MDX의 주요 개념(Analysis Services)Key Concepts in MDX (Analysis Services)

MDX(Multidimensional Expressions)를 사용하여 다차원 데이터를 쿼리하거나 큐브 내에 MDX 식을 만들기 전에 다차원의 개념과 용어를 이해하는 것이 도움이 됩니다.Before you can use Multidimensional Expressions (MDX) to query multidimensional data or create MDX expressions within a cube, it helps to understand multidimensional concepts and terms.

이미 알고 있는 데이터 요약 예제를 사용하여 시작한 다음 MDX가 어떻게 관련되는지 확인하는 것이 좋습니다.The best place to start is with a data summarization example you already know, and then see how MDX relates to it. 여기에 Excel에서 생성되고 Analysis Services 샘플 큐브의 데이터로 채워진 피벗 테이블이 있습니다.Here’s a PivotTable created in Excel, populated with data from an Analysis Services sample cube.

측정값과 차원이 호출 된 피벗 테이블PivotTable with measures and dimensions called out

측정값 및 차원Measures and Dimensions

Analysis Services 큐브는 측정값, 차원 및 차원 특성으로 구성되며, 모두 피벗 테이블 예제에서 분명하게 확인할 수 있습니다.An Analysis Services cube consists of measures, dimensions, and dimension attributes, all of which are evident in the PivotTable example.

측정값 은 셀에 있는 숫자 데이터 값으로 합계, 개수, 백분율, 최소, 최대 또는 평균으로 집계됩니다.Measures are numeric data values found in cells, aggregated as a sum, count, percentage, min, max, or average. 측정값은 사용자 탐색 및 피벗 테이블과의 상호 작용에 응답하여 실시간으로 계산되는 동적인 값입니다.Measure values are dynamic, calculated in real time, in response to user navigation and interaction with the PivotTable. 이 예에서 셀은 축을 확장하거나 축소함에 따라 늘어나거나 줄어드는 Reseller Sales Amounts를 보여 줍니다.In this example, the cells show Reseller Sales Amounts that increase or decrease based on whether you expand or collapse the axes. Date(연도, 분기, 월 또는 날짜) 및 Sales Territory(Country group, Country, Region) 조합의 경우, 해당 특정 컨텍스트에 대해 합산된 Reseller Sales Amount를 얻을 수 있습니다.For any combination of Date (year, quarter, month, or date) and Sales Territory (Country group, Country, Region) you can get a Reseller Sales Amount, summed for that particular context. 측정값과 동의어인 다른 용어는 팩트(데이터 웨어하우스)와 계산된 필드(테이블 및 Excel 데이터 모델)입니다.Other terms that are synonymous with measures are facts (in data warehouses) and calculated fields (in tabular and Excel data models).

차원 은 피벗 테이블의 열 및 행 축에 있으며 측정값의 의미를 제공합니다.Dimensions are on the column and row axes of a PivotTable, providing the meaning behind the measure. 차원은 관계형 데이터 모델에서 테이블과 유사합니다.Dimensions are analogous to Tables in a relational data model. 차원의 일반적인 예로는 Time, Geography, Products, Customers, Employees 등이 있습니다.Common examples of a dimension include Time, Geography, Products, Customers, Employees, and so on. 이 예에는 행에 Sales Territory라는 차원과 위에 Date라는 차원이 있지만, Promotions 또는 Products처럼 Reseller Sales와 연관된 다른 차원을 쉽게 끌어서 놓고 이러한 차원과 함께 판매 실적을 볼 수 있습니다.This example has two dimensions, Sales Territory on the rows, and Date across the top, but you could easily drag and drop other dimensions associated with Reseller Sales, such as Promotions or Products, to view sales performance along those dimensions. 데이터를 재미있게 탐색하는 기능은 생성하는 차원 및 이러한 차원이 데이터 원본의 팩트 테이블과 연관되는지에 달려 있습니다.Your ability to explore data in interesting ways depends on the dimensions you create, and whether they are related to fact tables in your data source.

차원 특성 은 차원 내에 이름이 지정된 항목으로 테이블의 열과 비슷합니다.Dimension attributes are the named items within a dimension, similar to columns in a table. 이 예에서 Sales Territory 차원 특성은 Country Group(Europe, North America, Pacific), Country(Canada, United States) 및 Region(Central, Northeast, Northwest, Southeast, Southwest)으로 구성됩니다.In this example, the Sales Territory dimension attributes consist of Country Group (Europe, North America, Pacific), Country (Canada, United States), and Region (Central, Northeast, Northwest, Southeast, Southwest).

각 특성에는 연관된 데이터 값 또는 구성원의 컬렉션이 있습니다.Each attribute has a collection of data values, or members, associated with it. 예에서 Country Group 특성의 구성원은 Europe, North America 및 Pacific입니다.In our example, members of the Country Group attribute are Europe, North America, and Pacific. 구성원 은 특성에 속하는 실제 데이터 값을 의미합니다.Members refers to the actual data values that belong to an attribute.

참고

데이터 모델링의 한 가지 측면은 이미 데이터 자체 내에 존재하는 패턴과 관계를 형식화하는 것입니다.One aspect of data modeling is to formalize the patterns and relationships that already exist within the data itself. 국가-지역-도시의 경우처럼 자연 계층에 속하는 데이터로 작업할 때 특성 관계를 생성하여 해당 관계를 형식화할 수 있습니다.When working with data that falls into a natural hierarchy, as is the case with countries-regions-cities, you can formalize that relationship by creating an attribute relationship. 특성 관계는 특성 간의 일 대 다 관계입니다. 예를 들어 도에는 여러 개의 시가 있지만 시는 한 도에만 속하는 도/시 관계가 이에 해당합니다.An attribute relationship is a one-to-many relationship between attributes, for example a relationship between a state and a city – a state has many cities, but a city belongs to just one state. 모델에서 특성 관계를 생성하면 쿼리 성능의 속도가 빨라지므로 데이터가 지원하는 경우 특성 관계를 생성하는 것이 좋습니다.Creating attribute relationships in the model speeds up query performance, so it’s a best practice to create them if the data supports it. SQL Server Data Tools의 차원 디자이너에서 특성 관계를 만들 수 있습니다.You can create an attribute relationship in Dimension Designer in SQL Server Data Tools. Define Attribute Relationships를 참조하십시오.See Define Attribute Relationships.

Excel에서 모델 메타데이터가 피벗 테이블 필드 목록에 표시됩니다.Inside Excel, model metadata shows up in the PivotTable field list. 위 피벗 테이블과 아래 필드 목록을 비교해 보세요.Compare the PivotTable above to the field list below. 필드 목록에는 Sales Territory, Group, Country, Region(메타데이터)이 포함되는 반면, 피벗 테이블에는 구성원(데이터 값)만 포함됩니다.Notice that the field list contains Sales Territory, Group, Country, Region (metadata), whereas the PivotTable contains just the members (data values). 아이콘 모양을 알면 다차원 모델의 부분과 Excel의 피벗 테이블을 쉽게 연결할 수 있습니다.Knowing what the icons look like can help you easily relate the parts of a multidimensional model to a PivotTable in Excel.

피벗 테이블 필드 목록PivotTable field list

특성 계층Attribute Hierarchies

각 축을 따라 수준을 확장하고 축소하면 피벗 테이블의 값이 위 또는 아래로 이동한다는 것은 모두 알고 계실 것입니다. 하지만 어떤 원리에 의해 이것이 가능한 것일까요?Almost without having to think about it, you know that values in a PivotTable go up or down as you expand and collapse the levels along each axis, but what makes this so? 그 답은 특성 계층에 있습니다.The answer lies in attribute hierarchies.

모든 수준을 축소하고 각 Country Group 및 Calendar Year의 총합계를 보세요.Collapse all the levels and notice the grand totals for each Country Group and Calendar Year. 이 값은 계층 구조 내의 (전체) 구성원 이라는 항목에서 파생됩니다.This value is derived from something called the (All) member within a hierarchy. (전체) 구성원은 특성 계층의 모든 구성원에 대해 계산된 값입니다.The (All) member is the calculated value of all members in an attribute hierarchy.

  • 결합된 모든 Country Group 및 Date의 (전체) 구성원은 $80,450,596.98입니다.The (All) member for all Country Groups and Dates combined is $80,450,596.98

  • CY2008의 (전체) 구성원은 $16,038,062.60입니다.The (All) member for CY2008 is $16,038,062.60

  • Pacific의 (전체) 구성원은 $1,594,335.38입니다.The (All) member for Pacific is $1,594,335.38

    이처럼 집계는 미리 사전 계산되고 저장됩니다. 이것이 바로 Analysis Services가 제공하는 빠른 쿼리 성능의 비결입니다.Aggregations like this are pre-computed and stored in advance, which is part of the secret to fast query performance of Analysis Services.

    설명선 all 멤버가 포함 된 피벗 테이블PivotTable with all member called out

    계층을 확장하면 결국 최저 수준으로 이동합니다.Expand the hierarchy, and eventually you get to the lowest level. 이를 리프 구성원이라고 합니다.This is called the leaf member. 리프 구성원은 계층에서 하위 항목이 없는 구성원입니다.A leaf member is a member of a hierarchy that has no children. 이 예에서는 Australia가 리프 구성원입니다.In this example, Australia is the leaf member.

    리프 구성원이 호출 된 피벗 테이블PivotTable with leaf member calle dout

    그 위의 것은 상위 구성원이라고 합니다.Anything above it is called a parent member. Pacific은 Australia의 상위입니다.Pacific is the parent of Australia.

    특성 계층의 구성 요소Components of an attribute hierarchy

    이러한 개념이 모두 함께 특성 계층의 개념을 형성합니다.Together, all these concepts build towards the concept of an attribute hierarchy. 특성 계층은 다음 수준이 들어 있는 특성 구성원의 트리입니다.An attribute hierarchy is a tree of attribute members containing the following levels:

  • 각각의 고유 특성 멤버가 들어 있는 리프 수준. 리프 수준의 각 멤버는 리프 멤버라고도 합니다.A leaf level that contains each distinct attribute member, with each member of the leaf level also known as a leaf member.

  • 특성 계층이 상위-하위 계층인 경우, 중간 수준(나중에 자세히 설명).Intermediate levels if the attribute hierarchy is a parent-child hierarchy (more on that later).

  • 모든 하위 특성의 집계된 값이 들어 있는 (전체) 구성원.An (All) member that contains the aggregated value of all the child attributes. 해당 데이터에 맞지 않는 경우 선택적으로 (전체) 수준을 숨기거나 해제할 수 있습니다.Optionally, you can hide or turn off the (All) level when it doesn’t make sense for the data. 예를 들어 Product Code는 숫자이지만 합산하거나 평균을 내거나 모든 Product Code를 집계하는 데 맞지 않습니다.For example, although Product Code is numeric, it wouldn’t make sense to sum or average or otherwise aggregate all of the Product Codes.

참고

BI 개발자는 종종 특성 계층에 속성을 설정하여 클라이언트 응용 프로그램에서 특정 동작을 얻거나 특정 성능 혜택을 얻습니다.BI developers often set properties on the attribute hierarchy to achieve certain behaviors in client applications, or gain certain performance benefits. 예를 들어 (전체) 구성원과는 맞지 않는 특성에 AttributeHierarchyEnabled=False를 설정할 수 있습니다.For example, you would set AttributeHierarchyEnabled=False on attributes for which the (All) member doesn’t make sense. 또는 단순히 (전체) 구성원을 숨기고자 하는 경우 AttributeHierarchyVisible=False를 설정할 수 있습니다.Alternatively, perhaps you simply want to hide the (All) member, in which case you would set AttributeHierarchyVisible=False. 속성에 대한 자세한 내용은 Dimension Attribute Properties Reference (영문)를 참조하세요.See Dimension Attribute Properties Reference for more details about properties.

이 예를 살펴보면 피벗 테이블 내에서 행 및 열 축을 확장하여 특성의 더 낮은 수준을 볼 수 있습니다.Within the PivotTable (at least in this example), row and column axes expand to show lower levels of attributes. 모델에서 생성하는 탐색 계층을 통해 확장 가능한 트리를 얻습니다.An expandable tree is achieved through navigation hierarchies that you create in a model. AdventureWorks 샘플 모델에서 Sales Territory 차원에는 Country Group으로 시작하여 Country, Region으로 이어지는 여러 수준의 계층이 있습니다.In the AdventureWorks sample model, the Sales Territory dimension has a multi-level hierarchy that begins with a Country Group, followed by Country, followed by Region.

이처럼 계층은 피벗 테이블 또는 다른 데이터 요약 개체에서 탐색 경로를 제공하는 데 사용됩니다.As you can see, hierarchies are used to provide a navigation path in a PivotTable or other data summarization objects. 기본 유형으로는 균형과 불균형이 있습니다.There are two basic types: balanced and unbalanced.

균형 계층 구조Balanced Hierarchies

균형된 계층 구조의 호출 된 피벗 테이블PivotTable with balanced hierarchy called out 균형 계층 은 최상위 수준과 모든 리프 구성원 사이의 수준 수가 동일한 계층입니다.A balanced hierarchy is a hierarchy in which the same number of levels exists between the top level and any leaf member.

자연 계층 은 기본 데이터에서 자연적으로 발생하는 계층입니다.A natural hierarchy is one that emerges naturally from the underlying data. 일반적인 예로는 Country-Region-State, Year-Month-Date 또는 Category-Subcategory-Model이 있으며 각 하위 수준은 상위로부터 예측할 수 있습니다.A common example is Country-Region-State or Year-Month-Date or Category-Subcategory-Model, where each subordinate level flows predictably from the parent.

다차원 모델에서 계층 대부분은 균형 계층이며, 이 중 대부분이 자연 계층입니다.In a multidimensional model, most hierarchies are balanced hierarchies, and many of them are also natural hierarchies.

관련된 다른 모델링 용어는 사용자 정의 계층 구조이며 종종 특성 계층과 대조적으로 사용됩니다.Another related modeling term is a user-defined hierarchy, often used as a contrast with attribute hierarchies. BI 개발자가 생성한 계층이라는 의미로, 특성을 정의할 때 Analysis Services에서 자동으로 생성되는 특성 계층과 반대되는 개념입니다.It simply means a hierarchy created by the BI developer, as opposed to attribute hierarchies that are automatically generated by Analysis Services when you define an attribute.

불균형 계층 구조Unbalanced Hierarchies

비정형된 계층이 호출 된 피벗 테이블PivotTable with ragged hierarchy called out 비정형 계층 또는 불균형 계층 은 최상위 수준과 리프 구성원 사이의 수준 수가 다른 계층입니다.A ragged hierarchy or unbalanced hierarchy is a hierarchy in which different numbers of levels exist between the top level and the leaf members. 이 또한 BI 개발자가 생성하지만 이 경우 데이터에 차이가 있습니다.Again, it’s a hierarchy created by the BI developer, but in this case there are gaps in the data.

AdventureWorks 샘플 모델에서, 미국에는 이 예의 다른 국가에는 존재하지 않는 추가 수준(Regions)이 있기 때문에 Sales Territory는 비정형 계층을 보여 줍니다.In the AdventureWorks sample model, Sales Territory illustrates a ragged hierarchy because the United States has an additional level (Regions) that does not exist for other countries in this example.

클라이언트 응용 프로그램이 비정형 계층을 원활하게 처리하지 못하는 경우 비정형 계층은 BI 개발자에게 문제가 됩니다.Ragged hierarchies are a challenge to BI developers if the client application does not handle ragged hierarchies in an elegant manner. Analysis Services 모델에서 여러 수준 데이터 간의 관계를 명확하게 정의하는 상위-하위 계층 구조 를 만들어 한 수준이 다른 수준과 관련되는 방식의 모호성을 없앨 수 있습니다.In Analysis Services model, you can build a parent-child hierarchy that explicitly defines a relationship among multi-level data, eliminating any ambiguity as to how one level relates to the next. 자세한 내용은 부모-자식 차원 을 참조하세요.See Parent-Child Dimensions for details.

키 특성Key Attributes

모델은 키와 인덱스를 사용하여 연결을 만드는 관련 개체의 컬렉션입니다.Models are a collection of related objects that rely on keys and indexes to make the associations. Analysis Services 모델도 다르지 않습니다.Analysis Services models are no different. 각 차원(관계형 모델의 테이블과 동일)에 대해 키 특성이 있습니다.For each dimension (recall it is equivalent to a table in a relational model), there is a key attribute. 키 특성 은 팩트 테이블(측정값 그룹)에 대한 외래 키 관계에서 사용됩니다.The key attribute is used in foreign key relationships to the fact table (measure group). 차원에서 키가 아닌 모든 특성이 키 특성에 직접적으로 또는 간접적으로 연결됩니다.All non-key attributes in the dimension are linked (directly or indirectly) to the key attribute.

항상은 아니지만, 종종 키 특성은 세분성 특성이기도 합니다.Often, but not always, the key attribute is also the Granularity Attribute. 세분성이란 데이터 내의 세부 정보 또는 정밀도 수준을 의미합니다.Granularity refers to the level of detail or precision within the data. 다시, 가장 쉽게 이해할 수 있도록 일반적인 예를 들어 설명해 보겠습니다.Again, a common example offers the quickest path to understanding. 날짜 값을 생각해 봅시다. 일일 판매의 경우, 해당 일에 지정된 날짜 값이 필요합니다. 할당량의 경우 분기별로 설정해도 충분하겠지만, 데이터 분석이 스포츠 행사의 경기 결과로 구성되는 경우 세분성은 밀리초 단위로 설정되어야 할 것입니다.Consider date values: For daily sales, you need date values specified to the day; for quotas, quarterly might be sufficient, but if your analytical data consists of race results from a sporting event, the grain might very well need to be milliseconds. 데이터 값의 정확도 수준은 세분성입니다.The level of precision in your data values is the grain.

또 다른 예로는 통화가 있습니다. 재무 응용 프로그램은 긴 소수 자릿수까지 통화 값을 추적합니다. 반면 지역 학교의 기금 모금자는 가장 근접한 달러의 값만 필요할 것입니다.Currency is another example: a financial application might track monetary values out to many decimal places, whereas your local school’s fund raiser might only need values to the nearest dollar. 불필요한 데이터를 저장하지 않으려면 세분성에 대한 이해가 중요합니다.Understanding grain is important because you want to avoid storing unnecessary data. 타임스탬프에서 밀리초를 잘라내거나 판매액에서 페니를 잘라내면, 해당 수준의 세부 정보가 분석과 관련 있지 않을 때 저장소와 처리 시간을 절약할 수 있습니다.Trimming milliseconds from a timestamp, or pennies from a sales amount, can save storage and processing time when that level of detail is not relevant to your analysis.

세분성 특성을 설정하려면 SQL Server Data Tools의 큐브 디자이너에서 차원 용도 탭을 사용합니다.To set the granularity attribute, use the Dimension Usage tab in Cube Designer in SQL Server Data Tools. AdventureWorks 샘플 모델에서 Date 차원의 키 특성은 Date 키입니다.In the AdventureWorks sample model, the key attribute of the Date dimension is the Date key. Sales Orders의 경우 세분성 특성은 키 특성과 같습니다.For Sales Orders, the granularity attribute is equivalent to the key attribute. Sales Targets의 경우 세분성 수준이 분기별이므로 세분성 특성은 Calendar Quarter로 설정됩니다.For Sales Targets, the level of granularity is quarterly, and so the granularity attribute is set to Calendar Quarter, accordingly.

세분성 특성을 보여 주는 모델Model showing the granularity attribute

참고

세분성 특성과 키 특성이 다른 경우, 키가 아닌 모든 특성은 세분성 특성에 직접 또는 간접적으로 연결되어야 합니다.If the granularity attribute and the key attribute are different, all non-key attributes must be linked, directly or indirectly, to the granularity attribute. 큐브 내에서 세분성 특성은 차원 세분성을 정의합니다.Within a cube, the granularity attribute defines a dimension's granularity.

쿼리 범위(큐브 공간)Query Scope (Cube Space)

쿼리 범위는 데이터가 선택되는 경계를 의미합니다.Scope of a query refers to the boundaries within which data is being selected. 범위는 전체 큐브(큐브는 가장 큰 쿼리 개체)에서 셀까지 가능합니다.It can range from the entire cube (a cube is the largest query object) to a cell.

큐브 공간 은 큐브 특성 계층의 구성원과 큐브의 측정값을 곱하여 생성된 공간입니다.Cube space is the product of the members of a cube's attribute hierarchies with the cube's measures.

하위 큐브 는 큐브의 필터링된 뷰를 나타내는 큐브 하위 집합입니다.Subcube is a subset of a cube that represents a filtered view of the cube. 하위 큐브는 MDX 계산 스크립트의 SCOPE 문이나 MDX 쿼리의 하위 SELECT 절을 사용하여 정의하거나 세션 큐브로 정의할 수 있습니다.Subcubes can be defined with a Scope statement in the MDX calculation script, or in a subselect clause in an MDX query or as a session cube.

은 측정값 차원의 구성원과 큐브의 각 특성 계층의 구성원이 교차하는 지점에 있는 공간입니다.Cell refers to the space at the intersection of a member of the measures dimension member and a member from each attribute hierarchy in a cube.

기타 모델링 용어Other Modeling Terms

이 섹션에는 다른 섹션에 쉽게 적용할 수 없는 개념과 용어를 모아 두었지만, 이러한 개념과 용어도 알고 있어야 합니다.This section is a collection of concepts and terms that don’t fit easily into other sections, but you still need to know about.

계산 구성원 은 쿼리할 때 정의 및 계산되는 차원 구성원입니다.Calculated member is a dimension member that is defined and calculated at query time. 계산 멤버는 사용자 쿼리나 MDX 계산 스크립트에서 정의되고 서버에 저장될 수 있습니다.A calculated member can be defined in a user query or in the MDX calculation script and stored on the server. 계산 멤버는 해당 멤버가 정의된 차원의 차원 테이블에 있는 행에 대응됩니다.A calculated member corresponds to rows in the dimension table of the dimension in which it is defined.

고유 카운트 는 한 번만 계산되어야 하는 데이터 항목에 대해 사용되는 측정값의 특별한 유형입니다.Distinct Count is a special type of measure used for data items that should only be counted once. AdventureWorks 샘플 모델에 Internet Orders, Reseller Orders 및 Sales Orders에 대한 고유 카운트 측정값이 포함됩니다.The AdventureWorks sample model includes distinct count measures for Internet Orders, Reseller Orders, and Sales Orders.

측정값 그룹 은 하나 이상의 측정값 컬렉션입니다.Measure groups are a collection of one or more measures. 측정값 그룹은 대부분 사용자 정의되며, 측정값 그룹을 사용하여 관련 측정값을 함께 유지할 수 있습니다.Mostly these are user-defined, and you use them to keep related measures together. 고유 카운트 측정값은 예외입니다.Distinct count measures are an exception. 고유 카운트 측정값은 항상 고유 측정값만 들어 있는 전용 측정값 그룹에 있습니다.These are always placed in a dedicated measure group that contains only the distinct measure. 피벗 테이블 예에서는 측정값 그룹을 볼 수 없지만, 이 측정값 그룹은 피벗 테이블 필드 목록에 이름이 지정된 측정값 컬렉션으로 표시됩니다.You can’t see the measure group in the PivotTable example illustration, but it does appear in a PivotTable field list, as a named collection of measures.

측정값 차원 은 큐브의 모든 측정값이 들어 있는 차원입니다.Measures dimension is the dimension that contains all of the measures in a cube. SQL Server Data Tools에서 만드는 다차원 모델에는 표시되지 않지만 동일하게 존재합니다.It’s not exposed in a multidimensional model that you build in SQL Server Data Tools, but it exists just the same. 측정값을 포함하기 때문에 측정값 차원의 모든 구성원은 일반적으로 합계 또는 횟수 등으로 집계됩니다.Because it contains measures, all of the members of a measures dimension are typically aggregated (generally by sum or by count).

데이터베이스 차원 및 큐브 차원.Database Dimensions and Cube Dimensions. 모델 내에서 같은 모델에 있는 임의 개수의 큐브에 포함되는 독립 실행형 차원을 정의할 수 있습니다.Within a model, you can define standalone dimensions that are then included in any number of cubes in the same model. 큐브에 차원을 추가하면 이를 큐브 차원이라 부릅니다.When you add a dimension to a cube, it’s called a cube dimension. 개체 탐색기의 독립 실행 항목으로, 프로젝트 내에서 그 자체로 데이터베이스 차원이라 부릅니다.By itself within a project, as a standalone item in Object Explorer, it’s called a database dimension. 이렇게 구분하는 이유는 무엇일까요?Why make the distinction? 독립적으로 속성을 설정할 수 있기 때문입니다.Because you can set properties on them independently. 이 두 용어는 제품 설명서에서 사용되고 있으므로 그 의미를 이해하는 것이 중요합니다.In product documentation, you’ll see both terms used, so it’s worthwhile to understand what they mean.

다음 단계Next Steps

이제 중요한 개념과 용어에 대해 살펴봤으므로 Analysis Services의 기본 개념을 더 자세히 설명하는 다음과 같은 추가 항목을 진행할 수 있습니다.Now that you have a grasp of important concepts and terminology, you can continue on to these additional topics that further explain fundamental concepts in Analysis Services:

관련 항목:See Also

Cube Space Cube Space
튜플 Tuples
Autoexist Autoexists
멤버, 튜플 및 집합 작업(MDX) Working with Members, Tuples, and Sets (MDX)
보이는 값 합계 및 보이지 않는 값 합계 Visual Totals and Non Visual Totals
MDX 쿼리 기본 사항 ( Analysis Services ) MDX Query Fundamentals (Analysis Services)
MDX 스크립팅 기본 사항 ( Analysis Services ) MDX Scripting Fundamentals (Analysis Services)
MDX 언어 참조(MDX) MDX Language Reference (MDX)
MDX(Multidimensional Expression) 참조Multidimensional Expressions (MDX) Reference