Schemat płatka śniegu kontra schemat gwiezdny

Podczas wybierania schematu bazy danych dla hurtowni danych, płatek śniegu i schematy gwiezdne bywają popularnymi wyborami. To porównanie omawia przydatność schematów gwiazda vs. płatek śniegu w różnych scenariuszach i ich cechy.

Wykres porównania

Schemat płatka śniegu a tabela porównawcza schematu gwiazdy

	Schemat płatka śniegu	Schemat gwiezdny
Łatwość konserwacji / wymiany	Brak redundancji, więc schematy płatków śniegu są łatwiejsze do utrzymania i zmiany.	Ma nadmiarowe dane, a zatem jest trudniejszy do utrzymania / zmiany
Łatwość użycia	Bardziej złożone zapytania, a zatem trudniejsze do zrozumienia	Niższa złożoność zapytań i łatwa do zrozumienia
Wydajność zapytania	Więcej kluczy obcych, a tym samym dłuższy czas wykonywania zapytania (wolniej)	Mniejsza liczba kluczy obcych, a tym samym krótszy czas wykonywania zapytania (szybciej)
Rodzaj magazynu danych	Dobry w użyciu dla rdzenia bazy danych, aby uprościć złożone relacje (wiele: wiele)	Dobry dla kart danych z prostymi relacjami (1: 1 lub 1: wiele)
Łączy się	Wyższa liczba połączeń	Mniej połączeń
Tabela wymiarów	Schemat płatka śniegu może mieć więcej niż jedną tabelę wymiarów dla każdego wymiaru.	Schemat gwiazdy zawiera tylko jedną tabelę wymiarów dla każdego wymiaru.
Kiedy użyć	Gdy tabela wymiarów jest stosunkowo duża, płatek śniegu jest lepszy, ponieważ zmniejsza przestrzeń.	Gdy tabela wymiarów zawiera mniejszą liczbę wierszy, możemy wybrać schemat gwiazdy.
Normalizacja / Dezormalizacja	Tabele wymiarów są w formie znormalizowanej, ale tabela faktów jest w formie zdenormalizowanej	Tabele wymiarów i faktów są w formie zdenormalizowanej
Model danych	Podejście oddolne	Podejście z góry na dół

Zawartość: Schemat Snowflake kontra schemat Star

• 1 przykłady
  • 1.1 Przykład schematu gwiaździstego
  • 1.2 Przykład schematu płatka śniegu
• 2 referencje

Przykłady

Rozważ bazę danych dla detalisty, który ma wiele sklepów, przy czym każdy sklep sprzedaje wiele produktów w wielu kategoriach produktów i różnych marek. Hurtownia danych lub hurtownia danych dla takiego detalisty musieliby zapewnić analitykom możliwość uruchamiania raportów sprzedaży pogrupowanych według sklepu, daty (lub miesiąca, kwartału lub roku), kategorii produktu lub marki.

Przykład schematu gwiazdy

Jeśli ta baza danych używa schematu gwiazdy, wyglądałaby następująco:

Przykład schematu gwiazdy

Tabela faktów byłaby zapisem transakcji sprzedaży, podczas gdy istnieją tabele wymiarów dla daty, sklepu i produktu. Tabele wymiarów są połączone z tabelą faktów za pomocą klucza podstawowego, który jest kluczem obcym dla tabeli faktów. Na przykład zamiast przechowywać aktualną datę transakcji w wierszu tabeli faktów, data_id jest przechowywana. Ten date_id odpowiada unikatowemu wierszowi w tabeli Dim_Date, a ten wiersz przechowuje także inne atrybuty daty, które są wymagane do grupowania w raportach. np. dzień tygodnia, miesiąc, kwartał i tak dalej. Dane są denormalizowane w celu łatwiejszego raportowania.

Oto, w jaki sposób można uzyskać raport o liczbie telewizorów sprzedawanych według marki i kraju za pomocą wewnętrznych połączeń.

Przykład schematu płatka śniegu

Ten sam scenariusz może również wykorzystywać schemat płatka śniegu, w którym to przypadku miałby następującą strukturę:

Przykład schematu płatka śniegu (kliknij, aby powiększyć)

Główną różnicą w porównaniu ze schematem gwiazdy jest to, że dane w tabelach wymiarów są bardziej znormalizowane. Na przykład zamiast przechowywać miesiąc, kwartał i dzień tygodnia w każdym wierszu tabeli Dim_Date, są one dalej dzielone na własne tabele wymiarów. Podobnie dla tabeli Dim_Store, stan i kraj to atrybuty geograficzne, które zostały usunięte o jeden krok - zamiast być przechowywane w tabeli Dim_Store, są one teraz przechowywane w osobnej tabeli Dim_Geography.

Ten sam raport - liczba telewizorów sprzedawanych według kraju i marki - jest teraz nieco bardziej skomplikowany niż w schemacie gwiazdy:

Zapytanie SQL, aby uzyskać liczbę produktów sprzedawanych według kraju i marki, gdy baza danych używa schematu płatka śniegu.

Bibliografia

• wikipedia: Snowflake_schema
• wikipedia: Star_schema