Saiku关于MDX过滤的使用（九）

时间：2023-03-09 04:30:40
Saiku关于MDX过滤的使用（九）

Saiku查询设定：Saiku查询数据时，每次都是全量查询的，我们现在需要默认展示近一周的数据。

通过编写使用MDX表达式进行过滤

通过编写MDX表达式，添加新的指标信息对一周以内的数据进行标识 （其实我也想添加新的维度信息，但是好像不生效，所以就用指标了）

/** 检测日期的差值，小于7 */

IIf(DateDiff("d",CDate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name), now())> 7, "yes", "no") 

/** 检测日期差值大于0并且小于7 （显示最近一周的数据） 但是其他年份的相同月份的数据也会显示出来*/

IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))<=7,

IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))>=0,"週數據","非週數據"),"非週數據")

//处理不同年份的日期差值问题（固定年份差值为0，表示只判定当年的数据） year(now()) 取的值为2019

IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))<=7,

IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))>=0,

IIF( year(cdate(now())) - year(cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))=0,"週數據","非週數據"),"非週數據"),"非週數據")

其中SaikuUseDate是我自定义的日期维度信息，在schame中的定义如下：

　　　　<Dimension name="SaikuUseDate"  foreignKey="ID" >

            <Hierarchy hasAll="true" primaryKey="ID" allMemberName="SaikuUseDate">

            　　<Level name="SaikuUseDate" column="saikuUseDate" type='Date'  uniqueMembers="false" />

            </Hierarchy>

        </Dimension>

　　

区分最近一周数据与其他数据最终的MDX表达式语句为：

IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))<=7,

　　IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))>=0,

　　　　IIF( year(cdate(now())) - year(cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))=0,"週數據","非週數據"),
　　"非週數據"),
"非週數據")

saiku中添加新的指标信息如下：

Saiku关于MDX过滤的使用（九）

根据新指标信息查询结果如下：

Saiku关于MDX过滤的使用（九）

数据已筛选好了，接下来只需要把 新指标  週數據 字段按照 週數據 與 非週數據 进行筛选就可以啦。

（目前因为saiku是社区版的，过滤不起作用所以没法演示了，后期如果解决了过滤问题会更新的）

 

=============更新关于过滤===================终于把过滤问题处理好了============== start

>>>>>>首先我们学习一下MDX语句进行数据过滤：

1.登录saiku,选中指定cube

2. 选择上方的工具栏中的 MDX模式  （表示根据MDX语句查询数据，直接将MDX语句写好然后点击 执行按钮 去执行就可以了【有个问题就是好像MDX模式无法切换到普通的拖拽模式】）

3. MDX表达式语句如下: （目的：根据日期筛选出近一周的数据）

语句1：

WITH
MEMBER [Measures].[周数据筛选] AS
　　IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))<=7 
　　AND datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))>=0 
　　AND year(cdate(now())) - year(cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))=0,"週數據","非週數據")

SET [~ROWS] AS {FILTER([SaikuUseDate].[SaikuUseDate].[SaikuUseDate].Members,[Measures].[周数据筛选]="週數據")}
SELECT
NON EMPTY {[Measures].[周数据筛选], [Measures].[daycount]} ON COLUMNS,
NON EMPTY [~ROWS] ON ROWS
FROM [rs_nbjc_1_1]

或使用如下MDX表达式进行过滤（这两条语句的结果一样，但是第二条语句将过滤表达式作为条件放入where后面，使得查询的效率提高  推荐使用语句2）

语句2：

WITH

SET [~filterByDate] AS

	 Filter({[SaikuUseDate].[SaikuUseDate].[SaikuUseDate].Members},

		Instr(IIF(datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))<=7 AND

		　　datediff("y",cdate(now()),cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))>=0 AND

		　　year(cdate(now())) - year(cdate([SaikuUseDate].[SaikuUseDate].CurrentMember.Name))=0,"yes","no"),"yes") > 0)

SET [~ROWS] AS {[countdate].[countdate].[countdate].Members}

SELECT

NON EMPTY { [Measures].[daycount]} ON COLUMNS,

NON EMPTY [~ROWS] ON ROWS

FROM [rs_nbjc_1_1]

where [~filterByDate]

schame文件中 cube名为  rs_nbjc_1_1  的设计如下：

<!-- rs_nbjc_1_1 用來做MDX FILTER表達式的測試 -->

    <Cube name="rs_nbjc_1_1">

	<Table name="rs_nbjc_1_1" />

　　　　　　<Dimension name="SEQID" foreignKey="ID" >

　　　　　　　　<Hierarchy hasAll="true" primaryKey="ID" allMemberName="SEQID" >

　　　　　　　　　　<Level name="SEQID" column="ID" uniqueMembers="true" type="String" />

　　　　　　　　</Hierarchy>

　　　　　　</Dimension>

	<Dimension name="countdate"  foreignKey="ID" >

            <Hierarchy hasAll="true" primaryKey="ID" allMemberName="countdate">

            　　<Level name="countdate" column="countdate" type='Date'  uniqueMembers="false"  />

            </Hierarchy>

        </Dimension>

	<Dimension name="SaikuUseDate"  foreignKey="ID" >

            <Hierarchy hasAll="true" primaryKey="ID" allMemberName="SaikuUseDate">

            　　<Level name="SaikuUseDate" column="saikuUseDate" type='Date'  uniqueMembers="false" />

            </Hierarchy>

        </Dimension>

        <Measure name="daycount" column="daycount"  aggregator="sum" />

    </Cube>

　　

>>>>>>使用SAIKU的MDX表达式过滤

1.　过滤的使用与日常拖拉数据一样，但是记得将需要过滤的字段放入过滤栏位

Saiku关于MDX过滤的使用（九）

2. 在过滤这个位置 左击鼠标，然后依次选中 过滤  >>>  Custom

Saiku关于MDX过滤的使用（九）

3.进入编写MDX过滤表达式弹窗

Saiku关于MDX过滤的使用（九）

 过滤表达式内容如下：

Instr(

IIF(datediff("y",cdate(now()),cdate([countdate].[countdate].CurrentMember.Name))<=7

AND datediff("y",cdate(now()),cdate([countdate].[countdate].CurrentMember.Name))>=0

AND year(cdate(now())) - year(cdate([countdate].[countdate].CurrentMember.Name))=0,"yes","no"),"yes")>0

4. 点击ok后，如果取消了自动查询就手动点击一下查询按钮，执行查询后可看到如下结果：（结果数据以及被过滤，取的是近一周的数据，当前日期为 2019-02-28）

Saiku关于MDX过滤的使用（九）

ps:  在这里笔者遇到了一个很神奇的问题，在本地部署的Saiku中使用CDate函数没有任何问题，但是部署到服务器上使用CDate函数时，抛出异常：

#ERR: mondrian.olap.fun.MondrianEvaluationException: mondrian.olap.InvalidArgumentException: Mondrian Error:Invalid parameter. expression parameter of CDate function must be formatted correctly (2016-05-21)

解决方案：  不使用CDate函数了，使用DateSerial函数将数据转为Date类型

转换将String类型的日期数据转换为Date日期类型示例：

CDate:   CDate([countdate].[countdate].CurrentMember.name)

DateSerial:    DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer)) 

过滤表达式内容如下：

Instr(

IIF(datediff("y",cdate(now()),DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer))

		   )<7

AND datediff("y",cdate(now()),DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer))

		   )>=0

AND year(cdate(now())) - cast(left([countdate].[countdate].CurrentMember.name,4) as Integer)=0,"yes","no"),"yes")>0

关于过滤二次更新了

1.过滤出上个月的完整数据，以及当前月的月数据（特殊情况下考虑跨年的数据，当前月份为1月时需要特殊处理）

展示需求：默认展示上一个月完整数据以及当前月的月数据 （起始日期：上个月的第一天，结束日期： 当前天）

处理逻辑： 判断当前月是否为1月，如果是1月则特殊处理：取出去年12月份的数据，然后再加上本年1月出现的所有数据。

　　　　　　如果不是1月，则用当前日期减去一个月，取上个月的第一天作为起始日期，然后当前日期作为结束日期，作比较即可（保证年份相同）。

IIF(

 month(now())-1 = 0

 , (

	datediff('y',dateserial(year(now())-1,12,01) , DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer) ,

			cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer)))<0

	and  year(now())-1 - cast(left([countdate].[countdate].CurrentMember.name,4) as Integer) =0

	)

		or

	(

	datediff("y" ,DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

			cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer)),now()) <=0

		and

	year(now()) - cast(left([countdate].[countdate].CurrentMember.name,4) as Integer)=0

	)

 ,

	(

	datediff("y" ,DateSerial(year(now()),month(now())-1,01) ,DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),

		cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

		cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer))) <= 0

	and

	datediff("y" ,DateSerial(cast(left([countdate].[countdate].CurrentMember.name,4) as Integer),

		cast(mid([countdate].[countdate].CurrentMember.name,6,2) as Integer),

		cast(mid([countdate].[countdate].CurrentMember.name,9,2) as Integer)), now()) <=0

	and

	year(cdate(now())) - cast(left([countdate].[countdate].CurrentMember.name,4) as Integer)=0

	)

 )

　　

2.过滤周数据：展示本周的所有数据 （注意跨年份的周数据）

展示需求：默认展示最近的周一到目前的所有数据

处理逻辑：

　　先取出所有数据中与当前日期相同的周的数据

　　控制取出的数据是本年的或者是上一年12月份的数据

Datepart('ww',now()) = Datepart('ww',

		DateSerial(cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer),

			cast(mid([saikuUseDate].[saikuUseDate].CurrentMember.name,6,2) as Integer),

			cast(mid([saikuUseDate].[saikuUseDate].CurrentMember.name,9,2) as Integer)))

and (

	(year(now()) = cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer))

	 or

	((year(now()) - cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer)=1))

	)

and

instr(

	IIF(cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer) = (YEAR(now())-1)

		,(

			iif((datediff('y',DateSerial(cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer),

						cast(mid([saikuUseDate].[saikuUseDate].CurrentMember.name,6,2) as Integer),

						cast(mid([saikuUseDate].[saikuUseDate].CurrentMember.name,9,2) as Integer)),

					Dateserial(year(now())-1,12,01))>0)

				and (cast(left([saikuUseDate].[saikuUseDate].CurrentMember.name,4) as Integer) =(YEAR(now())-1))

			,"yes","no")

		 )

	   ,"yes"

	),"yes")>0

=============更新关于过滤===================终于把过滤问题处理好了============== end

ps: 使用过滤表达式后，记得先取消saiku的自动执行哦，然后将用到的数据信息都拖拽好，过滤信息也编写好，最后在手动点击执行！！！（不然每拖拽一次都要执行一遍，很比较浪费内存哦。）