比较 SSAS 表格和多维模型

在使用 SQL Services Analysis Services (SSAS) 启动任何商业智能 (BI) 项目之前，您需要解决 BI 语义层是否使用表格或多维模型的问题。虽然表格模型是两种技术中最新的，但 Microsoft 表示表格并不是多维模型的替代品。

提供两种不同的技术来创建相同的 BI 层会给所有不同的开发人员带来很多困惑。选择使用表格模型还是多维模型是一个多方面的决定，尤其是当您需要在项目需求尚处于起步阶段时做出此决定时。本指南将帮助您解开困惑。

话虽如此，多维模型背后的技术比表格模型更成熟，并且提供的功能更多。因此，如果您需要多维模型提供的任何功能，而表格模型不需要，例如 Writeback（有关更多功能，请参阅 Microsoft 文档），您知道该选择哪一个。

多维模型是 SSAS 首次推出时自带的事实模型。该模型满足了企业 BI 的传统需求，其中 IT 团队为业务用户创建语义模型和报告。

随着内存技术和列式数据库的兴起，微软宣布使用 SSAS 2012 进行表格建模，其中包括 xVelocity (VertiPaq) 引擎，该引擎最初与 PowerPivot 一起使用，以满足自助式 BI 用户支持者的需求。因此，表格背后的引擎也用于 PowerPivot 和 Power BI。

业务用户通常从 Excel 和平面文件等数据源创建报告。因此，表格模型（针对自助式 BI 用户）自然应该从各种数据源导入数据，从关系表到平面文件；而多维模型（满足企业 BI 的需求）只能从关系数据库导入。

由于 VertiPaq 引擎既可用于表格，也可用于 PowerPivot，因此业务用户使用 PowerPivot 创建的任何自助服务报告都可以轻松迁移到表格。因此，如果报告很受欢迎，则可以将模型导入表格以满足整个组织的需求。而在表格或 PowerPivot 中创建的报告无法迁移到多维模型。表格背后使用的引擎使其能够跨越自助服务 BI 用户和企业用户。

由于表格模型采用的是内存技术，所以硬件规格和多维模型不同，多维模型需要大量的高速磁盘。

对于表格，硬盘并不重要。您需要足够的 RAM，因为整个数据库都位于内存中。如果您的数据库大小达到 TB 级，无法放入服务器内存中，唯一的选择就是进行多维建模。除了 RAM，CPU 速度也是表格的一个非常重要的考虑因素。

在表格模型中，您可以在 DAX（数据分析表达式）中创建业务逻辑，而在多维模型中，您可以在 MDX（多维表达式）中创建计算。

但是，由于需要支持 Excel 和 Power BI 等报告客户端的向后兼容性，两种模型都支持 DAX 和 MDX 查询。

DAX 非常容易学习，它的功能与 Excel 非常相似，是专为使用 Excel 的商业用户设计的。

对于多维模型，您可以使用 MOLAP 存储（其中数据和聚合存储在 Analysis Services 实例中）。此存储方法的优点是，由于所有聚合都已创建，因此查询运行速度更快。但是，数据已过时，用户只能查看截至上次刷新日期的数据。

为了解决这个问题，用户可以使用 ROLAP 模式（其中 MDX 查询由 Analysis Services 转换为 SQL 查询）从底层 SQL 数据库获取数据。ROLAP 确保用户获得实时或近乎实时的数据。ROLAP 要求对关系数据库进行性能优化，以便更快地获取结果。

MOLAP 的表格等效项是内存存储，其中所有数据都存储在 RAM 中，从而提供更快的查询。而 ROLAP 的表格等效项是 DirectQuery。因此，您可以在表格中获得类似的功能，以实现与多维模型相同的功能。

对于 BI 分析，大多数查询都涉及某种聚合。由于表格模型使用列存储技术来存储数据，因此它可以比使用行存储格式的多维模型实现更好的压缩率。

某些操作（例如不同计数，老实说，这对于多维模型来说是一个令人头痛的问题）在表格模型中表现得非常好。

而且，如果查询需要返回详细的行（直到最低级别的聚合），表格的性能要比其对应项好得多。

但是，显然，为了从表格模型中获得最佳性能，您需要使用 DAX 而不是 MDX 来查询模型。DAX 是表格的默认查询语言，Microsoft 建议在使用表格模型查询时使用 DAX。

在处理过程中（将数据从数据源加载到数据库），表格与多维数据相比具有几个优点。

其中一个优点是，在表格模型中处理一个表不会影响其他表；而在多维模型中，处理一个维度会影响其他维度，从而减慢处理操作。

一旦在表格/多维模型中开发模型，就无法将模型从表格迁移到多维或反之亦然。因此，了解这两种模型之间的差异、项目要求和数据集是有意义的，这样才能做出一个你以后不会后悔的决定。

一般建议是，如果您已经创建了多维模型，请继续使用它。对于新项目，请从表格开始，因为学习曲线不太陡峭，并且它可以帮助您使用开发人员已经知道的概念（如关系、表、列等）构建语义模型。