Veri Ambarında Boyutsal Modelleme Nedir? Türleri Öğrenin
David Carter
⚡ Akıllı Özet
Veri ambarı tasarımında boyutlu model, analistlerin sayısal ölçümleri hızlı bir şekilde alıp özetleyebilmeleri için bilgileri olgu ve boyut tablolarına ayırır; bu süreç, iş sürecini, ayrıntı düzeyini, boyutları, olguları ve nihai şemayı belirleyen beş adımlı Kimball yöntemini izler.
Boyutlu Modelleme Nedir?
Boyutsal Modelleme (DM) Veri ambarlarında veri depolama için optimize edilmiş bir veri yapısı tekniğidir. Amacı, verilerin daha hızlı alınması için veritabanını optimize etmektir. Bu kavram Ralph Kimball tarafından geliştirilmiştir ve "gerçek" ve "boyut" tabloları olmak üzere iki tablo türü etrafında inşa edilmiştir.
Veri ambarındaki boyutlu modeller, değerler, bakiyeler, sayılar ve ağırlıklar gibi sayısal bilgileri okumak, özetlemek ve analiz etmek için tasarlanmıştır. Buna karşılık, ilişkisel modeller gerçek zamanlı çevrimiçi işlem işleme sisteminde veri ekleme, güncelleme ve silme işlemleri için optimize edilmiştir.
Bu yaklaşımların her biri verileri kendine özgü bir şekilde depolar ve her biri farklı avantajlar sunar.
İlişkisel bir modelde, normalleştirme ve ER modelleri veri fazlalığını azaltır. Boyutlu bir model ise bunun yerine verileri, bilgiye ulaşmayı ve rapor oluşturmayı kolaylaştıracak şekilde düzenler.
Bu nedenle, boyutlu modeller uygundur. veri depolama İşlem ağırlıklı ilişkisel sistemler yerine, daha çok sistem odaklı sistemleri destekler. Çünkü bu model daha geniş bir çerçeveyi destekler. veri ambarı mimarisiAşağıdaki bölümlerde, bu tasarımın unsurları, türleri ve tasarım adımları ayrıntılı olarak ele alınmaktadır.
Boyutlu Veri Modelinin Unsurları
Gerçek
Gerçekler, bir iş sürecinden elde edilen ölçümler veya metriklerdir. Örneğin, bir satış sürecinde, üç aylık satış rakamı bir gerçektir; işletmenin analiz etmek istediği sayısal değerdir.
Boyut
Bir boyut, bir iş süreci olayını çevreleyen bağlamı sağlar. Basitçe ifade etmek gerekirse, boyutlar bir olayın kim, ne ve nerede olduğunu belirtir. "Üç aylık satış rakamı" olayı için boyutlar şunlar olacaktır:
- Kim – Müşteri isimleri
- Nerede – Konum
- Ne – Ürün adı
Başka bir deyişle, boyut, olguların içerdiği bilgileri görüntülediğiniz bir penceredir.
Özellikler
Nitelikler, boyutlu veri modelindeki bir boyutun çeşitli özellikleridir.
Konum boyutunda, özellikler şunlar olabilir:
- Eyalet
- Ülke
- Posta kodu
Nitelikler, olguları aramak, filtrelemek ve sınıflandırmak için kullanılır ve boyut tabloları bu niteliklerin bulunduğu yerdir.
Bilgi Tablosu
Bir olgu tablosu, boyutlu bir modeldeki birincil tablodur.
Bir olgu tablosu şunları içerir:
- Ölçümler veya gerçekler
- Boyut tablolarına yabancı anahtarlar
Boyut Tablosu
Boyut tablosu, bir olgu tablosunun boyutlarını içerir ve yabancı anahtar aracılığıyla olgu tablosuna bağlanır. Başlıca özellikleri aşağıda listelenmiştir:
- Boyut tabloları normalleştirilmemiş tablolardır.
- Boyut nitelikleri tablonun sütunlarını oluşturur.
- Boyutlar, nitelikleri aracılığıyla olguların tanımlayıcı özelliklerini sunar.
- Boyut sayısında sabit bir sınır yoktur.
- Bir boyut, bir veya daha fazla hiyerarşik ilişki içerebilir.
Veri Ambarındaki Boyut Türleri
Boyutsal modelleme, her biri belirli bir tasarım ihtiyacına uygun çeşitli boyutlandırma türlerini kullanır. Başlıca olanlar şunlardır: veri ambarındaki boyut türleri şunlardır:
- Uyumlu Boyut
- Payanda Boyutu
- Küçültülmüş Boyut
- Rol Yapma Boyutu
- Boyuttan Boyuta Tablo
- Önemsiz Boyut
- Dejenere Boyut
- Değiştirilebilir Boyut
- Adım Boyutu
Boyutsal Modellemenin Adımları
Boyutsal modellemenizin doğruluğu, veri ambarı uygulamasının başarısını belirler. Boyutsal model oluşturmanın beş adımı vardır:
- İş sürecini tanımlayın
- Tanecik boyutunu (detay seviyesini) belirleyin.
- Boyutları belirleyin
- Gerçekleri belirleyin
- Şemayı oluşturun
Özetle, tamamlanmış model, iş sürecinizin nedenini, miktarını, ne zamanını, nerede gerçekleştiğini, kiminle yapıldığını ve neyini açıklamalıdır.
Adım 1) İş Sürecini Tanımlayın
İlk görev, kuruluşun ihtiyaçlarına göre deponun hangi iş süreçlerini (pazarlama, satış, insan kaynakları vb.) kapsaması gerektiğini belirlemektir. veri analizi İhtiyaçlar ve mevcut verilerin kalitesi. Bu en önemli adımdır, çünkü burada yapılan bir hata, zincirleme reaksiyonlara ve düzeltilmesi zor sorunlara yol açar.
İş sürecini tanımlamak için düz metin, İş Süreci Modelleme Gösterimi (BPMN) veya Birleşik Modelleme Dili (UML) kullanabilirsiniz.UML).
Adım 2) Tahılı Tanımlayın
Tanecik boyutu, iş problemine ilişkin detay seviyesini tanımlar; bu, herhangi bir tabloda saklanan en düşük bilgi seviyesidir.
Bir tabloda her güne ait satış verileri varsa, günlük ayrıntı düzeyine sahiptir; aylık toplamları içeriyorsa, aylık ayrıntı düzeyine sahiptir.
Bu aşamada aşağıdaki gibi soruları yanıtlayacaksınız:
- Depoda mevcut tüm ürünler mi yoksa sadece birkaç ürün türü mü saklanmalı? Bu, seçilen iş süreçlerine bağlıdır.
- Ürün satış verileri aylık, haftalık, günlük veya saatlik olarak mı saklanmalı? Bu, yöneticilerin talep ettiği raporlara bağlıdır.
- Bu iki seçenek veritabanı boyutunu nasıl etkiler?
Tahıl örneği: Örneğin, çok uluslu bir şirketin CEO'su, belirli ürünlerin farklı lokasyonlardaki satışlarını her gün ölçmek istiyor.
Bu senaryoda, veri "konuma ve güne göre ürün satış bilgileri" haline gelir.
Adım 3) Boyutları Tanımlayın
Boyutlar, tarih, mağaza ve envanter gibi isimlerdir ve tanımlayıcı verileri içerirler.
Örneğin, bir tarih boyutu bir yıl, bir ay ve bir hafta içi günü içerebilir.
Örnek ölçüler: Günlük satış gereksinimi, boyut seçimini de aynı şekilde yönlendirir.
Bu senaryoda boyutlar Ürün, Konum ve Zaman'dır.
Ürün boyutu, ürün anahtarı (yabancı anahtar), ad, tür ve özellikler gibi nitelikleri içerir.
Konum boyutu hiyerarşik bir yapıda düzenlenmiştir: ülke, eyalet, şehir, sokak adresi ve isim.
Adım 4) Gerçekleri Belirleyin
Bu adım, sistemin iş kullanıcılarıyla yakından ilişkilidir, çünkü veri ambarından tükettikleri rakamları tanımlar.
Çoğu olgu tablosu satırı, fiyat veya birim maliyet gibi sayısal değerlerdir.
Örnek olaylar: Günlük satış gereksinimi yine bağlamı belirliyor.
Burada, gerçek, ürüne, konuma ve zamana göre satışların toplamıdır.
Adım 5) Şema Oluşturun
Bu son adımda, boyutlu modeli uyguluyorsunuz. Şema, basitçe veritabanı yapısıdır - tabloların düzenidir - ve iki şema özellikle yaygındır.
Ilk yıldız şemasıTasarımı kolay olan ve şeklinden dolayı bu adı alan bir tablo: ortada bir bilgi tablosu ve yıldızın noktaları gibi dışa doğru yayılan boyut tabloları.
Yıldız şemada, olgu tablosu üçüncü normal formda iken boyut tabloları normalleştirilmemiş haldedir; bu Veri ambarı modellemesinde yıldız şema Bu kılavuz, eksiksiz bir örnek üzerinden ilerlemektedir.
Ikinci kar tanesi şemasıBu, her boyutun normalize edildiği ve daha fazla boyut tablosuna bağlandığı yıldız şemasının bir uzantısıdır, bu şekilde açıklanmıştır. Veri ambarı modelinde kar tanesi şeması Kılavuz.
Boyutlu Modelleme Kuralları
Boyutsal modellemenin etkinliğini yönlendiren kurallar ve prensipler şunlardır:
- Atomik verileri boyutlu yapılara yükleyin.
- İş süreçleri etrafında boyutlu modeller oluşturun.
- Her olgu tablosunun ilişkili bir tarih boyut tablosuna sahip olduğundan emin olun.
- Tüm verileri aynı ayrıntı düzeyinde, tek bir veri tablosunda tutun.
- Rapor etiketlerini ve filtre etki alanı değerlerini boyut tablolarında saklayın.
- Her boyut tablosuna bir vekil anahtar atayın.
- İş kararlarını destekleyen bir çözüm sunmak için gereksinimler ile gerçekler arasında sürekli bir denge kurun.
Boyutsal Modellemenin Faydaları
Boyutsal modelleme bir dizi pratik fayda sunmaktadır:
- Standartlaştırılmış boyutlar, işletmenin tüm alanlarında kolay ve tutarlı raporlama yapılmasını sağlar.
- Boyut tabloları boyutsal bilgilerin geçmişini saklar.
- Yeni boyutlar, olgu tablosunda büyük bir değişikliğe yol açmadan eklenebilir.
- Veriler, veritabanına kaydedildikten sonra daha kolay erişilebilmesi için saklanır.
- Normalleştirilmiş modele kıyasla, boyutlu tabloların anlaşılması daha kolaydır çünkü bilgiler net iş kategorileri halinde gruplandırılmıştır.
- Model, iş terimlerine dayanmaktadır; bu nedenle işletme, her bir olgunun, boyutun veya özelliğin ne anlama geldiğini bilir.
- Model normalleştirilmemiş olduğundan, hızlı sorgulama için optimize edilmiştir ve birçok ilişkisel platform, yürütme planlarını buna göre optimize eder.
- Bu şema, daha az birleştirme işlemi ve en aza indirilmiş veri fazlalığı ile yüksek performans sunar.
- Boyutlu modeller, sütunlar boyut tablolarına mevcut iş zekası uygulamalarını etkilemeden eklenebildiği için değişime kolayca uyum sağlar.
Veri Ambarında Çok Boyutlu Veri Modeli Nedir?
A çok boyutlu veri modeli Verileri veri küpleri olarak temsil eder ve boyutlar ve olgular tarafından tanımlanan çeşitli boyutlarda verileri modellemenize ve görüntülemenize olanak tanır. Bu tür bir model genellikle merkezi bir tema etrafında düzenlenir ve bir olgu tablosu ile temsil edilir ve temelini oluşturur. OLAP analizi.
