Die automatisierte, Kein Code Datenstapel
Erfahren Sie, wie Astera Data Stack kann die Datenverwaltung Ihres Unternehmens vereinfachen und rationalisieren.
Entwerfen eines automatisierten Dimensionsmodells: 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 Gebäude analysefreundliche Data Warehouses. Erstmals 1996 eingeführt, Kimball's Dimensional Datenmodelle jetzt haben become Eckpfeiler der Moderne Design und Entwicklung von Data Warehouses. Das denormalisiert Sternschema Veterans Komplexität u optimierens die Pflege historischer Daten, Abfrageleistung, Abruf und Verbrauch für Berichterstattung.
Erfahren Sie mehr über Dimensionsmodellierung.
Kurz und Knapp, eine 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 Ihr Data WarehouseJedoch kann sein eine Herausforderung! Auf dem Laufenden bleiben Modell erfordert Schreiben lange, komplexe Skripte regelmäßig. Jedoch müssen auch es gibt eine harte Art, dimensionale Mods zu machenEling, und dann es gibt Astera way.
Automatisierte Dimensionsmodellierung - Die Astera Weg
AsteraDer Automated Dimensional Modeling-Ansatz von ist der Eckpfeiler der Data-Warehousing-Lösung, die End-to-End-Automatisierung durch No-Code-Entwicklung nutzt. Mit fortschrittlichen Codegeneratoren, Astera DW-Builder automatisierens manuell Designaufgaben und reAnführers dimensionales Modell Design-Zeit von fast 80%.
Fühlen Sie sich wAmeise zu kennt wie es macht das Leben aus Entwickler einfacher? Lassen sehen wie autOmation Vereinfacht komplexe Daten Modellieren und Aufgaben, zB 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 Weltweiter Importeurs Datenbanks für Microsoft-SQL. Alternativ kann es sich um eine Aufführung/ODS-Datenbank ebenfalls.
Abb. 1. Quellmodell
Schritt 1: Fakten und Dimensionen identifizieren:
Sprechen Sie Wählen Sie 'Dimensionsmodell erstellen' von dem fallen lassennach unten menu 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 vom Anwendungsfall der OLAP-Berichterstellung und der Art der Entität ab. Sie können die Entitäten auch automatisch erkennen lassen Deformalisieren Sie Schematabellen für schnellere Abfrageergebnisse in der BI-Schicht. Mit dieser Option müssen Sie keine Zeit für die manuelle Denormalisierung von zuordenbaren Tabellen aufwenden.
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 voila – Ihr Dimensionsmodellschema ist praktisch fertig!
Abb. 4. Dimensionsdatenmodell
Schritt 3: Weitere Konfigurationen
AsteraBei 's way geht es sowohl um Flexibilität als auch um Automatisierung!
Das automatisierte Maßmodell erspart Ihnen den Aufwand manueller Konfigurationen. Aber keine Sorge! Unser dimensionales Datenmodell ist nicht in Stein gemeißelt. Vor der Bereitstellung kann das Modell auch manuell an die Anforderungen Ihres Data Warehouse-Anwendungsfalls angepasst werden.
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“, der ein Primärschlüsselindex ist, der in der Datenbank vorhanden ist. Für Indexoptimierungen können Sie Indizes basierend auf Feldmerkmalen mit nur einem Klick 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. Wir können eine physische Schicht in der Datenbank unserer Wahl erstellen, indem wir die verwenden Vorwärts-Engineering Funktion, die wieder is ganz einfach durch Astera's Weg.
Dimensionsmodellierung mit Astera DW-Builder
AsteraDie automatisierte dimensionale Modellierung von ist grundlegend für Ihre Herangehensweise an Data Warehousing. Durch die Automatisierung des gesamten Prozesses und die Bereitstellung einer 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 Optionen verfügbar In unser unternehmenstaugliches data Lagerautomatisierungslösung.
Erfahren Sie mehr über das Generieren von Datenbankschemata mit automatisiertem Forward Engineering.
