首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何在维度模式中对OLTP审计表进行建模?

在维度模式中对OLTP审计表进行建模,可以按照以下步骤进行:

  1. 确定维度表:维度表是描述业务过程中的各个维度属性的表,用于分析和过滤数据。对于OLTP审计表,可以根据审计需求确定维度表,例如时间维度、用户维度、操作类型维度等。
  2. 确定事实表:事实表是记录业务过程中的度量指标的表,用于分析和计算数据。对于OLTP审计表,可以将审计记录作为事实表,记录每次审计的详细信息,如审计时间、用户ID、操作类型、操作结果等。
  3. 建立维度关系:根据业务需求,确定维度表与事实表之间的关系。一般情况下,维度表与事实表通过主键-外键关联,以建立维度关系。
  4. 设计维度属性:在维度表中,根据审计需求,设计相应的维度属性。例如,时间维度可以包括年、月、日等属性;用户维度可以包括用户ID、用户名、所属部门等属性;操作类型维度可以包括增、删、改、查等属性。
  5. 设计度量指标:在事实表中,根据审计需求,设计相应的度量指标。例如,可以统计每个用户的操作次数、成功率、失败率等指标。
  6. 建立索引:为了提高查询性能,可以在维度表和事实表中建立索引,加快数据检索的速度。
  7. 数据清洗和转换:根据实际情况,对原始数据进行清洗和转换,确保数据的准确性和一致性。
  8. 数据加载:将清洗和转换后的数据加载到维度表和事实表中,以供后续分析和查询使用。

维度模式中对OLTP审计表的建模可以帮助企业进行审计数据的分析和查询,从而更好地了解业务过程中的操作情况和趋势。在腾讯云的产品中,可以使用云数据库MySQL、云数据库SQL Server等产品来存储和管理维度模型中的数据。具体产品介绍和链接地址可以参考腾讯云官方网站的相关页面。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

维度模型数据仓库(二) —— 维度模型基础

(一)维度模型基础         既然维度模型是数据仓库建设的一种数据建模方法,那不妨先看一下几种主流的数据仓库架构。         1....而对于维度模型最简单的描述就是,按照事实维度来构建数据仓库、数据集市。这种方法被人们熟知的有星型模式和雪花模式。        ...星型模式是部署在关系数据库管理系统之上的多维结构,主要包含事实,以及通过主键/外键关系与之关联的维度。在星型模式实施,所有维度级别的维度数据存储在单个或视图中。...雪花模就是将维度层次进一步规范化为子维度。在雪花模式实施,使用多个或视图来存储维度数据。单独的数据库或视图存储与维每个级别相关的数据。        ...另一方面,事实(图中并没有画出)按最细数据粒度有1000万记录,3NF里的订单属性在事实表里是冗余数据,状态维度有100条数据,只需要关联1000万与100的两个,再进行状态过滤即可。

91720

数据仓库常见建模方法与大数据领域建模实例综述

在事件分析,我们要预判所有分析需要细分的程度,从而决定选择的粒度。粒度是维度的一个组合。 识别维。选择好粒度之后,就需要基于这个粒度来设计维,包括维度属性,用于分析时进行分组和筛选。 选择事实。...在 Ralph Kimball 提出对数据仓库维度建模,我们将数据仓库划分为事实维度两种类型。...针对维度建模事实维度的设计,之前有详细介绍过,感兴趣的同学可以看:维度建模技术实践——深入事实维度建模的灵魂所在——维度设计。...星座模型,是星型模型的扩展延伸,多张事实共享维度。实际上数仓模型建设后期,大部分维度建模都是星座模型。 简单总结下就是: 星型模型和雪花模型主要区别就是维度的拆分。...它强调建立一个可审计的基础数据层,也就是强调数据的历史性、可追溯性和原子性,而不要求对数据进行过度的一致性处理和整合。

1.6K21
  • 大数据建模方法的比较

    这个时代的挑战似乎是如何所有这些数据进行分类,组织和存储。 为什么需要数据建模? 在图书馆里,我们需要对所有的书进行分类,并将它们摆放在书架上,以确保我们可以轻松地阅读每本书。...数据存储在,关系理论用于描述数据之间的关系。但是,根据访问数据的方式,关系数据模型的形式有不同的选项。 OLTP和OLAP系统的建模方法 OLTP系统的主要数据操作是随机读/写。...在事件分析,需要预先确定所有分析的细分程度,以确定粒度。粒度是维度的组合。 • 确定维度。选择粒度后,设计基于粒度的维度,包括维度属性。此用于分析期间的分组和筛选。 • 选择事实。...它们在K-V结构.每个只描述一个锚点的属性。 • 领带:领带表示锚与使用进行描述之间的关系。领带类似于数据仓库模型的链接,可以提高通用模型的扩展能力。...确定了一种以Kimball维数法为基础的建模方法,核心方法进行了扩展,建立了一个公共层建模数据体系结构系统。 构建公共数据层的目的是解决共享数据存储和计算的问题。

    6.4K20

    一文带你认清数据仓库【维度模型设计】与【分层架构】

    维度建模是专门应用于分析型数据库、数据仓库、数据集市建模的方法。数据集市可以理解为是一种"小型数据仓库"。 1.1 事实 发生在现实世界的操作型事件,其所产生的可度量数值,存储在事实。...维度建模三种模式 2.1 星形模型 星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实为中心,所有的维度直接连接在事实上,像星星一样。...2.2 雪花模式 雪花模式(Snowflake Schema)是星形模式的扩展。...前面介绍的两种维度建模方法都是多维对应单事实,但在很多时候维度空间内的事实不止一个,而一个维也可能被多个事实用到。在业务发展后期,绝大部分维度建模都采用的是星座模式。 ?...ODS 数据准备层 功能 ODS层是数据仓库准备区,为DWD层提供基础原始数据,可减少业务系统的影响 建模方式及原则: 从业务系统增量抽取、保留时间由业务需求决定、可分进行周期存储、数据不做清洗转换与业务系统数据模型保持一致

    1.4K41

    数据仓库&数据指标&数据治理体系搭建方法论

    事实的设计是以能够正确记录历史信息为准则,维度的设计是以能够以合适的角度来聚合主题内容为准则。 2. 维度建模三种模式 星型模式 ? 雪花模式 ?...3.星座模式 星座模式是星型模式延伸而来,星型模式是基于一张事实的,而星座模式是基于多张事实的,而且共享维度信息。...前面介绍的两种维度建模方法都是多维对应单事实,但在很多时候维度空间内的事实不止一个,而一个维也可能被多个事实用到。在业务发展后期,绝大部分维度建模都采用的是星座模式。 ? 3....维度建模过程 我们知道维度建模类型有事实维度模式有星形模型,雪花模型,星座模型这些概念了,但是实际业务,给了我们一堆数据,我们怎么拿这些数据进行数仓建设呢,数仓工具箱作者根据自身60多年的实际业务经验...为解决该场景下的分析诉求,我们在事实消除退化维度,将原来封装到事实的时段逻辑迁移到维度,并将事实的时间进行按特定的间隔进行刻度化作为维的主键,将该主键作为事实的外键。

    5.3K58

    数据仓库&数据指标&数据治理体系搭建方法论

    维度建模三种模式 星型模式 雪花模式 3.星座模式 星座模式是星型模式延伸而来,星型模式是基于一张事实的,而星座模式是基于多张事实的,而且共享维度信息。...前面介绍的两种维度建模方法都是多维对应单事实,但在很多时候维度空间内的事实不止一个,而一个维也可能被多个事实用到。在业务发展后期,绝大部分维度建模都采用的是星座模式。 3....维度建模过程 我们知道维度建模类型有事实维度模式有星形模型,雪花模型,星座模型这些概念了,但是实际业务,给了我们一堆数据,我们怎么拿这些数据进行数仓建设呢,数仓工具箱作者根据自身60多年的实际业务经验...维度主要分为定性维度和定量维度,定性维度,主要是偏文字描述类城市、性别、职业等;定量维度,主要是数值类描述收入、年龄等,定量维度需要做数值分组处理。 2....为解决该场景下的分析诉求,我们在事实消除退化维度,将原来封装到事实的时段逻辑迁移到维度,并将事实的时间进行按特定的间隔进行刻度化作为维的主键,将该主键作为事实的外键。

    94911

    数据建模1,2,3

    这里就涉及到数据建模问题。即设计一种数据组织方式(模型),来满足不同场景。在OLTP场景,常用的是使用实体关系模型(ER)来存储,从而在事务处理解决数据的冗余和一致性问题。...在OLAP场景,有多种建模方式有:ER模型、星型模型和多维模型。下面分别说明下: ER模型 OLAP的ER模型,与OLTP的有所区别。...在这三种方式,星型模型使用较多,下面也着重这种方式进行说明。 2. 维度建模 1).基本概念 在建模过程,涉及到很多概念。下面通过一个场景来,来说明它们。...3).建模规范 以维度建模为理论基础,定义一系列术语来描述建模对象。下图摘自于《阿里巴巴大数据实践之路》。 ? 数据域 指面向业务分析,将业务过程或者维度进行抽象的集合。...可以理解为原子指标业务统计范围的圈定。 3. 设计要点 1).维度设计 维度维度建模的基础和灵魂。在维度建模,将度量称为"事实",将环境描述为"维度",维度是用于分析事实所需要的多样环境。

    1.3K51

    数据建模方法及步骤图_comsol建模步骤教程

    这里就涉及到数据建模问题。即设计一种数据组织方式(模型),来满足不同场景。在OLTP场景,常用的是使用实体关系模型(ER)来存储,从而在事务处理解决数据的冗余和一致性问题。...在OLAP场景,有多种建模方式有:ER模型、星型模型和多维模型。下面分别说明下: ER模型OLAP的ER模型,与OLTP的有所区别。...在这三种方式,星型模型使用较多,下面也着重这种方式进行说明。 二 维度建模 2.1 基本概念 在建模过程,涉及到很多概念。下面通过一个场景来,来说明它们。...2.3 建模规范 以维度建模为理论基础,定义一系列术语来描述建模对象。下图摘自于《阿里巴巴大数据实践之路》。 数据域 指面向业务分析,将业务过程或者维度进行抽象的集合。...可以理解为原子指标业务统计范围的圈定。 三 设计要点 3.1 维度设计 维度维度建模的基础和灵魂。在维度建模,将度量称为”事实”,将环境描述为”维度”,维度是用于分析事实所需要的多样环境。

    59930

    数据开发的基础概念必知必会

    常见的用于搭建OLTP系统的组件: Mysql, Postgresql, Oracle 这些传统的关系型数据库。...转换(Transform):提取的数据进行清洗、转换和整合,以便于存储和分析。加载(Load):将转换后的数据加载到数据仓库。...以下是几种业界常用的数据建模技术:维度建模维度建模是一种基于维度的数据建模技术,它将数据组织成一个星型或雪花型的结构。维度建模通常包括事实维度两种类型的。...事实包含数值型数据,例如销售额、数量和利润等。维度包含描述性数据,例如时间、地点和产品等。维度建模的优点是简单、易于理解和使用,适用于大多数数据仓库场景。...实体关系建模的优点是灵活、可扩展和可维护,适用于复杂的数据仓库场景。模式建模模式建模是一种基于模式的数据建模技术,它使用模式来描述数据之间的关系。

    1.2K82

    数据仓库的模型设计

    对应到具体工作的话,它可以包含下面的这些内容: 以Hadoop、Spark、Hive等组件为中心的数据架构体系 调度系统、元数据系统、ETL系统这类辅助系统 各种数据建模方法,维度建模 我们暂且不管数据仓库的范围到底有多大...我们提到的范式模型由数据仓库之父 Inmon 提倡 ,可以大致地按照OLTP设计的3NF来理解,它在范式理论上符合3NF,它与OLTP系统的3NF的区别在于数据仓库的3NF上站在企业角度面向主题的抽象...按照书中所讲,维度建模并不要求维度模型必须满足第3范式。数据库强调的 3NF 主要是为了消除冗余。规范化的 3NF 将数据划分为多个不同的实体,每个实体构成一个关系。...而维度建模解决了模式过分复杂的问题。 维度模型的典型代表是我们比较熟知的星形模型,以及在一些特殊场景下适用的雪花模型和星座模型。维度模型里面有两个十分重要的概念:事实维度。...数据源:就是可以追索到的原系统,比如,CRM,ERP等 链接: 是3NF的多多关系的物理表现形式,它表现的是多个业务键之间的关系。

    2.4K20

    程序员笔记|3个问题带你入门数据建模

    这里就涉及到数据建模问题。即设计一种数据组织方式(模型),来满足不同场景。在OLTP场景,常用的是使用实体关系模型(ER)来存储,从而在事务处理解决数据的冗余和一致性问题。...在OLAP场景,有多种建模方式有:ER模型、星型模型和多维模型。下面分别说明下: ER模型 OLAP的ER模型,与OLTP的有所区别。...在这三种方式,星型模型使用较多,下面也着重这种方式进行说明。 二、维度建模 1、基本概念 在建模过程,涉及到很多概念。下面通过一个场景来,来说明它们。...3、建模规范 以维度建模为理论基础,定义一系列术语来描述建模对象。下图摘自于《阿里巴巴大数据实践之路》。 ? 数据域 指面向业务分析,将业务过程或者维度进行抽象的集合。...可以理解为原子指标业务统计范围的圈定。 三、设计要点 1、维度设计 维度维度建模的基础和灵魂。在维度建模,将度量称为"事实",将环境描述为"维度",维度是用于分析事实所需要的多样环境。

    67840

    通俗易懂数仓建模—Inmon范式建模与Kimball维度建模

    范式建模 范式建模是数仓之父 Inmon 所倡导的,“数据仓库”这个词就是这位大师所定义的,这种建模方式在范式理论上符合3NF,这里的3NF与OLTP的3NF还是有点区别的:关系数据库的3NF是针对具体的业务流程的实体对象关系抽象...源的结构及数据 对于我们大数据平台来说,源指的电商系统后台数据库,这种一般都是OLTP类型的: ① 用户信息 用户ID 昵称 姓名 性别 联系方式 地区 用户等级ID 创建时间 修改时间...使用 Inmon 模式建模 使用 Inmon 模式以上源数据进行建模,需要将数据抽取为实体-关系模式,根据源的数据,我们将拆分为:用户实体表,订单实体表,城市信息实体表,用户与城市信息关系,用户与用户等级关系等多个子模块...使用 Kimball 模式建模 使用 Kimball 模式,需要将数据抽取为事实维度,根据源数据,我们将拆分为:订单事实,用户维度,城市信息维度,用户等级维度。...可以看出,在 Kimball 的维度建模,不需要单独维护数据关系,因为关系已经冗余在事实维度

    1.8K11

    BigData-数据仓库学习

    3、关系建模维度建模 联机事务处理OLTP(on-line transaction processing) OLTP是传统的关系型数据库的主要应用,主要是基本的、日常的事务处理,例如银行交易。...二者对比 对比属性 OLTP OLAP 读特性 每次查询只返回少量记录 大量记录进行汇总 写特性 随机、低延时写入用户的输入 批量导入 使用场景 用户,Java EE项目 内部分析师...由于数据分布于众多的,这些数据可以更为灵活地被应用,功能性较强。关系模型主要应用与OLTP系统,为了保证数据的一致性以及避免冗余,所以大部分业务系统的都是遵循第三范式的。 ?...3.2维度建模 维度模型如图所示,主要应用于OLAP系统,通常以某一个事实为中心进行的组织,主要面向业务,特征是可能存在数据的冗余,但是能方便的得到数据。 ?...关系模型虽然冗余少,但是在大规模数据,跨分析统计查询过程,会造成多表关联,这会大大降低执行效率。所以通常我们采用维度模型建模,把相关各种整理成两种:事实维度两种。

    54020

    万字详解整个数据仓库建设体系(好文值得收藏)

    操作型处理,叫联机事务处理 OLTP(On-Line Transaction Processing,),也可以称面向交易的处理系统,它是针对具体业务在数据库联机的日常操作,通常少数记录进行查询、修改。...事实的设计是以能够正确记录历史信息为准则,维度的设计是以能够以合适的角度来聚合主题内容为准则。 2. 维度建模三种模式 1. 星型模式 星形模式(Star Schema)是最常用的维度建模方式。...星型模式是以事实为中心,所有的维度直接连接在事实上,像星星一样。星形模式维度建模由一个事实和一组维成,且具有以下特点:a. 维只和事实关联,维之间没有关联;b....每个维主键为单列,且该主键放置在事实,作为两边连接的外键;c. 以事实为核心,维围绕核心呈星形分布; ? 2. 雪花模式 雪花模式(Snowflake Schema)是星形模式的扩展。...维度建模过程 我们知道维度建模类型有事实维度模式有星形模型,雪花模型,星座模型这些概念了,但是实际业务,给了我们一堆数据,我们怎么拿这些数据进行数仓建设呢,数仓工具箱作者根据自身60多年的实际业务经验

    3.7K33

    漫谈数据仓库之维度建模

    各种数据建模方法,维度建模。 调度系统、元数据系统、ETL系统、可视化系统这类辅助系统。 我们暂且不管数据仓库的范围到底有多大,在数据仓库体系,数据模型的核心地位是不可替代的。...因此,下面的将详细地阐述数据建模的典型代表:维度建模它的的相关理论以及实际使用做深入的分析。 文章结构 本文将按照下面的顺序进行阐述: 先介绍比较经典和常用的数据仓库模型,并分析其优缺点。...但是要采用此方法进行构建,也有其挑战: 需要全面了解企业业务和数据 实施周期非常长 建模人员的能力要求也非常高 二、维度模型 维度模型是数据仓库领域另一位大师Ralph Kimall所倡导,他的《The...它强调建立一个可审计的基础数据层,也就是强调数据的历史性可追溯性和原子性,而不要求对数据进行过度的一致性处理和整合;同时也基于主题概念将企业数据进行结构化组织,并引入了更进一步的范式处理来优化模型应对源系统变更的扩展性...学过数据库的童鞋应该都知道星型模型,星型模型就是我们一种典型的维度模型。我们在进行维度建模的时候会建一张事实,这个事实就是星型模型的中心,然后会有一堆维度,这些维度就是向外发散的星星。

    73420

    耗时n年,38页《数据仓库知识体系.pdf》(数据岗位必备)

    小编有话 在传统企业数仓,业务相对稳定,以范式建模为主。电信、金融行业等 在互联网公司,业务变化快,需求来来回回的改,计算和存储也不是问题,我们更关心快速便捷的满足业务需求,所以以维度建模为主。...值常用数字型字段的 SQL 过滤条件都不生效;,大于、小于、等于、大于或等于、小于或等于; 处理:用 0 代替 null ; 原则 8:使用退化维度提高事实的易用性 易用性:对事实,更较少关联操作...在维度建模,将度量称为“事实” , 将环境描述为“维度”。 维度包含了事实中指定属性的相关详细信息,最常用的维度有日期维度、城市维度等。...(4)沉淀出通用的维度属性,为建立一致性维度做好铺垫 有些维度属性获取需要进行比较复杂的逻辑处理,有些需要通过多表关联得到,或者通过单 的不同宇段混合处理得到,或者通过 的某个字段进行解析得到。...退化维度维度建模领域中的一个非常重要的概念,它对理解维度建模有着非常重要的作用,退化维度一般在分析可以用来做分组使用。

    1.3K11

    如何设计实时数据平台(设计篇)

    在上篇设计篇,我们首先从两个维度介绍实时数据平台:从现代数仓架构角度看待实时数据平台,从典型数据处理角度看待实时数据处理;接着我们会探讨实时数据平台整体设计架构、具体问题的考量以及解决思路。...这里可能会发生很复杂的数据处理转换(重复语义多源异构数据源到统一Star Schema的转换,明细到汇总表的转换,多实体表联合成宽等)。...那么如何在实时Pipeline中支持更多复杂的ETL算子,并且保持时效性?这就需要“有限范围”和“全范围”处理的相互转换能力。...Lambda架构和Kappa架构各有其优劣势,但都支持数据的最终一致性,从某种程度上确保了数据质量,如何在Lambda架构和Kappa架构取长补短,形成某种融合架构,这个话题会在新起文章详细探讨。...在下篇技术篇,我们会将RTDP架构设计具体化落地化,给出推荐的技术选型和我们的开源平台方案,并会结合不同场景需求探讨RTDP的不同模式应用。

    3.5K31

    数仓入门就靠它了!!!

    数据仓库是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库,它的数据基于 OLTP 源系统。...同时代理键在缓慢变化维,起到了新数据与历史数据的标识作用。 五、 创建事实 在确定好事实数据和维度后,将考虑加载事实。业务系统的一笔生产,交易记录就是将要建立的事实的原始数据....我们的做法是将原始维度进行关联,生成事实。...特别是针对 3NF 的建模方法,星型模式在性能上占据明显的优势。 雪花模型也是维度建模的一种选择。...这一点也是维度建模的优势。 但是,维度建模法的缺点也是非常明显的,由于在构建星型模式之前需要进行大量的数据预处理,因此会导致大量的数据处理工作。

    33230

    漫谈数仓五重奏

    OLTP系统数据的主要用的建模方式就是三范式,从而在事务处理解决数据的冗余和一致性问题。 ER模型(Inmon模型)和维度模型(Kimball模型) ? ?...Inmon 模型 Inmon就是数仓之父,他提出的建模方法是从全企业的高度设计一个3NF模型,但是数仓的3NF和OLTP的3NF的区别在于,它是站在企业的角度面向主题的抽象,而不针对具体业务过程。...当有一个或多个维没有直接连接到事实上,而是通过其他维连接到事实上时,其图解就像多个雪花连接在一起,故称雪花模型。雪花模型是星型模型的扩展。...根据数据业务需求、审计等要求保存历史数据、清洗数据,保留的数据快照也便于回溯问题。...1.DWD层,明细数据层 dwd层业务数据进行清洗、规范化,例如去除作弊数据,对数据字段进行规范命名从而避免歧义化等,另外可采用维度退化手段,将维度退化到事实,减少事实维度的关联,提高明细的易用性

    1.5K30

    数据仓库分层架构深度讲解

    ODS 数据准备层 功能: ODS层是数据仓库准备区,为DWD层提供基础原始数据,可减少业务系统的影响 建模方式及原则: 从业务系统增量抽取、保留时间由业务需求决定、可分进行周期存储...B/S) 数据汇总层 功能: 为DW、ST层提供细粒度数据,细化成DWB和DWS; DWB是根据DWD明细数据进行转换,维度转代理键、身份证清洗、会员注册来源清晰...Data Market (数据集市)层 功能: 可以是一些宽,是根据DW层数据按照各种维度或多种维度组合把需要查询的一些事实字段进行汇总统计并作为单独的列进行存储;...适合做OLAP、报表模型,ROLAP,MOLAP 联机事务处理OLTP、联机分析处理OLAP。...根据DW层经过聚合汇总统计后的粗粒度事实 建模方式及原则: 保持数据量小; 维度建模,星形模型; 各位维度代理键+度量; 增加数据业务日期字段,支持数据重跑

    2.7K20
    领券