อเมซอน Redshift เป็นคลังข้อมูลบนคลาวด์ขนาดเพตะไบต์ที่มีการจัดการเต็มรูปแบบซึ่งลูกค้าหลายหมื่นรายใช้เพื่อประมวลผลข้อมูลขนาดเอกซะไบต์ทุกวันเพื่อขับเคลื่อนภาระงานด้านการวิเคราะห์ คุณสามารถจัดโครงสร้างข้อมูล วัดผลกระบวนการทางธุรกิจ และรับข้อมูลเชิงลึกอันมีค่าได้อย่างรวดเร็วโดยใช้แบบจำลองเชิงมิติ Amazon Redshift มีคุณสมบัติในตัวเพื่อเร่งกระบวนการสร้างแบบจำลอง การจัดการ และการรายงานจากแบบจำลองเชิงมิติ
ในโพสต์นี้ เราจะพูดถึงวิธีการใช้แบบจำลองมิติ โดยเฉพาะ วิธีการของคิมบอลล์. เราหารือเกี่ยวกับการปรับใช้มิติข้อมูลและข้อเท็จจริงภายใน Amazon Redshift เราแสดงวิธีการแยก แปลง และโหลด (ELT) ซึ่งเป็นกระบวนการผสานรวมที่มุ่งเน้นการรับข้อมูลดิบจาก Data Lake เข้าสู่ชั้นการจัดเตรียมเพื่อดำเนินการสร้างแบบจำลอง โดยรวมแล้ว โพสต์นี้จะช่วยให้คุณเข้าใจวิธีใช้การสร้างแบบจำลองเชิงมิติใน Amazon Redshift อย่างชัดเจน
ภาพรวมโซลูชัน
ไดอะแกรมต่อไปนี้แสดงสถาปัตยกรรมโซลูชัน
ในส่วนต่อไปนี้ เราจะหารือและสาธิตลักษณะสำคัญของแบบจำลองมิติก่อน หลังจากนั้น เราสร้างดาต้ามาร์ทโดยใช้ Amazon Redshift ที่มีโมเดลข้อมูลเชิงมิติ ซึ่งรวมถึงตารางมิติข้อมูลและข้อเท็จจริง ข้อมูลถูกโหลดและจัดฉากโดยใช้ คัดลอก คำสั่ง ข้อมูลในมิติจะถูกโหลดโดยใช้ ผสาน คำแถลงและข้อเท็จจริงจะถูกรวมเข้ากับมิติที่ได้รับข้อมูลเชิงลึก เรากำหนดเวลาการโหลดมิติข้อมูลและข้อเท็จจริงโดยใช้ ตัวแก้ไขข้อความค้นหา Amazon Redshift V2. สุดท้ายเราใช้ อเมซอน QuickSight เพื่อรับข้อมูลเชิงลึกเกี่ยวกับข้อมูลแบบจำลองในรูปแบบของแดชบอร์ด QuickSight
สำหรับโซลูชันนี้ เราใช้ชุดข้อมูลตัวอย่าง (ทำให้เป็นมาตรฐาน) ซึ่งจัดเตรียมโดย Amazon Redshift สำหรับการขายตั๋วเข้างาน สำหรับโพสต์นี้ เราได้จำกัดชุดข้อมูลให้แคบลงเพื่อวัตถุประสงค์ในการสาธิตที่เรียบง่าย ตารางต่อไปนี้แสดงตัวอย่างข้อมูลการขายตั๋วและสถานที่
จากการวิเคราะห์เพื่อบรรลุเป้าหมายของ วิธีการสร้างแบบจำลองมิติ Kimballมีสี่ขั้นตอนสำคัญในการออกแบบแบบจำลองมิติ:
- ระบุกระบวนการทางธุรกิจ
- ประกาศรายละเอียดข้อมูลของคุณ
- ระบุและใช้มิติข้อมูล
- ระบุและดำเนินการตามข้อเท็จจริง
นอกจากนี้ เรายังเพิ่มขั้นตอนที่ห้าเพื่อวัตถุประสงค์ในการสาธิต ซึ่งก็คือการรายงานและวิเคราะห์เหตุการณ์ทางธุรกิจ
เบื้องต้น
สำหรับคำแนะนำนี้ คุณควรมีข้อกำหนดเบื้องต้นต่อไปนี้:
ระบุกระบวนการทางธุรกิจ
พูดง่ายๆ การระบุกระบวนการทางธุรกิจคือการระบุเหตุการณ์ที่วัดได้ซึ่งสร้างข้อมูลภายในองค์กร โดยปกติแล้ว บริษัทต่างๆ จะมีระบบแหล่งที่มาของการดำเนินงานบางประเภทที่สร้างข้อมูลในรูปแบบดิบ นี่เป็นจุดเริ่มต้นที่ดีในการระบุแหล่งที่มาต่างๆ สำหรับกระบวนการทางธุรกิจ
จากนั้นกระบวนการทางธุรกิจจะคงอยู่เป็น ดาต้ามาร์ท ในรูปแบบมิติและข้อเท็จจริง เมื่อดูที่ชุดข้อมูลตัวอย่างของเราที่กล่าวถึงก่อนหน้านี้ เราจะเห็นได้อย่างชัดเจนว่ากระบวนการทางธุรกิจคือการขายที่เกิดขึ้นสำหรับเหตุการณ์ที่กำหนด
ข้อผิดพลาดทั่วไปที่เกิดขึ้นคือการใช้แผนกของบริษัทเป็นกระบวนการทางธุรกิจ ข้อมูล (กระบวนการทางธุรกิจ) จำเป็นต้องผสานรวมระหว่างแผนกต่างๆ ในกรณีนี้ ฝ่ายการตลาดสามารถเข้าถึงข้อมูลการขายได้ การระบุกระบวนการทางธุรกิจที่ถูกต้องเป็นสิ่งสำคัญ การทำผิดขั้นตอนนี้อาจส่งผลกระทบต่อดาต้ามาร์ททั้งหมด (อาจทำให้เกรนซ้ำและเมตริกไม่ถูกต้องในรายงานขั้นสุดท้าย)
ประกาศรายละเอียดข้อมูลของคุณ
การประกาศเกรนเป็นการระบุระเบียนในแหล่งข้อมูลของคุณโดยไม่ซ้ำกัน เมล็ดพืชใช้ในตารางข้อเท็จจริงเพื่อวัดข้อมูลอย่างแม่นยำและช่วยให้คุณสามารถสะสมต่อไปได้ ในตัวอย่างของเรา นี่อาจเป็นรายการโฆษณาในกระบวนการธุรกิจการขาย
ในกรณีการใช้งานของเรา การขายสามารถระบุได้โดยไม่ซ้ำกันโดยดูที่เวลาการทำธุรกรรมเมื่อเกิดการขาย นี่จะเป็นระดับอะตอมมากที่สุด
ระบุและใช้มิติข้อมูล
ตารางมิติข้อมูลของคุณอธิบายตารางข้อเท็จจริงและแอตทริบิวต์ เมื่อระบุบริบทเชิงอธิบายของกระบวนการทางธุรกิจของคุณ คุณจะจัดเก็บข้อความในตารางแยกต่างหาก โดยคำนึงถึงรายละเอียดของตารางข้อเท็จจริง เมื่อรวมตารางมิติเข้ากับตารางข้อเท็จจริง ควรมีเพียงแถวเดียวที่เชื่อมโยงกับตารางข้อเท็จจริง ในตัวอย่างของเรา เราใช้ตารางต่อไปนี้เพื่อแยกออกเป็นตารางมิติ ฟิลด์เหล่านี้อธิบายข้อเท็จจริงที่เราจะวัด
เมื่อออกแบบโครงสร้างของแบบจำลองมิติ (สคีมา) คุณสามารถสร้าง ดาว or เกล็ดหิมะ สคีมา โครงสร้างควรสอดคล้องกับกระบวนการทางธุรกิจอย่างใกล้ชิด ดังนั้น สคีมาแบบดาวจึงเหมาะสมที่สุดสำหรับตัวอย่างของเรา รูปต่อไปนี้แสดง Entity Relationship Diagram (ERD)
ในส่วนต่อไปนี้ เราได้ให้รายละเอียดขั้นตอนในการนำมิติข้อมูลไปใช้
จัดลำดับแหล่งข้อมูล
ก่อนที่เราจะสามารถสร้างและโหลดตารางขนาดได้ เราต้องการแหล่งข้อมูลก่อน ดังนั้นเราจึงจัดลำดับแหล่งข้อมูลลงในตารางชั่วคราวหรือตารางชั่วคราว ซึ่งมักเรียกกันว่า ชั้นการแสดงละครซึ่งเป็นสำเนาดิบของข้อมูลต้นทาง ในการทำเช่นนี้ใน Amazon Redshift เราใช้ คำสั่ง COPY เพื่อโหลดข้อมูลจากที่เก็บข้อมูล S3 สาธารณะการสร้างแบบจำลองมิติใน Amazon-redshift ที่อยู่บน us-east-1
ภูมิภาค. โปรดทราบว่าคำสั่ง COPY ใช้ AWS Identity และการจัดการการเข้าถึง (IAM) มีบทบาทร่วมกับ เข้าถึง Amazon S3. บทบาทจะต้องมี เกี่ยวข้องกับคลัสเตอร์. ทำตามขั้นตอนต่อไปนี้เพื่อจัดเตรียมข้อมูลต้นทาง:
- สร้าง
venue
ตารางแหล่งที่มา:
- โหลดข้อมูลสถานที่:
- สร้าง
sales
ตารางแหล่งที่มา:
- โหลดข้อมูลแหล่งขาย:
- สร้าง
calendar
ตาราง:
- โหลดข้อมูลปฏิทิน:
สร้างตารางขนาด
การออกแบบตารางมิติสามารถขึ้นอยู่กับความต้องการทางธุรกิจของคุณ ตัวอย่างเช่น คุณจำเป็นต้องติดตามการเปลี่ยนแปลงข้อมูลเมื่อเวลาผ่านไปหรือไม่ มี มิติข้อมูลที่แตกต่างกันเจ็ดประเภท. สำหรับตัวอย่างของเรา เราใช้ 1 ประเภท เพราะเราไม่ต้องติดตามการเปลี่ยนแปลงในอดีต สำหรับข้อมูลเพิ่มเติมเกี่ยวกับประเภทที่ 2 โปรดดูที่ ลดความซับซ้อนในการโหลดข้อมูลลงใน Type 2 ที่ค่อยๆ เปลี่ยนขนาดใน Amazon Redshift. ตารางขนาดจะถูกทำให้เป็นมาตรฐานด้วยคีย์หลัก คีย์ตัวแทน และฟิลด์เพิ่มเติมสองสามฟิลด์เพื่อระบุการเปลี่ยนแปลงในตาราง ดูรหัสต่อไปนี้:
ข้อควรทราบบางประการเกี่ยวกับการสร้างตารางมิติข้อมูล:
- ชื่อเขตข้อมูลจะเปลี่ยนเป็นชื่อที่เป็นมิตรกับธุรกิจ
- คีย์หลักของเราคือ
VenueID
ซึ่งเราใช้เพื่อระบุสถานที่ที่การขายเกิดขึ้นโดยไม่ซ้ำกัน - จะเพิ่มแถวเพิ่มเติมอีกสองแถว เพื่อระบุเมื่อมีการแทรกและอัปเดตเรกคอร์ด (เพื่อติดตามการเปลี่ยนแปลง)
- เรากำลังใช้ รูปแบบการกระจาย AUTO เพื่อให้ Amazon Redshift รับผิดชอบในการเลือกและปรับรูปแบบการกระจาย
ปัจจัยสำคัญอีกประการหนึ่งที่ต้องพิจารณาในการสร้างแบบจำลองมิติคือการใช้งาน กุญแจตัวแทน. คีย์ตัวแทนเป็นคีย์เทียมที่ใช้ในการสร้างแบบจำลองมิติเพื่อระบุแต่ละเร็กคอร์ดในตารางไดเมนชันโดยไม่ซ้ำกัน โดยทั่วไปแล้วจะสร้างเป็นจำนวนเต็มตามลำดับ และไม่มีความหมายใดๆ ในโดเมนธุรกิจ พวกมันให้ประโยชน์หลายประการ เช่น สร้างความมั่นใจในเอกลักษณ์และปรับปรุงประสิทธิภาพการรวม เนื่องจากโดยทั่วไปแล้วพวกมันจะเล็กกว่าคีย์ธรรมชาติและเป็นคีย์ตัวแทน พวกมันจะไม่เปลี่ยนแปลงเมื่อเวลาผ่านไป สิ่งนี้ช่วยให้เราสอดคล้องและเชื่อมโยงข้อเท็จจริงและมิติต่างๆ ได้ง่ายขึ้น
ใน Amazon Redshift โดยทั่วไปแล้ว คีย์ตัวแทนจะสร้างโดยใช้คีย์เวิร์ด IDENTITY ตัวอย่างเช่น คำสั่ง CREATE ก่อนหน้านี้สร้างตารางมิติที่มี a VenueSkey
กุญแจตัวแทน เดอะ VenueSkey
คอลัมน์จะถูกเติมโดยอัตโนมัติด้วยค่าที่ไม่ซ้ำเมื่อมีการเพิ่มแถวใหม่ลงในตาราง คอลัมน์นี้สามารถใช้เพื่อเข้าร่วมตารางสถานที่กับ FactSaleTransactions
ตาราง
เคล็ดลับเล็กๆ น้อยๆ สำหรับการออกแบบกุญแจตัวแทน:
- ใช้ชนิดข้อมูลขนาดเล็กที่มีความกว้างคงที่สำหรับคีย์ตัวแทน สิ่งนี้จะช่วยปรับปรุงประสิทธิภาพและลดพื้นที่จัดเก็บ
- ใช้คีย์เวิร์ด IDENTITY หรือสร้างคีย์ตัวแทนโดยใช้ค่าลำดับหรือค่า GUID เพื่อให้แน่ใจว่าคีย์ตัวแทนไม่ซ้ำกันและไม่สามารถเปลี่ยนแปลงได้
โหลดตารางสลัวโดยใช้ MERGE
มีหลายวิธีในการโหลดตารางสลัวของคุณ จำเป็นต้องพิจารณาปัจจัยบางอย่าง ตัวอย่างเช่น ประสิทธิภาพ ปริมาณข้อมูล และบางทีเวลาในการโหลด SLA กับ ผสาน คำสั่ง เราทำการ upsert โดยไม่จำเป็นต้องระบุคำสั่งแทรกและอัพเดตหลายรายการ คุณสามารถตั้งค่า ผสาน คำสั่งใน ก ขั้นตอนการเก็บ เพื่อเติมข้อมูล จากนั้น คุณกำหนดเวลาให้โพรซีเดอร์ที่จัดเก็บทำงานโดยทางโปรแกรมผ่านตัวแก้ไขคิวรี่ ซึ่งเราจะสาธิตในภายหลังในโพสต์ รหัสต่อไปนี้สร้างกระบวนงานที่เก็บไว้ที่เรียกว่า SalesMart.DimVenueLoad
:
หมายเหตุเล็กน้อยเกี่ยวกับการโหลดมิติข้อมูล:
- เมื่อแทรกเรกคอร์ดในครั้งแรก วันที่แทรกและวันที่ปรับปรุงจะถูกเติม เมื่อค่าใดๆ เปลี่ยนแปลง ข้อมูลจะถูกอัปเดตและวันที่อัปเดตจะแสดงวันที่ที่มีการเปลี่ยนแปลง วันที่แทรกยังคงอยู่
- เนื่องจากข้อมูลจะถูกใช้โดยผู้ใช้ทางธุรกิจ เราจำเป็นต้องแทนที่ค่า NULL (ถ้ามี) ด้วยค่าที่เหมาะสมกับธุรกิจมากขึ้น
ระบุและดำเนินการตามข้อเท็จจริง
ตอนนี้เราได้ประกาศให้ธัญพืชของเราเป็นเหตุการณ์การขายที่เกิดขึ้นในเวลาที่กำหนดแล้ว ตารางข้อเท็จจริงของเราจะเก็บข้อมูลข้อเท็จจริงที่เป็นตัวเลขสำหรับกระบวนการทางธุรกิจของเรา
เราได้ระบุข้อเท็จจริงที่เป็นตัวเลขต่อไปนี้เพื่อวัด:
- จำนวนตั๋วที่ขายต่อการขาย
- ค่าคอมมิชชั่นสำหรับการขาย
การดำเนินการตามข้อเท็จจริง
มี ตารางข้อเท็จจริงสามประเภท (ตารางข้อเท็จจริงของธุรกรรม ตารางข้อเท็จจริงสแนปชอตเป็นระยะ และตารางข้อเท็จจริงสแนปชอตสะสม) แต่ละคนมีมุมมองที่แตกต่างกันเกี่ยวกับกระบวนการทางธุรกิจ ตัวอย่างเช่น เราใช้ตารางข้อเท็จจริงของธุรกรรม ทำตามขั้นตอนต่อไปนี้:
- สร้างตารางข้อเท็จจริง
วันที่ที่แทรกด้วยค่าเริ่มต้นจะถูกเพิ่ม ซึ่งบ่งชี้ว่าเรกคอร์ดถูกโหลดหรือไม่และเมื่อใด คุณสามารถใช้สิ่งนี้เมื่อโหลดตารางข้อเท็จจริงซ้ำเพื่อลบข้อมูลที่โหลดไว้แล้วเพื่อหลีกเลี่ยงการทำซ้ำ
การโหลดตารางข้อเท็จจริงประกอบด้วยคำสั่งแทรกอย่างง่ายที่รวมมิติที่เกี่ยวข้องของคุณ เราเข้าร่วมจาก DimVenue
ตารางที่สร้างขึ้นซึ่งอธิบายข้อเท็จจริงของเรา เป็นแนวปฏิบัติที่ดีที่สุด แต่ไม่บังคับ วันที่ในปฏิทิน มิติข้อมูลซึ่งอนุญาตให้ผู้ใช้นำทางไปยังตารางข้อเท็จจริง สามารถโหลดข้อมูลเมื่อมีการลดราคาใหม่หรือรายวัน นี่คือวันที่แทรกหรือวันที่โหลดมีประโยชน์
เราโหลดตารางข้อเท็จจริงโดยใช้ขั้นตอนการจัดเก็บและใช้พารามิเตอร์วันที่
- สร้างกระบวนงานที่เก็บไว้ด้วยรหัสต่อไปนี้ เพื่อรักษาความสมบูรณ์ของข้อมูลแบบเดียวกับที่เราใช้ในการโหลดมิติ เราจะแทนที่ค่า NULL (ถ้ามี) ด้วยค่าที่เหมาะสมทางธุรกิจมากขึ้น:
- โหลดข้อมูลโดยเรียกโพรซีเดอร์ด้วยคำสั่งต่อไปนี้:
กำหนดการโหลดข้อมูล
ตอนนี้เราทำให้กระบวนการสร้างโมเดลเป็นแบบอัตโนมัติได้โดยการกำหนดเวลาขั้นตอนที่จัดเก็บไว้ใน Amazon Redshift Query Editor V2 ทำตามขั้นตอนต่อไปนี้:
- อันดับแรก เราเรียกการโหลดมิติ และหลังจากการโหลดมิติทำงานสำเร็จ การโหลดข้อเท็จจริงจะเริ่มต้นขึ้น:
หากการโหลดมิติล้มเหลว การโหลดข้อเท็จจริงจะไม่ทำงาน การดำเนินการนี้ทำให้ข้อมูลมีความสอดคล้องกัน เนื่องจากเราไม่ต้องการโหลดตารางข้อเท็จจริงด้วยมิติข้อมูลที่ล้าสมัย
- หากต้องการกำหนดเวลาการโหลด ให้เลือก ตารางเวลา ในตัวแก้ไขแบบสอบถาม V2
- เรากำหนดเวลาการสืบค้นให้ทำงานทุกวันเวลา 5:00 น.
- คุณสามารถเพิ่มการแจ้งเตือนความล้มเหลวได้ด้วยการเปิดใช้งาน บริการแจ้งเตือนแบบง่ายของ Amazon การแจ้งเตือน (Amazon SNS)
รายงานและวิเคราะห์ข้อมูลใน Amazon Quicksight
QuickSight เป็นบริการข่าวกรองธุรกิจที่ช่วยให้ส่งข้อมูลเชิงลึกได้ง่าย ในฐานะบริการที่มีการจัดการเต็มรูปแบบ QuickSight ช่วยให้คุณสร้างและเผยแพร่แดชบอร์ดแบบโต้ตอบได้อย่างง่ายดาย ซึ่งสามารถเข้าถึงได้จากอุปกรณ์ใดๆ และฝังลงในแอปพลิเคชัน พอร์ทัล และเว็บไซต์ของคุณ
เราใช้ data mart ของเราเพื่อนำเสนอข้อเท็จจริงในรูปแบบของแดชบอร์ด หากต้องการเริ่มต้นใช้งานและตั้งค่า QuickSight โปรดดูที่ การสร้างชุดข้อมูลโดยใช้ฐานข้อมูลที่ไม่มีการค้นหาอัตโนมัติ.
หลังจากที่คุณสร้างแหล่งข้อมูลของคุณใน QuickSight เราจะรวมข้อมูลจำลอง (ดาต้ามาร์ท) เข้าด้วยกันตามคีย์ตัวแทนของเรา skey
. เราใช้ชุดข้อมูลนี้เพื่อแสดงภาพดาต้ามาร์ท
แดชบอร์ดท้ายของเราจะมีข้อมูลเชิงลึกของ data mart และตอบคำถามทางธุรกิจที่สำคัญ เช่น ค่าคอมมิชชั่นทั้งหมดต่อสถานที่และวันที่ที่มียอดขายสูงสุด ภาพหน้าจอต่อไปนี้แสดงผลิตภัณฑ์ขั้นสุดท้ายของดาต้ามาร์ท
ทำความสะอาด
เพื่อหลีกเลี่ยงค่าใช้จ่ายในอนาคต ให้ลบทรัพยากรใดๆ ที่คุณสร้างเป็นส่วนหนึ่งของโพสต์นี้
สรุป
ตอนนี้เราได้ติดตั้ง data mart สำเร็จแล้วโดยใช้ของเรา DimVenue
, DimCalendar
และ FactSaleTransactions
ตาราง คลังสินค้าของเรายังไม่สมบูรณ์ เนื่องจากเราสามารถขยายดาต้ามาร์ทด้วยข้อเท็จจริงที่มากขึ้นและใช้งานมาร์ทได้มากขึ้น และเมื่อกระบวนการทางธุรกิจและความต้องการเติบโตขึ้นเมื่อเวลาผ่านไป คลังข้อมูลก็เช่นกัน ในโพสต์นี้ เราได้ให้มุมมองแบบ end-to-end เกี่ยวกับการทำความเข้าใจและนำการสร้างแบบจำลองมิติไปใช้ใน Amazon Redshift
เริ่มต้นใช้งานของคุณ อเมซอน Redshift แบบจำลองมิติวันนี้
เกี่ยวกับผู้เขียน
เบอร์นาร์ด เวอร์สเตอร์ เป็นวิศวกรระบบคลาวด์ที่มีประสบการณ์ซึ่งมีประสบการณ์หลายปีในการสร้างแบบจำลองข้อมูลที่ปรับขนาดได้และมีประสิทธิภาพ กำหนดกลยุทธ์การรวมข้อมูล และรับประกันการกำกับดูแลข้อมูลและความปลอดภัย เขาหลงใหลเกี่ยวกับการใช้ข้อมูลเพื่อขับเคลื่อนข้อมูลเชิงลึก ในขณะเดียวกันก็สอดคล้องกับข้อกำหนดและวัตถุประสงค์ทางธุรกิจ
อภิสิทธิ์ ปาน เป็นผู้เชี่ยวชาญ SA-Analytics ของ WWSO ที่ทำงานร่วมกับลูกค้าภาครัฐของ AWS India เขามีส่วนร่วมกับลูกค้าเพื่อกำหนดกลยุทธ์ที่ขับเคลื่อนด้วยข้อมูล จัดให้มีเซสชันเชิงลึกเกี่ยวกับกรณีการใช้งานการวิเคราะห์ และออกแบบแอปพลิเคชันเชิงวิเคราะห์ที่มีประสิทธิภาพและปรับขนาดได้ เขามีประสบการณ์ 12 ปีและหลงใหลเกี่ยวกับฐานข้อมูล การวิเคราะห์ และ AI/ML เขาเป็นนักเดินทางตัวยงและพยายามจับภาพโลกผ่านเลนส์กล้องของเขา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. ยานยนต์ / EVs, คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- BlockOffsets การปรับปรุงการเป็นเจ้าของออฟเซ็ตด้านสิ่งแวดล้อมให้ทันสมัย เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/big-data/dimensional-modeling-in-amazon-redshift/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 100
- 12
- 15%
- 16
- 17
- 20
- 28
- 30
- 300
- 7
- 8
- 9
- a
- เกี่ยวกับเรา
- เร่งความเร็ว
- เข้า
- Accessed
- แม่นยำ
- ข้าม
- กระทำ
- เพิ่ม
- ที่เพิ่ม
- เพิ่มเติม
- หลังจาก
- AI / ML
- จัดแนว
- สอดคล้อง
- อนุญาต
- ช่วยให้
- แล้ว
- am
- อเมซอน
- Amazon Web Services
- an
- การวิเคราะห์
- วิเคราะห์
- การวิเคราะห์
- วิเคราะห์
- และ
- คำตอบ
- ใด
- การใช้งาน
- ประยุกต์
- เหมาะสม
- สถาปัตยกรรม
- เป็น
- เทียม
- AS
- ด้าน
- ที่เกี่ยวข้อง
- At
- แอตทริบิวต์
- รถยนต์
- โดยอัตโนมัติ
- อัตโนมัติ
- หลีกเลี่ยง
- AWS
- b
- ตาม
- BE
- เพราะ
- เริ่ม
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- built-in
- ธุรกิจ
- ระบบธุรกิจอัจฉริยะ
- กระบวนการทางธุรกิจ
- กระบวนการทางธุรกิจ
- แต่
- by
- ปฏิทิน
- โทรศัพท์
- ที่เรียกว่า
- โทร
- ห้อง
- CAN
- จับ
- กรณี
- กรณี
- ก่อให้เกิด
- บาง
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- การเปลี่ยนแปลง
- เปลี่ยนแปลง
- ตัวอักษร
- โหลด
- Choose
- ชัดเจน
- อย่างเห็นได้ชัด
- อย่างใกล้ชิด
- เมฆ
- รหัส
- คอลัมน์
- มา
- คณะกรรมาธิการ
- ร่วมกัน
- บริษัท
- บริษัท
- สมบูรณ์
- พิจารณา
- คงเส้นคงวา
- ประกอบ
- สิ่งแวดล้อม
- แก้ไข
- ได้
- สร้าง
- ที่สร้างขึ้น
- สร้าง
- การสร้าง
- การสร้าง
- วิกฤติ
- ลูกค้า
- ประจำวัน
- หน้าปัด
- แดชบอร์ด
- ข้อมูล
- การรวมข้อมูล
- ดาต้าเลค
- คลังข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- กลยุทธ์ที่ขับเคลื่อนด้วยข้อมูล
- ฐานข้อมูล
- ฐานข้อมูล
- วันที่
- วันที่
- วันเวลา
- วัน
- ลึก
- ดำน้ำลึก
- ค่าเริ่มต้น
- การกำหนด
- ส่งมอบ
- สาธิต
- หน่วยงาน
- ที่ได้มา
- บรรยาย
- ออกแบบ
- การออกแบบ
- รายละเอียด
- เครื่อง
- ต่าง
- Dimension
- มิติ
- สนทนา
- แตกต่าง
- การกระจาย
- do
- โดเมน
- ทำ
- Dont
- ลง
- ขับรถ
- ที่ซ้ำกัน
- แต่ละ
- ก่อน
- อย่างง่ายดาย
- ง่าย
- บรรณาธิการ
- ที่มีประสิทธิภาพ
- ทั้ง
- ที่ฝัง
- ทำให้สามารถ
- การเปิดใช้งาน
- ปลาย
- จบสิ้น
- หมั้น
- วิศวกร
- ทำให้มั่นใจ
- เพื่อให้แน่ใจ
- การสร้างความมั่นใจ
- ทั้งหมด
- เอกลักษณ์
- อีเธอร์ (ETH)
- เหตุการณ์
- เหตุการณ์
- ทุกๆ
- ทุกวัน
- ตัวอย่าง
- ตัวอย่าง
- แสดง
- ประสบการณ์
- มีประสบการณ์
- การเปิดรับ
- สารสกัด
- ความจริง
- ปัจจัย
- ปัจจัย
- ข้อเท็จจริง
- ล้มเหลว
- ความล้มเหลว
- คุณสมบัติ
- สองสาม
- สนาม
- สาขา
- ที่ห้า
- รูป
- กรอง
- สุดท้าย
- ชื่อจริง
- ครั้งแรก
- พอดี
- มุ่งเน้น
- ดังต่อไปนี้
- สำหรับ
- ฟอร์ม
- รูป
- สี่
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- ต่อไป
- อนาคต
- ได้รับ
- สร้าง
- สร้าง
- สร้าง
- ได้รับ
- ได้รับ
- ให้
- กำหนด
- ดี
- การกำกับดูแล
- ขึ้น
- มีประโยชน์
- มี
- he
- ที่สูงที่สุด
- ของเขา
- ทางประวัติศาสตร์
- วันหยุด
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- HTML
- ที่ http
- HTTPS
- AMI
- ระบุ
- แยกแยะ
- ระบุ
- เอกลักษณ์
- if
- แสดงให้เห็นถึง
- ส่งผลกระทบ
- การดำเนินการ
- การดำเนินการ
- การดำเนินการ
- สำคัญ
- ปรับปรุง
- การปรับปรุง
- in
- รวมทั้ง
- อินเดีย
- แสดง
- การแสดง
- ข้อมูล
- ข้อมูลเชิงลึก
- แบบบูรณาการ
- บูรณาการ
- ความสมบูรณ์
- Intelligence
- การโต้ตอบ
- เข้าไป
- IT
- ITS
- ร่วม
- เข้าร่วม
- การร่วม
- ร่วม
- jpg
- เก็บ
- การเก็บรักษา
- คีย์
- กุญแจ
- ทะเลสาบ
- ภาษา
- ต่อมา
- ล่าสุด
- ชั้น
- ซ้าย
- เลนส์
- ช่วยให้
- ชั้น
- Line
- โหลด
- โหลด
- โหลด
- ที่ตั้งอยู่
- ที่ต้องการหา
- ทำ
- ทำให้
- การจัดการ
- การตลาด
- จับคู่
- ความหมาย
- วัด
- กล่าวถึง
- ผสาน
- ตัวชี้วัด
- ใจ
- ข้อผิดพลาด
- แบบ
- การสร้างแบบจำลอง
- การสร้างแบบจำลอง
- โมเดล
- เดือน
- ข้อมูลเพิ่มเติม
- มากที่สุด
- หลาย
- ชื่อ
- โดยธรรมชาติ
- นำทาง
- จำเป็นต้อง
- ต้อง
- ความต้องการ
- ใหม่
- หมายเหตุ / รายละเอียดเพิ่มเติม
- การประกาศ
- การแจ้งเตือน
- ตอนนี้
- มากมาย
- วัตถุประสงค์
- of
- เสนอ
- มักจะ
- on
- เพียง
- การดำเนินงาน
- or
- organizacja
- ของเรา
- เกิน
- ทั้งหมด
- พารามิเตอร์
- ส่วนหนึ่ง
- หลงใหล
- ต่อ
- ดำเนินการ
- การปฏิบัติ
- บางที
- เป็นระยะ
- สถานที่
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- จุด
- ประชากร
- โพสต์
- อำนาจ
- การปฏิบัติ
- ข้อกำหนดเบื้องต้น
- นำเสนอ
- ประถม
- ขั้นตอนการ
- ขั้นตอน
- กระบวนการ
- กระบวนการ
- ผลิตภัณฑ์
- ให้
- ให้
- ให้
- สาธารณะ
- ประกาศ
- วัตถุประสงค์
- คำถาม
- อย่างรวดเร็ว
- ยก
- ดิบ
- ข้อมูลดิบ
- ระเบียน
- บันทึก
- ลด
- เรียกว่า
- สะท้อนให้เห็นถึง
- ภูมิภาค
- ความสัมพันธ์
- ซากศพ
- เอาออก
- แทนที่
- รายงาน
- การรายงาน
- รายงาน
- ความต้องการ
- แหล่งข้อมูล
- ความรับผิดชอบ
- บทบาท
- ม้วน
- แถว
- วิ่ง
- ทำงาน
- การขาย
- ขาย
- เดียวกัน
- ตัวอย่างชุดข้อมูล
- ที่ปรับขนาดได้
- กำหนด
- การกำหนด
- ส่วน
- ภาค
- ความปลอดภัย
- เห็น
- แยก
- ให้บริการอาหาร
- บริการ
- บริการ
- ครั้ง ราคา
- ชุด
- หลาย
- น่า
- โชว์
- แสดงให้เห็นว่า
- ง่าย
- ความง่าย
- เดียว
- ช้า
- เล็ก
- มีขนาดเล็กกว่า
- ภาพย่อ
- So
- ขาย
- ทางออก
- บาง
- แหล่ง
- แหล่งที่มา
- ช่องว่าง
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- เฉพาะ
- ระยะ
- การแสดงละคร
- ดาว
- ข้อความที่เริ่ม
- ที่เริ่มต้น
- คำแถลง
- ขั้นตอน
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- กลยุทธ์
- กลยุทธ์
- โครงสร้าง
- ที่ประสบความสำเร็จ
- ประสบความสำเร็จ
- อย่างเช่น
- ระบบ
- ตาราง
- ชั่วคราว
- เมตริกซ์
- เงื่อนไขการใช้บริการ
- กว่า
- ที่
- พื้นที่
- ที่มา
- โลก
- ของพวกเขา
- แล้วก็
- ที่นั่น
- ดังนั้น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- พัน
- ตลอด
- ตั๋ว
- การขายตั๋ว
- บัตรเข้าชม
- เวลา
- ครั้ง
- การประทับเวลา
- เคล็ดลับ
- ไปยัง
- ในวันนี้
- ร่วมกัน
- เอา
- รวม
- ลู่
- การทำธุกรรม
- แปลง
- เปลี่ยน
- นักท่องเที่ยว
- ชนิด
- ชนิด
- เป็นปกติ
- ความเข้าใจ
- เป็นเอกลักษณ์
- ที่ไม่ซ้ำกัน
- ความเป็นเอกลักษณ์
- ไม่ทราบ
- บันทึก
- ให้กับคุณ
- us
- การใช้
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้
- ใช้
- การใช้
- มักจะ
- มีคุณค่า
- ความคุ้มค่า
- ความคุ้มค่า
- ต่างๆ
- สถานที่จัดงาน
- สถานที่จัดงาน
- ผ่านทาง
- รายละเอียด
- ปริมาณ
- คำแนะนำ
- ต้องการ
- คลังสินค้า
- คือ
- วิธี
- we
- เว็บ
- บริการเว็บ
- เว็บไซต์
- สัปดาห์
- เมื่อ
- ที่
- ในขณะที่
- จะ
- กับ
- ภายใน
- ไม่มี
- การทำงาน
- โลก
- ผิด
- ปี
- ปี
- เธอ
- ของคุณ
- ลมทะเล