G41Ghttp://www.olapreport.com/Architectures.htm - табличка внизу
Почему наряду с клиентом и сервером выделяется еще многопроходный SQL?
И как это выглядит в Microstrategy?
Заранее спасибо.

Это когда при формировании отчёта генерируется не один select, а этих select-ов может быть несколько. Выглядит это например так

SQL Statements:

Pass0 - Duration: 0:00:00.04
create table ZZTQF003S9IMD000 (
ITEM_ID SHORT,
WJXBFS1 DOUBLE)


Pass1 - Duration: 0:00:00.07
insert into ZZTQF003S9IMD000
select a11.[ITEM_ID] AS ITEM_ID,
sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [ITEM_MNTH_SLS] a11,
[LU_MONTH] a12,
[LU_ITEM] a13
where a11.[MONTH_ID] = a12.[MONTH_ID] and
a11.[ITEM_ID] = a13.[ITEM_ID]
and (a13.[SUBCAT_ID] in (22, 25, 26)
and a12.[YEAR_ID] in (2004))
group by a11.[ITEM_ID]

Pass2 - Duration: 0:00:00.00
create table ZZTQF003S9IMD001 (
CATEGORY_ID BYTE,
WJXBFS1 DOUBLE)


Pass3 - Duration: 0:00:00.04
insert into ZZTQF003S9IMD001
select a14.[CATEGORY_ID] AS CATEGORY_ID,
sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [ITEM_MNTH_SLS] a11,
[LU_ITEM] a12,
[LU_MONTH] a13,
[LU_SUBCATEG] a14
where a11.[ITEM_ID] = a12.[ITEM_ID] and
a11.[MONTH_ID] = a13.[MONTH_ID] and
a12.[SUBCAT_ID] = a14.[SUBCAT_ID]
and (a12.[SUBCAT_ID] in (22, 25, 26)
and a13.[YEAR_ID] in (2004))
group by a14.[CATEGORY_ID]

Pass4 - Duration: 0:00:00.00
create table ZZTQF003S9ISQ002 (
CATEGORY_ID BYTE)


Pass5 - Duration: 0:00:00.03
insert into ZZTQF003S9ISQ002
select distinct s21.[CATEGORY_ID] AS CATEGORY_ID
from [LU_SUBCATEG] s21
where s21.[SUBCAT_ID] in (22, 25, 26)

Pass6 - Duration: 0:00:00.03
create table ZZTQF003S9IMD003 (
CATEGORY_ID BYTE,
WJXBFS1 DOUBLE)


Pass7 - Duration: 0:00:00.03
insert into ZZTQF003S9IMD003
select a11.[CATEGORY_ID] AS CATEGORY_ID,
sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [YR_CATEGORY_SLS] a11,
[ZZTQF003S9ISQ002] pa12
where a11.[CATEGORY_ID] = pa12.[CATEGORY_ID]
and a11.[YEAR_ID] in (2004)
group by a11.[CATEGORY_ID]

Pass8 - Duration: 0:00:00.00
create table ZZTQF003S9IMD004 (
WJXBFS1 DOUBLE)


Pass9 - Duration: 0:00:00.01
insert into ZZTQF003S9IMD004
select sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [ITEM_MNTH_SLS] a11,
[LU_ITEM] a12,
[LU_MONTH] a13
where a11.[ITEM_ID] = a12.[ITEM_ID] and
a11.[MONTH_ID] = a13.[MONTH_ID]
and (a12.[SUBCAT_ID] in (22, 25, 26)
and a13.[YEAR_ID] in (2004))

Pass10 - Duration: 0:00:00.00
create table ZZTQF003S9IMD005 (
WJXBFS1 DOUBLE)


Pass11 - Duration: 0:00:00.03
insert into ZZTQF003S9IMD005
select sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [YR_CATEGORY_SLS] a11
where a11.[YEAR_ID] in (2004)

Pass12 - Duration: 0:00:00.03
create table ZZTQF003S9IMD006 (
ITEM_ID SHORT,
WJXBFS1 DOUBLE)


Pass13 - Duration: 0:00:00.06
insert into ZZTQF003S9IMD006
select a11.[ITEM_ID] AS ITEM_ID,
sum(a11.[TOT_DOLLAR_SALES]) AS WJXBFS1
from [ITEM_MNTH_SLS] a11,
[LU_MONTH] a12,
[LU_YEAR] a13,
[LU_ITEM] a14
where a11.[MONTH_ID] = a12.[MONTH_ID] and
a12.[YEAR_ID] = a13.[PREV_YEAR_ID] and
a11.[ITEM_ID] = a14.[ITEM_ID]
and (a14.[SUBCAT_ID] in (22, 25, 26)
and a13.[YEAR_ID] in (2004))
group by a11.[ITEM_ID]

Pass14 - Duration: 0:00:00.03
select pa14.[CATEGORY_ID] AS CATEGORY_ID,
a19.[CATEGORY_DESC] AS CATEGORY_DESC,
pa11.[ITEM_ID] AS ITEM_ID,
a12.[ITEM_NAME] AS ITEM_NAME,
pa11.[WJXBFS1] AS WJXBFS1,
IIF(ISNULL((pa11.[WJXBFS1] / IIF(pa14.[WJXBFS1] = 0, NULL, pa14.[WJXBFS1]))), 0, (pa11.[WJXBFS1] / IIF(pa14.[WJXBFS1] = 0, NULL, pa14.[WJXBFS1]))) AS WJXBFS2,
IIF(ISNULL((pa11.[WJXBFS1] / IIF(pa15.[WJXBFS1] = 0, NULL, pa15.[WJXBFS1]))), 0, (pa11.[WJXBFS1] / IIF(pa15.[WJXBFS1] = 0, NULL, pa15.[WJXBFS1]))) AS WJXBFS3,
IIF(ISNULL((pa11.[WJXBFS1] / IIF(pa16.[WJXBFS1] = 0, NULL, pa16.[WJXBFS1]))), 0, (pa11.[WJXBFS1] / IIF(pa16.[WJXBFS1] = 0, NULL, pa16.[WJXBFS1]))) AS WJXBFS4,
IIF(ISNULL((pa11.[WJXBFS1] / IIF(pa17.[WJXBFS1] = 0, NULL, pa17.[WJXBFS1]))), 0, (pa11.[WJXBFS1] / IIF(pa17.[WJXBFS1] = 0, NULL, pa17.[WJXBFS1]))) AS WJXBFS5
from [ZZTQF003S9IMD000] pa11,
[LU_ITEM] a12,
[LU_SUBCATEG] a13,
[ZZTQF003S9IMD001] pa14,
[ZZTQF003S9IMD003] pa15,
[ZZTQF003S9IMD004] pa16,
[ZZTQF003S9IMD005] pa17,
[ZZTQF003S9IMD006] pa18,
[LU_CATEGORY] a19
where pa11.[ITEM_ID] = a12.[ITEM_ID] and
a12.[SUBCAT_ID] = a13.[SUBCAT_ID] and
a13.[CATEGORY_ID] = pa14.[CATEGORY_ID] and
pa14.[CATEGORY_ID] = pa15.[CATEGORY_ID] and
pa11.[ITEM_ID] = pa18.[ITEM_ID] and
pa14.[CATEGORY_ID] = a19.[CATEGORY_ID]
and (pa11.[WJXBFS1] > pa18.[WJXBFS1])

Pass15 - Duration: 0:00:00.10
drop table ZZTQF003S9IMD000

Pass16 - Duration: 0:00:00.00
drop table ZZTQF003S9IMD001

Pass17 - Duration: 0:00:00.03
drop table ZZTQF003S9ISQ002

Pass18 - Duration: 0:00:00.03
drop table ZZTQF003S9IMD003

Pass19 - Duration: 0:00:00.03
drop table ZZTQF003S9IMD004

Pass20 - Duration: 0:00:00.03
drop table ZZTQF003S9IMD005

Pass21 - Duration: 0:00:00.00
drop table ZZTQF003S9IMD006

[Analytical engine calculation steps:
1. Calculate subtotal: <Total>
2. Perform cross-tabbing
]

G41GА почему не могу понять здесь http://www.olapreport.com/Architectures.htm классификация: клиент, сервер, multi-pass SQL
?

Рискну редположить, что сверху отложены способы организации данных, а справа - способы их обработки.

ГликогенПри чем здесь MSTR? Такую "методику" формирования отчетов в исполнении отдельских самоучек я видел, когда никаких BI-средств в помине не было, и когда я сам только бейсик изучал.

Это же банальные скрипты, даже без условной логики!

Дрянное наследие фокса и клиппера!
Отстой!
:)

MSTR тут притом, что приведенный скрипт - это просто скрипт генерации одного из отчётов, сгенерированного MSTR для MS Access.

Ну и чего в нём такого уж отстойного7

G41Gмногомерность не вижу где. (в явном виде)

А как Вы хотите увидеть многомерность?

G41Gмногомерность не вижу где. (в явном виде)

Ладно, отвечу.

Многомерность есть как до, так и после этого скрипта.

Как это всё происходит про создании проекта в MSTR...
Прежде всего формируется логическая модель данных - это очень похоже на то, что любители MS AS называют создание куба, то есть определяются измерения, иерархии и отношения между ними, создаётся набор метрик (показателей).

После этого, как это происходит во вcех OLAP-ах, пользователь может из всего этого сформировать любое представление данных, в MSTR это называют отчётом, но это можно назвать скажем и миникубом, как в ВО. Все это делается простым интуитивным drag&drop-ом.

На основе сформированного отчёта(куба) генерируется многопроходовый SQL запрос, который отправляется в хранилище. Заметьте, что этот SQL запрос не трогает большую фактовую таблицу, а данные шустренько подтягиваются из агрегатов. Даже любимые некоторыми требование 5 секунд на запрос удовлетворено. Да, конечно, господин Гликоген, банальнейшие скрипты+аналитические вычисления, например какие нибудь статистические функции. Зато работают быстро, в отличие от Ваших дико тормозящих СМ-ов.

Ну а всё остальное - графическое представление, сортировки, вращения, дриллы, просмотр кубика по срезам, дополнительные фильтрации и вычисления - это всё будет после. То есть получив отчёт, пользователь может его вращать и крутить как хочет. Но уже не средствами SQL, а средствами MSTR.

G41G

Спасибо за ответ, но тогда почему BO относится к многомерной обработке? - ведь принцип тот же самый (что в MSTR), если я правильно понял...
Или суть в том, что BO куб целиком куб строит, а MSTR при изменении - лишь часть закачивает...

Если честно, не совсем понял вопрос. Если сравнивать с ВО, то одно из отличий - это то, что MSTR умеет делать многопроходовые запросы, и это сильно расширяет её функциональность.

brahew
Осмелюсь высказаться

Не стоит сравнивать напрямую БО и Мстр. БО - это средство для генерации ad-hoc запросов(от бизнес пользователей) и дальнейшей их обработки во внутреннем кеше(микроолапе), а Мстр - это генератор многопроходных SQL(от разработчиков отчетности) и дальнейшем оспользовании готовых отчетов аналитиками. Нде там внутренний олап, я не увидел, мало наверное работал ((

все очень по моему скромному мнению

Не хотелось бы вставать на скользкую стезю сравнения двух продуктов, но что касается ad-hoc функциональности, то её в MSTR предостаточно. Одних промтов почти 10 видов. Вряд ли в ВО есть что-то подобное.

Ну вообще то многопроходный SQL нужен не только для связывания различных фактов, но и для много чего другого. Например для уровневых метрик, сложных фильтраций, группировок и т.д.