Non-Historized Links in Data Vault 2.0 vereinfachen die Datenmodellierung, indem sie sich auf aktuelle Beziehungen konzentrieren statt auf historische \u00c4nderungen. Dies verbessert die Effizienz, reduziert die Komplexit\u00e4t und steigert die Abfrageleistung f\u00fcr agilere Analysen.[\/vc_column_text][vc_column_text css=““ text_direction=“default“] In this article:<\/p> Non-Historized Links<\/a>, auch als Transaction Links bekannt, sind ein wesentlicher Bestandteil des Data Vault 2.0 Frameworks \u2013 aber wie funktionieren sie innerhalb eines Modells? Als Dan Linstedt<\/a>, Mitgr\u00fcnder von Scalefree, den Data Vault erfand, verfolgte er mehrere Ziele. Eines davon war es, Daten so schnell wie m\u00f6glich aus der Quelle in ein Data Warehouse Modell zu laden, sie in Informationen umzuwandeln und dem Business Analysten in jeder gew\u00fcnschten Zielstruktur bereitzustellen. <\/p>\n F\u00fcr die Data Warehouse Automatisierung<\/a> und Einfachheit besteht das Data Vault 2.0<\/a> Modell aus nur drei grundlegenden Entit\u00e4tstypen:<\/p>\n Wie wir immer lehren (und manchmal predigen): Sie k\u00f6nnen alle Unternehmensdaten allein mit diesen drei Entit\u00e4tstypen modellieren. Ein Modell, das jedoch nur diese Entit\u00e4tstypen verwendet, h\u00e4tte mehrere Nachteile: viele komplexe Joins, hoher Speicherverbrauch, eingeschr\u00e4nkte Ladeleistung und verpasste M\u00f6glichkeiten zur Virtualisierung. <\/p>\n Die L\u00f6sung? Das Hinzuf\u00fcgen weiterer Bausteine zu den Kernentit\u00e4tstypen des Data Vault, um diese Probleme zu bew\u00e4ltigen. Einer dieser Bausteine ist die Verwendung von Non-Historized Links, auch als Transaction Links bekannt: <\/p>\n<\/div>\n[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“29724″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ border_radius=“none“ box_shadow=“none“ image_loading=“lazy-load“ max_width=“100%“ max_width_mobile=“default“][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n In diesem Beispiel k\u00f6nnen Verk\u00e4ufe mit Non-Historized Links<\/a> modelliert werden, die Verkaufstransaktionen eines Kunden in Bezug auf ein Gesch\u00e4ft erfassen. Das Ziel des Non-Historized Links ist es, eine hohe Performance sowohl beim Laden in als auch beim Auslesen aus dem Data Warehouse sicherzustellen. Vergessen Sie nicht: Das ultimative Ziel des Data Warehousing ist es, ein Data Warehouse zu bauen \u2013 nicht nur zu modellieren. Und der Aufbau eines Data Warehouse umfasst weit mehr als nur das Modell: Es erfordert Menschen, Prozesse und Technologie. <\/p>\n Wie erf\u00fcllen Non-Historized Links diese Ziele? Denken Sie an Ihre Business Analysten. Was sind ihre Ziele? Ehrlich gesagt interessiert sie das Data Vault Modell am Ende nicht direkt. Stattdessen m\u00f6chten sie dimensionale Modelle sehen \u2013 Star Schemas, Snowflake Schemas oder flache, breite Modelle f\u00fcr Data Mining. Oder gelegentlich m\u00f6chten sie die un\u00fcbersichtlichen Tabellen aus dem Mainframe sehen, manchmal verkn\u00fcpft, manchmal nicht \u2013 und nicht mehr viele Menschen verstehen die Beziehungen noch vollst\u00e4ndig… aber f\u00fcr die Abw\u00e4rtskompatibilit\u00e4t ist das hervorragend. <\/p>\n Nachdem das Ziel definiert wurde, stellt sich die n\u00e4chste Frage: Was ist die Zielgranularit\u00e4t? In einem dimensionalen Modell spiegelt die Zielgranularit\u00e4t von Faktentabellen beispielsweise h\u00e4ufig die zu analysierenden Transaktionen wider \u2013 denken Sie an Anrufaufzeichnungen in der Telekommunikationsbranche oder Banktransaktionen. <\/p>\n Interessanterweise ist diese gew\u00fcnschte Zielgranularit\u00e4t h\u00e4ufig direkt in den Quellsystemen zu finden. Ein Telekommunikationsanbieter verf\u00fcgt \u00fcber ein operatives System, das jeden Telefonanruf aufzeichnet. Oder eine Bankanwendung, die jede Kontotransaktion erfasst. Diese Datens\u00e4tze werden in der Regel ohne Aggregation in das Data Warehouse geladen \u2013 im Data Vault arbeiten wir auf der feinsten Granularit\u00e4t f\u00fcr Pr\u00fcf- und Lieferzwecke. <\/p>\n Und hier liegt das Problem mit den Standard-Data Vault Entit\u00e4tstypen. Obwohl sie sehr einfach und musterbasiert sind, haben sie ein Problem: Der Standard-Link speichert eine eindeutige Liste von Beziehungen. Das bedeutet, dass der Link nur an Beziehungen aus der Quelle interessiert ist, die dem Ziel-Link unbekannt sind. Wenn ein Kunde mehrmals in ein Gesch\u00e4ft geht und dasselbe Produkt kauft, ist die Beziehung zwischen Kunde, Gesch\u00e4ft und Produkt bereits bekannt \u2013 es wird kein weiterer Link-Eintrag hinzugef\u00fcgt. <\/p>\n Infolgedessen wird die Granularit\u00e4t der eingehenden Daten beim Laden des Ziel-Links ver\u00e4ndert. Wenn die dem Vorgang zugrunde liegende Beziehung bereits bekannt ist, wird die Transaktion ausgelassen \u2013 und stattdessen von einem Satellite erfasst. <\/p>\n Das n\u00e4chste Problem besteht darin, dass die Link-Granularit\u00e4t nun von der Zielgranularit\u00e4t abweicht, weil der Business Analyst einen Datensatz pro Transaktion und nicht pro eindeutiger Business Key-Beziehung wollte. Eine weitere Granularit\u00e4tsverschiebung ist erforderlich, die typischerweise das Verkn\u00fcpfen des Satellite des Links mit dem Link selbst beinhaltet, um die urspr\u00fcngliche Granularit\u00e4t wiederherzustellen. <\/p>\n Wie wir in unserem Buch \u201eBuilding a Scalable Data Warehouse with Data Vault 2.0<\/a>“ erl\u00e4utert haben, ist eine Granularit\u00e4tsverschiebung in Bezug auf die Performance relativ kostspielig. Dies liegt daran, dass der Vorgang aufwendige GROUP BY-Anweisungen oder LEFT und RIGHT JOINS erfordert. <\/p>\n Und wof\u00fcr? Das Endergebnis beider Operationen entspricht oft der urspr\u00fcnglichen Granularit\u00e4t aus dem Quellsystem. Zwei aufwendige Granularit\u00e4tsverschiebungen f\u00fcr nichts \u2013 das klingt nach einem schlechten Tausch. <\/p>\n[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“29723″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ border_radius=“none“ box_shadow=“none“ image_loading=“lazy-load“ max_width=“100%“ max_width_mobile=“default“][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n Und genau das ist der Fall.<\/p>\n Hier kommen Non-Historized Links ins Spiel: Der Link ist eine einfache Variation des Standard-Links mit dem Ziel, die Quelltransaktionen und -ereignisse in der urspr\u00fcnglichen Granularit\u00e4t zu erfassen.<\/p>\n Abbildung: Non-Historized Link mit der Verkaufs-ID als zus\u00e4tzlichem Schl\u00fcssel<\/p>\n Ein tiefergehendes Szenario w\u00e4re, wenn dasselbe Produkt (in diesem Fall die h\u00f6chste Granularit\u00e4t) zweimal in einem Verkauf vorkommt \u2013 beispielsweise aufgrund unterschiedlicher Rabatte. In diesem Fall w\u00e4re die Positionsnummer ein zus\u00e4tzlicher Schl\u00fcssel (Dependent Child Key), um jeden Datensatz eindeutig zu machen. <\/p>\n Aus Performance-Gr\u00fcnden sollten Granularit\u00e4tsverschiebungen beim Auslesen vermieden werden. Wenn eine andere Zielgranularit\u00e4t erforderlich ist und es nicht m\u00f6glich ist, diese Granularit\u00e4t aus dem Quellsystem oder aus dem Data Vault Modell zu laden, sollten Sie eine Bridge Table<\/a> in Betracht ziehen. Der Zweck dieses Entit\u00e4tstyps besteht darin, die Granularit\u00e4tsverschiebung zu materialisieren und dabei den Vorteil zu behalten, das Ziel gem\u00e4\u00df den individuellen Anforderungen des dimensionalen Ziels anzupassen. <\/p>\n[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“29721″ image_size=“full“ animation_type=“entrance“ animation=“None“ animation_movement_type=“transform_y“ hover_animation=“none“ alignment=“center“ border_radius=“none“ box_shadow=“none“ image_loading=“lazy-load“ max_width=“100%“ max_width_mobile=“default“][vc_column_text]Abbildung: Virtuelle Bridge Table als Faktentabelle mit GROUP BY Store Hash Key[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n Non-Historized Links bieten einen effizienten Ansatz zur Data Vault Modellierung<\/a>, der die Performance optimiert und Datenstrukturen vereinfacht. Indem sie sich auf aktuelle Beziehungen statt auf historische \u00c4nderungen konzentrieren, steigern sie die Effizienz, reduzieren den Speicherbedarf und verbessern die Abfragegeschwindigkeit. Die Integration in Ihre Datenarchitektur kann zu einer agileren<\/a> und skalierbareren Analyseumgebung f\u00fchren.[\/vc_column_text][\/vc_column][\/vc_row]\n","protected":false},"excerpt":{"rendered":" [vc_row type=“in_container“ full_screen_row_position=“middle“ column_margin=“default“ column_direction=“default“ column_direction_tablet=“default“ column_direction_phone=“default“ scene_position=“center“ text_color=“dark“ text_align=“left“ row_border_radius=“none“ row_border_radius_applies=“bg“ overflow=“visible“ overlay_strength=“0.3″ gradient_direction=“left_to_right“ shape_divider_position=“bottom“ bg_image_animation=“none“][vc_column column_padding=“no-extra-padding“ column_padding_tablet=“inherit“ column_padding_phone=“inherit“ column_padding_position=“all“ column_element_direction_desktop=“default“ column_element_spacing=“default“ desktop_text_alignment=“default“ tablet_text_alignment=“default“ phone_text_alignment=“default“ background_color_opacity=“1″ background_hover_color_opacity=“1″ column_backdrop_filter=“none“ column_shadow=“none“…<\/p>\n","protected":false},"author":91,"featured_media":58504,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3933],"tags":[],"class_list":["post-58502","post","type-post","status-publish","format-standard","has-post-thumbnail","category-datenmodellierung"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\tEinf\u00fchrung in Non-Historized Links<\/h2>\n[\/vc_column_text][vc_column_text css=““ text_direction=“default“]\n
\n
Wesentliche Merkmale von Non-Historized Links<\/h2>\n
Fazit<\/h2>\n