MDX 性能与 T-SQL

Question

我有一个包含超过 6 亿条记录的表的数据库，以及一组对数据库进行复杂搜索操作的存储过程。 即使表上有合适的索引，存储过程的性能也很慢。 数据库的设计是普通的关系型数据库设计。 我想将数据库设计更改为多维并使用 MDX 查询而不是传统的 T-SQL 查询，但问题是： MDX 查询在性能方面是否优于传统 T-SQL 查询？ 如果是，这会在多大程度上提高查询的性能？

感谢您的帮助。

Answer 1

苹果和橙子：分析服务 OLAP 多维数据集是一种与 SQL Server 数据库根本不同的存储类型，并且它们旨在执行不同的操作。从技术上讲，MDX 并不比 T-SQL“更快”，反之亦然——它们只是语言，但为不同的需求而设计。

话虽如此，多维数据集通常最适合对静态数据进行数字分析，例如随着时间的推移聚合大量销售/交易/任何记录。相比之下，如果架构和索引构造良好，则传统的关系数据库通常可以很好地进行搜索。一个简单的判断方法：如果您的 SQL 查询必须执行很多操作，

select grock, sum/min/max/avg( foo ) 
from bar 
group by grock -- Ideal Analysis Services problem

那么多维数据集可能会有所帮助（它是为聚合数学函数 - sum() 和 group by 设计的）。 OTOH，如果您的查询执行很多

select cols 
from foo 
where <complicated search> -- Not so much

操作，那么多维数据集可能不会有帮助，我会专注于调整架构、查询和索引，如果数据可以适当分区，也许还可以调整表分区。

您是否有聚集索引并覆盖与查询匹配的非聚集索引？

Answer 2

MS SSAS OLAP 多维数据集可用于多种存储模式：

1. 关系 (OLAP) - 数据和元数据保留在数据库中，并且添加了更多的物化视图。可能会更快，也可能不会更快。

2. 混合 (HOLAP) - 元数据和（预先计算的）聚合存储在运行 SSAS 实例的新服务器上。这应该会加速使用聚合的所有查询，例如“去年按月的员工总工时”，但钻取到特定记录的查询可能会像以前一样。

3. 多维 OLAP (MOLAP)，其中所有数据以及元数据和聚合都将复制到 SSAS 服务器。这通常是最快的，但会重复存储。

在开始之前，您应该考虑优化报告和分析的表布局，换句话说，使用数据仓库 (DW) - 将数据放入 Kimball 星型维度和事实表中。然后，您定期使用 ETL(SSIS) 加载 DW，并将报告和分析指向 DW。您可能根本不需要使用 SSAS——针对星型表布局运行的 SQL 查询通常比针对标准化 DB 操作数据库快得多。
如果这仍然太慢，请在 DW 之上构建 SSAS 多维数据集。
一旦开始加载 DW，您就可以从操作数据库中删除记录，从而使其日常使用更快。

总而言之，我的经验法则是：

1.构建 DW 并设置您的 ETL 流程

2。尝试针对 DW 的 T-SQL 报告，可能就足够了。

3。如果仍然很慢，请以 HOLAP 模式构建 SSAS 多维数据集（在 DW 之上）并使用 MDX 来查询它们。

Answer 3

“即使有合适的索引，存储过程的性能也很慢”

如果存储过程是真正的问题，我会感到惊讶，也许过程的使用方式很慢，但根据定义，存储过程不会使它很慢。您是否发现您的程序速度缓慢？你对他们进行过简介吗？在重新设计我的数据库之前，我会深入研究这条路线。多维数据库适用于 OLAP 您的数据库是严格意义上的 OLAP 数据库还是 OLAP 和 OLTP 的混合体？也许您需要反规范化并将 OLTP 设计中的数据复制到非规范化结构中？表中的 6 亿条记录无论如何都不算​​大，也不算小，但这并不会让我相信删除存储过程会神奇地使事情变得更快。在进入更大的项目来解决问题之前，分析您的存储过程并查看性能瓶颈在哪里。

Answer 4

您考虑过 PowerPivot（Excel 插件）吗？它使用垂直压缩在本地将数据压缩约 95%，因此您可以随心所欲地进行分析。

http://technet.microsoft.com/en-us/library/ee210692。 ASPX