之前简单介绍过多维数据集（Cube）的结构。
原来计划将Cube结构这部分内容打散，在实验中穿插讲解, 考虑到结构之间不同的部分都有联系，如果打散了将反而不好理解，还是直接一次性全部讲完。
本篇我们将详解Cube结构， 介绍Cube结构的每个部分，让大家对Cube结构能有总体的把握。
由于多维数据集的结构和MDX有很强的联系， 因此会有部分内容涉及到MDX，大家只要大概能看懂就行了，后续会有专门的MDX 专题。
文章提纲
-
概述
-
度量值和度量值组
-
维度
-
总结
概述
SQL Server Analysis Services中的多维数据库包含一个或多个多维数据集。
下面我们对多维数据集 (Cube) 的结构进行详解。
前面文章讲过：
Cube组成 = 一个或多个度量值组 + 一个或多个维度
我们分别来讲述这两个部分。
度量值和度量值组
度量值主要指我们需要分析的，可以量化的数值类型的数据， 如销售额， 费用等。
度量值组是由相关度量值组成的集合，每个度量值只能属于一个度量值组。
度量值组主要用于导航目的，以提高可读性或更易于在客户端工具中使用。
我们不会在MDX查询中直接使用度量值组来查询度量值，但是某些MDX函数中可以使用度量值组。
维度
维度就是我们的观察角度。
例如：
时间维度由年、季度、月、周和天构成
地区维度下有国家、大区、省、市构成
层次结构和层次结构级别
维度具有一个或多个层次结构，并且每个层次结构包含一个或多个级别。
如下图。
成员
每个层次结构都包含一个或多个项，这些项被称为成员，而每个成员对应于基础维度表中的一个或多个引用值实例。
以日期维度为例，层次结构(例如 年-月)对应的成员
Year -- 例如 CY2005， CY 2006
Semester -- 例如 H1 CY 2005, H2 CY 2005
Quarter -- 例如 Q1 CY 2005, Q2 CY 2005
Month -- 例如 January 2005, February 2005
下图是一个具体示例：
维度 -- 层次结构（包含多个级别的） -- 具体成员 示意图
MDX如何表示某个特定成员？
在MDX中，某一层次结构的每个特定成员都通过唯一名称进行标识。
可以通过包含维度名称、层次结构名称以及级别名称的名称路径（使用该成员的名称）来访问某一维度中的某个成员，也可以通过键路径（使用该成员的键）进行访问。
例如，Calendar层次结构中的成员Q1 CY 2006可以表示为以下形式：
[Date].[Calendar].[Calendar Quarter].[Q1 CY 2006]
如果名称中包含空格、数字或者属于MDX的关键字，请使用方括号将该名称括起来。
另外一种键路径的格式，路径中成员的键表示为&[成员名称]
例如：
[Date].[Calendar].[Calendar Quarter].&[2006]&[1]
一般情况下，我们用第一种方式：
格式：[维度名称].[层次结构名称].[级别名称].[成员名称]
单元
拿之前那个图来说明。如下图显示了一个多维数据集的3个面。
其中，正面被划分成16个正方形，每个正方形都带有一个数字。
假定每个正方形中的数字是度量值[Internet Sales Amount]，如果查看该正方形所在的小立方体（也是个多维数据集）的其他面，其他面的值也是一样。
这个较小的多维数据集被称为一个单元。
各个单元保存多维数据集中所有度量值对应的数据值。如果某个单元中未提供度量值的数据值，则表示对应的度量值为空。
如要查询图中灰色背景的部分值，MDX查询需要唯一标识包含这个值的单元。该MDX查询如下：
SELECT Measures.[Internet Sales Amount] ON COLUMNS
FROM [Adventure Works]
WHERE ([Date].[Calendar].[Calendar Quarter].&[2011]&[2],
[Product].[Product Line].[Mountain],
[Customer].[Country].[Australia])
在该查询中可以看到, 是基于查询的WHERE子句中的特定条件（该条件可唯一的标识相应的单元）从Adventure Works多维数据集中选择Measures.[Internet Sales Amount]值。
元组
唯一标识多维数据集的一个单元或一部分的MDX表达式称为元组。
元组通过每个维度中的一个成员表示，使用逗号进行分隔，并且用括号括起来。
元组并不必须包含所有维度中的成员。下面是一些基于Adventure Works的元组示例。
([Customer].[Country].[Australia])
([Date].[Calendar].[2011].[H1 CY 2011].[Q1 CY 2011],
[Customer].[Country].[Australia])
([Date].[Calendar].[2011].[H1 CY 2011].[Q1 CY 2011],
[Product].[ProductLine].[Mountain], [Customer].[Country].[Australia])
通过一个元组表示的一个多维数据集部分称为一个切片。
通过一个成员表示的元组称为简单元组，可以不使用括号。
集
一组元组构成一种新的对象，称为集。
这组元组是使用类型和数量上均完全相同的一组维度定义的。在MDX查询和表达式中经常会用到集。
格式：
{(Customer.Country.Australia), (Customer.Country.Canada)}
集可以为空 {}
集可以包含重复的元组
如果查询中仅指定了一个元组，那么可以不用花括号，查询时会隐式转换成集。
一般情况下，我们建议在编写MDX查询时尽量使用括号和花括号，因为这样可以确保MDX查询中指定的元组和集正确无误。
总结
本篇需要理解掌握Cube的各个部分，与Cube结构相关的名词主要有：
量值，量值组，维度，层次结构，层次结构级别，成员，单元，元组，集
相关的名词我都用粗体标出，所有都必须掌握。
大家理解时可以找出其中的联系，通过联系来帮助理解，总结如下：
Cube由量值组和维度组成。
量值组成量值组。
维度具有层次结构，层次结构包含一个或多个级别。
每个层次结构包括一个或多个项（成员）。
标识Cube的一个单元或一部分的MDX表达式称为元组。
多个元组组成集。
这些概念都很重要，全是重点，每个都要掌握。
欢迎大家多多评论与支持。
祝学习进步，谢谢：）
相关文章列表：
- BI之SSAS完整实战教程4 -- 部署至SSAS进行简单分析 @20160908
- BI之SSAS完整实战教程3 -- 创建第一个多维数据集 @20160907
- BI之SSAS完整实战教程2 -- 开发环境介绍及多维数据集数据源准备 @20160823
- BI之SSAS完整实战教程1 -- 开篇， BI简介 & SSAS简介 @20160816
首发博客园 by MiroYuan，转载文章之后必须在文章页面明显位置给出作者和原文连接，否则保留追究法律责任的权利。