Snowflake schema
Concepto
Un esquema en copo de nieve es un modelo de datos dimensional en el que las tablas de dimensiones se normalizan en tablas relacionadas adicionales (por ejemplo, categoría y subcategoría de producto) en lugar de conectarse directamente a la tabla de hechos como en un esquema en estrella.
Temas que suelen tratarse juntos
Los episodios sobre Snowflake schema suelen tratar también Esquema de estrella, DAX y Power Query.
Descripción
Un esquema en copo de nieve es un modelo de datos dimensional en el que las tablas de dimensiones se normalizan en tablas relacionadas adicionales. En lugar de que cada dimensión se conecte directamente a la tabla de hechos como una única tabla plana, como ocurre en un esquema en estrella, una dimensión se divide en varias tablas enlazadas. Un ejemplo típico es una dimensión de producto que se separa en tablas de producto, categoría de producto y subcategoría, unidas entre sí en cadena. El nombre procede de la forma ramificada que resulta al dibujar estas dimensiones normalizadas alrededor de una tabla de hechos central.
El modelo se utiliza en análisis y en inteligencia de negocio, donde los datos se organizan en tablas de hechos, que contienen eventos medibles, y tablas de dimensiones, que describen el contexto de esos eventos. La variante en copo de nieve aplica la normalización en el lado de las dimensiones. Según los episodios de M365.FM, esta normalización es lo que lo diferencia del esquema en estrella, en el que la tabla de hechos se vincula directamente con cada tabla de dimensiones y estas están desnormalizadas.
La principal compensación que se analiza en los episodios es la que existe entre la simplicidad de las consultas y los beneficios en almacenamiento o gobernanza. El episodio "Build a Power BI Star Schema for Faster Reports" compara ambos diseños y afirma que un esquema en estrella ofrece un rendimiento de consulta más rápido porque requiere menos uniones, mientras que un esquema en copo de nieve es más lento debido a las uniones adicionales. La misma comparación indica que los cálculos DAX se simplifican en un esquema en estrella y son más complejos en un esquema en copo de nieve, y que la capacidad de respuesta de los informes puede reducirse por la sobrecarga de rendimiento de las uniones extra. En esa comparación, el esquema en estrella se presenta como la opción para paneles de Power BI intuitivos y ágiles.
El episodio "Optimize Microsoft Fabric Lakehouse Performance" enmarca la elección en términos de velocidad, almacenamiento y ajuste para cargas de trabajo de lakehouse y warehouse. Describe el esquema en estrella como una tabla de hechos central con tablas de dimensiones desnormalizadas, optimizado para la velocidad y adecuado para paneles de BI, consultas de informes y cargas de trabajo intensivas en lectura. El esquema en copo de nieve se describe con tablas de dimensiones normalizadas que dan lugar a consultas más complejas por las uniones. El episodio enumera los grandes volúmenes de datos, la optimización del almacenamiento y la gobernanza de datos como las situaciones en las que un esquema en copo de nieve encaja mejor, señalando al mismo tiempo que puede ralentizar las consultas.
El episodio "From Raw Data to Real Business Impact: Mastering Power BI and Microsoft Fabric with Thummalacherla Krishnakanth" sitúa la comparación dentro de una visión más amplia de los informes empresariales. La conversación aborda el esquema en estrella frente al esquema en copo de nieve junto con las tablas de hechos y de dimensiones, las transformaciones de Power Query, la calidad de los datos, el diseño de relaciones, la dirección del filtrado cruzado y los modelos semánticos escalables. El episodio afirma que un modelo de datos bien diseñado mejora el rendimiento, simplifica el desarrollo de DAX y mantiene los informes fáciles de mantener a medida que crecen las organizaciones, que es el contexto en el que se toma la decisión entre copo de nieve y estrella.
En la práctica, la elección entre ambos diseños depende de las prioridades. Cuando importan sobre todo las consultas rápidas y sencillas y las medidas DAX directas, como en los informes de Power BI intensivos en lectura, los episodios apuntan hacia un esquema en estrella. Cuando tienen más peso la reducción de la redundancia en dimensiones grandes, el ahorro de almacenamiento o el respaldo a la gobernanza, un esquema en copo de nieve puede estar justificado, aceptando las uniones adicionales y las consultas más complejas que conlleva. Los datos disponibles no van más allá de estas comparaciones, por lo que aquí no se tratan los pasos concretos de herramientas para construir un esquema en copo de nieve.
Resumen generado con IA a partir de los episodios de M365.FM y los datos de esta página. Puedes mejorarlo con el botón de edición de abajo.
| Tipo | Concepto |
|---|---|
| Wikipedia | Snowflake schema – Wikipedia en.wikipedia.org |
Preguntas frecuentes
Las preguntas marcadas con IA se escribieron con IA a partir de los datos de esta página.
¿Cuál es la diferencia entre un esquema en copo de nieve y un esquema en estrella? (IA)
En un esquema en estrella, la tabla de hechos se vincula directamente con tablas de dimensiones desnormalizadas, mientras que en un esquema en copo de nieve las tablas de dimensiones se normalizan en tablas relacionadas adicionales, como categoría y subcategoría de producto.
¿Es un esquema en copo de nieve más lento que un esquema en estrella en Power BI? (IA)
Según el episodio de M365.FM "Build a Power BI Star Schema for Faster Reports", un esquema en copo de nieve es más lento porque requiere uniones adicionales, y puede hacer que los cálculos DAX sean más complejos y reducir la capacidad de respuesta de los informes.
¿Cuándo es razonable elegir un esquema en copo de nieve? (IA)
El episodio "Optimize Microsoft Fabric Lakehouse Performance" enumera los grandes volúmenes de datos, la optimización del almacenamiento y la gobernanza de datos como los casos en los que un esquema en copo de nieve resulta más adecuado, a pesar de la complejidad adicional de las uniones.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Expertos y empresas para este tema
Nadie ha indicado aún este tema. Añádelo a tu perfil.
Fuentes
- Snowflake schema – Wikipedia en.wikipedia.org
Mantenido por Mirko Peters (Microsoft MVP) · Última actualización: