20220818170925_ISYS6332-LN8-R1.pdf

LECTURE NOTES ISYS6332 Data Warehouse Week ke - 8 Analysis Services ISYS6507 – Testing and System Implementation LEARNING OUTCOMES LO2 : Implement SQL Server as the tools of Data Warehouse. LO2 : Mahasiswa diharapkan mampu menerapkan SQL Server sebagai alat Data Warehouse. OUTLINE MATERI : 1....

LECTURE NOTES ISYS6332 Data Warehouse Week ke - 8 Analysis Services ISYS6507 – Testing and System Implementation LEARNING OUTCOMES LO2 : Implement SQL Server as the tools of Data Warehouse. LO2 : Mahasiswa diharapkan mampu menerapkan SQL Server sebagai alat Data Warehouse. OUTLINE MATERI : 1. Introduction to tabular models 2. Enhancements in tabular mode 3. Introducing DAX ISI MATERI A. Introduction to tabular models Model tabular SQL Server Analysis Services sangat berbeda dibandingkan dengan model multidimensi karena, dengan model semantik tabular, data dapat disimpan dalam basis data kolom yang sangat terkompresi, dalam memori, yang dirancang untuk mendukung analitik bisnis atas volume data yang kecil hingga besar, di samping mendukung DirectQuery terhadap sumber data yang didukung. Tabel modular juga menggunakan struktur pemodelan tabel untuk menyimpan dan menganalisis dataseperti berikut : Gambar 8.1. Model tabular menggunakan tabular modeling structures, termasuk tabel dan relasi, untuk menyimpan dan menganalisis data Alur kerja pengembangan umum untuk mengembangkan dan menyebarkan model tabular adalah dengan menggunakan SQL Server Data Tools (SSDT) untuk Visual Studio atau Visual Studio dengan ekstensi Analysis Services untuk mendesain model, menyebarkan model sebagai database ke SQL Server Analysis Services atau Azure Analysis Services (AAS), menjadwalkan pemrosesan ulang otomatis model data, dan menetapkan keanggotaan pengguna ke peran keamanan untuk memfasilitasi akses pengguna melalui alat intelijen bisnis. Pengembangan populer lainnya untuk pengguna bisnis dan power user yang mengembangkan dan menerapkan model tabular adalah kemampuan untuk menggunakan Power Pivot dan Power Query di Excel untuk menyambungkan ke sumber data, membersihkan dan mengubah data, dan memodelkan data menggunakan antarmuka yang sudah dikenal. Data dapat divisualisasikan menggunakan kemampuan visualisasi Excel yang kuat. Setelah model siap, file Excel dapat diberikan kepada pengembang intelijen bisnis yang dapat mengonversi model data Power Pivot ke model data Analysis Services menggunakan Visual Studio atau dengan mengimpor ke SQL Server Management Studio (SSMS) dengan sedikit pekerjaan yang diperlukan. Setelah dideploy, pengelolaan database model tabular biasanya dilakukan menggunakan SSMS. SSMS dapat digunakan untuk memulai proses data refreshing, memodifikasi security role dan role membership, menyelesaikan operasi backup dan restore, menghasilkan data analysis expressions or multidimensional expression queries, dan membuat skrip objek baru menggunakan Tabular Model Scripting Language (TMSL). Pengguna biasanya akan melakukan query model tabuler menggunakan alat populer seperti Power BI, Excel, BI Report Server, SQL Server Reporting Services, atau alat pihak ketiga lainnya. Untuk melakukan query model tabular, pengguna akan memerlukan read access ke model. B. Enhancements in tabular mode Layanan Analisis SQL Server 2019 dan AAS menyertakan fitur dan kemampuan baru untuk mendukung persyaratan perusahaan dengan lebih baik. Di bagian ini, kita akan meninjau peningkatan dan kemampuan berikut yang disertakan dalam rilis terbaru Layanan Analisis untuk membantu Anda membangun solusi analitik yang lebih baik: 1. Memory settings untuk resource governance Ada tiga pengaturan memori baru untuk membantu tata kelola sumber daya. Pengaturan memori ini saat ini tersedia untuk Azure Analysis Services : a. Memory\QueryMemoryLimit Properti QueryMemoryLimit adalah properti advanced yang digunakan untuk mengontrol berapa banyak memori yang dapat digunakan oleh hasil sementara selama kueri. Ini hanya berlaku untuk measure dan kueri DAX dan tidak memperhitungkan alokasi memori umum yang digunakan oleh kueri. Nilai default untuk properti ini adalah 0, yang menunjukkan bahwa tidak ada batasan yang ditentukan. Nilai yang ditentukan antara 1 dan 100 menunjukkan persentase memori. Angka yang lebih besar dari 100 ditafsirkan sebagai jumlah byte. Properti ini dapat diatur menggunakan rilis terbaru SSMS untuk mengakses Analysis Server Properties dialog box. b. DbpropMsmdRequestMemoryLimit Properti ini adalah XML untuk analysis property yang digunakan untuk menimpa nilai properti server Memory\QueryMemoryLimit untuk koneksi tertentu. Satuan ukurannya adalah kilobyte. Berikut adalah contoh string koneksi yang menggunakan properti DbpropMsmdRequestMemoryLimit: Provider=MSOLAP.8;Integrated SecurityInfo=True;Initial Security=SSPI;Persist Catalog=Adventure Works;Data Source=localhost;ExtendedProperties="DbpropMsmdRequestMemoryLim it=10000";MDX Compatibility=1;Safety Options=2;MDX Missing Member Mode=Error;Update Isolation Level=2 c. OLAP\Query\RowsetSerializationLimit Properti server RowsetSerializationLimit membatasi jumlah baris yang dikembalikan dalam rowset ke klien. Properti ini berlaku untuk DAX dan MDX dan dapat digunakan untuk melindungi sumber daya server dari penggunaan ekspor data yang ekstensif. Nilai default untuk properti ini adalah -1, yang menunjukkan bahwa tidak ada batasan yang diterapkan. Saat kueri dikirimkan yang melebihi nilai yang ditentukan untuk RowsetSerializationLimit, kueri dibatalkan dan kesalahan dikembalikan. Properti ini dapat diatur menggunakan rilis terbaru SSMS untuk mengakses Server Properties dialog box. 2. Calculation groups Grup kalkulasi/calculation group adalah fitur baru yang menarik yang tersedia di Azure Analysis Services dan baru di SQL Server 2019 Analysis Services. Grup kalkulasi dimaksudkan untuk mengatasi masalah proliferasi ukuran ekstensif dalam skenario pemodelan kompleks yang melibatkan kalkulasi umum seperti time-intelligence calculations. Selain itu, grup kalkulasi akan memungkinkan banyak organisasi dengan kubus multidimensi yang ada yang menampilkan dimensi time-intelligence calculations untuk bermigrasi ke modular table. Dengan cara ini, mereka dapat memanfaatkan fitur tabular terbaru dan/atau bermigrasi ke cloud menggunakan Azure Analysis Services. Banyak Analysis Services tabular models menampilkan lusinan atau ratusan perhitungan dasar. Grup kalkulasi memungkinkan Anda menentukan serangkaian kalkulasi melalui grup kalkulasi, yang dapat diterapkan ke sejumlah kalkulasi dasar. Grup penghitungan diperlihatkan kepada pengguna akhir sebagai tabel dengan satu kolom. Setiap nilai dalam kolom mewakili perhitungan yang dapat digunakan kembali yang dapat diterapkan ke ukuran dasar apa pun jika berlaku. Grup kalkulasi mengurangi jumlah kalkulasi dalam tabular models dan menyediakan antarmuka yang sederhana dan rapi bagi pengguna akhir. Tiga fungsi DAX baru berikut ini diperkenalkan untuk mendukung grup kalkulasi : Gambar 8.2. Fungsi DAX baru 3. Dynamic format strings String format dinamis, saat digunakan dengan grup kalkulasi, memungkinkan pemformatan bersyarat untuk pengukuran. Ini sangat berguna dalam skenario di mana penghitungan dalam grup penghitungan harus memformat ukuran secara berbeda berdasarkan penghitungan. Misalnya, perhitungan pertumbuhan tahun-ketahun harus diformat sebagai currency, sedangkan perhitungan persentase pertumbuhan tahun-ke-tahun harus diformat sebagai percentage. Untuk memfasilitasi pemformatan dinamis pengukuran yang digunakan dengan grup penghitungan, fungsi DAX berikut ditambahkan: Gambar 8.3. Fungsi DAX yang ditambahkan 4. DirectQuery Secara default, model tabular menggunakan cache dalam memori untuk menyimpan dan meminta data. Biasanya, ini memastikan bahwa kueri sederhana dan kompleks terhadap tabular model sangat cepat. Namun dalam skenario tertentu dengan kumpulan data yang sangat besar, memori yang tersedia mungkin tidak cukup untuk memenuhi persyaratan volume data dan refreshment. Tabular model dengan DirectQuery diaktifkan tidak menyimpan data dalam cache di memori. Sebagai gantinya, kumpulan data tetap berada di Relational Database Management System (RDBMS) dan semua kueri terhadap model tabular dikirim ke RDBMS yang mendasarinya. DirectQuery menawarkan manfaat berikut untuk mengatasi batasan yang terkait dengan volume data yang agresif dan persyaratan refresh: a. Kumpulan data bisa lebih besar dari memori yang tersedia dari server Analysis Services. b. Data selalu terbarui karena perubahan pada kumpulan data yang mendasarinya segera tercermin dalam kueri terhadap model tanpa perlu memproses Analysis Services model. c. Keamanan dapat dikelola di RDBMS. d. Analysis Services dapat melakukan pengoptimalan untuk rumus kompleks guna memastikan rencana kueri untuk kueri yang dieksekusi terhadap RDBMS akan seefisien mungkin. 5. Bidirectional cross-filtering 6. Many-to-many relationships 7. Query interleaving dengan short query bias Interleaving kueri dengan short query bias memungkinkan concurrent queries untuk berbagi sumber daya CPU sehingga kueri yang lebih cepat tidak diblokir di belakang kueri yang lebih lambat. short query bias berarti kueri cepat dapat dialokasikan dengan proporsi sumber daya yang lebih tinggi daripada kueri yang berjalan lama. Interleaving kueri dimaksudkan untuk memiliki sedikit atau tidak ada dampak kinerja pada kueri yang berjalan secara terpisah. Satu kueri masih dapat menggunakan CPU sebanyak mungkin. 8. Governance settings untuk Power BI cache refreshes 9. Online attach KESIMPULAN 1. model semantik tabular, data dapat disimpan dalam basis data kolom yang sangat terkompresi, dalam memori, yang dirancang untuk mendukung analitik bisnis atas volume data yang kecil hingga besar, di samping mendukung DirectQuery terhadap sumber data yang didukung. 2. Alur kerja pengembangan umum untuk mengembangkan dan menyebarkan model tabular adalah dengan menggunakan SQL Server Data Tools (SSDT) untuk Visual Studio atau Visual Studio dengan ekstensi Analysis Services untuk mendesain model, menyebarkan model sebagai database ke SQL Server Analysis Services atau Azure Analysis Services (AAS), menjadwalkan pemrosesan ulang otomatis model data, dan menetapkan keanggotaan pengguna ke peran keamanan untuk memfasilitasi akses pengguna melalui alat intelijen bisnis. 3. Peningkatan layanan tabular: a. Memory settings untuk resource governance b. Calculation groups c. Dynamic format strings d. DirectQuery e. Bidirectional cross-filtering f. Many-to-many relationships g. Query interleaving dengan short query bias h. Governance settings untuk Power BI cache refreshes i. Online Attach DAFTAR PUSTAKA Kellyn Gorman, Allan Hirt, Dave Noderer, James Rowland-Jones, Arun Sirpal, Dustin Ryan, and Buck Woody. (2019). Introducing Microsoft SQL Server 2019. Packt Publishing. Birmingham UK. ISBN 978-1-83882-621-5