Dimensionell modellering

designa modellenredigera

dimensionell modell är byggd på ett stjärnliknande schema eller snöflinga schema, med dimensioner som omger faktatabellen. För att bygga schemat används följande designmodell:

1. Välj affärsprocessen
2. deklarera kornet
3. identifiera dimensionerna
4. identifiera faktumet

Välj affärsprocessen

processen för dimensionell modellering bygger på en 4-stegs designmetod som hjälper till att säkerställa användbarheten för dimensionsmodellen och användningen av datalagret. Grunderna i designen bygger på den faktiska affärsprocessen som datalagret ska täcka. Därför är det första steget i modellen att beskriva den affärsprocess som modellen bygger på. Det kan till exempel vara en försäljningssituation i en butik. För att beskriva affärsprocessen kan man välja att göra detta i vanlig text eller använda basic Business Process Modeling Notation (BPMN) eller andra designguider som Unified Modeling Language (UML).

deklarera kornet

Efter att ha beskrivit affärsprocessen är nästa steg i designen att deklarera kornet i modellen. Kornet i modellen är den exakta beskrivningen av vad den dimensionella modellen ska fokusera på. Detta kan till exempel vara ”en enskild rad på en kundbiljett från en butik”. För att klargöra vad kornet betyder, bör du välja den centrala processen och beskriva den med en mening. Dessutom är kornet (meningen) vad du ska bygga dina dimensioner och faktabord från. Du kanske tycker att det är nödvändigt att gå tillbaka till detta steg för att ändra kornet på grund av ny information om vad din modell ska kunna leverera.

identifiera dimensionerna

det tredje steget i designprocessen är att definiera modellens dimensioner. Måtten måste definieras inom kornet från det andra steget i 4-stegsprocessen. Mått är grunden för faktatabellen, och det är där data för faktatabellen samlas in. Vanligtvis dimensioner är substantiv som datum, lagra,inventering etc. Dessa dimensioner är där all data lagras. Datumdimensionen kan till exempel innehålla data som År, Månad och vardag.

identifiera fakta

Efter att ha definierat dimensionerna är nästa steg i processen att skapa nycklar för faktatabellen. Detta steg är att identifiera de numeriska fakta som kommer att fylla varje faktatabellrad. Detta steg är nära relaterat till företagets användare av systemet, eftersom det är här de får tillgång till data lagrade i datalagret. Därför är de flesta faktatabellraderna numeriska, additiva siffror som kvantitet eller kostnad per enhet etc.

Dimension NormalizationEdit

dimensionell normalisering eller snowflaking tar bort överflödiga attribut, som är kända i de normala Plana de-normaliserade dimensionerna. Måtten är strikt sammanfogade i underdimensioner.

Snowflaking har ett inflytande på datastrukturen som skiljer sig från många filosofier av datalager.Enkel data (faktum) tabell omgiven av flera beskrivande (dimension) tabeller

Utvecklare normaliserar ofta inte dimensioner på grund av flera anledningar:

1. normalisering gör datastrukturen mer komplex
2. prestanda kan vara långsammare, på grund av de många kopplingarna mellan tabeller
3. utrymmesbesparingarna är minimala
4. Bitmappsindex kan inte användas
5. Frågeprestanda. 3NF-databaser lider av prestandaproblem vid aggregering eller hämtning av många dimensionella värden som kan kräva analys. Om du bara ska göra operativa rapporter kan du kanske klara dig med 3NF eftersom din operativa användare letar efter mycket fina korndata.

det finns några argument om varför normalisering kan vara användbar. Det kan vara en fördel när en del av hierarkin är gemensam för mer än en dimension. Till exempel kan en geografisk dimension återanvändas eftersom både kund-och leverantörsdimensionerna använder den.