2019/10/11

Cube 是一種資料模型的概念，把資料依照各種維度建立起來的資料模型稱為 Cube。

在設計開發資料模型時，我們一定要先了解星狀 (Star) 和雪花狀 (snowflake) Schema 資料結構，這是建立 Cube 的基礎。（Star / Snowflake 可參考下圖）

Multi-Dimensional Data Model 是在主測量值的外圍會有很多關聯的維度表格，依照分析使用需求上的設計，形成的資料結構關聯圖就好像是 Star 或是 Snowflake 一樣的架構，使用者隨時都可以從任何一個維度視角來查詢資料，這樣就成形了一個所謂 Cube 的概念了。

[範例] Star 星狀 / Snowflake 雪花狀資料結構，以「訂單」資料為範例：

Multi-Dimensional Data Model 有兩個主要的元素，一個是 Dimension，我們稱它為「維度」：另一個是 Measure，我們稱它為「量值」，這兩個元素各司其職，互相輔佐，讓資料可以組合成 Cube 的資料結構型態，更為接近使用者的視角來看資料，這樣的 Cube 資料結構讓使用者在做資料的上鑽、下探、切片、取磚、查詢資料時，能夠用各種維度來做切割，更為接近使用者的視野角度來看資料。

1. 先來談談 Dimension
   維度 (Dimension) 就是在表示商務上的個體，這些個體又包含有屬性和階層，在資料庫中的設計就是一個表格 (Table)，這些維度是為了用來查詢切割計算集成量值的時候，使用者可以查詢的視角，還有使用者可以分析的顆粒度大小，所以，維度的設計必須要跟使用者的資料分析需求和應用息息相關，從使用者的角度來設計維度，這才是符合 Cube 設計的精神和核心。
   Dimension（維度）通常會定義資料屬性的關聯到 Measure（量值），但並非一定，分析計算的顆粒度屬性通常設定為鍵值 (Key)，不是所以的維度都需要關聯到量值，反向來看，所有的量值也不一定會有相同的維度關係和資料集成邏輯。

2. 再來談談 Measure (Fact)
   量值 (Measure) 就是資料庫中所謂的 Fact Table，一個 Fact Table 可能設計表示成的一個 Measure Group（量值群），也就是多個 Measures，通常都是針對單一主題來設計 Measure Group。
   Measure 是設計用來計算的資料，通常會透過一些集成函數來匯總資料，依照維度階層的設計方法來查詢切割存取資料，得到資料分析所需要的資訊。

Cube 是一種由維度 (Dimensions) 和量值 (Measures) 組合而成的資料模型概念，或是稱之為多維度模型 (Multidimensional Model)，互相關聯的 dimensions 形成了 Cube 的最佳設計方法，通常設計的時候，我們會在資料庫 dimensions 設計開發完成之後，再來設計 Cube。

(SSAS) 開發設計 Cube 的步驟：

1. 從資料倉儲準備資料分析所需要的資料來源
2. 建立一個“多維度資料挖掘”專案
3. 設計資料來源（表格和視窗）
4. 開發設計維度
5. 開發設計 Cube
6. 加強 Cube 的設計（計算、集成、KPI、動作等）
7. 發布建置專案/資料庫
8. 設定儲存結構、處理作業邏輯、權限與資料安全

一個 SSAS 的 Multi-Dimensional Data Model Package 組成如下圖：

PS : 一般人誤解「建立資料模型就是在建立 Cube」，所以常常聽到說“做資料分析要先建 Cube”，“沒有 Cube 就不叫做資料分析模型”，但是，如果你使用的不是多維度模型架構，那這個資料模型就不會有 Cube 的資料結構概念存在，如果你用的是表格式資料模型，我們通常也不會稱這個資料模型是 Cube。