Ce este modelarea dimensională în Data Warehouse? Învață tipuri
David Carter
⚡ Rezumat inteligent
Modelul dimensional în proiectarea depozitului de date organizează informațiile în tabele de fapte și dimensiuni, astfel încât analiștii să poată recupera și rezuma rapid măsurile numerice, urmând metoda Kimball în cinci pași care identifică procesul de business, granulația, dimensiunile, faptele și schema finală.
Ce este modelarea dimensională?
Modelare dimensională (DM) este o tehnică de structurare a datelor optimizată pentru stocarea datelor într-un depozit de date. Scopul său este de a regla baza de date pentru o regăsire mai rapidă a datelor. Conceptul a fost dezvoltat de Ralph Kimball și este construit în jurul a două tipuri de tabele: tabele „de fapte” și tabele „de dimensiuni”.
Un model dimensional dintr-un depozit de date este conceput pentru a citi, a rezuma și a analiza informații numerice, cum ar fi valori, solduri, numărări și ponderi. Modelele relaționale, în schimb, sunt optimizate pentru adăugarea, actualizarea și ștergerea datelor într-un sistem de procesare a tranzacțiilor online în timp real.
Fiecare dintre aceste abordări stochează datele în felul său propriu și fiecare oferă avantaje distincte.
Într-un model relațional, normalizarea și modelele ER reduc redundanța datelor. Un model dimensional, în schimb, aranjează datele astfel încât informațiile să fie mai ușor de recuperat, iar rapoartele să fie mai ușor de generat.
Din acest motiv, modelele dimensionale se potrivesc depozitarea datelor sisteme mai degrabă decât sisteme relaționale bazate pe tranzacții. Deoarece modelul stă la baza conceptului mai larg arhitectura depozitului de date, secțiunile de mai jos prezintă în detaliu elementele, tipurile și etapele de proiectare.
Elemente ale modelului de date dimensionale
Fapt
Faptele sunt măsurătorile sau indicatorii extrași dintr-un proces de afaceri. Într-un proces de vânzări, de exemplu, numărul vânzărilor trimestriale este un fapt - valoarea numerică pe care afacerea dorește să o analizeze.
Dimensiune
O dimensiune oferă contextul care înconjoară un eveniment al unui proces de business. În termeni simpli, dimensiunile furnizează cine, ce și unde se află un fapt. Pentru faptul „numărul de vânzări trimestrial”, dimensiunile ar fi:
- Cine – Numele clienților
- Unde – Locație
- Ce – Numele produsului
Cu alte cuvinte, o dimensiune este o fereastră prin care vizualizați informațiile conținute în fapte.
Atribute
Atributele sunt diversele caracteristici ale unei dimensiuni în cadrul unui model de date dimensional.
Într-o dimensiune Locație, atributele pot fi:
- Stat
- Țară
- Cod poștal
Atributele sunt folosite pentru a căuta, filtra și clasifica faptele, iar tabelele de dimensiuni reprezintă locul unde se află aceste atribute.
Tabel de fapte
Un tabel de fapte este tabelul principal dintr-un model dimensional.
Un tabel de fapte conține:
- Măsurători sau fapte
- Chei externe pentru tabelele de dimensiuni
Tabel de dimensiuni
Un tabel de dimensiuni conține dimensiunile unui fapt și se unește cu tabelul de fapte printr-o cheie externă. Principalele sale caracteristici sunt enumerate mai jos:
- Tabelele de dimensiuni sunt tabele denormalizate.
- Atributele dimensiunii formează coloanele tabelului.
- Dimensiunile oferă caracteristici descriptive ale faptelor prin intermediul atributelor lor.
- Nu există o limită fixă a numărului de dimensiuni.
- O dimensiune poate conține una sau mai multe relații ierarhice.
Tipuri de dimensiuni în depozitul de date
Modelarea dimensională utilizează mai multe tipuri de dimensiuni, fiecare potrivită unei anumite nevoi de proiectare. Principalele tipuri de dimensiuni într-un depozit de date sunt:
- Dimensiune conformată
- Dimensiunea stabilizatorului
- Dimensiunea restrânsă
- Dimensiunea jocului de rol
- Tabel de dimensiuni la dimensiuni
- Dimensiunea Junk
- Dimensiunea degenerată
- Dimensiune schimbabilă
- Dimensiunea pasului
Etapele modelării dimensionale
Precizia modelării dimensionale determină succesul implementării depozitului de date. Există cinci pași pentru a construi un model dimensional:
- Identificați procesul de afaceri
- Identificați fibra (nivelul de detaliu)
- Identificați dimensiunile
- Identificați faptele
- Construiți schema
Per total, modelul finalizat ar trebui să descrie de ce, cât, când, unde, cine și ce din procesul dumneavoastră de afaceri.
Pasul 1) Identificați procesul de afaceri
Prima sarcină este de a identifica procesul de afaceri pe care depozitul ar trebui să îl acopere - marketing, vânzări, resurse umane și așa mai departe - pe baza nevoilor organizației. analiza datelor nevoile și calitatea datelor disponibile. Acesta este cel mai important pas, deoarece o greșeală aici produce defecte în cascadă, greu de remediat.
Pentru a descrie procesul de business, puteți utiliza text simplu, Business Process Modelling Notation (BPMN) sau Unified Modeling Language (UML).
Pasul 2) Identificați boabele
Granularitatea definește nivelul de detaliu al problemei de business - cel mai scăzut nivel de informații stocate în orice tabel.
Dacă un tabel conține vânzări pentru fiecare zi, are granularitate zilnică; dacă conține totaluri lunare, are granularitate lunară.
În această etapă, veți răspunde la întrebări precum:
- Ar trebui ca depozitul să depoziteze toate produsele disponibile sau doar câteva tipuri de produse? Acest lucru depinde de procesele de business selectate.
- Ar trebui stocate vânzările de produse lunar, săptămânal, zilnic sau orar? Acest lucru depinde de rapoartele solicitate de directori.
- Cum afectează aceste două opțiuni dimensiunea bazei de date?
Exemplu de cereale: Imaginați-vă că directorul general al unei companii multinaționale dorește să vadă vânzările anumitor produse în diferite locații, măsurate zilnic.
În acest scenariu, cerealele devin „informații despre vânzările de produse pe locații, pe zile”.
Pasul 3) Identificați dimensiunile
Dimensiunile sunt substantive precum dată, magazin și inventar și conțin datele descriptive.
De exemplu, o dimensiune de tip dată poate conține un an, o lună și o zi lucrătoare.
Exemplu de dimensiuni: Aceeași cerință de vânzări zilnice determină alegerea dimensiunilor.
Pentru acest scenariu, dimensiunile sunt Produs, Locație și Timp.
Dimensiunea Produs conține atribute precum cheia produsului (o cheie externă), numele, tipul și specificațiile.
Dimensiunea Locație este organizată ca o ierarhie: țară, stat, oraș, adresă și nume.
Pasul 4) Identificați faptele
Acest pas este strâns legat de utilizatorii business ai sistemului, deoarece definește cifrele pe care le consumă din depozitul de date.
Majoritatea rândurilor din tabelul de fapte sunt valori numerice, cum ar fi prețul sau costul pe unitate.
Exemplu de fapte: Cerința privind vânzările zilnice stabilește din nou contextul.
Aici, faptul este suma vânzărilor pe produs, pe locație și pe timp.
Pasul 5) Construiți schema
În acest ultim pas, implementați modelul dimensional. O schemă este pur și simplu structura bazei de date — aranjamentul tabelelor — și două scheme sunt deosebit de comune.
Primul este schema stea, care este ușor de proiectat și numit după forma sa: un tabel central de fapte cu tabele de dimensiuni care radiază spre exterior precum vârfurile unei stele.
Într-o schemă stea, tabelul de fapte este în a treia formă normală, în timp ce tabelele de dimensiuni sunt denormalizate; aceasta Schema stea în modelarea depozitului de date Ghidul funcționează printr-un exemplu complet.
Al doilea este schema fulgului de nea, o extensie a schemei stea în care fiecare dimensiune este normalizată și legată de alte tabele de dimensiuni, așa cum se explică în acest schema fulgului de zăpadă în modelul depozitului de date ghid.
Reguli pentru modelarea dimensională
Următoarele reguli și principii ghidează modelarea dimensională eficientă:
- Încărcați datele atomice în structurile dimensionale.
- Construiți modele dimensionale în jurul proceselor de afaceri.
- Asigurați-vă că fiecare tabel de fapte are asociat un tabel de dimensiuni de dată.
- Păstrați toate faptele într-un singur tabel de fapte la aceeași granulație sau nivel de detaliu.
- Stocați etichetele rapoartelor și valorile domeniului de filtrare în tabelele de dimensiuni.
- Dați fiecărui tabel de dimensiuni o cheie surogat.
- Echilibrați continuu cerințele cu realitățile pentru a oferi o soluție care să sprijine luarea deciziilor de afaceri.
Beneficiile modelării dimensionale
Modelarea dimensională oferă o serie de beneficii practice:
- Dimensiunile standardizate permit o raportare ușoară și consistentă în toate domeniile afacerii.
- Tabelele de dimensiuni stochează istoricul informațiilor dimensionale.
- Noi dimensiuni pot fi introduse fără perturbări majore ale tabelului de fapte.
- Datele sunt stocate astfel încât să fie mai ușor de recuperat odată ce se află în baza de date.
- Comparativ cu modelul normalizat, tabelele dimensionale sunt mai ușor de înțeles deoarece informațiile sunt grupate în categorii comerciale clare.
- Modelul se bazează pe termeni de afaceri, astfel încât afacerea știe ce înseamnă fiecare fapt, dimensiune sau atribut.
- Deoarece modelul este denormalizat, este optimizat pentru interogări rapide, iar multe platforme relaționale își optimizează planurile de execuție pentru acesta.
- Schema oferă performanțe ridicate, cu mai puține joncțiuni și redundanță minimizată a datelor.
- Modelele dimensionale se adaptează ușor la schimbări, deoarece coloanele pot fi adăugate în tabelele de dimensiuni fără a afecta aplicațiile de business intelligence existente.
Ce este modelul de date multidimensional în depozitul de date?
A model de date multidimensional reprezintă datele sub formă de cuburi de date, permițându-vă să modelați și să vizualizați datele pe mai multe dimensiuni definite prin dimensiuni și fapte. Un astfel de model este de obicei organizat în jurul unei teme centrale și reprezentat de un tabel de fapte și formează baza OLAP Analiza.
