在本文中，我們介紹了使用圖形數據庫（neo4j）在分析環境中支持數據沿襲的方法。
介紹
數據驅動的決策是使組織通過實現目標保持競爭力的關鍵方面之一。客戶的需求經常變化，他們的需求也在變化。因此，重要的是支持數據驅動決策的方法能夠反映變化并快速適應。傳統的數據倉庫無法單獨填補這一空白讀取數據庫中圖片，因為開發生命周期很大，因此它們可能無法按時滿足需求。
數據網格是一種新方法，聽起來很有希望填補這一空白。它提出去中心化數據所有權，實施分布式網格而不是單體倉庫，將數據和代碼封裝為一個單元而不是作為運行代碼的結果存儲數據，將治理轉移到聯合模型而不是自上而下的中央模型，重點將數據作為一種產品來共享，而不是將數據作為一種資產來收集。
我們受到數據網格的啟發，我們設計并實施了一個新環境，使分析師能夠在客戶分析領域內開發他們的數據產品，主要從 If 的常見數據產品中獲取數據，您可以在此處閱讀相關信息。可以根據不同來源（即運營、外部或企業數據倉庫）中可用的數據開發數據產品。它能夠快速開發可與其他分析師共享的新數據產品。它補充了我們的數據生態系統，因為它提供了一個基礎，可以開發不適合企業數據倉庫的數據產品。如果數據產品在組織中廣泛使用，它還可以擴展企業數據倉庫。
我們將此環境命名為客戶分析 — 數據產品環境 (CA-DPE)。這種新環境幫助我們改進了數據包的發現、可追溯性、透明度、可理解性、監控、治理和合規性檢查。它還支持分析師之間更好的溝通，調查數據包更改的連鎖反應并確定批量更新的優先級。盡管寫下我們在這個項目中考慮和面臨的所有不同方面很有趣，但本文旨在僅闡明圖數據庫如何幫助我們將其中一些價值交付給我們的分析生態系統。
因此，我們在背景部分介紹了一個過于簡化的環境版本。我們將詳細說明在我們的環境中使用圖形數據庫啟用數據沿襲的方法。
方法
數據產品是在上下文中定義的數據網格的核心部分，它可以從上游系統或其他數據產品接收數據。它還可以與其他數據產品或系統共享數據。我們設計并實施了 CA-DPE，使分析師能夠在特定領域創建自己的數據產品。數據產品的結果可以與其他域共享，也可以從其他域讀取數據。因此，我們設計了具有三個不同層的領域環境，即輸入、數據產品領域環境和輸出。通過這種方式，我們可以更輕松地管理和跟蹤數據產品。
數據產品環境中層的簡單概述
在我們的環境中，每個數據產品都可以由多個不同的代碼模塊實現，稱為視圖。有幾種類型的視圖，即讀取、插入和刪除。讀取視圖可以從其他讀取視圖檢索數據、轉換它們并返回結果。插入和刪除視圖是一種特殊類型的視圖，用于在本地存儲中的表中插入或刪除數據。
每個視圖都可以從多個源讀取數據、操作數據、在本地存儲結果、從先前存儲的結果中刪除數據。數據產品可以從輸入層或其他數據產品中讀取數據。為了支持這些功能，分析師可以為每個數據產品開發不同類型的模塊。模塊可以讀取、插入或刪除數據。這樣，每個數據產品都可以支持創建-讀取-更新-刪除（CRUD）模式。
讓我們看一個包含所有這些關系的非常簡單的例子，以便更好地理解它們。 Input 和 層中的視圖只能是一種讀取視圖。只能從這些視圖中讀取數據。
創建數據產品的運行示例
在域環境中，可以開發插入和刪除視圖。插入視圖可以從閱讀視圖中讀取數據，并將數據插入到表中。他們還可以從要插入數據的表中讀取數據。此讀取稱為讀取增量，因為它可以插入更改。與插入視圖相反，分析師可以開發刪除視圖來從表中刪除數據。該視圖應在插入視圖之前執行，也可以設置從表中刪除特定部分的數據。請注意，分析人員不需要實現這些關系讀取數據庫中圖片，它們由環境通過命名約定自動識別。
我們的環境解析開發的數據產品并在neo4j中生成這些關系，neo4j是一個圖形數據庫。通過這種方式，它提供了許多好處，包括更好的可理解性、透明度、優先批處理更新、可追溯性、假設分析、變更的漣漪效應、監控、治理、檢查開發實踐的合規性、實現分析師之間的良好溝通和環境驗證.在這里，我們將如何開發一種復雜的數據產品可視化。
使用 Neo4j 的數據沿襲可視化示例
在此圖中，源圖層中的讀取視圖以橙色著色，以將它們與其他視圖區分開來。綠色圓圈表示表格，藍色圓圈表示其他節點。請注意，分析師可以更改顏色。可以看出，如果沒有這樣的支持，理解如此復雜的關系是非常困難的，如果不是不可能的話。
結論
在本文中，我們分享了使用圖數據庫可視化代碼模塊之間的關系的經驗。它使我們能夠提供更好的可理解性、透明度、優先批處理更新、可追溯性、假設分析、變更的漣漪效應、監控、治理、檢查開發實踐的合規性、在分析師之間實現良好的溝通以及環境驗證。