随着国内ERP软件的不断普及，大量的公司已经积累了很多的数据。如何从数据中提取、挖掘对业务发展有价值的信息，为企业业务提供决策依据，推动精益化化的企业管理。商业分析师通常会使用各种数据分析工具，例如平常大家经常用的数据分析工具Excel、Tableau和PowerBI等。OLAP引擎技术就经常被用于对接这类数据分析工具，向这些数据分析工具提供数据支撑。
一、为什么SSAS如此流行？
传统的OLAP引擎有很多，Oracle、SAP、IBM和Microsoft均有自己研发的OLAP引擎技术，据小黎子了解的OLAP引擎技术，Microsoft SQL Server Analysis Services（SSAS）也是世界上应用最广泛的OLAP引擎之一，众多各位耳熟能详的大型企业均是SSAS的深度用户。SSAS的成功与它的一些功能特性密不可分：
与Excel深度集成
Excel作为全世界最广泛使用的商业分析工具，SSAS能与Excel深度集成。用户可以使用Excel对接SSAS多维数据集，灵活快捷的对数据进行切片、筛选、上卷和下钻等操作，深入分析数据，直到他找到所需的商业洞察。
支持MDX语言
SSAS可以使用MDX（多维表达式）支持高级的商业智能需求，例如常用的YTD、QTD和MTD等计算指标均能轻松支持。并且MDX相比SQL能够更简单且更广泛的支持各种商业智能需求。
能与主流的BI集成
例如PowerBI、Tableau等，都可以与SSAS轻松集成，SSAS接收前端BI发送的查询需求，在自身引擎中计算，将聚合后的值返回前端BI，以提升前端BI的查询体验。
二、SSAS面临的问题
虽然微软的SSAS具备许多优秀的功能特性，使其成为许多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问题。并且随着数据量爆炸式的增长，这些挑战显得更加重要。
数据量及维度数量的限制
通常情况下SSAS使用的是MOLAP模式，MOLAP将OLAP分析所用到的多维数据物理上存储为多维数组的形式，形成“立方体”的结构。这种方式在较小数据量时，性能优势较大。但当面对大型数据集时，由此产生的维度爆炸问题，将使MOLAP架构难以维持。因此面对海量数据时该方案会存在瓶颈。
扩展受限制
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的服务器增加更多硬件设施来满足需求。同时如果需要存储更多的数据，则需要扩展本地存储。
三、SSAS面临问题的解决方案
进入数字化转型时代，数据爆炸式增长，SSAS的弊端日渐明显，越来越多的企业开始寻找替代SSAS的技术。在Hadoop 技术日臻完善的今天，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，这样的OLAP on Hadoop分析架构应该能够做到：
提供了横向扩展能力
Hadoop分布式文件系统（HDFS）的一大特点就是可以通过向集群增加服务器来扩展存储和处理能力，一个理想的OLAP on Hadoop方案，也继承了这一强大的特性。这种方案极大的提升了系统的扩展性，降低了扩展系统能力的难度。
打破了数据量和维度数量的上限如上文提及，由于Hadoop具备横向扩展的能力，数据存储已不在成为瓶颈，只要集群足够，数据量已不再存在上限。由于SSAS需要按照多维数据集中的所有维度进行聚合，所以不可避免的存在维度爆炸的问题，而理想的OLAP技术应允许用户自定义聚合维度，有效的避免维度爆炸的问题，打破了维度数量的上限。
更高的性价比OLAP on Hadoop的方案，构建集群并不需要高配置的一体机，硬件成本大大降低。这种特性在收费基于集群和时间的云平台上尤为明显，用户可在需要大量资源时扩大集群，在空闲时缩小集群，释放多余资源，做到最大程度的资源和费用的节约。
四、总结
本文让我们清晰的看到SSAS具备的很多优点，让其成为了广泛流行的OLAP引擎，但是它也存在着扩展能力有限，承载数据量有限等各种问题。虽然微软SSAS无法突破数据量及维度数量的限制，但是在很多的中小企业是够用的。因此数据量是引擎选型很重要的一个参考点，因为随着数据量的增加，对引擎的处理能力和查询响应提出了更大的挑战，对于不同量级的数据分别有不同的引擎可供选择，如下图所示：
最终使用哪种OLAP引擎其实还是靠用户需要处理的数据量来决定。毕竟面对少量数据一个微软SSAS就可以解决的事情，何必要花那么大的代价去买hadoop技术方案咧。我们需要做的就是学习好这些技术，以更合理的视角给客户提供更优质的技术方案。
