MicroStrategy的最优数据库结构

Question

我在职业生涯的大部分时间里都在开发数据仓库\ marts作为Star Schemas，因为它们通常与Microsoft的Analysis Services一起使用。但是，我们开始利用MicroStrategy 9.0.1，我被告知Star Schema不是这个平台的最佳选择。 MicroStrategy对这个话题没有官方立场，所以我想我会问这个社区。我是否还应该继续使用非规范化结构，还是应该考虑采用更加规范化的方法来对这个平台进行评估？

我的意图不是开始一场Kimball对抗Inmon vs等战争，任何真实的世界经验都会受到赞赏

Answer 1

我在土耳其的一家银行工作，我们与MicroStrategy合作已超过3年。我们确实有20多个不同的项目在不同的数据库和不同的模式类型上运行。正确设计（和实现）时，MSTR完全能够处理星型模式，并生成适度的sql语句。在设计arcitecture时习惯于MSTR的父子和查找/事实表处理可能会很麻烦，我应该说。但是一旦你克服了它，它就很方便了。

Answer 2

过去八年来，我有幸（或其他方面）与MicroStrategy合作。我认为可以公平地说该产品被设计为与第三范式的模式一起使用。也就是说，使用以这种方式设计的模式在工具中建模对象是最容易的。

正如Ugur所说，MSTR非常有能力使用星型模式，并且根据您的数据，使用星型模式（出于性能目的）可能更好，即使建模有点（或很多）在MicroStrategy项目中更难。

Answer 3

使用MicroStrategy的星型模式实际上并不是什么大不了的事。它只需要一点点习惯，它会生成具有该格式的精细查询。

来自一位经验丰富的MSTR顾问，我听说MSTR真正喜欢的数据形状是一种改良的雪花。数据维度被建模为雪花片，但每个层包含其上方层次结构中的表格数据。

我认为您可以在Jumpstart项目中看到模式。位于： http://www.microstrategy.com/BI-application-jumpstart/

最终，我认为您应该继续使用最适合您的技术。逻辑数据模型的设置应该不会太麻烦，并且MSTR有大量的性能优化技术（缓存，内存中的多维数据集，...），您可以使用后续文本来解决问题。

Answer 4

当我们在2007年开始迈向MicroStrategy路径时，我们合作的MicroStrategy顾问告诉我们星型模式是可以的，但他们的技术最适合雪花模式。不同之处在于尺寸是标准化的，即不是时间维度表，而是具有日，周，月，季度和年维度表。由于我们在运输和物流行业运营，我们的数据仓库有很多复杂的关系，但数据量不大;高“桌对比”。在正统形式中，星形和雪花模式仅通过一致的维度连接事实表，并且有一段时间我们考虑在事实表之间具有连接的“混合”模式。最后，我们选择了一个标准化的数据仓库结构，最适合公司。

我们花了很多个月的时间来开发和改进我们的仓库表格上的MicroStrategy架构对象标准，最终开发出非常强大的模式。这些模式并未得到很好的认可，据我所知，并未与其他MicroStrategy客户广泛使用。他们生成了非常复杂的sql，我们收到了极好的响应时间，即使对于临时报告也是如此，因为我们使用Netezza作为我们的数据仓库。缺点是遵循该模式所需的应用程序对象的数量远高于其他模式，并且开发新指标的专业水平很高。我们成功培训了所有BI用户，以使用现有指标（由专业BI团队开发）。这个BI / DW解决方案现在正在使用中。

因此，我认为MicroStrategy不是为标准化数据仓库架构而构建的，尽管它们的技术非常可靠，并且足够强大，可以在这样的数据库上运行。他们首选的模式是雪花，带有规范化维度表和标准事实表。