帮助找出（接近）实时多维数据查询的方法

Question

我有一个涉及许多相关表的系统。考虑一个标准的类别/产品/订单/客户/订单项目场景。有些表是自引用的（如类别）。这些表都不是特别大（大约 100k 行，估计规模约为 100 万行）。我需要考虑这些数据的很多维度，但必须以近乎实时的方式进行查询。我也不知道特定用户对哪些维度感兴趣——它可以是众多表格中的一个或多个标准。事情可以从

1. 给我所有的夹克类别
2. 给我所有的夹克类别->上个月在纽约购买的红色派克大衣
3. 把所有不是在纽约买的超过 100 美元的东西都给我。

目前我们有一个很长的 SP，它使用“级联数据”方法——我们逐个表，使用为该表指定的任何标准将所有内容过滤到一个临时表中。对于下一个表，我们将当前临时表连接到我们正在使用的任何表，并将新的过滤器集应用到新的临时表中。它可以工作，但可管理性和性能很慢。我需要更好的东西。

我需要一种新的方法来解决这个问题。显然需要 OLAP，可能使用星型模式。这可以实时工作吗？它可以配置为实时工作吗？我应该使用索引视图来创建一组非规范化表吗？我应该将其完全卸载到数据库之外吗？

仅供参考，我们正在使用 Sql Server。

Answer 1

正如您所说，这非常适合 OLAP。 使用 Sql Server 2005 和 2008，您可以设置几乎实时的解决方案。你应该：

• 创建非规范化星型架构
• 使用该架构构建 OLAP 多维数据集
• 启用主动缓存以在基础数据源更改时更新多维数据集。

这不是一件小事，您需要企业版的 Sql Server 才能使用主动缓存。您还需要一些前端工具（也许 excel 可以）来消耗立方体。

Answer 2

最好在您的代码中构建一个动态查询，其中包含您需要的所有连接，并针对每个单独的请求进行定制。 （当然为了安全而适当地参数化）。

您将使用许多与现在相同的级联逻辑，但您将其移至代码而不是数据库。然后您只需提交您需要的确切查询。

性能会优于使用所有临时表，并且在运行一些查询后您可能会获得一些缓存优势。

Answer 3

在我看来，您的困境是“每次需要时都执行复杂的处理以获得相同的结果更好，还是应该只对每个新数据执行一次？”。