之前简单介绍过多维数据集（Cube）的结构。

原来计划将Cube结构这部分内容打散，在实验中穿插讲解, 考虑到结构之间不同的部分都有联系，如果打散了将反而不好理解，还是直接一次性全部讲完。

本篇我们将详解Cube结构， 介绍Cube结构的每个部分，让大家对Cube结构能有总体的把握。

由于多维数据集的结构和MDX有很强的联系， 因此会有部分内容涉及到MDX，大家只要大概能看懂就行了，后续会有专门的MDX 专题。

文章提纲

• 概述
• 度量值和度量值组
• 维度
• 总结

概述

SQL Server Analysis Services中的多维数据库包含一个或多个多维数据集。

下面我们对多维数据集 (Cube) 的结构进行详解。

前面文章讲过：

Cube组成 = 一个或多个度量值组 + 一个或多个维度

我们分别来讲述这两个部分。

度量值和度量值组

度量值主要指我们需要分析的，可以量化的数值类型的数据， 如销售额， 费用等。

度量值组是由相关度量值组成的集合，每个度量值只能属于一个度量值组。

度量值组主要用于导航目的，以提高可读性或更易于在客户端工具中使用。

我们不会在MDX查询中直接使用度量值组来查询度量值，但是某些MDX函数中可以使用度量值组。

维度

维度就是我们的观察角度。

例如：

时间维度由年、季度、月、周和天构成

地区维度下有国家、大区、省、市构成

层次结构和层次结构级别

维度具有一个或多个层次结构，并且每个层次结构包含一个或多个级别。

如下图。

成员

每个层次结构都包含一个或多个项，这些项被称为成员，而每个成员对应于基础维度表中的一个或多个引用值实例。

以日期维度为例，层次结构(例如 年-月)对应的成员

Year -- 例如 CY2005， CY 2006

Semester -- 例如 H1 CY 2005, H2 CY 2005

Quarter -- 例如 Q1 CY 2005, Q2 CY 2005

Month -- 例如 January 2005, February 2005

下图是一个具体示例：

维度 -- 层次结构（包含多个级别的） -- 具体成员 示意图

MDX如何表示某个特定成员？

在MDX中，某一层次结构的每个特定成员都通过唯一名称进行标识。

可以通过包含维度名称、层次结构名称以及级别名称的名称路径（使用该成员的名称）来访问某一维度中的某个成员，也可以通过键路径（使用该成员的键）进行访问。

例如，Calendar层次结构中的成员Q1 CY 2006可以表示为以下形式：

[Date].[Calendar].[Calendar Quarter].[Q1 CY 2006]

如果名称中包含空格、数字或者属于MDX的关键字，请使用方括号将该名称括起来。

另外一种键路径的格式，路径中成员的键表示为&[成员名称]

例如：

[Date].[Calendar].[Calendar Quarter].&[2006]&[1]

一般情况下，我们用第一种方式：

格式：[维度名称].[层次结构名称].[级别名称].[成员名称]

单元

拿之前那个图来说明。如下图显示了一个多维数据集的3个面。

其中，正面被划分成16个正方形，每个正方形都带有一个数字。

假定每个正方形中的数字是度量值[Internet Sales Amount]，如果查看该正方形所在的小立方体（也是个多维数据集）的其他面，其他面的值也是一样。

这个较小的多维数据集被称为一个单元。

各个单元保存多维数据集中所有度量值对应的数据值。如果某个单元中未提供度量值的数据值，则表示对应的度量值为空。

如要查询图中灰色背景的部分值，MDX查询需要唯一标识包含这个值的单元。该MDX查询如下：

SELECT Measures.[Internet Sales Amount] ON COLUMNS

FROM [Adventure Works]

WHERE ([Date].[Calendar].[Calendar Quarter].&[2011]&[2],

[Product].[Product Line].[Mountain],

[Customer].[Country].[Australia])

在该查询中可以看到, 是基于查询的WHERE子句中的特定条件（该条件可唯一的标识相应的单元）从Adventure Works多维数据集中选择Measures.[Internet Sales Amount]值。

元组

唯一标识多维数据集的一个单元或一部分的MDX表达式称为元组。

元组通过每个维度中的一个成员表示，使用逗号进行分隔，并且用括号括起来。

元组并不必须包含所有维度中的成员。下面是一些基于Adventure Works的元组示例。

([Customer].[Country].[Australia])

([Date].[Calendar].[2011].[H1 CY 2011].[Q1 CY 2011],

[Customer].[Country].[Australia])

([Date].[Calendar].[2011].[H1 CY 2011].[Q1 CY 2011],

[Product].[ProductLine].[Mountain], [Customer].[Country].[Australia])

通过一个元组表示的一个多维数据集部分称为一个切片。

通过一个成员表示的元组称为简单元组，可以不使用括号。

集

一组元组构成一种新的对象，称为集。

这组元组是使用类型和数量上均完全相同的一组维度定义的。在MDX查询和表达式中经常会用到集。

格式：

{(Customer.Country.Australia), (Customer.Country.Canada)}

集可以为空 {}

集可以包含重复的元组

如果查询中仅指定了一个元组，那么可以不用花括号，查询时会隐式转换成集。

一般情况下，我们建议在编写MDX查询时尽量使用括号和花括号，因为这样可以确保MDX查询中指定的元组和集正确无误。

总结

本篇需要理解掌握Cube的各个部分，与Cube结构相关的名词主要有：

量值，量值组，维度，层次结构，层次结构级别，成员，单元，元组，集

相关的名词我都用粗体标出，所有都必须掌握。

大家理解时可以找出其中的联系，通过联系来帮助理解，总结如下：

Cube由量值组和维度组成。

量值组成量值组。

维度具有层次结构，层次结构包含一个或多个级别。

每个层次结构包括一个或多个项（成员）。

标识Cube的一个单元或一部分的MDX表达式称为元组。

多个元组组成集。

这些概念都很重要，全是重点，每个都要掌握。

欢迎大家多多评论与支持。

祝学习进步，谢谢：）

相关文章列表：

• BI之SSAS完整实战教程4 -- 部署至SSAS进行简单分析 @20160908
• BI之SSAS完整实战教程3 -- 创建第一个多维数据集 @20160907
• BI之SSAS完整实战教程2 -- 开发环境介绍及多维数据集数据源准备 @20160823
• BI之SSAS完整实战教程1 -- 开篇， BI简介 & SSAS简介 @20160816

首发博客园 by MiroYuan，转载文章之后必须在文章页面明显位置给出作者和原文连接，否则保留追究法律责任的权利。