Projekty dolování dat

Platí pro: SQL Server 2019 a starší služby Analysis Services Azure Analysis Services Fabric/ Power BI Premium

Důležité

Dolování dat bylo v SQL Serveru 2017 Analysis Services zastaralé a nyní ukončeno ve službě SQL Server 2022 Analysis Services. Dokumentace se neaktualizuje pro zastaralé a ukončené funkce. Další informace najdete v tématu Zpětná kompatibilita služby Analysis Services.

Projekt dolování dat je součástí řešení SQL Server Analysis Services. Během procesu návrhu jsou objekty, které v tomto projektu vytvoříte, k dispozici pro testování a dotazování v rámci databáze pracovního prostoru. Pokud chcete, aby uživatelé mohli dotazovat nebo procházet objekty v projektu, musíte projekt nasadit do instance služby SQL Server Analysis Services spuštěné v multidimenzionálním režimu.

Toto téma obsahuje základní informace potřebné k pochopení a vytváření projektů dolování dat.

Vytváření projektů dolování dat

Objekty v projektech dolování dat

Použití dokončeného projektu dolování dat

Programový přístup k projektům dolování dat

Vytváření projektů dolování dat

V nástrojích SQL Server Data Tools vytvoříte projekty dolování dat pomocí šablony, OLAP a projektu dolování dat. Projekty dolování dat můžete také vytvářet programově pomocí AMO. Jednotlivé objekty dolování dat je možné skriptovat pomocí jazyka asSL (Analysis Services Scripting Language). Další informace najdete v tématu Přístup k datům multidimenzionálního modelu (Analysis Services – Multidimenzionální data).

Pokud vytvoříte projekt dolování dat v rámci existujícího řešení, ve výchozím nastavení se objekty dolování dat nasadí do databáze služby SQL Server Analysis Services se stejným názvem jako soubor řešení. Tento název a cílový server můžete změnit pomocí dialogového okna Vlastnosti projektu . Další informace naleznete v tématu Konfigurace vlastností projektu služby Analysis Services (SSDT).

Výstraha

Pokud chcete úspěšně sestavit a nasadit projekt, musíte mít přístup k instanci služby SQL Server Analysis Services, která běží v režimu OLAP/Data Mining. Nemůžete vyvíjet ani nasazovat řešení pro dolování dat v instanci služby SQL Server Analysis Services, která podporuje tabulkové modely, ani nemůžete použít data přímo ze sešitu Power Pivotu nebo z tabulkového modelu, který používá úložiště dat v paměti. Pokud chcete zjistit, jestli instance služby SQL Server Analysis Services, kterou máte, může podporovat dolování dat, přečtěte si téma Určení režimu serveru instance služby Analysis Services.

V rámci každého projektu dolování dat, který vytvoříte, budete postupovat takto:

  1. Vyberte zdroj dat, například datovou krychli, databázi nebo dokonce excelové nebo textové soubory, které obsahují nezpracovaná data, která použijete k vytváření modelů.

  2. Definujte podmnožinu dat ve zdroji dat, která se mají použít k analýze, a uložte je jako zobrazení zdroje dat.

  3. Definujte strukturu dolování pro podporu modelování.

  4. Přidejte modely dolování do struktury dolování tak, že zvolíte algoritmus a určíte, jak tento algoritmus bude zpracovávat data.

  5. Trénování modelů jejich naplněním vybranými daty nebo filtrovanou podmnožinou dat

  6. Prozkoumání, testování a opětovné sestavení modelů

Po dokončení projektu ho můžete nasadit pro uživatele, kteří můžou procházet nebo dotazovat, nebo poskytnout programový přístup k dolování modelům v aplikaci, aby podporovali předpovědi a analýzy.

Objekty v projektech dolování dat

Všechny projekty dolování dat obsahují následující čtyři typy objektů. Můžete mít více objektů všech typů.

  • Zdroje dat

  • Pohledy zdroje dat

  • Těžební struktury

  • Modely dolování

Například jeden projekt dolování dat může obsahovat odkaz na více zdrojů dat, přičemž každý zdroj dat podporuje více zobrazení zdrojů dat. Každé zobrazení zdroje dat může podporovat více struktur dolování dat, z nichž každá má mnoho souvisejících modelů dolování dat.

Kromě toho může váš projekt zahrnovat algoritmy modulů plug-in, vlastní sestavení nebo vlastní uložené procedury; tyto objekty však zde nejsou popsány. Další informace najdete v dokumentaci pro vývojáře analysis services.

Zdroje dat

Zdroj dat definuje připojovací řetězec a ověřovací informace, které server SLUŽBY SQL Server Analysis Services použije pro připojení ke zdroji dat. Zdroj dat může obsahovat více tabulek nebo zobrazení; Může to být jednoduché jako jeden excelový sešit nebo textový soubor nebo složité jako databáze OLAP (Online Analytical Processing) nebo velké relační databáze.

Jeden projekt dolování dat může odkazovat na více zdrojů dat. I když model dolování může současně používat pouze jeden zdroj dat, projekt může mít více modelů nakreslených na různých zdrojích dat.

SQL Server Analysis Services podporuje data z mnoha externích poskytovatelů a SQL Server Data Mining může jako zdroj dat použít relační i datovou krychli. Pokud ale vyvíjíte oba typy modelů projektů založené na relačních zdrojích a modelech založených na datových krychlích OLAP, můžete je chtít vyvíjet a spravovat v samostatných projektech.

  • Modely založené na datové krychli OLAP by se obvykle měly vyvíjet v rámci řešení návrhu OLAP. Jedním z důvodů je, že modely založené na krychli musí krychli zpracovat, aby aktualizovaly data. Obecně platí, že data datové krychle byste měli používat pouze v případě, že se jedná o hlavní prostředky úložiště a přístupu k datům nebo pokud potřebujete agregace, dimenze a atributy vytvořené multidimenzionálním projektem.

  • Pokud váš projekt používá pouze relační data, měli byste vytvořit relační modely v rámci samostatného projektu, takže zbytečně nezpracováváte jiné objekty. V mnoha případech pracovní databáze nebo datový sklad sloužící k podpoře vytváření datových krychlí už obsahuje zobrazení potřebná k dolování dat a tato zobrazení můžete použít k dolování dat, nikoli agregace a dimenze v datové krychli.

  • Data v paměti ani Power Pivotu nelze použít přímo k vytváření modelů dolování dat.

Zdroj dat identifikuje pouze server nebo poskytovatele a obecný typ dat. Pokud potřebujete změnit formátování a agregace dat, použijte objekt zobrazení zdroje dat.

Pokud chcete řídit způsob zpracování dat ze zdroje dat, můžete přidat odvozené sloupce nebo výpočty, upravit agregace nebo přejmenovat sloupce v zobrazení zdroje dat. (Můžete také pracovat s následnými daty, úpravou sloupců ve struktuře dolování dat nebo pomocí příznaků modelování a filtrů na úrovni sloupce modelu dolování dat.)

Pokud je vyžadováno čištění dat nebo data v datovém skladu musí být upravena tak, aby vytvářela další proměnné, měnily datové typy nebo vytvářely alternativní agregaci, možná budete muset vytvořit další typy projektů pro podporu dolování dat. Další informace o těchto souvisejících projektech naleznete v tématu Související projekty pro řešení pro dolování dat.

Zobrazení zdrojů dat

Po definování tohoto připojení ke zdroji dat vytvoříte zobrazení, které identifikuje konkrétní data, která jsou pro váš model relevantní.

Zobrazení zdroje dat také umožňuje přizpůsobit způsob, jakým jsou data ve zdroji dat dodána do modelu dolování. Strukturu dat můžete upravit tak, aby byla pro váš projekt relevantnější, nebo zvolit pouze určité druhy dat.

Pomocí editoru zobrazení zdroje dat můžete například:

  • Vytvářejte odvozené sloupce, jako jsou například části kalendářních dat, podřetězdí atd.

  • Agregace hodnot pomocí příkazů Transact-SQL, jako je GROUP BY

  • Dočasné omezení dat nebo ukázkových dat

Další informace o tom, jak můžete upravovat data v zobrazení zdroje dat, najdete v tématu Zobrazení zdrojů dat v multidimenzionálních modelech.

Výstraha

Pokud chcete data filtrovat, můžete to udělat v zobrazení zdroje dat, ale můžete také vytvořit filtry dat na úrovni modelu dolování. Vzhledem k tomu, že definice filtru je uložena s modelem dolování, použití filtrů modelů usnadňuje určení dat, která byla použita pro trénování modelu. Kromě toho můžete vytvořit více souvisejících modelů s různými kritérii filtru. Další informace naleznete v tématu Filtry pro modely dolování (Analysis Services - Data Mining).

Všimněte si, že zobrazení zdroje dat, které vytvoříte, může obsahovat další data, která se přímo nepoužívají k analýze. Můžete například přidat zobrazení dat ze zdroje, která se používají pro testování, predikce nebo podrobnou analýzu. Další informace o těchto použitích naleznete v tématu Testování a ověřování (dolování dat) a podrobná analýza.

Struktury dolování dat

Jakmile vytvoříte zdroj dat a zobrazení zdroje dat, musíte vybrat sloupce dat, které jsou pro váš obchodní problém nejrelevantní, definováním struktur dolování v rámci projektu. Struktura dolování říká projektu, které sloupce dat ze zobrazení zdroje dat by měly být skutečně použity při modelování, trénování a testování.

Chcete-li přidat novou strukturu dolování, spusťte Průvodce dolováním dat. Průvodce automaticky definuje dolování strukturu, vás provede procesem výběru dat a volitelně vám umožní přidat do struktury počáteční model dolování. V rámci struktury dolování zvolíte tabulky a sloupce ze zobrazení zdroje dat nebo z datové krychle OLAP a definujete relace mezi tabulkami, pokud vaše data obsahují vnořené tabulky.

Volba dat bude v Průvodci dolováním dat vypadat velmi odlišně podle toho, jestli používáte relační nebo online analytické zdroje (OLAP).

  • Když zvolíte data z relačního zdroje dat, nastavení struktury dolování je snadné: zvolíte sloupce z dat v zobrazení zdroje dat a nastavíte další přizpůsobení, jako jsou aliasy, nebo definujete, jak se mají hodnoty ve sloupci seskupovat nebo binovat. Další informace naleznete v tématu Vytvoření struktury pro relační dolování.

  • Při použití dat z datové krychle OLAP musí být struktura dolování ve stejné databázi jako řešení OLAP. Chcete-li vytvořit těžební strukturu, vyberte atributy z dimenzí a souvisejících měr ve vašem řešení OLAP. Číselné hodnoty se obvykle nacházejí v mírách a kategorické proměnné v dimenzích. Další informace naleznete v tématu Vytvořit strukturu OLAP dolování.

  • Pomocí DMX můžete také definovat dolovací struktury. Další informace naleznete v tématu Data Mining Extensions (DMX) Data Definition Statements.

Po vytvoření počáteční důlní struktury můžete zkopírovat, upravit a přejmenovat sloupce struktury.

Každá důlní struktura může obsahovat více modelů dolování. Proto po dokončení můžete znovu otevřít strukturu dolování dat a pomocí Data Mining Designer přidat další modely dolování dat do struktury.

Máte také možnost oddělit data do trénovací datové sady, která se používá k vytváření modelů, a sadu uložených dat, která se mají použít při testování nebo ověřování modelů dolování.

Výstraha

Některé typy modelů, jako jsou modely časových řad, nepodporují vytváření testovacích datových sad, protože pro trénink vyžadují souvislou řadu dat. Další informace najdete v tématu trénování a testování datových sad.

Modely dolování

Model dolování definuje algoritmus nebo metodu analýzy, kterou použijete na datech. Ke každé datové struktuře přidáte jeden nebo více těžebních modelů.

V závislosti na vašich potřebách můžete kombinovat mnoho modelů v jednom projektu nebo vytvářet samostatné projekty pro každý typ modelu nebo analytické úlohy.

Po vytvoření struktury a modelu zpracujete každý model spuštěním dat ze zobrazení zdroje dat pomocí algoritmu, který vygeneruje matematický model dat. Tento proces se také označuje jako trénování modelu. Další informace najdete v tématu Požadavky na zpracování a důležité informace (dolování dat).

Po zpracování modelu pak můžete vizuálně prozkoumat model dolování a vytvořit na něm prediktivní dotazy. Pokud jsou data z trénovacího procesu uložená do mezipaměti, můžete pomocí dotazů podrobné analýzy vrátit podrobné informace o případech použitých v modelu.

Pokud chcete použít model pro produkční prostředí (například pro vytváření předpovědí nebo pro průzkum obecnými uživateli), můžete model nasadit na jiný server. Pokud potřebujete model v budoucnu znovu zpracovat, musíte také exportovat definici základní dolování struktury (a nutně definice zdroje dat a zobrazení zdroje dat) současně.

Při nasazování modelu musíte také zajistit, aby byly u struktury a modelu nastaveny správné možnosti zpracování a že potenciální uživatelé mají oprávnění, která potřebují k provádění dotazů, zobrazení modelů nebo podrobné analýzy strukturování dat modelu. Další informace najdete v tématu Přehled zabezpečení (dolování dat).

Použití dokončeného projektu dolování dat

Tato část shrnuje způsoby, jak můžete použít dokončený projekt dolování dat. Můžete vytvářet grafy přesnosti, zkoumat a ověřovat data a zpřístupnit vzory dolování dat uživatelům.

Výstraha

Grafy, dotazy a vizualizace, které používáte s modely dolování dat, se neukládají jako součást projektu dolování dat a nelze je nasadit. Pokud potřebujete tyto objekty zachovat, musíte buď uložit obsah, který se zobrazí, nebo skriptovat, jak je popsáno pro každý objekt.

Zobrazení a prozkoumání modelů

Po vytvoření modelu můžete pomocí vizuálních nástrojů a dotazů prozkoumat vzory v modelu a získat další informace o podkladových vzorech a statistikách. Na kartě Prohlížeč modelu dolování v Návrháři dolování dat služba SQL Server Analysis Services poskytuje prohlížeče pro každý typ modelu dolování, který můžete použít k prozkoumání modelů dolování.

Tyto vizualizace jsou dočasné a jsou zavřené bez uložení při ukončení relace se službou SQL Server Analysis Services. Proto pokud potřebujete tyto vizualizace exportovat do jiné aplikace pro prezentaci nebo další analýzu, použijte příkazy Kopírovat uvedené na každé kartě nebo podokně rozhraní prohlížeče.

Doplňky pro dolování dat pro Excel také poskytují šablonu Visia, kterou můžete použít k reprezentaci modelů v diagramu Visia a přidání poznámek a úpravám diagramu pomocí nástrojů Visia. Další informace naleznete v Microsoft SQL Server 2008 SP2 Data Mining doplňcích pro Microsoft Office 2007.

Testování a ověřování modelů

Po vytvoření modelu můžete prozkoumat výsledky a rozhodnout se, které modely fungují nejlépe.

SQL Server Analysis Services poskytuje několik grafů, které můžete použít k poskytování nástrojů, které můžete použít k přímému porovnání modelů dolování a zvolit nejpřesnější nebo nejužitečnější model dolování. Mezi tyto nástroje patří lift chart, ziskový graf a klasifikační matice. Tyto grafy můžete vygenerovat pomocí karty Graf přesnosti dolování v Návrháři dolování dat.

Pomocí sestavy křížové validace můžete také provést iterativní podvzorkování svých dat a určit, zda je model zkreslený vůči určité sadě dat. Statistiky, které sestava poskytuje, lze použít k objektivnímu porovnání modelů a vyhodnocení kvality trénovacích dat.

Všimněte si, že tyto sestavy a grafy nejsou uloženy s projektem nebo v databázi ssASnoversion, takže pokud potřebujete zachovat nebo duplikovat výsledky, měli byste výsledky uložit nebo skriptovat objekty pomocí DMX nebo AMO. Uložené procedury můžete použít také k křížovému ověření.

Další informace naleznete v tématu Testování a ověřování (dolování dat).

Vytváření předpovědí

SQL Server Analysis Services poskytuje dotazovací jazyk s názvem Data Mining Extensions (DMX), který je základem pro vytváření předpovědí a je snadno skriptovatelný. Sql Server poskytuje tvůrce dotazů, který je k dispozici v sadě SQL Server Management Studio, aby vám pomohl sestavovat prediktivní dotazy DMX. V sadě SQL Server Management Studio je také mnoho šablon DMX. Pokud s predikčními dotazy začínáte, doporučujeme použít tvůrce dotazů, který je k dispozici v návrháři pro dolování dat i v sadě SQL Server Management Studio. Další informace naleznete v tématu Nástroje pro dolování dat.

Předpovědi, které vytvoříte v nástrojích SQL Server Data Tools nebo SQL Server Management Studiu, se nezachovají, takže pokud jsou vaše dotazy složité nebo potřebujete výsledky reprodukovat, doporučujeme ukládat dotazy predikce do souborů dotazů DMX, skriptovat je nebo vkládat dotazy jako součást balíčku Integrační služby.

Programový přístup k objektům dolování dat

SQL Server Analysis Services poskytuje několik nástrojů, které můžete použít k programové práci s projekty dolování dat a objekty v nich. Jazyk DMX poskytuje příkazy, které můžete použít k vytváření zdrojů dat a zobrazení zdrojů dat a k vytváření, trénování a používání struktury a modelů dolování dat. Další informace naleznete v tématu Data Mining Extensions (DMX) Reference.

Tyto úlohy můžete provádět také pomocí skriptovacího jazyka služby Analysis Services (ASSL) nebo pomocí objektů AMO (Analysis Management Objects). Další informace naleznete v tématu Vývoj pomocí XMLA ve službě Analysis Services.

Následující témata popisují použití Průvodce dolováním dat k vytvoření projektu dolování dat a přidružených objektů.

Tasks Témata
Popisuje, jak pracovat se sloupci struktury dolování. Vytvořit relační strukturu dolování
Poskytuje další informace o tom, jak přidat nové modely dolování a zpracovat strukturu a modely. Přidání modelů dolování do struktury (Analysis Services – Dolování dat)
Poskytuje odkazy na prostředky, které vám pomůžou přizpůsobit algoritmy, které vytvářejí modely dolování. Přizpůsobení modelů a struktury dolování
Poskytuje odkazy na informace o prohlížečích pro dolování dat. Prohlížeče modelů dolování dat
Zjistěte, jak vytvořit graf výtahu, ziskový graf nebo klasifikační matici nebo otestovat dolování. Testování a ověřování (dolování dat)
Informace o možnostech zpracování a oprávněních Zpracování objektů dolování dat
Další informace o službě Analysis Services Multidimenzionální databáze modelů

Viz také

Návrhář dolování dat
Vytváření multidimenzionálních modelů pomocí nástrojů SQL Server Data Tools (SSDT)
Databáze pracovního prostoru

  • Last updated on