Actualités : analyse de données, Business Intelligence, Data Science, Big Data
Forums, dernières contributions

Modélisation en étoile ou en flocon ?

 Patrick
Vendredi 11 Décembre 2009

Version imprimable
[Ignorer]
Le modèle en flocon permet de normaliser les dimensions d'un modèle en étoile. Cette normalisation permet pprincipalement de :
- diminuer les redondances de valeurs d'attributs des dimensions concernées
- mettre en oeuvre sous forme relationnelle les hiérarchies d'attrributs
- faciliter l'alimentation (diminution du nombres d'E/S, augmentation de la cohérence)
- mettre en oeuvre une historisation des attributs des dimensions

Le modèle en étoile fortement normalisé sur les dimensions permet de limiter le nombre de jointures des requêtes d'interrogation et sur des configurations légères, de diminuer les temps de traitements de ces requêtes. La plupart des SGBDR du marché supportent aujourd'hui les modèles en flocons tant sur le plan du modèle que sur le plan des performances. Les contraintes d'évolutivité du modèle, de cohérence et de performance des alimentations posent le modèle en flocon comme une hypothèse de base.

Si votre cube est à mettre à jour tous les jours, il est important de savoir si les mises à jours concernent la table des faits et/ou les tables de dimensions. Des mises à jour quotidiennes sur des tables de dimension devraient vous inciter, selon moi, à considérer le modèle en flocon comme une solution plus adaptée que le modèle en étoile.

Tracer toutes les modifications n'est pas un but en soi mais ne pas le faire risque d'entraîner un redesign complet de votre cube lorsque le besoin se présentera.

J'espère avoir pu vous apporter un éclairage utile.
 Patrick
Vendredi 11 Décembre 2009

Version imprimable
[Ignorer]
Oops.

Il fallait lire 'le modèle en étoile fortement dénormalisé...'


Twitter
Rss
LinkedIn
Facebook
Apple Podcast
App Store
Google Play Store