数据仓库服务 GaussDB(DWS)

 

GaussDB(DWS)是一款具备分析及混合负载能力的分布式数据库,支持x86和Kunpeng硬件架构,支持行存储与列存储,提供GB~PB级数据分析能力、多模分析和实时处理能力,用于数据仓库、数据集市、实时分析、实时决策和混合负载等场景,广泛应用于汽车、制造、零售、物流、互联网、金融、政府、电信等行业分析决策系统

 
 

    数据仓库事实表和维度表案例 更多内容
  • 事实表接口

    事实接口 查找事实 查看事实详情 查看逆向事实任务 父主题: 数据架构API

    来自:帮助中心

    查看更多 →

  • 查看事实表详情

    E: 维度 DIMENSION_TABLE_ATTRIBUTE: 维度属性 DIRECTORY: 目录 FACT_ATTRIBUTE: 事实属性 FACT_DIMENSION: 事实维度 FACT_ LOG IC_TABLE: 事实 FACT_MEASURE: 事实度量 FUNCTION:

    来自:帮助中心

    查看更多 →

  • 新建事实表

    ,不勾选则无法同步。 管理事实 事实创建好之后,进入数据架构的“维度建模 > 事实”页面,您可以对事实进行编辑、发布、下线、查看发布历史或删除操作。 图6 事实管理 编辑事实事实中,找到需要编辑的事实,单击“编辑”,进入编辑事实页面。 根据实际需要编辑相关内容。

    来自:帮助中心

    查看更多 →

  • 查找事实表

    E: 维度 DIMENSION_TABLE_ATTRIBUTE: 维度属性 DIRECTORY: 目录 FACT_ATTRIBUTE: 事实属性 FACT_DIMENSION: 事实维度 FACT_LOGIC_TABLE: 事实 FACT_MEASURE: 事实度量 FUNCTION:

    来自:帮助中心

    查看更多 →

  • 管理维度表

    > 维度建模”,进入维度建模页面。 单击“维度”页签,进入维度页面。 在维度中,单击需要关联质量规则的维度名称。 在维度的详情页的字段列中,查找字段并单击,配置单个字段关联质量规则。 图6 维度单个字段关联质量规则 配置完成后,单击“确定”,完成维度字段关联质量规则。

    来自:帮助中心

    查看更多 →

  • 维度表接口

    维度接口 查找维度 查看维度详情 父主题: 数据架构API

    来自:帮助中心

    查看更多 →

  • 查找维度表

    E: 维度 DIMENSION_TABLE_ATTRIBUTE: 维度属性 DIRECTORY: 目录 FACT_ATTRIBUTE: 事实属性 FACT_DIMENSION: 事实维度 FACT_LOGIC_TABLE: 事实 FACT_MEASURE: 事实度量 FUNCTION:

    来自:帮助中心

    查看更多 →

  • 查看逆向事实表任务

    查看逆向事实任务 功能介绍 查看逆向事实任务。 调用方法 请参见如何调用API。 URI GET /v2/{project_id}/design/fact-logic-tables/database 1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String

    来自:帮助中心

    查看更多 →

  • 维度建模

    结果写入汇总中。 单击规范设计左侧“维度建模”,切换到汇总页面,单击新建,进入新增汇总编辑页面。 图5 汇总1 进入新增汇总编辑页面。填入所属主题、名称、编码、统计维度选择客户类型、数据连接类型、数据源、数据库、Schema、资产责任人。 图6 汇总2 指标配置

    来自:帮助中心

    查看更多 →

  • 查看维度表详情

    E: 维度 DIMENSION_TABLE_ATTRIBUTE: 维度属性 DIRECTORY: 目录 FACT_ATTRIBUTE: 事实属性 FACT_DIMENSION: 事实维度 FACT_LOGIC_TABLE: 事实 FACT_MEASURE: 事实度量 FUNCTION:

    来自:帮助中心

    查看更多 →

  • 查看逆向维度表任务

    查看逆向维度任务 功能介绍 查看逆向维度任务。 调用方法 请参见如何调用API。 URI GET /v2/{project_id}/design/dimension/database 1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目

    来自:帮助中心

    查看更多 →

  • 选择表模型

    选择模型 在设计 数据仓库 模型的时候,最常见的有两种:星型模型与雪花模型。选择哪一种模型需要根据业务需求以及性能的多重考量来定。 星型模型由包含数据库核心数据的中央事实数据事实数据提供描述性属性信息的多个维度组成。维度通过主键关联事实中的外键。如图1。 所有的事实都必须保持同一个粒度。

    来自:帮助中心

    查看更多 →

  • 数据架构支持哪些数据建模方法?

    通过主/外键实现关联。 典型的维度模型有星形模型,以及在一些特殊场景下使用的雪花模型。 在 DataArts Studio 数据架构中,维度建模是以维度建模理论为基础,构建总线矩阵、抽象出事实维度,构建维度模型事实模型,同时对报需求进行抽象整理出相关指标体系,构建出汇总模型。

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    案例:改建分区 现象描述 如下简单SQL语句查询, 性能瓶颈点在dwcjk的Scan上。 图1 原始执行计划 优化分析 从业务层确认数据(在cjrq字段上)有明显的日期特征,符合分区的特征。重新规划dwcjk定义:字段cjrq为分区键、天为间隔单位定义分区dwcjk

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    案例:改建分区 现象描述 如下简单SQL语句查询, 性能瓶颈点在dwcjk的Scan上。 优化分析 从业务层确认数据(在cjrq字段上)有明显的日期特征,符合分区的特征。重新规划dwcjk定义:字段cjrq为分区键、天为间隔单位定义分区dwcjk_part。修改后结果如下,性能提升近1倍。

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    runtime: 3.587 ms (4 rows) 优化分析 从业务层确认数据(在time字段上)有明显的日期特征,符合分区的特征。重新规划normal_date定义:字段time为分区键、月为间隔单位定义分区normal_date_part。修改后结果如下,性能提升近10倍。

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    案例:改建分区 逻辑上的一张根据某种策略分成多个物理块进行存储,这张逻辑上的称之为分区,每个物理块则称为一个分区。一般对数据查询都有明显区间段特征的使用分区策略可通过较小不必要的数据扫描,从而提升查询性能 在查询时,可通过分区剪枝技术尽可能减少底层数据扫描,即缩小

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    runtime: 3.587 ms (4 rows) 优化分析 从业务层确认数据(在time字段上)有明显的日期特征,符合分区的特征。重新规划normal_date定义:字段time为分区键、月为间隔单位定义分区normal_date_part。修改后结果如下,性能提升近10倍。

    来自:帮助中心

    查看更多 →

  • 案例:改建分区表

    runtime: 3.587 ms (4 rows) 优化分析 从业务层确认数据(在time字段上)有明显的日期特征,符合分区的特征。重新规划normal_date定义:字段time为分区键、月为间隔单位定义分区normal_date_part。修改后结果如下,性能提升近10倍。

    来自:帮助中心

    查看更多 →

  • 查询单个主维度下子维度监控对象列表

    Redis 4.05.0的Proxy集群时才存在,示集群Proxy节点维度的监控对象列。字段名称与children的子维度对象名称相同。 total Integer 主维度监控对象的总数。 4 DimChild 参数 参数类型 描述 dim_name String 维度名称,当前

    来自:帮助中心

    查看更多 →

  • 查询主维度信息列表

    查询主维度信息列 功能介绍 查询主维度对象列,主维度ID当前支持dcs_instance_id,dcs_memcached_instance_id。 调用方法 请参见如何调用API。 URI GET /v2/{project_id}/dims/monitored-objects

    来自:帮助中心

    查看更多 →

共105条
看了本文的人还看了