Get Adobe Flash player
Pozdrav
Dobro došli na moje osobne stranice.

lebi@lebi.net

Il est plus facile de concevoir et de créer un modèle de coffre de données qu`un modèle ER, et le traitement ETL du modèle de coffre de données est configurable. Dan Linstedt nous a donné l`analogie suivante pour mieux comprendre le concept d`un Data Vault: Imaginez un Hub comme le squelette d`un adulte humain, des liens comme des ligaments qui relient le squelette, et les satellites comme la chair et le sang. La modélisation des données est une science complexe qui implique l`organisation de données d`entreprise afin qu`elle corresponde aux besoins des processus d`entreprise. Il nécessite la conception de relations logiques afin que les données puissent interagir entre elles et soutenir l`entreprise. Les conceptions logiques sont ensuite traduites en modèles physiques qui consistent en des dispositifs de stockage, des bases de données et des fichiers qui logaient les données. Le groupe alibaba a toujours considéré le Big Data comme son objectif stratégique dès le début de son développement. En fait, les affaires d`alibaba reposent fortement sur le Big Data pour le soutien opérationnel, alors quelle méthode alibaba utilise-t-elle pour créer des modèles d`entrepôt de données? La modélisation de l`entrepôt de données d`alibaba a connu plusieurs étapes de développement. La construction de la couche publique d`alibaba est guidée par un système unifié de méthodes de gestion et d`intégration des données (en interne appelé «OneData»), qui comprend un système de définition cohérente des indicateurs, un système de conception de modèle et des outils auxiliaires. Le modèle d`ancrage normalise en outre le modèle de coffre de données. L`intention initiale de Lars Rönnbäck était de concevoir un modèle hautement évolutif.

Son concept principal est que toute expansion implique l`ajout plutôt que la modification. Par conséquent, il a normalisé le modèle à 6NF, et il devient un modèle structurel K-V. Le modèle d`ancrage se compose des éléments suivants: dans la pratique, la représentation la plus typique des modèles d`ER est le modèle de données logiques des services financiers (FS-LDM) publié par Teradata sur la base des services financiers. Grâce à l`abstraction et à la compression élevées, le FS-LDM divise les services financiers en dix thèmes pour concevoir des modèles d`entrepôt financier. Avec le FS-LDM, les entreprises peuvent ajuster et développer pour une implémentation de modélisation rapide. Dan Linstedt a utilisé le modèle ER comme base pour créer le modèle de coffre de données. La conception du modèle est utile pour l`intégration des données, mais on ne peut pas l`utiliser directement pour l`analyse des données et la prise de décision. Malgré la récente croissance rapide de l`infrastructure de stockage et de calcul pour Big Data, ainsi que la popularité croissante de la technologie NoSQL, Hadoop, Spark et MaxCompute d`alibaba Cloud utilisent toujours SQL pour le traitement des données à grande échelle.

Les données sont stockées dans des tables, et la théorie relationnelle est utilisée pour décrire les relations entre les données. Toutefois, il existe différentes options sous la forme de modèles de données relationnelles en fonction de la façon dont vous accédez aux données. • Lien: les liens indiquent la relation entre les hubs. La plus grande différence entre le modèle de coffre de données et un modèle d`ER est qu`une relation est abstraite en tant qu`unité indépendante, ce qui améliore l`évolutivité du modèle. Un lien peut décrire directement la relation entre 1:1, 1: n et n:n sans apporter de modifications. Il se compose de clés de substitution de concentrateur, de temps de chargement et de sources de données. Donna Burbank, est un expert reconnu dans le domaine de la gestion de l`information avec plus de 20 ans d`expérience dans la gestion des données, la gestion des métadonnées et l`architecture d`entreprise. Elle est actuellement directeur général de Global Data Strategy, une société internationale de Conseil en gestion de données. Son expérience est multi-facettes à travers le Conseil, le développement de produits, la gestion de produits, stratégie de marque, marketing, et le leadership d`affaires. Avant d`exercer ce rôle, Donna était directrice générale de la gestion de l`information chez une société de Conseil internationale, le groupe EAC, fournissant des conseils et un leadership de réflexion pour les clients clés dans le monde entier.