Snowflake Schema i Data Warehouse Model

Vad är ett Snowflake Schema?

A Snöflingaschema i ett datalager är en logisk uppställning av tabeller i en flerdimensionell databas vars ER-diagram (entitetsrelationsdiagram) liknar formen av en snöflinga. Det är en dimensionell modell där en central faktatabell länkar till dimensionstabeller, och dessa dimensionstabeller är vidare indelade i relaterade underdimensionstabeller.

Snöflingeschemat är en utvidgning av stjärnschemat. Medan ett stjärnschema håller varje dimension i en enda platt tabell, normaliserar snöflingeschemat dessa dimensioner och delar upp upprepade datagrupper i ytterligare uppslagstabeller. Denna normalisering tar bort redundans och skapar den förgrenande, hierarkiska struktur som ger schemat dess namn.

Exempel på snöflingaschema

I följande exempel på snöflingeschemat sitter en försäljningsfaktatabell i mitten, omgiven av dimensioner som Produkt, Datum och Butik. Istället för att lagra varje attribut i en dimensionstabell normaliseras den geografiska informationen så att Land flyttas till en egen separat tabell.

Här refererar dimensionen Store till en tabell över stad, tabellen över stad refererar till en tabell över delstater och tabellen över delstater till en tabell över land. Varje värde lagras endast en gång och länkas av en främmande nyckel, så ett landsnamn upprepas aldrig över miljontals rader. Denna lagerbaserade normalisering är det som skiljer ett snöflingeschema från ett platt stjärnschema.

Egenskaper för Snowflake Schema

Snöflingeschemat har flera definierande egenskaper:

• Den använder mindre diskutrymme, eftersom normaliserade dimensionstabeller undviker att lagra upprepade värden.
• Nya dimensioner kan läggas till i schemat med relativt liten ansträngning.
• Frågeprestanda kan försämras eftersom hämtning av data kräver att många tabeller kopplas samman.
• Det kräver mer underhållsinsatser, eftersom ett större antal uppslagstabeller måste hanteras.

Hur man utformar ett snöflingeschema

Att utforma ett snöflingeschema börjar på samma sätt som vilken dimensionell modell som helst och lägger sedan till ett normaliseringssteg. Målet är att identifiera den affärsprocess du vill analysera, modellera den först som ett stjärnschema och sedan normalisera de dimensioner som innehåller djupa hierarkier. Arbeta dig igenom följande steg:

1. Identifiera affärsprocessen och spannmålen. Bestäm vad en enskild rad i faktatabellen representerar, till exempel en försäljningstransaktion, och definiera de numeriska mått, eller fakta, som du behöver rapportera om.
2. Bygg den centrala faktatabellen. Lägg till de numeriska måtten tillsammans med de främmande nycklar som pekar på varje dimension; tillsammans bildar dessa främmande nycklar vanligtvis den sammansatta primärnyckeln.
3. Definiera dimensionstabellerna. Skapa en tabell för varje beskrivande dimension, till exempel Produkt, Kund, Datum och Butik, och tilldela varje dimension en surrogatprimärnyckel.
4. Normalisera hierarkierna. Dela upp varje dimension som innehåller upprepade attribut i underdimensionstabeller, till exempel flytta kategori från produkt, eller stad, delstat och land från en butiksdimension.
5. Koppla ihop tabellerna med främmande nycklar. Länka varje underdimension tillbaka till dess överordnade tabell så att grenarna bildar tydliga en-till-många-hierarkier som liknar en snöflinga.
6. Validera och testa med frågor. Kör representativa rapporteringsfrågor för att bekräfta att kopplingarna returnerar korrekta resultat och att den totala prestandan förblir acceptabel.

Eftersom designen normaliserar data mot tredje normalform, dokumentera kopplingsvägarna tydligt så att analytiker förstår hur man navigerar i varje gren. Med strukturen definierad är det värt att väga schemats fördelar mot dess kostnader.

Fördelar med snöflingeschema

Snöflingeschemat erbjuder ett antal fördelar:

• Dess främsta fördel är minskad disklagring, eftersom sammankoppling av mindre normaliserade uppslagstabeller undviker duplicerade dimensionsdata.
• Det ger större skalbarhet i relationerna mellan komponenter och dimensionsnivåer.
• Det tar bort redundans, vilket förbättrar dataintegriteten och gör modellen enklare att underhålla.
• Ett beskrivande attribut uppdateras endast på ett ställe, vilket minskar risken för inkonsekventa data.

Nackdelar med snöflingeschema

Designen har också avvägningar att ta hänsyn till:

• Den normaliserade strukturen ökar det underhåll som krävs för att hantera många relaterade tabeller.
• Komplexa frågor som sträcker sig över flera kopplingar kan vara svåra att skriva och förstå.
• Ett större antal tabeller innebär fler kopplingar, vilket förlänger körningstiden för frågor.
• Affärsanvändare tycker ofta att förgreningsmodellen är svårare att navigera än ett enkelt stjärnschema.

Snöflingeschema vs. stjärnschema

Snöflingeschemat och stjärnschema är de två vanligaste flerdimensionella designerna inom datalager, och den viktigaste skillnaden mellan dem är normalisering. Ett stjärnschema håller varje dimension i en enda platt, denormaliserad tabell för maximal frågehastighet, medan ett snöflingeschema normaliserar dessa dimensioner till flera relaterade tabeller för att spara lagring och skydda dataintegriteten. På grund av detta passar de två scheman olika prioriteringar.

Aspect	Stjärnskema	Snöflingaschema
Måtttabeller	Avnormaliserad, en tabell per dimension	Normaliserad till underdimensionstabeller
lagring	Använder mer utrymme på grund av redundans	Använder mindre utrymme, ingen redundans
Frågeprestanda	Snabbare, färre anslutningar	Långsammare, fler anslutningar
Frågekomplexitet	Enkelt att skriva	Mer komplex
Bäst lämpad för	Snabb rapportering och BI	Stora, hierarkiska dimensioner

Kort sagt, välj ett stjärnschema när frågehastighet och enkel rapportering är viktigast, och välj ett snöflingeschema när lagringseffektivitet, rena hierarkier och låg dataredundans är prioriterat. Många riktiga lager kombinerar båda mönstren beroende på storleken och djupet för varje dimension.

När man ska använda ett snöflingeschema

Ett snöflingeschema är inte alltid rätt val, så det är bra att matcha designen med arbetsbelastningen och rapporteringsbehoven. Det brukar fungera bäst i följande situationer:

• Dimensioner är mycket stora och innehåller många upprepade attribut som slösar lagringsutrymme när de avnormaliseras.
• Dimensioner har djupa, väldefinierade hierarkier, till exempel Region till Land till Delstat till Stad, som mappas naturligt till separata tabeller.
• Dataintegritet och konsekvens är viktigare för projektet än hastigheten på råa frågor.
• Lagringskostnader är ett verkligt problem och diskbesparingarna över tabeller med stora dimensioner är betydande.
• Modellflödena OLAP verktyg som effektivt kan navigera i normaliserade hierarkier.

Omvänt, när snabb och enkel rapportering för affärsanalytiker är prioriterad, är ett stjärnschema eller en hybrid stjärnklusterdesign vanligtvis den bästa lösningen. datalagerarkitekturer medvetet blanda båda metoderna för att balansera hastighet och lagring.

Vad är ett Galaxy Schema?

A Galaxy Schema innehåller två eller flera faktatabeller som delar dimensionstabeller mellan sig. Det kallas också ett faktakonstellationsschema, och eftersom det kan ses som en samling stjärnor får det namnet galaxschema.

Som du kan se i exemplet ovan finns det två faktatabeller:

1. Intäkter
2. Produkter

I ett galaxschema kallas de dimensioner som delas mellan faktatabellerna för konformade dimensioner.

Egenskaper för Galaxy Schema

Galaxschemat har följande egenskaper:

• Dimensionerna är uppdelade i distinkta dimensioner baserat på de olika nivåerna i hierarkin.
• Om till exempel geografi har fyra hierarkinivåer – region, land, delstat och stad – bör galaxschemat ha fyra dimensioner.
• Det är möjligt att bygga den här typen av schema genom att dela upp ett enskilt stjärnschema i fler stjärnscheman.
• Dimensionerna i detta schema är stora och måste byggas enligt hierarkinens nivåer.
• Schemat är användbart för att aggregera faktatabeller för att stödja bättre analys och förståelse.

Vad är Star Cluster Schema?

Ett snöflingeschema innehåller helt expanderade hierarkier, vilket kan öka komplexiteten och kräva extra kopplingar. Ett stjärnschema, å andra sidan, innehåller helt hopfällda hierarkier, vilket kan leda till redundans. Den bästa lösningen är ofta en balans mellan dessa två designer, så kallad stjärnschema. Cluster Schema.

överlappningping Dimensioner visas som gafflar i hierarkierna. En gaffel inträffar när en entitet fungerar som förälder i två olika dimensionella hierarkier. Dessa gaffelentiteter identifieras sedan som klassificeringar med en-till-många-relationer, vilket begränsar antalet extra tabeller som designen skapar.

Vanliga frågor