MDX与SQL进行分析查询的好例子

在进行分析查询时，有人可以向我展示MDX与常规SQL相比的优势的好例子吗？我想将MDX查询与提供相似结果的SQL查询进行比较。

维基百科说：

尽管可以将其中一些转换为传统SQL，但即使对于非常简单的MDX表达式，也经常需要笨拙的SQL表达式的合成。

但是既没有引用也没有例子。我完全知道，基础数据必须以不同的方式组织，并且OLAP每次插入都需要更多的处理和存储。（我的建议是从Oracle RDBMS迁移到Apache Kylin + Hadoop）

上下文：我试图说服我的公司我们应该查询OLAP数据库而不是OLTP数据库。大多数SIEM查询都大量使用“分组依据”，“排序”和“聚合”。除了提高性能外，我认为OLAP（MDX）查询比等效的OLTP SQL更简洁，更易于读取/写入。一个具体的例子可以帮助我们理解这一点，但是我不是SQL方面的专家，更不用说MDX了。

如果有帮助，这里有一个与SIEM相关的SQL查询示例，用于查询上周发生的防火墙事件：

SELECT   'Seoul Average' AS term, 
         Substr(To_char(idate, 'HH24:MI'), 0, 4) 
                  || '0'        AS event_time , 
         Round(Avg(tot_accept)) AS cnt 
FROM     ( 
                SELECT                     * 
                FROM   st_event_100_#yyyymm-1m# 
                WHERE  idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query#
                UNION ALL 
                SELECT * 
                FROM   st_event_100_#yyyymm# 
                WHERE  idate BETWEEN trunc(sysdate, 'iw')-7 AND trunc(sysdate, 'iw')-3 #stat_monitor_group_query# ) pm
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0' 
UNION ALL 
SELECT   'today' AS term , 
         substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0'        AS event_time , 
         round(avg(tot_accept)) AS cnt 
FROM     st_event_100_#yyyymm# cm 
WHERE    idate >= trunc(sysdate) #stat_monitor_group_query# 
GROUP BY substr(to_char(idate, 'HH24:MI'), 0, 4) 
                  || '0' 
ORDER BY term DESC, 
         event_time ASC

MDX和SQL它们分别在查询multidimensional和方面完全不同，甚至常常不可比relational databases。您不能使用MDX查询现有的关系数据库。

使用多维模型并使用MDX进行查询的主要优势在于，您正在查询预先聚合的数据，并且MDX已优化为以统计方式而非关系方式进行查询。您不再查询行和表以生成平坦的结果集，而是使用元组和集合来切片和聚合多维数据集。

可以这样想：如果您使用SQL查询来获取特定项目组的总销售额，则需要编写一个查询，该查询汇总该项目组中所有项目的所有发票行。如果使用多维数据集，并且在项目组级别具有聚合，那么将在处理过程中计算结果，并为每个项目组存储聚合，从而使查询即时进行。

多维和MDX是与基于关系集的SQL完全不同的概念。

您的示例可能会变得更加简单，因为您将进行转换，例如在数据加载过程中进行日期解析，而上个月的比较可能是calculated measure。您的首尔平均值，今天可能是calculated members

如果您的多维数据集针对您的要求进行了精心设计，我相信您可以对示例的数据集进行切片和切块，而无需编写查询，但可以在数据透视表或其他分析工具中进行。

再则没有“仅在MDX中重写SQL”。它需要一定的知识才能正确地做到这一点和不同的心态。考虑维恩图而不是结果集。

为了给您提供一个使用Adventureworks数据库的示例，请想象一下需要列出自行车类别中的客户销售订单数量的要求。

如果使用SQL进行了此操作，则需要编写一个查询，该查询将对包含某行产品的销售订单的数量进行计数，该产品恰好属于自行车类别，并将其加入到customers表中，因此这将成为一个相当复杂的查询。

-- need distinct count, we're counting orders, not order lines
SELECT count(DISTINCT soh.salesorderid)
    ,pers.FirstName + ' ' + pers.LastName
FROM sales.SalesOrderDetail sod
-- we need product details to get to the category
INNER JOIN Production.Product p ON sod.ProductID = p.ProductID
-- but we need to pass via subcategories
INNER JOIN Production.ProductSubcategory psc ON p.ProductSubcategoryID = psc.ProductSubcategoryID
-- we finally get to the category
INNER JOIN Production.ProductCategory pc ON psc.ProductCategoryID = pc.ProductCategoryID
-- we also need the headers because that's where the customer is stored
INNER JOIN sales.SalesOrderHeader soh ON sod.SalesOrderID = soh.SalesOrderID
-- finally the customer, but we don't have his name here
INNER JOIN sales.Customer c ON soh.CustomerID = c.CustomerID
-- customers
INNER JOIN Person.Person pers ON c.PersonID = pers.BusinessEntityID
-- filter on bikes
WHERE pc.Name = 'bikes'
-- but the customers table doesn't contain the concatenated name
GROUP BY pers.FirstName + ' ' + pers.LastName;

在MDX（只要您的多维数据集已针对此要求进行了精心设计）中，您就可以编写代码，因为逻辑和复杂性已经转移到其他地方：

SELECT [Measures].[Internet Order Count] ON COLUMNS,
[Customer].[Customer].Members ON ROWS
FROM [Adventure Works]
WHERE [Product].[Product Categories].[Category].[Bikes]

OLAP多维数据集/数据库具有以下特征：

• 根据用户需求获取已经聚合的信息。
• 方便快捷
• 能够处理不同维度的汇总数据
• 多维数据集使用经典的聚合函数min，max，count，sum，avg，但也可以使用特定的聚合函数。

MDX与SQL：

MDX用于导航多维数据库，并定义其所有对象（维度，层次结构，级别，成员和单元格）的查询，以（简单地）获得数据透视表的表示形式。

MDX采用许多相同的SQL关键字，像SELECT，FROM，WHERE。不同之处在于，SQL生成关系视图，而MDX生成数据的多维视图。

两种语言的总体结构也有所不同：

SQL查询：SELECT column1, column2, ..., column FROM table
MDX查询：SELECT axis1 ON COLUMNS, axis2 ON ROWS FROM cube

FROM指定数据源：
在SQL中：一个或多个表
在MDX中：多维数据集

SELECT 指示查询希望恢复的结果：

在SQL中：

• 二维（行和列）视图数据
• 行具有由列定义的相同结构

在MDX中：

• 任意数量的维构成查询结果。
• 术语轴用于避免与立方体尺寸混淆。
• 行和列没有特殊含义，但是必须定义每个轴：axe1定义水平轴，轴2定义垂直轴。

MDX查询示例：

度量：单价，数量，折扣，销售额，运费
维度：时间
层次结构：年>季度>月>具有成员：

• 年份：2010、2011、2012、2013、2014

• 季度：Q1，Q2，Q3，Q4

• 月：一月，二月，三月……

维度：客户
层次结构：大陆>国家>州>具有成员的城市：

• 城市：巴黎，里昂，柏林，科隆，马赛，南特…

• 州：卢瓦尔河大西洋省，罗讷河口省，罗讷河谷，都灵…

• 国家：奥地利，比利时，丹麦，法国，...

• 大陆级别：欧洲，北美，南美洲，亚洲

维度：产品
层次结构：类别>子类别>具有成员的产品：

• 类别：食物，饮料……
• 食品类别：Baked_food…
• …

更新：此示例更好：

查询目标：获取2010年第一季度在加利福尼亚州销售的所有产品系列（按行）的销售额和单位数（按列）

MDX

SELECT  {[Measures].[Unit Sales], [Measures].[Store Sales]} ON COLUMNS,
      {[Products].children} ON ROWS
FROM  [Sales]
WHERE ([Time].[2010].[Q1], [Customers].[USA].[CA])

的SQL

SELECT SUM(unit_sales) unit_sales_sum, SUM(store_sales) store_sales_sum
FROM sales
  LEFT JOIN products ON sales.product_id = products.id
  LEFT JOIN product_classes ON products.product_class_id = product_classes.id
  LEFT JOIN time ON sales.time_id = time.id
  LEFT JOIN customers ON sales.customer_id = customers.id
WHERE time.the_year = 2010 AND time.quarter = 'Q1'
  AND customers.country = 'USA' AND customers.state_province = 'CA'
GROUP BY product_classes.product_family
ORDER BY product_classes.product_family

来源：Modrian的使用说明（转换MDX查询以在关系数据库上使用）

我发现了一个不错的示例，尽管SQL没那么复杂（与SaasBase而不是MDX相比）：

来源：大数据实时“ OLAP”（+用例）-bigdata.ro 2013