用于分析查询的 MDX 与 SQL 的好例子

Question

在进行分析查询时，有人可以向我展示 MDX 优于常规 SQL 的一个很好的例子吗？我想将 MDX 查询与给出相似结果的 SQL 查询进行比较。

维基百科说：

虽然可以将其中的一些转换为传统 SQL，但即使对于非常简单的 MDX 表达式，它也经常需要合成笨拙的 SQL 表达式。

但是既没有引用也没有例子。我完全清楚底层数据必须以不同的方式组织，并且 OLAP 将需要每次插入进行更多的处理和存储。（我的建议是从 Oracle RDBMS 迁移到Apache Kylin + Hadoop）

上下文：我试图说服我的公司我们应该查询 OLAP 数据库而不是 OLTP 数据库。大多数 SIEM 查询大量使用分组依据、排序和聚合。除了性能提升之外，我认为 OLAP (MDX) 查询比等效的 OLTP SQL 更简洁、更易于读/写。一个具体的例子可以说明这一点，但我不是 SQL 专家，更不用说 MDX ...

---

如果有帮助，以下是针对过去一周发生的防火墙事件的与 SIEM 相关的 SQL 查询示例：

SELECT   'Seoul Average' AS term, 
         Substr(To_char(idate, 'HH24:MI'), 0, 4) 
                  || '0'        AS event_time , 
         Round(Avg(tot_accept)) AS cnt 
FROM     ( 
                SELECT                     * 
                FROM   st_event_100_#yyyymm-1m# 
                WHERE  idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query#
                UNION ALL 
                SELECT * 
                FROM   st_event_100_#yyyymm# 
                WHERE  idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query# ) pm
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0' 
UNION ALL 
SELECT   'today' AS term , 
         substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0'        AS event_time , 
         round(avg(tot_accept)) AS cnt 
FROM     st_event_100_#yyyymm# cm 
WHERE    idate >= trunc(sysdate) #stat_monitor_group_query# 
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0' 
ORDER BY term DESC, 
         event_time ASC

Answer 1

MDX和SQL完全不一样，甚至常常没有可比性，因为它们分别是查询multidimensional和relational databases。您无法使用 MDX 查询现有的关系数据库。

使用多维模型并使用 MDX 进行查询的主要优点是您正在查询预先聚合的数据，并且 MDX 已优化为以统计方式而不是关系方式查询。您不再查询行和表来生成平面结果集，而是使用元组和集来切片和聚合多维多维数据集。

可以这样想：如果您使用 SQL 查询来获取特定项目组的总销售额，您需要编写一个查询来汇总项目组中所有项目的所有发票行。如果您使用多维数据集并在项目组级别进行聚合，则在处理期间计算结果，并为每个项目组存储聚合，从而使查询即时进行。

多维和 MDX 是与基于关系集的 SQL 完全不同的概念。

您的示例可能会变得更简单，因为您将在数据加载过程中进行诸如日期解析之类的转换，而您上个月的比较可能是calculated measure. 你的首尔平均值和今天可能是calculated members

如果您的多维数据集针对您的要求设计得很好，我相信您可以对示例的数据集进行切片和切块，甚至无需编写查询，而是在数据透视表或其他分析工具中进行。

然后再一次没有“只是在 MDX 中重写 SQL”。它需要相当多的知识才能正确地做到这一点，并且需要一种不同的心态。想想维恩图而不是结果集。

为了向您提供一个使用 Adventureworks 数据库的示例，假设需要按客户在自行车类别中列出销售订单的数量。

如果您使用 SQL 执行此操作，您将需要编写一个查询来计算销售订单的数量，该查询包含恰好属于自行车类别的产品行，并将其连接到客户表中，因此这将成为一个相当复杂的查询.

-- need distinct count, we're counting orders, not order lines
SELECT count(DISTINCT soh.salesorderid)
    ,pers.FirstName + ' ' + pers.LastName
FROM sales.SalesOrderDetail sod
-- we need product details to get to the category
INNER JOIN Production.Product p ON sod.ProductID = p.ProductID
-- but we need to pass via subcategories
INNER JOIN Production.ProductSubcategory psc ON p.ProductSubcategoryID = psc.ProductSubcategoryID
-- we finally get to the category
INNER JOIN Production.ProductCategory pc ON psc.ProductCategoryID = pc.ProductCategoryID
-- we also need the headers because that's where the customer is stored
INNER JOIN sales.SalesOrderHeader soh ON sod.SalesOrderID = soh.SalesOrderID
-- finally the customer, but we don't have his name here
INNER JOIN sales.Customer c ON soh.CustomerID = c.CustomerID
-- customers
INNER JOIN Person.Person pers ON c.PersonID = pers.BusinessEntityID
-- filter on bikes
WHERE pc.Name = 'bikes'
-- but the customers table doesn't contain the concatenated name
GROUP BY pers.FirstName + ' ' + pers.LastName;

在 MDX 中（假设您的多维数据集针对此要求进行了精心设计）您可以直接编写，因为逻辑和复杂性已转移到其他地方：

SELECT [Measures].[Internet Order Count] ON COLUMNS,
[Customer].[Customer].Members ON ROWS
FROM [Adventure Works]
WHERE [Product].[Product Categories].[Category].[Bikes]

Answer 2

OLAP 多维数据集/数据库具有以下特征：

• 根据用户的需要获取已经汇总的信息。
• 轻松快速的访问
• 能够操作不同维度的聚合数据
• 多维数据集使用经典聚合函数 min、max、count、sum、avg，但也可以使用特定聚合函数。

MDX 与 SQL ：

MDX 用于导航多维数据库并定义对其所有对象（维度、层次结构、级别、成员和单元格）的查询，以获取（简单地）数据透视表的表示。

MDX 使用许多与 SQL 相同的关键字，例如SELECT, FROM, WHERE。不同之处在于 SQL 生成关系视图，而 MDX 生成数据的多维视图。

两种语言的总体结构也存在差异：

SQL 查询：SELECT column1, column2, ..., column FROM table
MDX 查询：SELECT axis1 ON COLUMNS, axis2 ON ROWS FROM cube

FROM指定数据源：
在 SQL 中：一个或多个表
在 MDX 中：一个多维数据集

SELECT 表示查询希望恢复的结果：

在 SQL 中：

• 二维（行和列）的视图数据
• 行具有由列定义的相同结构

在 MDX 中：

• 形成查询结果的任意数量的维度。
• 用于避免与多维数据集维度混淆的术语轴。
• 行和列没有特殊含义，但您必须定义每个轴：axe1 定义水平轴，轴 2 定义垂直轴。

MDX 查询示例：

度量：单价、数量、折扣、销售金额、运费
维度：时间
层次结构：年 > 季度 > 月 > 与成员：

• 年份：2010、2011、2012、2013、2014

• 季度：Q1、Q2、Q3、Q4

• 月份：一月、二月、三月……

维度：客户
层次结构：大陆 > 国家 > 州 > 城市，成员：

• 城市：巴黎、里昂、柏林、科隆、马赛、南特……

• 州：Loire atlantique、Bouches du Rhône、Bas Rhin、都灵……

• 国家：奥地利、比利时、丹麦、法国、...

• 大陆级别：欧洲、北美、南美、亚洲

维度：产品
层次结构：类别 > 子类别 > 具有成员的产品：

• 类别 : 食物, 饮料 …
• 食品类别：烘焙食品……
• …