Hispanopedia Wiki
Articulo de referencia

Esquema de estrella

En informática , el esquema de estrella o modelo de estrella es el estilo más simple de esquema de data mart y es el enfoque más utilizado para desarrollar almacenes de datos y ...

Hispanopedia WikiContenido en espanolLectura gratuita

En informática , el esquema de estrella o modelo de estrella es el estilo más simple de esquema de data mart y es el enfoque más utilizado para desarrollar almacenes de datos y data marts dimensionales. [ 1 ] El esquema de estrella consta de una o más tablas de hechos que hacen referencia a cualquier número de tablas de dimensiones . El esquema de estrella es un caso especial importante del esquema de copo de nieve y es más eficaz para manejar consultas más simples. [ 2 ]

El esquema de estrella recibe su nombre de la semejanza del modelo físico [ 3 ] con una forma de estrella con una tabla de hechos en su centro y las tablas de dimensiones que la rodean representan los puntos de la estrella.

Modelo

El esquema de estrella separa los datos de los procesos de negocio en hechos, que contienen información cuantitativa y cuantificable sobre la empresa, y dimensiones, que son atributos descriptivos relacionados con los hechos. Ejemplos de hechos incluyen el precio de venta, la cantidad vendida, el tiempo, la distancia, la velocidad y el peso. Ejemplos de atributos de dimensión relacionados incluyen modelos de producto, colores de producto, tamaños de producto, ubicaciones geográficas y nombres de vendedores.

Un esquema de estrella que tiene muchas dimensiones a veces se denomina esquema de ciempiés . [ 4 ] Tener dimensiones de solo unos pocos atributos, si bien es más sencillo de mantener, da como resultado consultas con muchas uniones de tablas y hace que el esquema de estrella sea menos fácil de usar.

Tablas de hechos

Las tablas de hechos registran mediciones o métricas para un evento específico. Generalmente, constan de valores numéricos y claves foráneas a datos dimensionales donde se almacena información descriptiva. [ 4 ] Las tablas de hechos están diseñadas con un bajo nivel de detalle uniforme (denominado "granularidad" o " grano "), lo que significa que los hechos pueden registrar eventos a un nivel muy atómico. Esto puede resultar en la acumulación de una gran cantidad de registros en una tabla de hechos con el tiempo. Las tablas de hechos se definen en uno de tres tipos:

  • Las tablas de hechos de transacciones registran información sobre un evento específico (por ejemplo, eventos de ventas).
  • Las tablas de hechos instantáneas registran información en un momento determinado (por ejemplo, detalles de la cuenta al final del mes).
  • Las tablas de instantáneas acumulativas registran datos agregados en un momento dado (por ejemplo, las ventas totales acumuladas en lo que va del mes para un producto).

Generalmente, a las tablas de hechos se les asigna una clave subrogada para garantizar que cada fila pueda identificarse de forma única. Esta clave es una clave primaria simple.

Tablas de dimensiones

Las tablas de dimensiones suelen tener un número relativamente pequeño de registros en comparación con las tablas de hechos, pero cada registro puede tener una gran cantidad de atributos para describir los datos de los hechos. Las dimensiones pueden definir una amplia variedad de características, pero algunos de los atributos más comunes definidos por las tablas de dimensiones incluyen:

  • Las tablas de dimensión temporal describen el tiempo en el nivel más bajo de granularidad temporal para el cual se registran eventos en el esquema de estrella.
  • Las tablas de dimensiones geográficas describen datos de ubicación, como país, estado o ciudad.
  • Las tablas de dimensiones del producto describen los productos.
  • Las tablas de dimensiones de empleados describen a los empleados, como por ejemplo a los vendedores.
  • Las tablas de dimensiones de rango describen rangos de tiempo, valores en dólares u otras cantidades medibles para simplificar la elaboración de informes.

Generalmente, a las tablas de dimensiones se les asigna una clave primaria sustituta , normalmente un tipo de datos entero de una sola columna, que se corresponde con la combinación de atributos de dimensión que forman la clave natural.

Beneficios

Los esquemas en estrella están desnormalizados , lo que significa que las reglas típicas de normalización aplicadas a las bases de datos relacionales transaccionales se relajan durante el diseño e implementación del esquema en estrella. Los beneficios de la desnormalización del esquema en estrella son:

  • Consultas más sencillas: la lógica de unión de esquemas en estrella suele ser más sencilla que la lógica de unión necesaria para recuperar datos de un esquema transaccional altamente normalizado.
  • Lógica simplificada para la elaboración de informes empresariales: en comparación con los esquemas altamente normalizados, el esquema en estrella simplifica la lógica común de los informes empresariales, como los informes de período a período y los informes a fecha de.
  • Mejoras en el rendimiento de las consultas: los esquemas en estrella pueden proporcionar mejoras de rendimiento para las aplicaciones de informes de solo lectura en comparación con los esquemas altamente normalizados .
  • Agregaciones rápidas: las consultas más sencillas realizadas sobre un esquema en estrella pueden mejorar el rendimiento de las operaciones de agregación.
  • Cubos de alimentación: todos los sistemas OLAP utilizan esquemas en estrella para construir cubos OLAP propietarios de manera eficiente; de ​​hecho, la mayoría de los principales sistemas OLAP ofrecen un modo de operación ROLAP que puede utilizar un esquema en estrella directamente como fuente sin necesidad de construir una estructura de cubo propietaria.

Uso y comparación con el esquema del copo de nieve

Un esquema de estrella desnormaliza los atributos de dimensión en tablas anchas únicas para mejorar la comprensión y reducir la complejidad de las uniones en cargas de trabajo analíticas. Por el contrario, un esquema de copo de nieve normaliza las jerarquías de dimensiones en múltiples tablas vinculadas. Kimball recomienda evitar el uso de copos de nieve a menos que exista una necesidad clara (por ejemplo, dimensiones extremadamente grandes), ya que añade complejidad para los usuarios y puede perjudicar el rendimiento de las consultas. [ 5 ] [ 6 ] Los esquemas de estrella se alinean bien con los modelos multidimensionales/OLAP comúnmente utilizados en el soporte a la toma de decisiones. [ 7 ]

Tablas típicas

El modelado dimensional distingue una tabla de hechos central y tablas de dimensiones circundantes . Los tipos comunes de tablas de hechos en esquemas de estrella son transacciones , instantáneas periódicas e instantáneas acumulativas ; las dimensiones conformadas de uso frecuente incluyen fecha/hora, producto, cliente, organización y geografía. [ 8 ] [ 9 ]

Consideraciones sobre el rendimiento de las consultas

Las consultas analíticas sobre un esquema en estrella suelen unir una tabla de hechos grande con un puñado de dimensiones relativamente pequeñas; muchos sistemas de gestión de bases de datos (DBMS) implementan optimizaciones de "unión en estrella" para este patrón. Las características de rendimiento de dichas cargas de trabajo se estudian comúnmente utilizando el Star Schema Benchmark (SSB) . [ 7 ] [ 10 ]

Ejemplo

Esquema en estrella utilizado por la consulta de ejemplo

Consideremos una base de datos de ventas, por ejemplo, de una cadena de tiendas, clasificada por fecha, tienda y producto. La imagen del esquema a la derecha es una versión en estrella del esquema de ejemplo que se presenta en el artículo sobre el esquema de copo de nieve .

Fact_Saleses la tabla de hechos y hay tres tablas de dimensiones Dim_Date, Dim_Storey Dim_Product.

Cada tabla de dimensiones tiene una clave primaria en su Idcolumna, relacionada con una de las columnas (vistas como filas en el esquema de ejemplo) de la Fact_Salesclave primaria (compuesta) de tres columnas de la tabla ( Date_Id, Store_Id, Product_Id). La columna sin clave primaria Units_Soldde la tabla de hechos en este ejemplo representa una medida o métrica que se puede utilizar en cálculos y análisis. Las columnas sin clave primaria de las tablas de dimensiones representan atributos adicionales de las dimensiones (como el Yearde la Dim_Datedimensión).

Por ejemplo, la siguiente consulta responde cuántos televisores se vendieron, de cada marca y país, en 1997:

SELECCIONAR P.Marca , S.País COMO Países , SUMA ( F.Unidades_Vendidas )​​​​​​FROM Fact_Sales F INNER JOIN Dim_Date D ON ( F . Date_Id = D . Id ) INNER JOIN Dim_Store S ON ( F . Store_Id = S . Id ) INNER JOIN Dim_Product P ON ( F . Product_Id = P . Id )DONDE D.Año = 1997 Y P.Categoría_Producto = ' tv '​​AGRUPADO POR P. Marca , S. País​​

Véase también

Referencias

  1. ↑ Dedić, N. y Stanier C., 2016., "Una evaluación de los desafíos del multilingüismo en el desarrollo de almacenes de datos" en 18.ª Conferencia Internacional sobre Sistemas de Información Empresarial - ICEIS 2016, pág. 196.
  2. ↑ Esquemas DWH , 2009, archivado del original el 16 de julio de 2010
  3. ↑ CJ Date, "Introducción a los sistemas de bases de datos (octava edición)", pág. 708
  4. 1 2 Ralph Kimball y Margy Ross, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Segunda edición) , pág. 393
  5. ↑ "Snowflaked Dimension" . Kimball Group . Consultado el 15 de agosto de 2025 .
  6. ↑ "Consejo de diseño n.° 105: Copos de nieve, estabilizadores y puentes" . Kimball Group . 9 de septiembre de 2008. Consultado el 15 de agosto de 2025 .
  7. 1 2 Chaudhuri, Surajit; Dayal, Umeshwar (1997). "Una visión general del almacenamiento de datos y la tecnología OLAP" (PDF) . SIGMOD Record . 26 (1): 65–74 .
  8. ↑ "Técnicas de modelado dimensional" (PDF) . Kimball Group . Septiembre de 2013. Consultado el 15 de agosto de 2025 .
  9. ↑ Kimball, Ralph; Ross, Margy (2013). The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling (PDF) (3.ª ed.). Wiley. ISBN  9781118530801.
  10. ↑ O'Neil, Patrick; O'Neil, Elizabeth; Chen, Xuedong (5 de junio de 2009). Star Schema Benchmark (PDF) (Informe). UMass Boston . Recuperado el 15 de agosto de 2025 .
  • Estrellas: Un lenguaje de patrones para esquemas optimizados para consultas