スター・スキーマ入門

Microsoft Fabricでデータを変換して分析する

Luis Silva

Solution Architect - Data & AI

ディメンショナル・モデリングの基本

• ディメンショナル・モデルは、DWH/分析に最適化されたデータ構造
• ビジネスイベントを表現するモデル
• イベントにはデータと文脈がある

ディメンショナル・モデリングの基本

イベント: 小売店での製品販売

ディメンショナル・モデリングの基本

イベント: 小売店での製品販売

• 数値データ:
  • 販売数量
  • 販売価格

ディメンショナル・モデリングの基本

イベント: 小売店での製品販売

• 定量的な数値データ:
  • 販売数量
  • 販売価格
• データの文脈:
  • 販売した製品

イベントデータのテーブル保存

イベントデータのテーブル保存

• ファクトテーブル: 全トランザクションを保持。

イベントデータのテーブル保存

• ファクトテーブル: 全トランザクションを保持。
• ディメンション: 文脈（いつ・どこで・何を・誰が）。

イベントデータのテーブル保存

• ファクトテーブル: 全トランザクションを保持。
• ディメンション: 文脈（いつ・どこで・何を・誰が）。
• メジャー: 数値データ（どれだけ）。

イベントデータのテーブル保存

• ファクトテーブル: 全トランザクションを保持。
• ディメンション: 文脈（いつ・どこで・何を・誰が）。
• メジャー: 数値データ（どれだけ）。
• 属性: トランザクションの追加情報。

正規化

ファクト + ディメンションテーブル

スター・スキーマ

スノーフレーク・スキーマ

スノーフレーク・スキーマ

スノーフレーク・スキーマ

スター vs スノーフレーク・スキーマ

主要な違い

項目	スター・スキーマ	スノーフレーク・スキーマ
ストレージ	容量多め	容量少なめ
正規化	非正規化（ディメンションごとに1表）	正規化（ディメンションごとに複数表）
モデルの複雑さ	低い	高い
クエリ性能	JOINが少なく高速	JOINが多く低速

 

用途に最適なモデルを選択してください。一般に、スター・スキーマはよりシンプルで高速です。

Passons à la pratique !

Microsoft Fabricでデータを変換して分析する