智達方通新一代多維數據庫Intcube Booster發版後完成了與包括全面預算管理軟件在内的智達方通企業績效管理軟件系統Intcube EPM的整合。與上一版多維數據庫Intcube OLAP相比，Intcube Booster的新功能和性能提升，為全面預算管理等EPM應用場景，帶來了更為靈活便捷的實現方式和性能提升。

以下結合全面預算管理項目實施的應用場景，介紹Intcube Booster的部分新功能。

多維數據庫有效提升EPM産品性能

1、智能區間動态計算提升數據讀寫及表單性能

計劃預算等EPM軟件應用的性能問題主要集中在數據量大、計算複雜和頻繁改動的多維數據表單查詢和業務規則運行方面。性能消耗大的主要原因是多維數據查詢時會觸發大量的聚集計算。

以多維數據表單的查詢開表為例，性能耗費主要發生在從數據立方體中查詢明細級多維數據，并根據維度大綱層級結構進行聚集計算。其中，實時的聚集計算通常耗時占比最高。智達方通多維數據庫通過智能判斷表單呈現範圍内的數據依賴關系，最小化動态計算的區間範圍，降低計算量，從而提升了性能，并大幅度降低了動态計算對内存的占用。

2、結構化屬性、标簽化屬性、隻讀屬性等多種屬性功能支持靈活篩選和高速分析

盡管所有多維數據庫系統都不會約束維度的數量，但在任何一個實際應用場景中，使用超過10個維度建立業務數據模型，都不算是優化設計。因為對任何一種多維數據庫技術路線而言，每增加一個維度，其計算複雜度都呈指數級上升；同時，過多維度組成的多維數據模型對業務場景的描述必然帶來不必要的複雜性，進而帶來不必要的存儲空間和計算資源的消耗。複雜業務場景可以通過拆分組合的原則以多個多維數據模型表達實現。那種用維度數量衡量多維數據庫性能的指标體系，沒有任何實際應用意義。

以“項目”維度為例，對于“項目類型”這類元數據标簽，如何創建才不會增加維度數量？最直接的解決方案就是用維度屬性。

維度屬性，包括标簽型的結構化屬性、标簽化屬性、隻讀屬性等，是維度的屬性而不是維度。将某些項目維度成員标識上“項目類型”的屬性，并不會增加維度數量，并且維度大綱還可支持基于屬性的個性化聚集。

因此，靈活運用維度屬性功能，可以減少維度數量，并可更智能的基于維度的屬性标簽做靈活的過濾查詢以及聚集計算和業務規則計算。

3、自動配置維度稠密稀疏屬性

任何一個MOLAP型多維數據庫，都需要設置維度的稠密或系數屬性。這是其底層技術原理決定的。MOLAP多維數據庫與ROLAP不同，需要自己解決存儲問題。而滿足磁盤存儲效率的方案，就是将稠密維度構成數據塊，稀疏維度構造成複合索引形成的鍵值對存儲結構。其中，多維數據立方體中各個維度的稠密稀疏屬性設置的是否合理，直接影響讀寫及計算效率。

智達方通多維數據庫的自動配置維度稠密稀疏屬性，是指當用戶沒有設置維度的稠密稀疏屬性時，多維數據庫将根據維度的特征、成員數量等信息自動優化設置維度系數屬性，同時也支持用戶根據自己的建模需求，設置維度稠密稀疏屬性。

4、結構化維度庫支持維度大綱高度複用

全面預算管理等EPM項目，由于企業的業務複雜性，通常會建立多個模型，如項目計劃、成本預算、資金計劃、物料計劃、銷售測算等。其中很多模型會用到同樣的維度，如組織、科目、産品物料等。但在不同的模型中，同一個組織維度，其大綱的層級結構和成員增減也有可能不同。如何滿足不同模型中的同一個維度既有共性的成員和數據共享，又有個性化的變化滿足不同模型業務差異性要求，這幾乎是所有項目上都會遇到的問題。

智達方通多維數據庫實現了維度的結構化設計。以組織維度為例，支持基礎組織維度大綱設計，及在各個多維數據模型中派生的、子代組織維度大綱。各模型之間，共性的維度成員具有同一個标識，便于引用、查詢和共享數據，以避免不同模型中創建新的維度帶來的同一個業務維度無法共享的問題。

5、支持完整MDX語法及函數庫

MDX語法及函數庫，是多維數據庫計算引擎的核心功能，也是多維數據庫語言的工業标準。相當于SQL之于關系型數據庫的作用。任何一種多維數據庫，如不支持MDX語法，很難具有實際應用價值。

Intcube Booster業務規則設置

智達方通多維數據庫支持完整的MDX語法及函數庫，并支持擴展自定義函數及調用。詳細文檔參見《智達方通多維數據庫Intcube Booster V1.0 mdx函數語法手冊》。

6、維度成員命名空間解決多維數據庫中維度成員的重名問題

多維數據庫設計通常會要求在維度大綱範圍内，維度成員名稱唯一，以保證查詢時的準确定位。但實際業務中，經常會出現：集團總公司->科技部，子公司->科技部 這樣的重複名稱出現。在實際建模過程中，為了滿足維度成員名稱的唯一性，不得不将成員名稱人為更改以保證其唯一性。但這種做法犧牲了用戶實際業務場景描述的客觀性，同時也給元數據管理帶來了一定困難。

智達方通多維數據庫通過維度成員命名空間的設計，實現維度成員名稱可重複出現在維度大綱中，但又不破壞維度成員的獨特性。解決了上述建模問題，給項目實施帶來了便利。

7、補充層次結構(Alternative Hierarchy)解決同一維度沿多路徑聚集（彙總）關系計算問題

以時間維度為例，默認為自然日曆層級結構：年-季度-月。如需要“财務年度”，并且是以3月或4月作為第一個财務年度的月度等個性設置，以往的做法是手工創建分支并設置共享維度成員。新的維度大綱補充層次結構(Alternative Hierarchy)可以更為結構化地定義維度大綱的主從層次結構，并支持基于維度大綱的主要層級結構，根據條件自動生成補充層次結構。

8、 ReadFrom函數支持更為靈活的跨模型取數

全面預算管理等EPM應用中，不可避免會涉及到不同模型間的數據調用。如何支持并高效運行這一功能，是很多多維數據庫産品的一個難題。智達方通多維數據庫實現了包括ReadFrom等跨模型讀寫操作函數，并可在業務規則等計算引擎及查詢指令中高效運行，使更為靈活的多維建模方法成為可能。

結語

多維數據庫是包含全面預算管理軟件在内的企業績效管理（EPM）系統的底層核心技術，沒有多維數據庫技術，就無法高效實現全面預算管理軟件等EPM系統的功能設計。多維數據庫技術的每一項優化和突破，也都會給全面預算管理等EPM應用帶來新的提升和變革。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!