Introduction to Star Schemas

การแปลงและวิเคราะห์ข้อมูลด้วย Microsoft Fabric

Luis Silva

Solution Architect - Data & AI

พื้นฐาน Dimensional Modeling

• Dimensional Model คือโครงสร้างข้อมูลที่ออกแบบมาเพื่อ Data Warehousing และการวิเคราะห์ข้อมูล
• เป็นโมเดลที่สะท้อน เหตุการณ์ทางธุรกิจ
• แต่ละเหตุการณ์มี ข้อมูล และ บริบท

พื้นฐาน Dimensional Modeling

เหตุการณ์: การขายสินค้าในร้านค้าปลีก

พื้นฐาน Dimensional Modeling

เหตุการณ์: การขายสินค้าในร้านค้าปลีก

• ข้อมูลตัวเลข:
  • จำนวนหน่วยที่ขาย
  • ราคาขาย

พื้นฐาน Dimensional Modeling

เหตุการณ์: การขายสินค้าในร้านค้าปลีก

• ข้อมูลตัวเลขที่วัดได้:
  • จำนวนหน่วยที่ขาย
  • ราคาขาย
• บริบทของข้อมูล:
  • สินค้าที่ขาย

การจัดเก็บข้อมูลเหตุการณ์ในตาราง

การจัดเก็บข้อมูลเหตุการณ์ในตาราง

• Fact Table: บันทึกธุรกรรมทั้งหมด

การจัดเก็บข้อมูลเหตุการณ์ในตาราง

• Fact Table: บันทึกธุรกรรมทั้งหมด
• Dimension: บริบทของธุรกรรม (เมื่อไหร่ ที่ไหน อะไร ใคร)

การจัดเก็บข้อมูลเหตุการณ์ในตาราง

• Fact Table: บันทึกธุรกรรมทั้งหมด
• Dimension: บริบทของธุรกรรม (เมื่อไหร่ ที่ไหน อะไร ใคร)
• Measure: ข้อมูลตัวเลข (จำนวนเท่าใด)

การจัดเก็บข้อมูลเหตุการณ์ในตาราง

• Fact Table: บันทึกธุรกรรมทั้งหมด
• Dimension: บริบทของธุรกรรม (เมื่อไหร่ ที่ไหน อะไร ใคร)
• Measure: ข้อมูลตัวเลข (จำนวนเท่าใด)
• Attribute: ข้อมูลเพิ่มเติมเกี่ยวกับระเบียนธุรกรรม

Normalization

Fact Table + Dimension Table

Star Schema

Snowflake Schema

Snowflake Schema

Snowflake Schema

Star Schema vs Snowflake Schema

ข้อแตกต่างหลัก

ด้าน	Star Schema	Snowflake Schema
พื้นที่จัดเก็บ	ใช้พื้นที่มากกว่า	ใช้พื้นที่น้อยกว่า
Normalization	Denormalized (หนึ่งตารางต่อหนึ่ง Dimension)	Normalized (หลายตารางต่อหนึ่ง Dimension)
ความซับซ้อนของโมเดล	ต่ำกว่า	สูงกว่า
ประสิทธิภาพคิวรี	ใช้ JOIN น้อยกว่า ทำให้คิวรีเร็วกว่า	ใช้ JOIN มากกว่า ทำให้คิวรีช้ากว่า

 

เลือกโมเดลที่เหมาะกับความต้องการ โดยทั่วไป Star Schema เป็นที่นิยมมากกว่า เพราะโมเดลเรียบง่ายและทำงานได้เร็วกว่า

มาฝึกกันเถอะ!

การแปลงและวิเคราะห์ข้อมูลด้วย Microsoft Fabric