数据仓库建模：数据仓库与持久性暂存区

Question

请考虑以下两种DWH架构：

带有原始数据保险库的DWH，层：

• 源系统
• 临时区域（在每次加载时都会被截断，源表的确切模式）
• 原始数据保管库（建模为数据保管库，包含记录历史记录，根据源系统结构建模的集线器/卫星/链接，未应用任何业务规则）
• 数据市场（应用了维度模型，业务规则）

具有持久暂存区（称为PSA或HDA）的DWH，层：

• 源系统
• 暂存区（在每次加载时都会被截断，源表的精确模式）
• PSA（包含记录历史记录，源表的架构以及date_load / date_load_end列等）
• 数据市场（应用了维度模型，业务规则）

与PSA概念相比，原始Data Vault概念是否有任何好处？我认为Data Vault建模在ETL方面增加了不必要的复杂性，并且在性能方面也较慢。

有什么想法很难找到一个真正的好答案吗？

谢谢！

Answer 1

Data Vault与持久性暂存区在我看来像苹果和梨一样-很难比较。 在不了解业务本体的情况下，您不应尝试定义Data Vault来捕获源数据-否则，您将在构建源系统保管库，这对业务几乎没有好处。 对我来说，在PSA或数据湖上构建数据仓库更有意义。将数据作为源系统的图像进行登陆，然后逐步从中构建可持续的数据收集。

Answer 2

添加的复杂度与在Data Vault案例中较早引入的关系模型相对应。我猜这取决于要对数据建模的级别，并使其在不同的用例之间可重用，从而导致不同的数据集市。我的意思是，数据集市是为特定的业务案例设计的，而数据仓库模型的设计则是要进行总体设计（企业模型）。因此，数据集市 基于DV模型的数据根本不需要物理地体现任何数据。可以设置一个看起来像星型模式表的视图层，但是实际上具有：

•   Zero maintenance cost.
•   Zero storage costs.
•   High flexibility.

此外，很高兴知道数据在更一般的意义上（整个组织）是如何关联的-如果该信息和所提到的优势证明建立DV模型的额外工作是很难判断的。