Modele flocon de neige

on

Donc, j`espère que cela répond aux questions de base sur la façon de faire Data Vault sur flocon de neige (Oui vous pouvez). Si vous voulez commencer à utiliser Snowflake, n`hésitez pas à profiter de notre offre à la demande avec $400 en utilisation gratuite. À l`avenir, alors que nos clients vont déployer leurs solutions, j`espère que nous pourrons vous donner des études de cas réelles sur la façon dont ils ont implémenté leurs coffres de données sur l`entrepôt de données Elastic de flocon de neige. Les schémas de flocon de neige, contrairement aux dimensions planes de la table unique, ont été fortement critiqués. Leur objectif est supposé être un stockage efficace et compact des données normalisées, mais c`est au coût significatif de mauvaises performances lorsque vous parcourez les jointures requises dans cette dimension. [3] ce désavantage peut avoir diminué dans les années depuis sa première reconnaissance, en raison de meilleures performances de requête dans les outils de navigation. En fait, grâce à notre combinaison de clusters de calcul MPP, de format de stockage en colonnes optimisé et de notre technologie d`entrepôt de données adaptative en instance de brevet, je pense que vous obtiendrez de meilleurs résultats avec vos chargements et requêtes de Data Vault avec moins d`effort que ce que vous obtenez aujourd`hui sur votre solutions d`entrepôt de données héritées. Rappelez-vous qu`avec Snowflake, vous n`avez pas besoin de pré-planifier des clés de partitionnement ou de distribution, ou de générer des index pour obtenir de superbes performances. Tout cela est géré dans le cadre de notre fonctionnalité d`optimisation des requêtes dynamiques qui utilise notre magasin de métadonnées sécurisé basé sur le Cloud et la boucle de rétroaction sophistiquée pour surveiller et ajuster vos requêtes en fonction des modèles d`accès aux données et de la disponibilité des ressources entre autres. Dans le modèle flocon de neige, la hiérarchie métier du modèle de données est représentée dans une relation clé primaire-clef étrangère entre les différentes tables de dimension. Un schéma d`étoile stocke tous les attributs d`une dimension dans une table dénormalisée («aplatie»).

Cela nécessite plus d`espace disque qu`un schéma de flocon de neige plus normalisé. La déneigement normalise la dimension en déplaçant les attributs avec une faible cardinalité (peu de valeurs distinctes) dans des tables de dimension distinctes qui se rapportent à la table de dimension principale à l`aide de clés étrangères. Le déneigement dans le seul but de minimiser l`espace disque n`est cependant pas recommandé, car il peut nuire aux performances des requêtes.