🥇तुमच्या छोट्या स्टोरेजमध्ये साइटची अधिक आकडेवारी

साइटच्या आकडेवारीचे विश्लेषण करून, आम्हाला त्याच्यासह काय होत आहे याची कल्पना येते. आम्ही उत्पादन किंवा सेवेबद्दलच्या इतर ज्ञानाशी परिणामांची तुलना करतो आणि त्याद्वारे आमचा अनुभव सुधारतो.

जेव्हा पहिल्या निकालांचे विश्लेषण पूर्ण होते, माहिती समजली जाते आणि निष्कर्ष काढले जातात, तेव्हा पुढचा टप्पा सुरू होतो. कल्पना उद्भवतात: आपण दुसऱ्या बाजूने डेटा पाहिल्यास काय होईल?

या टप्प्यावर विश्लेषण साधनांच्या मर्यादा आहेत. माझ्यासाठी Google Analytics पुरेसे नव्हते याचे हे एक कारण आहे, म्हणजे माझा डेटा पाहण्याची आणि हाताळण्याची मर्यादित क्षमता.

मला नेहमीच मूलभूत डेटा (मास्टर डेटा) द्रुतपणे लोड करायचा होता, एकत्रीकरणाचा दुसरा स्तर जोडायचा होता किंवा विद्यमान मूल्यांचा वेगळ्या प्रकारे अर्थ लावायचा होता.

हे करणे सोपे आहे तुमच्या छोट्या स्टोरेज रूममध्ये access.log फाइलवर आधारित आणि SQL भाषा यासाठी पुरेशी आहे.

तर, मला कोणत्या प्रश्नांची उत्तरे हवी होती?

साइटवर काय आणि केव्हा बदलले

अंतर्निहित डेटा (मास्टर डेटा) मधील बदलांचा इतिहास नेहमीच स्वारस्यपूर्ण असतो.

SQL अहवाल क्वेरी

SELECT
	1 as 'SideStackedBar: Content Updates by Months',
	strftime('%m/%Y', datetime(UPDATE_DT, 'unixepoch')) AS 'Day',
	COUNT(CASE WHEN PAGE_TITLE != 'n.a.' THEN DIM_REQUEST_ID END) AS 'Web page updates',
	COUNT(CASE WHEN PAGE_DESCR = 'IMAGES' THEN DIM_REQUEST_ID END) AS 'Image uploads',
	COUNT(CASE WHEN PAGE_DESCR = 'VIDEO' THEN DIM_REQUEST_ID END) AS 'Video uploads',
	COUNT(CASE WHEN PAGE_DESCR = 'AUDIO' THEN DIM_REQUEST_ID END) AS 'Audio uploads'
FROM DIM_REQUEST
WHERE PAGE_TITLE != 'n.a.' OR PAGE_DESCR != 'n.a.'
GROUP BY strftime('%m/%Y', datetime(UPDATE_DT, 'unixepoch'))
ORDER BY UPDATE_DT

उदाहरणार्थ, एखाद्या वेळी, शोध इंजिन ऑप्टिमायझेशन केले गेले किंवा साइटवर नवीन सामग्री जोडली गेली आणि त्यामुळे रहदारीमध्ये वाढ अपेक्षित आहे.

वापरकर्त्यांचा गट

समूहाचे सर्वात सोपे उदाहरण म्हणजे वापरकर्ता एजंट किंवा ऑपरेटिंग सिस्टमचे नाव.

वापरकर्ता एजंटच्या परिमाणाने सुमारे एक हजार रेकॉर्ड जमा केले आहेत आणि मला गटातील एजंटच्या वितरणाची गतिशीलता पाहण्यात रस होता.

SQL अहवाल क्वेरी

SELECT
	1 AS 'SideStackedBar: User Agents',
	AGENT_OS AS 'OS',
	SUM(CASE WHEN AGENT_BOT = 'n.a.' THEN 1 ELSE 0 END ) AS 'User Agent of Users',
	SUM(CASE WHEN AGENT_BOT != 'n.a.' THEN 1 ELSE 0 END ) AS 'User Agent of Bots'
FROM DIM_USER_AGENT
WHERE DIM_USER_AGENT_ID != -1
GROUP BY AGENT_OS
ORDER BY 3 DESC

एजंट्सचे बहुतेक भिन्न संयोजन Windows जगातून साइटवर येतात. अनोळखी व्यक्तींमध्ये WhatsApp, PocketImageCache, PlayStation, SmartTV इ.

आठवड्यानुसार वापरकर्ता गट क्रियाकलाप

काही गट एकत्र करून, कोणीही त्यांच्या क्रियाकलापांचे वितरण पाहू शकतो.

उदाहरणार्थ, लिनक्स क्लस्टर वापरकर्ते इतर सर्वांपेक्षा अधिक वेबसाइट ट्रॅफिक वापरतात.

SQL अहवाल क्वेरी

SELECT
1 as 'StackedBar: Traffic Volume by User OS and by Week',
strftime('%W week', datetime(FCT.EVENT_DT, 'unixepoch')) AS 'Week',
SUM(CASE WHEN USG.AGENT_OS IN ('Android', 'Linux') THEN FCT.BYTES ELSE 0 END)/1000 AS 'Android/Linux Users',
SUM(CASE WHEN USG.AGENT_OS IN ('Windows') THEN FCT.BYTES ELSE 0 END)/1000 AS 'Windows Users',
SUM(CASE WHEN USG.AGENT_OS IN ('Macintosh', 'iOS') THEN FCT.BYTES ELSE 0 END)/1000 AS 'Mac/iOS Users',
SUM(CASE WHEN USG.AGENT_OS IN ('n.a.', 'BlackBerry') THEN FCT.BYTES ELSE 0 END)/1000 AS 'Other'
FROM
  FCT_ACCESS_USER_AGENT_DD FCT,
  DIM_USER_AGENT USG,
  DIM_HTTP_STATUS HST
WHERE FCT.DIM_USER_AGENT_ID=USG.DIM_USER_AGENT_ID
  AND FCT.DIM_HTTP_STATUS_ID = HST.DIM_HTTP_STATUS_ID
  AND USG.AGENT_BOT = 'n.a.' /* users only */
  AND HST.STATUS_GROUP IN ('Successful') /* good pages */
  AND datetime(FCT.EVENT_DT, 'unixepoch') > date('now', '-3 month')
GROUP BY strftime('%W week', datetime(FCT.EVENT_DT, 'unixepoch'))
ORDER BY FCT.EVENT_DT

सधन रहदारीचा वापर

सारणी सर्वात सक्रिय वापरकर्ता गट आणि त्यांच्या क्रियाकलापाचा दिवस दर्शविते.
सर्वात सक्रिय लिनक्स क्लस्टरशी संबंधित आहेत.

SQL अहवाल क्वेरी

SELECT
1 AS 'Table: User Agent with Havy Usage',
strftime('%d.%m.%Y', datetime(FCT.EVENT_DT, 'unixepoch')) AS 'Day',
ROUND(1.0*SUM(FCT.BYTES)/1000000, 1) AS 'Traffic MB',
ROUND(1.0*SUM(FCT.IP_CNT)/SUM(1), 1) AS 'IPs',
ROUND(1.0*SUM(FCT.REQUEST_CNT)/SUM(1), 1) AS 'Requests',
USA.DIM_USER_AGENT_ID AS 'ID',
MAX(USA.USER_AGENT_NK) AS 'User Agent',
MAX(USA.AGENT_BOT) AS 'Bot'
FROM
FCT_ACCESS_USER_AGENT_DD FCT,
DIM_USER_AGENT USA
WHERE FCT.DIM_USER_AGENT_ID = USA.DIM_USER_AGENT_ID
  AND datetime(FCT.EVENT_DT, 'unixepoch') >= date('now', '-30 day')
GROUP BY USA.DIM_USER_AGENT_ID, strftime('%d.%m.%Y', datetime(FCT.EVENT_DT, 'unixepoch')) 
ORDER BY SUM(FCT.BYTES) DESC, FCT.EVENT_DT
LIMIT 10

दिवस आणि एजंट आयडी विशेषता वापरून, वैयक्तिक वापरकर्ता गटांच्या दिवसांची आकडेवारी द्रुतपणे शोधणे आणि ट्रॅक करणे शक्य होते. आवश्यक असल्यास, आपण स्टेज टेबलमध्ये त्वरित तपशीलवार माहिती शोधू शकता.

माहिती कशी मिळवायची?

access.log फाइलमधील माहिती अतिरिक्त डेटा स्रोत समाकलित करून आणि एकत्रीकरण आणि गटबद्धतेच्या नवीन स्तरांचा परिचय करून आणखी कार्यक्षम केले जाऊ शकते.

मूलभूत डेटा आणि संस्था

मूलभूत डेटामध्ये संस्थांबद्दल माहिती समाविष्ट असते: वेब पृष्ठे, चित्रे, व्हिडिओ आणि ऑडिओ सामग्री, स्टोअरच्या बाबतीत - उत्पादने.

घटक स्वतः मोजमाप म्हणून कार्य करतात आणि गुणधर्मांमधील बदल संचयित करण्याच्या प्रक्रियेस ऐतिहासिकीकरण म्हणतात. डेटाबेसमध्ये, ही प्रक्रिया बहुतेक वेळा हळूहळू बदलणाऱ्या आयामांच्या (SCD) स्वरूपात लागू केली जाते.

स्त्रोत डेटा विविध प्रणालींमधून येऊ शकतो, म्हणून त्यांना जवळजवळ नेहमीच एकत्रित करणे आवश्यक असते.

हळूहळू परिमाण बदलत आहे

DIM_REQUEST परिमाणात ऐतिहासिक स्वरुपात साइटवरील विनंत्यांविषयी माहिती असेल.

टेबल SCD2

CREATE TABLE DIM_REQUEST ( /* scd table for user requests */
  DIM_REQUEST_ID      INTEGER NOT NULL PRIMARY KEY AUTOINCREMENT,
  DIM_REQUEST_ID_HIST INTEGER NOT NULL DEFAULT -1,
  REQUEST_NK          TEXT NOT NULL DEFAULT 'n.a.', /* request without ?parameters */
  PAGE_TITLE          TEXT NOT NULL DEFAULT 'n.a.',
  PAGE_DESCR          TEXT NOT NULL DEFAULT 'n.a.',
  PAGE_KEYWORDS       TEXT NOT NULL DEFAULT 'n.a.',
  DELETE_FLAG         INTEGER NOT NULL DEFAULT 0,
  UPDATE_DT           INTEGER NOT NULL DEFAULT 0,
  UNIQUE (REQUEST_NK, DIM_REQUEST_ID_HIST)
);
INSERT INTO DIM_REQUEST (DIM_REQUEST_ID) VALUES (-1);

या व्यतिरिक्त, आम्ही एक दृश्य तयार करू जे नेहमी नवीनतम स्थितीत सर्व रेकॉर्ड प्रदर्शित करते. मापन स्वतः लोड करण्यासाठी आवश्यक आहे.

SCD2 चे वर्तमान प्रतिनिधित्व

/* Content: actual view on scd table */
SELECT HI.DIM_REQUEST_ID,
  HI.DIM_REQUEST_ID_HIST,
  HI.REQUEST_NK,
  HI.PAGE_TITLE,
  HI.PAGE_DESCR,
  HI.PAGE_KEYWORDS,
  NK.CNT AS HIST_CNT,
  HI.DELETE_FLAG,
  strftime('%d.%m.%Y %H:%M', datetime(HI.UPDATE_DT, 'unixepoch')) AS UPDATE_DT
FROM
  ( SELECT REQUEST_NK, MAX(DIM_REQUEST_ID) AS DIM_REQUEST_ID, SUM(1) AS CNT
    FROM DIM_REQUEST
    GROUP BY REQUEST_NK
  ) NK,
  DIM_REQUEST HI
WHERE 1 = 1
  AND NK.REQUEST_NK = HI.REQUEST_NK
  AND NK.DIM_REQUEST_ID = HI.DIM_REQUEST_ID;

आणि प्रत्येक नोंदीसाठी ऐतिहासिक माहिती संकलित केलेली दृश्य. तथ्यांशी ऐतिहासिकदृष्ट्या योग्य संबंध तयार करणे आवश्यक आहे.

SCD2 चे ऐतिहासिक सादरीकरण

/* Content: actual view on scd table */
SELECT SCD.DIM_REQUEST_ID,
  SCD.DIM_REQUEST_ID_HIST,
  SCD.REQUEST_NK,
  SCD.PAGE_TITLE,
  SCD.PAGE_DESCR,
  SCD.PAGE_KEYWORDS,
  SCD.DELETE_FLAG,
  CASE
    WHEN HIS.UPDATE_DT IS NULL
    THEN 1
    ELSE 0 END ACTIVE_FLAG,
  SCD.DIM_REQUEST_ID_HIST AS ID_FROM,
  SCD.DIM_REQUEST_ID AS ID_TO,
  CASE
    WHEN SCD.DIM_REQUEST_ID_HIST=-1
    THEN 3600
    ELSE IFNULL(SCD.UPDATE_DT,3600)
  END AS TIME_FROM,
  CASE
    WHEN HIS.UPDATE_DT IS NULL
    THEN 253370764800
    ELSE HIS.UPDATE_DT
  END AS TIME_TO,
  CASE
    WHEN SCD.DIM_REQUEST_ID_HIST=-1
    THEN STRFTIME('%d.%m.%Y %H:%M', DATETIME(3600, 'unixepoch'))
    ELSE STRFTIME('%d.%m.%Y %H:%M', DATETIME(IFNULL(SCD.UPDATE_DT,3600), 'unixepoch'))
  END AS ACTIVE_FROM,
  CASE
    WHEN HIS.UPDATE_DT IS NULL
    THEN STRFTIME('%d.%m.%Y %H:%M', DATETIME(253370764800, 'unixepoch'))
    ELSE STRFTIME('%d.%m.%Y %H:%M', DATETIME(HIS.UPDATE_DT, 'unixepoch'))
  END AS ACTIVE_TO
FROM
  DIM_REQUEST SCD
  LEFT OUTER JOIN DIM_REQUEST HIS
  ON SCD.REQUEST_NK = HIS.REQUEST_NK AND SCD.DIM_REQUEST_ID = HIS.DIM_REQUEST_ID_HIST;

डेटा एकत्रीकरण

कॉम्प्रेशन (एकत्रीकरण) तुम्हाला उच्च स्तरावर डेटाचे मूल्यांकन करण्याची आणि तपशीलवार अहवालांमध्ये न दिसणार्‍या विसंगती आणि ट्रेंड शोधण्याची परवानगी देते.

उदाहरणार्थ, विनंती स्थिती कोड DIM_HTTP_STATUS सह परिमाणात एक गट जोडा:

स्थिती/ग्रुप
0xx/na
1xx/माहिती
2xx/यशस्वी
3xx/पुनर्निर्देशन
4xx/क्लायंट एरर
5xx/सर्व्हर त्रुटी

वापरकर्ता एजंट परिमाण DIM_USER_AGENT मध्ये AGENT_OS आणि AGENT_BOT विशेषता असतील जी गटांसाठी जबाबदार आहेत. हे ईटीएल प्रक्रियेदरम्यान भरले जाऊ शकते:

DIM_USER_AGENT लोड करत आहे

/* Propagate the user agent from access log */
INSERT INTO DIM_USER_AGENT (USER_AGENT_NK, AGENT_OS, AGENT_ENGINE, AGENT_DEVICE, AGENT_BOT, UPDATE_DT)
WITH CLS AS (
	SELECT BROWSER
	FROM STG_ACCESS_LOG WHERE LENGTH(BROWSER)>1
	GROUP BY BROWSER
)
SELECT
	CLS.BROWSER AS USER_AGENT_NK,
	CASE
	WHEN INSTR(CLS.BROWSER,'Macintosh')>0
		THEN 'Macintosh'
	WHEN INSTR(CLS.BROWSER,'iPhone')>0
			 OR INSTR(CLS.BROWSER,'iPad')>0
			 OR INSTR(CLS.BROWSER,'iPod')>0
			 OR INSTR(CLS.BROWSER,'Apple TV')>0
			 OR INSTR(CLS.BROWSER,'Darwin')>0
		THEN 'iOS'
	WHEN INSTR(CLS.BROWSER,'Android')>0
		THEN 'Android'
	WHEN INSTR(CLS.BROWSER,'X11;')>0 OR INSTR(CLS.BROWSER,'Wayland;')>0 OR INSTR(CLS.BROWSER,'linux-gnu')>0
		THEN 'Linux'
	WHEN INSTR(CLS.BROWSER,'BB10;')>0 OR INSTR(CLS.BROWSER,'BlackBerry')>0
		THEN 'BlackBerry'
	WHEN INSTR(CLS.BROWSER,'Windows')>0
		THEN 'Windows'
	ELSE 'n.a.' END AS AGENT_OS, -- OS
	CASE
	WHEN INSTR(CLS.BROWSER,'AppleCoreMedia')>0
		THEN 'AppleWebKit'
	WHEN INSTR(CLS.BROWSER,') ')>1 AND LENGTH(CLS.BROWSER)>INSTR(CLS.BROWSER,') ')
		THEN COALESCE(SUBSTR(CLS.BROWSER, INSTR(CLS.BROWSER,') ')+2, LENGTH(CLS.BROWSER) - INSTR(CLS.BROWSER,') ')-1), 'N/A')
	ELSE 'n.a.' END AS AGENT_ENGINE, -- Engine
	CASE
	WHEN INSTR(CLS.BROWSER,'iPhone')>0
		THEN 'iPhone'
	WHEN INSTR(CLS.BROWSER,'iPad')>0
		THEN 'iPad'
	WHEN INSTR(CLS.BROWSER,'iPod')>0
		THEN 'iPod'
	WHEN INSTR(CLS.BROWSER,'Apple TV')>0
		THEN 'Apple TV'
	WHEN INSTR(CLS.BROWSER,'Android ')>0 AND INSTR(CLS.BROWSER,'Build')>0
		THEN COALESCE(SUBSTR(CLS.BROWSER, INSTR(CLS.BROWSER,'Android '), INSTR(CLS.BROWSER,'Build')-INSTR(CLS.BROWSER,'Android ')), 'n.a.')
	WHEN INSTR(CLS.BROWSER,'Android ')>0 AND INSTR(CLS.BROWSER,'MIUI')>0
		THEN COALESCE(SUBSTR(CLS.BROWSER, INSTR(CLS.BROWSER,'Android '), INSTR(CLS.BROWSER,'MIUI')-INSTR(CLS.BROWSER,'Android ')), 'n.a.')
	ELSE 'n.a.' END AS AGENT_DEVICE, -- Device
	CASE
	WHEN INSTR(LOWER(CLS.BROWSER),'yandex.com')>0
		THEN 'yandex'
	WHEN INSTR(LOWER(CLS.BROWSER),'googlebot')>0
		THEN 'google'
	WHEN INSTR(LOWER(CLS.BROWSER),'bingbot')>0
		THEN 'microsoft'
	WHEN INSTR(LOWER(CLS.BROWSER),'ahrefsbot')>0
		THEN 'ahrefs'
	WHEN INSTR(LOWER(CLS.BROWSER),'jobboersebot')>0 OR INSTR(LOWER(CLS.BROWSER),'jobkicks')>0
		THEN 'job.de'
	WHEN INSTR(LOWER(CLS.BROWSER),'mail.ru')>0
		THEN 'mail.ru'
	WHEN INSTR(LOWER(CLS.BROWSER),'baiduspider')>0
		THEN 'baidu'
	WHEN INSTR(LOWER(CLS.BROWSER),'mj12bot')>0
		THEN 'majestic-12'
	WHEN INSTR(LOWER(CLS.BROWSER),'duckduckgo')>0
		THEN 'duckduckgo'
	WHEN INSTR(LOWER(CLS.BROWSER),'bytespider')>0
		THEN 'bytespider'
	WHEN INSTR(LOWER(CLS.BROWSER),'360spider')>0
		THEN 'so.360.cn'
	WHEN INSTR(LOWER(CLS.BROWSER),'compatible')>0 OR INSTR(LOWER(CLS.BROWSER),'http')>0
		OR INSTR(LOWER(CLS.BROWSER),'libwww')>0 OR INSTR(LOWER(CLS.BROWSER),'spider')>0
		OR INSTR(LOWER(CLS.BROWSER),'java')>0 OR INSTR(LOWER(CLS.BROWSER),'python')>0
		OR INSTR(LOWER(CLS.BROWSER),'robot')>0 OR INSTR(LOWER(CLS.BROWSER),'curl')>0 OR INSTR(LOWER(CLS.BROWSER),'wget')>0
		THEN 'other'
	ELSE 'n.a.' END AS AGENT_BOT, -- Bot
	STRFTIME('%s','now') AS UPDATE_DT
FROM CLS
LEFT OUTER JOIN DIM_USER_AGENT TRG
ON CLS.BROWSER = TRG.USER_AGENT_NK
WHERE TRG.DIM_USER_AGENT_ID IS NULL

डेटा एकत्रीकरण

ऑपरेटिंग सिस्टमवरून रिपोर्टिंग सिस्टममध्ये डेटाचे हस्तांतरण आयोजित करणे समाविष्ट आहे. हे करण्यासाठी, आपल्याला स्त्रोतासारखी रचना असलेली स्टेज टेबल तयार करणे आवश्यक आहे.

वेब पेजेसची माहिती सीएमएस बॅकअपमधून इन्सर्ट रिक्वेस्टच्या स्वरूपात स्टेजवर पोहोचते.

मूलभूत डेटासह ऐतिहासिक सारणी DIM_REQUEST लोड करणे तीन चरणांमध्ये होते: नवीन की आणि विशेषता लोड करणे, विद्यमान अद्यतनित करणे आणि हटविलेल्या नोंदी करणे.

नवीन SCD2 रेकॉर्डिंग लोड करत आहे

/* Load request table SCD from master data */
INSERT INTO DIM_REQUEST (DIM_REQUEST_ID_HIST, REQUEST_NK, PAGE_TITLE, PAGE_DESCR, PAGE_KEYWORDS, DELETE_FLAG, UPDATE_DT)
WITH CLS  AS ( -- prepare keys
	SELECT
	'/' || NAME AS REQUEST_NK,
	TITLE       AS PAGE_TITLE,
	CASE WHEN DESCRIPTION = '' OR DESCRIPTION IS NULL
	     THEN 'n.a.' ELSE DESCRIPTION
	END AS PAGE_DESCR,
	CASE WHEN KEYWORDS = '' OR KEYWORDS IS NULL
	     THEN 'n.a.' ELSE KEYWORDS
	END AS PAGE_KEYWORDS
	FROM STG_CMS_MENU
	WHERE CONTENT_TYPE != 'folder' -- only web pages
	  AND PAGE_TITLE != 'n.a.' -- master data which make sense
)
/* new records from stage: CLS */
SELECT
	-1 AS DIM_REQUEST_ID_HIST,
	CLS.REQUEST_NK,
	CLS.PAGE_TITLE,
	CLS.PAGE_DESCR,
	CLS.PAGE_KEYWORDS,
	0 AS DELETE_FLAG,
	STRFTIME('%s','now') AS UPDATE_DT
FROM CLS
LEFT OUTER JOIN
 (
	SELECT
	DIM_REQUEST_ID,
	REQUEST_NK,
	PAGE_TITLE,
	PAGE_DESCR,
	PAGE_KEYWORDS
	FROM DIM_REQUEST_V_ACT
) TRG ON CLS.REQUEST_NK = TRG.REQUEST_NK
WHERE TRG.REQUEST_NK IS NULL -- no such record in data mart

SCD2 विशेषता अपडेट करत आहे

/* Load request table SCD from master data */
INSERT INTO DIM_REQUEST (DIM_REQUEST_ID_HIST, REQUEST_NK, PAGE_TITLE, PAGE_DESCR, PAGE_KEYWORDS, DELETE_FLAG, UPDATE_DT)
WITH CLS  AS ( -- prepare keys
	SELECT
	'/' || NAME AS REQUEST_NK,
	TITLE       AS PAGE_TITLE,
	CASE WHEN DESCRIPTION = '' OR DESCRIPTION IS NULL
	     THEN 'n.a.' ELSE DESCRIPTION
	END AS PAGE_DESCR,
	CASE WHEN KEYWORDS = '' OR KEYWORDS IS NULL
	     THEN 'n.a.' ELSE KEYWORDS
	END AS PAGE_KEYWORDS
	FROM STG_CMS_MENU
	WHERE CONTENT_TYPE != 'folder' -- only web pages
	  AND PAGE_TITLE != 'n.a.' -- master data which make sense
)
/* updated records from stage: CLS and build reference to history: HIST */
SELECT
	HIST.DIM_REQUEST_ID AS DIM_REQUEST_ID_HIST,
	HIST.REQUEST_NK,
	CLS.PAGE_TITLE,
	CLS.PAGE_DESCR,
	CLS.PAGE_KEYWORDS,
	0 AS DELETE_FLAG,
	STRFTIME('%s','now') AS UPDATE_DT
FROM CLS,
     DIM_REQUEST_V_ACT TRG,
     DIM_REQUEST HIST
WHERE CLS.REQUEST_NK = TRG.REQUEST_NK
  AND TRG.DIM_REQUEST_ID = HIST.DIM_REQUEST_ID
  AND ( CLS.PAGE_TITLE != HIST.PAGE_TITLE /* changes only */
     OR CLS.PAGE_DESCR != HIST.PAGE_DESCR
     OR CLS.PAGE_KEYWORDS != HIST.PAGE_KEYWORDS )

SCD2 रेकॉर्डिंग हटवले

/* Load request table SCD from master data */
INSERT INTO DIM_REQUEST (DIM_REQUEST_ID_HIST, REQUEST_NK, PAGE_TITLE, PAGE_DESCR, PAGE_KEYWORDS, DELETE_FLAG, UPDATE_DT)
WITH CLS  AS ( -- prepare keys
	SELECT
	'/' || NAME AS REQUEST_NK,
	TITLE       AS PAGE_TITLE
	FROM STG_CMS_MENU
	WHERE CONTENT_TYPE != 'folder' -- only web pages
	  AND PAGE_TITLE != 'n.a.' -- master data which make sense
)
/*  deleted records in data mart: TRG */
SELECT
	TRG.DIM_REQUEST_ID AS DIM_REQUEST_ID_HIST,
	TRG.REQUEST_NK,
	TRG.PAGE_TITLE,
	TRG.PAGE_DESCR,
	TRG.PAGE_KEYWORDS,
	1 AS DELETE_FLAG,
	STRFTIME('%s','now') AS UPDATE_DT
FROM (
	SELECT
	DIM_REQUEST_ID,
	REQUEST_NK,
	PAGE_TITLE,
	PAGE_DESCR,
	PAGE_KEYWORDS
	FROM DIM_REQUEST_V_ACT
	WHERE PAGE_TITLE != 'n.a.' -- track master data only
	  AND DELETE_FLAG = 0 -- not already deleted
) TRG
LEFT OUTER JOIN CLS ON TRG.REQUEST_NK = CLS.REQUEST_NK
WHERE CLS.REQUEST_NK IS NULL -- no such record in stage

प्रत्येक डेटा स्रोतास औपचारिक वर्णनासह असणे आवश्यक आहे, उदाहरणार्थ, readme.txt फाइलमध्ये:

औपचारिकपणे/तांत्रिकरित्या डेटा प्राप्तकर्ता: नाव, ईमेल पत्ता
डेटा प्रदाता औपचारिकपणे/तांत्रिकदृष्ट्या: नाव, ईमेल पत्ता
डेटा स्रोत: फाइल पथ, सेवा नावे
डेटा ऍक्सेस माहिती: वापरकर्ते आणि पासवर्ड

डेटा फ्लो डायग्राम देखभाल आणि अद्ययावत करण्याच्या प्रक्रियेत मदत करेल, उदाहरणार्थ, मजकूर स्वरूपात:

फाइल हलवत आहे. स्रोत: ftp.domain.net: /logs/access.log लक्ष्य: /var/www/access.log
स्टेजवर वाचन. लक्ष्य: STG_ACCESS_LOG
लोडिंग आणि ट्रान्सफॉर्मेशन. लक्ष्य: FCT_ACCESS_REQUEST_REF_HH
लोडिंग आणि ट्रान्सफॉर्मेशन. लक्ष्य: FCT_ACCESS_USER_AGENT_DD
अहवाल द्या. लक्ष्य: /var/www/report.html

निष्कर्ष

अशा प्रकारे, लेख अंतर्निहित डेटाचे एकत्रीकरण आणि एकत्रीकरणाच्या नवीन स्तरांचा परिचय यासारख्या यंत्रणेचे वर्णन करतो. अतिरिक्त ज्ञान मिळविण्यासाठी आणि माहितीची गुणवत्ता सुधारण्यासाठी डेटा वेअरहाऊस तयार करताना त्यांची आवश्यकता असते.

स्त्रोत: www.habr.com

तुमच्या लहान स्टोरेजमध्ये अधिक साइट आकडेवारी

साइटवर काय आणि केव्हा बदलले

वापरकर्त्यांचा गट

आठवड्यानुसार वापरकर्ता गट क्रियाकलाप

सधन रहदारीचा वापर

माहिती कशी मिळवायची?

मूलभूत डेटा आणि संस्था

हळूहळू परिमाण बदलत आहे

डेटा एकत्रीकरण

डेटा एकत्रीकरण

निष्कर्ष

एक टिप्पणी जोडा Отменить ответ