多维数据集简介

多维数据集通过其度量值和维度定义。多维数据集中的度量值和维度派生自数据源视图中的表和视图，此数据源视图是多维数据集所基于的视图，或者是通过度量值定义和维度定义生成的视图。

多维数据集示例

“进口”多维数据集包含“包”和“上一次”两个度量值以及“路线”、“源”和“时间”三个相关维度。

多维数据集示例 1

多维数据集周围更小的字母数字值是维度的成员。示例成员为“陆地”（“路线”维度的成员）、“非洲”（“源”维度的成员）以及“第一季度”（“时间”维度的成员）。

多维数据集单元中的值表示两个度量值：“包”和“上一次”。“包”度量值表示进口包的数量，并使用 Sum 函数来聚合事实数据。“上一次”度量值表示收到的日期，并使用 Max 函数来聚合事实数据。

“路线”维度表示进口货物到达目的地的方式。该维度的成员包括“陆地”、“非陆地”、“航空”、“海路”、“公路”或“铁路”。“源”维度表示进口货物的原产地，如“非洲”或“亚洲”。“时间”维度表示一年的四个季度以及上半年和下半年。

多维数据集的业务用户可以确定每个维度的每个成员的所有度量值，而不用考虑该成员在维度中的级别，因为 Analysis Services 将根据需要在更高级别聚合值。例如，上图中的度量值可以通过使用以下关系图所示的“时间”维度中的“日历时间”层次结构，按标准日历层次结构进行聚合。

按时间维度组织的度量值关系图

除了使用单个维度来聚合度量值以外，还可以使用不同维度的成员的组合来聚合度量值。这样业务用户就可以同时对多个维度中的度量值进行评估。例如，如果业务用户要分析各个季度通过航空运输从东半球和西半球进口的货物，则该业务用户可以对多维数据集发出查询来检索以下数据集。

定义多维数据集之后，可以创建新的聚合，也可以更改现有聚合以设置一些选项，比如是在处理期间预先计算聚合，还是在查询时进行计算。相关主题：聚合和聚合设计 (SSAS)。

示例多维数据集中的度量值、属性和层次结构派生自多维数据集事实数据表和维度表中的以下各列。

一个多维数据集单元中的数据通常派生自事实数据表中的多个行。例如，“航空”成员、“非洲”成员和“第一季度”成员的交集的多维数据集单元包含了通过聚合 ImportsFactTable 事实数据表中以下行而得出的值。

在上表中，RouteKey、SourceKey 和 TimeKey 列的每一行都具有相同的值，指示这些行都分配给同一多维数据集单元。

这里显示的示例提供了一个非常简单的多维数据集，该多维数据集仅有一个度量值组，并且所有维度表均与事实数据表以星型架构联接。另一个常见的架构为雪花型架构，在该架构中，一个或多个维度表联接到其他维度表，而不是直接联接到事实数据表。相关主题：维度 (Analysis Services)。

此处显示的示例仅包含一个事实数据表。如果多维数据集具有多个事实数据表，则会将每个事实数据表中的度量值组织到度量值组中，并且通过已定义的维度关系使每个度量值组都与一组特定的维度相关。这些关系是通过指定数据源视图中的参与表以及关系的粒度来定义的。相关主题：维度关系。