Meni

Dimenzijski podatkovni model v skladišču podatkov - Vadnica s primeri

  • Glavni
  • Drugo
  • Dimenzijski podatkovni model v skladišču podatkov - Vadnica s primeri

dimensional data model data warehouse tutorial with examples

Preizkusite Naš Instrument Za Odpravo Težav

Ta vadnica razlaga prednosti in mite dimenzijskega podatkovnega modela v skladišču podatkov. Spoznajte tudi dimenzijske tabele in tabele z dejstvi s primeri:

Testiranje skladišča podatkov je bilo razloženo v naši prejšnji vadnici, v tem Serija usposabljanja za podatkovno skladišče za vse .

Ogromni podatki so organizirani v podatkovnem skladišču (DW) s tehnikami dimenzionalnega podatkovnega modeliranja. Te tehnike dimenzijskega modeliranja podatkov končnim uporabnikom omogočajo enostavno poizvedovanje o poslovnih podatkih. Ta vadnica razlaga vse o dimenzijskih podatkovnih modelih v DW.

Dimenzijski podatkovni model v podatkovnem skladišču

Ciljna publika

  • Razvijalci in preizkuševalci podatkovnega skladišča / ETL.
  • Strokovnjaki za baze podatkov z osnovnim znanjem konceptov baz podatkov.
  • Skrbniki baz podatkov / strokovnjaki za velike podatke, ki želijo razumeti koncepte Data warehouse / ETL.
  • Diplomanti / osvežitelji, ki iščejo zaposlitve v skladišču podatkov.

Kaj se boste naučili:

Dimenzijski podatkovni modeli

Dimenzionalni podatkovni modeli so podatkovne strukture, ki so na voljo končnim uporabnikom v toku ETL za iskanje in analizo podatkov. Proces ETL se konča z nalaganjem podatkov v ciljne dimenzijske modele podatkov. Vsak dimenzijski podatkovni model je zgrajen s tabelo dejstev, obdano z več dimenzijskimi tabelami.

Koraki, ki jih je treba upoštevati pri načrtovanju dimenzijskega podatkovnega modela:

Dimenzionalni podatkovni modeli - Koraki za načrtovanje

Prednosti dimenzijskega modeliranja podatkov

Spodaj so navedene različne prednosti dimenzijskega modeliranja podatkov.

  • Zavarovane so za uporabo nenehno spreminjajočih se okolij DW.
  • Ogromne podatke je mogoče enostavno zgraditi s pomočjo dimenzijskih podatkovnih modelov.
  • Podatke iz dimenzijskih podatkovnih modelov je enostavno razumeti in analizirati.
  • Končni uporabniki so hitro dostopni za poizvedbe z visoko zmogljivostjo.
  • Dimenzionalni podatkovni modeli nam omogočajo, da podatke razvrstimo (ali) razvrstimo hierarhično.

ER modeliranje vs dimenzionalno modeliranje podatkov

  • ER modeliranje je primerno za operativne sisteme, dimenzijsko modeliranje pa je primerno za podatkovno skladišče.
  • ER modeliranje ohranja podrobne trenutne transakcijske podatke, medtem ko dimenzijsko modeliranje ohranja povzetek tako trenutnih kot zgodovinskih transakcijskih podatkov.
  • ER modeliranje je normaliziralo podatke, dimenzionalno modeliranje pa normaliziralo podatke.
  • ER modeliranje uporablja več združitev med iskanjem poizvedbe, medtem ko dimenzijsko modeliranje uporablja manjše število združitev, zato je uspešnost poizvedbe hitrejša pri dimenzijskem modeliranju.

Miti o dimenzionalnem modeliranju podatkov

Spodaj je navedenih nekaj obstoječih mitov za modeliranje dimenzijskih podatkov.

  • Dimenzionalni podatkovni modeli se uporabljajo samo za predstavitev povzetka podatkov.
  • V organizaciji so specifični za posamezne oddelke.
  • Ne podpirajo razširljivosti.
  • Zasnovani so tako, da služijo namenom poročil in poizvedb za končne uporabnike.
  • Dimenzijskih podatkovnih modelov ne moremo integrirati.

Tabele dimenzij

Tabele dimenzij igrajo ključno vlogo v sistemu DW s shranjevanjem vseh analiziranih metričnih vrednosti. Te vrednosti so shranjene pod lahko izbirnimi dimenzijskimi atributi (stolpci) v tabeli. Kakovost sistema DW je večinoma odvisna od globine atributov dimenzij.

Zato bi morali v dimenzijskih tabelah poskušati navesti veliko atributov skupaj z njihovimi vrednostmi.

Raziščimo strukturo tabel dimenzij !!

# 1) Ključ dimenzijske tabele: Vsaka tabela dimenzij bo imela katerega koli od atributov dimenzij kot primarni ključ za enolično identifikacijo vsake vrstice. Zato lahko različne številčne vrednosti tega atributa delujejo kot primarni ključi.

Če vrednosti atributov v nobenem primeru niso enolične, lahko kot primarne ključe upoštevate zaporedno generirane sistemske številke. Ti se imenujejo tudi nadomestne tipke.

Dimenzijski podatkovni modeli morajo imeti referenčno omejitev integritete za vsak ključ med dimenzijami in dejstvi. Tako bodo tabele z dejstvi imele referenco tujega ključa za vsak primarni / nadomestni ključ v tabeli dimenzij, da bodo ohranile referenčno integriteto.

Če ni uspel, za ta dimenzijski ključ ni mogoče pridobiti ustreznih podatkov tabele dejstev.

# 2) Tabela je široka: Lahko rečemo, da so dimenzijske tabele široke, saj lahko dimenzijski tabeli dodamo poljubno število atributov na kateri koli točki cikla DW. DW arhitekt bo zahteval, da ekipa ETL shemi doda ustrezne nove atribute.

V scenarijih v realnem času si lahko ogledate dimenzijske tabele s 50 (ali) več atributi.

# 3) Besedilni atributi: Dimenzijski atributi so lahko katere koli vrste kot prednostno besedilo (ali) številke. Besedilni atributi bodo imele resnične poslovne besede in ne kode. Tabele dimenzij niso namenjene izračunom, zato se številske vrednosti redko uporabljajo za dimenzijske atribute.

# 4) Atributi morda niso neposredno povezani: Vsi atributi v tabeli dimenzij morda niso med seboj povezani.

# 5) Ni normalizirano: Normalizacija dimenzijske tabele prinese v sliko več vmesnih tabel, ki niso učinkovite. Tabele dimenzij torej niso normalizirane.

Dimenzionalni atributi lahko delujejo kot vir omejitev v poizvedbah in se lahko v poročilih prikažejo tudi kot oznake. Poizvedbe bodo učinkovite, če iz tabele dimenzij neposredno izberete atribut in se neposredno dotaknete ustrezne tabele dejstev, ne da bi se dotaknili drugih posredniških tabel.

# 6) Vrtanje navzdol in zvijanje: Atributi dimenzij imajo zmožnost vrtanja (ali) zbiranja podatkov po potrebi.

# 7) Več hierarhij: Enorazsežna tabela z več hierarhijami je zelo pogosta. Tabela dimenzij bo imela preprosto hierarhijo, če obstaja samo ena pot od spodnje ravni do vrha. Podobno bo imel več hierarhij, če je na voljo več poti, ki jih dosežemo od spodnje ravni do vrha.

# 8) Nekaj ​​zapisov: Tabele dimenzij bodo imele manj zapisov (na stotine) kot tabele dejstev (v milijonih). Čeprav so manjši od dejstev, ponujajo vse vložke v tabele z dejstvi.

Tu je primer tabele razsežnosti strank:

Tabela dimenzije stranke - primer

Z razumevanjem zgornjih konceptov se lahko odločite, ali lahko podatkovno polje deluje kot atribut dimenzije (ali), ne pa med pridobivanjem podatkov iz samega vira.

Osnovni načrt obremenitve za dimenzijo

Dimenzije je mogoče ustvariti na dva načina, tj. Z ekstrakcijo podatkov o dimenzijah iz zunanjih izvornih sistemov (ali) Sistem ETL lahko gradi dimenzije iz uprizoritve brez vključevanja zunanjih virov. Vendar je sistem ETL brez kakršne koli zunanje obdelave primernejši za izdelavo tabel dimenzij.

Spodaj so navedeni koraki v tem postopku:

kako zagnati datoteko .jar
  • Čiščenje podatkov: Podatki se pred nalaganjem v tabelo dimenzij očistijo, preverijo in uporabijo poslovna pravila, da se ohrani doslednost.
  • Skladnost podatkov: Podatke iz drugih delov podatkovnega skladišča je treba pravilno združiti kot eno vrednost glede na vsako polje tabele dimenzij.
  • Skupna raba istih domen: Ko so podatki potrjeni, se znova shranijo v preglednice.
  • Dostava podatkov: Končno se vse vrednosti dimenzijskih atributov naložijo z dodeljenimi primarnimi / nadomestnimi ključi.

Vrste dimenzij

Različne vrste dimenzij so za vašo referenco navedene spodaj.

Začnimo!!

# 1) Majhne dimenzije

Majhne dimenzije v podatkovnem skladišču delujejo kot iskalne tabele z manjšim številom vrstic in stolpcev. Podatke v majhne dimenzije je mogoče enostavno naložiti iz preglednic. Po potrebi se lahko majhne dimenzije kombinirajo kot super dimenzije.

# 2) Prilagojena dimenzija

Konformna dimenzija je dimenzija, na katero se lahko sklicujemo na enak način z vsako tabelo dejstev, s katero je povezana.

Datumska dimenzija je najboljši primer usklajene dimenzije, saj atributi dimenzije datuma, kot so leto, mesec, teden, dnevi itd., Sporočajo iste podatke na enak način v poljubnem številu dejstev.

Primer usklajene dimenzije.

Prilagojena dimenzija - primer

# 3) Neželena dimenzija

Nekaj ​​atributov v tabeli dejstev, kot so zastave in kazalniki, je mogoče premakniti v ločeno tabelo neželenih dimenzij. Ti atributi tudi ne spadajo v nobeno drugo obstoječo tabelo dimenzij. Na splošno so vrednosti teh atributov preprosto 'da / ne' (ali) 'true / false'.

Ustvarjanje nove dimenzije za vsak posamezen atribut zastavice je zapleteno z ustvarjanjem večjega števila tujih ključev za tabelo dejstev. Hkrati pa ohranjanje vseh teh zastavic in informacij o indikatorjih v dejanskih tabelah tudi poveča količino podatkov, shranjenih v dejstvih, kar poslabša delovanje.

Zato je najboljša rešitev za to ustvariti eno samo dimenzijo neželene vsebine, saj lahko dimenzija neželene vsebine vsebuje poljubno število kazalcev 'da / ne' ali 'resnično / napačno'. Vendar neželene dimenzije shranjujejo opisne vrednosti za te kazalnike (da / ne (ali) true / false), na primer aktivne in v teku itd.

Glede na zapletenost tabele dejstev in njenih kazalnikov ima lahko tabela dejstev eno ali več neželenih dimenzij.

Primer Junk Dimension.

Junk Dimension - primer

# 4) Dimenzija igranja vlog

Ena dimenzija, ki se lahko v tabelo dejstev sklicuje za več namenov, je znana kot dimenzija igranja vlog.

Najboljši primer za dimenzijo igranja vlog je spet tabela dimenzij Datum, saj se lahko isti atribut datuma v dimenziji uporablja za različne namene, kot so datum naročila, datum dobave, datum transakcije, datum preklica, itd.

Po potrebi lahko v tabeli dimenzij datuma ustvarite štiri različne poglede glede na štiri različne atribute datuma tabele dejstev.

Primer razsežnosti igranja vlog.

Dimenzija igranja vlog

# 5) Izročene dimenzije

Atributov, ki ne morejo biti niti dimenzije (metrike) niti dejstva (mere), je malo, vendar jih je treba analizirati. Vse take atribute lahko premaknemo v izrojene dimenzije.

Na primer, številko naročila, številko računa itd. lahko upoštevate kot izrojene atribute dimenzij.

Primer izrojene dimenzije.

Izrojena dimenzija - primer

# 6) Počasi spreminjanje dimenzij

Počasi spreminjajoča se dimenzija je vrsta, pri kateri se lahko podatki spreminjajo počasi kadar koli in ne v rednih rednih intervalih. S spremenjenimi podatki v tabelah dimenzij je mogoče ravnati na različne načine, kot je razloženo spodaj.

Izberete lahko vrsto SCD, da se na vsako lastnost v dimenzijski tabeli posamično odzovete na spremembo.

(i) SCD tipa 1

  • Pri tipu 1, ko pride do spremembe vrednosti atributov dimenzij, se obstoječe vrednosti prepišejo z novo spremenjenimi vrednostmi, kar ni nič drugega kot posodobitev.
  • Stari podatki se ne hranijo za preteklost.
  • Preteklih poročil ni mogoče obnoviti zaradi neobstoja starih podatkov.
  • Enostavno vzdrževanje.
  • Vpliv na tabele z dejstvi je večji.

Primer SCD tipa 1:

Tip1_SCD

(Ii) Tip 2 SCD

  • Pri tipu 2 se ob spremembi vrednosti atributov dimenzij vstavi nova vrstica s spremenjenimi vrednostmi, ne da bi se spremenili stari podatki vrstic.
  • Če v kateri koli tabeli z dejstvi obstaja referenca tujega ključa na stari zapis, se stari nadomestni ključ samodejno posodobi povsod z novim nadomestnim ključem.
  • Vpliv na spremembe tabele dejstev je z zgornjim korakom zelo majhen.
  • Po spremembah stari podatki niso nikjer upoštevani.
  • Pri tipu 2 lahko sledimo vsem spremembam dimenzijskih atributov.
  • Hramba zgodovinskih podatkov ni omejena.
  • Pri tipu 2 v vsako vrstico dodate nekaj atributov, kot so spremenjeni datum, veljavni datum-čas, končni datum-čas, razlog za spremembo in trenutna zastava je neobvezna. Toda to je pomembno, če želi podjetje vedeti, koliko sprememb je bilo v določenem časovnem obdobju.

Primer SCD tipa 2:

Tip2_SCD

(III) SCD tipa 3

  • Pri tipu 3, ko pride do spremembe vrednosti atributov dimenzij, se nove vrednosti posodobijo, stare vrednosti pa še vedno ostanejo veljavne kot druga možnost.
  • Namesto da bi za vsako spremembo dodali novo vrstico, bo dodan nov stolpec, če prej ni obstajal.
  • Stare vrednosti so umeščene v zgoraj dodane atribute, podatki primarnega atributa pa se prepišejo s spremenjeno vrednostjo kot pri tipu 1.
  • Obstaja omejitev hrambe zgodovinskih podatkov.
  • Vpliv na tabele z dejstvi je večji.

Primer SCD tipa 3:

Type3_SCD

(iv) SCD tipa 4

  • Pri tipu 4 so trenutni podatki shranjeni v eni tabeli.
  • Vsi pretekli podatki so shranjeni v drugi tabeli.

Primer SCD tipa 4:

Type4_SCD

(v) SCD tipa 6

  • Dimenzijska tabela ima lahko tudi kombinacijo vseh treh tipov SCD 1, 2 in 3, ki je znan kot hibrid tipa 6 (ali), ki se počasi spreminja.

Tabele z dejstvi

Tabele z dejstvi hranijo kvantitativno izmerjene vrednosti, ki se uporabljajo za izračune. Vrednosti tabele dejstev se prikažejo v poslovnih poročilih. V nasprotju z besedilnim podatkovnim tipom tabel dimenzij je podatkovni tip tabel dejstev bistveno numeričen.

Tabele dejstev so globoke, dimenzijske tabele pa široke, saj bodo tabele dejstev imele večje število vrstic in manj stolpcev. Primarni ključ, opredeljen v tabeli dejstev, je predvsem identificirati vsako vrstico posebej. Primarni ključ se v resnici imenuje tudi sestavljeni ključ.

Če v tabeli dejstev manjka sestavljeni ključ in če imata katera koli zapisa enake podatke, je zelo težko razlikovati med njimi in jih napotiti v dimenzijske tabele.

Če torej kot sestavljeni ključ obstaja ustrezen unikatni ključ, je dobro ustvariti zaporedno številko za vsak zapis tabele dejstev. Druga možnost je oblikovanje združenega primarnega ključa. To bo ustvarjeno s povezovanjem vseh napotenih primarnih ključev dimenzijskih tabel po vrsticah.

Eno tabelo dejstev je lahko obdano z več tabelami dimenzij. S pomočjo tujih ključev, ki obstajajo v dejanskih tabelah, se lahko v dimenzijskih tabelah sklicujemo na ustrezni kontekst (podrobni podatki) izmerjenih vrednosti. S pomočjo poizvedb bodo uporabniki učinkovito vrtali in valjali.

Najnižja raven podatkov, ki jo je mogoče shraniti v tabelo dejstev, je znana kot zrnatost. Število tabel dimenzij, povezanih s tabelo dejstev, je obratno sorazmerno z razdrobljenostjo podatkov te tabele dejstev. tj.Najmanjša merilna vrednost zahteva sklicevanje na več dimenzijskih tabel.

V dimenzijskem modelu tabele dejstev ohranjajo razmerje med številkami in dimenzijami.

Primer tabele prodajnih dejstev:

Tabela prodajnih dejstev - primer

Naloži načrt za informativne tabele

Podatke tabele dejstev lahko učinkovito naložite z upoštevanjem naslednjih napotkov:

# 1) Spustite in obnovite indekse

Indeksi v resničnih tabelah so dober spodbujevalnik učinkovitosti med poizvedovanjem po podatkih, vendar rušijo zmogljivost med nalaganjem podatkov. Zato pred nalaganjem kakršnih koli ogromnih podatkov v tabele dejstev najprej spustite vse indekse v tej tabeli, naložite podatke in obnovite indekse.

# 2) Ločite vložke od posodobitev

Med nalaganjem v tabelo dejstev ne spajajte zapisov za vstavljanje in posodabljanje. Če je število posodobitev manjše, obdelajte vstavke in posodobitve ločeno. Če je število posodobitev večje, je za hitre rezultate priporočljivo skrajšati in znova naložiti tabelo z dejstvi.

# 3) Pregraditev

Naredite fizično razdelitev na tabelo z dejstvi na mini tabele za boljše delovanje poizvedb glede podatkov v razpredelnici dejstev. Razen DBA-jev in ekipe ETL nihče ne bo poznal razdelitve na dejstva.

Kot primer , lahko tabelo razdelite mesečno, četrtletno, letno itd. Med poizvedovanjem se namesto skeniranja celotne tabele upoštevajo samo razdeljeni podatki.

# 4) Naloži vzporedno

kako najti omrežni ključ na usmerjevalniku -

Zdaj imamo idejo o particijah na tabelah z dejstvi. Pregrade na dejstva so koristne tudi pri nalaganju ogromnih podatkov v dejstva. Če želite to narediti, najprej logično razdelite podatke v različne podatkovne datoteke in zaženite opravila ETL, da vzporedno naložite vse te logične dele podatkov.

# 5) Pripomoček za razsuti tovor

Za razliko od drugih sistemov RDBMS, sistemu ETL ni treba izrecno vzdrževati dnevnikov povratnega vračanja za napake v sredini transakcije. Tu se množične obremenitve zgodijo v dejstvih namesto v vložkih SQL za nalaganje ogromnih podatkov. Če v primeru, da posamezna obremenitev odpove, lahko celoten podatek enostavno znova naložite (ali), lahko pa nadaljujete od tam, kjer je končan z razsutem tovorom.

# 6) Brisanje zapisa dejstev

Brisanje zapisa tabele dejstev se zgodi le, če podjetje to izrecno želi. Če obstajajo podatki iz tabele dejstev, ki v izvornih sistemih ne obstajajo več, jih je mogoče fizično (ali) logično izbrisati.

  • Fizično brisanje: Neželeni zapisi se trajno odstranijo iz tabele z dejstvi.
  • Logično brisanje: V tabelo z dejstvi bo dodan nov stolpec, na primer „izbrisano“ bitnega (ali) logičnega tipa. Ta deluje kot zastavica za predstavljanje izbrisanih zapisov. Med poizvedovanjem po podatkih tabele dejstev morate izbrati izbrisane zapise.

# 7) Zaporedje za posodobitve in brisanje v tabeli s podatki

Kadar je treba posodobiti podatke, je treba najprej posodobiti dimenzijske tabele, nato po potrebi posodobiti nadomestne ključe v iskalni tabeli, nato pa posodobiti ustrezno tabelo dejstev. Brisanje se zgodi obratno, ker z brisanjem vseh neželenih podatkov iz tabel z dejstvi enostavno izbrišete povezane neželene podatke iz tabel dimenzij.

V obeh primerih bi morali slediti zgornjemu zaporedju, ker dimenzijske tabele in tabele dejstev ves čas ohranjajo referenčno integriteto.

Vrste dejstev

Na podlagi vedenja podatkov tabel dejstev so razvrščene v tabele dejstev o transakcijah, tabele dejstev s posnetki in nabrane tabele dejstev s posnetki. Vse te tri vrste sledijo različnim značilnostim z različnimi strategijami nalaganja podatkov.

# 1) Tabele s podatki o transakcijah

Kot že ime pove, tabele dejstev o transakcijah shranjujejo podatke na ravni transakcije za vsak dogodek, ki se zgodi. Takšne podatke je enostavno analizirati na ravni tabele dejstev. Za nadaljnjo analizo pa se lahko sklicujete tudi na pripadajoče dimenzije.

Na primer, vsako prodajo (ali) nakup, ki se zgodi s tržnega spletnega mesta, je treba naložiti v tabelo s podatki o transakcijah.

Primer tabele transakcijskih dejstev je prikazan spodaj.

Tabela s podatki o transakcijah

# 2) Preglednice s periodičnimi posnetki

Kot že ime pove, se podatki v tabeli s podatki o občasnih posnetkih shranjujejo v obliki posnetkov (slik) v periodičnih intervalih, na primer za vsak dan, teden, mesec, četrtletje, odvisno od poslovnih potreb.

Torej je jasno, da gre ves čas za združevanje podatkov. Zato so posnetki dejstev bolj zapleteni v primerjavi s tabelami dejstev o transakcijah. Na primer, vse podatke o prihodkih od uspešnosti lahko za lažje sklicevanje shranite v tabele s podatki o posnetkih.

Primer tabele periodičnih posnetkov s podatki je prikazan spodaj.

Tabela periodičnih posnetkov posnetkov

# 3) Zbiranje tabel s podatki o posnetkih

Tabele kopičenja trenutnih posnetkov vam omogočajo shranjevanje podatkov v tabele za celotno življenjsko dobo izdelka. To deluje kot kombinacija zgornjih dveh vrst, kjer lahko podatke kadar koli vstavi kot posnetek.

Pri tej vrsti se dodatni stolpci z datumi in podatki za vsako vrstico posodobijo z vsakim mejnikom tega izdelka.

Primer tabele kopičenja trenutnih posnetkov.

Zbiranje tabel s podatki o posnetkih

Poleg zgornjih treh vrst je tu še nekaj drugih tabel z dejstvi:

# 4) Tabele brez dejstev: Dejstvo je skupek ukrepov, medtem ko dejstvo manj zajema samo dogodke (ali) pogoje, ki ne vsebujejo nobenih ukrepov. Tabela brez dejstev se v glavnem uporablja za sledenje sistema. Podatke v teh tabelah je mogoče analizirati in uporabiti za poročanje.

Na primer, lahko poiščete podrobnosti o zaposlenem, ki je izkoristil dopust, in vrsto dopusta v enem letu itd. Če v dejstvo vključite vse te nejasne podrobnosti o dejstvih, bo tabela zagotovo povečala velikost dejstev.

Primer tabele brez dejstev je prikazan spodaj.

Factless_fact

# 5) Skladne tabele z dejstvi: Prilagojeno dejstvo je dejstvo, na katero se lahko sklicujemo na enak način z vsako podatkovno zbirko, s katero je povezano.

Specifikacije podatkovne tabele

Spodaj so podane specifikacije tabele s podatki.

  • Ime dejstva: To je niz, ki na kratko opisuje funkcionalnost tabele dejstev.
  • Poslovni proces: Ta tabela z dejstvi mora izpolniti pogovore o poslu.
  • Vprašanja: Omenja seznam poslovnih vprašanj, na katera bo odgovorila tabela s podatki.
  • Žito: Označuje najnižjo raven podrobnosti, povezano s podatki iz tabele dejstev.
  • Mere: Navedite vse tabele dimenzij, povezane s to tabelo dejstev.
  • Ukrepi: Izračunane vrednosti, shranjene v tabeli dejstev.
  • Frekvenca obremenitve Predstavlja časovne intervale za nalaganje podatkov v tabelo dejstev.
  • Začetne vrstice: Prvič se poglejte v začetne podatke, vnesene v tabelo z dejstvi.

Primer dimenzijskega modeliranja podatkov

Kako si lahko omislite dimenzijske tabele in tabele dejstev za sistem, si lahko ogledate spodnji diagram dimenzijskega modeliranja podatkov za prodajo in naročila.

Primer dimenzionalnega modeliranja podatkov

Zaključek

Do zdaj bi morali že pridobiti odlično znanje o tehnikah dimenzijskega modeliranja podatkov, njihovih prednostih, mitih, dimenzijskih tabelah, tabelah z informacijami ter njihovih vrstah in procesih.

Oglejte si našo prihajajočo vadnico, če želite izvedeti več o shemah skladišča podatkov !!

=> Obiščite tukaj, če se želite naučiti skladiščenja podatkov iz nič.

Priporočeno branje

^