DWH：当您已经拥有 DB 星型模式时，为什么要构建多维数据集？
DWH: Why build cubes, when you already have a DB star schema?
我的 etl 进程收集数据并将其转换为具有事实和维度的数据库。那么我为什么要用它来构建立方体呢？除了查询的速度优势和值的预聚合之外，还有其他优势吗？
感谢您的帮助
事实和维度 table 几乎可以在任何关系数据库中构建。为了提高性能，您可以在同一关系数据库中构建聚合事实 table。这些 table 是通用的，例如，您可以轻松地将这些 table 从 Oracle 移动到 SQL 服务器。
冒着过度简化的风险，多维数据集是一种聚合事实 table 但它是在多维数据库中构建的，通常特定于该数据库类型。因此，如果您在 SSAS 中构建多维数据集，则无法将其移至 Hyperion Essbase。
对于简单的查询，例如按日期求和交易金额，多维数据集不会给您 much/any 优于事实的好处。对于复杂查询，性能往往明显优于事实。
多维数据集通常支持它们自己的查询语言（例如 SSAS 和 DAX），允许比通常用 SQL 编写的查询复杂得多的查询（无需大量工作）
所以是否应该构建立方体取决于很多因素，例如：
- 您是否运行很多复杂的查询在多维数据集中执行得更好？
- 改进的性能值得 effort/cost 参与吗？
- 是否有 cost/benefit 部署 MOLAP（多维数据集）数据库以及您的维度数据库的案例？多维数据集通常从 facts/dimensions 填充，因此它们是 facts/dimensions
的补充，而不是替代
我的 etl 进程收集数据并将其转换为具有事实和维度的数据库。那么我为什么要用它来构建立方体呢？除了查询的速度优势和值的预聚合之外，还有其他优势吗？
感谢您的帮助
事实和维度 table 几乎可以在任何关系数据库中构建。为了提高性能，您可以在同一关系数据库中构建聚合事实 table。这些 table 是通用的，例如，您可以轻松地将这些 table 从 Oracle 移动到 SQL 服务器。
冒着过度简化的风险，多维数据集是一种聚合事实 table 但它是在多维数据库中构建的，通常特定于该数据库类型。因此，如果您在 SSAS 中构建多维数据集，则无法将其移至 Hyperion Essbase。
对于简单的查询，例如按日期求和交易金额，多维数据集不会给您 much/any 优于事实的好处。对于复杂查询，性能往往明显优于事实。
多维数据集通常支持它们自己的查询语言（例如 SSAS 和 DAX），允许比通常用 SQL 编写的查询复杂得多的查询（无需大量工作）
所以是否应该构建立方体取决于很多因素，例如：
- 您是否运行很多复杂的查询在多维数据集中执行得更好？
- 改进的性能值得 effort/cost 参与吗？
- 是否有 cost/benefit 部署 MOLAP（多维数据集）数据库以及您的维度数据库的案例？多维数据集通常从 facts/dimensions 填充，因此它们是 facts/dimensions 的补充，而不是替代