Dimensiomallinnus

mallin suunnittelu

dimensiomalli rakentuu tähtimäisen skeeman tai lumihiutale-skeeman varaan, jonka ulottuvuudet ympäröivät faktataulukkoa. Skeeman rakentamiseen käytetään seuraavaa suunnittelumallia:

1. valitse liiketoimintaprosessi
2. ilmoita jyvä
3. tunnista mitat
4. tunnista tosiasia

valitse liiketoimintaprosessi

dimensiomallinnuksen prosessi perustuu 4-portaiseen suunnittelumenetelmään, joka auttaa varmistamaan dimensiomallin käytettävyyden ja tietovaraston käytön. Suunnittelun perusasiat perustuvat varsinaiseen liiketoimintaprosessiin, joka tietovaraston tulisi kattaa. Siksi mallin ensimmäinen vaihe on kuvata liiketoimintaprosessi, johon malli perustuu. Kyseessä voi olla esimerkiksi vähittäiskaupan myyntitilanne. Liiketoimintaprosessin kuvaamiseksi voidaan tehdä tämä selkotekstillä tai käyttää basic Business Process Modeling Notation (BPMN) – tai muita suunnitteluoppaita, kuten Unified Modeling Language (UML).

ilmoita jyvä

liiketoimintaprosessin kuvaamisen jälkeen seuraava suunnitteluvaihe on ilmoittaa mallin jyvä. Mallin jyvä on tarkka kuvaus siitä, mihin ulottuvuusmallin tulisi keskittyä. Tämä voisi olla esimerkiksi”yksittäinen rivi tuote asiakkaan lipulla vähittäiskaupasta”. Selventääksesi, mitä vilja tarkoittaa, sinun pitäisi valita keskeinen prosessi ja kuvata se yhdellä lauseella. Lisäksi vilja (lause) on se, mistä aiot rakentaa ulottuvuutesi ja faktataulukkosi. Saatat löytää tarpeen palata tähän vaiheeseen muuttaa viljaa, koska uutta tietoa saatu mitä malli on tarkoitus pystyä toimittamaan.

tunnista mitat

suunnitteluprosessin kolmas vaihe on määritellä mallin mitat. Mitat on määriteltävä jyvien sisällä 4-vaiheisen prosessin toisesta vaiheesta alkaen. Ulottuvuudet ovat faktataulukon perusta,ja niistä kerätään faktataulukon tiedot. Tyypillisesti mitat ovat substantiiveja, kuten päivämäärä, myymälä, varasto jne. Näihin ulottuvuuksiin kaikki tiedot tallennetaan. Esimerkiksi päivämääräulottuvuus voisi sisältää tietoja, kuten vuosi, kuukausi ja arkipäivä.

tunnista faktat

ulottuvuuksien määrittelyn jälkeen seuraava vaihe prosessissa on faktataulukon Avainten tekeminen. Tämä vaihe on tunnistaa numeeriset tosiasiat, jotka kansoittavat kunkin faktataulukon rivi. Tämä vaihe liittyy läheisesti järjestelmän yrityskäyttäjiin, sillä tällöin he pääsevät käsiksi tietovarastoon tallennettuihin tietoihin. Siksi suurin osa faktataulukon riveistä on numeerisia, additiivisia lukuja, kuten määrä tai yksikkökohtainen kustannus jne.

Dimension NormalizationEdit

Dimensional normalization or snowflaking removes redundant attributes, jotka tunnetaan normaaleissa litistyneissä de-normalized dimensions. Mitat on tiukasti liitetty yhteen alamittoihin.

lumihiutale vaikuttaa tietorakenteeseen, joka poikkeaa monista tietovarastojen filosofioista.Yksittäisten tietojen (faktojen) taulukko, jota ympäröivät useat kuvailevat (dimension) taulukot

kehittäjät eivät usein normalisoi ulottuvuuksia useista syistä:

1. normalisointi tekee tietorakenteesta monimutkaisemman
2. suorituskyky voi olla hitaampi, koska taulukoiden välillä on paljon liitoksia
3. tilansäästö on minimaalinen
4. Bittikarttaindeksejä ei voi käyttää
5. kyselyn suorituskykyä. 3NF-tietokannat kärsivät suorituskykyongelmista koottaessa tai noudettaessa monia ulottuvuusarvoja, jotka voivat vaatia analysointia. Jos aiot tehdä vain operatiivisia raportteja, saatat pystyä tulemaan toimeen 3NF: n kanssa, koska operatiivinen käyttäjäsi etsii erittäin hienojakoisia tietoja.

on joitakin argumentteja sille, miksi normalisoinnista voi olla hyötyä. Se voi olla etu, kun osa hierarkiasta on yhteinen useammalle kuin yhdelle ulottuvuudelle. Esimerkiksi maantieteellinen ulottuvuus voi olla uudelleenkäytettävä, koska sekä asiakas-että toimittajamitat käyttävät sitä.