از میان انبوهی از ابزارها و فناوری‌هایی که مایکروسافت ارائه می‌کند، خدمات تجزیه و تحلیل یکی از حوزه‌های غنی است که به کاربران خود توانایی‌هایی در سطح سازمانی برای خدمات هوش تجاری و تجزیه و تحلیل، تجسم داده‌ها و ابزارهای گزارش‌دهی می‌دهد. سه بستر اصلی برای خدمات تحلیل عبارت هستند از:

• خدمات تجزیه و تحلیل سرور SQL (SSAS)
• Power BI Premium
• خدمات تجزیه و تحلیل Azure

SSAS چیست؟

پیش از این، در نسخه SQL Server 2000، سرویس تجزیه و تحلیل با نام Microsoft Analysis Services (MSAS) شناخته می‌شد. مایکروسافت آن را در سال ۱۹۹۶ از نرم افزار پانوراما خریداری کرده بود. با SQL Server 2005، SQL Server Analysis Services (SSAS) نامیده می‌شود. SSAS را می‌توان از طریق ویژگی‌های زیر تعریف کرد.

• ایجاد مکعب با داده‌های مارتز یا انبار داده برای تجزیه و تحلیل داده‌های روشن‌تر و سریع‌تر.
• دو حالت مختلف: حالت بومی (Native) و حالت اشتراک نقطه (Share Point).
• دو گزینه اصلی: چند بعدی یا Multidimensional (برای تجزیه و تحلیل شرکتی) و جدولی یا Tabular (برای تجزیه و تحلیل شخصی و تیمی).
• SSAS Multidimensional یک BI شرکتی است.
• ترکیبی از فناوری‌های سرور و مشتری (Client)، ارزش افزوده با محیطی تخصصی برای توسعه و مدیریت آن.
• به عنوان یک نمونه سرور VM (Virtual Machine) یا به عنوان یک مدل داخلی نصب می‌شود.
• مدل‌های جدولی را در تمام سطوح سازگاری تأیید می‌کند.
• تکه تکه کردن حجم عظیمی از داده‌ها را امکان‌پذیر می‌کند.

ویژگی‌های کلیدی SSAS چیست؟

SSAS دارای ویژگی‌هایی است که آن را کاربردی ساخته است. برای کسب اطلاعات بیشتر درباره موضوع SSAS چیست، کلیدی‌ترین این ویژگی‌ها در ادامه مطرح شده‌اند:

• دسترسی در سطوح رکورد (Row Level Security)، با پشتیبان‌گیری خودکار در دسترس است.
• پشتیبانی از پارتیشن‌بندی آن محدود به حافظه است.
• جستجوی مکعب‌ها از طریق عبارات چند بعدی.
• ایجاد و مدیریت سازگار مدل‌های داده.
• سازگاری با سطوح API امکان‌پذیر است.
• با متخصصان و طراحان مختلف به خوبی کار می‌کند.
• پاسخ سریع‌تر به سوالات به دلیل وجود اطلاعات واقعی.
• شایستگی ایجاد یک مدل داده قوی برای گزارش‌دهی پیشرفته.
• دسترسی همیشگی در هر مکان از طریق اینترنت.
• به ایجاد معماریMOLAP ، ROLAP و HOLAP کمک می‌کند.
• کار کردن در حالت سرویس آفلاین و حالت سرور گیرنده را امکان‌پذیر می‌کند.

SSAS چگونه عمل می‌کند؟

در ادامه مقاله SSAS چیست، به عملکرد این موضوع خواهیم پرداخت.

SSAS بر روی دو مؤلفه اصلی Business Intelligence Studio و SQL Server Data Tools  کار می‌کند. مفهوم اساسی عملکرد یک محیط SSAS در ساخت و مدیریت یک مکعب نهفته است.

مکعب در SSAS یک پایگاه داده چند بعدی است که برای انبار داده‌ها و برنامه‌های کاربردی OLAP تنظیم شده است. این داده‌ها را به بهترین شکل استفاده می‌کند و اطلاعات را به سرعت از منابع داده‌های متعدد ارائه می‌دهد.

انبار داده فروشگاهی برای اطلاعات سراسری سازمانی از منابع مختلف داده‌ای است که از فرمت‌های مختلف به دست می‌آیند. هدف اصلی یک مکعب افزایش زمان query در هر RDBMS است. MDX زبان query است که برای مدیریت وظایف با مکعب‌های OLAP مورد استفاده قرار می‌گیرد.

ایجاد مکعب SSAS به انبار داده نیاز دارد و سپس می‌توان از SSIS برای انجام فرآیند ETL با ابزارهای محبوب استفاده کرد. شما باید یک پروژه جدید خدمات تجزیه و تحلیل بسازید و سپس یک منبع داده تعریف کنید و از جادوی مکعب بهره ببرید.

 

مقایسه مدل جدولی SSAS و مدل چند بعدی

در ادامه برای آشنایی بیشتر با مبحث SSAS چیست، دو مدل جدولی و چند بعدی را با یکدیگر مقایسه می‌کنیم و با ویژگی‌های هر دو مدل آشنا خواهیم شد.

۱.    مدل جدولی

تعریف: سازماندهی داده‌ها در جداول مربوطه نشان‌دهنده یک مدل جدولی است که ساختاری نرم دارد و با تکنیک فشرده‌سازی داده‌ها مورد استفاده قرار می‌گیرد.

استفاده عملیاتی: استفاده از جداول منجر به اجرای سریع‌تر می‌شود، زیرا همه جداول اطلاعاتی را در مقایسه با حقایق و ابعاد ارائه می‌دهند. آسان برای استفاده و توسعه است.

:Memory Engine دارای کش در حافظه است و مستقیماً از کش می‌خواند.

زبان داده: DAX (بیان تجزیه و تحلیل داده‌ها) توسط  Power Pivotصورت می‌گیرد. مدل جدولی می‌تواند گزارش‌ها را از هر دو DAX و MDX تفسیر کند.

سازماندهی داده‌ها: داده‌ها نیازی به تغییر مکان از محل منبع ندارند.

سبک مدل: به پیروی از یک مدل ارتباطی معروف گفته می‌شود.

زمان استفاده از آن: زمانی مورد استفاده قرار می‌گیرد که داده‌ها کمتر و ساده‌تر باشند.

فناوری‌های مورد استفاده: استفاده از الگوریتم‌های فشرده‌سازی مدرن و پردازش query چند رشته‌ای.

حالت دسترسی به داده: مدل جدولی از دو حالت دسترسی به داده Cached و Direct Query پشتیبانی می‌کند.

قابلیت‌های گزارش: عملکرد بهتر در سطح دانه‌بندی، زیرا داده‌های ستونی را از RAM می‌خواند.

 

۲.    مدل چند بعدی

تعریف: سازماندهی داده‌ها از طریق یک مکعب داده، یعنی یک مدل داده چند بعدی وجود دارد که با ساختاری دقیق همراه با تکنیک فشرده سازی داده عمل می‌کند.

استفاده عملیاتی: به عنوان گروهی از عملیات اجرا می‌شود که به کاربران کمک می‌کند که بتوانند نتایج query را از طریق مختصات مکعب یا بُعد به دست آورند. همچنین کامل و مقیاس‌پذیر است.

Memory Engine: روی سیستم ذخیره‌سازی مبتنی بر فایل از طریق مکعب‌های OLAP کار می‌کند و داده‌های از پیش انباشته شده را می‌خواند.

زبان داده:  MDX (عبارت چند بعدی) همان زبان داده است. می‌تواند گزارش‌های MDX را تفسیر کند، اما از DAX  نه.

سازماندهی داده‌ها: زمانی که داده‌ها جای خود را در یک طرح‌واره ستاره‌ای می‌گیرند، در بهترین حالت خود عمل می‌کند.

سبک مدل: به پیروی از یک مدل ابعادی معروف است.

زمان استفاده: زمانی مورد استفاده قرار می‌گیرد که داده‌ها به صورت حجیم، پیچیده و در ابعاد بزرگتر باشند.

فناوری‌های مورد استفاده: استفاده از ساختار چند بعدی در سلول‌ها در مختصات مورد نیاز مقیاس‌ها.

حالت دسترسی به داده: مدل چند بعدی از دو حالت دسترسی به داده پشتیبانی می‌کند ROLAP و .MOLAP

قابلیت‌های گزارش: عملکرد بهتر برای توده‌های از پیش تعریف شده با دسترسی به داده‌ها از .RAM

 

سخن آخر

در پاسخ به نیاز تجزیه و تحلیل مقادیر زیادی از داده‌ها، زمینه هوش تجاری ایجاد شد. اما با افزایش حجم داده‌ها و درخواست‌ها برای تجزیه و تحلیل اطلاعات از تراکنش‌های پرداخت، داده‌های Fitbit و موارد دیگر، این کار غیرممکن به نظر می‌رسید. اما مایکروسافت با سرویس‌های تحلیل سرورSQL  (SSAS) و مدل‌هایی مانند سرویس Power BI و مدل جدولی، کسب‌وکارها را نجات داد.

در این مقاله سعی شد که در خصوص اینکه SSAS چیست و چه مزایای دارد، صحبت کنیم و اطلاعات لازم برای استفاده از آن را ارائه دهیم.