ડેટા માર્ટ્સ ડેટા વૉલ્ટ

અગાઉના માં લેખો, અમે DATA VAULT ની મૂળભૂત બાબતો જોઈ છે, DATA VAULT ને વધુ વિશ્લેષિત સ્થિતિમાં લંબાવવું અને BUSINESS DATA VAULT બનાવવું. ત્રીજા લેખ સાથે શ્રેણી સમાપ્ત કરવાનો સમય છે.

જેમ મેં અગાઉની જાહેરાત કરી હતી પ્રકાશનો, આ લેખ BI ના વિષય પર અથવા BI માટે ડેટા સ્ત્રોત તરીકે DATA VAULT ની તૈયારી પર ધ્યાન કેન્દ્રિત કરશે. ચાલો જોઈએ કે હકીકત અને પરિમાણ કોષ્ટકો કેવી રીતે બનાવવી અને આમ સ્ટાર સ્કીમા કેવી રીતે બનાવવી.

જ્યારે મેં DATA VAULT પર ડેટા માર્ટ્સ બનાવવાના વિષય પર અંગ્રેજી-ભાષાની સામગ્રીનો અભ્યાસ કરવાનું શરૂ કર્યું, ત્યારે મને લાગ્યું કે પ્રક્રિયા વધુ જટિલ છે. લેખો નોંધપાત્ર લંબાઈના હોવાથી, ડેટા વૉલ્ટ 2.0 પદ્ધતિમાં દેખાતા શબ્દોમાં ફેરફારના સંદર્ભો છે, આ શબ્દોનું મહત્વ દર્શાવેલ છે.

જો કે, અનુવાદમાં તપાસ કર્યા પછી, તે સ્પષ્ટ થઈ ગયું કે આ પ્રક્રિયા એટલી જટિલ નથી. પરંતુ તમારો અભિપ્રાય અલગ હોઈ શકે છે.

અને તેથી, ચાલો મુદ્દા પર આવીએ.

ડેટા વૉલ્ટમાં પરિમાણ અને હકીકત કોષ્ટકો

સમજવા માટે સૌથી મુશ્કેલ માહિતી:

• માપન કોષ્ટકો હબ અને તેમના ઉપગ્રહોની માહિતી પર બનાવવામાં આવે છે;
• હકીકત કોષ્ટકો લિંક્સ અને તેમના ઉપગ્રહોની માહિતી પર બનાવવામાં આવે છે.

અને આ વિશે લેખ વાંચ્યા પછી સ્પષ્ટ છે ડેટા વૉલ્ટની મૂળભૂત બાબતો. હબ બિઝનેસ ઑબ્જેક્ટ્સની અનન્ય ચાવીઓ, બિઝનેસ ઑબ્જેક્ટ વિશેષતાઓની સ્થિતિના તેમના સમય-બાઉન્ડ ઉપગ્રહો, વ્યવહારોને સપોર્ટ કરતી લિંક્સ સાથે જોડાયેલા ઉપગ્રહો આ વ્યવહારોની સંખ્યાત્મક લાક્ષણિકતાઓને સંગ્રહિત કરે છે.

આ તે છે જ્યાં સિદ્ધાંત મૂળભૂત રીતે સમાપ્ત થાય છે.

પરંતુ, તેમ છતાં, મારા મતે, ડેટા વૉલ્ટ પદ્ધતિ વિશેના લેખોમાં મળી શકે તેવા કેટલાક ખ્યાલોની નોંધ લેવી જરૂરી છે:

• રો ડેટા માર્ટ્સ - "કાચા" ડેટાના પ્રદર્શન;
• માહિતી માર્ટ્સ - માહિતી પ્રદર્શન.

"રો ડેટા માર્ટ્સ" ની વિભાવના - એકદમ સરળ જોઇન કરીને ડેટા વૉલ્ટ ડેટા પર બનેલા માર્ટ્સ સૂચવે છે. "રો ડેટા માર્ટ્સ" અભિગમ તમને વિશ્લેષણ માટે યોગ્ય માહિતી સાથે વેરહાઉસ પ્રોજેક્ટને લવચીક અને ઝડપથી વિસ્તૃત કરવાની મંજૂરી આપે છે. આ અભિગમમાં સ્ટોરફ્રન્ટમાં મૂકવામાં આવે તે પહેલાં જટિલ ડેટા ટ્રાન્સફોર્મેશન અને બિઝનેસ નિયમોનો અમલ કરવાનો સમાવેશ થતો નથી, જો કે, રો ડેટા માર્ટ્સનો ડેટા બિઝનેસ યુઝર માટે સમજી શકાય તેવો હોવો જોઈએ અને વધુ ટ્રાન્સફોર્મેશન માટે આધાર તરીકે સેવા આપવી જોઈએ, ઉદાહરણ તરીકે, BI ટૂલ્સ દ્વારા .

ડેટા વૉલ્ટ 2.0 પદ્ધતિમાં "ઇન્ફોર્મેશન માર્ટ્સ" નો ખ્યાલ દેખાયો, તેણે "ડેટા માર્ટ્સ" ની જૂની વિભાવનાને બદલી નાખી. આ ફેરફાર માહિતીમાં ડેટાના રૂપાંતર તરીકે રિપોર્ટિંગ માટે ડેટા મોડેલના અમલીકરણના કાર્યની અનુભૂતિને કારણે છે. "ઇન્ફોર્મેશન માર્ટ્સ" યોજના, સૌ પ્રથમ, વ્યવસાયને નિર્ણય લેવા માટે યોગ્ય માહિતી પ્રદાન કરવી જોઈએ.

તેના બદલે શબ્દયુક્ત વ્યાખ્યાઓ બે સરળ તથ્યોને પ્રતિબિંબિત કરે છે:

1. "રો ડેટા માર્ટ્સ" પ્રકારના શોકેસ કાચા (RAW) ડેટા વૉલ્ટ પર બનેલ છે, એક ભંડાર જેમાં માત્ર મૂળભૂત ખ્યાલો છે: હબ્સ, લિંક્સ, સેટેલાઇટ્સ;
2. શોકેસ "ઇન્ફોર્મેશન માર્ટ્સ" બિઝનેસ વૉલ્ટના ઘટકોનો ઉપયોગ કરીને બનાવવામાં આવે છે: PIT, BRIDGE.

જો આપણે કર્મચારી વિશે માહિતી સંગ્રહિત કરવાના ઉદાહરણો તરફ વળીએ, તો અમે કહી શકીએ કે કર્મચારીનો વર્તમાન (વર્તમાન) ફોન નંબર દર્શાવતો સ્ટોરફ્રન્ટ એ “રો ડેટા માર્ટ્સ” પ્રકારનો સ્ટોરફ્રન્ટ છે. આવા શોકેસ બનાવવા માટે, કર્મચારીની બિઝનેસ કી અને સેટેલાઇટ લોડિંગ ડેટ એટ્રિબ્યુટ (MAX(SatLoadDate)) પર વપરાતી MAX() ફંક્શનનો ઉપયોગ કરવામાં આવે છે. જ્યારે શોકેસમાં એટ્રિબ્યુટ ફેરફારોનો ઇતિહાસ સંગ્રહિત કરવાની આવશ્યકતા હોય છે - તેનો ઉપયોગ થાય છે, તમારે સમજવાની જરૂર છે કે ફોન કઈ તારીખથી કઈ તારીખ સુધી અપ-ટૂ-ડેટ હતો, બિઝનેસ કીનું સંકલન અને લોડિંગની તારીખ સેટેલાઇટ આવા કોષ્ટકમાં પ્રાથમિક કી ઉમેરશે, માન્યતા અવધિની અંતિમ તારીખનું ક્ષેત્ર પણ ઉમેરવામાં આવે છે.

એક સ્ટોરફ્રન્ટ બનાવવું જે હબમાં સમાવિષ્ટ કેટલાક ઉપગ્રહોની દરેક વિશેષતા માટે અદ્યતન માહિતી સંગ્રહિત કરે છે, ઉદાહરણ તરીકે, ફોન નંબર, સરનામું, આખું નામ, પીઆઈટી ટેબલનો ઉપયોગ સૂચવે છે, જેના દ્વારા બધી તારીખોને ઍક્સેસ કરવી સરળ છે. સુસંગતતા. આ પ્રકારના શોકેસને "ઇન્ફોર્મેશન માર્ટ્સ" તરીકે ઓળખવામાં આવે છે.

બંને અભિગમો માપન અને તથ્યો બંને માટે સુસંગત છે.

સ્ટોરફ્રન્ટ્સ બનાવવા માટે કે જે ઘણી લિંક્સ અને હબ વિશે માહિતી સંગ્રહિત કરે છે, BRIDGE કોષ્ટકોની ઍક્સેસનો ઉપયોગ કરી શકાય છે.

આ લેખ સાથે, હું DATA VAULT ના ખ્યાલ પર ચક્ર પૂર્ણ કરું છું, મને આશા છે કે મેં શેર કરેલી માહિતી તમારા પ્રોજેક્ટ્સના અમલીકરણમાં ઉપયોગી થશે.

હંમેશની જેમ, નિષ્કર્ષમાં, કેટલીક ઉપયોગી લિંક્સ:

• કલમ કેન્ટા ગ્રેઝિયાનો, જેમાં વિગતવાર વર્ણન ઉપરાંત, મોડેલ ડાયાગ્રામનો સમાવેશ થાય છે;

• પુસ્તક: “DATA VAULT 2.0 સાથે સ્કેલેબલ ડેટા વેરહાઉસનું નિર્માણ”;
• લેખ "ડેટા વૉલ્ટ બેઝિક્સ";
• લેખ "ડેટા વૉલ્ટનો વિકાસ અને બિઝનેસ ડેટા વૉલ્ટમાં સંક્રમણ".

સોર્સ: www.habr.com