tipos de modelagem p dw

10
Modelagem Dimensional (Tipo de Modelos)

Upload: washington-bila-cox-de-jesus

Post on 05-Jun-2015

4.630 views

Category:

Technology


0 download

DESCRIPTION

Pesquisa feita sobre os tipos existentes de modelos de dados aplicados a sistemas baseados em Data Mart/Data Warehouse

TRANSCRIPT

Page 1: Tipos De Modelagem P Dw

Modelagem Dimensional(Tipo de Modelos)

Page 2: Tipos De Modelagem P Dw

MODELO ESTRELA - CLÁSSICO

Características: Um modelo simples e eficiente, caracterizado por possuir uma única tabela de fatos e chaves simples nas tabelas de dimensões. Cada dimensão é representada por uma única tabela.

Pontos positivos : •a eficiência, dada pelo reduzido número de junções nas pesquisas e pelas chaves simples;•a facilidade de definir hierarquias;•Facilidade de entendimento do modelo, principalmente por parte do usuário final; •Facilidade na definição das hierarquias; •Número de operações de join reduzidas; •Metadados são simples.

Os pontos negativos : •Tamanho (Aumento do Custo de Storage) ;•Desnormalização das tabelas de dimensões;•Complexa Manutenção/Atualização (Tempo-Processamento).•Complexidade do Processo de ETL (Formação de Regras para a tabela fato e dimensões)

Importante:•Utilizar SCD – Slowly Changing Dimension

Page 3: Tipos De Modelagem P Dw

MODELO ESTRELA PARCIAL (Partial Star)

Características: É uma variação do Modelo Estrela, na qual existem várias tabelas fato e de dimensão separadas lógica e fisicamente por níveis de sumarização. Desse modo, os dados são particionados em granularidades distintas. Por haver várias tabelas fato, na prática existem várias estrelas, cada uma representando uma combinação de níveis de agregação em cada dimensão

Pontos positivos : •a maior economia de espaço, eliminando redundâncias e colunas que não têm sentido para determinado nível de agregação ; •melhor desempenho para consultas de nível específico de agregação;•Maior controle do tempo de carga, backup e manutenção das tabelas.

Os pontos negativos : •a complexidade do modelo é maior e as consultas que combinam níveis de agregação distintos são mais elaboradas,;•Pode resultar em Queda de desempenho. •Definição específica nos metadados.

Page 4: Tipos De Modelagem P Dw

MODELO ESTRELA com Particionamento de Fatos (ou Modelo Constelação de Fatos)

Características: Uma variação do Modelo Estrela Parcial, na qual os fatos são particionados e as dimensões compartilhadas. Particiona apenas a tabela fato.

Pontos positivos : Quando comparado ao Modelo Estrela Parcial, este modelo é menos exigente quanto à sua manutenção, dado o compartilhamento das tabelas de dimensão.

Os pontos negativos : a complexidade do modelo é maior e as consultas que combinam níveis de agregação distintos são mais elaboradas, podendo resultar em queda de desempenho.

Page 5: Tipos De Modelagem P Dw

Modelo Estrela com Particionamento de Dimensões (Dimension Partionning)

Características: A variação Dimension Partitioning mantém uma única tabela fato, que contém as métricas dos vários níveis de agregação, incluindo o nível mais detalhado. Esta tabela fato está logicamente ligada às múltiplas tabelas de dimensão, particionados por diferentes níveis de agregação.

Pontos positivos : Este modelo é particularmente útil quando houver dimensões com grande quantidade de elementos, como é o caso de SKUs de produtos, por exemplo.

Os pontos negativos : a vantagem de manter todos os fatos, detalhados e sumariados na mesma tabela, dificulta a recuperação das informações dos níveis mais altos.

Page 6: Tipos De Modelagem P Dw

SnowFlake - Clássico

Características: Os Modelos Snowflake acrescentam graus de normalização às tabelas de dimensões do Modelo Estrela,. o que resulta em agilidade na manutenção.

Pontos positivos : Elimina redundâncias e a necessidade do indicador NÍVEL o que resulta em agilidade na manutenção. Os pontos negativos : Apesar disso, é um modelo que resulta em maior número de tabelas em junções, podendo haver queda de desempenho(Browsing).

Page 7: Tipos De Modelagem P Dw

Snowflake Lookup

Características: as tabelas de dimensões são normalizadas, resultando na eliminação de redundâncias, o que torna a manutenção mais ágil e o modelo mais consistente.

Pontos positivos : As descrições não precisam ser repetidas como no esquema Star, simplificando o armazenamento, reduzindo o tamanho relativo das tabelas dimensão e melhorando o controle de integridade dos dados. O uso das chaves geradas genéricas, geralmente números inteiros, levam a um melhor desempenho, menor manutenção do metadados e mais flexibilidade ao data warehouse.

Os pontos negativos : o desempenho pode ficar afetado se múltiplas consultas ou múltiplos joins têm que ser emitidos para decodificar as chaves, ao buscar as descrições nas tabelas adicionais. Além disso, a manutenção da base de dados requer manutenção adicional dado o maior número de tabelas físicas distintas.

Page 8: Tipos De Modelagem P Dw

Snowflake Chain

Características: encadeia as tabelas de dimensões começando com a tabela principal, que é o ponto de entrada para a tabela fato. A tabela principal da dimensão contém a chave para o próximo nível da hierarquia da dimensão e assim por diante..

Pontos positivos : A recomendação de uso deste modelo ocorre quando o nível de detalhe mais baixo está armazenado na tabela de fatos.

Os pontos negativos : Para os casos em que a pesquisa requer vários níveis de sumarização da informação há degradação de desempenho, já que são necessários vários passos para recuperar as informações(Alto Custo de Browsing/Retrieval para o Cliente).

Page 9: Tipos De Modelagem P Dw

Snowflake Attribute

Características: Com o objetivo de reduzir o número de informações referentes a atributos nas tabelas de fatos, geralmente utilizados para obtenção de detalhes (drillthrough), inserimos todos eles em uma tabela de atributos, conforme ilustrado pelas figuras a seguir.

Pontos positivos : A consolidação de informações sobre diversas pequenas dimensões que possuam poucos campos (muitas vezes apenas a descrição) em uma única tabela. Desse modo, o número de tabelas em junções pode ser reduzido, melhorando o desempenho.

Os pontos negativos : Perda de desempenho.

Page 10: Tipos De Modelagem P Dw

Snowflake Chain

Características: encadeia as tabelas de dimensões começando com a tabela principal, que é o ponto de entrada para a tabela fato. A tabela principal da dimensão contém a chave para o próximo nível da hierarquia da dimensão e assim por diante..

Pontos positivos : A recomendação de uso deste modelo ocorre quando o nível de detalhe mais baixo está armazenado na tabela de fatos.

Os pontos negativos : Para os casos em que a pesquisa requer vários níveis de sumarização da informação há degradação de desempenho, já que são necessários vários passos para recuperar as informações(Alto Custo de Browsing para o Cliente).