALL CUSTOMERS].[USA],[PRODUCT]. [ALL PRODUCTS].[DRINK]為切片器維度。 但是從語句上看得話會發(fā)現(xiàn) 目標維度和切片器維度不同了， 這是為什么呢？ 語句（ 1）中比語句（ 2）中多用了一個 WHERE 語句，這并不是畫蛇添足，而是恰恰體現(xiàn)了 MDX 語言的靈活性。 25 下面通過一個問題來闡述旋轉(zhuǎn)的意義 ???： 問題 10： 查詢美國的所有飲料在 1997 年的銷售情況 就這個問題而言可以有兩個分析的出發(fā)點： （ 1）以美國每年的銷售情況為軸，然后在 1997 年進 行切片； （ 2）以 1997 年所有國家的銷售情況為軸，然后在美國進行切片。而結(jié)果也是一個豎著顯示，一個是 橫著顯示。 24 旋轉(zhuǎn) 所謂的旋轉(zhuǎn)即將表格的橫、縱坐標交換 （ x， y） （ y， x） 下面首先通過兩個例子比較分析旋轉(zhuǎn)地過程。而切塊和切片的最大區(qū)別就是 考慮的 范圍的不同，可以用幾個局部部分和幾個整體部分來形容差別。計算成員是立方體的一種維，它可以根據(jù)幾個成員的值進行運算，得到一個新值，對于新創(chuàng)建的計算成員，可以像使用普通的成員一樣使用這些成員，并且可以利用這些計算成員創(chuàng)建更新的計算成員 ???。 問題 9： 按銷售量排序，找出組成 20%銷售量的商品銷售記錄 語句： SELECT {[UNIT SALES]} ON COLUMNS, NON EMPTY BOTTOMPERCENT([PRODUCT].[BRAND NAME].MEMBERS, 20, [UNIT SALES]) ON ROWS FROM SALES 23 結(jié)果 如圖 所示 ： 圖 分析：問題 8 和問題 9 類似，我們可以從中比較 看 出， 都使用了相關的函數(shù)進行查詢 。 問題 8： 找出組成銷售額 80%的商品銷售及其記錄 22 語句： SELECT {[UNIT SALES]} ON COLUMNS, TOPPERCENT([PRODUCT].[BRAND NAME].MEMBERS, 80, [UNIT SALES]) ON ROWS FROM SALES 結(jié)果 如圖 所示 ： 圖 分析： 雖然這個實例的語句看 起來 很簡單， 即表現(xiàn)了切片的過程而且還突出了 MDX 語言中的函數(shù)的靈活性， TOPPERCENT 這個函數(shù)就是一個很好的說明。最近六個月即下半年。 [LASTMONTH].ITEM(0).ITEM(0).LAG(6) : [LASTMONTH].ITEM(0).ITEM(0)39。TAIL(FILTER([TIME].[MONTH].MEMBERS, NOT ISEMPTY([TIME].CURRENTMEMBER)),1)39。TOPCOUNT( [PRODUCT].[BRAND NAME].MEMBERS, 10, [UNIT SALES] )39。 分析：在這個實例中，先以每個國家的兩種商品為軸進行切片，即每個年份的銷售記錄，再以時間為軸進行切片，找出在 1997 年的記錄。通俗的說就是進行了切片后再切片。 實例演示： 問題 5： 查出銷售量最好的前 5 名店和每個店的前 5 個顧客 及其銷售記錄 語句： SELECT {[UNIT SALES]} ON COLUMNS, GENERATE( TOPCOUNT([STORE].[STORE NAME].MEMBERS, 5, [UNIT SALES]), { [STORE].CURRENTMEMBER } * TOPCOUNT( [CUSTOMERS].[NAME].MEMBERS, 5, ([UNIT SALES], [STORE].CURRENTMEMBER) ) ) ON ROWS FROM SALES 結(jié)果 如圖 所示 ： 圖 如圖 所示：以列的形式給出了銷售情況最好的五個店，而且分別給出了這五個店中消費額最大的五個消費顧客，而且還把消費的情況列了出來。 同時，我們可以發(fā)現(xiàn)盡管 MDX 語言和 SQL 相近，但是功能更強大，而且結(jié)果的顯示更加清晰明了。 SELECT { [STORE SALES], [STORE COST], [SALESRATIO] } ON COLUMNS, FILTER( [PRODUCT].[BRAND NAME].MEMBERS, [SALESRATIO] ) ON ROWS FROM SALES 結(jié)果 如圖 所示 ： 圖 通過上面的兩個例子可以發(fā)現(xiàn)可以按照各種要求進行切片操作，不管是一次還是幾次切片，它都是以維度為出發(fā)點。, FORMAT_STRING = 39。 問題 4： 查出利潤率在 16%以上的產(chǎn)品及銷售記錄 語句： WITH MEMBER [MEASURES].[SALESRATIO] AS 39。 18 分析： 問題要求是 4 個季度的，所以會在 4 個不同的地方切片，在以時間維為目標維進行切片以后還要繼續(xù)銷售維為切片器維度再次切片，這其實就是進行了切塊的過程 。 SELECT [LAST4QUARTERS] ON COLUMNS, [PRODUCT].[BRAND NAME].MEMBERS ON ROWS FROM SALES WHERE ([HLUNIT SALES]) CELL PROPERTIES VALUE, FORMATTED_VALUE, FONT_FLAGS 結(jié)果 如圖 所示 ： 圖 如圖 所示：將 4 個季度 每個時期銷售量在后 10%的產(chǎn)品銷售量 顯示出 來。, FONT_FLAGS = 39。 MEMBER [MEASURES].[HLUNIT SALES] AS 39。 SET [LAST4QUARTERS] AS 39。在切片過程中，除了類似問題 1 中對時間軸進行了切片 而且還是以更細分的切片器維度 （月份） 切片 ，得到更細致的結(jié)果。 當然這個實例僅僅是一個最簡單的切片過程，下面再舉出一個稍微復雜一點的實 16 例，即在時間軸上切片后繼續(xù)再在行 軸 上進行切片： 問題 2：查詢 1997 年的多種時間的銷售情況 語句： SELECT {([MEASURES].[Unit Sales])} ON COLUMNS, {([Time].[1997].[Q2]),([1997].