Data Vault 数据仓库模型构建-2

相关概念

• Data Vault 原始数据模型：
  当大多数人说 "数据库" 时, 他们指的是我们现在可能称之为原始保管库的东西。在添加业务保管库之前,
  原始保险库被普遍称为 "数据库", 添加了 "原始" 一词, 以便我们可以清楚地知道我们正在讨论的架构的哪一部分。

• Raw Vault 原始数据：
  它是来自源的未经过滤的原始数据, 即加载到基于业务密钥的集线器、链接和卫星中的数据格式。

• Business Vault 业务数据模型
  它是原始保管库的扩展, 它应用选定的业务规则、非规范化、计算和其他查询帮助功能, 以方便用户访问和报告。
  一旦刷新了业务保管库表的依赖项, 就应该刷新它们。

对于 Business Vault模型 ：

它首先在 dv 样式表 (即集线器、链接表和 sats) 中进行建模, 但它不是原始保管库中所有对象的完整副本。

它是有选择性的, 因为我们只创建具有一些重要商业价值的结构。在这种情况下, 我们将以某种方式转换数据, 以应用大多数业务用户会

发现有用的规则或函数 (而不是反复将这些操作转换为多个集市)。这包括数据清理、数据质量、会计规则或定义良好的可重复计算等内容。

使用或访问 bv 的主要组是您的高级用户。这些人很好地理解 sql 和关系模型, 并且不怕有许多表联接 。

• PIT表
  PIT表是一种经过修改的卫星, 当我们需要从具有多个卫星查询数据时, 它将有所帮助。具体的操作是将一个卫星表，进行拆分层若干表，拆分的依据是一下几点
  将一张卫星表拆解成若干表，对于拆解后的若干表的主键不变，还是原来的卫星表的主键，只是根据不同的属性特点，进行不同的分解
  • 有多个源系统具有来自每个源的不同属性
  • 要拆分特定的数据分类
  • 某些属性的变化率 (如果比其他属性慢)
    拆分的各表，统一在一张表中进行记录，如下图。

pit-added.png

• 桥接表
  bridge 表还可以更轻松地查询数据库, 并有助于同时提高性能。对于 bridge 表, 它用于帮助处理涉及多个中心和链接的联接。
  它实际上是一个派生的链接表。构建一张表，连接到各卫星表，构成一张类似Link功能的表。bridge会保存所有需要的主键，从合适的
  卫星表中获取。和PIT表不同的是，桥接表是汇集合并的作用。

为了便于操作和使用，最好是将PIT表和桥接表都计算，并添加到模型中。

基于Northwind数据库构建Data Vault 2.0数据仓库模型

对于 Data Vault 2.0 构架的说明

对于企业级Data Vault模型数据仓库中,构架基本分为3层,如下图所示。

DV2.0_frame.png

除了这3个层次外，Data Vault 2.0还规定了以下几个不同的组建：

• 用于处理大数据的Hadoop或者Nosql

• 流入流出商业智能生态系统的实时信息流。

• 从回写功能到主数据功能的流程托管式SSBI(自助商业智能)。

• 分离软硬件业务规则，使得企业数据仓库成为一个面向原始事实的记录系统，随着时间推移不断装载原始事实。

• 将NoSql适用于Data Vault 2.0模型
  现在NoSql平台实现有很多种，但很多实例中，NoSql平台其核心都是基于Hadoop。对于Hadoop这样的平台来说最大的两个用途是：

  • 作为一个摄入和集结数据的区域，针对所有可能进入数据仓库的数据。包括结构化，半结构化，非结构化数据。
  • 作为一个执行数据挖掘任务的平台

Northwind 数据重构 Data Vault 2.0模型

相关处理过程在

github 地址

northwind 关系数据关系图 ：

northwind-er1.png

重构成 DV 2.0 模型

dv.png

数据初始化中使用SSIS

ssis_pro.png