Tabulare vs. Multidimensionale Modelle: Cube-Anwendertipps

Große Datenmengen rasch und intuitiv analysieren: mit einem Cube ist das möglich. Vor allem dann, wenn es um die Erfassung der Informationen aus mehreren Perspektiven (Dimensionen) geht. Worauf sollten Sie bei der Datenablage im Cube besonders achten? Was haben tabulare und multidimensionale Modelle damit zu tun - und welche Option empfehlen wir? In wenigen Minuten wissen Sie mehr.

Cube & Datenablage: der Zusammenhang

Der Cube ist eine multidimensionale Datenbank. Demnach lassen sich Daten auf verschiedene Art und Weise in einem Cube ablegen. Je nach dem, für welche Ablage Sie sich entscheiden, hat das Auswirkungen auf zwei Dinge:

• Eigenschaften des Cubes
• Performance, mit der ein Cube verarbeitet wird

Verschiedene Aufgaben erfordern besondere Eigenschaften bei der Verarbeitung. Es gilt also zu überlegen, welche Aufgaben Sie mit dem Cube lösen wollen. Je nach Anforderungen stehen zwei unterschiedliche Modelle zur Verfügung.

Modelle zur Datenablage im Cube

Grundsätzlich stehen zwei Arten an Modellen zur Auswahl, mit denen Sie Ihre Daten im Cube ablegen können: tabulare Modelle und multidimensionale Modelle.

1. Tabulare Modelle

Funktionsweise

Tabulare Modelle speisen die Daten aus relationalen Datenbanken. Die Metadaten übernehmen sie dabei von OLAP-Konstrukten. Der Begriff „OLAP“ steht für „Online Analytical Processing“ und bezeichnet die multidimensionale Datenspeicherung.

SQL Server & Tabulare Modelle

Der SQL Server kennt verschiedene Versionen von Tabularen Modellen:

• SQL Server 2012 (Kompatibilitätslevel 1050 - 1103)
• SQL Server 2016 (Kompatibilitätslevel 1200)
• SQL Server 2017 (Kompatibilitätslevel 1400)

Alle drei Versionen haben jeweils verschiedene Funktionsumfänge.

Neuerungen ab SQL Server 2016

Ab SQL Server 2016 gibt es zwei wesentliche Entwicklungen, die für die Definition des Cubes verwendet werden:

1. Tabular Object Model (TOM)
2. Tabular Model Scripting Language (TMSL)

Das sind entscheidende Umstellungen zur älteren Version. Damit einher gehen viele neue Funktionen, wie z.B. die Nutzung von Power Query (M).

2. Multidimensionale Modelle

Diese Modellart basiert vollständig auf OLAP-Konstrukten, also auf multidimensionaler Datenspeicherung. Multidimensionale Modelle existieren seit dem SQL Server 2000 - und sind seitdem kaum wesentlich verändert worden.

3. Mischform

Eine Variante von OLAP ist ROLAP (Relational Online Analytical Processing). Diese Art der Datenverarbeitung verbindet manche Eigenschaften von relationalen und multidimensionalen Tabellen.

Multidimensionale vs. Tabulare Modelle: ein Überblick

Multidimensionale Modelle bieten teils andere Möglichkeiten als tabulare Modelle. Entnehmen Sie die primären Unterschiede der nachfolgenden Tabelle (kein Anspruch auf Vollständigkeit).

Multidimensionale vs. Tabulare Modelle: wesentliche Unterschiede

Funktion	Multidimensionale Modelle	Tabulare Modelle
Aktionen	Ja	Nein
Aggregationen	Ja	Nein
Berechnete Spalten	Nein	Ja
Berechnete Tabelle	Nein	Ja, ab 2016
Power Query (M)	Nein	Ja, ab 2017
M:N Beziehungen	Ja	Nein
Daten zurückschreiben	Ja	Nein

4 Tipps zur Auswahl des passenden Modells

Die Auswahl des Modell-Typs hängt im Wesentlichen von der Datenmenge und der Art der Daten ab, die verarbeitet werden sollen. Auch Überlegungen zur Query Language und den Sicherheitseinstellungen bieten sich an.

1. Menge der Daten abwägen

Daten in Tabularen Modellen lassen sich mittels zwei verschiedener Methoden abfragen: In-Memory oder Direct Query. Wie bereits im Blogbeitrag SSAS: In-Memory vs. Live-Query Abfragen beschrieben, verursacht das große Unterschiede im Ressourcenverbrauch.

OLAP Modelle sind für sehr große Datenmengen konzipiert und bewältigen daher das Laden der Daten auf die Festplatte sowie die Verarbeitung In-Memory.

2. Quelle der Daten definieren

Multidimensionale Modelle vermögen es, Daten aus Relationalen Datenquellen mittels OLE DB zu laden.

Tabulare Modelle wiederum laden die Daten aus Relationalen Datenquellen und weiteren, wie zum Beispiel REST APIs. Vor allem ab Kompatibilitätslevel 1400 kommen vielen neue Datenquellen hinzu, die im Standard unterstützt werden.

3. Query Language bestimmen

Neben Datenmenge und -quelle unterscheiden sich Tabulare und Multidimensionale Modelle auch im Punkt "Query Language". Je nach Modell stehen andere zur Verfügung.

Verfügbare Query-Languages je Modell

Tabulare Modelle	Multidimensionale Modelle
DAX	DAX
MDX	MDX
ASSL (ab Kompatibilitätslevel 1050)	ASSL
TMSL (ab Kompatibilitätslevel 1200)

4. Sicherheitseinstellungen bedenken

Last but not least: die beiden Modelltypen bringen verschiedene Möglichkeiten an Sicherheitseinstellungen mit sich.

Tabulare Modelle können auf Zeilen-Level eingeschränkt werden. Das funktioniert bei Multidimensionalen Modellen auch. Darüber hinaus lassen sich dort die Zugriffe auch auf Zellen-Ebene regeln.

Welches Modell? Conclusio

Welches Modell empfehlen wir Ihnen jetzt? Eine klare Antwort gibt es nicht. Die Entscheidung hängt von mehreren Faktoren ab:

• Datenmenge
• Zielsetzung
• bereits verwendete Technologien

Sie wünschen eine professionelle Beratung zur Verbesserung Ihres Workflows mit dem Cube? Kontaktieren Sie uns noch heute.