Hvad er Star Schema i Data Warehouse-modellering?

Hvad er et stjerneskema?

A stjerneskema I et data warehouse er en modelleringsstruktur, hvor én central faktatabel er forbundet til en række tilknyttede dimensionstabeller. Det kaldes et stjerneskema, fordi layoutet ligner en stjerne, hvor faktatabellen er placeret i midten, og dimensionstabellerne stråler udad som punkter.

Stjerneskemaet er den enkleste type data warehouse-skema, og det er også kendt som stjernejoin-skemaet. Fordi dets dimensionstabeller er denormaliserede, er modellen optimeret til forespørgsler på meget store datasæt, hvilket gør den til et almindeligt valg. dimensionel modellering og rapportering.

Hvad er et flerdimensionelt skema?

A flerdimensionelt skema er designet specifikt til at modellere data warehouse-systemer. Disse skemaer imødekommer de unikke behov i meget store databaser, der er bygget til analytiske formål OLAP snarere end til rutinemæssig transaktionsbehandling.

Typer af data warehouse-skemaer: Der er tre hovedtyper af flerdimensionelle skemaer, og hver enkelt har sine egne fordele.

• Stjerneskema – en central faktatabel, der er direkte forbundet med denormaliserede dimensionstabeller.
• Snefnug-skema – en udvidelse af stjerneskemaet, hvor dimensionerne normaliseres til yderligere underdimensionstabeller.
• Galaxy-skema – også kaldet en faktakonstellation, bruger den flere faktatabeller, der deler fælles dimensionstabeller.

Fordi snefnugskemaet bygger direkte på stjerneskemaet, er det nyttigt at sammenligne de to modeller, før man arbejder sig igennem et detaljeret eksempel på et stjerneskema.

Stjerneskema vs. Snefnugskema

Stjerneskemaet og snefnug skema Begge organiserer data omkring fakta- og dimensionstabeller, men de adskiller sig i, hvordan dimensionerne gemmes. Et stjerneskema holder hver dimension i en enkelt denormaliseret tabel, mens et snefnugskema normaliserer disse dimensioner i flere relaterede tabeller.

• Struktur: Stjerneskemaet er fladt og simpelt; snefnugskemaet forgrener dimensioner i underdimensioner.
• Forespørgselshastighed: Stjerneskemaer kræver færre joins, så forespørgsler kører normalt hurtigere, og SQL'en forbliver enklere.
• Opbevaring: Snowflake-skemaer fjerner redundans, så de bruger mindre plads, men tilføjer designkompleksitet.
• Dataintegritet: Normaliserede snefnugdimensioner styrker integriteten bedre, hvorimod denormaliserede stjernedimensioner favoriserer ydeevne.
• Brugervenlighed: Et stjerneskema er enklere for analytikere at forstå og hurtigere at vedligeholde, mens et snefnugskema kræver mere omhyggeligt design.

I praksis vælger teams ofte et stjerneskema til datamarts og dashboards, der kræver hurtig og ligetil rapportering, og et snefnugsskema, når lagerbesparelser og streng konsistens er vigtigere.

Eksempel på stjerneskema

I det følgende eksempel på et stjerneskema sidder faktatabellen i midten og indeholder nøglerne til alle dimensionstabeller, f.eks. Dealer_ID, Model_ID, Date_ID, Product_ID og Branch_ID, sammen med målbare attributter som solgte enheder og omsætning.

Hver omgivende dimensionstabel tilføjer beskrivende kontekst til disse målinger, så en enkelt forespørgsel kan gruppere eller filtrere salgsfakta efter forhandler, model, dato, produkt eller filial uden at skulle forbinde andre tabeller.

Faktatabeller

En faktatabel i et stjerneskema indeholder fakta og er forbundet med dimensionerne. En faktatabel indeholder to typer kolonner:

• En kolonne, der gemmer fakta eller målinger.
• Fremmednøgler, der linker til hver dimensionstabel.

Generelt er den primære nøgle i en faktatabel en sammensat nøgle, der består af alle de fremmednøgler, der udgør tabellen.

Faktatabeller kan indeholde fakta på detaljeret niveau eller aggregerede fakta. Faktatabeller, der indeholder aggregerede fakta, kaldes ofte oversigtstabeller, og de indeholder normalt fakta, der allerede er aggregeret til et vist niveau.

Dimensionstabeller

En dimension er en struktur, der kategoriserer data i et hierarki. En dimension uden hierarkier og niveauer kaldes en flad dimension eller liste. Hver dimensionstabels primære nøgle er en del af den sammensatte primære nøgle i faktatabellen.

En dimensionsattribut er en beskrivende, tekstuel attribut, der hjælper med at beskrive en dimensionsværdi, såsom et produktnavn eller en by. Fordi dimensionstabeller gemmer denne beskrivende kontekst snarere end transaktionelle hændelser, er faktatabeller normalt meget større end dimensionstabeller.

Sådan designer du et stjerneskema

Design af et stjerneskema følger den dimensionelle modelleringstilgang, der blev populariseret af Ralph Kimball. Målet er at organisere forretningsmål omkring klare, genanvendelige dimensioner, så den færdige model er nem at forespørge på og hurtig at rapportere om. De fem trin nedenfor beskriver den proces, som de fleste dimensionelle modelleringsprojekter følger, og bevæger sig fra det forretningsmæssige spørgsmål på højeste niveau ned til de fysiske fakta- og dimensionstabeller.

1. Identificér forretningsprocessen: Vælg den aktivitet, du vil analysere, f.eks. salg, forsendelsepingeller opgørelse. Denne beslutning definerer, hvad faktatabellen skal måle.
2. Deklarer kornet: Bestem det detaljeringsniveau, som hver faktarække repræsenterer, for eksempel én række pr. linjepost, pr. transaktion eller pr. dag. En klar struktur holder modellen konsistent.
3. Identificér dimensionerne: Angiv den beskrivende kontekst, der er nødvendig for at opdele fakta, såsom produkt, kunde, forhandler, filial og dato. Hver enkelt bliver til en dimensionstabel med attributter.
4. Identificér fakta: Bestem de numeriske målinger, som virksomheden ønsker at track, såsom solgte enheder, omsætning eller omkostninger, og placer dem i den centrale faktatabel.
5. Byg stjernen: Forbind faktatabellen til hver dimension via fremmednøgler, keeping Dimensionerne denormaliseres, så diagrammet danner en enkelt central faktatabel omgivet af dets dimensioner.

Når stjernen er bygget, skal du tilføje en surrogatnøgle til hver dimension, sørge for, at hver faktatabel har en tilknyttet datodimension, og bekræfte, at alle fakta er på samme korn. Det er også god praksis at indlæse atomare data på laveste niveau først, da oversigtstabeller altid kan udledes senere. Ved at følge disse regler holdes skemaet optimeret til høj ydeevne og enkelhed. datalager rapportering.

Karakteristika for stjerneskema

• Hver dimension i et stjerneskema er kun repræsenteret af én dimensionstabel.
• Hver dimensionstabel indeholder sit eget sæt af attributter.
• Dimensionstabellen er forbundet med faktatabellen ved hjælp af en fremmednøgle.
• Dimensionstabellerne er ikke forbundet med hinanden.
• Faktatabellen indeholder nøgler og målinger.
• Stjerneskemaet er let at forstå og giver optimal diskudnyttelse.
• Dimensionstabellerne er ikke normaliserede. For eksempel har Country_ID i eksemplet ovenfor ikke en separat landeopslagstabel på samme måde som en OLTP designet ville.
• Skemaet understøttes bredt af BI-værktøjer.

Fordele ved Star Schema

Stjerneskemaet tilbyder adskillige fordele, der gør det til et populært udgangspunkt for data warehouse-design:

• Stjerneskemaer bruger enklere join-logik end andre skemaer, når de henter data fra stærkt normaliserede transaktionskilder.
• Stjerneskemaet forenkler almindelig forretningsrapporteringslogik, såsom periode-over-periode- og pr. periode-rapportering.
• Stjerneskemaer bruges i vid udstrækning af OLAP-systemer til at bygge kuber effektivt, og et stjerneskema kan fungere som en kilde uden at designe en kubestruktur i de fleste større OLAP-systemer.
• Ved at aktivere specifik ydeevnejustering, der kan anvendes på forespørgsler, kan forespørgselsprocessoren tilbyde bedre udførelsesplaner.

Ulemper ved stjerneskema

• Da skemaet er stærkt denormaliseret, håndhæves dataintegriteten ikke kraftigt.
• Den er ikke fleksibel med hensyn til avancerede analytiske behov.
• Stjerneskemaer forstærker ikke mange-til-mange-relationer mellem forretningsenheder.

Hvornår skal man bruge et stjerneskema

Et stjerneskema er det rigtige valg, når hurtig og forudsigelig forespørgselsydelse er vigtigere end at spare lagerplads. Fordi modellen holder sine dimensionstabeller denormaliserede og antallet af joins lavt, er den velegnet til analytiske arbejdsbelastninger, hvor forretningsbrugere gentagne gange kører lignende rapporter, dashboards og aggregeringer over store mængder historiske data.

Typiske situationer, hvor et stjerneskema er en god match, inkluderer:

• Datamarkeder: afdelingsleder data marts med enkle, letforståelige relationer drager fordel af den læsbare struktur.
• BI-dashboards: Forretningsinformation Værktøjer kortlægges tydeligt på stjerneskemaer, så rapporter og visualiseringer er hurtige at opbygge.
• OLAP-kuber: Stjerneskemaer er en naturlig kilde til OLAP-kuber, aggregering og slice-and-dice-analyse.

Hvis prioriteten i stedet skifter mod minimal lagring, streng dataintegritet eller dybe, skiftende hierarkier, kan et snefnugskema eller et mere normaliseret design være bedre. Mange teams kombinerer endda de to, startende med et stjerneskema og normaliserer kun de dimensioner, der reelt kræver det.

Ofte Stillede Spørgsmål