Bom exemplo de MDX vs SQL para consultas analíticas

MDXe SQLnão são de forma alguma os mesmos, e muitas vezes nem mesmo comparáveis, pois estão consultando multidimensionale relational databasesrespectivamente. Você não pode consultar seu banco de dados relacional existente com MDX.

A principal vantagem de usar um modelo multidimensional e usar MDX para consultá-lo é que você está consultando dados pré-agregados e que o MDX é otimizado para consultar de maneira estatística em vez de relacional. Você não consulta mais linhas e tabelas para produzir um conjunto de resultados simples, mas está usando tuplas e conjuntos para segmentar e agregar um cubo multidimensional.

Pense assim: se você usar uma consulta SQL para obter o valor total das vendas de um determinado grupo de itens, precisará escrever uma consulta que resuma todas as linhas da fatura de todos os itens do grupo de itens. Se você estiver usando um cubo e tiver agregações no nível do grupo de itens, o resultado será calculado durante o processamento e as agregações serão armazenadas para cada grupo de itens, tornando as consultas instantâneas.

Multidimensional e MDX é um conceito totalmente diferente do SQL baseado em conjunto relacional.

Seu exemplo pode se tornar muito mais simples porque você faria as transformações, como a análise de data durante o processo de carregamento de dados e sua comparação do último mês poderia ser um arquivo calculated measure. Sua média de Seul e hoje pode sercalculated members

Se seus cubos forem bem projetados para seus requisitos, acredito que você poderia fatiar e dividir o conjunto de dados de seu exemplo sem precisar escrever consultas, mas faça isso em uma tabela dinâmica ou outra ferramenta de análise.

Então, novamente, não há "apenas reescrever SQL em MDX". Requer um pouco de conhecimento para fazer isso direito e uma mentalidade diferente. Pense em diagramas de Venn em vez de conjuntos de resultados.

Para fornecer um exemplo usando o banco de dados adventureworks, imagine a necessidade de listar o número de pedidos de vendas por cliente na categoria bicicletas.

Se você fizesse isso usando SQL, precisaria escrever uma consulta que contasse o número de pedidos de vendas contendo uma linha com um produto que por acaso é da categoria bicicletas e associá-la à tabela de clientes, de modo que se tornaria uma consulta bastante complexa .

-- need distinct count, we're counting orders, not order lines
SELECT count(DISTINCT soh.salesorderid)
    ,pers.FirstName + ' ' + pers.LastName
FROM sales.SalesOrderDetail sod
-- we need product details to get to the category
INNER JOIN Production.Product p ON sod.ProductID = p.ProductID
-- but we need to pass via subcategories
INNER JOIN Production.ProductSubcategory psc ON p.ProductSubcategoryID = psc.ProductSubcategoryID
-- we finally get to the category
INNER JOIN Production.ProductCategory pc ON psc.ProductCategoryID = pc.ProductCategoryID
-- we also need the headers because that's where the customer is stored
INNER JOIN sales.SalesOrderHeader soh ON sod.SalesOrderID = soh.SalesOrderID
-- finally the customer, but we don't have his name here
INNER JOIN sales.Customer c ON soh.CustomerID = c.CustomerID
-- customers
INNER JOIN Person.Person pers ON c.PersonID = pers.BusinessEntityID
-- filter on bikes
WHERE pc.Name = 'bikes'
-- but the customers table doesn't contain the concatenated name
GROUP BY pers.FirstName + ' ' + pers.LastName;

No MDX (desde que seu cubo seja bem projetado para esse requisito), você pode apenas escrever porque a lógica e a complexidade foram movidas para outro lugar:

SELECT [Measures].[Internet Order Count] ON COLUMNS,
[Customer].[Customer].Members ON ROWS
FROM [Adventure Works]
WHERE [Product].[Product Categories].[Category].[Bikes]

Os cubos/bancos de dados OLAP possuem as seguintes características:

• Obtenha informações já agregadas de acordo com as necessidades do usuário.
• Acesso fácil e rápido
• Capacidade de manipular os dados agregados em diferentes dimensões
• Um cubo usa funções de agregação clássicas min, max, count, sum, avg, mas também pode usar funções de agregação específicas.

MDX versus SQL:

O MDX é feito para navegar em bancos de dados multidimensionais e definir consultas sobre todos os seus objetos (dimensões, hierarquias, níveis, membros e células) para obter (simplesmente) uma representação de tabelas dinâmicas.

O MDX usa muitas palavras-chave SQL idênticas, como SELECT, FROM, WHERE. A diferença é que o SQL produz exibições relacionais enquanto o MDX produz exibições multidimensionais de dados .

A diferença também é vista na estrutura geral das duas línguas:

Consulta SQL: Consulta SELECT column1, column2, ..., column FROM table
MDX:SELECT axis1 ON COLUMNS, axis2 ON ROWS FROM cube

FROMespecifica a fonte de dados:
Em SQL: uma ou mais tabelas
Em MDX: um cubo

SELECTindica os resultados desejados para recuperar pela consulta:

Em SQL:

• Uma visualização de dados em duas dimensões (linhas e colunas)
• As linhas têm a mesma estrutura definida pelas colunas

Em MDX:

• Qualquer número de dimensões para formar os resultados da consulta.
• O termo eixo usado para evitar confusão com as dimensões do cubo.
• Nenhum significado especial para as linhas e colunas, mas você deve definir cada eixo: axe1 define o eixo horizontal e o eixo 2 define o eixo vertical.

Exemplo de consulta MDX:

Medidas : Preço unitário, Quantidade, Desconto, Valor de vendas, Frete
Dimensão :
Hierarquia de tempo : Ano > Trimestre > Mês > com membros:

• Ano: 2010, 2011, 2012, 2013, 2014

• Trimestre: Q1, Q2, Q3, Q4

• Mês: janeiro, fevereiro, março,…

Dimensão :
Hierarquia do cliente : Continente > País > Estado > Cidade com membros :

• Cidade: Paris, Lyon, Berlim, Köln, Marselha, Nantes…

• Estado: Loire atlantique, Bouches du Rhône, Bas Rhin, Torino…

• País: Áustria, Bélgica, Dinamarca, França, ...

• Nível do continente: Europa, América do Norte, América do Sul, Ásia

Dimensão :
Hierarquia do produto : Categoria > Subcategoria > produto com membros :

• Categoria: Alimentos, Bebidas…
• Categoria de comida: Baked_food …
• …

atualização : Este exemplo é melhor:

Objetivo da consulta: obter o valor das vendas e o número de unidades (em colunas) de todas as famílias de produtos (em linhas) vendidas na Califórnia durante o primeiro trimestre de 2010

MDX

SELECT  {[Measures].[Unit Sales], [Measures].[Store Sales]} ON COLUMNS,
      {[Products].children} ON ROWS
FROM  [Sales]
WHERE ([Time].[2010].[Q1], [Customers].[USA].[CA])

SQL

SELECT SUM(unit_sales) unit_sales_sum, SUM(store_sales) store_sales_sum
FROM sales
  LEFT JOIN products ON sales.product_id = products.id
  LEFT JOIN product_classes ON products.product_class_id = product_classes.id
  LEFT JOIN time ON sales.time_id = time.id
  LEFT JOIN customers ON sales.customer_id = customers.id
WHERE time.the_year = 2010 AND time.quarter = 'Q1'
  AND customers.country = 'USA' AND customers.state_province = 'CA'
GROUP BY product_classes.product_family
ORDER BY product_classes.product_family

fonte: Notas de uso para Modrian (que traduz consultas MDX para uso em bancos de dados relacionais)

Encontrei um exemplo decente, embora o SQL não seja muito mais complexo (comparado ao SaasBase em vez do MDX):

fonte: “OLAP” em tempo real para Big Data (+ casos de uso) - bigdata.ro 2013