多維數據庫是一個非常有趣的領域，在企業應用中得到越來越多的應用，其創造的價值恐怕已經接近於數據庫了。當然在這個領域Oracle和IBM是當之無愧的老大，市場佔有份額加起來超過了8層了吧。但是單純從工具的易用性和方便性角度來講，MS的AS工具無疑佔據了領先地位。
爲什麼沒人買呢？引用一個做市場的哥們的話：因爲這個世界太浮躁了，老闆們不願意去培訓員工使用一套工具，它們只願意花錢去買看得見的東西。
這樣做的好處是，養活了大批的IT民工，壞處養活了更多不勞而獲的人。這就是現實。
好吧，廢話少說，本人還是很有興趣研究這套工具的。
在msas中，cube是多維數據庫的核心對象，cube又是基於數據庫的關係表，而cube又是數據挖掘的基礎。下圖顯示了這些對象之間的關係：
從這張圖可以看出，多個Analysis Service的實例可以並存在一個服務器上，每個實例可以包含若干個對象。這個寫對象可以是數據庫，也可以是多維數據體，或者是數據挖掘實體。
用戶程序可以通過客戶端訪問這些實體，調用其功能。
Cube，數據立方體是多維數據庫中最重要的概念，它由度量和維度組成。
維度表通常表示靜止的實體，例如地區，時間，用戶信息。
幾個維度表分別貢獻一行數據，組合起來可以表示一個事件，例如Jack昨天在紐約。
那麼Jack昨天在紐約幹了些什麼呢？度量是對上述事實的數據說明，例如，Jack花了1美元，用了一小時，等等。
事實表，顧名思義，每行數據表示一個事實，IBM在中國西部的新疆投資1000萬。度量對應於事實表中的數據列或者數值函數，事實表還包含與維表進行關聯的外鍵列，IBM對應於投資者維度，中國西部對應於地域維度。
事實表和維表的關聯關係用圖來表示，就像中心，輻射出幾個小星星的樣子。因此稱爲星型模型。
如果維表不是直接連在事實表上，而是連在另一個維表上，那麼稱爲雪花模型。
維度表包含多個列，其中一個列唯一標誌一行數據，稱爲鍵列。維度表的每一行對應一個成員，每一列表示成員的一個屬性。
按照任一屬性可以將維分成兩個層次，第一層：所有成員聚合；第二層：按照該屬性的所有不同值聚合。
一個或多個屬性確定一個層次，例如年、月、日三個屬性確定了日這一層次。每個層次的成員對應一個或多個維表的成員。
由相關屬性確定的幾個層次組成一個層次結構。下層的多個成員唯一對應於上層的一個成員，組成父子關係。
使用msas創建cube的時候，首先選定一個數據庫，稱爲data source；
再創建一個數據源視圖，它將一個或多個DataSource中的表組合在一起，除了這些表自身的列以外，你還可以創建新的列；
如果表的結構足夠簡單明瞭，你可以使用MSAS的功能自動從數據源視圖上生成一個cube。
那麼MSAS是如何自動產生Cube的呢？
這個過程相當的神奇，其實msas很聰明的從表結構中找出了事實表。明辨出哪些列表示measure，哪些列是維表的外鍵。再找出哪些表是維表，分別使用什麼主鍵。最後將他們關聯起來。
但是事實表並不是和維表關聯，實際上，它是和維表上一個層次結構關聯。維表上的內在的層次結構是All和所有鍵列的值組成的。
下一篇文章裏，我們將詳細講維表的層次結構。