ddmitry/de-roadmap
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
a234c2954d8044919eeaf1f7370062431ab1e8ab
de-roadmap/dwh-modeling/dwh-modeling-basics.md
T

10 KiB
Raw Blame History

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»

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):

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):

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):

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:

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):

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):

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):

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:

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.
Reference in New Issue View Git Blame Copy Permalink