Microsoft Fabric Warehouse'da boyutsal modelleme

Şunlar için geçerlidir: Microsoft Fabric'te SQL analiz uç noktası ve Ambarı

Bu makale, bir ambar içindeki boyutsal modelleme hakkında bir serinin ilkidir. Tablo oluşturma ve tablolardaki verileri yönetme gibi birçok T-SQL özelliklerini destekleyen bir deneyim olan Microsoft Fabric'teki Warehouse için pratik rehberlik sağlar. Bu nedenle, boyutsal model tablolarınızı oluşturma ve bunları verilerle yükleme konusunda tam denetime sahip olursunuz.

Not

Bu makalede, veri ambarı terimi kuruluş genelinde kritik verilerin kapsamlı tümleştirmesini sağlayan kurumsal veri ambarını ifade eder. Buna karşılık, tek başına terim ambarı, veri ambarı uygulamak için kullanabileceğiniz bir hizmet olarak yazılım (SaaS) ilişkisel veritabanı teklifi olan Doku Ambarı'nı ifade eder. Netlik için, bu makalede ikincisinde Doku Ambarı olarak bahsedilmektedir.

İpucu

Boyutsal modelleme konusunda deneyimsizseniz, bu makale serisinin ilk adımınız olduğunu düşünün. Boyutsal modelleme tasarımı hakkında eksiksiz bir tartışma sağlamak için tasarlanmamıştır. Daha fazla bilgi için, Ralph Kimball ve diğer kişilerin The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling (3rd edition, 2013) gibi yaygın olarak benimsenen yayımlanmış içeriklere doğrudan bakın.

Yıldız şeması tasarımı

Yıldız şeması , ilişkisel veri ambarları tarafından benimsenen boyutlu bir modelleme tasarım tekniğidir. Doku Ambarı oluştururken kullanılması önerilen bir tasarım yaklaşımıdır. Yıldız şeması olgu tablolarını ve boyut tablolarını içerir.

• Boyut tabloları , kuruluşunuz ve analiz gereksinimlerinizle ilgili varlıkları açıklar. Genel olarak, modellediğiniz şeyleri temsil ederler. Ürünler, kişiler, yerler veya tarih ve saat de dahil olmak üzere başka bir kavram olabilir. Daha fazla bilgi ve tasarım en iyi yöntemleri için bkz . Bu serideki boyut tabloları .
• Olgu tabloları gözlemler veya olaylarla ilişkili ölçümleri depolar. Satış siparişlerini, hisse senedi bakiyelerini, döviz kurlarını, sıcaklık değerlerini ve daha fazlasını depolayabilirler. Olgu tabloları, toplanabilen ayrıntılı değerlerle birlikte boyut anahtarları içerir. Daha fazla bilgi ve tasarım en iyi yöntemleri için bkz . Bu serideki Olgu tabloları .

Yıldız şeması tasarımı, analiz sorgusu iş yükleri için iyileştirilmiştir. Bu nedenle, kurumsal Power BI anlam modelleri için önkoşul olarak kabul edilir. Analiz sorguları verileri filtreleme, gruplandırma, sıralama ve özetleme ile ilgilidir. Olgu verileri, ilgili boyut tablolarının filtreleri ve gruplandırmaları bağlamında özetlenir.

Yıldız şeması olarak adlandırılıyor olmasının nedeni olgu tablosunun bir yıldızın merkezini, ilgili boyut tablolarının ise yıldızın noktalarını oluşturmasıdır.

Yıldız şeması genellikle birden çok olgu tablosu ve dolayısıyla birden çok yıldız içerir.

İyi tasarlanmış bir yıldız şeması, daha az tablo birleştirmesi ve kullanışlı dizinlerin daha yüksek olma olasılığı nedeniyle yüksek performanslı (ilişkisel) sorgular sunar. Ayrıca, veri ambarı tasarımı geliştikçe yıldız şeması genellikle düşük bakım gerektirir. Örneğin, yeni bir öznitelikle çözümlemeyi desteklemek için boyut tablosuna yeni sütun eklemek, gerçekleştirilecek görece basit bir görevdir. Veri ambarının kapsamı geliştikçe yeni olgular ve boyutlar eklerken olduğu gibi.

Belirli aralıklarla, belki de günlük olarak, boyutsal modeldeki tablolar bir Ayıklama, Dönüştürme ve Yükleme (ETL) işlemi tarafından güncelleştirilir ve yüklenir. Bu işlem, verilerini işletimsel verileri depolayan kaynak sistemlerle eşitler. Daha fazla bilgi için bkz . Bu serideki tabloları yükleme.

Power BI için boyutsal modelleme

Kurumsal çözümler için, Yapı Ambarı'ndaki boyutsal model, Power BI anlam modeli oluşturmak için önerilen bir önkoşuldur. Boyutsal model yalnızca anlam modelini desteklemekle kalmaz, aynı zamanda makine öğrenmesi modelleri gibi diğer deneyimler için de bir veri kaynağıdır.

Ancak, belirli durumlarda en iyi yaklaşım olmayabilir. Örneğin, hızla ve BT bağımlılığı olmadan hareket etmek için özgürlüğe ve çevikliğe ihtiyaç duyan self servis analistler, doğrudan kaynak verilere bağlanan anlamsal modeller oluşturabilir. Bu gibi durumlarda, boyutsal modelleme teorisi hala geçerlidir. Bu teori analistlerin sezgisel ve verimli modeller oluşturmasına yardımcı olurken, bir yandan da veri ambarında boyutsal model oluşturma ve yükleme gereksinimini ortadan kaldırmayı sağlar. Bunun yerine, anlamsal model tablolarını oluşturmak ve yüklemek için kaynak verilere bağlanma ve dönüştürme mantığını tanımlayan Power Query kullanılarak yarı boyutlu bir model oluşturulabilir. Daha fazla bilgi için bkz . Yıldız şemasını ve Power BI'ın önemini anlama.

Önemli

Anlamsal modelde boyutsal bir model tanımlamak için Power Query'yi kullandığınızda geçmiş değişikliği yönetemezsiniz. Bu, geçmişi doğru analiz etmek için gerekli olabilir. Bu bir gereksinimse, bir veri ambarı oluşturmanız ve düzenli ETL işlemlerinin boyut değişikliklerini yakalamasına ve uygun şekilde depolamasına izin vermelisiniz.

Veri ambarı planlama

Veri ambarı oluşturmaya ve boyut modelinin tasarımına ciddi ve önemli bir girişim olarak yaklaşmalısınız. Bunun nedeni, veri ambarının veri platformunuzun temel bir bileşeni olmasıdır. Tüm kuruluşunuz için analiz ve raporlamayı ve dolayısıyla karar almayı destekleyen sağlam bir temel oluşturmalıdır.

Bu amaçla, veri ambarınız kalite, uyumlu ve geçmişe dönük olarak doğru verileri gerçeğin tek bir sürümü olarak depolamaya çaba göstermelidir. Hızlı performansla anlaşılır ve gezinilebilir veriler sağlamalı ve doğru verilere yalnızca doğru kişiler tarafından erişilebilmeleri için izinleri zorunlu kılmalıdır. Gereksinimleriniz geliştikçe değişime uyum sağlaması için veri ambarınızı dayanıklılık için tasarlamaya çabalayın.

Veri ambarının başarılı bir şekilde uygulanması iyi bir planlamaya bağlıdır. Stratejik ve taktiksel konular ve Doku'nun ve veri ambarınızın başarılı bir şekilde benimsenmesine neden olan eylem öğeleri hakkında bilgi için bkz . Microsoft Fabric benimseme yol haritası.

İpucu

Kurumsal veri ambarınızı yinelemeli olarak oluşturmanızı öneririz. Önce en önemli konu alanlarıyla başlayın ve ardından zaman içinde öncelik ve kaynaklara göre veri ambarını diğer konu alanlarıyla genişletin.

İlgili içerik

Bu serinin sonraki makalesinde, boyut tabloları için rehberlik ve tasarım en iyi yöntemleri hakkında bilgi edinin.