In unserem ersten Beitrag \u00fcber Multi-Active-Satelliten<\/a> haben wir kurz verschiedene Implementierungen erl\u00e4utert, die zur Behandlung von Multi-Activity eingesetzt werden k\u00f6nnen. Nun gehen wir genauer auf die Vor- und Nachteile dieser Ans\u00e4tze ein \u2013 je nachdem, ob Delta-Checks aktiviert oder deaktiviert sind. In this article:<\/p> Multi-Active-Satelliten erm\u00f6glichen Ihnen die Implementierung multi-aktiver Datens\u00e4tze pro Business-Key in Data Vault 2.0<\/a>. Um die Notwendigkeit dieser L\u00f6sung zu verdeutlichen, betrachten wir den h\u00e4ufigen Fall eines Quellsystems, das die ben\u00f6tigten Metadaten nicht liefert \u2013 wie etwa bei der Arbeit mit XML-Dateien. <\/span><\/p>\n Eine L\u00f6sung f\u00fcr dieses Problem besteht darin, einen Multi-Active-Satelliten zu erstellen, indem eine Subsequence-Nummer pro Business-Key hinzugef\u00fcgt wird. Dies deckt jeden Fall ab, in dem die Quelle selbst kein multi-aktives Attribut liefert. Bezogen auf Telefonnummern k\u00f6nnte diese Information ein Tag f\u00fcr eine gesch\u00e4ftliche, private oder mobile Telefonnummer sein. Eine weitere M\u00f6glichkeit besteht darin, einen zus\u00e4tzlichen Hub f\u00fcr das multi-aktive Attribut zu erstellen. Da dieser jedoch kein reales Business-Objekt darstellt, ist die erste L\u00f6sung oft effektiver. <\/span><\/p>\n Es gibt zwei M\u00f6glichkeiten, neue Datens\u00e4tze in einen Multi-Active-Satelliten einzuf\u00fcgen: mit aktivierten oder deaktivierten Delta-Checks. Wenn die Delta-Checks ausgeschaltet sind, werden alle Datens\u00e4tze eines Business-Keys aus Ihrer Quelllieferung in den Satelliten eingef\u00fcgt. <\/span><\/p>\n Der Vorteil dabei ist, dass die Ladevorg\u00e4nge schneller sind und einen konsistenten Load Date Timestamp (LDTS) zum \u00fcbergeordneten Hash-Key aufweisen, unabh\u00e4ngig vom multi-aktiven Attribut.<\/span><\/p>\n Dies vereinfacht die sp\u00e4tere Abfrage basierend auf den multi-aktiven Daten (siehe Abbildung 1). Ein entscheidender Nachteil ist jedoch, dass die geladene Datenmenge stark ansteigen kann, wenn vollst\u00e4ndige Datenladungen (Full Data Loads) verarbeitet werden. <\/span><\/p>\n In diesem Fall sollten Sie Ihre Daten nach dem Load Date Timestamp partitionieren. <\/span><\/p>\n[\/vc_column_text][divider line_type=“No Line“ custom_height=“50″][image_with_animation image_url=“29566″ 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=“75%“ max_width_mobile=“100%“][vc_column_text]\n Abbildung 1: Verkn\u00fcpfen von Datens\u00e4tzen \u00fcber eine PIT-Tabelle bei einem einheitlichen LDTS f\u00fcr alle aktiven Datens\u00e4tze pro Key.<\/span><\/p>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\n Um die Datenmenge zu reduzieren, nutzen Sie Delta-Checks. Dabei vergleichen Sie die eingehenden Daten mit dem neuesten LDTS pro Hash-K <\/span> Abbildung 2: Zeilen\u00fcbergreifende Hash-Differenz unter Verwendung der LISTAGG()-Funktion.<\/p>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]Wenn neue Daten eintreffen, k\u00f6nnen diese mithilfe der zeilen\u00fcbergreifenden Hash-Differenz verglichen werden. Dadurch l\u00e4sst sich ein gro\u00dfer Teil unver\u00e4nderter Daten ignorieren. Wird ein Delta erkannt, werden alle Datens\u00e4tze pro Hash-Key<\/a> eingef\u00fcgt \u2013 selbst wenn sich der Inhalt nur f\u00fcr eine einzelne Subsequence ge\u00e4ndert hat. Das Ergebnis ist ein konsistenter Load Date Timestamp pro Hash-Key. Zudem wird ein Delta auch dann erkannt, wenn sich lediglich die Reihenfolge der Datens\u00e4tze \u00e4ndert. Dieser Ansatz bildet einen Kompromiss, um die Anzahl der Datens\u00e4tze zu reduzieren und gleichzeitig einen konsistenten LDTS pro Hash-Key beizubehalten, sodass nur eine einzige PIT-Tabelle<\/a> erforderlich ist. <\/span><\/p>\n Eine weitere M\u00f6glichkeit, Multi-Activity zu handhaben, besteht darin, die Typen der Attribute zu verwenden, sofern diese vorhanden sind , wie im vorherigen Beitrag erl\u00e4utert. <\/span> Abbildung 3: Die Notwendigkeit einer MA-PIT-Tabelle bei unterschiedlichen LDTS-Werten aktiver Datens\u00e4tze pro Key.<\/p>\n[\/vc_column_text][divider line_type=“No Line“][vc_column_text]Wenn Sie die multi-aktive Spalte in mehrere Spalten pivotieren k\u00f6nnen (eine Spalte pro Auspr\u00e4gung), m\u00fcssen Sie die oben genannten Vor- und Nachteile nicht ber\u00fccksichtigen. In diesem Fall wandeln Sie den Multi-Active-Satelliten in einen Standard-Satelliten um. Bezogen auf unser Beispiel mit den Telefonnummern w\u00fcrden Sie einige neue Spalten pro Telefontyp erstellen.<\/span> In diesem zweiten Beitrag zu Multi-Active-Satelliten haben wir die Hintergr\u00fcnde der verschiedenen Modellierungsans\u00e4tze untersucht. Sie k\u00f6nnen diese Informationen nutzen, um abh\u00e4ngig von Ihren Datenstrukturen die optimale Multi-Active-L\u00f6sung zu w\u00e4hlen. <\/span> [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":58687,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3948],"tags":[],"class_list":["post-59744","post","type-post","status-publish","format-standard","has-post-thumbnail","category-data-vault"],"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\t
<\/span><\/p>\n
\nKurze Zusammenfassung zu Multi-Active Satellites<\/h2>\n
Delta-Check AUS<\/h2>\n
Delta-Check EIN<\/h2>\n
\n<\/span>Die Funktion<\/span> LISTAGG() <\/b>ist hierbei sehr n\u00fctzlich, um den Delta-Check zu unterst\u00fctzen. Sie wandelt Werte aus einer Gruppe von Zeilen in eine geordnete Liste um. Dadurch sind Sie in der Lage, eine zeilen\u00fcbergreifende Hash-Differenz der multi-aktiven Attribute pro Business-Key zu erstellen (siehe Abbildung 2).<\/span>[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“29568″ 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=“75%“ max_width_mobile=“100%“][vc_column_text]\nVerwendung von Type-Codes<\/h2>\n
\n<\/span>Wenn Sie Type-Codes im Einsatz haben, k\u00f6nnen Sie Zeile f\u00fcr Zeile vergleichen und nur die spezifischen ge\u00e4nderten Daten laden. Die Konsequenz daraus ist jedoch, dass Sie unterschiedliche LDTS-Werte pro multi-aktivem Attribut erhalten. Wenn Sie PIT-Tabellen im Business Vault<\/a> verwenden, ben\u00f6tigen Sie daher eine zus\u00e4tzliche Multi-Active-PIT-Tabelle. Dieses Szenario ist in Abbildung 3 dargestellt. <\/span>[\/vc_column_text][divider line_type=“No Line“][image_with_animation image_url=“29569″ 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=“75%“ max_width_mobile=“100%“][vc_column_text]\n
\nDiese L\u00f6sung ist gut anwendbar, wenn Sie sicher sein k\u00f6nnen, dass sich die Auspr\u00e4gungen der Telefontypen in Zukunft nicht \u00e4ndern. Andernfalls m\u00fcssen Sie Ihren Ladeprozess bei neuen Typen anpassen, um weiterhin alle gelieferten Daten zu erfassen.[\/vc_column_text][divider line_type=“No Line“][vc_column_text css=““ text_direction=“default“]\nFazit<\/h2>\n
\n<\/span>Beachten Sie dabei, dass es meist ratsam ist, die zu ladende Datenmenge fr\u00fchzeitig zu begrenzen \u2013 wozu sich die LISTAGG()-Funktion hervorragend eignet. Wenn Sie eine L\u00f6sung mit potenziell unterschiedlichen LDTS-Werten nutzen, denken Sie daran, diese bei der Abfrage \u00fcber entsprechende PIT-Tabellen zu ber\u00fccksichtigen. <\/span><\/p>\n[\/vc_column_text][\/vc_column][\/vc_row]\n","protected":false},"excerpt":{"rendered":"