¿Qué es un esquema en estrella y cuándo normalizarías una dimensión en copo de nieve?

Un esquema en estrella tiene una tabla de hechos rodeada de tablas de dimensión desnormalizadas, así que la mayoría de las consultas necesitan un solo join por dimensión. El copo de nieve normaliza una dimensión en subtablas, lo que ahorra almacenamiento y centraliza atributos compartidos pero añade joins. En un warehouse columnar el almacenamiento es barato y los joins cuestan más que la duplicación, así que la estrella es el valor por defecto. Pasa a copo de nieve cuando la dimensión es realmente grande, jerárquica o compartida por muchos marts.

Una estrella es una tabla de hechos con un grano definido y dimensiones desnormalizadas colgando de ella, así que el analista escribe un join por dimensión y obtiene nombres de columna legibles. Yo tomo eso por defecto, porque en un warehouse columnar repetir el nombre de un país en dos millones de filas comprime hasta casi nada, y la dimensión pequeña se hace broadcast igualmente. El copo de nieve tiene sentido cuando la dimensión es de verdad grande y jerárquica, por ejemplo una dimensión de producto con un árbol de categorías que varios marts necesitan compartir, ya que mantener esa jerarquía en un solo sitio es mejor que duplicarla en cinco. Lo que yo plantearía antes que cualquiera de las dos es el grano. Decidir que la tabla de hechos es una fila por línea de pedido y no por pedido determina todo lo que viene después, y equivocarse ahí es lo que produce el clásico bug de ingresos contados dos veces. He tenido que reconstruir un mart porque el grano estaba mezclado, y eso es mucho más caro que cualquier debate sobre normalización.