Giới thiệu về Star Schema

Biến đổi và Phân tích Dữ liệu với Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

Cơ bản về Dimensional Modeling

Sự kiện: bán một sản phẩm tại cửa hàng bán lẻ.

Ảnh hóa đơn bán hàng của cửa hàng bán lẻ

Sự kiện: bán một sản phẩm tại cửa hàng bán lẻ.

Ảnh hóa đơn bán hàng của cửa hàng bán lẻ, làm nổi bật dữ liệu số: Số đơn vị bán và Giá bán

Sự kiện: bán một sản phẩm tại cửa hàng bán lẻ.

Ảnh hóa đơn bán hàng, làm nổi bật dữ liệu số: Số đơn vị bán và Giá bán. Cũng làm nổi bật dữ liệu ngữ cảnh: nơi bán, ngày bán, và sản phẩm được bán

Sơ đồ cho thấy cách dữ liệu trên hóa đơn bán hàng được ánh xạ thành các dòng trong bảng đơn hàng

Bảng fact hiển thị mọi dòng từ hóa đơn mẫu

Bảng fact từ hóa đơn mẫu, làm nổi bật các cột liên quan đến dimension: Cửa hàng, Ngày đặt, Giờ đặt, Nhân viên bán, Người mua, Sản phẩm

Bảng fact từ hóa đơn mẫu, làm nổi bật các cột liên quan đến measure: Số đơn vị bán, Giá bán

Bảng fact từ hóa đơn mẫu, làm nổi bật cột thuộc tính bổ sung: Số đơn hàng

Bảng fact, làm nổi bật cột Store chứa tên cửa hàng cho từng bản ghi

Bảng fact với một bảng dimension, làm nổi bật rằng cột Store của bảng fact giờ chỉ chứa mã cửa hàng, còn tên cửa hàng nằm trong bảng dimension riêng

Snowflake Schema mẫu

Snowflake Schema mẫu

Snowflake Schema mẫu

Mục	Star Schema	Snowflake Schema
Lưu trữ	Tốn dung lượng hơn	Ít dung lượng hơn
Chuẩn hóa	Phi chuẩn (một bảng cho mỗi dimension)	Chuẩn hóa (nhiều bảng cho mỗi dimension)
Độ phức tạp mô hình	Thấp	Cao
Hiệu năng truy vấn	Ít JOIN hơn, nhanh hơn	Nhiều JOIN hơn, chậm hơn

Chọn mô hình phù hợp nhu cầu. Thường ưu tiên Star Schema vì đơn giản và nhanh hơn.

Biến đổi và Phân tích Dữ liệu với Microsoft Fabric