N层在商务智能中的应用

Question

我已经读到，您也可以根据以下条件为企业智能申请N层：*表示

*功能逻辑

*数据

当你使用N层时，你有什么经验？

//全金属男孩

Answer 1

N-Tier可能是一个不诚实的术语

我认为，“N层”这个术语在商业智能系统中使用时是假的。在事务性系统中，N层描述了具有应用服务器、ESB或其他联网中间层的分布式系统。数据仓库系统不能以类似于此的方式工作，因此这个术语可能会引发混乱。

分离数据与功能逻辑

您可以根据尽可能原始的数据构建一个系统，然后在其上放置一个转换层，然后由报告层使用。转换层可以采取以下形式：

• 一系列数据库视图。
• 报表工具中的元数据层(例如报表模型或业务对象宇宙)。一类称为“企业信息集成”的工具将元数据层的概念扩展到类似于内存中的ETL工具中，允许报告或功能逻辑层实现复杂的转换。但是，这种方法很难实现，而且不被广泛使用，除非某些东西排除了实现更传统的ETL体系结构。
• 拥有自己的ETL的一套数据集市。

这将为您提供“数据”、“功能逻辑”和“表示”层，如您的示例所示。有些数据仓库系统是这样实现的，尽管它(至少IMHO)会是一种反模式。将业务逻辑推到ETL下游的一些问题包括：

• 根据功能逻辑介质的功能，可能的转换功能可能是有限的，从而导致漏泄的抽象，从而限制了放在它们之上的任何临时报告工具的价值。即席工具需要行为一致的干净数据，而数据实际上必须是一种与工具很好地配合的格式。如果数据不一致、干净且格式不正确，则 实际上仅限于定制数据的SQL报表或构建辅助数据集市以支持即席工具。依赖于数据集市有一种趋势，即大量临时的三级ETL进程具有重叠但微妙的不协调功能。这往往会产生协调和数据质量问题，并且不能提供一个“真实的单一来源”。 通常情况下，这种情况会产生大量的维护工作量，并侵蚀用户社区的信心。
• 未对报告进行优化的数据库架构可能表现不佳。
• “原始数据”意味着数据以一种与源相当同构的形式保存，这与任何符合数据的概念都是相互排斥的。
• 如果需要审核，“原始数据”通常也可以从暂存和存档区域获得。你会得到一类“只想要数据”的高级用户，这些人可能有很大的政治影响力。允许这种情况在数据仓库项目的同时继续下去，并不能实现“真理的单一来源”的目标。 ，如果仓库有一个合适的数据机制(例如，操作数据存储)，那么就应该提供一个单一的源。处理相互冲突的定义和用户社区，他们坚持自己的燃烧系统是一个完整的主题本身。

然而，这比预期的要普遍得多。我认为，遇到以这种方式实现的数据仓库项目的主要原因是，如果您对转换逻辑的需求很复杂，那么ETL工具处理起来非常笨拙。ETL工具通常会降低体系结构，并将逻辑注入报告层，这大大降低了数据仓库计划的有效性。庞大的工作量和中央数据库的存在使人产生了数据仓库的错觉，但并没有提供多少好处。

数据仓库

的另一个N层视图

人们可以将“数据”、“功能逻辑”和“表示”解释为一个组织良好的数据仓库系统中的ETL和报告过程。在这种情况下，“数据”可以解释为分期层、在ETL中实现的“功能逻辑”(Functional)、表示多维数据存储和/或数据集市套件以及通过报告和临时查询套件实现的“报告”。

认为有害的

因此，我认为“N层”的概念是没有帮助的，甚至有点虚伪。这听起来很像一家中间件公司或咨询公司在白皮书中描述的东西--这是一个有缺陷、甚至有些误导的理论概念，在纸面上听起来不错。