Kurss 50578A: MDX vaicājumu valoda SQL Server Analytical Services (OLAP) — kurss RUB 35 990. no Speciālists, apmācība 24 akadēmiskās stundas, datums 21.05.2023.
Literārs Mistrojums / / December 05, 2023
Daļa no SQL Server platformas ir daudzdimensiju OLAP datu bāzes serveris. Daudzdimensiju datu bāzes tiek izmantotas, lai analizētu ļoti lielu datu apjomu. OLAP tehnoloģija ļauj apstrādāt milzīgus datu apjomus ļoti ātri – reāllaikā. Datu analīzes ātrums ir iemesls OLAP plašai lietošanai.
Aicinām apgūt daudzdimensiju datu bāzu profesionālu izmantošanu! Jūs apgūsiet visas iespējas, ko sniedz daudzdimensiju datu bāzes. Vissvarīgākais ir tas, ka jūs iemācīsities strādāt ar šādām datu bāzēm tieši, bez starpniekiem vai starpprogrammatūras.
Tiešam darbam ar daudzdimensionālām OLAP datu bāzēm Microsoft ir izstrādājis MDX (Multidimensional eXpressions) valodu. Šī valoda nav līdzīga nekam citam. Tas ir īpaši izstrādāts daudzdimensiju datu bāzēm. Ne SQL vaicājumu valodas zināšanas, ne jebkuras programmēšanas valodas zināšanas neaizstās jūsu MDX prasmi.
Jūs izpētīsit visas MDX vaicājumu valodas iespējas un kļūsit pārliecināts par MDX rīku izmantošanu. Vaicājumu rakstīšana MDX valodā, datu izvilkšana no daudzdimensionālām datu bāzēm, atskaišu veidošana, pamatojoties uz OLAP kubiem – tas viss jums kļūs pieejams pēc kursa pabeigšanas!
Apgūstiet jebkura apjoma datu apstrādi un analīzi reāllaikā - mācieties Speciālistu centrā!
Kurss paredzēts personām, kuru pienākumos ietilpst SQL servera administrēšana, kā arī analītiķiem, izstrādātājiem, atskaišu sistēmu speciālistiem, 1C programmētājiem u.c.
Tu iemācīsies:
- Izvilkt datus no daudzdimensiju datu bāzēm
- Rakstiet vaicājumus MDX valodā
- Veidojiet pārskatus, pamatojoties uz OLAP kubiem
Speciālā skolotāja, prestiža starptautiskā statusa īpašnieks Microsoft sertificēts meistars. Maskavas Valsts Tehniskās universitātes absolvents, kas nosaukts N.E. Baumanis.
Savās nodarbībās Fjodors Anatoljevičs priekšplānā izvirza principu "Paskaties uz sakni!" - svarīgi ir ne tikai izpētīt mehānisma darbību, bet arī saprast, kāpēc tas darbojas tā un ne citādi.
Ģenerālists programmatūras projektēšanas un izstrādes jomā. Viņam ir daudzu gadu pieredze izstrādes komandas vadītāja un galvenā arhitekta amatā. Specializējas uzņēmumu lietojumprogrammu integrācijā, tīmekļa portālu arhitektūras izstrādē, datu analīzes sistēmās, izvietošanā un atbalstā Windows infrastruktūra.
Inženierzinātņu un dabaszinātņu prezentācijas stilu kombinācija ļauj skolēniem paust skolotāja aizrautību un radošo pieeju. Fjodors Anatoljevičs vienmēr saņem aizrautīgākās atsauksmes no saviem pateicīgajiem absolventiem.
1. modulis. Biznesa inteliģences tehnoloģiju ģimene. Pārskats par Microsoft datu analīzes tehnoloģijām. Datu dzīves cikls biznesa analītikas sistēmās (2 ac. h.)
- Kāpēc datu analīzes tehnoloģijas (BI, OLAP, DWH, ETL) var būt noderīgas
- Kam jāpievērš uzmanība, ieviešot biznesa inteliģences sistēmu
- Darbības joma un instrumenti
- Laboratorijas darbs ETL procesa izpēte, izmantojot integrācijas pakalpojumu paketes piemēru
- ETL procesa izpēte, izmantojot integrācijas pakalpojumu paketes piemēru
2. modulis. Ievads MDX daudzdimensiju vaicājumu valodā. Mēs sākam ar vienkāršāko, pierodam pie daudzdimensiju modeļa (2 ac. h.)
- Atšķirības starp daudzdimensiju modeli un tabulas modeli
- Datu noliktavas un datu centri
- Ievads MDX valodā
- MDX redaktors
- Laboratorijā tiek piedāvāts vaicājumu redaktors (Management Studio)
- Ievads vaicājumu redaktorā (Management Studio)
- Ievads Business Intelligent Development Studio redaktorā
- Ievads SQL Profiler izsekotājs
- MDX pamati
3. modulis. Izmēri ir daudzdimensiju modeļa skelets. Daudzdimensiju datu modeļa izmēri, korteži, šūnas un citi elementi (3 ac. h.)
- Izmēri
- Izmēru atribūti
- Hierarhijas
- Dimensijas locekļi
- Tuples
- Šūnas
- Komplekti
- Uzdevumi
- Funkcijas
- Laboratorijas dimensijas rekvizīti Dimensiju atribūti Hierarhijas vienā dimensijā Hierarhijas vairākās dimensijās Hierarhijas saknes līmenis Funkcija Dalībnieki Atsauce -- dalībnieki Sintakses kļūdas Daļējas virknes atsauces Vairāku asu displejs Šķērssavienojuma automātiskās eksistences režīms Eksistē mehānisms Novērst dublētos koreļļus
- Izmēru īpašības
- Izmēru atribūti
- Hierarhijas vienā dimensijā
- Hierarhijas vairākās dimensijās
- Hierarhijas saknes līmenis
- Dalībnieku funkcija
- References locekļi
- Sintakses kļūdas
- Saites uz daļējiem kortežiem
- Displejs uz vairākām asīm
- Crossjoin
- Auto-esist režīms
- Mehānisms pastāv
- Dublētu korešu likvidēšana
4. modulis. Navigācija daudzdimensiju modelī. Navigācijas, filtrēšanas, šķirošanas funkcijas un to kombinācijas (3 ac. h.)
- Navigācija pārskatos
- Relatīvie amati
- Navigācijas funkcijas
- Šķirošanas vadība
- Rezultātu filtrēšana
- Komplektu kombinācija
- Laboratorijas navigācijas hierarhijas relatīvā pozicionēšana, izmantojot locekļu funkcijas hierarhiskās funkcijas
- Hierarhijas navigācija
- Relatīvā pozicionēšana
- Izmantojot funkciju Dalībnieki
- Hierarhiskās funkcijas
5. modulis. Daudzdimensiju aprēķini. Izmantojot izteiksmes, statistiskās funkcijas un citus mehānismus aprēķiniem (3 ac. h.)
- Izteicieni
- Aprēķināti dalībnieki
- Rezultāta formatēšana (AR)
- Dinamiskas izteiksmes
- IIF funkcija
- Statistikas funkcijas
- Korežu salīdzināšana ar parametriem
- Lab Noteikuma WITH lietojumu izpēte. Aprēķināto dalībnieku izveide Procentu aprēķināšana Formatēšana
- Izpētiet kārtulas WITH izmantošanas iespējas
- Aprēķināto dalībnieku izveide
- Procentu aprēķins
- Formatēšana
6. modulis. Darbs ar laika mērījumiem, vairākiem kalendāriem un atšķirīgiem horizontiem. Darbs ar laika mērīšanu, laika aprēķiniem, navigāciju pa laika asi, aprēķinātajiem laika terminiem un agregātiem (3 ac. h.)
- Laika mērīšana
- Vairāki kalendāri
- Laika funkcijas
- Paralēli periodi
- Atvēršanas periodi
- Slēgšanas periodi
- Pēdējie periodi
- Mehānisms no gada līdz datumam
- Aprēķinātie mērījumi virs laika ass
- Periodu salīdzinājums
- Summas funkcija
- Apkopotās funkcijas
- Max un Min funkcijas uz laika ass
- Lab ParallelPeriod OpeningPeriod ClosingPeriod LastPeriod No gada līdz datumam Aprēķinātie mērījumi laika ass augšpusē Salīdzinājums periodi Funkcija Summa Agregācija Funkcija Maks. Funkcija Min - - - Izmantojot Crossjoin ar paralēliem periodiem
- ParallelPeriod
-Atvēršanas periods
-Slēgšanas periods
-Pēdējais periods
- Gads līdz šim datumam
- Aprēķinātie mērījumi virs laika ass
- Periodu salīdzinājums
- Summas funkcija
- Apkopošana
- Maksimālā funkcija
- Minimālā funkcija
- Crossjoin izmantošana kopā ar paralēliem periodiem
7. modulis. MDX praktiskais pielietojums. Apkopoto tehnoloģiju apvienošana praktisku problēmu risināšanai (3 ak. h.)
- VAI loģika
- UN loģika
- VAI un UN kombinācija dažādās hierarhijās
- Sarežģīti scenāriji UN un VAI izmantošanai
- Izmantojot funkciju NonEmpty
- Vidējās vērtības
- Darbs ar pēdējo datumu
- Paralēli periodi ar vairākiem datumiem
- Pašreizējā konteksta pārbaude
- pēcnācēju funkcijas iespējas
- Ranking vērtības
- Laboratorijas darbi
8. modulis. Citi MDX lietojumi: pārskati. MDX vaicājumu izmantošana, lai izveidotu pārskatus SQL Server Reporting Services un PerformancePoint lietojumprogrammās (3 ac. h.)
- Atskaites izveide SQL Server Reporting Services (SSRS)
- Savienojuma izveide ar kubu
- Darbs ar daudzdimensiju vaicājumiem MDX noformētājā
- Nestandarta vaicājumu izveide
- Parametru pārsūtīšana
- PerformancePoint paneļi
- Laboratorijas darbu Atskaite SSRS Savienojuma izveide ar kubu MDX vaicājuma izveide dizainerā Nestandarta vaicājuma izveide Parametru nodošana
- Ziņojiet SSRS
- Savienojums ar kubu
- MDX vaicājuma izveide konstruktorā
- Pielāgota pieprasījuma izveide
- Parametru pārsūtīšana
9. modulis. Veiktspējas rādītāji (KPI) un daudzdimensiju vaicājumi programmā Business Intelligence Development Studio. Aprēķini, rādītāji un citi MDX lietojumi BIDS (2 ac. h.)
- Izveidojiet nosauktus aprēķinus pakalpojumā BIDS
- Veiktspējas rādītāju izveide BIDS
- Laboratorijas darbs Nosauktas izteiksmes izveide Loksnes indikatora izveide Mērķa indikatora izveide Izmantojot IIF mehānismu KPI
- Izveidojiet nosauktu izteiksmi
- Lapas indikatora izveide
- Mērķa indikatora izveide
- IIF mehānisma izmantošana KPI