Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Эта статья посвящена измерению в хранилище данных . Для использования в других целях, см измерение (значения) .
Таблица измерений в кубе OLAP со звездообразной схемой

Измерение является структурой , которая классифицирует факты и меры для того , чтобы дать пользователям возможность отвечать на вопросы бизнеса. Обычно используемые параметры - это люди, продукты, место и время. [1] [2] (Примечание: люди и время иногда не моделируются как измерения.)

В хранилище данных измерения предоставляют структурированную маркировочную информацию для неупорядоченных числовых мер. Измерение - это набор данных, состоящий из отдельных неперекрывающихся элементов данных . У измерений есть три основных функции: фильтрация, группировка и маркировка.

Эти функции часто называют «нарезать и нарезать». Типичный пример хранилища данных включает продажи как меру, а покупателя и продукт как измерения. При каждой продаже покупатель покупает товар. Данные можно разрезать, удалив всех клиентов, за исключением изучаемой группы, а затем разделить на части, сгруппировав их по продуктам.

Размерный элемент данных аналогичен категориальной переменной в статистике.

Обычно измерения в хранилище данных организованы внутри в одну или несколько иерархий. «Дата» - это обычное измерение с несколькими возможными иерархиями:

  • «Дни (сгруппированы в) Месяцы (которые сгруппированы в) Годы»,
  • «Дни (сгруппированы в) Недели (которые сгруппированы в) Годы»
  • «Дни (сгруппированы в) Месяцы (которые сгруппированы в) Кварталы (которые сгруппированы в) Годы»
  • и Т. Д.

Типы [ править ]

Согласованный размер [ править ]

Согласованное измерение - это набор атрибутов данных, на которые имеются физические ссылки в нескольких таблицах базы данных с использованием одного и того же значения ключа для ссылки на одну и ту же структуру, атрибуты, значения домена, определения и концепции. Согласованное измерение пересекается со многими фактами.

Размеры совпадают, когда они либо точно такие же (включая ключи), либо одно является идеальным подмножеством другого. Наиболее важно то, что заголовки строк, полученные в двух разных наборах ответов из одного и того же согласованного измерения (-ов), должны иметь возможность идеально совпадать ».

Согласованные измерения - это либо идентичные, либо строгие математические подмножества наиболее детализированного измерения. Таблицы измерений не согласовываются, если атрибуты помечены по-другому или содержат разные значения. Согласованные размеры бывают нескольких разных вкусов. На самом базовом уровне согласованные измерения означают одно и то же со всеми возможными таблицами фактов, к которым они присоединены. Таблица измерения даты, связанная с фактами продаж, идентична измерению даты, связанной с фактами запасов. [3]

Размер мусора [ править ]

Измерение нежелательной почты - это удобная группировка флагов и индикаторов, как правило, с низкой мощностью. При создании абстрактного измерения эти флаги и индикаторы удаляются из таблицы фактов, а затем помещаются в полезную структуру измерений. [4] Нежелательное измерение - это таблица измерений, состоящая из атрибутов, которые не принадлежат ни таблице фактов, ни какой-либо из существующих таблиц измерений. По своей природе эти атрибуты обычно текстовые или различные флаги, например, не общие комментарии или просто индикаторы «да / нет» или «истина / ложь». Эти виды атрибутов обычно остаются, когда все очевидные измерения в бизнес-процессе определены, и поэтому разработчик сталкивается с проблемой, где разместить эти атрибуты, которые не принадлежат другим измерениям.

Одно из решений - создать новое измерение для каждого из оставшихся атрибутов, но из-за их природы может потребоваться создание огромного количества новых измерений, что приведет к таблице фактов с очень большим количеством внешних ключей. Разработчик также может решить оставить остальные атрибуты в таблице фактов, но это может сделать длину строки таблицы излишне большой, если, например, атрибуты представляют собой длинную текстовую строку.

Решение этой проблемы состоит в том, чтобы идентифицировать все атрибуты и затем поместить их в одно или несколько ненужных измерений. Одно измерение нежелательной почты может содержать несколько индикаторов истина / ложь или да / нет, которые не коррелируют друг с другом, поэтому было бы удобно преобразовать индикаторы в более описывающий атрибут. Примером может служить индикатор того, прибыла ли посылка: вместо того, чтобы указывать это как «да» или «нет», она будет преобразована в «прибыла» или «ожидает» в измерении нежелательной почты. Разработчик может выбрать создание таблицы измерений так, чтобы она содержала все индикаторы, встречающиеся с каждым другим индикатором, чтобы охватить все комбинации. Это устанавливает фиксированный размер для самой таблицы, который будет составлять 2 строки x , где xколичество индикаторов. Это решение подходит в ситуациях, когда разработчик ожидает столкнуться с множеством различных комбинаций и где возможные комбинации ограничены до приемлемого уровня. В ситуации, когда количество индикаторов велико, что создает очень большую таблицу, или когда разработчик ожидает встретить только несколько возможных комбинаций, было бы более целесообразно строить каждую строку в измерении нежелательной почты по мере появления новых комбинаций. . Чтобы ограничить размер таблиц, несколько измерений нежелательной почты могут быть уместны в других ситуациях в зависимости от корреляции между различными индикаторами.

Нежелательные измерения также подходят для размещения таких атрибутов, как неуниверсальные комментарии из таблицы фактов. Такие атрибуты могут состоять из данных из необязательного поля комментария, когда покупатель размещает заказ, и в результате во многих случаях, вероятно, будут пустыми. Следовательно, измерение нежелательной почты должно содержать одну строку, представляющую пробелы, как суррогатный ключ, который будет использоваться в таблице фактов для каждой строки, возвращаемой с пустым полем комментария. [5]

Вырожденное измерение [ править ]

Вырожденное измерение - это ключ, такой как номер транзакции, номер счета-фактуры, номер билета или номер коносамента, который не имеет атрибутов и, следовательно, не присоединяется к реальной таблице измерений. Вырожденные измерения очень распространены, когда степень детализации таблицы фактов представляет отдельный элемент транзакции или строку, поскольку вырожденное измерение представляет уникальный идентификатор родительского элемента. Вырожденные измерения часто играют важную роль в первичном ключе таблицы фактов. [6]

Измерение ролевых игр [ править ]

Измерения часто повторно используются для нескольких приложений в одной базе данных. Например, измерение «Дата» может использоваться для «Дата продажи», а также «Дата доставки» или «Дата найма». Это часто называют «ролевым измерением». Это можно реализовать, используя представление той же таблицы измерений.

Размер аутригера [ править ]

Обычно таблицы измерений не ссылаются на другие измерения через внешние ключи. Когда это происходит, размер, на который делается ссылка, называется размером выносной опоры . Измерения Outrigger следует рассматривать как анти-шаблон хранилища данных: считается, что лучше использовать некоторые таблицы фактов, которые связывают эти два измерения.[7]

Сжатое измерение [ править ]

Согласованные размеры называются сжатыми измерениями, если они включают подмножество строк и / или столбцов исходного измерения.[8]

Размер календарной даты [ править ]

Для представления дат с точностью до дня можно использовать измерение особого типа. На даты будут ссылаться в таблице фактов как на внешние ключи к измерению даты. Первичный ключ измерения даты может быть суррогатным ключом или числом в формате ГГГГММДД.

Измерение даты может включать другие атрибуты, такие как неделя в году или флаги, представляющие рабочие дни, праздники и т. Д. Оно также может включать специальные строки, представляющие: неизвестные даты или еще не определенные даты. Измерение даты должно быть инициализировано всеми необходимыми датами, например датами следующих 10 лет или более, если требуется, или прошедшими датами, если обрабатываются события в прошлом.

Вместо этого время обычно лучше всего представляется в виде отметки времени в таблице фактов .[9]

Использование терминов представления ISO [ править ]

При ссылке на данные из реестра метаданных, такого как ISO / IEC 11179 , в качестве измерений обычно используются такие термины представления , как «Индикатор» (логическое значение «истина / ложь»), «Код» (набор неперекрывающихся перечислимых значений). Например, при использовании Национальной модели обмена информацией (NIEM) имя элемента данных будет «PersonGenderCode», а перечисляемые значения могут быть «мужской», «женский» и «неизвестный».

Таблица размеров [ править ]

В хранилищах данных , таблица измерения является одним из множества таблиц компаньонов к таблице фактов .

Таблица фактов содержит бизнес-факты (или меры ) и внешние ключи, которые относятся к ключам-кандидатам (обычно первичным ключам ) в таблицах измерений.

В отличие от таблиц фактов, таблицы измерений содержат описательные атрибуты (или поля), которые обычно являются текстовыми полями (или дискретными числами, которые ведут себя как текст). Эти атрибуты предназначены для выполнения двух важных задач: ограничения и / или фильтрации запроса и маркировки набора результатов запроса.

Атрибуты измерения должны быть:

  • Verbose (метки, состоящие из полных слов)
  • Описательный
  • Завершено (без пропущенных значений)
  • Дискретно оцениваемый (имеющий только одно значение для каждой строки таблицы измерений)
  • Гарантированное качество (без орфографических ошибок или недопустимых значений)

Строки таблицы измерений однозначно идентифицируются одним ключевым полем. Рекомендуется, чтобы ключевое поле было простым целым числом, поскольку значение ключа не имеет смысла и используется только для объединения полей между таблицами фактов и измерений. В таблицах измерений часто используются первичные ключи, которые также являются суррогатными ключами. Суррогатные ключи часто генерируются автоматически (например, «столбец идентификаторов» Sybase или SQL Server, серийный номер PostgreSQL или Informix, Oracle SEQUENCE или столбец, определенный с помощью AUTO_INCREMENT в MySQL).

Использование суррогатных ключей измерения дает несколько преимуществ, в том числе:

  • Спектакль. Обработка соединения становится намного более эффективной за счет использования одного поля ( суррогатного ключа ).
  • Буферизация от методов оперативного управления ключами. Это предотвращает ситуации, когда удаленные строки данных могут снова появиться, когда их естественные ключи повторно используются или переназначаются после длительного периода бездействия.
  • Сопоставление для интеграции разрозненных источников
  • Обработка неизвестных или неприменимых соединений
  • Отслеживание изменений в значениях атрибутов измерения

Хотя использование суррогатного ключа создает нагрузку на систему ETL , конвейерная обработка может быть улучшена, а инструменты ETL имеют встроенную улучшенную обработку суррогатного ключа.

Цель таблицы измерений - создать стандартизированные, согласованные измерения, которые могут быть совместно использованы в среде хранилища данных предприятия, и обеспечить возможность соединения с несколькими таблицами фактов, представляющими различные бизнес-процессы.

Согласованные измерения важны для корпоративного характера систем DW / BI, поскольку они способствуют:

  • Последовательность. Каждая таблица фактов фильтруется последовательно, поэтому ответы на запросы помечаются последовательно.
  • Интеграция. Запросы можно детализировать по отдельным таблицам фактов процессов по отдельности, а затем объединить результаты по общим атрибутам измерения.
  • Сокращение времени разработки до выхода на рынок. Общие размеры доступны без их воссоздания.

Со временем атрибуты данной строки в таблице измерений могут измениться. Например, адрес доставки для компании может измениться. Кимбалл называет это явление медленно меняющимся измерением . Стратегии борьбы с подобными изменениями делятся на три категории:

  • Тип первый: просто перезапишите старое значение (я).
  • Тип два: добавьте новую строку, содержащую новое значение (я), и проведите различие между строками, используя методы управления версиями кортежей .
  • Тип третий: добавьте новый атрибут в существующую строку.

Общие шаблоны [ править ]

Дата и время [10]

Поскольку многие таблицы фактов в хранилище данных представляют собой временные ряды наблюдений, часто требуется одно или несколько измерений даты. Одна из причин наличия измерений даты - разместить знания календаря в хранилище данных, а не жестко запрограммировать их в приложении. Хотя простая дата / временная метка SQL полезна для предоставления точной информации о времени, когда был записан факт, она не может предоставить информацию о праздниках, финансовых периодах и т. Д. SQL-дата / временная метка все же может быть полезна для хранения в таблице фактов, поскольку это позволяет проводить точные расчеты.

Наличие даты и времени в одном измерении может легко привести к огромному измерению с миллионами строк. Если требуется большое количество деталей, обычно рекомендуется разделить дату и время на два или более отдельных измерения. Измерение времени с долей секунд в день будет иметь только 86400 строк. Более или менее подробное зерно для измерений даты / времени может быть выбрано в зависимости от потребностей. Например, измерения даты могут быть с точностью до года, квартала, месяца или дня, а измерения времени - с точностью до часов, минут или секунд.

Как показывает практика, измерение времени суток следует создавать только в том случае, если необходимы иерархические группировки или есть содержательные текстовые описания для периодов времени в течение дня (например, «вечерняя смена» или «первая смена»).

Если строки в таблице фактов поступают из нескольких часовых поясов, может быть полезно хранить дату и время как в местном, так и в стандартном времени. Это можно сделать, используя два измерения для каждого необходимого измерения даты / времени - одно для местного времени, а другое для стандартного времени. Сохранение даты / времени как в местном, так и в стандартном времени позволит проанализировать, когда факты создаются в локальных условиях, а также в глобальных. Выбранное стандартное время может быть глобальным стандартным временем (например, UTC ), это может быть местное время штаб-квартиры компании или любой другой часовой пояс, который имеет смысл использовать.

См. Также [ править ]

  • Категориальная переменная
  • Хранилище данных
  • Вырожденное измерение
  • Медленно меняющееся измерение
  • Таблица фактов
  • ИСО / МЭК 11179
  • Мера (хранилище данных)
  • Метаданные

Ссылки [ править ]

  1. ^ " Oracle Data Warehousing Guide ", Oracle Corporation, получено 9 июня 2014 г.
  2. ^ Определение: Измерение "Управление данными поиска", TechTarget, получено 9 июня 2014 г.
  3. ^ Ральф Кимбалл, Margy Росс, Хранилище данных набор средств: Полное руководство по многомерному моделированию, второе издание, Wiley Computer Publishing, 2002. ISBN  0471-20024-7 , страницы 82-87, 394
  4. ^ Ральф Кимбалл, Margy Росс, Хранилище данных набор средств: Полное руководство по многомерному моделированию, второе издание, Wiley Computer Publishing, 2002. ISBN 0471-20024-7 , Страницы 202, 405 
  5. ^ Кимбалл, Ральф и др. (2008): Инструментарий жизненного цикла хранилища данных, второе издание, Wiley Publishing Inc., Индианаполис, Индиана. Страницы 263-265
  6. ^ Ральф Кимбалл, Margy Росс, Хранилище данных набор средств: Полное руководство по многомерному моделированию, второе издание, Wiley Computer Publishing, 2002. ISBN 0471-20024-7 , Страницы 50, 398 
  7. ^ Ральф Кимбалл; Марджи Росс (2013). 3-е издание набора инструментов хранилища данных . Вайли. п. 50. ISBN 978-1-118-53080-1.
  8. ^ Ральф Кимбалл; Марджи Росс (2013). 3-е издание набора инструментов хранилища данных . Вайли. п. 51. ISBN 978-1-118-53080-1.
  9. ^ Ральф Кимбалл; Марджи Росс (2013). 3-е издание набора инструментов хранилища данных . Вайли. п. 48. ISBN 978-1-118-53080-1.
  10. ^ Ральф Кимбалл, Набор инструментов хранилища данных, второе издание, Wiley Publishing, Inc., 2008. ISBN 978-0-470-14977-5 , страницы 253-256