SQL 有针对性的 BI 解决方案（如 Looker 和 Chart.io）是否使用 OLAP？
Do SQL targeted BI solutions like Looker and Chart.io use OLAPs?
据我所知，Power Pivot 中使用了 OLAP 来加速与数据的交互。
但我知道像Google BigQuery 和Amazon RedShift 这样的大数据数据库在最近几年出现了。 SQL 有针对性的 BI 解决方案，如 Looker 和 Chart.io 使用 OLAP，还是依赖于数据库的速度？
这取决于。我对 BI 解决方案有一些经验（例如，我们使用 Tableau），它可以运行两种主要模式：它可以对您的服务器执行查询，或者可以收集相关数据并将其存储在用户的机器上（或在安装应用程序的服务器上）。在处理大量数据时，我们曾经让 Tableau 查询 SQL 服务器本身，这是因为我们的 SQL 服务器机器与我们拥有的其他机器相比非常强大。
无论如何，即使您将数据存储在本地并想 "refresh" 它，当它更新数据时，它需要从数据库中检索它，有时这也是一个昂贵的操作（取决于关于您的数据是如何构建和组织的）。
您还应该注意到您比较了 2 个不同的产品系列：虽然 Google BigQuery 和 Amazon 的 RedShift 实际上是用于存储数据并查询数据的数据库引擎，但大多数 BI 和报告解决方案更关心查询数据并将其可视化，因此（一般来说）不太关注拥有智能内部数据库（至少根据我的经验）。
Looker 依赖于数据库的速度，但会对数据进行建模以帮助提高速度。模式和潜望镜与此类似。不确定 Chartio。
OLAP 用于组织数据以帮助提高查询速度。虽然 Power Pivot 和 Pentaho 等许多 BI 产品都在使用它，但一些公司已经建立了自己的数据组织方式来帮助提高查询速度。有时这包括将数据存储在它们自己的数据结构中以组织数据。许多云 BI 公司，如 Birst、Domo 和 Gooddata 都这样做。
Looker 创建了一种名为 LookML 的建模语言来对数据存储中存储的数据进行建模。由于数据库现在比创建 OLAP 时更快，Looker 采用直接连接到数据存储（Redshift、BigQuery、Snowflake、MySQL 等）的方法来查询数据。 LookML 模型允许用户与数据交互，然后 运行 查询以 table 或可视化形式获得结果。
据我所知，Power Pivot 中使用了 OLAP 来加速与数据的交互。
但我知道像Google BigQuery 和Amazon RedShift 这样的大数据数据库在最近几年出现了。 SQL 有针对性的 BI 解决方案，如 Looker 和 Chart.io 使用 OLAP，还是依赖于数据库的速度？
这取决于。我对 BI 解决方案有一些经验（例如，我们使用 Tableau），它可以运行两种主要模式：它可以对您的服务器执行查询，或者可以收集相关数据并将其存储在用户的机器上（或在安装应用程序的服务器上）。在处理大量数据时，我们曾经让 Tableau 查询 SQL 服务器本身，这是因为我们的 SQL 服务器机器与我们拥有的其他机器相比非常强大。
无论如何，即使您将数据存储在本地并想 "refresh" 它，当它更新数据时，它需要从数据库中检索它，有时这也是一个昂贵的操作（取决于关于您的数据是如何构建和组织的）。
您还应该注意到您比较了 2 个不同的产品系列：虽然 Google BigQuery 和 Amazon 的 RedShift 实际上是用于存储数据并查询数据的数据库引擎，但大多数 BI 和报告解决方案更关心查询数据并将其可视化，因此（一般来说）不太关注拥有智能内部数据库（至少根据我的经验）。
Looker 依赖于数据库的速度，但会对数据进行建模以帮助提高速度。模式和潜望镜与此类似。不确定 Chartio。
OLAP 用于组织数据以帮助提高查询速度。虽然 Power Pivot 和 Pentaho 等许多 BI 产品都在使用它，但一些公司已经建立了自己的数据组织方式来帮助提高查询速度。有时这包括将数据存储在它们自己的数据结构中以组织数据。许多云 BI 公司，如 Birst、Domo 和 Gooddata 都这样做。
Looker 创建了一种名为 LookML 的建模语言来对数据存储中存储的数据进行建模。由于数据库现在比创建 OLAP 时更快，Looker 采用直接连接到数据存储（Redshift、BigQuery、Snowflake、MySQL 等）的方法来查询数据。 LookML 模型允许用户与数据交互，然后 运行 查询以 table 或可视化形式获得结果。