Vergleichen von tabellarischen und mehrdimensionalen Projektmappen

  • Artikel

Gilt für: SQL Server Analysis Services Azure Analysis Services Fabric/Power BI Premium

SQL Server Analysis Services (SSAS) bietet mehrere Ansätze oder Modi zum Erstellen von Business Intelligence-Semantikmodellen: Tabellarisch und mehrdimensional.

Der mehrdimensionale Modus ist nur mit SQL Server Analysis Services verfügbar. Wenn Sie möchten, dass Ihre Modelle in Azure Analysis Services oder Power BI bereitgestellt werden, können Sie das Lesen jetzt beenden. Mehrdimensionale Modelle werden in Azure Analysis Services oder Power BI Premium semantischen Modellen nicht unterstützt. Wenn Sie mehrdimensionale Modelle in der Cloud wünschen, besteht die einzige Möglichkeit darin, SQL Server Analysis Services im mehrdimensionalen Modus auf einer Azure-VM bereitzustellen.

Da mehrdimensionale Modelle nur in SQL Server Analysis Services unterstützt werden, ist dieser Artikel nicht als Vergleich von Analysis Services-Plattformen (SQL Server, Azure, Power BI) gedacht. Es soll einen allgemeinen Vergleich mehrdimensionaler und tabellarischer Modellkonstrukte vollständig im Kontext von SQL Server Analysis Services ermöglichen.

SQL Server Analysis Services umfasst auch den Power Pivot für SharePoint-Modus, der für SharePoint 2016 und SharePoint 2013 weiterhin unterstützt wird. Die BI-Strategie von Microsoft hat sich jedoch von der Integration von Power Pivot in Excel in SharePoint entfernt. Power BI und Power BI-Berichtsserver sind jetzt die empfohlenen Plattformen zum Hosten von Excel-Arbeitsmappen mit Power Pivot-Modellen. Daher schließt dieser Artikel jetzt einen Power Pivot für SharePoint-Vergleich aus.

In SQL Server Analysis Services ermöglicht mehr als ein Ansatz eine Modellierungsumgebung, die auf unterschiedliche Geschäfts- und Benutzeranforderungen zugeschnitten ist. Mehrdimensional ist eine ausgereifte Technologie, die auf offenen Standards basiert und von zahlreichen Anbietern von BI-Software übernommen wird, aber die Implementierung kann schwierig sein. Das tabellarische Modell bietet einen relationalen Modellierungsansatz, den viele Entwickler intuitiver finden. Auf lange Sicht sind tabellarische Modelle einfacher zu entwickeln und einfacher zu verwalten. Während mehrdimensionale Modelle in vielen BI-Lösungen immer noch weit verbreitet sind, werden tabellarische Modelle jetzt breiter als die standardmäßige semantische BI-Modellierungslösung für Unternehmen auf Microsoft-Plattformen akzeptiert.

Alle Modelle werden als Datenbanken bereitgestellt, die auf einer Analysis Services-instance ausgeführt werden, oder mit tabellarischen Modellen, die als semantisches Modell für eine Power BI Premium Kapazität bereitgestellt werden. Auf Modelle kann von Clientanwendungen oder Diensten wie Power BI zugegriffen werden. Modelldaten werden in interaktiven und statischen Berichten über Excel, Reporting Services, Power BI und BI-Tools anderer Anbieter visualisiert.

Tabellarische und mehrdimensionale Lösungen, die mit Visual Studio erstellt wurden und für unternehmenseigene BI-Lösungen bestimmt sind, die auf einer lokalen SQL Server Analysis Services instance ausgeführt werden, sowie für tabellarische Modelle, eine Azure Analysis Services Serverressource oder als semantisches Modell in einem Power BI Premium Kapazität. Jede Lösung liefert hochleistungsfähige Analysedatenbanken, die problemlos in Clientanwendungen und Datenvisualisierungsdienste integriert werden können. Die einzelnen Lösungen unterscheiden sich jedoch darin, wie sie erstellt, verwendet und bereitgestellt werden. Der Großteil dieses Artikels vergleicht diese beiden Typen, sodass Sie den richtigen Ansatz für Sie identifizieren können.

Übersicht über die Modellierungstypen

Die folgende Tabelle listet die verschiedenen Modelle auf, fasst den Ansatz, die anfängliche Veröffentlichung und den unterstützten Kompatibilitätsgrad zusammen.

Typ Beschreibung der Modellierung Anfänglich veröffentlicht Kompatibilitätsgrad
Mehrdimensional OLAP-Modellierungskonstrukte (Cubes, Dimensionen, Measures). SQL Server 2000
SQL Server 2012 und höher		 1050
1100
Power Pivot Ursprünglich ein Add-In, aber nun vollständig in Excel integriert. Infrastruktur des tabellarischen Modells. APIs und Skripterstellung werden nicht unterstützt. SQL Server 2008 R2 Nicht verfügbar
Tabellarisch Relationale Modellierungskonstrukte (Modell, Tabellen, Spalten). Intern werden Metadaten von Konstrukten der OLAP-Modellierung geerbt (Cubes, Dimensionen, Measures). Für den Code und Skripts werden OLAP-Metadaten genutzt. SQL Server 2012
SQL Server 2014		 1050
1103
Tabellarisch in SQL Server 2016 und höher Relationale Modellierungskonstrukte (Modell, Tabellen, Spalten), die in Tabellenmetadatenobjektdefinitionen in TMSL (Tabular Model Scripting Language) und TOM-Code (Tabular Object Model) artikuliert werden. SQL Server 2016
SQL Server 2014
SQL Server 2019
SQL Server 2022		 1200
1400
1500
1600
Tabellarisch in Azure Analysis Services 1 Relationale Modellierungskonstrukte (Modell, Tabellen, Spalten), die in Tabellenmetadatenobjektdefinitionen in TMSL (Tabular Model Scripting Language) und TOM-Code (Tabular Object Model) artikuliert werden. 2016 1200 und höher
Tabellarisch in Power BI Premium 2 Relationale Modellierungskonstrukte (Modell, Tabellen, Spalten), die in Tabellenmetadatenobjektdefinitionen in TMSL (Tabular Model Scripting Language) und TOM-Code (Tabular Object Model) artikuliert werden. 2020 1500 und höher

[1] Azure Analysis Services unterstützt tabellarische Modelle mit den Kompatibilitätsgraden 1200 und höher. Allerdings werden nicht alle in diesem Artikel beschriebenen Funktionen der tabellarischen Modellierung unterstützt. Das Erstellen und Bereitstellen von tabellarischen Modellen in Azure Analysis Services ist zwar in etwa identisch mit lokalen Modellen, aber es ist wichtig, die Unterschiede zu verstehen. Weitere Informationen finden Sie unter Was ist Azure Analysis Services?

[2] Power BI Premium Kapazitäten unterstützen tabellarische Modelle mit dem Kompatibilitätsgrad 1500 und höher. Allerdings werden nicht alle in diesem Artikel beschriebenen Funktionen der tabellarischen Modellierung unterstützt. Das Erstellen und Bereitstellen von tabellarischen Modellen für Power BI Premium ist zwar in etwa identisch mit dem lokalen Modell oder Azure, aber es ist wichtig, die Unterschiede zu verstehen. Weitere Informationen finden Sie unter Analysis Services in Power BI Premium

Der Kompatibilitätsgrad ist wichtig. Es bezieht sich auf releasespezifische Verhaltensweisen in der Analysis Services-Engine. Weitere Informationen finden Sie unter Kompatibilitätsgrad für tabellarische Modelle und Kompatibilitätsgrad für mehrdimensionale Modelle.

Modellfunktionen

In der folgenden Tabelle wird die Funktionsverfügbarkeit auf der Modellebene zusammengefasst. Überprüfen Sie diese Liste, um sicherzustellen, dass das Feature, das Sie verwenden möchten, im Typ des Modells verfügbar ist, das Sie erstellen möchten.

Funktion Mehrdimensional Tabellarisch
Aktionen Ja Nein
Aggregationen Ja Nein
Berechnete Spalte Nein Ja
Berechnete Measures Yes Yes
Berechnete Tabellen No Ja3
Benutzerdefinierte Assemblys Ja Nein
Benutzerdefinierte Rollups Ja Nein
Standardelement Ja Nein
Anzeigeordner Yes Ja3
Distinct Count Yes Ja (über DAX)
Drillthrough ausführen Yes Ja (abhängig von der Clientanwendung)
Hierarchien Ja Ja
KPIs (Key Performance Indicators) Yes Yes
Verknüpfte Objekte Yes Ja (verknüpfte Tabellen)
M-Ausdrücke Nein Ja3
M:n-Beziehungen Yes Nein (aber es gibt bidirektionale Kreuzfilter mit 1200 und höheren Kompatibilitätsgraden)
Benannte Mengen Ja Nein
Unregelmäßige Hierarchien Yes Ja3
Über- und untergeordnete Hierarchien Yes Ja (über DAX)
Partitionen Yes Ja
Perspektiven Ja Yes
Abfrageüberlappung No Ja4
Sicherheit auf Zeilenebene Yes Yes
Sicherheit auf Objektebene Yes Ja3
Semiadditive Measures Yes Ja
Übersetzungen Ja Ja
Benutzerdefinierte Hierarchien Yes Yes
Rückschreiben Ja Nein

[3] Informationen zu funktionalen Unterschieden zwischen Kompatibilitätsgraden finden Sie unter Kompatibilitätsgrad für tabellarische Modelle in Analysis Services.

[4] – SQL Server 2019 und höher analysis Services, Azure Analysis Services.

Überlegungen zu Daten

Tabellarische und mehrdimensionale Modelle verwenden importierte Daten aus externen Quellen. Die Menge und Art der Daten, die Sie importieren müssen, kann ein wichtiger Aspekt bei der Entscheidung sein, welcher Modelltyp am besten für Ihre Daten geeignet ist.

Komprimierung

Sowohl tabellarische als auch mehrdimensionale Lösungen verwenden die Datenkomprimierung, durch die die Größe der Analysis Services-Datenbank relativ zum Data Warehouse verringert wird, aus dem Sie Daten importieren. Da sich der tatsächliche Komprimierungsgrad nach den Eigenschaften der zugrunde liegenden Daten richtet, lässt sich nicht genau vorhersagen, wie viel Datenträger- und Arbeitsspeicherkapazität von einer Lösung benötigt wird, nachdem die Daten verarbeitet und in Abfragen verwendet wurden.

Eine Faustregel, die von vielen Analysis Services-Entwicklern angewendet wird, besagt, dass der primäre Speicher einer mehrdimensionalen Datenbank ein Drittel der ursprünglichen Daten ausmachen sollte. Tabellarische Datenbanken können manchmal einen höheren Komprimierungsgrad von etwa einem Zehntel der Größe erzielen. Dies gilt insbesondere dann, wenn die meisten Daten aus Faktentabellen importiert werden.

Größe des Modells und Ressourcenbevorzugung (im Arbeitsspeicher oder auf dem Datenträger)

Die Größe einer Analysis Services-Datenbank wird nur durch die Ressourcen eingeschränkt, die für ihre Ausführung verfügbar sind. Der Modelltyp und Speichermodus spielen auch eine Rolle, in welchem Umfang die Datenbank anwachsen kann.

Tabellarische Datenbanken werden entweder im Arbeitsspeicher oder im DirectQuery-Modus ausgeführt, der die Ausführung von Abfragen an eine externe Datenbank verlagert. Für tabellarische In-Memory-Analysen wird die Datenbank vollständig im Arbeitsspeicher gespeichert. Dies bedeutet, dass Sie über ausreichend Arbeitsspeicher verfügen müssen, um nicht nur alle Daten zu laden, sondern auch zusätzliche Datenstrukturen, die zur Unterstützung von Abfragen erstellt wurden.

DirectQuery, das in SQL Server 2016 überarbeitet wurde, weist weniger Einschränkungen als zuvor und eine bessere Leistung auf. Durch das Nutzen der relationalen Back-End-Datenbank für die Speicherung und Ausführung von Abfragen ist das Erstellen eines großen tabellarischen Modells einfacher als bisher zu realisieren.

In der Vergangenheit sind die größten Datenbanken in der Produktion mehrdimensional, wobei Verarbeitungs- und Abfrageworkloads unabhängig auf dedizierter Hardware ausgeführt werden, die jeweils für die jeweilige Verwendung optimiert sind. Tabellarische Datenbanken holen rasch auf, und neue Weiterentwicklungen bei DirectQuery helfen, die Lücke noch schneller zu schließen.

Für mehrdimensionales Auslagern von Datenspeicherung und Abfrageausführung ist über ROLAP verfügbar. Auf einem Abfrageserver können Rowsets zwischengespeichert und veraltete ausgelagert werden. Die effiziente und ausgewogene Nutzung von Arbeitsspeicher- und Datenträgerressourcen führt Kunden häufig zu mehrdimensionalen Lösungen.

Unter Belastung ist davon auszugehen, dass die Kapazitätsanforderungen sowohl an den Datenträger als auch an den Arbeitsspeicher steigen, weil Daten von Analysis Services zwischengespeichert, gespeichert, durchsucht und abgefragt werden. Weitere Informationen zu Speicherauslagerungsoptionen finden Sie unter Memory Properties(Speichereigenschaften). Weitere Informationen zum Skalieren finden Sie unter Hohe Verfügbarkeit und Skalierbarkeit in Analysis Services.

Unterstützte Datenquellen

Tabellarische Modelle sind in der Lage, Daten aus relationalen Datenquellen, Datenfeeds und einigen Dokumentformaten zu importieren. Sie können OLE DB für ODBC-Anbieter auch mit tabellarischen Modellen verwenden. Tabellarische Modelle mit dem Kompatibilitätsgrad 1400 und höher bieten eine erhebliche Erhöhung der Vielfalt der Datenquellen, aus denen Sie importieren können. Dies ist auf die Einführung der modernen Funktionen zum Abrufen von Datenabfragen und -import in Visual Studio zurückzuführen, die die Abfragesprache M-Formel verwenden.

Mehrdimensionale Lösungen sind in der Lage, Daten mit nativen und verwalteten OLE DB-Anbietern aus relationalen Datenquellen zu importieren.

Die Liste externer Datenquellen, die in jedes Modell importiert werden können, finden Sie in den folgenden Themen:

Unterstützung von Abfrage- und Skriptsprachen

Analysis Services schließen MDX, DMX, DAX, XML/A, ASSL und TMSL ein. Die Unterstützung für diese Sprachen kann je nach Modelltyp variieren. Wenn Anforderungen für die Abfrage und Skriptsprache in Betracht kommen, überprüfen Sie die folgende Liste.

  • Tabellarische Modelldatenbanken unterstützen DAX-Berechnungen, DAX-Abfragen und MDX-Abfragen. Dies gilt für alle Kompatibilitätsgrade. Skriptsprachen sind ASSL (über XMLA) für Kompatibilitätsstufen 1050-1103 und TMSL (über XMLA) für Kompatibilitätsgrad 1200 und höher.

  • Mehrdimensionale Modelldatenbanken unterstützen MDX-Berechnungen, MDX-Abfragen, DAX-Abfragen und ASSL.

  • Analysis Services PowerShell wird für tabellarische und mehrdimensionale Modelle und Datenbanken unterstützt.

Alle Datenbanken unterstützen XMLA.

Sicherheitsfeatures

Alle Analysis Services-Projektmappen können auf Datenbankebene gesichert werden. Präzisere Sicherheitsoptionen variieren je nach Modus. Wenn präzise Sicherheitseinstellungen für die Projektmappe erforderlich sind, überprüfen Sie die folgende Liste, um sicherzustellen, dass die Sicherheitsstufe, die Sie möchten, für den zu erstellenden Projektmappentyp unterstützt wird:

Designtools

Visual Studio mit analysis Services-Projekterweiterung, auch bekannt als SQL Server Data Tools (SSDT), ist das primäre Tool, das zum Erstellen mehrdimensionaler und tabellarischer Projektmappen verwendet wird. Diese Erstellungsumgebung verwendet die Visual Studio-Shell, um Designerarbeitsbereiche, Eigenschaftenbereiche und Objektnavigation bereitzustellen. Tabellarische Modelle unterstützen auch die Modellerstellung durch Open-Source- und Drittanbietertools. Weitere Informationen finden Sie unter Analysis Services-Tools.

Clientanwendungsunterstützung

Im Allgemeinen unterstützen tabellarische und mehrdimensionale Lösungen Clientanwendungen, die mindestens eine der Analysis Services-Clientbibliotheken (MSOLAP, AMOMD, ADOMD) verwenden. Beispiel: Excel, Power BI Desktop und benutzerdefinierte Anwendungen. Datenvisualisierungs- und Analysedienste wie Power BI unterstützen tabellarische und mehrdimensionale Lösungen vollständig.

Wenn Sie Reporting Services verwenden, variiert die Verfügbarkeit der Berichtsfunktion je nach Edition und Servermodus. Aus diesem Grund kann sich der zu erstellende Berichtstyp auf den zu installierenden Servermodus auswirken.

Power View, ein Reporting Services Erstellungstool, das in SharePoint ausgeführt wird, ist auf einem Berichtsserver verfügbar, der in einer SharePoint 2010-Farm bereitgestellt wird. Der einzige Datenquellentyp, der mit diesem Bericht verwendet werden kann, ist eine Analysis Services-Tabellenmodelldatenbank oder eine Power Pivot-Arbeitsmappe. Dies bedeutet, dass Sie über einen Server im tabellarischen Modus oder einen Power Pivot für SharePoint-Server verfügen müssen, um die von diesem Berichtstyp verwendete Datenquelle zu hosten. Sie können ein mehrdimensionales Modell nicht als Datenquelle für einen Power View-Bericht verwenden. Sie müssen eine Power Pivot BI-Semantikmodellverbindung oder eine Reporting Services freigegebene Datenquelle erstellen, die als Datenquelle für einen Power View-Bericht verwendet werden kann.

Report Builder und Berichts-Designer können jede Analysis Services-Datenbank verwenden, einschließlich Power Pivot-Arbeitsmappen, die in Power Pivot für SharePoint gehostet werden.

Excel-PivotTable-Berichte werden von allen Analysis Services-Datenbanken unterstützt. Die Excel-Funktionalität ist identisch, unabhängig davon, ob Sie eine tabellarische DATENBANK, eine mehrdimensionale Datenbank oder eine Power Pivot-Arbeitsmappe verwenden, obwohl das Rückschreiben nur für mehrdimensionale Datenbanken unterstützt wird.

Weitere Informationen

Übersicht über das Tabellenmodell
Mehrdimensionale Modelle