商业分析师通常会使用各种数据分析工具对数据进行分析。传统的 OLAP 引擎有很多，其中 Microsoft SQL Server Analysis Services（SSAS）是世界上应用最广泛的 OLAP 引擎之一，众多大型企业均是 SSAS 的深度用户。SSAS 具备许多优秀特性，使其成为许多传统商业智能方案的理想选择，但身处大数据时代，它面临着越来越多的挑战。 而随着 Hadoop 为代表的大数据技术日臻完善，一个理想的 BI/OLAP 分析架构应该保留所有 SSAS 分析功能，并且能够利用 Hadoop 技术的横向可扩展性解决 SSAS 面临的所有痛点，带来下列重要的业务价值：
Kyligence 正是这样一个完美的 SSAS 升级大数据解决方案。
SSAS（多维模式） |
Kyligence |
|
技术架构 |
||
|
可扩展性 |
存储模式为缓存，支持纵向扩展，扩容时需要升级硬件后进行数据迁移
|
存储模式为 HDFS，支持横向扩展，扩容时仅需增加节点，无需停机升级，针对不同场景可以弹性伸缩，任意扩展
|
|
运维成本 |
维度数量及 Cube 大小均有限制, 单 Cube 不能超过10TB
|
维度数量和 Cube 大小均无限制, 使用单 Cube 替换传统的多个 Cube，降低运维成本
|
|
BI 工具集成 |
Excel, Power BI, Tableau, MicroStrategy
|
Excel, Power BI, Tableau, MicroStrategyQlik, Cognos, BO, OBIEE
|
|
建模灵活性 |
仅支持多维数据集所有维度的组合
|
可基于用户自定义的维度构建 Cube
|
|
最大数据量 |
每个分区最多2亿行
|
无限制
|
|
支持丰富的数据接口 |
MDX
|
MDX/SQL/REST API可满足各类应用调用需求
|
|
支持丰富的 OLAP 模式 |
MOLAP/ROLAP/HOLAP
|
|
|
刷新模式 |
增量/全量
|
|
用户分析 |
||
|
多事实表模型 |
||
|
层次结构定义 |
||
|
计算度量定义 |
||
|
多对多关系定义 |
||
|
度量组定义 |
||
虽然 SSAS 具备许多特性，使其成为许多传统商业智能方案的理想选择，但身处大数据时代，它面临着越来越多的挑战。并且随着数据量爆炸式的增长，以下这些挑战显得尤为严峻。
通常情况下 SSAS 使用的是 MOLAP 模式，该方式在较小数据量时，性能优势较大。但面对大型数据集，超多维度时导致的“维度爆炸”问题将使 MOLAP 架构难以维持。
SSAS 扩展时，仅能通过升级配置实现。对于高配置的一体机已经是一笔不小的费用，同时 SSAS 的 License 是根据设备的内核数量收费，企业版每个内核官方定价高达14,256美元。
若现有的 SSAS 处理能力无法满足需求，需要增强其处理能力时，用户就必须为运行 SSAS 的机器增加更多的 CPU 或者内存。同时如果需要存储更多的数据，则需要扩展本地或者 SAN 存储。这样就限制了系统的可扩展性。
当支撑的数据量上升到10TB以上级别，SSAS 处理多维立方体所需要的时间需要1天以上，甚至2到3天，且 TB 级数据无法同时存储在同一个 Cube 中，这都会造成分析服务的延滞甚至不可用。
Kyligence 不仅具备了 SSAS 众多优秀的特性，也克服了传统 SSAS 的规模限制， 成为了一个传统架构迁移大数据架构的极佳选择。
基于 Hadoop 的大数据架构极大的提升了系统的扩展性，降低了扩展系统能力的难度。
构建集群并不需要高配置的一体机，硬件成本大大降低。
构建集群并不需要高配置的一体机，硬件成本大大降低。
Kyligence 平台能够支持复杂的语义定义，使业务在进行前端分析时无需考虑这些复杂逻辑，专注业务场景分析。
业务用户可以完整的保留当前使用Excel的分析体验。使用其他商业BI也可以通过SQL接口轻松的对接 Kyligence 平台。
解决方案
Excel 大数据分析解决方案