:

    Tabellen und Eigenschaften

    Einführung

    Wie bereits in der Einführung zu den Datenquellen erwähnt, erfolgt nach der Definition einer Datenquelle die Extraktion der relevanten Daten aus den Originaldaten, die anschließend in separaten Tabellen gespeichert werden.

    Tabellen

    Im Kontextmenü einer Datenquelle lässt sich eine Vorschau der extrahierten Daten anzeigen. Für die verschiedenen Objekttypen, die in der Definition der Datenquelle festgelegt sind, werden spezifische Tabellen erstellt. Der Name jeder Tabelle setzt sich zusammen aus dem Ressourcetyp, gefolgt von einem Unterstrich ("_"), und der Kategorie, ebenfalls getrennt durch einen Unterstrich, wenn die Datenstrukturen mehrere Ebenen umfassen. Beispiele hierfür sind: Monitor_Overview, WindowsWorkstation_Software oder WindowsWorkstation_Apps.

    Bei Auswahl einer Tabelle wird eine repräsentative Auswahl der Daten in tabellarischer Form dargestellt. Neben den spezifischen Eigenschaften, die in der Datenquellendefinition festgelegt wurden, werden auch zusätzliche Eigenschaften gespeichert. Weitere Details zu den Standard-Eigenschaften können hier nachgelesen werden.

    Schemainformationen

    Zusätzlich zu den aus der Datenquelldefinition resultierenden Tabellen wird eine Tabelle “Schemainformationen” erstellt, die Metainformationen zu allen Eigenschaften der Datenquelle enthält.

    • Column: Die spezifische Eigenschaft.
    • ColumnType: Datentyp der Eigenschaft.
    • IsGlobalFilter: Gibt an, ob die Eigenschaft Teil der globalen Filter (Basisdaten) ist.
    • IsCalculatet: Gibt an, ob die Eigenschaft Teil einen berechneten Wert enthält.
    • IsRawEnumValue: siehe IsRawEnumValue
    • Table: Die Tabelle, in der die Eigenschaft enthalten ist.
    • TextDe: Deutsche Bezeichnung der Eigenschaft.
    • TextEn: Englische Bezeichnung der Eigenschaft.

    Schemainformationen

    IsRawEnumValue

    Eigenschaften mit aktiviertem IsRawEnumValue-Flag repräsentieren normalisierte Werte oder Werte einer Auflistung. Erkennbar ist dies daran, dass der Bezeichner den Zusatz “_RawData” trägt. Beispielsweise enthält in der Tabelle der CPU-Informationen (ComputerWindows_CPU) die Eigenschaft “Max_ClockSpeed_RawData” den normalisierten numerischen Wert der Taktfrequenz eines Prozessors als Zahl (z. B. 3501000000), während eine parallele Eigenschaft “Max_ClockSpeed” den lesbar aufbereiteten Wert in GHz, inklusive der Einheit (z. B. 3,50 GHz), zeigt. Ein weiteres Beispiel ist der Starttyp eines Windows-Dienstes: Während “Startup_Type” lesbar als “Deaktiviert”, “Automatisch” oder “Manuell” dargestellt wird, enthält “Startup_Type_RawData” die korrespondierenden numerischen Werte 1, 2 oder 3. Diese normalisierten Eigenschaften sind besonders nützlich für Filterungen auf Basis von Originaldaten oder wenn eigene Formeln für Berechnungen angewendet werden sollen.

    IsRawEnumValue

    Eigenschaften

    Standard-Eigenschaften

    Jede Tabelle integriert standardmäßig spezifische Eigenschaften wie Organisation, Standort, Domäne und Plattform, die das Filtern auf jeder Ebene auf Grundlage der Basisdaten ermöglichen. Dies vereinfacht die Filterung auf Grundlage der Basisdaten, da keine Aggregation über verschiedene Hierarchieebenen hinweg nötig ist; die Filter können direkt an der jeweiligen Tabelle angewendet werden. Die Zuordnung dieser Basisdaten erfolgt auf Segmentebene und wird bei der Generierung der Datenquelle in die jeweiligen Tabellen integriert. Beispielsweise wird eine einem Hardware-Objekt wie einem Computer (Windows) zugewiesene Organisation oder ein Standort auch in untergeordneten Tabellen wie der CPU- oder RAM-Tabelle verfügbar gemacht.

    Die folgenden Eigenschaften aus den Basisdaten sind stets in den Tabellen enthalten:

    • Building: Gebäudezuordnung
    • Domain: Domänenzuordnung
    • Floor: Stockwerkzuordnung
    • Organization: Organisationszuordnung
    • Platform: Plattformzuordnung (IaaS, PaaS, SaaS, …)
    • Room: Raumzuordnung
    • Site: Standortzuordnung

    Diese strukturierte Einbindung von Standard-Eigenschaften in alle Tabellen ermöglicht eine konsistente und effiziente Datenanalyse und -verwaltung über alle Ebenen hinweg.