Data Vault初探（二） —— 构建及参考原则

摘自：《下一代数据仓库模型Data Vault的研究及其应用》

        Data Vault模型的构建
        在Data Vault模型中，各个实体组件有着严格、通用的定义与准确、灵活的功能描述，这不但使得Data Vault模型能够最直观、最一般地反映数掘之间内含的业务规则，同时也为构建Data Vault模型提供了一致而普遍的方法。
简单地讲，Data Vault模型是由业务键（Hub）、业务关系（Link）、业务描述（Satellite）组成的。可见，Data Vault很好地实现了从现实世界到信息世界的抽象。所以，使用Data Vault模型进行数据建模与实际的业务设计非常之相似。
        Data Vault模型的建立可以遵循如下步骤：
        1．设计Hub组件
        首先要确定企业数据仓库要涵盖的业务范围；然后要将业务范围划分为若干原子业务实体，比如客户、产品等；然后，从各个业务实体中抽象出能够唯一标识该实体的“键”，该“键”要在整个业务的生命周期内不会发生变化；最后，由该业务键生成Hub组件。
        2．设计Link组件
        Link体现Hub之间的业务关联。设计Link，首先要熟悉各个Hub代表的业务实体之间的业务关系，可能是两个Hub或者也可能多个Hub之间的关系，根据业务需求，这种关系可以是1对1、1对多、或者多对多。
        然后，从相互之间有业务关系的Hub中，提取出代表各自业务实体的业务键，这些业务键将被加入到Link组件中，组合构成该Link的主键。
        在生成Link的同时，要注意如果Hub之间有业务交易数据的话，就需要在Link中保存交易数据，有两种方法，一是采用加权Link，二是给Link加上Satellite来处理交易数据。
        3．设计Satellite组件
        Satallite包含了各个业务实体（Hub）与业务关联（Link）的详细的上下文描述信息。设计Satellite组件，首先要收集各个业务实体在提取业务键后的其他信息，比如客户住址、产品价格等；由于同一业务实体（Hub）的各个描述信息不具有稳定性，会经常发生变化，所以，存必要的时候，需要将变化频率不同的信息分隔开来，为一个Hub提供几个Satellite，然后提取出该Hub的主键，作为描述该Hub的Satellite的主键。
        当业务实体之间存在交易数据的时候，需要为没有加权的Link设计Satellite，也可以根据交易数据的不同变化情况设计多个Satellite。
        4．设计必要的PIT表
        Point—In—Time表是由satellite派生而来的。如果为一个Hub或者Link设计有多个Satellite的话，而为了访问数据方便，就有用到PIT表的可能。
        PIT表的主键也是由其所归属的Hub提取而来，该Hub有几个Satellite，PIT表就至少应该有几个字段来存放各个Satellite的变化对比时间。

        建立Data Vault模型时虑该参照如下的原则：
        ■关于Hub的原则
        口Hub的主键不能够直接“伸入”到其他Hub里面。就是说，不存在父子关系的Hub。各个Hub之间的关系是平等的，这也正是Data  Vault模型灵活性与扩展性之所在。
        口Hub之间必须通过Link相关联，通过Link可以联接两个以上的Hub；
        口必须至少有两个Hub才能产生一个有意义的Link；
        口Hub的键总是“伸出去”的(到Link或者Satellite)；
        ■关于Link的原则
        口Link可以跟其他Link相联；
        口Hub和Link都可以使用代理键；
        口业务主键从来不会改变，就是说Hub的主键不会改变；
        口Link可能包含代理键；
        ●关于Satellite的原则
        口Satellite必须是联接到hub或者link上才会有确定的含义；
        口Satellite总是包含装载时间load_dts，从而包含历史数据，并且没有重复的数据；
        口由于数据信息的类型或者变化频率快慢的差别，描述信息数据可能会被分隔到多个Satellite之中去；