实践目标

         定义完元数据，部署到DQL Server后，再进行多维分析(OLAP)时，体会后续界面操作、概念理解上的难易，探究DQL查询语言对多维分析的实际提升效果；同时，进一步探测DQL查询能力的完备性。

融入关联关系的元数据树

         上一节设置了关联关系的元数据orders.lmd中，表名、字段名设置成中文语义：

        

        部署到DQL Server中，在WEB多维分析系统里针对它做多维分析，能看到元数据中设置的关联关系已经体现到元数据树上，如订单表的销售ID展开后，关联到员工(销售)表：

隐式的关联多维分析

         在这颗元数据树上直接做多维分析，也能实现之前测试的多种关联方式DQL示例的查询。界面操作也基本继承了DQL的语法特点，过程中不像SQL那样明显感觉到表关联。

同维表关联

       同维表所有的字段都合并在一起，感觉是一个表，可以混合着选出两个表中的任意字段：

多级关联表

         逐层展开后看到多级关联表，可以随意选用各级字段：

自关联表

         订单表的发货城市关联到区域表，之后用父区域可以一直展开，第一次展开父区域是发货省份，再继续展开父区域是发货地区：

互关联表

         员工表里的部门字段展开到部门表，部门表中的部门经理字段又展开回到员工表，这个第三层的员工表，代表的是部门经理这种特殊员工：

重复关联表

         订单表里的发货城市、收货城市都关联到区域表，能分别展开，自然的也就分别代表收、发货的相关信息：

多字段关联表

         订单表里的产品外键比较特殊，它是用两个字段关联到产品表，这里也能顺利展开，使用产品名称等相关字段：

关联以外的全面查询能力

         关联(JOIN)是SQL里的重要能力，除此之外，更全面的能力还有查询条件(WHERE)、分组(GROUP BY)、分组后过滤(HAVING)、排序(ORDER BY)，DQL对这些也能支持。

设置查询条件

        SELECT

                T1.(发货城市.区域名称) 发货城市

                ,T1.(产品.产品名称) 产品名称

        FROM

                订单表 T1

        WHERE

                T1.发货城市.区域名称 in ('辽阳市','邯郸市')

        相应的多维分析操作：

分组聚合

        SELECT

                T1.count(姓名) 姓名计数

                ON 部门

        FROM

                员工表 T1

                BY T1.部门

 

        相应的多维分析操作：

聚合条件

        SELECT

                T1.count(姓名) 姓名计数

                ON 部门

        FROM

                员工表 T1 by 部门

                HAVING T1.count(姓名)>5

        相应的多维分析操作：

数据排序

        SELECT

                T1.订单ID 订单ID

                ,T1.发货城市.区域名称 发货城市

                ,T1.产品.含批次号产品名

        FROM

                订单表 T1

                ORDER BY 订单ID DESC

 

        相应的多维分析操作：

 

         这样测试下来，DQL的查询能力和SQL一样，也是完备的。而DQL对表关联的预定义比较关键，基于它才实现了非按需多次建模(制作CUBE)、自动化的多维分析。