Что такое размерное моделирование в хранилище данных? Изучите типы
Дэвид Картер
⚡ Умное резюме
В проектировании хранилищ данных многомерная модель организует информацию в таблицы фактов и измерений, чтобы аналитики могли быстро извлекать и обобщать числовые показатели, следуя пятиэтапному методу Кимбалла, который определяет бизнес-процесс, детализацию, измерения, факты и окончательную схему.
Что такое объемное моделирование?
Размерное моделирование (ДМ) Это метод структурирования данных, оптимизированный для хранения данных в хранилище данных. Его цель — оптимизировать базу данных для более быстрого извлечения данных. Концепция была разработана Ральфом Кимбаллом и основана на двух типах таблиц: «таблицах фактов» и «таблицах измерений».
Многомерная модель в хранилище данных предназначена для чтения, обобщения и анализа числовой информации, такой как значения, остатки, количества и веса. Реляционные модели, напротив, оптимизированы для добавления, обновления и удаления данных в системе обработки транзакций в режиме реального времени.
Каждый из этих подходов хранит данные по-своему, и каждый из них имеет свои distinct преимущества.
В реляционной модели нормализация и ER-модели уменьшают избыточность данных. В одномерной модели, напротив, данные упорядочиваются таким образом, чтобы информацию было легче извлекать, а отчеты — легче создавать.
По этой причине подходят размерные модели. хранилище данных а не транзакционно-ориентированные реляционные системы. Потому что эта модель лежит в основе более широкой системы. архитектура хранилища данныхВ разделах ниже подробно рассматриваются его элементы, типы и этапы проектирования.
Элементы многомерной модели данных
Факт
Факты — это измерения или показатели, полученные в ходе бизнес-процесса. Например, в процессе продаж квартальные продажи — это факт, числовое значение, которое компания хочет проанализировать.
Размеры
Измерение определяет контекст, окружающий событие бизнес-процесса. Проще говоря, измерения указывают, кто, что и где произошло. Для факта «квартальные показатели продаж» измерениями будут следующие:
- Кто – Имена клиентов
- Где – Местоположение
- Что – Название продукта
Иными словами, измерение — это окно, через которое вы видите информацию, содержащуюся в фактах.
Атрибуты
Атрибуты — это различные характеристики измерения в рамках многомерной модели данных.
В измерении «Местоположение» атрибутами могут быть:
- Область
- Страна
- Почтовый индекс
Атрибуты используются для поиска, фильтрации и классификации фактов, а таблицы измерений — это место, где хранятся эти атрибуты.
Таблица фактов
Таблица фактов — это основная таблица в многомерной модели.
Таблица фактов содержит:
- Измерения или факты
- Внешние ключи к таблицам измерений
Таблица размеров
Таблица измерений хранит измерения таблицы фактов и связывается с ней посредством внешнего ключа. Ее основные характеристики перечислены ниже:
- Таблицы измерений являются денормализованными таблицами.
- Атрибуты измерений формируют столбцы таблицы.
- Измерения позволяют описать характеристики фактов посредством их атрибутов.
- Нет установленного ограничения на количество измерений.
- Измерение может содержать одно или несколько иерархических отношений.
Типы измерений в хранилище данных
В моделировании с использованием размеров применяются различные типы размеров, каждый из которых подходит для решения конкретных задач проектирования. Основные размеры... типы измерений в хранилище данных составляют:
- Соответствующий размер
- Размер аутригера
- Уменьшенное измерение
- Ролевое измерение
- Таблица размеров
- Мусорное измерение
- Вырожденное измерение
- Сменный размер
- Размер шага
Этапы размерного моделирования
Точность вашей многомерной модели определяет успех внедрения хранилища данных. Построение многомерной модели включает пять шагов:
- Определить бизнес-процесс
- Определите тип зерна (уровень детализации).
- Определите размеры
- Определите факты
- Создайте схему
В целом, готовая модель должна описывать причины, объемы, сроки, места, участников и суть вашего бизнес-процесса.
Шаг 1) Определите бизнес-процесс
Первая задача — определить бизнес-процессы, которые должен охватывать склад — маркетинг, продажи, управление персоналом и так далее — исходя из специфики организации. анализ данных потребности и качество доступных данных. Это самый важный шаг, поскольку ошибка на этом этапе приводит к каскадным, трудноисправимым проблемам.
Для описания бизнес-процесса можно использовать простой текст, нотацию моделирования бизнес-процессов (BPMN) или унифицированный язык моделирования (UML).UML-).
Шаг 2) Определите зерно
Зернистость определяет уровень детализации бизнес-задачи — самый низкий уровень информации, хранящейся в любой таблице.
Если таблица содержит данные о продажах за каждый день, она имеет ежедневную детализацию; если она содержит месячные итоги, она имеет месячную детализацию.
На этом этапе вы отвечаете на такие вопросы, как:
- Следует ли хранить на складе все имеющиеся товары или только некоторые виды продукции? Это зависит от выбранных бизнес-процессов.
- Следует ли хранить данные о продажах продукции ежемесячно, еженедельно, ежедневно или ежечасно? Это зависит от того, какие отчеты запрашивают руководители.
- Как эти два варианта влияют на размер базы данных?
Пример зерна: Представьте, что генеральный директор многонациональной компании хочет ежедневно отслеживать продажи конкретных товаров в разных регионах.
В этом случае зерно превращается в «информацию о продажах продукции по местоположению за каждый день».
Шаг 3) Определите размеры
Измерения — это существительные, такие как дата, магазин и инвентарь, и они содержат описательные данные.
Например, измерение даты может содержать год, месяц и день недели.
Пример размеров: Тот же самый показатель ежедневного объема продаж определяет выбор габаритов.
В данном сценарии параметрами являются продукт, местоположение и время.
В измерении "Продукт" содержатся такие атрибуты, как ключ продукта (внешний ключ), название, тип и характеристики.
В параметре «Местоположение» представлена иерархическая структура: страна, штат, город, адрес и название.
Шаг 4) Определите факты
Этот этап тесно связан с бизнес-пользователями системы, поскольку он определяет, какие данные они будут получать из хранилища данных.
Большинство строк в таблицах фактов содержат числовые значения, такие как цена или себестоимость единицы продукции.
Пример фактов: Требование к ежедневным продажам снова задает контекст.
В данном случае речь идет о сумме продаж по товарам, по местоположению и по времени.
Шаг 5) Постройте схему
На этом заключительном этапе вы реализуете многомерную модель. Схема — это просто структура базы данных, то есть расположение таблиц, и особенно распространены две схемы.
Первый схема звезды, которую легко спроектировать, и которая названа так из-за своей формы: центральная таблица фактов с таблицами измерений, расходящимися наружу, подобно вершинам звезды.
В звездообразной схеме таблица фактов находится в третьей нормальной форме, в то время как таблицы измерений денормализованы; Звездная схема в моделировании хранилища данных В руководстве представлен полный пример.
Второй является схема снежинкиЭто расширение звездообразной схемы, в которой каждое измерение нормализовано и связано с другими таблицами измерений, как объяснено в этом документе. Схема «снежинка» в модели хранилища данных руководства.
Правила размерного моделирования
Для эффективного моделирования размерностей используются следующие правила и принципы:
- Загрузите атомные данные в трехмерные структуры.
- Создавайте многомерные модели бизнес-процессов.
- Убедитесь, что каждая таблица фактов имеет связанную с ней таблицу измерений дат.
- Все факты должны быть представлены в одной таблице с одинаковым уровнем детализации.
- Сохраняйте метки отчетов и значения доменов фильтров в таблицах измерений.
- Присвойте каждой таблице измерений суррогатный ключ.
- Необходимо постоянно балансировать требования с реальностью, чтобы предложить решение, поддерживающее принятие бизнес-решений.
Преимущества размерного моделирования
Многомерное моделирование предоставляет ряд практических преимуществ:
- Стандартизированные параметры позволяют легко и согласованно формировать отчеты по всем направлениям бизнеса.
- Таблицы измерений хранят историю информации о измерениях.
- Новые параметры можно вводить без существенного нарушения структуры таблицы фактов.
- Данные хранятся таким образом, чтобы их было легче извлечь после того, как они окажутся в базе данных.
- По сравнению с нормализованной моделью, многомерные таблицы проще для понимания, поскольку информация сгруппирована в четкие бизнес-категории.
- Модель основана на бизнес-терминах, поэтому компания понимает, что означает каждый факт, параметр или атрибут.
- Поскольку модель денормализована, она оптимизирована для быстрой обработки запросов, и многие реляционные платформы оптимизируют свои планы выполнения именно для неё.
- Данная схема обеспечивает высокую производительность за счет меньшего количества объединений и минимизации избыточности данных.
- Многомерные модели легко адаптируются к изменениям, поскольку столбцы можно добавлять в таблицы измерений без влияния на существующие приложения бизнес-аналитики.
Что такое многомерная модель данных в хранилище данных?
A многомерная модель данных Модель представляет данные в виде кубов данных, позволяя моделировать и просматривать данные в нескольких измерениях, определяемых измерениями и фактами. Такая модель обычно организуется вокруг центральной темы и представляется таблицей фактов, и она составляет основу OLAP анализа.
