vilka är utmaningarna?

Från flexibilitet till skalbarhet och effektivitet, att använda Data Vault som din datamodelleringsmetod har många fördelar. Men samtidigt finns det utmaningar som du måste vara medveten om. I den här bloggen kommer jag att gå igenom begränsningarna och hur du kan övervinna dem.

approach Data Vault tar när modelleringsdata (något jag kommer att gå in i detalj på längre ner) resulterar i en betydligt större mängd dataobjekt jämfört med andra tillvägagångssätt. Dessa objekt inkluderar saker som tabeller och kolumner och anledningen till att det finns så många fler är att Data Vault separerar informationstyper.

som en konsekvens kan den främre modelleringsinsatsen vara större för att tillgodose de resulterande fördelarna – som nämns ovan – som slutresultatet. Det betyder också att under modelleringsprocessen kan det finnas större antal manuella eller mekaniska uppgifter för att fastställa den flexibla och detaljerade datamodellen med alla dess komponenter.

Hur kan dessa begränsningar åtgärdas?

för att undvika tidskrävande manuella uppgifter under modelleringsprocessen kan arkitekter automatisera delar av modellen, vilket gör det mer effektivt att skapa, uppdatera och underhålla långsiktigt.

hur kan de göra det?

inom Data Vault-metoden finns det vissa datalager. Dessa sträcker sig från Källsystemen där data har sitt ursprung, till ett Mellanlagringsområde där data kommer från källsystemet, modellerat enligt den ursprungliga strukturen, till Core Data Warehouse, som innehåller raw vault, ett lager som gör det möjligt att spåra tillbaka till de ursprungliga källsystemdata och business vault, ett semantiskt lager där affärsregler implementeras. Slutligen finns det data marts, som är strukturerade utifrån verksamhetens krav. Till exempel kan det finnas en finansdata mart eller en marknadsföringsdata mart, som håller relevanta data för analysändamål.

av dessa lager är mellanlagringsområdet och råvalvet bäst lämpade för automatisering.

vilka är egenskaperna för lastning…Data vault modellering?

laddningen…Data vault modeling technique ger ultimat flexibilitet genom att separera affärsnycklarna, som unikt identifierar varje affärsenhet och inte ändras ofta, från deras attribut. Detta resulterar, som tidigare nämnts, i att många fler dataobjekt finns i modellen, men ger också en datamodell som kan vara mycket lyhörd för förändringar, såsom integration av nya datakällor och affärsregler.

den grundläggande strukturen i modellen kommer från affärsnycklarna och relationerna mellan dem. Deras stabila natur är den viktigaste ingrediensen för en robust datamodell, men innebär också att nycklarna måste väljas noggrant, eftersom de utgör själva grunden från vilken allt annat härrör.

Hubs

tabellerna som innehåller affärsnycklarna kallas hubs i Data vault-metoden. Förutom att lagra nycklarna innehåller hubbar också surrogatnycklar och metadata för varje affärsnyckel. Slutligen kan källan till varje affärsnyckel också hittas i navet, så att information kan spåras tillbaka till dess ursprung.

länkar

Länktabeller är många till många kopplingstabeller som ansluter olika företagsnycklar. I länktabellerna hittar du surrogatnycklarna för de nav som är anslutna via länken, samt surrogatnyckeln för länken och metadata om var föreningen härstammar från.

satelliter

med nav och länkar på plats är strukturen för data vault-modellen inställd. Det innehåller dock inga attribut ännu. Det är här satelliter kommer in. Satellittabeller innehåller metadata som kopplar dem till deras överordnade nav och länktabeller. De innehåller också metadata om attributens ursprung, liksom temporala attribut. Detta innebär att tack vare satelliter kan dataarkitekter se till att historiken registreras vid vilket intervall som helst, samtidigt som det ger en verifieringskedja och spårbarhet till källsystemet.

hur fungerar Data Vault med Exasol?

i Exasol har du en databas som gör att du kan arbeta flexibelt med en mängd verktyg och metoder så att du kan välja rätt tillvägagångssätt för din verksamhet och övergripande analysstrategi.

Exasol stöder dig fullt ut när du väljer den datamodelleringsteknik som bäst passar din strategi. Det betyder att du enkelt kan dra nytta av fördelarna med Data Vault.

Vi har partners som Datavault Builder och Wherescape som har skapat datamodellerings-och lagerautomatiseringsverktyg som enkelt integreras med Exasol-databasen.

Du kan också bygga din datamodell direkt i vår databas, med hjälp av vårt UDF-ramverk.

att föra Exasols prestanda till ditt datavalv modellerade data

modellering av dina data i Datavalv kan resultera i att komplexa SQL-frågor körs i ditt datalager. Exasols arkitektur och rena design säkerställer att den enastående prestanda Vi lovar dig upprätthålls under hela datalivscykeln, och det inkluderar dina datamodellerings-och lagerprocesser.

Du kan granska och reproducera historiska frågeresultat snabbt och effektivt, samtidigt som du laddar alla dina stora datavolymer i lagret och bjuda in dina analytiker och datavetenskapare att köra sina arbetsflöden, analyser och analytiska modeller direkt i datalagret utan att offra hastighet och tillförlitlighet.

våra partnerskap med Datavault Builder och Wherescape fokuserar på att förbättra användarupplevelsen med varje ny release, varför vi tar din feedback och gemensamt arbetar med kontinuerlig utveckling och integration av våra respektive produkter.

Internt har vi använt Datavault Builder för vår egen datalagerutveckling och du kan titta på den här videon för att få ett intryck av vårt partnerskap med teamet på Datavault Builder.

Var ska man härifrån?

om du vill börja direkt har du kommit till rätt ställe. Det enklaste sättet att testa saker är att använda vår testversion av Exasol-databasen och ladda in några av dina egna data i den. Om du redan har en datamodell på plats och vill testa hur den skulle fungera i Exasol kan du också göra det.

Vi ser fram emot att arbeta med dig och att hjälpa dig att lyckas med lastning…Data Vault modellering i Exasol.

Eva Murray, Teknologievangelist, Exasol