Mondrian：建模多值维度属性

最新推荐文章于 2024-05-11 15:37:04 发布
最新推荐文章于 2024-05-11 15:37:04 发布
阅读量1k 收藏 2
点赞数 1
分类专栏： mondrian 文章标签： mondrian
原文链接：https://diethardsteiner.github.io/mondrian/2017/03/20/Mondrian-Multivalued-Dimension-Attribute.html
版权

聚合类型：平均

一位名叫布鲁诺的生动读者最近在阅读了我关于桥牌表的文章之后联系了我：他正在寻找一个具有挑战性的场景的解决方案 任务是为学生创建一个模型，为他们参加的课程取得成绩。学生可以有一个或多个爱好，其中一个分析问题是：有爱好X的学生参加Y课程的平均成绩是多少？这引起了我的兴趣，我很想知道如何用Mondrian实现这一点。

在我们的示例中，我们使用以下数据：

  • 学生鲍勃参加了数学课程并获得了7分（成绩）。他还参加了物理课程并获得了3分（成绩）。鲍勃的爱好是游戏和阅读。
  • 学生Lilian参加了数学课程并获得了8分（成绩）。她的爱好是游戏，慢跑和写作。

虽然我有一些想法，但只有与Nelson Sousa的谈话才能找到一个可行的解决方案：他建议创建两个单独的事实表，一个存储每个学生每个课程的成绩（当然你也会有一个约会，但我们为了简单而忽略它清酒）。另一个事实表只存储学生和爱好关系。后者不一定必须在事实表本身中有一个度量，但是，为了完整起见我添加了一个（值的常量1）。最后，有一个学生维度作为两个事实表之间的链接：

multivalued.dim_student：

student_tkstudent_name
1短发
2莉莲

multivalued.fact_grades：

student_tkcourse_namegrade
1数学7
1数学4
1物理3
2数学8

multivalued.fact_student_hobbies：

student_tkhobby_namecnt
1赌博1
1读1
2赌博1
2跑步1
2写作1

创建标准多维数据集以回答简单的问题

这里重要的一点是，我们希望使用平均类型的聚合函数（因为成绩不能求和）：

立方体定义：

<Schema name="Multivalued Dimension Attribute">
  <Dimension type="StandardDimension" name="Student">
    <Hierarchy name="Student Name" hasAll="true" primaryKey="student_tk">
      <Table name="dim_student" schema="multivalued"/>
      <Level name="Student Name" column="student_name" type="String" uniqueMembers="true" levelType="Regular"/>
    </Hierarchy>
  </Dimension>
  <Dimension type="TimeDimension" name="Date">
    <Hierarchy name="Date" hasAll="true" primaryKey="date_tk">
      <Table name="dim_date" schema="multivalued"/>
      <Level name="Date" column="the_date" type="Date" uniqueMembers="true" levelType="TimeDays"/>
    </Hierarchy>
  </Dimension>
  <Cube name="Grades" cache="true" enabled="true">
    <Table name="fact_grades" schema="multivalued"/>
    <Dimension type="StandardDimension" name="Course Name">
      <Hierarchy name="Course Name" hasAll="true">
        <Level name="Course Name" column="course_name" type="String" uniqueMembers="false" levelType="Regular">
        </Level>
      </Hierarchy>
    </Dimension>
    <DimensionUsage source="Student" name="Student" foreignKey="student_tk"/>
    <Measure name="Grade" column="grade" datatype="Integer" aggregator="avg"/>
  </Cube>
  <Cube name="Hobbies" cache="true" enabled="true">
    <Table name="fact_student_hobbies" schema="multivalued"/>
    <Dimension type="StandardDimension" name="Hobby Name">
      <Hierarchy name="Hobby Name" hasAll="true">
        <Level name="Hobby Name" column="hobby_name" type="String" uniqueMembers="false" levelType="Regular">
        </Level>
      </Hierarchy>
    </Dimension>
    <DimensionUsage source="Student" name="Student" foreignKey="student_tk"/>
    <Measure name="Count Hobbies" column="cnt" datatype="Integer" formatString="#,###" aggregator="sum"/>
  </Cube>
</Schema>

我们为每个事实表创建了一个多维数据集来回答具体问题：

问：学生的平均成绩是多少？

SELECT
  [Student.Student Name].Children ON ROWS
  , [Measures].[Grade] ON COLUMNS
FROM [Grades]

结果：

学生姓名平均等级
短发4.667
莉莲8

问：课程的平均成绩是多少？

SELECT
  [Course Name].Children ON ROWS
  , [Measures].[Grade] ON COLUMNS
FROM [Grades]

结果：

课程名平均等级
数学6.333
物理3

问：有多少学生将游戏作为业余爱好？

SELECT
  NON EMPTY [Student.Student Name].Members ON ROWS
  , [Measures].[Count Hobbies] ON COLUMNS
FROM [Hobbies]
WHERE
  [Hobby Name].[Gaming]

结果：

学生姓名伯爵爱好
所有学生。学生姓名2
短发1
莉莲1

创建虚拟多维数据集以回答复杂问题

然后我们可以创建一个虚拟多维数据集来回答跨越两个事实表的问题。我们将这个立方体称为Grades and Hobbies。

我建议阅读虚拟多维数据集上的官方 Mondrian Docu，了解如何构建虚拟多维数据集。

虚拟多维数据集：如何加入基础多维数据集

为此目的使用全局（符合）维度。在我们的例子中，Student维度链接两个事实表，并定义为全局维度。

<VirtualCubeDimension name="Student"/>

重要说明：请注意，对于公共维度，我们不定义cubeName属性值。

问：这实际上是否也需要定义，CubeUsage因为在这种情况下VirtualCubeDimension元素没有为cubeName？指定值？否则，Mondrian如何知道这个全局维度存在于两个基础多维数据集中，并且因此可以使用它来加入基础多维数据集？

答：CubeUsage是可选的，不是必需的。如果你在引用一个全球性虚拟多维数据集，蒙德里安将检查所定义的基础多维数据虚拟措施，看看这个全球层面是在引用的基础多维数据集。

完整虚拟多维数据集定义：

<VirtualCube name="Grades and Hobbies" enabled="true">
  <!-- common dimensions -->
  <VirtualCubeDimension name="Student"/>
  <!-- specific dimensions -->
  <VirtualCubeDimension name="Course Name" cubeName="Grades"/>
  <VirtualCubeDimension name="Hobby Name" cubeName="Hobbies"/>
  <VirtualCubeMeasure name="[Measures].[Count Hobbies]" cubeName="Hobbies"/>
  <VirtualCubeMeasure name="[Measures].[Grade]" cubeName="Grades"/>
</VirtualCube>

让我们创建一个有爱好数量和平均成绩的学生列表：

SELECT
  [Student.Student Name].Children ON ROWS
  , {[Measures].[Grade], [Measures].[Count Hobbies]} ON COLUMNS
FROM [Grades and Hobbies]
学生姓名年级伯爵爱好
短发4.6672
莉莲83

以下结果显示了一个非常有趣的结果：爱好的数量仅在所有级别上可用，但是各个级别都可用：

SELECT
    [Student.Student Name].Members * [Course Name].Members ON ROWS
  , {[Measures].AllMembers} ON COLUMNS
FROM [Grades and Hobbies]
学生姓名课程名伯爵爱好年级
所有学生。学生姓名所有课程名称五5.5
 数学 6.333
 物理 3
短发所有课程名称24.667
 数学 5.5
 物理 3
莉莲所有课程名称38
 数学 8
 物理  

这是有道理的，因为爱好的数量只能在一个All Courses级别上提供，因为我们当然不存储它们！

让我们得到一个以游戏为业余爱好的学生名单：

SELECT
  FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Gaming]
      , [Measures].[Count Hobbies] 
    ) > 0
) ON ROWS
  , {} ON COLUMNS
FROM [Grades and Hobbies]

结果：

学生姓名
短发
莉莲

问：Hobby的平均成绩是多少？

SELECT
 [Course Name].Members ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]
课程名年级
数学6.333
物理3

学习练习

让我们回过头来了解一些基础知识：注意WHERE以下查询中的slicer（）：

WITH SET STUDENTS AS
FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Reading]
      , [Measures].[Count Hobbies] 
    ) > 0
)
SELECT
  STUDENTS ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]
WHERE [Course Name].[Course Name].[Math]

有趣的是，我们没有得到任何记录！但是，如果我们将限制从切片器移动到其中一个轴，那么一切都很好：

WITH SET STUDENTS AS
FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Reading]
      , [Measures].[Count Hobbies] 
    ) > 0
)
SELECT
  STUDENTS *  [Course Name].[Course Name].[Math] ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]

结果：

学生姓名课程名年级
短发数学5.5

这样做的原因是切片器也直接影响计算成员和集合，而如果我们将约束移动到轴之一上，则计算成员和集合将在没有此约束的情况下进行评估。

或者，您也可以将All成员添加到过滤器以覆盖切片器中的约束：

WITH SET STUDENTS AS
FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Reading]
     , [Course Name].[All Course Names]
     , [Measures].[Count Hobbies] 
    ) > 0
)
SELECT
  STUDENTS ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]
WHERE [Course Name].[Course Name].[Math]

这将产生完全相同的结果。

接下来让我们看一下原始问题：

问：参加数学课程并将游戏作为业余爱好的学生的平均成绩是多少？

此查询返回所有对游戏感兴趣并参加数学课程的学生：

WITH
SET STUDENTS AS
FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Gaming]
      , [Measures].[Count Hobbies] 
    ) > 0
)
SELECT
  STUDENTS *  [Course Name].[Course Name].[Math] ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]
学生姓名课程名年级
短发数学5.5
莉莲数学8

我们现在尝试回答原始问题：

WITH
SET STUDENTS AS
FILTER(
  [Student.Student Name].Children
  , (
      [Hobby Name].[Gaming]
      , [Course Name].[All Course Names]
      , [Measures].[Count Hobbies] 
    ) > 0
)
SELECT
  STUDENTS ON ROWS
  , {[Measures].[Grade]} ON COLUMNS
FROM [Grades and Hobbies]
WHERE [Course Name].[Course Name].[Math]

这里的诀窍是在获得课程成绩之前获得具有特定爱好的学生列表。另外，请注意我们将Math课程的约束移动到切片器（WHERE子句）中。由于这也影响了计算集，我们也必须明确地添加[Course Name].[All Course Names]它。

结果：

学生姓名年级
短发5.5
莉莲8

聚合类型：SUM

在这个主题的变化中，我们想象我们是一个销售各种商品的公司。该客户有不同的利益，我们希望看到多少收入，我们产生的用户兴趣。我们不想权衡利益 - 我们将所有收入分配给每一个利益。目的是找出哪些利息产生了大部分收入（好吧，我们不会在这里做到这一点，但你会得到这个想法）。

multivalued.dim_client：

 client_tk | client_name 
-----------+-------------
         1 | Joe
         2 | Susan
         3 | Tim

multivalued.fact_client_interests：

client_tk | interest_name | cnt 
-----------+---------------+-----
         1 | Fishing       |   1
         1 | Photography   |   1
         1 | Cooking       |   1
         2 | Cooking       |   1
         2 | Biology       |   1
         3 | Geography     |   1
         3 | Photography   |   1
         3 | Cooking       |   1

multivalued.dim_product：

 product_tk | product_name | unit_price 
------------+--------------+------------
          1 | AAA          |       2.00
          2 | BBB          |       3.00
          3 | CCC          |       1.40

multivalued.dim_date：

date_tk  |  the_date
----------+------------
 20170324 | 2017-03-24

multivalued.fact_sales：

date_tk  | client_tk | product_tk | no_of_units | amount_spent 
----------+-----------+------------+-------------+--------------
 20170324 |         1 |          1 |           2 |            4
 20170324 |         2 |          1 |           3 |            6
 20170324 |         1 |          2 |           4 |           12
 20170324 |         2 |          2 |           2 |            6
 20170324 |         3 |          2 |           3 |            9
 20170324 |         2 |          3 |           2 |          2.8
 20170324 |         3 |          3 |           1 |          1.4

多维数据集定义：在这种情况下，客户端是我们的全局维度，它链接两个多维数据集（销售和兴趣）。设置很简单，所以我不会详细说明：

<Schema name="Multivalued Dimension Attribute">
  <Dimension type="TimeDimension" name="Date">
    <Hierarchy name="Date" hasAll="true" primaryKey="date_tk">
      <Table name="dim_date" schema="multivalued"/>
      <Level name="Date" column="the_date" type="Date" uniqueMembers="true" levelType="TimeDays"/>
    </Hierarchy>
  </Dimension>
  <Dimension type="StandardDimension" name="Product">
    <Hierarchy name="Product Name" hasAll="true" primaryKey="product_tk">
      <Table name="dim_product" schema="multivalued"/>
      <Level name="Product Name" column="product_name" type="String" uniqueMembers="true" levelType="Regular"/>
    </Hierarchy>
  </Dimension>
  <Dimension type="StandardDimension" name="Client">
    <Hierarchy name="Client Name" hasAll="true" primaryKey="client_tk">
      <Table name="dim_client" schema="multivalued"/>
      <Level name="Client Name" column="client_name" type="String" uniqueMembers="true" levelType="Regular"/>
    </Hierarchy>
  </Dimension>
  <Cube name="Sales" cache="true" enabled="true">
    <Table name="fact_sales" schema="multivalued"/>
    <DimensionUsage source="Date" name="Date" foreignKey="date_tk"/>
    <DimensionUsage source="Client" name="Client" foreignKey="client_tk"/>
    <DimensionUsage source="Product" name="Product" foreignKey="product_tk"/>
    <Measure name="Number of Units" column="no_of_units" datatype="Integer" formatString="#,###" aggregator="sum"/>
    <Measure name="Revenue" column="amount_spent" datatype="Numeric" formatString="#,###.00" aggregator="sum"/>
  </Cube>
  <Cube name="Interests" cache="true" enabled="true">
    <Table name="fact_client_interests" schema="multivalued"/>
    <Dimension type="StandardDimension" name="Interest Name">
      <Hierarchy name="Interest Name" hasAll="true">
        <Level name="Interest Name" column="interest_name" type="String" uniqueMembers="true" levelType="Regular"/>
      </Hierarchy>
    </Dimension>
    <DimensionUsage source="Client" name="Client" foreignKey="client_tk"/>
    <Measure name="Count Interests" column="cnt" datatype="Integer" formatString="#,###" aggregator="sum"/>
  </Cube>
  <VirtualCube name="Sales and Interests" enabled="true">
    <!-- common dimensions -->
    <VirtualCubeDimension name="Client"/>
    <!-- specific dimensions -->
    <VirtualCubeDimension name="Date" cubeName="Sales"/>
    <VirtualCubeDimension name="Product" cubeName="Sales"/>
    <VirtualCubeDimension name="Interest Name" cubeName="Interests"/>
    <VirtualCubeMeasure name="[Measures].[Number of Units]" cubeName="Sales"/>
    <VirtualCubeMeasure name="[Measures].[Revenue]" cubeName="Sales"/>
    <VirtualCubeMeasure name="[Measures].[Count Interests]" cubeName="Interests"/>
  </VirtualCube>
</Schema>

我们为每个事实表创建了一个多维数据集来回答具体问题：

问：我们产品的收入是多少？

SELECT
  [Product.Product Name].Children ON ROWS
  , {[Measures].[Number of Units], [Measures].[Revenue]} ON COLUMNS
FROM [Sales]
产品名称单位数收入
AAA五10.00
BBB927.00
CCC34.20

问：我们为每位用户带来多少收入？

select 
  [Client.Client Name].Children ON ROWS
  , {[Measures].[Number of Units], [Measures].[Revenue]} ON COLUMNS
FROM [Sales]
客户名称单位数收入
乔616.00
苏珊714.80
蒂姆410.40

问：有多少客户对烹饪感兴趣？

SELECT
  NON EMPTY [Client.Client Name].Members ON ROWS
  , [Measures].[Count Interests] ON COLUMNS
FROM [Interests]
WHERE
  [Interest Name].[Cooking]
客户名称数利益
所有Client.Client名称3
乔1
苏珊1
蒂姆1

我们还创建了一个虚拟立方体来回答涉及两个立方体的问题。

问：用户对摄影有多大兴趣？

让我们先获得相关客户的列表：

SELECT
  FILTER(
  [Client.Client Name].Children
  , (
      [Interest Name].[Interest Name].[Photography]
      , [Measures].[Count Interests] 
    ) > 0
) ON ROWS
  , {} ON COLUMNS
FROM [Sales and Interests]

然后构造最终查询：

WITH
SET CLIENTS AS
FILTER(
  [Client.Client Name].Children
  , (
      [Interest Name].[Interest Name].[Photography]
      , [Product.Product Name].[All Product.Product Names]
      , [Measures].[Count Interests] 
    ) > 0
)
SELECT
  CLIENTS ON ROWS
  , {[Measures].[Revenue]} ON COLUMNS
FROM [Sales and Interests]
WHERE [Product.Product Name].[Product Name].[AAA]
客户名称收入
乔4.00
蒂姆 

有效措施

在某些情况下，您可能希望显示数字，即使在当前选择中它们不可用。拿这个senario：

当我们选择Date，Client而且Product Name我们可以看到值Number of Units和Revenue，但不适用于Count Interests：

 

如果我们想要查看Count Interests数字，但必须选择Client Name和Interest作为维度，但在这种情况下Number of Units并且Revenue是空的：

 

现在让我们假设我们想要显示最接近的Number of Units，Revenue在这种情况下，我们如何实现这一点。我们知道最接近的可用数字是总数Client Name，所以基本上这个数字会重复几次。如果这确实是可以接受的行为，那么与业务用户一起确认是值得的。

要实现此操作，请将原始虚拟度量设置为不可见，并使用函数在虚拟多维数据集中创建计算成员，这些函数应引用原始虚拟度量。它应该是这样的：ValidMeasure()

<VirtualCube name="Sales and Interests" enabled="true">
  <!-- common dimensions -->
  <VirtualCubeDimension name="Client"/>
  <!-- specific dimensions -->
  <VirtualCubeDimension name="Date" cubeName="Sales"/>
  <VirtualCubeDimension name="Product" cubeName="Sales"/>
  <VirtualCubeDimension name="Interest Name" cubeName="Interests"/>
  <VirtualCubeMeasure name="[Measures].[Number of Units]" cubeName="Sales" visible="false"/>
  <VirtualCubeMeasure name="[Measures].[Revenue]" cubeName="Sales" visible="false"/>
  <VirtualCubeMeasure name="[Measures].[Count Interests]" cubeName="Interests"/>
  <CalculatedMember name="No of Units" dimension="Measures">
    <Formula>
      <![CDATA[
        ValidMeasure([Measures].[Number of Units])
      ]]>
    </Formula>
  </CalculatedMember>
  <CalculatedMember name="Total Revenue" dimension="Measures">
    <Formula>
      <![CDATA[
        ValidMeasure([Measures].[Revenue])
      ]]>
    </Formula>
  </CalculatedMember>
</VirtualCube>

基于此新虚拟多维数据集的报告将如下所示：

 

在Joe的例子中，我们知道他对烹饪，钓鱼和摄影很感兴趣，总共购买了6个单位，总收入为16。

虚拟多维数据集：非规范化事实表

虚拟立方体依赖于全局维度，但是，如果您处理非规范化事实表，则可能使用退化维度。那么这是否意味着您无法为它们创建虚拟多维数据集？不完全的。你可以欺骗系统：

只需为每个简并表（例如vw_dim_location）创建一个视图，并在全局dim的表引用中使用它。

Joe192
关注
专栏目录
数仓基础（四）：维度建模理论之维度表
Lansonli（蓝深李）的博客
08-21 1202
另外，如果某些维度表的维度属性很少，例如只有一个XX名称，则可不创建该维度表，而把该表的维度属性直接增加到与之相关的事实表中，这个操作称为。例如业务系统中与商品相关的表有sku_info，spu_info，base_trademark，base_category3，base_category2，base_category1等，其中sku_info就称为商品维度的主维表，其余表称为商品维度的相关维表。维表中的某个属性同时有多个值，称之为“多值属性”，例如商品维度的平台属性和销售属性，每个商品均有多个属性值。
多值维度的原因与解决办法？
YoungITの博客
10-26 217
如果事实表中一条记录在某个维度表中有多条记录与之对应，称为多值维度。例如，下单事实表中的一条记录为一个订单，一个订单可能包含多个商品，所会商品维度表中就可能有多条数据与之对应。第二种:在事实表中采用多字段保存多个维度值，每个字段保存一个维度 id。这种方案只适用于多值维度个数固定的情况。第一种: 降低事实表的粒度，例如将订单事实表的粒度由一个订单降低为一个订单中的一个商品项。针对这种情况，通常采用以下两种方案解决。建议尽量采用第一种方案解决多值维度问题。
浅析多值维度
cuanyue4880的博客
08-05 315
--[@more@]在维度建模的数据仓库中，有一种维度表叫multivalue dimension，中文一般翻译为“多值维度”。多值维度有两种情况，第一种情况是指维度表中的某个属性字段同时有多个值。举例来说，一个帐户维度表中，帐...
多值维度及多值属性(交叉维度)
qq_46893497的博客
10-19 1816
文章目录背景==事实表与维度表多对多(多值维度)====维表与维表多对多(交叉维度)==总结 背景 正常情况下，维表和事实表之间是一对多的关系，维表中的一行记录会连接事实表中的多行记录，事实表中的一行记录在维度表中只能关联上一条记录，不会发生数据发散的现象 想法是美好的，但是事实总是不尽人意。因为现实中不但事实表和维度表之间存在多对多的关系，维度表和维度表之间也存在多对多的关系 这两种情况本质是相同的，但事实表和维度表之间的多对多关系少了唯一描述事实和维度组的中间维度。 对于这两种情况，一种称为桥接表的中
mondrian设置schema3.0工具
04-25
最新版本的根据mondrian提供设计schema3.0的工具，方便大家设计自己的数据模型。
多值维度设计
chunzhi0821的博客
05-30 838
在数仓建设过程中可能会遇到事实表中的一行对应维度表中多行的情况，产生多值维度，例如一个订单由多名销售人员共同完成。就此问题说一下我的设计思路 思路1：在事实表中增加多个字段来标记同一个订单的同种维度值 适用场景 适用于固定销售人员数量的场景 优点： 好维护，结构清晰，易理解 缺...
多维分析OLAP引擎Mondrian学习
阿利的技术积累
10-23 1376
1 背景 1.1 实时业务监控背景 随着信息技术的飞速发展，在电力、电信、金融、大型制造等各个行业ERP、CRM、SCM、OA等越来越多的IT系统得以成功实施，这些分散建设的IT系统为各部门的运营效率提升发挥了很大的作用。同时，为了满足业务管理和决策的报表系统（包括传统报表、数据仓库、OLAP等）也被创建出来，企业主管通过报表了解企业的总体运行状态。 但是，随着
mondrian 使用_Mondrian –易于使用的矢量图形编辑器
cune1359的博客
06-27 357
在图形设计领域，图形格式有两种类型： pixel和vector 。 每种类型都有其自身的优势和局限性。 如果决定使用矢量，则可以使用许多方便的矢量图形工具 。 Adobe Illustrator是最佳和最受欢迎的工具之一，尤其是在用于创建SVG的网页设计领域。 如果您正在寻找Illustrator的替代品，它是免费的，可移植的并且不太复杂 ； 然后您必须看一下蒙德里安 。 让我们深入研究一...
维度模型-多值维度
最新发布
qq_18494057的博客
05-11 348
张小华和李小草共同买了5份足彩，花了25块钱。
mondrian和saiku的数据库建模的指导文档，里面有具体步骤。
03-07
### 数据库建模指南：mondrian与saiku的实践应用 #### 一、环境搭建 在开始mondrian和saiku的数据库建模之前，需要确保以下环境已经搭建完成： ##### 1.1 OLAP数据准备 - **数据来源**：通过指定链接下载Food...
探索Mondrian模式：逻辑模型与XML实现详解
Mondrian模式是一种用于多维数据库建模的方法，它将数据组织成逻辑模型和物理模型，以便进行高效的数据分析和查询。这些模型主要由以下几个关键部分构成： 1. **逻辑模型**: - **数据立方（Cubes）**: 数据立方是...
mondrian元数据和建模报告
01-25
### Mondrian元数据和建模报告 #### 一、Mondrian简介 Mondrian是一个开源项目，由Julian Hyde等人于2002年2月7日创建，旨在提供一个用Java编写的ROLAP（Relational Online Analytical Processing）服务器。其命名...
开源商务分析工具：Mondrian实战指南
"Mondrian in Action" 是一本深入浅出的教程，涵盖了从基础概念到实践操作的全方位内容，帮助读者理解和掌握开源多维建模工具Mondrian及其在企业分析中的应用，适合那些寻求提升数据分析能力或寻求开源解决方案的IT...
MDX多维查询
小小懒羊羊
10-25 7074
MDX Created 星期一 24 十月 2016 MDX（Multidimensional Expressions）是多维 数据库（OLAP 数据库）的查询语言.Mondrian 会解析MDX，转换成SQL 来查询关系数据库（可能是多条查询）。MDX 的内容很多，功能强大，这里只介绍最基础和最重要的部分。 1 基本语法 以下是里两条MDX 查询语句及其查询结果ð 语句1：SELEC
在Java Web项目中引入Mondrian多维分析框架
tanjun592的博客
04-21 7376
本文完全转载自：http://www.linuxidc.com/Linux/2014-09/107008.htm 我也是初学，为了方便以后查看，所以转到自己博客上了。 ---------------------------------------------------------------------------------- 一，Mondrian简介 Mondrian是一个开源项
mondrian之schema,cube,dimension,measure
厚积薄发
01-07 258
 schema定义了一个多维数据库。它包含一个逻辑模型，由多个cube、hierarchies、members及一个到物理模型的映射组成。  逻辑模型包含：cubes, dimensions, hierarchies, levels, and members. A cube is a collection of dimensions and measures in a particula...
多对多维度或多值维度-桥接表
xiaoxie920226的博客
04-13 3066
多对多维度或多值维度 维度表和事实表之间的标准关系是一对多关系，这意味着维度表中的一行记录会连接事实表中的多行记录，但是事实表中的一行记录在维度表中只关联一行记录。这种关系很重要，因为它防止了重复计数。幸运的是，在大多数情况下都是这种一对多关系。 在现实世界中还存在比一对多关系更复杂的两种常见情况： 事实表和维度表之间的多对多关系。 维度表之间的多对多关系。 这两种情况本质是相同的，但事实表和维度...
Mondrian的schema中，如何做到同一纬度的不同level数据作为查询条件来用？
The magic of fingertips
03-22 2565
如下schema代码片段：<?xml version="1.0" encoding="UTF-8" ?> <Schema name="报表"> <cube name="cube_qc_pass_item" caption="报表1" encoding="UTF-8"> <table name="fact_qc_pass_record_item_join">
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值