289 lines
10 KiB
Markdown
289 lines
10 KiB
Markdown
# Структура хранилища данных (для студентов SQL/Postgres)
|
||
|
||
> **Цель**: объяснить, как раскладывать данные в аналитической БД и почему именно так принято. Рус/Eng термины приводятся вместе (например, «витрина (Data Mart)»).
|
||
Статья для учениковп про то, чтобы понимать модели и уметь пользоваться моделированнаыми хранилищами, знать их структуру. У нее нет цели научить проектировать хранилища. Цель - научить понимать структуру и ее смысл
|
||
|
||
---
|
||
|
||
## 0. Навигация по статье
|
||
|
||
* [1. Введение: зачем слои и почему не «всё в одну таблицу»](#1)
|
||
* [2. Учебный домен/пример](#2)
|
||
* [3. Типичная структура слоёв (STG → ODS → DDS → DM)](#3)
|
||
* [4. Слои по отдельности](#4)
|
||
* [5. Модели данных для DDS/DM: 3NF, Звезда/Снежинка, Data Vault, Anchor](#5)
|
||
* [6. Ключевые понятия: факт/измерение, зерно, SK vs BK, SCD](#6)
|
||
* [7. Выбор подхода: дерево решений](#7)
|
||
* [8. Эволюция схемы и эксплуатации](#8)
|
||
* [9. MVP учебного проекта](#9)
|
||
* [10. Заключение](#10)
|
||
|
||
---
|
||
|
||
## 1. Введение: зачем слои и почему не «всё в одну таблицу»
|
||
|
||
**Коротко**: OLTP vs OLAP, управляемость, прозрачность, стоимость.
|
||
|
||
**Заглушки для текста**:
|
||
|
||
* Что такое слои и какую проблему решают.
|
||
* Почему «одна большая таблица» ломается на истории и изменениях.
|
||
* 3–4 тезиса о выгодах послойной архитектуры.
|
||
|
||
---
|
||
|
||
## 2. Учебный домен/пример (интернет-магазин)
|
||
|
||
**Описание**: используем один домен сквозь статью: клиенты, товары, заказы, позиции заказа, цены, акции.
|
||
|
||
**Диаграмма ER (эскиз)**:
|
||
|
||
```mermaid
|
||
erDiagram
|
||
CUSTOMER ||--o{ ORDER : places
|
||
ORDER ||--|{ ORDER_ITEM : contains
|
||
PRODUCT ||--o{ ORDER_ITEM : referenced
|
||
PRODUCT ||--o{ PRICE : has
|
||
PROMO ||--o{ ORDER_ITEM : applied
|
||
CUSTOMER {
|
||
int customer_id PK
|
||
string email
|
||
string phone
|
||
}
|
||
PRODUCT {
|
||
int product_id PK
|
||
string name
|
||
}
|
||
ORDER {
|
||
int order_id PK
|
||
date order_date
|
||
int customer_id FK
|
||
}
|
||
ORDER_ITEM {
|
||
int order_item_id PK
|
||
int order_id FK
|
||
int product_id FK
|
||
int qty
|
||
numeric price_at_sale
|
||
}
|
||
PRICE {
|
||
int product_id FK
|
||
date valid_from
|
||
date valid_to
|
||
numeric price
|
||
}
|
||
PROMO {
|
||
int promo_id PK
|
||
string code
|
||
}
|
||
```
|
||
|
||
**Заглушки**: 2–3 абзаца с пояснениями domain-гранулярности и бизнес-ключей (BK).
|
||
|
||
---
|
||
|
||
## 3. Типичная структура слоёв (STG → ODS → DDS → DM)
|
||
|
||
**Картинка-конвейер (эскиз)**:
|
||
|
||
```mermaid
|
||
flowchart TD
|
||
subgraph Sources[Источники]
|
||
A[CRM] --> STG
|
||
B[Billing] --> STG
|
||
C[E-comm] --> STG
|
||
end
|
||
STG[STG<br/>Staging / Bronze] --> ODS[ODS<br/>Operational / Silver]
|
||
ODS --> DDS[DDS<br/>Integrated / Conformed]
|
||
DDS --> DM[DM<br/>Data Marts / Gold]
|
||
DM --> BI[BI / Отчёты / Дашборды]
|
||
```
|
||
|
||
**Заглушки**:
|
||
|
||
* Соответствие Bronze/Silver/Gold.
|
||
* Что происходит на каждом переходе в 1–2 фразы.
|
||
|
||
---
|
||
|
||
## 4. Слои по отдельности
|
||
|
||
### 4.1 STG (Staging/Bronze)
|
||
|
||
**Коротко**: «как пришло». Идемпотентность, дедупликация, неизменяемость/переигрузка.
|
||
|
||
**TODO**: список «что можно» / «что нельзя»; форматы; контроль качества на входе.
|
||
|
||
### 4.2 ODS (Operational Data Store/Silver)
|
||
|
||
**Коротко**: чистка и выравнивание типов, базовая унификация кодов, ещё без тяжёлой бизнес-логики.
|
||
|
||
**TODO**: правила именования, ключи, простая история.
|
||
|
||
### 4.3 DDS (Integrated/Conformed Layer)
|
||
|
||
**Коротко**: интеграция источников, общие справочники, SK/BK, SCD. Здесь уже начинаются модели данных. Какие модели испольуют.
|
||
|
||
**TODO**: где хранить историю, антидубли, конформные измерения.
|
||
|
||
### 4.4 DM (Data Marts/Gold)
|
||
|
||
**Коротко**: модели под задачи BI (звезда/снежинка). Агрегаты, материализации.
|
||
|
||
**TODO**: границы ответственности витрин.
|
||
|
||
---
|
||
|
||
## 5. Модели данных для DDS/DM: 3NF, Звезда/Снежинка, Data Vault, Anchor
|
||
|
||
### 5.1 3NF (по Инмону, 3-я нормальная форма)
|
||
|
||
**Идея**: целостная интегрированная модель предприятия.
|
||
|
||
**Мини-эскиз (ER, нормализовано)**:
|
||
|
||
```mermaid
|
||
erDiagram
|
||
CUSTOMER ||--o{ ORDER : places
|
||
ORDER ||--|{ ORDER_ITEM : contains
|
||
PRODUCT ||--o{ ORDER_ITEM : referenced
|
||
CATEGORY ||--o{ PRODUCT : classifies
|
||
PRICE ||--o{ PRODUCT : defines
|
||
```
|
||
|
||
**TODO**: плюсы/минусы, когда выбирать.
|
||
|
||
### 5.2 Звезда/Снежинка (по Кимбаллу)
|
||
|
||
**Идея**: простые и быстрые аналитические запросы.
|
||
Упомянуть, что самая часто испольуемая модель.
|
||
|
||
**Эскиз звезды: факт + измерения**:
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
F[fact_orders<br/>order_id, date_key, customer_key, product_key, qty, amount]
|
||
D1[dim_date] --> F
|
||
D2[dim_customer] --> F
|
||
D3[dim_product] --> F
|
||
D4[dim_store] --> F
|
||
```
|
||
|
||
**Эскиз снежинки (нормализация измерения продукта)**:
|
||
|
||
```mermaid
|
||
graph LR
|
||
D3[dim_product] --> C[dim_category]
|
||
```
|
||
|
||
**TODO**: зерно факта, типы измерений, агрегаты.
|
||
|
||
### 5.3 Data Vault 2.0 (Hub–Link–Satellite)
|
||
|
||
**Идея**: масштабируемая интеграция многоисточниковых данных с полной историей.
|
||
|
||
**Эскиз DV (упорядоченная колонками)**:
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
%% Hubs (слева)
|
||
HC[Hub_Customer]
|
||
HO[Hub_Order]
|
||
HP[Hub_Product]
|
||
|
||
%% Links (центр)
|
||
LOC[Link_OrderCustomer]
|
||
LOP[Link_OrderProduct]
|
||
|
||
%% Satellites (справа)
|
||
SC[SAT_Customer]
|
||
SO[SAT_Order]
|
||
SP[SAT_Product]
|
||
|
||
%% Связи к сателлитам
|
||
HC --> SC
|
||
HO --> SO
|
||
HP --> SP
|
||
|
||
%% Связи между хабами и линками
|
||
HC --> LOC
|
||
HO --> LOC
|
||
HO --> LOP
|
||
HP --> LOP
|
||
```
|
||
|
||
**TODO**: Raw Vault vs Business Vault, плюс/минус.
|
||
На каких слоях используем, зачем там оно нам.
|
||
|
||
Схема часто используется. Пишем, почему.
|
||
|
||
### 5.4 Anchor Modeling (Анкерное моделирование)
|
||
|
||
**Идея**: эволюционируемость атрибутов с версионированием на уровне «якорей/атрибутов/узлов».
|
||
|
||
**Эскиз (упрощённый)**:
|
||
|
||
```mermaid
|
||
flowchart LR
|
||
AC[Anchor CUSTOMER]
|
||
KC[Knot CUSTOMER_ID]
|
||
AC --> KC
|
||
AC --> AN[Attr NAME]
|
||
AC --> AE[Attr EMAIL]
|
||
AN --> NV[Name values history]
|
||
AE --> EV[Email values history]
|
||
```
|
||
|
||
**TODO**: где уместно, порог входа.
|
||
|
||
**TODO**: где уместно, порог входа.
|
||
|
||
Редко используется. Сложна для людей и для машин. Обосновываем.
|
||
|
||
---
|
||
|
||
## 6. Ключевые понятия (минимум для практики)
|
||
|
||
* **Факты (Facts)** и **Измерения (Dimensions)**; **зерно (grain)** факта.
|
||
* **Натуральные ключи (BK)** и **суррогатные ключи (SK)**.
|
||
* **SCD (Slowly Changing Dimensions)**: типы 1 / 2 / 4 / 6.
|
||
* **Bridge/Junk dimensions**, календарь, валюта, часовой пояс.
|
||
* **Поздно прибывающие события (late arriving)**.
|
||
|
||
**Эскиз SCD‑истории (Type 2) как лента времени**:
|
||
|
||
```mermaid
|
||
gantt
|
||
dateFormat YYYY-MM-DD
|
||
title SCD Type 2: dim_customer.name
|
||
section Customer 42
|
||
Version_1 :active, v1, 2023-01-01, 2023-06-14
|
||
Version_2 : v2, 2023-06-15, 2024-02-28
|
||
Version_3 : v3, 2024-03-01, 2025-10-26
|
||
```
|
||
|
||
**TODO**: короткие примеры для Type 1/2/4/6.
|
||
|
||
---
|
||
|
||
## 7. Эволюция схемы и эксплуатационные практики
|
||
|
||
* Совместимость назад/вперёд, view‑based миграции.
|
||
* Идемпотентные пайплайны, дедупликация, инкрементальные загрузки (CDC).
|
||
* Data Quality: уникальность, ссылочная целостность, распределения, «contracts».
|
||
* Каталог/линейка (Data Catalog / Lineage), словарь данных (Business Glossary), владение.
|
||
|
||
**TODO**: чек-лист из 8–10 пунктов.
|
||
|
||
---
|
||
## 10. Заключение
|
||
|
||
**Заглушки**: повторить ключевые тезисы, дать ссылки на дополнительные темы: CDC, оркестрация, тестирование данных, наблюдаемость.
|
||
|
||
---
|
||
|
||
## Примечания к иллюстрациям
|
||
|
||
* Диаграммы — **эскизы**: заменить/уточнить, когда будет готов текст.
|
||
* При необходимости добавить отдельные рисунки: «что можно/нельзя в слоях», SCD типы на одном полотне, пример late arriving events.
|