Snowflake schema
Konzept
Ein Snowflake-Schema ist ein dimensionales Datenmodell, in dem Dimensionstabellen in weitere verwandte Tabellen normalisiert werden (zum Beispiel Produktkategorie und Unterkategorie), anstatt wie in einem Star-Schema direkt mit der Faktentabelle verbunden zu sein.
Oft gemeinsam besprochen
In Folgen zu Snowflake schema geht es oft auch um Sternschema, DAX und Power Query.
Beschreibung
Ein Snowflake-Schema ist ein dimensionales Datenmodell, in dem Dimensionstabellen in weitere verwandte Tabellen normalisiert werden. Anstatt dass jede Dimension als einzelne flache Tabelle direkt mit der Faktentabelle verbunden ist, wie in einem Star-Schema, wird eine Dimension in mehrere miteinander verknüpfte Tabellen aufgeteilt. Ein typisches Beispiel ist eine Produktdimension, die in Tabellen für Produkt, Produktkategorie und Unterkategorie getrennt wird, wobei die Tabellen in einer Kette miteinander verbunden sind. Der Name leitet sich von der verzweigten Form ab, die entsteht, wenn diese normalisierten Dimensionen um eine zentrale Faktentabelle herum dargestellt werden.
Das Modell wird in Analytik und Business Intelligence eingesetzt, wo Daten in Faktentabellen, die messbare Ereignisse enthalten, und Dimensionstabellen, die den Kontext dieser Ereignisse beschreiben, organisiert werden. Die Snowflake-Variante wendet die Normalisierung auf die Dimensionsseite an. Laut den M365.FM-Episoden ist genau diese Normalisierung das, was sie vom Star-Schema unterscheidet, bei dem die Faktentabelle direkt mit jeder Dimensionstabelle verknüpft ist und die Dimensionstabellen denormalisiert sind.
Der zentrale Zielkonflikt, der in den Episoden behandelt wird, liegt zwischen der Einfachheit von Abfragen einerseits und den Vorteilen bei Speicherbedarf oder Governance andererseits. Die Episode "Build a Power BI Star Schema for Faster Reports" vergleicht beide Designs und stellt fest, dass ein Star-Schema eine schnellere Abfrageleistung bietet, weil weniger Joins erforderlich sind, während ein Snowflake-Schema aufgrund der zusätzlichen Joins langsamer ist. Der gleiche Vergleich besagt, dass DAX-Berechnungen in einem Star-Schema vereinfacht und in einem Snowflake-Schema komplexer sind und dass die Reaktionsfähigkeit von Berichten durch den Performance-Mehraufwand der zusätzlichen Joins sinken kann. In diesem Vergleich wird das Star-Schema als die Wahl für intuitive und reaktionsschnelle Power BI-Dashboards dargestellt.
Die Episode "Optimize Microsoft Fabric Lakehouse Performance" rahmt die Entscheidung im Hinblick auf Geschwindigkeit, Speicher und Feinabstimmung für Lakehouse- und Warehouse-Workloads ein. Sie beschreibt das Star-Schema als zentrale Faktentabelle mit denormalisierten Dimensionstabellen, optimiert für Geschwindigkeit und geeignet für BI-Dashboards, Berichtsabfragen und leseintensive Workloads. Das Snowflake-Schema wird als Modell mit normalisierten Dimensionstabellen beschrieben, das wegen der Joins zu komplexeren Abfragen führt. Die Episode nennt große Datenmengen, Speicheroptimierung und Data Governance als Situationen, in denen ein Snowflake-Schema besser passt, und weist gleichzeitig darauf hin, dass es Abfragen verlangsamen kann.
Die Episode "From Raw Data to Real Business Impact: Mastering Power BI and Microsoft Fabric with Thummalacherla Krishnakanth" ordnet den Vergleich in eine umfassendere Sicht auf Unternehmensberichterstattung ein. Das Gespräch behandelt Star-Schema versus Snowflake-Schema zusammen mit Fakten- und Dimensionstabellen, Power Query-Transformationen, Datenqualität, Beziehungsdesign, Filterrichtung bei Querfiltern und skalierbaren semantischen Modellen. Die Episode besagt, dass ein gut gestaltetes Datenmodell die Leistung verbessert, die DAX-Entwicklung vereinfacht und Berichte mit wachsender Organisation wartbar hält. Genau in diesem Kontext fällt die Entscheidung zwischen Snowflake- und Star-Schema.
In der Praxis hängt die Wahl zwischen beiden Designs von den Prioritäten ab. Wenn schnelle, einfache Abfragen und unkomplizierte DAX-Measures am wichtigsten sind, wie bei leseintensivem Power BI-Reporting, verweisen die Episoden auf ein Star-Schema. Wenn die Reduzierung von Redundanz in großen Dimensionen, die Einsparung von Speicherplatz oder die Unterstützung von Governance wichtiger ist, kann ein Snowflake-Schema gerechtfertigt sein, wobei die zusätzlichen Joins und komplexeren Abfragen in Kauf genommen werden. Die verfügbaren Fakten gehen über diese Vergleiche nicht hinaus, sodass konkrete Werkzeugschritte zum Aufbau eines Snowflake-Schemas hier nicht behandelt werden.
Überblick, mit KI aus M365.FM-Folgen und den Fakten dieser Seite zusammengestellt. Du kannst ihn unten über „Bearbeiten“ verbessern.
| Typ | Konzept |
|---|---|
| Wikipedia | Snowflake schema – Wikipedia en.wikipedia.org |
Häufige Fragen
Mit KI markierte Fragen wurden mit KI aus den Fakten dieser Seite geschrieben.
Worin unterscheidet sich ein Snowflake-Schema von einem Star-Schema? (KI)
In einem Star-Schema ist die Faktentabelle direkt mit denormalisierten Dimensionstabellen verbunden, während in einem Snowflake-Schema die Dimensionstabellen in weitere verwandte Tabellen normalisiert sind, etwa Produktkategorie und Unterkategorie.
Ist ein Snowflake-Schema in Power BI langsamer als ein Star-Schema? (KI)
Laut der M365.FM-Episode "Build a Power BI Star Schema for Faster Reports" ist ein Snowflake-Schema langsamer, weil zusätzliche Joins nötig sind, und es kann DAX-Berechnungen komplexer machen und die Reaktionsfähigkeit von Berichten verringern.
Wann ist ein Snowflake-Schema eine sinnvolle Wahl? (KI)
Die Episode "Optimize Microsoft Fabric Lakehouse Performance" nennt große Datenmengen, Speicheroptimierung und Data Governance als die Fälle, in denen ein Snowflake-Schema trotz des zusätzlichen Join-Aufwands am besten geeignet ist.
Community-Wiki
Oben die Kurzinfo, unten das Wissen der Community: ergänze praktische Tipps, Beispiele oder Korrekturen. Neue Beiträge werden zuerst geprüft, bewährte Mitglieder veröffentlichen direkt.
Experten und Firmen zu diesem Thema
Dieses Thema hat noch niemand im Profil angegeben. Trag es in deinem Profil ein.
Quellen
- Snowflake schema – Wikipedia en.wikipedia.org
Gepflegt von Mirko Peters (Microsoft MVP) · Zuletzt aktualisiert: