【MDX学习笔记5】优化集合运算——SUM中的CrossJoin

今天看了《MDX Solutions with Microsoft SQL.Server Analysis Services 2005 and Hyperion Essbase 2nd Edition》书中优化集合运算的内容，根据书中内容做了一些测试。测试结果有的符合书上的观点，有的却完全不同，真的很让人吃惊。书中优化集合运算的主要观点有：1。优化集合运算的关键是将大集合运算转化为小集合运算。2.由于CrossJoin的成本(CPU、内存)巨大，不如用其他操作代替CrossJoin操作。作者SUM中的CrossJoin认为：为了避免SUM，一个集合包含多个CrossJoin，可以用其他运算来代替它(比如嵌套SUM)。因此，我测试了两组语句：withmembermeasures。abcassum(交叉联接(后代([客户])。[客户地理位置]。当前成员，[客户]。

: rgba(0, 0, 0, 1)">.[Customer Geography].[State-Province]
        ),
        Crossjoin (
            Descendants (
                [Date].[Calendar].CurrentMember,
                [Date].[Calendar].[Date]
            ),
            Descendants (
                [Product].[Product Categories].CurrentMember,
                [Product].[Product Categories].[Product Name]
            )
        )
    )
    ,[Measures].[Internet Sales Amount]-[Measures].[Internet Tax Amount]
  )
SELECT MEASURES.ABC ON 0 ,
[Customer].[Customer Geography].[Country].Members *  
[Date].[Calendar].[Calendar Year].MEMBERS * 
[Product].[Product Categories].[Category].MEMBERS
ON 1
FROM [Adventure Works]

以上语句中，作者认为第一个语句慢于第二个语句（理由是嵌套的SUM每次操作的SET更小），可实际的结果（测了10次）恰恰相反，第一个语句平均花费的时间51.654秒，而第二个语句平均花费的时间在55.912秒，这是何故呢？此外，书中认为在第二个语句的嵌套SUM中，如果把大的Set放在里面，这样会快一些。也就是说下面的语句比上面第二个语句要慢5%-20%。

以上测试语句中，关于[Date].[Calendar].[Date]的Set其Turple个数在365左右，关于[Product].[Product Categories].[Product Name]的Set其Turple个数在几十个左右，而关于[Customer].[Customer Geography].[State-Province]的Set其成员个数大多在十几个左右

经过测试发现上面这条语句平均时间在57.858秒。也就是说，测试结果和书中的观点是一致的,只是幅度没有那么大。此外，我还尝试了一下这样的写法。

上面语句的不同之处在于，把要计算的内容分散开来了，令人惊异的是，这个语句只要2-3秒种就能运行完成。


总结
由上面两次测试我们可以得出以下结论：
1）SUM中的CrossJoin并不一定会降低速度，书中的观点可能是错误的。看来MDX解析器对CrossJoin有很多有优化，在上面的测试中CrossJoin比嵌套的SUM要快8%左右。
2）嵌套SUM中，把大的SET放在里层的SUM中，这样速度能够快一些。上面的测试中，把小的Set放在里层比把大的Set放在里层慢3.5%。
3）在做SUM等统计计算时，如果能够把计算项分解到每个单独的Measure,这个时候性能提升非常明显，速度将会大大提高。上面的测试中，速度提高了20多倍。