Generating preview...
Modules du cours Mettre en place un entrepôt de données avec SQL Server 01 | Modélisation multidimensionnelle 04 | Flux de données – Transformer les données 02 | Concevoir et mettre en œuvre les 05 | Flux de contrôle dimensions et les tables de faits 03 | Flux de données- Extraire les données 06 | Configurer et déployer SSIS
Définition des Attentes: • Audience – Participants qui souhaitent couvrir les principaux aspects de la conception et la construction d'entrepôts de données sur SQL Server Integration Services (SSIS) – Participants souhaitent passer exam 70-463 et obtenir une certification dans la mise en place d'entrepôt de données • La formation – Course 10777(Microsoft), Implementing a Data Warehouse with Microsoft SQL Server 2012 – MS Press Book: Training Kit (Exam 70-463): Implementing a Data Warehouse with Microsoft SQL Server 2012
Vue d'ensemble du module 2 • Conception d'un schéma en étoile vs flocon de neige • Faits et tables de faits • Granularité des tables de Faits et de Dimensions • Dimensions conformes et non conformes • Dimensions temps
Conception d'un schéma en étoile vs flocon de neige • Schéma en étoile • Schéma en Flocon de neige • Performances de traitement et aspects à prendre en considération
Schéma en étoile DimSalesPerson SalesPersonKey SalesPersonName • Un schéma en étoile possède StoreNameStoreCity une seul table pour chaque StoreRegion dimension FactOrders CustomerKey DimDate • Chaque table prend en DimCustomer SalesPersonKey DateKey CustomerKey ProductKey Year CustomerName ShippingAgentKey City Quarter charge tous les attributs de Region TimeKeyOrderNo Month Day LineItemNo cette dimension Quantity Revenue Cost • Une solution dénormalisée Profit DimProduct ProductKey DimShippingAgent ProductName ShippingAgentKey ProductLine ShippingAgentName SupplierName
Schéma en Flocon de neige DimSalesPerson SalesPersonKey • Solution plus normalisée SalesPersonName DimStore StoreKey StoreKey StoreName • Contient généralement GeographyKey DimDate FactOrders DateKey plusieurs tables par CustomerKey Year SalesPersonKey Quarter DimGeography Month GeographyKey ProductKey dimension ShippingAgentKey Day City Region TimeKey OrderNo LineItemNo • Chaque table contient la clé Quantity DimCustomer Revenue de dimension et la valeur de CustomerKey Cost CustomerName Profit DimShippingAgent GeographyKey ShippingAgentKey la clé étrangère pour les ShippingAgentName tables parents DimProductLine DimProduct ProductLineKey ProductLineName ProductKey DimSupplier ProductName SupplierKey ProductLineKey SupplierName SupplierKey
Performances de traitement et aspects à prendre en considération • Un schéma en étoile nécessite la dé-normalisation des tables pendant le processus de chargement – Impact la performance de ETL • Un schéma en Flocon de neige peut augmenter la complexité de la dimension – Cela impacte le traitement des Cubes OLAP, ce qui affecte négativement les performances de cube.
Thème: Faits et tables de faits • Qu’est ce qu’un Fait ? • Groupement de Faits • Qu'est-ce que la granularité? • Aspect de conception
Qu’est ce qu’un Fait ? • Les faits sont les indicateurs clés utilisés pour mesurer un résultat : – Vente – Production – Stock • Peut être additif, semi-additif ou non additif
Groupement de Faits • Les faits sont regroupés dans des tables de faits • Les faits avec une granularité différente devraient être dans des tables différentes
Qu'est-ce que la granularité? • La granularité fait référence au niveau de détail dans lequel les faits sont enregistrés • Les faits peuvent se situer à différents niveaux de granularité
Aspects de conception • Les tables de faits devraient avoir toutes les clés relatives aux dimensions • La clé primaire doit être composée de toutes les clés de dimension
Thème: Granularité des tables de Faits et de Dimensions • Comment déterminer la granularité sur une table de fait • Comment déterminer la granularité sur une dimension
Showing the first 20 pages. Download the document to see it all.
No comments yet. Be the first!
Comments (0)
No comments yet. Be the first!