Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Markus Raatz Geschäftsführer ixto GmbH. Datenquellensichten Attribute-basierte Dimensionen Übersetzung von Metadaten Proactive Caching Mehrere Faktentabellen.

Ähnliche Präsentationen


Präsentation zum Thema: "Markus Raatz Geschäftsführer ixto GmbH. Datenquellensichten Attribute-basierte Dimensionen Übersetzung von Metadaten Proactive Caching Mehrere Faktentabellen."—  Präsentation transkript:

1 Markus Raatz Geschäftsführer ixto GmbH

2 Datenquellensichten Attribute-basierte Dimensionen Übersetzung von Metadaten Proactive Caching Mehrere Faktentabellen Perspektiven Role playing-Dimensionen Failover Clustering Multi-Instancing Server-Synchronisation Datensicherung erweitert Profiler-Integration Capture und Replay Dr. Watson Integrierte Verwaltung mit dem SQL Server Detaillierte Administrationsrollen XML-basiertes Objekt-Skripting Automatische referenzielle Integrität MDX Script MDX Debugger Zentrales KPI-Framework XML/A AMO m:n-Dimensionen

3 Fokus auf Freude für den Kunden : Skalierbarkeit Performance Verwaltbarkeit in großen Umgebungen Mehr aus Daten machen können: MDX-Erweiterungen: Dynamische benannte Mengen, CREATE/DROP KPI, UPDATE MEMBER Allgemeine Ziele: Keine Überraschungen – dem Kunden Zeit geben, Analysis Service 2005 kennenzulernen. Keine radikalen Veränderungen – einfaches Upgrade von Analysis Services 2005

4 4 SQL 2005 SQL 2000 OLAP: Kampf um den Markt Feature complete Erste Unternehmens- anwendungen Erste Ansätze mit Data Mining Office XP: Gute OLAP-Unterstüt- zung mit den Excel Pivot-Tabellen Sehr gute Web- Komponenten Gedacht für den einzelnen Datenanalysierer OLAP: Kampf um den Markt Feature complete Erste Unternehmens- anwendungen Erste Ansätze mit Data Mining Office XP: Gute OLAP-Unterstüt- zung mit den Excel Pivot-Tabellen Sehr gute Web- Komponenten Gedacht für den einzelnen Datenanalysierer Eine Brücke schlagen zwischen OLAP und der relationalen Welt Durchbruch bei der Funktionalität, Skalierbarkeit und Verwaltbarkeit Erstklassige Data Mining-Lösung Tiefe Integration mit: Excel 2007 SharePoint Server 2007 BSM 2006 Reporting Services 2006 Performance Point 2008 Eine Brücke schlagen zwischen OLAP und der relationalen Welt Durchbruch bei der Funktionalität, Skalierbarkeit und Verwaltbarkeit Erstklassige Data Mining-Lösung Tiefe Integration mit: Excel 2007 SharePoint Server 2007 BSM 2006 Reporting Services 2006 Performance Point 2008 AS 2008 Die Mission von AS 2005 vollenden Engine: Performance Tools: Best practices- Design Besser verwaltbar– durch Administratoren und Microsoft Support Erweiterbarkeit Data Mining skalierbarer und flexibler machen Die Mission von AS 2005 vollenden Engine: Performance Tools: Best practices- Design Besser verwaltbar– durch Administratoren und Microsoft Support Erweiterbarkeit Data Mining skalierbarer und flexibler machen

5 Tools Engine Betrieb

6 Hintergrund: OLAP-Modelle können sehr komplex werden. Viele Abhängigkeiten zwischen Objekten machen sie unübersichtlich Best practices und Tipps zum Performance Tuning weitgehend unbekannt, weil schwer zu finden Ziele bei AS 2008: Dass Lösungen einfach und schnell zu erzeugen sind, ist und bleibt Teil des Produkt-Vorteils von Microsoft Best practices und Tipps zum Performance Tuning gehören ins Objektmodell und ins Interface Die Oberfläche so verändern, dass sie ein optimales Cube-Design hervorbringt

7 AMO-Warnungen Mehr als 40 best practices realisiert als Warnungen im Designer Eine Art automatischer Best Practices Analyzer! Dezent: Blaue Wellenlinien und Warnungen in der Fehlerliste beim Erstellen Keine Pop-Ups! Abschaltbar: Einzeln oder global Jeder Fall kommentierbar

8 Attributbeziehungen definieren Neuer Designer zum Betrachten und Editieren Eingebaute Validierungen stellen ein optimales Design sicher Dimensions-Assistent Einfacherweniger Wege und Verästelungen Mächtiger Parent/Child automatisch Robustere Fehlerkonfigurations- Einstellungen Dimensions-Editor Simplere Oberfläche Neuer Dialog für die Schlüsselspalten Schlüsselspalten in einer Tabelle editierbar

9 Ein gemeinsamer Assistent Initiale Aggregationen Verwendungsbasierte Optimierung Neu: Design für eine Abfrage Verbesserter Algorithmus Bessere initiale Aggregationen Optimiert für verwendungsbasierte Optimierung Alte und neue Aggregationen intelligent zusammenführen Aggregations-Designer Aggregationsentwürfe und Aggregationen betrachten Aggregationen manuell verändern/erzeugen/löschen Eingebaute Validierungen helfen beim optimalen Entwurf

10 { Design-Warnungen } Markus Raatz Geschäftsführer ixto GmbH

11 Einen Ausdruck nur dann berechnen, wenn es nötig ist Leerraum im Cube nicht berücksichtigen! Nachher Vorher

12 WITH MEMBER Measures.Umsatzanteil AS [Measures].[Reseller Sales Amount]/ ([Measures].[Reseller Sales Amount], [Geography].[Country].CurrentMember.Parent), FORMAT_STRING = "Percent" SELECT { [Geography].[Country].[France], [Geography].[Country].[Germany], [Geography].[Country].[United Kingdom] } ON COLUMNS, {[Date].[Calendar].&[2001]:[Date].[Calendar].&[2003]} ON ROWS FROM [Adventure Works] WHERE [Measures].[Reseller Sales Amount]

13 FranceGermanyUnited Kingdom CY 2001 CY 2002 CY 2003 FranceGermanyUnited Kingdom CY 2001 (null) CY (null) CY All Countries CY CY CY Die Berechnungsengine sagt: Null / X = Null Measures.Umsatzanteil Measures.[Reseller Sales] (Measures.[Reseller Sales], Country.Currentmember.Parent) / = (null) 3,55% (null) 3,49% 7,37%3,41%6,71%

14 DateCountryMeasureWert CY 2002All CountriesReseller Sales CY 2003All CountriesReseller Sales DateCountryMeasureWert CY 2002FranceReseller Sales CY 2002United KingdomReseller Sales CY 2003FranceReseller Sales CY 2003GermanyReseller Sales CY 2003United KingdomReseller Sales DateCountryMeasureWert CY 2002FranceUmsatzanteil3,55% CY 2002United KingdomUmsatzanteil3,49% CY 2003FranceUmsatzanteil7,37% CY 2003GermanyUmsatzanteil3,41% CY 2003United KingdomUmsatzanteil6,71% FranceGermanyUnited Kingdom CY 2001(null) CY 20023,55%(null)3,49% CY 20037,37%3,41%6,71% 2.) Berechnung für die gefüllten Zellen durch- führen – nur 5 Berechnungen statt 9 3.) …der ganze Rest ist null 1.) Gefüllte Zellen des Cubes auslesen

15 { Block Computing } Markus Raatz Geschäftsführer ixto GmbH

16 FranceGermanyUnited Kingdom CY 2001(null) CY 2002(null) CY 2003(null)100 (null) Analysis Services Update Abfrage auf der Writeback (ROLAP)- Partition Abfrage auf der MOLAP- Partition Update der ROLAP- Partition Update Abfrage auf der MOLAP- Partition Update der ROLAP- Partition Inkrementelle Verarbeitung Analysis Services Analysis Services 2005Analysis Services 2008

17 Anforderung Ich muss wissen, wer womit die größten Abfragen auf meinem Server startet Ich möchte diese wildgewordene Abfrage finden und abbrechen Serverfunktionen überwachen – Infrastruktur, um Statistik- Informationen über die Serverlast zu sammeln Das Problem heute AS 2005-Statistiken sind zu mager; Grundsätzliche Informationen wären: Benutzer-Sitzungen/Verbindungsinformation Zeitpunkt der Verbindung Letztes ausgeführtes Kommando (Text) Lösung bei AS 2008 Neue Server-Infrastruktur für Ressourcenüberwachung, Datensammlung und Berichtswesen

18 Darstellung der Serverressourcen als Cube, um Analysen durchführen zu können Default Resource cube Resource-Tabellen (DMV) Ad hoc-Analyse: Select * from $system. discover_sessions Ad hoc-Analyse: Select * from $system. discover_sessions Reports generiert in Reporting Services Client-Applikationen zur Auswertung Analysis Services

19

20 Anforderung Geschätzte 20% aller Cubes sind größer als 50GB. BI wird unternehmenskritisch für viele Anwender. Schnelle und verläßliche Datensicherung gefordert Ich brauche eine schnelle Methode, um Cubes von einem Server auf den anderen zu bringen Das Problem heute Die Datensicherung von Analysis Services 2005 skaliert gut bis 20GB Cubegröße. Ab 20GB wird die Performance bei der Datensicherung deutlich schlechter. Übrigens: 20GB AS-Cubes sind ca. 80GB relationale Daten. Workaround heute: Dateien des Datenordners kopieren Lösung bei AS 2008 Die Standard-Backup-Funktionalität ist vergleichbar schnell wie das reine Datenkopieren.

21

22 Anforderung AS-Daten einfach auf mehrere Maschinen verteilen Das Problem heute Zwar wird in MOLAP-Cubes nur gelesen, aber zwei Server können nicht dasselbe Datenverzeichnis verwenden! Synchronize Database Wizard – beeinträchtigt Nutzer nicht, aber ist eher langsam: schlecht für Lastverteilungs- Szenarien Lösung bei AS 2008 Eine schreibgeschützte Kopie der Datenbank wird von mehreren Analysis Servern benutzt.... SAN-Speicher Analysis Server Virtuelle IP

23 SQL Server 2008 Tech Center SQL Server 2008 Webcasts: SQL Server 2008 Produktseite: Microsoft Virtualization: Deutsches Fachbuch Dröge/Raatz SQLPASS SQL Server Community

24 Wir freuen uns auf Ihre Fragen: Technische Experten stehen Ihnen während der gesamten Veranstaltung in der Haupthalle zur Verfügung.

25 © 2007 Microsoft Corporation. All rights reserved. Microsoft, Windows, Windows Vista and other product names are or may be registered trademarks and/or trademarks in the U.S. and/or other countries. The information herein is for informational purposes only and represents the current view of Microsoft Corporation as of the date of this presentation. Because Microsoft must respond to changing market conditions, it should not be interpreted to be a commitment on the part of Microsoft, and Microsoft cannot guarantee the accuracy of any information provided after the date of this presentation. MICROSOFT MAKES NO WARRANTIES, EXPRESS, IMPLIED OR STATUTORY, AS TO THE INFORMATION IN THIS PRESENTATION.


Herunterladen ppt "Markus Raatz Geschäftsführer ixto GmbH. Datenquellensichten Attribute-basierte Dimensionen Übersetzung von Metadaten Proactive Caching Mehrere Faktentabellen."

Ähnliche Präsentationen


Google-Anzeigen