Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
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.
Objekt dolování dat je pouze prázdný kontejner, dokud nebude zpracován. Zpracování modelu dolování dat se také nazývá trénování.
Zpracování těžebních struktur: Těžební struktura získává data z externího zdroje dat, jak je definováno vazbami sloupců a metadaty použití, a čte data. Tato data se čtou v plném znění a pak se analyzují za účelem extrakce různých statistik. Služba Analysis Services ukládá kompaktní reprezentaci dat, která jsou vhodná pro analýzu algoritmy dolování dat v místní mezipaměti. Tuto mezipaměť můžete zachovat nebo ji odstranit po zpracování modelů. Ve výchozím nastavení je mezipaměť uložená. Další informace naleznete v tématu Zpracování těžební struktury.
Zpracování dolování modelů: Model dolování je prázdný, obsahující pouze definice, dokud nebude zpracován. Chcete-li zpracovat model dolování dat, struktura dolování dat, na níž je založen, musí být zpracována. Důlní model získá data ze strukturální mezipaměti dolování, aplikuje všechny filtry, které byly vytvořeny na modelu, a pak předá data algoritmem k detekci vzorců. Po zpracování modelu uloží model pouze výsledky zpracování, nikoli samotná data. Další informace naleznete v tématu Zpracování modelu dolování.
Následující diagram znázorňuje tok dat při zpracování struktury dolování a při zpracování modelu dolování.
Zobrazení výsledků zpracování
Po zpracování struktury dolování dat obsahuje kompaktní reprezentaci dat pro použití ve statistické analýze. Pokud mezipaměť nebyla vymazána, můžete k datům v této mezipaměti přistupovat následujícími způsoby:
Vytvoření dotazu DMX u modelu a procházení do struktury. Další informace naleznete v tématu SELECT FROM <model>.CASES (DMX).
Procházení modelu založeného na struktuře a použití jedné z možností v uživatelském rozhraní k procházení případů struktury Další informace naleznete v tématu Prohlížeče modelu dolování dat nebo Průchod k případovým datům z modelu dolování.
Vytvoření dotazu DMX pro strukturu případů Další informace naleznete ve SELECT FROM<strukturou>.CASES.
Po zpracování modelu dolování obsahuje pouze vzory odvozené z analýzy a mapování z výsledků modelu na trénovací data uložená v mezipaměti. Můžete procházet nebo dotazovat výsledky modelu, označované jako obsah modelu, nebo můžete dotazovat případy modelu a struktury, pokud byly uloženy do mezipaměti.
Obsah modelu pro každý model dolování závisí na algoritmu, který byl použit k jeho vytvoření. Pokud je například jedním modelem clustering a druhý je model rozhodovacích stromů, obsah modelu se velmi liší, i když modely používají přesně stejná data. Další informace naleznete v tématu Obsah dolovacích modelů (Analysis Services - Data Mining).
Požadavky na zpracování
Požadavky na zpracování se můžou lišit v závislosti na tom, jestli jsou modely dolování založené výhradně na relačních datech nebo na multidimenzionálním zdroji dat.
Pro relační zdroj dat vyžaduje zpracování pouze vytvoření trénovacích dat a spuštění algoritmů dolování na tato data. Modely dolování založené na objektech OLAP, jako jsou dimenze a míry, však vyžadují, aby podkladová data byla ve zpracovaném stavu. To může vyžadovat, aby multidimenzionální objekty byly zpracovány k naplnění modelu dolování.
Další informace najdete v tématu Požadavky na zpracování a důležité informace (dolování dat).
Viz také
Podrobné dotazy (dolování dat)
Struktury dolování dat (Analysis Services - Dolování dat)
Modely dolování (Analysis Services – Dolování dat)
Logická architektura (Analysis Services – Dolování dat)