我需要澄清关键字“引擎”以及它背后的功能。我认为引擎是一个更大的东西——数据库的一个更小的组件。就像“汽车发动机”位于汽车内部一样。
那么 dwh 引擎可以插入更大的数据仓库吗？Olap引擎可以用作实际olap db的组件吗？
我在 Medium.com 上发现了这个数据景观图像，有 2 个不同的类别：olap db 和 olap 引擎。
由于它们具有重叠的功能，有什么区别？
我正在尝试跨标准偏差和平均值等一系列数据计算各种统计计算。
数据来自许多不同的“数据源”。这些都保存在一个维度中。
我尝试使用此示例STDDEVP中所示的函数，该函数对度量进行操作。
但结果是错误的。我认为这是错误的，因为它处理的是总数而不是原始数据。[Sum of Values] 是对事实表中的数据求和的标准聚合度量。
按照格雷格提供的链接，我现在正在使用这个：
CREATE MEMBER CURRENTCUBE.[Measures].[Standard Deviation]
AS (([Measures].[Sum of Values]^2 - (([Measures].[Sum of Values]^2)/[Measures].[Count of Values])/[Measures].[Count of Values])^0.5),
FORMAT_STRING = "#,##0.00;-#,##0.00", VISIBLE = 1 , ASSOCIATED_MEASURE_GROUP = 'Fact TS Data';
这给了我这个：
这仍然是不正确的。
使用 SQL 如果我使用STDDEV以下查询计算 Air Temp：
SELECT stdevp([Value])
FROM [EnvironmentalDataMart].[DDS_HILLTOP].[factTimeSeries]
where [DETL_DataSourceSurrogateKey] = 78
我得到：6.13770334742149
如何让 MDX 查询计算STDDEV我的维度中的每个数据源？
我也尝试过使用“无聚合”的 Measure，但它没有返回任何内容。
在进行分析查询时，任何人都可以向我展示 MDX 相对于常规 SQL 的优势的一个很好的例子吗？我想将 MDX 查询与给出相似结果的 SQL 查询进行比较。
虽然可以将其中的一些转换为传统 SQL，但即使对于非常简单的 MDX 表达式，也经常需要合成笨拙的 SQL 表达式。
但是既没有引用也没有例子。我完全清楚底层数据必须以不同的方式组织，并且 OLAP 每次插入都需要更多的处理和存储。（我的建议是从 Oracle RDBMS 迁移到Apache Kylin + Hadoop）
背景：我试图说服我的公司，我们应该查询 OLAP 数据库而不是 OLTP 数据库。大多数 SIEM 查询大量使用分组、排序和聚合。除了性能提升之外，我认为 OLAP (MDX) 查询会比等效的 OLTP SQL 更简洁、更容易读/写。一个具体的例子可以说明这一点，但我不是 SQL 专家，更不用说 MDX ......
如果有帮助，以下是针对过去一周发生的防火墙事件的示例 SIEM 相关 SQL 查询：
SELECT 'Seoul Average' AS term,
Substr(To_char(idate, 'HH24:MI'), 0, 4)
|| '0' AS event_time ,
Round(Avg(tot_accept)) AS cnt
FROM (
SELECT *
FROM st_event_100_#yyyymm-1m#
WHERE idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query#
UNION ALL
SELECT *
FROM st_event_100_#yyyymm#
WHERE idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query# ) pm
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4)
|| '0'
UNION ALL
SELECT 'today' AS term ,
substr(to_char(idate, 'HH24:MI'), 0, 4)
|| '0' AS event_time ,
round(avg(tot_accept)) AS cnt
FROM st_event_100_#yyyymm# cm
WHERE idate >= trunc(sysdate) #stat_monitor_group_query#
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4)
|| '0'
ORDER BY term DESC,
event_time ASC
根据我关于将非数字值作为衡量标准的研究，我发现非数字不是最佳值。
所以我计划保持数值。我的场景是“员工出勤”，衡量标准可能是“临时休假”、“病假”、“不知情休假”、“补偿”。
是我需要为所有这些（4 个措施）维护列，并将根据相应用户的状态进行更新。如果我保持这样的态度，则意味着如果添加新的意味着它将像立方体的结构发生变化一样。
这将是一个好的解决方案还是任何可用的最佳解决方案？
我正在使用 SSAS 并创建了一个链接到 SQL Server 上的 Fact_SalesMetrics 的度量值组。在这方面，我有七项措施。除了具有 Distinct Count 聚合的 Sales Invoice 之外，所有度量都具有 Sum 聚合。
一切都很好。我需要将“CustomerID”的聚合也设为 Distinct 计数，但我做不到。它说我错误状态，“测量组有多个不同的计数测量。”
所以，我需要将这两个度量的聚合作为 DistintCount。我怎样才能？任何帮助将不胜感激。
我想创建一个计算成员来实现这一点，但失败了，因为我不知道我必须给出什么表达！
我想从业务分析的角度理解使用 SQL 连接的目的。
假设我想分析客户数据。如果我可以使用似乎无处不在的立方体或表格模型，我为什么要使用连接语句从多个表中提取数据，甚至 excel 也具有此功能。我可以使用点击即席、切片器和其他过滤和聚合，如果我理解正确的话会快很多，如果我想做一个非常复杂的分析，我可以在 excel 示例中编写 MDX 查询或立方体公式。
SQL 连接可以帮助我做什么？
同时具有 OLTP 和 OLAP 数据库的系统会定期将数据从 OLTP 数据库移动到 OLAP 数据库，以便可以基于 OLAP 数据库生成报告。
这个过程的官方术语是什么？在线上有这个过程的概述吗？
我浏览了整个网站列表，这是我认为最好的匹配。这实际上与数据库管理无关，更像是数据库设计。请原谅我并将我指向正确的站点。
我正在为基本的 BI 系统设计一个数据库。此刻我碰壁了，就是这样（使用虚拟数据进行解释）：
假设我的事实表包含以下信息：
John Doe flew from LAX to ATL on 1 Nov in flight AB-123
维度及其属性为：
- 传单 - 名称、俱乐部
- 机场 - 城市，代码
- 日期 - 年、月、日
- 航班 - 代码、标准、延误、价格
现在，我可以很容易地生成这样的报告：
Airport --> LAX DFW ORD ATL Total
Gold 50 40 10 25 125
Silver 240 300 95 140 775
Bronze 1000 1500 800 1800 5100
Total 1290 1840 905 1965 6000
使用如下查询：
select fd.club, ad.code, count(f1.id) from flyer fd, airport ad, fact1 f1
where fd.id = f1.fid and ad.id = f1.aid and month(f1.date) = 10
group by f1.club, ad.code;
但我的问题来自传单的“俱乐部”状态是一个移动目标。今天处于黄金状态的传单可能在 10 月份处于白银状态，所以我在这里将他算在错误的组中。因此，我想我需要一个像这样的单独事实表：
John Doe entered Bronze club on 8/15
John Doe entered Silver club on 10/20
...
“俱乐部”作为原始传单维度的属性退出。相反，出现了一个新的俱乐部维度。
然后为了生成我需要的报告，我加入了这两个事实表。
我在正确的轨道上吗？或者是否有其他更简单的解决方案？我能想到的另一种选择是将俱乐部包含在原始事实表中，在 ETL 过程中处理它。所以事实变成了：
John Doe of Silver Club flew from LAX to ATL on 1 Nov in flight AB-123
请让我知道哪种方法更好，或者是否有第三种方法。