將數據採礦解決方案部署至舊版 SQL Server

適用於： SQL Server 2019 和舊版 Analysis Services Azure Analysis Services Fabric/Power BI Premium

本節說明當您嘗試將 SQL Server 2019 Analysis Services 實例中建立的數據採礦模型或數據採礦結構部署到使用 SQL Server 2005 Analysis Services 的資料庫時，或將 SQL Server 2005 中建立的模型部署到 SQL Server 2017 實例時，可能發生的已知兼容性問題。

不支援部署至 SQL Server 2000 Analysis Services 實例。

部署時間序列模型

使用 Holdout 部署模型

使用篩選 部署模型

從資料庫備份還原

使用資料庫同步處理

部署時間序列模型

藉由新增第二個互補演算法 ARIMA，MICROSOFT時間序列演算法在 SQL Server 2008 中增強。 如需時間序列演演算法變更的詳細資訊，請參閱 Microsoft 時間序列演算法。

因此，當部署至 SQL Server 2005 Analysis Services 實例時，使用新 ARIMA 演演算法的時間序列採礦模型可能會有不同的行為。

如果您已明確設定參數PREDICTION_SMOOTHING來控制預測中的 ARTXP 和 ARIMA 模型的混合，當您將此模型部署到 SQL Server 2005 的實例時，Analysis Services 將會引發錯誤，指出參數無效。 若要避免此錯誤，您必須刪除 PREDICTION_SMOOTHING 參數，並將模型轉換成純 ARTXP 模型。

相反地，如果您將使用 SQL Server 2005 Analysis Services 建立的時間序列模型部署到 SQL Server 2017 的實例，當您在 SQL Server Data Tools 中開啟採礦模型時，定義檔會先轉換成新的格式，而且預設會將兩個新的參數新增至所有時間序列模型。 參數FORECAST_METHOD會新增為MIXED的預設值，且參數PREDICTION_SMOOTHING會以預設值0.5新增。 不過，在您重新處理模型之前，模型會繼續使用 ARTXP 進行預測。 一旦您重新處理模型，預測就會變更為同時使用 ARIMA 和 ARTXP。

因此，如果您想要避免變更模型，您應該只流覽模型，絕不處理模型。 或者，您可以明確設定FORECAST_METHOD或PREDICTION_SMOOTHING參數。

如需設定混合模型的詳細資訊，請參閱 Microsoft 時間序列演演算法技術參考。

如果用於模型數據源的提供者是 SQL 用戶端數據提供者 10，您也必須修改數據源定義，以指定舊版的 SQL Server Native Client。 否則，SQL Server Data Tools 會產生錯誤，指出提供者未註冊。

使用 Holdout 部署模型

如果您建立的採礦結構包含用來測試數據採礦模型的鑒效組數據分割，則採礦結構可以部署到 SQL Server 2005 的實例，但分割區資訊將會遺失。

當您在 SQL Server 2005 Analysis Services 中開啟採礦結構時，SQL Server Data Tools 會引發錯誤，然後重新產生 結構以移除鑒效組數據分割。

重建結構之後，[屬性] 視窗中已不再提供鑒效組數據分割的大小;不過，值 <ddl100_100：HoldoutMaxPercent>30</ddl100_100：HoldoutMaxPercent>）可能仍存在於 ASSL 腳本檔案中。

使用篩選部署模型

如果您將篩選套用至採礦模型，模型可以部署到 SQL Server 2005 的實例，但不會套用篩選。

當您開啟採礦模型時，SQL Server Data Tools 會引發錯誤，然後重新產生模型以移除篩選。

從資料庫備份還原

您無法將 SQL Server 2017 中建立的資料庫備份還原至 SQL Server 2005 實例。 如果您這樣做，SQL Server Management Studio 會產生錯誤。

如果您建立 SQL Server 2005 Analysis Services 資料庫的備份，並在 SQL Server 2017 實例上還原此備份，則會修改所有時間序列模型，如上一節所述。

使用資料庫同步處理

SQL Server 2017 到 SQL Server 2005 不支援資料庫同步處理。

如果您嘗試同步處理 SQL Server 2017 資料庫，伺服器會傳回錯誤，且資料庫同步處理失敗。