Architettura fisica (Analysis Services – Data mining)

Si applica a: SQL Server 2019 e versioni precedenti di Analysis Services Azure Analysis Services Fabric/Power BI Premium

Importante

Il data mining è stato deprecato in SQL Server 2017 Analysis Services e ora è stato interrotto in SQL Server 2022 Analysis Services. La documentazione non viene aggiornata per le funzionalità deprecate e non più disponibili. Per altre informazioni, vedere Compatibilità con le versioni precedenti di Analysis Services.

Microsoft SQL Server Analysis Services usa sia componenti server che client per fornire funzionalità di data mining per applicazioni di business intelligence:

  • Il componente server viene implementato come un servizio di Microsoft Windows. È possibile avere più istanze nello stesso computer, con ogni istanza di SQL Server Analysis Services implementata come istanza separata del servizio Windows.

  • I client comunicano con SQL Server Analysis Services usando l'XML standard pubblico per l'analisi (XMLA), un protocollo basato su SOAP per l'emissione di comandi e la ricezione di risposte, esposte come servizio Web. Tramite XMLA vengono inoltre offerti modelli a oggetti client a cui è possibile accedere usando un provider gestito, ad esempio ADOMD.NET, o un provider OLE DB nativo.

  • I comandi di query possono essere eseguiti utilizzando il linguaggio DMX (Data Mining Extensions), un linguaggio di query standard orientato al data mining, Analysis Services Scripting Language (ASSL) può essere usato anche per gestire gli oggetti di database SQL Server Analysis Services.

Diagramma dell'architettura

Un'istanza di SQL Server Analysis Services viene eseguita come servizio autonomo e la comunicazione con il servizio si verifica tramite XML for Analysis (XMLA), usando HTTP o TCP.

AMO è un livello tra l'applicazione utente e l'istanza di SQL Server Analysis Services che fornisce l'accesso a SQL Server Analysis Services oggetti amministrativi. AMO è una libreria di classi che accetta i comandi da un'applicazione client e converte tali comandi in messaggi XMLA per l'istanza di SQL Server Analysis Services. AMO presenta SQL Server Analysis Services oggetti di istanza come classi all'applicazione utente finale, con membri del metodo che eseguono comandi e membri delle proprietà che contengono i dati per gli oggetti SQL Server Analysis Services.

Nella figura seguente viene illustrata l'architettura dei componenti SQL Server Analysis Services, inclusi i servizi all'interno dell'istanza SQL Server Analysis Services e i componenti utente che interagiscono con l'istanza.

L'illustrazione mostra inoltre che il solo modo di accedere all'istanza è tramite il listener di XML for Analysis (XMLA), utilizzando HTTP o TCP.

Avviso

DSO è deprecato. Non utilizzare DSO per sviluppare soluzioni.

Diagramma dell'architettura di sistema di Analysis Services Analysis

Configurazione server

Un'istanza del server può supportare più database SQL Server Analysis Services, ognuno con la propria istanza del servizio SQL Server Analysis Services che risponde alle richieste client e ai processi degli oggetti.

È necessario installare istanze separate se si desidera utilizzare sia modelli tabulari sia modelli di data mining e/o multidimensionali. SQL Server Analysis Services supporta l'installazione side-by-side delle istanze in esecuzione in modalità tabulare (che usa il motore di analisi vertiPaq in memoria) e le istanze in esecuzione in una delle configurazioni OLAP, MOLAP o ROLAP convenzionali. Per altre informazioni, vedere Determinare la modalità server di un'istanza di Analysis Services.

Per tutte le comunicazioni tra un client e il server Analysis Services viene utilizzato XMLA, un protocollo indipendente da piattaforma e linguaggio. Quando viene ricevuta una richiesta da un client, Analysis Services determina se tale richiesta è correlata a OLAP o al data mining, quindi la indirizza nel modo appropriato. Per altre informazioni sui componenti server, vedere Componenti del server del motore OLAP.

Vedere anche

Architettura logica (Analysis Services – Data mining)