SSAS为我们提供了九种数据挖掘算法，但是在应用中我们需要根据实际问题设计适当的算法，这个时候就需要扩展SSAS，使它能应用更多的算法。SSAS有比较好的可扩展性，它提供了一个完整的机制来进行扩展，只要继承一些类并按适当的方法进行注册就可以在SSAS中使用自己的算法了。

下面我将通过实例分别用几篇文章来介绍一下如何开发SSAS算法插件。本文介绍的算法插件开发方法是基于托管代码的，是用C#开发的（算法插件也可以用C++开发，并且SQLSERVER2005的案例中附带C++版本的代码stub）。整个过程大至为六个步骤。在开始开发之前需要做一些准备工作，就是要去下载 一个用C++编写的COM组件，叫DMPluginWrapper（可以通过下载本文附带的附件获得），它作为SSAS与算法插件的中间层，用于处理 SSAS与算法插件之间的交互以及封装从SSAS到算法插件的参数和从算法插件到SSAS的处理结果。DMPluginWrapper、SSAS和算法插 件之间的关系可以由下图来描述。

图表1: DMPluginWrapper、SSAS和算法插件之间的关系

下面开始创建算法扩展的项目。

首先新建一个类库项目（名为AlgorithmPlugin）将刚才的DMPluginWrapper项目引用到新建的这个 AlgorithmPlugin类库项目中。你可以选择为这个类库项目进行程序集签名，这样就可以将其注册到GAC中。另外还要为 DMPluginWrapper添加后生成脚本将程序集注册到GAC，参考脚本如下（根据机器具体设置而定）：

“C:WINDOWSMicrosoft.NETFrameworkv2.0.50727RegAsm.exe” $(TargetPath) “ C:Program FilesMicrosoft Visual Studio 8SDKv2.0Bingacutil.exe” /u $(TargetName) “ C:Program FilesMicrosoft Visual Studio 8SDKv2.0Bingacutil.exe” /if $(TargetPath)

如果第一行脚本不能正确运行的话，算法插件是不能被SQLSERVER分析服务器识别的。另外两行脚本就是将算法程序集注册到GAC。

接下来的几个步骤主要是继承一些基类的工作，包括AlgorithmMetadataBase类、AlgorithmBase类和 ICaseProcessor接口和AlgorithmNavigationBase类。首先在AlgorithmPlugin中新建一个类文件并命名为 Metadata，为这个类添加ComVisible、MiningAlgorithmClass(typeof(Algorithm))和Guid属性 (Algorithm是下面要创建的算法类)，并为Guid属性指定一个GUID编码。这个类要继承于AlgorithmMetadataBase类。现 在要做的事情就是覆盖基类的方法。下面是所有需要覆盖的方法（对于较简单的实现写在表格中）：

方法名实现（参考）备注

GetServiceNamereturn “MyFirstAlgorithmPlugin”这个方法的返回值中不能带有空格字符GetServiceDescriptionreturn “Sample Algorithm Plugin”;GetServiceTypePlugInServiceType.ServiceTypeOther;GetViewerTypereturn string.EmptyGetScalingreturn MiningScaling.Medium;

　　用于指定算法适用的规模，这个值不会被服务器使用而是显示在模式行集中，为用户提供算法的一些相关信息。

GetTrainingComplexity

return MiningTrainingComplexity.Low

用于指定算法训练适用的复杂度，这个值不会被服务器使用而是显示在模式行集中，为用户提供算法的一些相关信息。

GetPredictionComplexity

return MiningPredictionComplexity.Low

用于指定预测复杂度，这个值不会被服务器使用而是显示在模式行集中，为用户提供算法的一些相关信息。
 

GetSupportsDMDimensionsretrun false;GetSupportsDrillThroughreturn false;指定这个算法是否支持钻透功能。GetDrillThroughMustIncludeChildrenreturn false;GetCaseIdModeledreturn false;GetMarginalRequirementsreturn MarginalRequirements.AllStatsGetParametersCollectionreturn null;算法参数，因为本文中的例子没有参数，所以这里返回空。GetSupInputContentTypesMiningColumnContent[] arInputContentTypes = new MiningColumnContent[]  {  MiningColumnContent.Discrete,  MiningColumnContent.Continuous,  MiningColumnContent.Discretized,  MiningColumnContent.NestedTable,  MiningColumnContent.Key  };  return arInputContentTypes;指定算法所支持的输入属性的数据类型，如连续型、离散型等。GetSupPredictContentTypesMiningColumnContent[] arPredictContentTypes = new MiningColumnContent[]  {  MiningColumnContent.Discrete,  MiningColumnContent.Continuous,  MiningColumnContent.Discretized,  MiningColumnContent.NestedTable,  MiningColumnContent.Key  };  return arPredictContentTypes;与上一个方法类似，这里是指定预测属性所支持的数据类型。GetSupportedStandardFunctionsSupportedFunction[] arFuncs  = new SupportedFunction[] {  SupportedFunction.PredictSupport,  SupportedFunction.PredictHistogram,  SupportedFunction.PredictProbability,  SupportedFunction.PredictAdjustedProbability,  SupportedFunction.PredictAssociation,  SupportedFunction.PredictStdDev,  SupportedFunction.PredictVariance,  SupportedFunction.RangeMax,  SupportedFunction.RangeMid,  SupportedFunction.RangeMin,  SupportedFunction.DAdjustedProbability,  SupportedFunction.DProbability,  SupportedFunction.DStdDev,  SupportedFunction.DSupport,  SupportedFunction.DVariance,  // content-related functions  SupportedFunction.IsDescendent,  SupportedFunction.PredictNodeId,  SupportedFunction.IsInNode,  SupportedFunction.DNodeId,  };  return arFuncs;指定DMX所支持的函数。CreateAlgorithmreturn new Algorithm()；返回算法实例，Algorithm是接下来要创建的类。

现在创建第二个类，命名为Algorithm.cs。这个类要继承于AlgorithmBase并实现ICaseProcesses接口,这是实现算法最重要的一个类，主要的算法处理都在这个类中进行。这个类要有一个成员变量TaskProgressNotification trainingProgress。这个类包含了算法主要的处理逻辑。下面是要实现的方法：

方法名：  //处理样本  InsertCases  参考实现：   Code//遍历所有的样本并且每处理100个样本更新一次处理进度。 trainingProgress = this.Model.CreateTaskNotification();  // 设置当前的处理进度为0 trainingProgress.Current = 0;  // 取得总的样本数量。 trainingProgress.Total = (int)this.MarginalStats.GetTotalCasesCount();  // 为跟踪提示信息设置格式字符串 trainingProgress.Format = “Processing cases: {0} out of {1}”;  // 开始处理 trainingProgress.Start(); bool success = false; try { caseSet.StartCases(this); success = true; } finally { trainingProgress.End(success); } 方法名：ProcessCase  参考实现：  Code// 检查并确认处理过程没有被中断。this.Context.CheckCancelled();  // 更新当前的进度值 trainingProgress.Current++;   if (caseId % 100 == 0)  {  trainingProgress.Progress();  }  //TODO： 在这里进行实际的模型训练处理逻辑  方法名：SaveContent 参考实现：   Code//创建一个自定义的标签内容用于保存处理结果（其结构类似XML），MyPersistenceTag是自定义的枚举类型  writer.OpenScope((PersistItemTag)MyPersistenceTag.ShellAlgorithmContent); writer.SetValue(System.DateTime.Now); writer.SetAttribute((PersistItemTag)MyPersistenceTag.NumberOfCases, this.MarginalStats.GetTotalCasesCount()); writer.CloseScope();  方法名：LoadContent 参考实现： Code//打开自定义的标签（与SaveContent方法相对应）reader.OpenScope((PersistItemTag)MyPersistenceTag.ShellAlgorithmContent);  //读取处理时间  System.DateTime processingTime; reader.GetValue(out processingTime);  // 取得处理的样本数量 uint numberCases = 0;  reader.GetAttribute((PersistItemTag)MyPersistenceTag.NumberOfCases, out numberCases); reader.CloseScope();  方法名：Predict 参考实现： CodeAttributeGroup targetAttributes = predictionResult.OutputAttributes; targetAttributes.Reset(); uint nAtt = AttributeSet.Unspecified;   //对于每一个目标属性，从训练集中复制预测结果 while (targetAttributes.Next(out nAtt)) { //创建一个AttributeStatistics对象用于保存对当前目标属性的预测结果 AttributeStatistics result = new AttributeStatistics();  //设置预测结果中的目标属性，即当前的预测结果针对于哪个输入属性 result.Attribute = nAtt;  // 取得当前属性的概率统计值，也即通过模型训练得到的边缘统计概率。 AttributeStatistics trainingStats = this.MarginalStats.GetAttributeStats(nAtt);  //复制其余的数据到结果对象 result.AdjustedProbability = trainingStats.AdjustedProbability; result.Max = trainingStats.Max; result.Min = trainingStats.Min; result.Probability = trainingStats.Probability; result.Support = trainingStats.Support;   //复制状态统计到结果对象中 if (predictionResult.IncludeStatistics) { for ( int nIndex = 0; nIndex < trainingStats.StateStatistics.Count; nIndex++) { bool bAddThisState = true;  // 如果是丢失值状态，那么只有当需要的时候才将其包含在结果之中。 if (trainingStats.StateStatistics[0].Value.IsMissing) {bAddThisState = predictionResult.IncludeMissingState; }   if (bAddThisState) { result.StateStatistics.Add( trainingStats.StateStatistics[(uint)nIndex]); } } }  //如果预测需要内容结点，就要为内容结点设置一个唯一的编号if (predictionResult.IncludeNodeId) { result.NodeId = “000”; }predictionResult.AddPrediction(result);  方法名：GetNavigator  参考实现：     Code//AlgorithmNavigator是下面要创建的类 return new AlgorithmNavigator(this, forDMDimensionContent);