Modèle en constellation data warehouse

Avantage de la constellation des faits entrepôts de données préalables – introduction au Big Data, avantages du Big Data le schéma d`étoile est le schéma fondamental entre le schéma de Data Mart et il est le plus simple. Ce schéma est largement utilisé pour développer ou construire un entrepôt de données et des Marts de données dimensionnelles. Il inclut une ou plusieurs tables de faits indexant un nombre quelconque de tables dimensionnelles. Le schéma d`étoile est un cas nécessaire du schéma de flocon de neige. Il est également efficace pour traiter les requêtes de base. Un exemple qui fait référence à ce schéma serait généralement un scénario sales qui est illustré ci-dessous. En référence à l`exemple donné ci-dessous, il y a deux tables de faits et les deux partagent les tables de dimension Product et Data. Par conséquent, le modèle d`entrepôt de données est une combinaison de deux schémas d`étoile. Fact constellation peut être appelé une collection de tables de faits multiples qui partagent des tables de dimension. Par conséquent, il peut même être appelé une collection d`étoiles qui est également appelé une galaxie. Ce type particulier de schéma est généralement utilisé pour les applications sophistiquées.

Schema est une description logique de l`intégralité de la base de données. Il inclut le nom et la description des enregistrements de tous les types d`enregistrements, y compris tous les éléments de données associés et les agrégats. Tout comme une base de données, il faut également que le stockage d`un schéma soit maintenu. Une base de données utilise un modèle relationnel, tandis qu`un entrepôt de données utilise le schéma étoile, flocon de neige et constellation des faits. Dans ce chapitre, nous aborderons les schémas utilisés dans un entrepôt de données. Le schéma d`étoile que nous avons discuté peut être défini en utilisant le langage de requête d`exploration de données (DMQL) comme suit − pour comprendre le schéma de constellation de faits, considérez l`exemple de conception d`entrepôt de données de vente. Comme indiqué dans l`exemple ci-dessous, l`entrepôt de données de vente se compose de deux tables de faits, une, un fait de vente et d`autres faits de navire. Les deux faits partagent les tables de dimension de produit et de date. Comme vous pouvez voir les tables de faits centralisées détient la clé primaire des tables de dimension. Ce modèle de maison de Data Ware est une combinaison de deux modèles de schéma d`étoile.

Le schéma multidimensionnel est défini à l`aide du langage DMQL (Data Mining Query Language). Les deux primitives, définition de cube et définition de dimension, peuvent être utilisées pour définir les entrepôts de données et les Data Marts.