Download - Data warehouse bases datos 2
![Page 1: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/1.jpg)
Arquitecturas de diseño de un Data Warehouse
![Page 2: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/2.jpg)
Esquema estrella (Star schema)
• Es la arquitectura más simple• La tabla de Variables (Hechos) esta rodeada
por Dimensiones
![Page 3: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/3.jpg)
Esquema en copos de nieve(Snowflake schema)
• Más complejo que el esquema estrella• El afinamiento está orientado a facilitar
mantenimiento de dimensiones• las tablas de dimensiones en este modelo
representan relaciones normalizadas (3NF) y forman parte de un modelo relacional de base de datos.
![Page 4: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/4.jpg)
Esquema en copos de nieve
• Cuando las tablas de dimensiones son muy grandes o complejas y es muy difícil representar los datos en esquema estrella.
![Page 5: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/5.jpg)
Esquema de constelación de hechos (fact constellation schema)
• Para cada esquema estrella o esquema del copo de nieve es posible construir un esquema de constelación de hechos.
• Contiene múltiples tablas de hechos, es más complejo• Las tablas de dimensiones pueden estar compartidas
entre mas de una tabla de hechos • Tiene mucha flexibilidad • El problema es que cuando el número de las tablas
vinculadas aumenta, la arquitectura puede llegar a ser muy compleja y difícil de mantener
![Page 6: Data warehouse bases datos 2](https://reader038.vdocuments.mx/reader038/viewer/2022100601/557d4485d8b42a93078b4880/html5/thumbnails/6.jpg)