SQL SERVER BI 入门

或许有很多同学和我一样，只是听说过BI这个词汇，但如果工作不涉及到数据统计分析或数据挖掘，很难接触这方面的知识。我以前一直向往能在这方面有所历练，恰巧最近公司需要做数据统计和分析的工作，这份工作我主动提出来做，荣幸之至。写这篇文章也是对我最近工作的总结。

下载并安装

我工作选用的SqlServer 2008 R2，由于在自己电脑上写博客，所以我这里尝试使用2012版本，顺便也能看看哪里不同。 下载地址是http://www.microsoft.com/en-us/download/details.aspx?id=29066如果你的系统是中文的则选择中文版。

安装时选择功能模块如下：[配图1]

请注意右下角的Prerequisites for selected features的提示内容，需要4.0，其实还需要3.5。

基本概念介绍

数据分析主要包含如下内容：

原始数据库

　　原始数据库主要是用于一些数据上报的数据存储，它包含的是最原始的信息，比如一个用户在什么时间访问了什么页面或点击了哪些按钮。这些数据可以通过js、as、或后端代码进行上报。

　　这种日志性的数据上报一般量非常大，一天可能就产生几亿条数据，之前我在一家广告公司呆过，广告的量大的惊人，因为广告都是在各大门户展现的，所以页面的PV就是广告的条数，用户的相关操作还会有数据产生，每天十来G的数据量都不成问题，所以原始数据库表的设计要注意几点：

　　　　1、不能有索引（除了主键），也不需要索引，因为相关的分析统计都在数据仓库里进行。

　　　　2、主键必须是有序的主键，如果是GUID之类的，就无法保证顺序，在这数据插入时会调整数据存储的物理顺序，这是非常恐怖的事情，影响速度。

　　　　3、如果数据非常大，要考虑采用分区或分库存储。

　　　　4、如果瞬间插入的太多数据库压力大，则需要考虑增加一个缓存层来缓解压力，这便需要编写服务对缓存层数据进行整理插入到数据库的工作。这样也的缺点是万一缓存服务挂掉，有可能会有数据丢失的情况，可以选用会持久化的缓存服务。总之，这些是需要权衡的。

数据仓库数据库
　　数据仓库数据库，是必须的，所有的统计分析都需要以此为基础。数据仓库的表分为两种：维度表（dimension）和事实表（fact）。

　　1. 维度表
　　维度很容易理解。例如，我们想知道每天有多少用户使用了产品，那么“每天”就是一个维度，因为我们需要安装“天”来查询有多少用户。同样，年、月、周、季度、地区等都是我们最常见的维度。

　　2. 事实表
　　事实表的理解可能会模糊一些。一般可以理解为我们要对哪种数据做统计，这种数据事实产生了哪些记录。比如每个用户每一个操作，这是一个事实。那么我们对用户的操作行为做统计的时就需要行为的事实表。

　　3. 事实表和维度表的关系
　　如果我们使用时间维度对用户行为做统计，那么事实表必须要有一个时间字段。而时间字段的存储其实是时间维度表的主键ID，而不是真正的时间，如图：[配图2]

注意，我的事实表FactUserAction（用户操作行为事实）的OperateDate是int类型，和维度表DimDate建立了关系，而且DimDate把日期拆成了年月日三个字段，因为统计可能需要对年和月进行统计，所以这么设计；他们之间有一个层次关系，我们后面会讲。原始表的设计如图

　　细心的朋友可能会发现，事实表的UserAction也是一个int，是的，其实这也是一个查询维度，只是我们暂时只拿时间做例子。

　　4. 如何设计事实表和维度表
　　事实表和维度的设计主要是运维和产品人员的需求而决定的。程序员必能因为开发的复杂而拒绝他们的需求。当然，也不能无理的需求。这篇文章就以时间维度的需求做讲解吧，这个一般也是必须的需求。

　　5. 事实表和维度表的数据填充
　　这一项对我们程序员来讲是最为简单的，因为我们可以开发一个服务，定时从原始数据库把数据按照仓库的设计重组，并插入。SQLSERVER BI也提供了现有的工具，这种工具称之为ETL（Extraction-Transformation-Loading数据提取、转换和加载），在SQLSERVERBI里叫SSIS（SqlServer Integration Service）。

今天就先写这么多，因为我为了截图，安装SQLServer费了好大劲，.NET Framework 3.5总是安装时下载失败。我的系统是windows8，需要单独安装3.5才行。

大家先了解这些概念，不太明白的概念，可以先百科一下。下节写关于Analysis services的使用。