{"canonical_url":"https://engineer.company/nb/glossary/data-mesh/","content_markdown":"# Data mesh\n\n## Hva det er\n\nEt data mesh er en måte å organisere analysedata på i en stor organisasjon, slik\nat teamene som driver hver del av virksomheten, også eier, publiserer og står\nansvarlige for dataene den delen produserer. Zhamak Dehghani, den gang principal\ntechnology consultant i Thoughtworks, la fram ideen på Martin Fowlers nettsted i\nen artikkel som kom ut i flere deler i mai 2019. I desember 2020 formulerte hun\nden på nytt som fire prinsipper: domeneorientert eierskap til data og\narkitekturen rundt dem, data som produkt, selvbetjent datainfrastruktur som\nplattform og føderert styring som maskinene håndhever, på engelsk federated\ncomputational governance. De fire skulle etter hennes syn være både nødvendige\nog tilstrekkelige til sammen, og hun regnet med at praksis og verktøy kommer til\nå endre seg mens prinsippene står fast.\n\nIdeen gjelder analytiske data, ikke operative. Dehghani trekker skillet slik:\nOperative data ligger i databasene bak systemene som holder virksomheten i gang,\nde er transaksjonelle og viser hvordan ting står akkurat nå. Analytiske data er\nvirksomhetens historikk over tid, aggregert og modellert, og det er dem\nrapportene bygger på og modellene trenes med. De operative dataene lar hun ligge\nder de er, inne i hver tjeneste. Det er den analytiske siden hun retter modellen mot,\nfor det er der hun ser friksjonen når virksomheten vokser.\n\n**Domeneeierskap.** Et data mesh deles langs skillelinjer organisasjonen\nallerede har. Dehghanis gjennomgående eksempel er et digitalt medieselskap med\ndomener som podkaster og artister. Teamet som driver podkastene og tilbyr\ngrensesnittene for å publisere dem, bør også levere historikken over publiserte\npodkaster og hvor mange som har lyttet til dem over tid. Skillelinjene er hentet\nfra domenedrevet design, der hvert domenes bounded context avgrenser området der\nen endring holder seg lokal. Derfor er det også et godt sted å legge eierskapet\ntil dataene.\n\n**Data som produkt.** Når data spres over mange team, blir de vanskeligere å\nfinne og å stole på. Hvert team må derfor behandle dataene det deler som et\nprodukt, og dem som bruker dataene som kunder. Artikkelen fra 2019 lister opp\nhva som skal til: Et dataprodukt skal være mulig å finne, ha en fast adresse,\nvære til å stole på, beskrive seg selv, kunne spille sammen med andre etter\nfelles standarder og være beskyttet av felles tilgangskontroll. En produkteier i\ndomenet står ansvarlig for mål som kvalitet, hvor lenge konsumentene må vente på\ndata og hvor fornøyde de er. Ansvaret for kvaliteten flyttes oppstrøms, så nær\nkilden som mulig. Arkitektonisk er et dataprodukt den minste enheten som kan\nrulles ut for seg selv, og det består av tre deler: koden som transformerer og\nleverer dataene og håndhever reglene for dem, selve dataene med tilhørende\nmetadata og infrastrukturen som kjører det hele.\n\n**En selvbetjent plattform.** Å bygge, drifte og følge med på et dataprodukt\nkrever spesialisert infrastrukturkompetanse, og den lar seg ikke kopiere inn i\nhvert eneste domene. Et plattformteam tilbyr derfor verktøy på et høyere nivå,\nblant annet for lagring, produktskjemaer, deklarerte pipelines og sporing av\ndataenes opphav, slik at en utvikler med bred profil kan bygge et dataprodukt\nuten den spesialistkunnskapen.\n\n**Føderert styring.** Produktene må fortsatt passe sammen, ellers kan ingen\nkombinere dem. En gruppe produkteiere fra domenene og fra plattformen avgjør\nhvilke regler som skal gjelde overalt, og hvilke som overlates til det enkelte\ndomenet, og plattformen håndhever de felles reglene automatisk. Dehghanis\neksempel er lyttertall: Hvordan podkastdomenet modellerer dem, er domenets egen\nsak, men hvordan en lytter identifiseres, er en felles sak, fordi den samme\npersonen også dukker opp som bruker i andre domener.\n\n## Hvorfor det er viktig\n\nDehghanis argument starter med det som går galt når et stort selskap driver en\nsentral datasjø eller et sentralt datavarehus. Data fra alle domener trekkes inn\npå én plattform som eier alt sammen, og den driftes av et team av spesialister\npå dataverktøy som sitter langt unna både dem som skaper dataene, og dem som\nbruker dem. Hun peker på tre måter dette svikter på. Plattformen er sentral og\nmonolittisk, så den får det tungt etter hvert som kilder og konsumenter blir\nflere. Den er delt opp i pipeline-trinn som innlasting, rensing, aggregering og\nlevering, så et enkelt nytt tall, for eksempel hvor ofte podkaster blir spilt\nav, krever en endring i hvert trinn og en utgivelse som må koordineres på tvers\nav team. Og eierskapet er splittet i siloer og høyt spesialisert: Ingeniørene\nsom skal få mening ut av dataene, kjenner lite til domenene de kommer fra, mens\nteamene som produserer dataene, ikke har noe insentiv til å gjøre dem riktige.\n\nEt data mesh endrer hvem som rydder. I den gamle modellen kommer dataene inn med\nfeilene sine, og et sentralt team vasker dem etter innlastingen. I et data mesh\nblir et domenes datasett først et dataprodukt når domenet selv har kontrollert\ndet mot de avtalte kvalitetsmålene og de felles reglene. De som vet hva et felt\nskal bety, er også de som går god for det.\n\nStyringen skifter også form. Artikkelen fra 2020 stiller de to modellene opp mot\nhverandre i en tabell. Et sentralt team har selv ansvaret for kvalitet,\nsikkerhet og etterlevelse av regelverk. Et føderert team bestemmer hvordan\nkvalitet skal modelleres, og hvilke sikkerhetskrav og lovkrav plattformen skal\nbygge inn og overvåke. Før ble suksess målt i antall tabeller under styring. I\net data mesh måles den i hvor mye produktene faktisk blir brukt. Manuell\nkontroll som prøver å hindre feil, erstattes av automatiserte prosesser som\noppdager feil og retter opp etter dem.\n\nIngenting av dette legges fram som et universalsvar. I artikkelen fra 2019\ninnrømmer Dehghani at den sentrale modellen kan fungere for organisasjoner med\net enklere domene og færre typer konsumenter, og skriver at den svikter i\nvirksomheter med rike domener, mange kilder og konsumenter med svært ulike\nbehov. Om et data mesh er bryet verdt, avhenger av hvilken av de to typene\norganisasjonen hører til.\n\n## Slik ser det ut i praksis\n\nEt ekte data mesh strekker seg over mange team og mange datalagre. Skissen\nnedenfor holder seg til én PostgreSQL-database, slik at hver SQL-setning kan\nsjekkes mot manualen, og den viser de to minste grepene: et domene som\npubliserer et produkt, og en plattform som håndhever én felles regel.\n\nOrdreteamet eier driftstabellene i skjemaet `orders`. Analysedataene sine\npubliserer det i et eget skjema, som et versjonert view med en beskrivelse og en\nuttrykkelig tildeling av rettigheter:\n\n```sql\n-- ordreteamet eier dette skjemaet og alt som ligger i det\nCREATE SCHEMA order_data;\n\nCREATE VIEW order_data.orders_by_day_v1 AS\nSELECT order_date, currency, count(*) AS orders, sum(total) AS revenue\nFROM orders.orders\nWHERE status = 'paid'\nGROUP BY order_date, currency;\n\nCOMMENT ON VIEW order_data.orders_by_day_v1 IS\n  'Betalte ordrer per dag og valuta. Eier: ordreteamet.';\n\nGRANT USAGE ON SCHEMA order_data TO analysts;\nGRANT SELECT ON order_data.orders_by_day_v1 TO analysts;\n```\n\nPostgreSQL-manualen forklarer hvorfor dette er nok på konsumentsiden: Den som\nbruker et view, trenger bare USAGE-privilegiet på skjemaet viewet ligger i, ikke\npå skjemaene som viewets spørring leser fra. Analytikerne kan altså hente data\nfra produktet, mens driftstabellene bak det forblir stengt for dem. Evans regner\npå sin side databaseskjemaer blant de fysiske formene grensen rundt en bounded\ncontext kan ta.\n\nPlattformens side er en regel som gjelder for alle domener. Den er skrevet som\nen spørring og kjøres ved hver utgivelse: Ingen produktskjemaer får inneholde et\nview uten beskrivelse. `obj_description` returnerer kommentaren som er lagret på\net objekt, og i `pg_class` betyr en `relkind` med verdien `v` at objektet er et\nview:\n\n```sql\n-- felles regel: hvert publisert view har en beskrivelse\nSELECT n.nspname, c.relname\nFROM pg_class AS c\nJOIN pg_namespace AS n ON n.oid = c.relnamespace\nWHERE c.relkind = 'v'\n  AND n.nspname ~ '_data$'\n  AND obj_description(c.oid, 'pg_class') IS NULL;\n-- hver rad som kommer tilbake, stopper utgivelsen\n```\n\nDen oppdelingen er den fødererte delen i miniatyr. Hva som teller som en betalt\nordre, bestemmer ordreteamet. At hvert produkt beskriver seg selv, og at navnene\npå produktskjemaer slutter på `_data`, er felles konvensjoner som plattformen\nkontrollerer uten at noen trenger å huske dem.\n\nTjenestesiden [Datastyring og datakvalitet](/nb/services/data-governance/) lover\nat hvert tall skal ha en kjent eier og en kjent kilde, og det er nettopp det en\nprodukteier for data må kunne gjøre rede for. Blant det leverte arbeidet står et\nfunksjonsbasert datalag i PostgreSQL, bygd slik at all lesing og skriving går\ngjennom funksjoner databasen kan gi tilgang til, og aldri rett mot tabellene.\nDet er samme tankegang som i viewet over: Konsumentene får et grensesnitt med en\ntilgang knyttet til seg, ikke tabellene under.\n\nOppdraget\n[Én infrastrukturplan for 14 avdelinger](/nb/portfolio/one-infrastructure-plan-for-14-departments/)\nbeskrives ikke som et data mesh, men det møter den samme spenningen som\nstyringsgruppen i et data mesh lever med. Ved et forskningsinstitutt arbeidet 14\nforskningsgrupper med hver sine datakilder, formater, skalaer og verktøy, og\nbåde den tekniske kompetansen og IT-ressursene varierte mye: Noen få hadde bygd\negne løsninger, mens mange slet. Planen skulle la forskerne konsentrere seg om\nforskningen, og den veide fleksibilitet mot standardisering, med modulær\narkitektur, integrasjonsveier for svært ulike datakilder, grensesnitt for ulike\nferdighetsnivåer, skalerbar lagring og prosessering og strategier for\nonboarding, støtte og styring. Å avgjøre hva hver gruppe beholder for seg selv,\nog hva alle deler, er nettopp den avveiningen Dehghani legger til den fødererte\nstyringen, og å senke kompetansekravet for en gruppe er det hun krever av en\nselvbetjent plattform.\n\n## Hvor det går galt\n\n**Et sentralt team med nytt navn.** Det endrer ingenting å kalle\ndataplattformteamet et data mesh hvis det samme teamet fortsatt tar imot rådata\nfra alle domener, vasker dem og står ansvarlig for kvaliteten. Dehghanis\nstyringstabell fungerer som sjekkliste: Hvem har ansvaret for kvaliteten, hvem\nbestemmer sikkerhetsreglene, og måles suksess fortsatt i tabeller under styring?\nFlytt eierskapet til hvert dataprodukt til domenet som produserer dataene, og\nbehold det sentrale teamet til plattformen og reglene.\n\n**Produkter ingen står inne for.** Et domene som eksporterer tabeller uten eier,\nbeskrivelse eller løfte om hvor ferske dataene er, har bare flyttet det gamle\nproblemet inn i sitt eget hjørne. Dehghani ber hvert dataprodukt oppgi\nkvaliteten sin som tjenestenivåmål, for eksempel aktualitet og feilrater, og\npåpeker at ett domene kan tilby to produkter med de samme hendelsene: ett nesten\ni sanntid som kan miste eller gjenta hendelser, og ett som kommer senere og er\nmer nøyaktig. Utpek en eier for hvert produkt, publiser målene, og test\nkvaliteten der dataene oppstår.\n\n**Ingen felles identifikatorer.** Hvis hvert domene identifiserer de samme\ntingene på sin egen måte, kan ingen to produkter kobles sammen. I eksempelet fra\n2019 ser en artist forskjellig ut i domenet som registrerer avspillinger, og i\ndomenet som betaler artistene. Bli enige på tvers om hvordan slike delte\nentiteter, som Dehghani kaller polysemer, identifiseres, og overlat resten av\nmodellen til hvert domene. Feltformater, adressekonvensjoner og felles\nmetadatafelt hører hjemme på den samme felles listen.\n\n**Hvert domene bygger hele stakken på nytt.** Uten en selvbetjent plattform må\nhvert domene selv sette opp lagring, pipelines og overvåking, og den\nspesialiserte kompetansen som var mangelvare i ett sentralt team, må nå finnes i\nhvert eneste team. Bygg plattformen før domenene blir bedt om å publisere, og\nmål den på hvor lite spesialistkunnskap et domene trenger for å levere et\nprodukt.\n\n**Et produkt som endres under konsumentene.** Et dataprodukt er et grensesnitt,\nog endrer man det på stedet, ryker rapportene som bygger på det. I PostgreSQL\navviser `CREATE OR REPLACE VIEW` en del av denne feilen: Den nye spørringen må\ngi de samme kolonnene med samme navn, rekkefølge og datatyper og kan bare legge\ntil kolonner på slutten. En endret betydning fanger den ikke, for beregningen\nbak en kolonne kan godt være en helt annen. Legg enhver endring som gir nytt\nnavn til, fjerner eller omdefinerer en kolonne, i et nytt view,\n`orders_by_day_v2`, ved siden av det gamle, og fas ut det gamle når konsumentene\nhar flyttet over.\n\n**Et data mesh der det ikke trengs.** Fire prinsipper, et plattformteam, en\nføderert styringsgruppe og en produkteier i hvert domene er mye maskineri. Mot\nslutten av artikkelen fra 2019 innrømmer Dehghani at «enterprise scale adoption\nstill has a long way to go». Dekker en håndfull kilder og ett team behovet, så\nbehold et velfungerende sentralt lager med en navngitt eier for hver tabell, og\nlån de delene som lønner seg uansett størrelse: eiere, beskrevne datasett og\nregler som maskinen kontrollerer.\n\n## Les mer\n\n- [Data Mesh Principles and Logical Architecture](https://martinfowler.com/articles/data-mesh-principles.html)\n  — Zhamak Dehghani, 2020: de fire prinsippene, delene i et dataprodukt og\n  tabellen som stiller sentral og føderert styring opp mot hverandre.\n- [How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh](https://martinfowler.com/articles/data-monolith-to-mesh.html)\n  — den opprinnelige artikkelen fra mai 2019, med de tre svakhetene ved en\n  sentral dataplattform og egenskapene et dataprodukt må ha.\n- [Domain-Driven Design Reference](https://www.domainlanguage.com/wp-content/uploads/2016/05/DDD_Reference_2015-03.pdf)\n  — Eric Evans' sammendrag av mønstrene, blant dem bounded context, langs hvis\n  grenser et data mesh deler eierskapet.\n- [PostgreSQL: CREATE VIEW](https://www.postgresql.org/docs/current/sql-createview.html)\n  — reglene for å erstatte et view og privilegiene brukerne av det trenger, slik\n  eksempelet bruker dem.\n- [PostgreSQL: COMMENT](https://www.postgresql.org/docs/current/sql-comment.html)\n  — hvordan en beskrivelse lagres på et databaseobjekt, slik at\n  `obj_description` kan lese den tilbake.\n\n\u003chttps://engineer.company/nb/glossary/data-mesh/\u003e\n","date_modified":"2026-11-12T05:34:23Z","description":"Hvordan et data mesh legger analysedata hos teamene som skaper dem, leverer dem som produkter på en felles plattform, og hvor ideen slår feil.","formats":{"gemtext":"https://engineer.company/nb/glossary/data-mesh/index.gmi","gopher":"https://engineer.company/nb/glossary/data-mesh/gophermap","html":"https://engineer.company/nb/glossary/data-mesh/","json":"https://engineer.company/nb/glossary/data-mesh/index.json","markdown":"https://engineer.company/nb/glossary/data-mesh/index.md","pdf":"https://engineer.company/nb/glossary/data-mesh/index.pdf"},"kind":"page","language":"nb","title":"Hva er et data mesh?","url":"https://engineer.company/nb/glossary/data-mesh/","version":1}