M365Con 2027 – conferenza online gratuita · 11–22 Jan 2027 · 120 sessions m365con.net

Snowflake schema

Concetto

Uno schema a fiocco di neve è un modello di dati dimensionale in cui le tabelle delle dimensioni sono normalizzate in ulteriori tabelle correlate (ad esempio categoria e sottocategoria di prodotto), invece di collegarsi direttamente alla tabella dei fatti come avviene in uno schema a stella.

✦ CONCETTOSnowflake schemaM365.FM
Grafica del titolo: schema a fiocco di neve (Concetto)

Spesso trattati insieme

Gli episodi su Snowflake schema parlano spesso anche di Schema a stella, DAX e Power Query.

Descrizione

Uno schema a fiocco di neve è un modello di dati dimensionale in cui le tabelle delle dimensioni sono normalizzate in ulteriori tabelle correlate. Invece di collegare ogni dimensione direttamente alla tabella dei fatti come un'unica tabella piatta, come nello schema a stella, una dimensione viene suddivisa in diverse tabelle collegate tra loro. Un esempio tipico è una dimensione prodotto separata in tabelle di prodotto, categoria di prodotto e sottocategoria, unite a catena l'una con l'altra. Il nome deriva dalla forma ramificata che risulta quando queste dimensioni normalizzate vengono disegnate attorno a una tabella dei fatti centrale.

Il modello viene utilizzato nell'analisi dei dati e nella business intelligence, dove i dati sono organizzati in tabelle dei fatti, che contengono gli eventi misurabili, e tabelle delle dimensioni, che descrivono il contesto di tali eventi. La variante a fiocco di neve applica la normalizzazione al lato delle dimensioni. Secondo gli episodi di M365.FM, è questa normalizzazione a distinguerlo dallo schema a stella, in cui la tabella dei fatti si collega direttamente a ciascuna tabella delle dimensioni e le tabelle delle dimensioni sono denormalizzate.

Il principale compromesso discusso negli episodi riguarda la semplicità delle query rispetto ai vantaggi in termini di archiviazione o governance. L'episodio "Build a Power BI Star Schema for Faster Reports" confronta i due modelli e afferma che uno schema a stella offre prestazioni di query più rapide perché richiede meno join, mentre uno schema a fiocco di neve è più lento a causa dei join aggiuntivi. Lo stesso confronto precisa che i calcoli DAX sono semplificati in uno schema a stella e più complessi in uno schema a fiocco di neve, e che la reattività dei report può ridursi a causa del sovraccarico prestazionale dei join supplementari. In tale confronto, lo schema a stella è presentato come la scelta per dashboard di Power BI intuitivi e reattivi.

L'episodio "Optimize Microsoft Fabric Lakehouse Performance" inquadra la scelta in termini di velocità, archiviazione e ottimizzazione per i carichi di lavoro di lakehouse e warehouse. Descrive lo schema a stella come una tabella dei fatti centrale con tabelle delle dimensioni denormalizzate, ottimizzato per la velocità e adatto a dashboard di BI, query di reporting e carichi di lavoro orientati alla lettura. Lo schema a fiocco di neve è descritto come dotato di tabelle delle dimensioni normalizzate che portano a query più complesse a causa dei join. L'episodio elenca grandi volumi di dati, ottimizzazione dello storage e governance dei dati come le situazioni in cui uno schema a fiocco di neve è la soluzione più adatta, pur notando che può rallentare le query.

L'episodio "From Raw Data to Real Business Impact: Mastering Power BI and Microsoft Fabric with Thummalacherla Krishnakanth" colloca il confronto in una visione più ampia del reporting aziendale. La conversazione tratta lo schema a stella rispetto allo schema a fiocco di neve insieme a tabelle dei fatti e delle dimensioni, trasformazioni con Power Query, qualità dei dati, progettazione delle relazioni, direzione del filtro incrociato e modelli semantici scalabili. L'episodio afferma che un modello di dati ben progettato migliora le prestazioni, semplifica lo sviluppo DAX e mantiene i report gestibili man mano che le organizzazioni crescono, ed è questo il contesto in cui viene presa la decisione tra fiocco di neve e stella.

Nella pratica, la scelta tra i due modelli dipende dalle priorità. Quando contano soprattutto query veloci e semplici e misure DAX lineari, come nel reporting di Power BI orientato alla lettura, gli episodi indicano uno schema a stella. Quando invece prevalgono la riduzione della ridondanza in dimensioni di grandi dimensioni, il risparmio di storage o il supporto alla governance, uno schema a fiocco di neve può essere giustificato, accettando i join aggiuntivi e le query più complesse che comporta. I fatti disponibili non vanno oltre questi confronti, quindi non vengono trattati qui i passaggi specifici degli strumenti per costruire uno schema a fiocco di neve.

Panoramica compilata con l'AI dagli episodi di M365.FM e dai dati di questa pagina. Puoi migliorarla con il pulsante di modifica qui sotto.

TipoConcetto
WikipediaSnowflake schema – Wikipedia en.wikipedia.org

Domande frequenti

Le domande contrassegnate con AI sono state scritte con l'AI a partire dai fatti riportati in questa pagina.

Qual è la differenza tra uno schema a fiocco di neve e uno schema a stella? (AI)

In uno schema a stella la tabella dei fatti si collega direttamente a tabelle delle dimensioni denormalizzate, mentre in uno schema a fiocco di neve le tabelle delle dimensioni sono normalizzate in ulteriori tabelle correlate, come categoria e sottocategoria di prodotto.

Uno schema a fiocco di neve è più lento di uno schema a stella in Power BI? (AI)

Secondo l'episodio di M365.FM "Build a Power BI Star Schema for Faster Reports", uno schema a fiocco di neve è più lento perché richiede join aggiuntivi, può rendere più complessi i calcoli DAX e ridurre la reattività dei report.

Quando uno schema a fiocco di neve è una scelta ragionevole? (AI)

L'episodio "Optimize Microsoft Fabric Lakehouse Performance" elenca grandi volumi di dati, ottimizzazione dello storage e governance dei dati come i casi in cui uno schema a fiocco di neve è la soluzione più adatta, nonostante la maggiore complessità dei join.

Glossario

Community wiki

Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.

Esperti e aziende per questo argomento

Nessuno ha ancora indicato questo argomento. Aggiungilo al tuo profilo.

Fonti

Mantenuto da Mirko Peters (Microsoft MVP) · Ultimo aggiornamento: