Automatisierte dimensionale Modellierung mit Astera: Eine Schritt-für-Schritt-Anleitung

Um mit der Erforschung der automatisierten dimensionalen Modellierung zu beginnen, ist es wichtig, zunächst ein Verständnis der dimensionalen Modellierung zu erlangen. Dimensionsmodellierung is unter vor allem warme bevorzugt Gestaltungsansätze für Aufbau eines Data Warehouse. Erstmals 1996 eingeführt, Kimball's Dimensional Datenmodelle jetzt haben become Eckpfeiler der Moderne Design und Entwicklung von Data Warehouses. Die denormalisiert Sternschema Veterans Komplexität u optimierens die Pflege historischer Daten, Abfrageleistung, Abruf und Verbrauch für Berichterstattung.

Erfahren Sie mehr darüber dimensionale Modellierung.

Kurz und Knapp herunter ,ein themenorientiert Dimensional Modell besteht aus Tatsachen und denormalisierte Dimensionstabellen connected durch Fremdschlüssel. Fakten cArry Zahlenangaben über eine bestimmte geschäftliche Maßnahme/Transaktion, z.B, a Vertrieb in rechnung stellen. Dimensions beschreibende Attribute tragen Für die Tatsache, die es schließlich erlauben Business Intelligence (BI) lja zu leicht Filtern und Abfragen von Daten für Berichterstattung.

Entwerfen des richtigen dimensionalen Datenmodells für Sie Data WarehouseJedoch kann sein eine Herausforderung! Auf dem Laufenden bleiben Modell erfordert Schreiben lange, komplexe Skripte regelmäßig. Doch es gibt eine harte Art, dimensionale Mods zu machenEling, und dann Es gibt eine einfache Möglichkeit, ohne Code- Astera way.

Erstellen Sie Ihr End-to-End-Data-Warehouse ohne Programmieraufwand

Demo ansehen

Was ist automatisierte dimensionale Modellierung?

Bei der automatisierten dimensionalen Modellierung handelt es sich um eine im Data Warehousing eingesetzte Technik, bei der Werkzeuge eingesetzt werden, um den Prozess der Erstellung dimensionaler Modelle zu rationalisieren. Die automatisierte Dimensionsmodellierung ermöglicht Ihnen:

• Erkennen und verstehen Sie automatisch die Struktur Ihrer Daten
• Organisieren Sie Ihre Daten anhand von Best Practices und Datenmerkmalen in Fakten und Dimensionen
• Erstellen Sie automatisch den erforderlichen Code, um das Dimensionsmodell in Ihrem Data Warehouse zu implementieren

Bei der herkömmlichen dimensionalen Modellierung wird die Struktur eines Data Warehouse manuell entworfen Datenanalyse. Der Prozess umfasst die Definition von Faktentabellen zum Speichern messbarer Daten und Dimensionstabellen zur Bereitstellung von Kontext für die Fakten. Es kann ein zeitaufwändiger und komplexer Prozess sein.

Automatisierung der dimensionalen Modellierung mit Astera

Astera Data Warehousing-Lösung nutzt End-to-End-Automatisierung und No-Code-Entwicklung, um die dimensionale Modellierung zu optimieren. Mit fortschrittlichen Codegeneratoren, Astera DW-Builder automatisierens manuell Designaufgaben und reAnführers dimensionales Modell Design-Zeit von fast 80%.

Lassen sehen wie Astera Vereinfacht Komplex Datenmodellierung tfragt nach Entwicklern, zum Beispiel definieren und Dimensionen und Fakten konfigurieren in einem Sternschema.

Hier, Wir haben ein Quellenmodell mit mehrere Tabellen von a Transaktion System basierend auf dem Fiktiven Importeur in die weite Welts Datenbanks für Microsoft-SQL. Alternativ kann es sich um eine Aufführung/ODS-Datenbank ebenfalls.

Abb. 1. Quellmodell

Schritt 1: Identifizieren Sie Fakten und Dimensionen

Sprechen Sie Wählen Sie 'Dimensionsmodell erstellen' von dem fallen lassennach unten menü und markieren relevanten Stellen as Tatsaches und Dimensions für Sternschema.

Abb. 2. Erstellen Sie ein Dimensionsmodell-Feature

Was Sie als Fakten oder Dimensionen auswählen, hängt in erster Linie davon ab OLAP Berichterstattungsanwendungsfall und die Art der Entität. Sie können die Entitäten auch automatisch erkennen Verformen Sie Schematabellen für schnellere Abfrageergebnisse in der BI-Ebene. Mit dieser Option müssen Sie keine Zeit mit der manuellen Denormalisierung zuordenbarer Tabellen verbringen.

In diesem Anwendungsfall wurden Rechnungstransaktionen als Fakten gekennzeichnet, während beschreibende Attribute, z. B. Lieferanten, Kunden, Lagerartikel und Stadtinformationen, als unterstützende Dimensionen gekennzeichnet wurden.

Abb. 3. Konfigurationsfenster „Erstellen eines Dimensionsmodells“.

Schritt 2: Fakten und Dimensionen konfigurieren

Weitere vorgefertigte Optionen im Fenster sind Zeilenbezeichner, Optionen für untergeordnete Tatsachenentitäten und die Dropdown-Liste Datum/Uhrzeit-Beziehungen hinzufügen.

Wenn Sie Zeilenbezeichner für die Verwaltung historischer Daten verwenden möchten, haben Sie in den Dimensionen viele Optionen. Hier kann die Zeilenkennung eine der folgenden sein: aktuelle Datensatzbezeichner, Versionsnummer, Gültigkeits- und Ablaufdatum und Gültigkeitsbereich.

Auf ähnliche Weise können Sie im Builder-Fenster Datums- oder Zeitdimensionen hinzufügen, um zeitspezifische Attribute in das Modell aufzunehmen.

Fahren Sie mit dem Fenster fort und voilà – Ihr Dimensionsmodellschema ist praktisch fertig.

Abb. 4. Dimensionsdatenmodell

Schritt 3: Weitere Konfigurationen

Astera Dabei geht es sowohl um Flexibilität als auch um Automatisierung.

Das automatisierte Dimensionsmodell macht den Aufwand manueller Konfigurationen überflüssig. Dies bedeutet jedoch nicht, dass unser dimensionales Datenmodell in Stein gemeißelt ist. Vor der Bereitstellung können Sie das Modell auch manuell anpassen, um es an die Anforderungen Ihres Data Warehouse-Anwendungsfalls anzupassen.

Sie können beispielsweise neue Entitäten hinzufügen, Beziehungen neu definieren, einzelne Fakten und Dimensionen neu konfigurieren, Ersatzschlüssel und Zeilenkennungen hinzufügen.  

Erstellen Sie auf ähnliche Weise neue Beziehungen, indem Sie identifizierende oder nicht identifizierende Linkentitäten aus der Symbolleiste auswählen und Ihren Entitäten beitreten.  

Einzelne Verknüpfungen oder Beziehungen können über das Fenster „Beziehung bearbeiten“ weiter konfiguriert werden.

Abb. 5. Ändern Sie Beziehungstypen, Aliasnamen oder fügen Sie andere Fremdschlüssel hinzu

Außerdem, wenn Sie planen zu machen Änderungen an Entitäten, können Sie auf a zugreifen Vielzahl Optionen indem Sie einfach mit der rechten Maustaste auf die klicken Wesen von Interesse. 

Sie können Entitäten neu konfigurieren, indem Sie Ersatzschlüssel-/Zeilenkennungen hinzufügen, Schemas ändern oder Elementnamen und -typen bearbeiten usw.  

Schließlich können Sie durch Auswahl von Eigenschaften den Layout-Builder einer Entität öffnen und auf die Einstellungen für einzelne Spalten zugreifen.  

Dies ist, was der Layout-Builder für eine Dimension (stocks) sieht aus wie:

Abb. 7. Layout Builder für einzelne Entitäten

Der Layout Builder wird verwendet neu zu konfigurieren bestimmte Felder und zuweisen bestimmte Tatsache oder Dimension Rollen (in Form von SCDs) für eine optimale Abfrageleistung und Verlaufspflege.  

Schließlich können Sie im Feld Entitätsindizes Indizes hinzufügen, um die Abrufgeschwindigkeit basierend auf Entitätsfeldern zu erhöhen.

Abb. 8. Entitätsindizes

Die obige Abbildung enthält einen vorhandenen Index, „PK_Sales_Customers“, bei dem es sich um einen im vorhandenen Primärschlüsselindex handelt Datenbank. Zur Indexoptimierung können Sie mit nur einem Klick Indizes basierend auf Feldmerkmalen hinzufügen, löschen oder automatisch generieren.

Gibt es noch weitere Schritte? Nein, das ist es. Das Sternschema Ihres automatisierten dimensionalen Datenmodells ist fertig. Es ist jedoch wichtig zu beachten, dass dieses Modell derzeit auf einer logischen Ebene existiert. Mit dem können wir eine physische Schicht in der Datenbank unserer Wahl erstellen Vorwärts-Engineering Funktion, die wieder is ganz einfach durch Astera.

Automatisieren Sie manuelle Entwurfsaufgaben und reduzieren Sie die Entwurfszeit für dimensionale Modelle um 80 %

Kostenlose 14-Day-Testversion

Automatisierte dimensionale Modellierung mit Astera

AsteraDie automatisierte dimensionale Modellierung von ist grundlegend für Ihre Herangehensweise an Data Warehousing. Durch die Automatisierung des gesamten Prozesses und die Bereitstellung einer 100 % codefreien Umgebung für Modelloptimierungen, Astera DW-Builder verkürzt die Design- und Entwicklungszeit erheblich. Darüber hinaus verliert es nicht an der Flexibilitätsaspekt, angesichts der Fülle an Konfiguration Verfügbare Optionen in unser unternehmenstaugliches data Lagerautomatisierungslösung.

Erfahren Sie mehr über das Generieren von Datenbankschemata mit automatisiertem Forward Engineering.