डाटा मार्ट डाटा भल्ट

अघिल्लोमा लेखहरूहामीले DATA VAULT को आधारभूत कुराहरू समेटेका छौं, DATA VAULT लाई विश्लेषणको लागि अझ उपयुक्त अवस्थामा विस्तार गर्दै, र BUSINESS DATA VAULT सिर्जना गर्दै। तेस्रो लेखको साथ शृङ्खला समाप्त गर्ने समय आएको छ।

मैले अघिल्लोमा घोषणा गरेझैं प्रकाशनहरूयो लेख BI मा केन्द्रित हुनेछ, विशेष गरी BI को लागि डेटा स्रोतको रूपमा DATA VAULT तयार गर्ने। हामी तथ्य र आयाम तालिकाहरू कसरी सिर्जना गर्ने भनेर हेर्नेछौं, जसले गर्दा तारा योजना सिर्जना हुनेछ।

जब मैले DATA VAULT प्रयोग गरेर डेटा मार्टहरू सिर्जना गर्ने सम्बन्धी अंग्रेजी भाषाका सामग्रीहरू अध्ययन गर्न थालें, मैले प्रक्रियाको जटिलता महसुस गर्न थालें। लेखहरू धेरै लामो भएकाले, तिनीहरूले डेटा भल्ट २.० पद्धतिमा प्रस्तुत गरिएका शब्दहरूमा भएका परिवर्तनहरूलाई सन्दर्भ गर्छन्, जसले यी परिवर्तनहरूको महत्त्वलाई प्रकाश पार्छ।

यद्यपि, अनुवादको गहिराइमा गएपछि, यो प्रक्रिया त्यति जटिल छैन भन्ने कुरा स्पष्ट भयो। तर तपाईंको फरक विचार हुन सक्छ।

त्यसोभए, बिन्दुमा जाऔं।

DATA VAULT मा आयाम र तथ्य तालिकाहरू

बुझ्न सबैभन्दा गाह्रो जानकारी:

• मापन तालिकाहरू हबहरू र तिनीहरूका उपग्रहहरूबाट प्राप्त जानकारीमा बनाइएका हुन्छन्;
• तथ्य तालिकाहरू लिङ्कहरू र तिनीहरूका उपग्रहहरूबाट प्राप्त जानकारीमा निर्मित हुन्छन्।

र यो लेख पढेपछि स्पष्ट हुन्छ डेटा भल्टको आधारभूत कुराहरूहबहरूले व्यावसायिक वस्तुहरूको लागि अद्वितीय कुञ्जीहरू भण्डारण गर्छन्, तिनीहरूका उपग्रहहरूले समयसँग जोडिएका व्यावसायिक वस्तु विशेषताहरूको अवस्था भण्डारण गर्छन्, र लेनदेन-समर्थन लिङ्कहरूमा लिङ्क गरिएका उपग्रहहरूले यी लेनदेनहरूको संख्यात्मक विशेषताहरू भण्डारण गर्छन्।

सिद्धान्त मूलतः यहीं समाप्त हुन्छ।

यद्यपि, मेरो विचारमा, DATA VAULT पद्धतिको बारेमा लेखहरूमा भेट्न सकिने केही अवधारणाहरू उल्लेख गर्नु आवश्यक छ:

• कच्चा डेटा मार्टहरू - "कच्चा" डेटाको प्रदर्शन;
• सूचना मार्टहरू - जानकारी प्रदर्शनीहरू।

"कच्चा डेटा मार्ट" शब्दले तुलनात्मक रूपमा सरल जोडहरू प्रदर्शन गरेर DATA VAULT डेटामा निर्मित डेटा मार्टहरूलाई जनाउँछ। "कच्चा डेटा मार्ट" दृष्टिकोणले विश्लेषणको लागि उपयुक्त जानकारीको साथ डेटा गोदाम परियोजनाको लचिलो र द्रुत विस्तारको लागि अनुमति दिन्छ। यो दृष्टिकोणलाई डेटा मार्टमा राख्नु अघि जटिल डेटा रूपान्तरण वा व्यापार नियम कार्यान्वयन आवश्यक पर्दैन। यद्यपि, "कच्चा डेटा मार्ट" डेटा व्यवसाय प्रयोगकर्ताहरूको लागि बुझ्न योग्य हुनुपर्छ र थप रूपान्तरणको लागि आधारको रूपमा काम गर्नुपर्छ, उदाहरणका लागि, BI उपकरणहरू प्रयोग गरेर।

"सूचना मार्ट" को अवधारणा डेटा भल्ट २.० पद्धतिमा देखा पर्‍यो, जसले "डेटा मार्ट" को पुरानो अवधारणालाई प्रतिस्थापन गर्‍यो। यो परिवर्तन रिपोर्टिङको लागि डेटा मोडेल लागू गर्ने लक्ष्य डेटालाई जानकारीमा रूपान्तरण गर्नु हो भन्ने मान्यताबाट उत्पन्न हुन्छ। "सूचना मार्ट" योजना, पहिलो र प्रमुख, व्यवसायलाई कार्ययोग्य जानकारी प्रदान गर्नुपर्छ।

यी धेरै शब्दबद्ध परिभाषाहरूले दुई सरल तथ्यहरू प्रतिबिम्बित गर्छन्:

1. "कच्चा डेटा मार्ट" प्रकारका प्रदर्शनहरू कच्चा (कच्चा) डेटा भल्टमा निर्मित हुन्छन्, जसमा केवल आधारभूत अवधारणाहरू समावेश हुन्छन्: हब्स, लिङ्कहरू, उपग्रहहरू;
2. सूचना मार्ट डिस्प्ले केसहरू BUSINESS VAULT तत्वहरू प्रयोग गरेर निर्माण गरिन्छ: PIT, BRIDGE।

कर्मचारी जानकारी भण्डारण गर्ने उदाहरणहरू हेर्दा, हामी भन्न सक्छौं कि कर्मचारीको हालको (आजको रूपमा मान्य) फोन नम्बर देखाउने स्टोरफ्रन्ट "कच्चा डेटा मार्ट्स" स्टोरफ्रन्ट हो। यस्तो स्टोरफ्रन्ट सिर्जना गर्न, हामी कर्मचारीको व्यापार कुञ्जी र उपग्रह लोड मिति विशेषता (MAX(SatLoadDate)) मा लागू गरिएको MAX() प्रकार्य प्रयोग गर्छौं। स्टोरफ्रन्टमा विशेषता परिवर्तन इतिहास भण्डारण गर्दा, हामीले फोन नम्बर कुन मितिबाट मान्य थियो भनेर बुझ्न आवश्यक छ। यस्तो तालिकाको लागि प्राथमिक कुञ्जी व्यापार कुञ्जी र उपग्रह लोड मितिको संयोजन हो, र वैधता अवधिको अन्त्य मितिको लागि क्षेत्र पनि थपिएको छ।

हब भित्र धेरै उपग्रहहरूको प्रत्येक विशेषताको लागि अद्यावधिक जानकारी भण्डारण गर्ने स्टोरफ्रन्ट सिर्जना गर्न, जस्तै फोन नम्बर, ठेगाना, र पूरा नाम, PIT तालिकाको प्रयोग आवश्यक पर्दछ, जुन सबै सान्दर्भिक मितिहरू पुन: प्राप्त गर्न सजिलै पहुँच गर्न सकिन्छ। यस प्रकारका स्टोरफ्रन्टहरूलाई "सूचना मार्ट" भनिन्छ।

दुवै दृष्टिकोण मापन र तथ्य दुवैको लागि सान्दर्भिक छन्।

धेरै लिङ्कहरू र हबहरूको बारेमा जानकारी भण्डारण गर्ने शोकेसहरू सिर्जना गर्न, BRIDGE तालिकाहरूमा पहुँच प्रयोग गर्न सकिन्छ।

यो लेखसँगै, म DATA VAULT अवधारणामा मेरो श्रृंखला समाप्त गर्छु। मलाई आशा छ कि मैले साझा गरेको जानकारी तपाईंको परियोजनाहरू कार्यान्वयन गर्न उपयोगी हुनेछ।

सधैं जस्तै, निष्कर्षमा, यहाँ केही उपयोगी लिङ्कहरू छन्:

• लेख केन्टा ग्राजियानो, जसमा, विस्तृत विवरणको अतिरिक्त, मोडेल रेखाचित्रहरू समावेश छन्;

• पुस्तक: “डेटा भल्ट २.० सँग स्केलेबल डाटा वेयरहाउस निर्माण”;
• लेख "डेटा भल्ट आधारभूत कुराहरू";
• लेख: "डेटा भल्टको विकास र व्यापार डेटा भल्टमा संक्रमण".

स्रोत: www.habr.com