cognos transformer 用户手册

第二章 模型设计

       Cognos 8 Transformer  是用于Cognos 8.3以及后期版本的一个数据建模组件。

       可以使用这个组件来创建模型，进行一个或多个数据源信息的业务展现。通过向组件添加多维的元数据，客户化的度量，创建客户化的视图，你可以基于这个模型创建PowerCubes，同时发布这些cubes来支持全球性的OLAP报表和分析。

      本章概括介绍为了满足客户OLAP需求进行模型设计的过程和一些建议。同时也包括了如何对Series 7进行升级。

       本文档的结构有一个逻辑的顺序，起始于需求分析和原始模型的建立。如果已经完成了这个设计步骤，可以跳过，进行元数据，维度，度量的设计。

一 多维建模流程

     Cognos 8 Transformer是一个为PowerCubes建立维度层次和级别的适用方便简单的工具。

      建议按照如下流程：

　　仔细分析用户OLAP报表需求；

　　建立一个原始模型（如果没有执行此步）；

　　选择事务型和结构型数据源，倒入事实数据和元数据；

　　将元数据和事实数据分别映射到维度和度量；

　　验证模型，解决任何可能存在的问题；

　　将模型数据加入到客户化维度视图或ｃｕｂｅ组里；

　　使用权限验证和建立客户化视图来控制对敏感信息的访问；

　　创建和发布PowerCubes；

　　管理和维护模型，ｃｕｂｅｓ，报表。

　　故障处理可以参考本文也可以参照Cognos 8 Administration and Security
Guide。本文还介绍了Cognos 8　Transformer所支持的函数以及他们的用法。关于Model Definition Language (MDL)，参照Transformer　Developer Guide。

　１　分析需求和源数据

　　分析需求认真考虑如下问题：

         用户当前使用的报表？什么报表他们使用最频繁？什么报表他们很少使用？

　　是否不同的用户组分别需要不同的报表？是否有些报表是所用用户组通用的？

　　用户需要高度汇总的数据、详细数据还是二者均有？

　　报表度量更新的数据间隔？报表本身变化的频率？组与组之间的报表变化频率差别是否巨大？

　　用户对报表需求的时间间隔是多少？报表数据是否能经常刷新满足用户的需求？例如，用户需要月报，报表是每周刷新一次，可以满足用户的需求。然而，用户需要日报，将没有办法满足其要求。

　　分析源数据，请考虑如下问题：

         数据来源与一个还是多个数据源？数据源的类型是什么：文件，表格，数据库？在倒入前数据源是否需要转换成支持的类型？  

         是否能通过Cognos 8的报表或包建立的新查询来优化原有的查询？

         数据量多大？期望的数据增量是多大？

         静态数据量和动态数据量是多少？是否能够分别为静态和非静态的数据建立数据源以支持增量更新（一种通过向ｃｕｂｅ附加新数据代替重建的方式来缩短ｃｕｂｅ创建时间）？

       有多少数据需要准备？建议确保类别的值是唯一的，切实可行的方法是在倒入数据前进行数据的聚合和处理；（参阅“建议－预排序，清洗，合并数据”）

　　是否来自不同数据源的关联度量被同时更新？

　　是否必须建立额外的数据源来精确的模拟你的组织？

　　当你已经回答了上面的问题，你就已经准备好，能够开始去准备要倒入的数据源和原型模型的设计。

　２　建议－预排序，清洗，合并数据

　　　预处理数据，可以使报表的灵活性和性能达到最佳。

　　　可以达到如下好处：

　　　预排序的记录在Transformer内处理起来更快；

　　　当原数据只包含模型所需要的数据，Transformer读取的时间将更快；

　　　可以使用Transformer进行数据的预先汇总；例如，你的组织每天有５０００次失误处理，你每周建立ｃｕｂｅ，那么就可以事先在周的层级上进行汇总事务数，这样，Transformer将能以非常快的速度建立ｃｕｂｅ；

　　　按同一非度量值合并，组合记录，减少ｃｕｂｅ的大小，以提升报表的性能。Transformer默认允许合并。评估数据，察看是否可以使用复合的或规则的上钻进一步合并数据。根据合并的目的，非度量值都同样的按照下面的标准进行特定的上钻。

　　　１）源数据包含具有相同的非度量值得事务。例如，两笔销售记录，都是相同的产品针对同一用户，发生在同一天，只是产品的颜色不一样。如果在这两省略了产品颜色的维度，两笔销售记录将具有相同的非度量值。

　　　２）ｃｕｂｅ省略了一个维度，则记录便一致。例如，两笔关于同一产品的销售纪录，产品的仓库不一致，销售时间同一天，如果在模型中省略仓库的维度，这两笔销售记录将一样，具有相同的非度量值。

　　　３）粒度设置的原因使记录有相同的非度量值。例如，粒度设置为月，但一列和时间维度的周和天关联，Transformer在合并记录时将忽略源事务的周和天的值。

　　由于查询基于包，所以一直保证动态聚合属性生效，以减少Transformer从数据源获取数据的行数，从而进一步提高ｃｕｂｅ的性能。

　３　分离结构化和事务性数据

　　如果Transformer能分开查询结构化和事务性的数据，将将低处理时间。建议标识那些源数据包含存结构化信息，那些数据源包含事务型数据（度量值或事实），那些是二者的混合。

      当处理查询建立一个PowerCube，Transformer定义查询首先读取结构化查询，然后读取事务查询。

     理想的情况下，应该根据单独的结构化数据源定义每一个维度或钻取路径，然后向这些维度添加一个或多个事务数据源作为度量。这个结构重建练习帮助部分的规格化你的数据，加快类别组织和cube创建。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/21947683/viewspace-609678/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/21947683/viewspace-609678/