316 lines
11 KiB
Markdown
316 lines
11 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)»).
|
||
|
||
---
|
||
|
||
## 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)
|
||
|
||
---
|
||
|
||
## <a id="1"></a>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.
|
||
|
||
---
|
||
|
||
## <a id="2"></a>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).
|
||
|
||
---
|
||
|
||
## <a id="3"></a>3. Типичная структура слоёв (STG → ODS → DDS → DM)
|
||
|
||
**Картинка-конвейер (эскиз)**:
|
||
|
||
```mermaid
|
||
graph TD
|
||
subgraph Sources[Источники]
|
||
A[CRM] -->|ingest| STG
|
||
B[Billing] -->|ingest| STG
|
||
C[E-comm] -->|ingest| STG
|
||
end
|
||
STG[STG (Staging/Bronze)] --> ODS[ODS (Operational/Silver)]
|
||
ODS --> DDS[DDS (Integrated/Conformed)]
|
||
DDS --> DM[DM (Data Marts/Gold)]
|
||
DM --> BI[BI/Отчёты/Дашборды]
|
||
classDef layer fill:#eef,stroke:#555,stroke-width:1px;
|
||
class STG,ODS,DDS,DM,BI layer;
|
||
```
|
||
|
||
**Заглушки**:
|
||
|
||
* Соответствие Bronze/Silver/Gold.
|
||
* Что происходит на каждом переходе в 1–2 фразы.
|
||
|
||
---
|
||
|
||
## <a id="4"></a>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.
|
||
|
||
**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.
|
||
|
||
---
|
||
|
||
## <a id="5"></a>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.
|
||
|
||
**Эскиз звезды: факт + измерения**:
|
||
|
||
```mermaid
|
||
graph LR
|
||
F[fact_orders\n(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:**
|
||
|
||
```mermaid
|
||
graph LR
|
||
subgraph H[Hubs]
|
||
H_C[Hub_Customer\n(BK:customer_natural_key)]
|
||
H_P[Hub_Product\n(BK:product_code)]
|
||
H_O[Hub_Order\n(BK:order_number)]
|
||
end
|
||
subgraph L[Links]
|
||
L_OP[Link_OrderProduct\n(H_O,H_P)]
|
||
L_OC[Link_OrderCustomer\n(H_O,H_C)]
|
||
end
|
||
subgraph S[Satellites]
|
||
S_C[SAT_Customer\n(attrs, eff_from, eff_to)]
|
||
S_P[SAT_Product\n(attrs, eff_from, eff_to)]
|
||
S_O[SAT_Order\n(attrs, eff_from, eff_to)]
|
||
end
|
||
H_C --> S_C
|
||
H_P --> S_P
|
||
H_O --> S_O
|
||
H_O --> L_OP
|
||
H_P --> L_OP
|
||
H_O --> L_OC
|
||
H_C --> L_OC
|
||
```
|
||
|
||
**TODO**: Raw Vault vs Business Vault, плюс/минус.
|
||
|
||
### 5.4 Anchor Modeling (Анкерное моделирование)
|
||
|
||
**Идея**: эволюционируемость атрибутов с версионированием на уровне «якорей/атрибутов/узлов».
|
||
|
||
**Эскиз (упрощённый)**:
|
||
|
||
```mermaid
|
||
graph LR
|
||
A_C[Anchor CUSTOMER]
|
||
K_CID[Knot CUSTOMER_ID (BK)]
|
||
A_C -- has --> K_CID
|
||
A_C -- attr --> C_NAME[Attribute NAME]
|
||
A_C -- attr --> C_EMAIL[Attribute EMAIL]
|
||
C_NAME -- history --> C_NAME_VAL[Value + timeline]
|
||
C_EMAIL -- history --> C_EMAIL_VAL[Value + timeline]
|
||
```
|
||
|
||
**TODO**: где уместно, порог входа.
|
||
|
||
---
|
||
|
||
## <a id="6"></a>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.
|
||
|
||
---
|
||
|
||
## <a id="7"></a>7. Выбор подхода: дерево решений (эскиз)
|
||
|
||
```mermaid
|
||
graph TD
|
||
Q0{Сколько источников?} -->|1–2| Q1{Требуется глубокая история?}
|
||
Q0 -->|3+| Q2{Схемы часто меняются?}
|
||
Q1 -->|нет| STAR[DM: Звезда/Снежинка]
|
||
Q1 -->|да| Q1a{Высокая BI‑нагрузка?}
|
||
Q1a -->|да| STAR2[DM: Звезда/Снежинка]
|
||
Q1a -->|нет| NF3[DDS: 3NF + DM при необходимости]
|
||
Q2 -->|да| DV[ DDS: Data Vault → DM: Звезда ]
|
||
Q2 -->|нет| MIX[ DDS: 3NF или упрощённый конформный слой → DM: Звезда ]
|
||
```
|
||
|
||
**TODO**: превратить в 6–8 вопросов с текстовыми пояснениями.
|
||
|
||
---
|
||
|
||
## <a id="8"></a>8. 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.
|
||
|
||
---
|
||
|
||
## <a id="9"></a>9. MVP учебного проекта (рецепт)
|
||
|
||
1. STG: положить сырые данные из 2–3 источников.
|
||
2. ODS: очистка и выравнивание типов.
|
||
3. DDS: либо упрощённая интеграция (конформные справочники), либо Raw Vault.
|
||
4. DM: одна звезда `fact_orders` + 3–4 измерения.
|
||
5. Простой отчёт/дашборд и верификация цифр.
|
||
6. Мини‑тесты качества данных.
|
||
|
||
**Эскиз «дорожной карты»**:
|
||
|
||
```mermaid
|
||
graph LR
|
||
S[STG готов] --> O[ODS готов] --> D[DDS готов] --> M[DM готов] --> R[Отчёт готов]
|
||
```
|
||
|
||
---
|
||
|
||
## <a id="10"></a>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.
|