de-roadmap/dwh-modeling-ds.md at acfbc4d0375f68ee5fa439770dbb30d3df75fa56

Files

T

2025-11-04 23:15:14 +03:00

10 KiB

Raw Blame History

Отлично! Я умею рисовать Mermaid-схемы и с удовольствием добавлю их в план. Вот переработанный вариант с дополнительными визуализациями для ключевых концепций.

Структура статьи про хранилище данных

1. Введение. Проблема аналитики в OLTP
2. Учебный пример. Интернет-магазин
3. Архитектура. Зачем слои?
4. Путешествие данных. STG→ODS→DDS→DM
5. Базовые понятия. Факты, Измерения, SCD
6. Модели данных. 3NF, DV, Звезда
7. Практикум. Собираем витрину
8. Выбор моделию Дерево решений
9. Эксплуатация. Качество и эволюция
10. Заключение

1. Введение: Аналитика — это не оперативный учет

OLTP - Оперативный учет

CRM
Заказы
Склад

DWH - Аналитическое хранилище -> Единая модель
для анализа

OLTP - Сложные JOIN -> Медленные отчеты -> Проблемы

Ообенности DWH

Слоистая архитектура
Оптимизированные модели

Ключевые тезисы:

OLTP vs OLAP: транзакции против анализа
Почему "одна большая таблица" не работает на истории
3 преимущества слоев: управляемость, производительность, прозрачность

2. Учебный пример: интернет-магазин

(Оставляю вашу отличную ER-диаграмму без изменений)

erDiagram
    CUSTOMER ||--o{ ORDER : places
    ORDER ||--|{ ORDER_ITEM : contains
    PRODUCT ||--o{ ORDER_ITEM : referenced
    PRODUCT ||--o{ PRICE : has
    PROMO ||--o{ ORDER_ITEM : applied

3. Архитектура хранилища: зачем делить на слои?

flowchart TD
    subgraph Sources[Источники OLTP]
        A[CRM]
        B[Заказы]
        C[Склад]
    end
    
    A --> STG
    B --> STG
    C --> STG
    
    subgraph STG[STG - Сырые данные]
        D[Таблицы-клоны<br>сырые данные]
    end
    
    STG --> ODS
    
    subgraph ODS[ODS - Очищенные данные]
        E[Стандартизированные<br>типы и форматы]
    end
    
    ODS --> DDS
    
    subgraph DDS[DDS - Интегрированная модель]
        F[Бизнес-сущности<br>SCD, интеграция]
    end
    
    DDS --> DM
    
    subgraph DM[DM - Витрины для аналитики]
        G[Звезда/снежинка<br>агрегаты]
    end
    
    DM --> BI[BI-системы<br>и отчеты]

4. Путешествие данных по слоям

flowchart LR
    subgraph STG[STG - Сырье]
        A[raw_orders.json]
        B[raw_customers.csv]
        C[Формат как в источнике]
    end
    
    subgraph ODS[ODS - Очистка]
        D[stg_orders]
        E[stg_customers]
        F[Типизация, валидация]
    end
    
    subgraph DDS[DDS - Интеграция]
        G[dim_customer<br>SCD Type 2]
        H[fact_orders<br>с суррогатными ключами]
    end
    
    subgraph DM[DM - Готовые решения]
        I[mart_sales<br>агрегированные данные]
        J[mart_customer_360<br>обзор по клиентам]
    end
    
    STG --> ODS
    ODS --> DDS
    DDS --> DM

5. Базовые понятия: Факты, Измерения, Ключи

erDiagram
    dim_date ||--o{ fact_sales : "дата"
    dim_customer ||--o{ fact_sales : "клиент" 
    dim_product ||--o{ fact_sales : "товар"
    
    dim_customer {
        bigint customer_sk PK
        varchar customer_bk
        varchar customer_name
        varchar email
        date valid_from
        date valid_to
        boolean is_current
    }
    
    fact_sales {
        bigint sale_id PK
        bigint customer_sk FK
        bigint product_sk FK
        date date_sk FK
        int quantity
        decimal amount
    }

SCD Type 2 - Визуализация истории:

gantt
    title SCD Type 2: История изменений клиента (ID = 123)
    dateFormat YYYY-MM-DD
    axisFormat %Y-%m
    
    section Москва, premium@email.com
    Версия 1 :active, 2023-01-01, 2023-05-15
    
    section Москва, new_premium@email.com
    Версия 2 :active, 2023-05-16, 2023-09-30
    
    section Санкт-Петербург, new_premium@email.com
    Версия 3 :active, 2023-10-01, 2024-12-31

6. Модели данных для DDS

Data Vault 2.0:

erDiagram
    hub_customer ||--o{ sat_customer_info : "хаб"
    hub_order ||--o{ sat_order_details : "хаб"
    hub_product ||--o{ sat_product_info : "хаб"
    
    hub_customer ||--o{ link_order_customer : "участвует"
    hub_order ||--o{ link_order_customer : "включает"
    
    hub_order ||--o{ link_order_product : "содержит"
    hub_product ||--o{ link_order_product : "входит в"
    
    hub_customer {
        string customer_hash_key PK
        string customer_id BK
        datetime load_dttm
    }
    
    sat_customer_info {
        string customer_hash_key PK,FK
        datetime load_dttm PK
        string customer_name
        string email
        string phone
    }
    
    link_order_customer {
        string order_customer_hash_key PK
        string order_hash_key FK
        string customer_hash_key FK
        datetime load_dttm
    }

Сравнение моделей:

quadrantChart
    title Сравнение моделей данных по сложности и гибкости
    x-axis "Низкая сложность" --> "Высокая сложность"
    y-axis "Низкая гибкость" --> "Высокая гибкость"
    "Звезда": [0.2, 0.3]
    "3NF": [0.6, 0.5]
    "Data Vault": [0.8, 0.8]
    "Anchor": [0.9, 0.9]

7. Практикум: собираем витрину

flowchart TD
    A[Источники] --> STG
    STG[STG: сырые заказы, товары] --> ODS
    ODS[ODS: очищенные данные] --> DDS
    
    subgraph DDS[DDS: интегрированная модель]
        B[dim_customer<br>SCD Type 2]
        C[dim_product]
        D[dim_date]
        E[fact_sales]
    end
    
    DDS --> F{Сборка витрины}
    
    F --> G[mart_daily_sales]
    F --> H[mart_customer_lifetime]
    
    G --> I[Дашборд продаж]
    H --> J[Отчет по клиентам]

Пример SQL для витрины:

-- Витрина ежедневных продаж
CREATE TABLE mart_daily_sales AS
SELECT 
    d.date,
    p.product_name,
    c.customer_segment,
    SUM(f.quantity) as total_quantity,
    SUM(f.amount) as total_amount
FROM fact_sales f
JOIN dim_date d ON f.date_key = d.date_key
JOIN dim_product p ON f.product_key = p.product_key  
JOIN dim_customer c ON f.customer_key = c.customer_key
WHERE c.is_current = true
GROUP BY d.date, p.product_name, c.customer_segment;

8. Выбор модели: дерево решений

flowchart TD
    Start[Выбор модели DDS] --> Q1{Количество источников?}
    
    Q1 -->|Один источник| Q2{Требования к истории?}
    Q1 -->|Несколько источников| Q3{Частота изменений схемы?}
    
    Q2 -->|Простая история| Model1[Звезда/Снежинка]
    Q2 -->|Полная аудируемая история| Model2[Data Vault]
    
    Q3 -->|Редко| Model3[3NF]
    Q3 -->|Часто| Model4[Data Vault]
    
    Model1 --> Final[Рекомендация]
    Model2 --> Final
    Model3 --> Final
    Model4 --> Final

9. Эксплуатация: качество и эволюция

graph TB
    A[Данные] --> B{Контроль качества}
    
    B --> C[Проверка уникальности]
    B --> D[Проверка полноты]
    B --> E[Валидация форматов]
    B --> F[Свежесть данных]
    
    C --> G[✅ Успех]
    D --> G
    E --> G
    F --> G
    
    C --> H[❌ Ошибка]
    D --> H
    E --> H
    F --> H
    
    G --> I[Загрузка в слой]
    H --> J[Оповещение<br>и остановка]

10. Заключение: главное — понимать "почему"

mindmap
  root((Хранилище данных))
    Архитектура
      Слои STG→ODS→DDS→DM
      Разделение ответственности
      Управляемость изменений
    Модели данных
      3NF: Целостность
      Data Vault: Масштабируемость
      Звезда: Производительность
    Ключевые понятия
      Факты и измерения
      Суррогатные ключи
      SCD Type 2
    Практика
      Понимать бизнес-задачу
      Выбирать подходящую модель
      Строить итеративно

Такой визуализированный план поможет студентам:

Быстрее понять сложные концепции через схемы
Увидеть связи между разделами через общую навигацию
Запомнить ключевые отличия моделей через сравнительные диаграммы
Поножить практическое применение через конкретные примеры

Все схемы готовы к использованию в статье и будут отлично работать в Markdown-редакторах с поддержкой Mermaid.

10 KiB Raw Blame History Unescape Escape

**Структура статьи про хранилище данных **