-
Gabarito: Certo
Tipos de Esquemas de modelagem
Estrela (star schema)
Este formato permite uma visualização mais condensada dos dados. Consiste em uma Tabela de Fato com uma única tabela para cada dimensão. Há dimensão por tempo, produto, vendas, pessoal e geografia. Todas as dimensões estão no mesmo nível. Os dados não são normalizados. A normalização é uma forma de subdividir os dados das tabelas, de forma que os dados não fiquem concentrados em uma única tabela.
- Todas as tabelas de dimensões se relacionam diretamente com tabelas de fato. Ou seja, uma tabela de dimensão não se relaciona com outra tabela de dimensão;
- Não permite normalização;
- Aumenta performance, mas não otimiza espaço em disco.
Floco de neve (snowflake)
Este formato apresenta mais ramificações das dimensões. Consiste em uma tabela de fato com vários níveis de tabela dimensão. Nesse tipo de esquema, aplica-se a normalização, que exigirá maior tempo e será mais onerosa. Dados normalizados até 3FN (Forma Normal).
- As tabelas de dimensões se relacionam com tabelas de fato, mas também se relacionam entre elas;
- Permite normalização até a 3ª FN;
- Otimiza espaço, mas acaba diminuindo performance;
- Menor agilidade de recuperação dos dados.
Vejamos:
(CESPE - 2019 - TJ-AM) A respeito de bancos de dados relacionais, julgue o item a seguir.
O esquema multidimensional estrela de data warehouse é composto por uma tabela de fatos associada com uma única tabela para cada dimensão.
Gabarito: Certo
(CESPE - 2017 - TCE-PE) A respeito da modelagem dimensional, julgue o próximo item.
No modelo floco de neve (snow flake), todas as tabelas estão relacionadas diretamente com a tabela de fatos, e as tabelas dimensionais devem conter todas as descrições necessárias para definir uma classe nelas mesmas.
Gabarito: Errado
(CESPE - 2016 - FUNPRESP-EXE) Com relação à forma como os dados são armazenados e manipulados no desenvolvimento de aplicações, julgue o item a seguir.
Aplicações de data warehouse que usem um esquema floco de neve tendem a ter pior desempenho nas consultas do que as aplicações que usem o esquema estrela.
Gabarito: Certo
(CESPE - 2015 - TJ-DFT) Julgue o item a seguir, a respeito de data warehouse e de data mining.
Uma vez que os esquemas floco de neve possuem menor redundância do que os esquemas estrela, sua manutenção é mais fácil de ser realizada.
Gabarito: Certo
(CESPE - 2014 - TJ-SE) Julgue os itens a seguir, acerca de modelagem multidimensional, Data Warehouse e Data Marts.
Para garantir a eficiência na consulta aos dados modelados, realizada pelo modelo estrela, tanto as tabelas fato quanto as tabelas dimensão devem estar normalizadas.
Gabarito: Errado
(CESPE - 2011 ) PREVIC) Julgue os itens a seguir, relativos aos sistemas de suporte a decisão.
Os esquemas em estrela e em flocos de neve são dois modelos multidimensionais comuns. Dadas as suas características, o modelo em flocos de neve aumenta a redundância de dados e, por isso, aumenta o espaço utilizado em disco.
Gabarito: Errado
-
ESTRELA - NÃO NORMALIZADO, REDUNDANTE, GENERALIZADO
FLOCO DE NEVES - NORMALIZADO, NÃO REDUNDANTE, ESPECIALIZADO, MAIS FACIL DE MANTER
-
Modelo Floco de Neve: Visa normalizar (diminui a redundância).
GAB: CERTO
-
Gabarito CERTO.
Acrescentando aos ótimos comentários dos colegas:
O Modelo Snowflake acrescenta graus de normalização às tabelas de dimensões, eliminando redundâncias.
No entanto, como os dados estão normalizados, as consultas são mais complexas e a obtenção de informações será menos eficiente do que no Modelo Estrela.
Esse modelo fornece explicitamente suporte a hierarquias de atributos. Uma vez que os esquemas floco de neve possuem menor redundância do que os esquemas estrela, sua manutenção é mais fácil de ser realizada.
Bons estudos!
-
Gabarito: certo
Os DW, em geral, são desnormalizados.
Estrela: desnormalizada
dados não normalizados -> maior espaço de armazenamento, maior desempenho (velocidade) de acesso; exige menos esforço de um SGBD, redundante.
Floco de neve -> normalizada
dados normalizados -> menor espaço de armazenamento, pior desempenho para acesso; exige mais esforço de um SGBD, não redundante.
-
Lembra que os flocos de neve demoooram cair no chão, portanto são mais lentos.
Já o modelo estrela(lembra da luz) é rapidão, pois a velocidade da luz é 299 792 458 m / s ,de acordo com o wikipédia.
Comentário adaptado de algum colega que vi um tempo atrás e nunca mais esqueci.
Bons estudos!
-
Alguém poderia dar uma luz no que seria essa redundância ?
-
Gabarito: Certo
Estrela (Star Schema): não é normalizado, redundante, mais simples, mais fácil a navegação, desperdiça espaço.
Flocos de Neve (Snowflake Schema): normalizado (3 forma normal - mnemonico: 3 Forma Normal = Floco de Neve), diminui a redundância, mais difícil a navegação.
-
Os esquemas em estrela e em floco de neve são os modelos de dados multidimensionais mais populares usados para um data warehouse. A diferença crucial entre o esquema em estrela e o esquema em floco de neve é que o esquema em estrela não usa normalização, enquanto o esquema em floco de neve usa a normalização para eliminar a redundância de dados.