Snowflake schema
Concept
Schemat płatka śniegu to wymiarowy model danych, w którym tabele wymiarów są znormalizowane do dalszych powiązanych tabel (na przykład kategoria produktu i podkategoria) zamiast łączyć się bezpośrednio z tabelą faktów, jak w schemacie gwiazdy.
Często omawiane razem
W odcinkach na temat Snowflake schema często pojawiają się też: Schemat gwiazdy, DAX i Power Query.
Opis
Schemat płatka śniegu to wymiarowy model danych, w którym tabele wymiarów są znormalizowane do dalszych powiązanych tabel. Zamiast tego, że każdy wymiar łączy się bezpośrednio z tabelą faktów jako pojedyncza, płaska tabela, jak w schemacie gwiazdy, wymiar jest podzielony na kilka połączonych tabel. Typowym przykładem jest wymiar produktu rozdzielony na tabele produktu, kategorii produktu i podkategorii, połączone ze sobą w łańcuch. Nazwa pochodzi od rozgałęzionego kształtu, który powstaje, gdy te znormalizowane wymiary są rysowane wokół centralnej tabeli faktów.
Model ten jest stosowany w analityce i business intelligence, gdzie dane są organizowane w tabele faktów, przechowujące mierzalne zdarzenia, oraz tabele wymiarów, opisujące kontekst tych zdarzeń. Wariant płatka śniegu stosuje normalizację po stronie wymiarów. Według odcinków M365.FM to właśnie normalizacja odróżnia go od schematu gwiazdy, w którym tabela faktów łączy się bezpośrednio z każdą tabelą wymiaru, a tabele wymiarów są zdenormalizowane.
Główny kompromis omawiany w odcinkach dotyczy prostoty zapytań z jednej strony i korzyści w zakresie przechowywania danych lub zarządzania nimi z drugiej. Odcinek "Build a Power BI Star Schema for Faster Reports" porównuje oba projekty i stwierdza, że schemat gwiazdy zapewnia szybsze działanie zapytań, ponieważ wymaga mniejszej liczby złączeń, podczas gdy schemat płatka śniegu jest wolniejszy ze względu na dodatkowe złączenia. To samo porównanie wskazuje, że obliczenia DAX są w schemacie gwiazdy uproszczone, a w schemacie płatka śniegu bardziej złożone, oraz że responsywność raportów może być zmniejszona przez narzut wydajnościowy dodatkowych złączeń. W tym porównaniu schemat gwiazdy jest przedstawiany jako wybór dla intuicyjnych i responsywnych pulpitów Power BI.
Odcinek "Optimize Microsoft Fabric Lakehouse Performance" ujmuje wybór w kategoriach szybkości, przechowywania danych i dostrajania dla obciążeń lakehouse i warehouse. Opisuje schemat gwiazdy jako centralną tabelę faktów z zdenormalizowanymi tabelami wymiarów, zoptymalizowany pod kątem szybkości i odpowiedni dla pulpitów BI, zapytań raportowych i obciążeń o przewadze odczytu. Schemat płatka śniegu jest opisany jako posiadający znormalizowane tabele wymiarów, które prowadzą do bardziej złożonych zapytań z powodu złączeń. Odcinek wymienia duże zbiory danych, optymalizację przechowywania i zarządzanie danymi jako sytuacje, w których schemat płatka śniegu lepiej się sprawdza, zauważając jednocześnie, że może on spowalniać zapytania.
Odcinek "From Raw Data to Real Business Impact: Mastering Power BI and Microsoft Fabric with Thummalacherla Krishnakanth" umieszcza to porównanie w szerszym ujęciu raportowania w przedsiębiorstwach. Rozmowa obejmuje schemat gwiazdy kontra schemat płatka śniegu, a także tabele faktów i wymiarów, transformacje Power Query, jakość danych, projektowanie relacji, kierunek filtrowania krzyżowego oraz skalowalne modele semantyczne. Odcinek podkreśla, że dobrze zaprojektowany model danych poprawia wydajność, upraszcza tworzenie DAX i utrzymuje raporty w dobrej kondycji wraz z rozwojem organizacji, co stanowi kontekst, w którym podejmowana jest decyzja między płatkiem śniegu a gwiazdą.
W praktyce wybór między tymi dwoma projektami zależy od priorytetów. Gdy najważniejsze są szybkie, proste zapytania i przejrzyste miary DAX, na przykład w raportowaniu Power BI o przewadze odczytu, odcinki wskazują na schemat gwiazdy. Gdy ważniejsze jest ograniczenie redundancji w dużych wymiarach, oszczędność miejsca w przechowywaniu lub wsparcie dla zarządzania danymi, schemat płatka śniegu może być uzasadniony, przy akceptacji dodatkowych złączeń i bardziej złożonych zapytań, które się z nim wiążą. Dostępne fakty nie wykraczają poza te porównania, dlatego konkretne kroki narzędziowe służące budowie schematu płatka śniegu nie są tu omawiane.
Overview compiled with AI from M365.FM episodes and the facts on this page. You can improve it with the edit button below.
| Typ | Concept |
|---|---|
| Wikipedia | Snowflake schema – Wikipedia en.wikipedia.org |
Często zadawane pytania
Questions marked with AI were written with AI from the facts on this page.
Jaka jest różnica między schematem płatka śniegu a schematem gwiazdy? (AI)
W schemacie gwiazdy tabela faktów łączy się bezpośrednio ze zdenormalizowanymi tabelami wymiarów, natomiast w schemacie płatka śniegu tabele wymiarów są znormalizowane do dalszych powiązanych tabel, takich jak kategoria produktu i podkategoria.
Czy schemat płatka śniegu jest wolniejszy od schematu gwiazdy w Power BI? (AI)
Według odcinka M365.FM "Build a Power BI Star Schema for Faster Reports" schemat płatka śniegu jest wolniejszy, ponieważ wymaga dodatkowych złączeń, może sprawiać, że obliczenia DAX są bardziej złożone, i może zmniejszać responsywność raportów.
Kiedy schemat płatka śniegu jest rozsądnym wyborem? (AI)
Odcinek "Optimize Microsoft Fabric Lakehouse Performance" wymienia duże zbiory danych, optymalizację przechowywania i zarządzanie danymi jako przypadki, w których schemat płatka śniegu najlepiej się sprawdza, mimo dodatkowej złożoności złączeń.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Eksperci i firmy w tym temacie
Nikt jeszcze nie wskazał tego tematu. Dodaj go do swojego profilu.
Sources
- Snowflake schema – Wikipedia en.wikipedia.org
Maintained by Mirko Peters (Microsoft MVP) · Last updated: