집계 및 집계 디자인
AggregationDesign 개체는 여러 파티션에서 공유할 수 있는 집계 정의의 집합을 정의합니다.
Aggregation 개체는 차원의 특정 세분성으로 측정값 그룹의 요약을 나타냅니다.
단순 Aggregation 개체는 기본 정보와 차원으로 구성되어 있습니다. 기본 정보에는 집계의 이름, ID, 주석 및 설명이 포함됩니다. 차원은 차원 세분성 특성 목록을 포함하는 AggregationDimension 개체의 컬렉션입니다.
집계는 리프 셀의 데이터로 미리 계산된 요약입니다. 집계는 질문이 있기 전에 응답을 준비하여 쿼리 응답 시간을 단축시켜 줍니다. 예를 들어 수많은 행을 포함하는 데이터 웨어하우스 팩트 테이블에서 특정 제품 라인에 대한 주간 판매 합계를 요청하는 쿼리의 경우 응답을 계산하기 위해 쿼리 시 팩트 테이블의 모든 행을 검색하고 합산해야 한다면 응답 시간이 매우 길어질 수 있습니다. 그러나 이 쿼리에 응답하기 위한 요약 데이터가 미리 계산되어 있다면 응답이 거의 즉시 이루어질 수 있습니다. 이러한 요약 데이터 미리 계산은 신속한 응답 시간을 위한 OLAP 기술의 기본이며 처리 과정에서 수행됩니다.
큐브는 OLAP 기술에서 요약 데이터를 다차원 구조로 구성하는 방법입니다. 차원과 그 특성의 계층에는 큐브에 질문할 수 있는 쿼리가 반영됩니다. 집계는 차원으로 지정된 좌표에 있는 셀에 다차원 구조로 저장됩니다. 예를 들어 "1998년 북서부 지역의 제품 X 판매량은 얼마입니까?"라는 질문에는 세 가지 차원(제품, 시간, 지리)과 한 개의 측정값(판매량)이 사용됩니다. 큐브에서 지정한 좌표(제품 X, 1998, 북서부)에 있는 셀 값은 단일 숫자 값이며 질문에 대한 답이 됩니다.
"1998년의 분기별 및 지역별 하드웨어 제품 판매량은 얼마입니까?"와 같이 여러 값을 반환할 수 있는 질문도 있습니다. 이러한 쿼리는 지정한 조건에 맞는 좌표로부터 셀 집합을 반환합니다. 쿼리에서 반환하는 셀 개수는 제품 차원의 하드웨어 수준에 포함된 항목 수, 1998년의 네 분기 및 지리 차원의 지역 수에 따라 달라집니다. 모든 요약 데이터가 집계로 미리 계산된 경우에는 지정한 셀을 추출하는 데 필요한 시간에 따라서만 쿼리의 응답 시간이 달라집니다. 팩트 테이블의 데이터를 계산하거나 읽을 필요는 없습니다.
큐브에서 가능한 집계를 모두 미리 계산하면 모든 쿼리의 응답 시간을 최대한 단축시킬 수 있지만 Analysis Services는 미리 계산된 다른 집계에서 일부 집계 값을 쉽게 계산할 수 있습니다. 또한 가능한 집계를 모두 계산하려면 처리 시간과 저장소가 많이 소요됩니다. 그러므로 저장소 요구 사항과 미리 계산할 수 있는 집계 비율 간에는 상호 균형이 필요합니다. 집계를 전혀 미리 계산하지 않으면(0%) 큐브에 필요한 처리 시간과 저장 공간이 최소화되지만 먼저 각 쿼리에 응답하는 데 필요한 데이터를 리프 셀에서 검색한 후 쿼리 시에 각 쿼리에 대한 응답을 위해 집계를 수행해야 하므로 쿼리 응답 시간이 연장될 수 있습니다. 예를 들어 앞의 질문 "1998년 북서부 지역의 제품 X 판매량은 얼마입니까?"에 대한 응답으로 단일 숫자를 반환하기 위해 수많은 데이터 행을 읽어야 하며 각 행에서 판매 측정값을 제공하는 데 사용되는 열 값을 추출하여 합계를 계산해야 합니다. 또한 이러한 데이터를 검색하는 데 필요한 시간은 데이터에 대해 선택한 저장소 모드(MOLAP, HOLAP 또는 ROLAP)에 따라 달라집니다. 관련 항목: 파티션 저장소 모드 및 처리.
집계 디자인
MicrosoftSQL ServerAnalysis Services에서는 미리 계산된 값으로 다른 집계를 신속하게 계산할 수 있도록 미리 계산할 집계를 선택하기 위한 고급 알고리즘을 사용합니다. 예를 들어 시간 계층의 월 수준에 대해 집계를 미리 계산하면 사분기 수준에 대한 계산에는 요청 시 신속하게 계산할 수 있는 3가지 숫자의 요약만 필요합니다. 이 기술을 통해 쿼리 응답 시간에 주는 영향을 최소화하면서 처리 시간을 절약하고 저장소 요구 사항을 줄일 수 있습니다.
집계 디자인 마법사는 쿼리 응답 시간과 저장소 요구 사항 간의 적절한 균형을 이루기 위한 알고리즘에 대해 저장소 및 비율 제약 조건을 지정할 수 있는 옵션을 제공합니다. 그러나 집계 디자인 마법사의 알고리즘은 가능한 쿼리가 모두 균일하다고 가정합니다. 사용 빈도 기반 최적화 마법사를 사용하면 클라이언트 응용 프로그램에서 제출한 쿼리를 분석하여 측정값 그룹에 대한 집계 디자인을 조정할 수 있습니다. 또한 이 마법사를 통해 큐브의 집계를 튜닝하여 큐브에 필요한 저장소에 큰 영향을 주지 않으면서 빈번히 발생하는 쿼리에 대해서는 응답 능력을 향상시키고 빈번히 발생하지 않는 쿼리에 대해서는 응답 능력을 감소시킬 수 있습니다.
집계는 마법사를 사용하여 디자인되지만 집계가 디자인되는 파티션을 처리한 다음에만 실제로 계산됩니다. 집계가 생성된 다음 큐브 구조가 변경되는 경우 또는 큐브의 원본 테이블에서 데이터가 추가되거나 변경되는 경우에는 일반적으로 큐브의 집계를 검토하고 큐브를 다시 처리해야 합니다. 관련 항목:파티션 저장소 및 집계 디자인.