Snowflake schema
Concept
Un schéma en flocon est un modèle de données dimensionnel dans lequel les tables de dimension sont normalisées en tables supplémentaires liées (par exemple catégorie de produit et sous-catégorie) au lieu de se connecter directement à la table de faits comme dans un schéma en étoile.
Souvent abordés ensemble
Les épisodes consacrés à Snowflake schema abordent souvent aussi Schéma en étoile, DAX et Power Query.
Description
Un schéma en flocon est un modèle de données dimensionnel dans lequel les tables de dimension sont normalisées en tables supplémentaires liées. Au lieu de connecter chaque dimension directement à la table de faits sous la forme d'une table plate unique, comme dans un schéma en étoile, une dimension est divisée en plusieurs tables liées. Un exemple typique est une dimension produit séparée en tables produit, catégorie de produit et sous-catégorie, ces tables étant reliées les unes aux autres en chaîne. Le nom provient de la forme ramifiée obtenue lorsque ces dimensions normalisées sont dessinées autour d'une table de faits centrale.
Ce modèle est utilisé en analyse et en business intelligence, où les données sont organisées en tables de faits, qui contiennent les événements mesurables, et en tables de dimension, qui décrivent le contexte de ces événements. La variante en flocon applique la normalisation au côté des dimensions. Selon les épisodes de M365.FM, c'est cette normalisation qui le distingue du schéma en étoile, dans lequel la table de faits est directement liée à chaque table de dimension et où les tables de dimension sont dénormalisées.
Le principal compromis abordé dans les épisodes porte sur la simplicité des requêtes d'une part, et les avantages en matière de stockage ou de gouvernance d'autre part. L'épisode « Build a Power BI Star Schema for Faster Reports » compare les deux conceptions et indique qu'un schéma en étoile offre des performances de requête plus rapides parce qu'il nécessite moins de jointures, alors qu'un schéma en flocon est plus lent en raison des jointures supplémentaires. Cette même comparaison précise que les calculs DAX sont simplifiés dans un schéma en étoile et plus complexes dans un schéma en flocon, et que la réactivité des rapports peut être réduite par la surcharge de performance liée aux jointures supplémentaires. Dans cette comparaison, le schéma en étoile est présenté comme le choix pour des tableaux de bord Power BI intuitifs et réactifs.
L'épisode « Optimize Microsoft Fabric Lakehouse Performance » présente ce choix en termes de vitesse, de stockage et de réglage pour les charges de travail des lakehouses et des entrepôts. Il décrit le schéma en étoile comme une table de faits centrale entourée de tables de dimension dénormalisées, optimisé pour la vitesse et adapté aux tableaux de bord BI, aux requêtes de reporting et aux charges de travail à forte proportion de lectures. Le schéma en flocon est décrit comme ayant des tables de dimension normalisées qui conduisent à des requêtes plus complexes en raison des jointures. L'épisode cite les grands volumes de données, l'optimisation du stockage et la gouvernance des données comme les situations où un schéma en flocon convient le mieux, tout en notant qu'il peut ralentir les requêtes.
L'épisode « From Raw Data to Real Business Impact: Mastering Power BI and Microsoft Fabric with Thummalacherla Krishnakanth » replace la comparaison dans une vision plus large du reporting d'entreprise. L'échange aborde le schéma en étoile face au schéma en flocon, ainsi que les tables de faits et de dimension, les transformations Power Query, la qualité des données, la conception des relations, la direction du filtrage croisé et les modèles sémantiques évolutifs. L'épisode indique qu'un modèle de données bien conçu améliore les performances, simplifie le développement DAX et maintient les rapports faciles à gérer à mesure que les organisations grandissent, ce qui constitue le contexte dans lequel la décision entre flocon et étoile est prise.
En pratique, le choix entre les deux conceptions dépend des priorités. Lorsque des requêtes rapides et simples ainsi que des mesures DAX directes comptent le plus, comme dans le reporting Power BI à forte proportion de lectures, les épisodes orientent vers un schéma en étoile. Lorsque la réduction de la redondance dans de grandes dimensions, l'économie de stockage ou le soutien à la gouvernance sont plus importants, un schéma en flocon peut se justifier, en acceptant les jointures supplémentaires et les requêtes plus complexes qui l'accompagnent. Les éléments disponibles ne vont pas au-delà de ces comparaisons ; les étapes d'outillage spécifiques à la construction d'un schéma en flocon ne sont donc pas couvertes ici.
Aperçu compilé avec l'IA à partir des épisodes M365.FM et des informations de cette page. Tu peux l'améliorer avec le bouton de modification ci-dessous.
| Type | Concept |
|---|---|
| Wikipédia | Snowflake schema – Wikipedia en.wikipedia.org |
Questions fréquentes
Les questions marquées IA ont été rédigées avec l'IA à partir des informations de cette page.
Quelle est la différence entre un schéma en flocon et un schéma en étoile ? (IA)
Dans un schéma en étoile, la table de faits est directement liée à des tables de dimension dénormalisées, alors que dans un schéma en flocon, les tables de dimension sont normalisées en tables liées supplémentaires, comme la catégorie de produit et la sous-catégorie.
Un schéma en flocon est-il plus lent qu'un schéma en étoile dans Power BI ? (IA)
Selon l'épisode « Build a Power BI Star Schema for Faster Reports » de M365.FM, un schéma en flocon est plus lent parce que des jointures supplémentaires sont nécessaires ; il peut aussi rendre les calculs DAX plus complexes et réduire la réactivité des rapports.
Quand un schéma en flocon est-il un choix raisonnable ? (IA)
L'épisode « Optimize Microsoft Fabric Lakehouse Performance » cite les grands volumes de données, l'optimisation du stockage et la gouvernance des données comme les cas où un schéma en flocon convient le mieux, malgré la complexité supplémentaire des jointures.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Experts et entreprises pour ce sujet
Personne n'a encore indiqué ce sujet. Ajoutez-le à votre profil.
Sources
- Snowflake schema – Wikipedia en.wikipedia.org
Maintenu par Mirko Peters (Microsoft MVP) · Dernière mise à jour: