Dimensional modeling

Einführung in das Data Modeling in Snowflake

Nuno Rocha

Director of Engineering

Einführung in das dimensionale Datenmodell

Dimensional Modeling: Eine Datenstrukturierungstechnik, die Messwerte (Fakten) von beschreibenden Details (Dimensionen) trennt – optimiert für Reporting und Analyse.

Dimensional model

Einführung in das dimensionale Datenmodell (1)

Dimensionen: Entitäten mit kategorialen Daten in einem dimensionalen Modell.
Fakten: Entitäten, die Aktivitäten innerhalb der Dimensionen erfassen und quantifizieren.

Dimensional college model

Sternschema des dimensionalen Modells

Dimensional star model

Sternschema des dimensionalen Modells

Snowflake Data Warehouse: Ein cloudbasierter Speicher- und Analysedienst.
Snowflake-Schema: Eine Organisationsmethode im dimensionalen Modell mit Unterdimensionen.

Snowflake, data warehouse vs dimensional model

Snowflake-Schema des dimensionalen Modells

Dimensional snowflake model

Dimensionen definieren

Benenne Entitäten der Klarheit halber zu dim_EntityName um – so folgen sie den Dimensionen im Modell:

ALTER TABLE students RENAME TO dim_students;

ALTER TABLE classes RENAME TO dim_classes;

ALTER TABLE schools RENAME TO dim_schools;

Datumsdimension definieren

Erstelle die Tabelle dim_date, um feste Schlüsseldaten zu Schüleranmeldungen zu speichern:

CREATE OR REPLACE TABLE dim_date (
    date_id NUMBER(10,0) PRIMARY KEY,
    year NUMBER(4,0),
    semester VARCHAR(255)
);

Fakt „enrollments" definieren

Erstelle eine Fakten-Entität mit Verweisen auf alle Dimensionen:

CREATE OR REPLACE TABLE fact_enrollments (
    enrollment_id NUMBER(10,0) PRIMARY KEY,
    student_id NUMBER(10,0),
    class_id NUMBER(10,0),
    date_id NUMBER(10,0),
    FOREIGN KEY (student_id) REFERENCES dim_students(student_id),
    FOREIGN KEY (class_id) REFERENCES dim_classes(class_id),
    FOREIGN KEY (date_id) REFERENCES dim_date(date_id)
);

Daten aus den Dimensionen abrufen

College dimensional data model

Daten aus den Dimensionen abrufen (1)

SELECT name, 
    class_name
FROM fact_enrollments
    JOIN dim_students -- Join für Schülernamen
    ON fact_enrollments.student_id = dim_students.student_id
    JOIN dim_classes -- Join für Kursnamen
    ON fact_enrollments.class_id = dim_classes.class_id
    JOIN dim_schools -- Join, um auf die Schule „Science" zu filtern
    ON dim_classes.school_id = dim_schools.school_id
    JOIN dim_date -- Join, um die Daten auf das Jahr 2023 zu beschränken
    ON fact_enrollments.date_id = dim_date.date_id
WHERE dim_schools.school_name = 'Science' 
    AND dim_date.year = 2023;

Begriffe und Funktionen im Überblick

Dimensional Modeling: Technik zur Datenstrukturierung, trennt Messwerte (Fakten) von beschreibenden Details (Dimensionen), optimiert für Reporting und Analyse
Dimensionen: Entitäten mit kategorialen Daten in einem dimensionalen Modell
Fakten: Entitäten, die Aktivitäten innerhalb der Dimensionen erfassen und quantifizieren
ALTER TABLE: SQL-Befehl, um die Struktur einer bestehenden Entität zu ändern
RENAME TO: SQL-Befehl, zusammen mit ALTER TABLE, zum Umbenennen einer Entität
JOIN ON: SQL-Klausel zum Zusammenführen von Zeilen aus Tabellen, basierend ON einer verwandten Spalte
WHERE: SQL-Klausel zum Filtern von Datensätzen anhand einer Bedingung
AND: Logischer Operator in WHERE, um mehrere Bedingungen zu kombinieren

Funktionen im Überblick

-- Eine Entität ändern
ALTER TABLE table_name 
RENAME TO new_name;

-- Daten aus verknüpften Entitäten mit Bedingungen abfragen
SELECT 
    table_name.column_name,
    other_name.*
FROM table_name
    JOIN other_table 
    ON table_name.FK = other_table.PK
WHERE column_name  condition  value
    AND column_name  condition  value;

Lass uns üben!

Einführung in das Data Modeling in Snowflake