Microsoft SQL Server 7.0 数据仓库框架

核心提示： 可视化的数据库图表结构因为数据仓库应用比OLTP系统要更易反复，所以数据库结构和模式经常改变，Microsoft SQL Server 7.0 数据仓库框架(11)，可视化的数据库图表结构为sql server(WINDOWS平台上强大的数据库平台)数据库管理员提供了一种物理数据模型工具，以简化定义和修改周期，Qu

　　可视化的数据库图表结构

　　因为数据仓库应用比OLTP系统要更易反复，所以数据库结构和模式经常改变。可视化的数据库图表结构为sql server(WINDOWS平台上强大的数据库平台)数据库管理员提供了一种物理数据模型工具，以简化定义和修改周期。


　　通过sql server(WINDOWS平台上强大的数据库平台) 7.0 Enterprise Manager，可视化的数据库图表结构被存储在数据库服务器上。在数据库或图表上进行的修改都会反映在另一个数据库或图表中。

　　提供一个向导使得对已有数据库中表的选取和布局自动化。数据库中的实体（表和表之间的关系）可以在图表工具中完全定义。可视化的数据库图表结构显示了表及表之间的关系，并且允许修改个别表的结构和连接该表的约束条件。

　　sql server(WINDOWS平台上强大的数据库平台) Profiler

　　.对关系数据库的正确调节需要有关如何在常规基础上使用数据库的知识。Microsoft sql server(WINDOWS平台上强大的数据库平台) 7.0 Profiler是一图形工具，它使得系统管理员通过实时捕捉有关服务器活动的连续记录来监测sql server(WINDOWS平台上强大的数据库平台) 中的引擎事件。sql server(WINDOWS平台上强大的数据库平台) Profiler 监测发生在sql server(WINDOWS平台上强大的数据库平台) 上的事件，删除基于用户指定基准的事件，并指导是将跟踪结果输出到屏幕上、文件中，还是输出到表中。sql server(WINDOWS平台上强大的数据库平台) Profiler允许数据库管理员重复先前捕捉到的跟踪结果，以测试数据库结构的变化、识别降低系统性能的查询、排除故障或恢复原有设置。

　　可被监测的引擎事件包括：

　　　· 登录连接、登录失败和脱线

　　　· SELECT、 INSERT、 UPDATE和 DELETE 语句.

　　　· 将错误写入到sql server(WINDOWS平台上强大的数据库平台)错误日志

　　　· 锁定获得的或释放的数据库对象

　　每一事件获得的数据可以被捕捉到并被保存在文件中或sql server(WINDOWS平台上强大的数据库平台)表中，以供日后分析。可以通过创建跟踪来收集有关引擎事件的数据，这些数据包括有关SQL语句和语句执行的结果、执行语句的用户和计算机、事件的起始时间和终结时间等各种信息。

　　可以过滤事件数据，只收集事件数据的某一部分。这样数据库管理员可以只收集他们感兴趣的事件数据。.例如，只收集影响某一特定数据库或用户的事件；而其它事件都将被忽略。类似地，可以只收集那些执行时间要比指定时间长的查询的数据。

　　sql server(WINDOWS平台上强大的数据库平台) Profiler将为可直接使用的扩展了的存储程序提供一个图形化用户界面。所以你可以创建自己的应用来监测使用了sql server(WINDOWS平台上强大的数据库平台) Profiler中扩展了的存储程序 的sql server(WINDOWS平台上强大的数据库平台)。

　　sql server(WINDOWS平台上强大的数据库平台) Query Analyzer

　　Microsoft sql server(WINDOWS平台上强大的数据库平台) 7.0 Query Analyzer 是特别地、交互执行Transact-SQL 语句和脚本的出色工具。因为用户必须了解Transact-SQL以使用Query Analyzer ，这主要适用于数据库管理员和权限用户。用户能在一纯文本窗口输入Transact-SQL 语句，运行这些语句并在文本窗口或表格式输出中查看运行结果。用户也能打开包含Transact-SQL语句的文本文件，执行这些语句并在结果窗口中查看运行结果。

　　Query Analyzer为确定sql server(WINDOWS平台上强大的数据库平台) 如何解释并执行Transact-SQL 语句提供出色的工具。用户可以：

　　　· 显示为语句生成的执行设计图的图形表示

　　　· 运行Index Tuning Wizard确定哪些基本表格的索引能被定义，以对语句的性能进行优化。

　　　· 显示有关语句性能的统计数据。

　　Query Analyzer 阐明了复杂查询是如何解决的。下面的示例中，查询的各部分并行执行以提高性能。