スノーフレークスキーマとは何ですか?
ウェアハウス設計では、ディメンション テーブルを複数の関連テーブルに正規化することでスター スキーマを拡張し、クエリの複雑さを増大させながら冗長性を削減します。
によって Databricks Staff による投稿
Archived. This article has not been updated since the publish date above. The dynamic nature of information means that previously accurate content can become outdated or even obsolete over time. Readers are advised to exercise due diligence and cross-check any information found in this blog post before making decisions or adopting any practices based on said information.
- ディメンションテーブルを階層構造（製品、カテゴリ、部門など）に正規化し、外部キーで接続された複数の関連テーブルを作成します。これは、スタースキーマの非正規化ディメンションとは対照的です。
- 正規化によりデータの冗長性が排除され、ストレージ容量と更新の異常が削減されます。これは、多くの階層レベルと頻繁な更新が必要な属性を持つ大規模なディメンションテーブルに効果的です。
- クエリの複雑さが増し、完全なディメンションコンテキストを再構築するためにより多くの結合が必要になります。ストレージは節約できますが、クエリのパフォーマンスに影響を与える可能性があります。そのため、読み取り中心の分析ワークロードには、スタースキーマよりも不向きです。
スノーフレークスキーマとは
スノーフレークスキーマ(Snowflake)は、スタースキーマを拡張した多次元データモデルで、ディメンションテーブルがサブディメンションテーブルに細分化されたものです。スノ ーフレークスキーマは、データウェアハウスやデータマート、リレーショナルデータベースの多次元分析を使用した BI（ビジネスインテリジェンス）やレポーティングによく使用されています。
スノーフレークスキーマでは、エンジニアがそれぞれのディメンションテーブルを論理的なサブディメンションに細分化します。このため、データモデルは複雑になりますが、特定のデータ形式においてはアナリストが操作しやすくなります。
また、下図のとおり、実体関連図（ERD：Entity-Relationship Diagram）が雪の結晶のように見えることから、このデータウェアハウススキーマは、スノーフレークスキーマと呼ばれています。
スノーフレークスキーマとスタースキーマの比較
スタースキーマと同様に、スノーフレークスキーマの中央にもファクトテーブルがあり、外部キーを介して複数のディメンションテーブルに接続されています。しかし、スタースキーマと異なり、スノーフレークスキーマはより正規化が進んでいます。
スノーフレークスキーマは、高い正規化基準に厳密に準拠しており、ストレージ効率性は高いのですが、非正規化データモデルと比べるとクエリ時のパフォーマンスは劣ります。一方で、スタースキーマのような非正規化データモデルでは、データの冗長性（データの重複）が高く、データの重複を許容することで、クエリのパフォーマンスを向上させることができます。
スノーフレークスキーマのメリット
- 高速なデータ検索
- データ品質の確保
- データウェアハウスのためのシンプルで一般的なデータモデル
マルチエージェントシステム、AIのユースケース、評価などに関する主要な知見
スノーフレークスキーマのデメリット
- 初期設定時に要する膨大な工数
- 柔軟性に欠けるデータモデル
- 高いメンテナンスコスト
FAQ
1, スノーフレークスキーマとは何ですか？
データウェアハウス向けの正規化された多次元データモデルで、サブディメンションまで細分化された構造を持ちます。
2, スノーフレークスキーマのメリットは？
高いデータ品質とストレージ効率、一般的で理解しやすい構造が挙げられます。
3, スタースキーマとの違いは？
スノーフ レークスキーマは正規化されており、データの重複を減らせますが、クエリ性能はスタースキーマに劣ります。
関連リソース
最新の投稿を受信トレイで受け取る
ブログを購読して、最新の投稿を受信トレイにお届けします。