{"canonical_url":"https://engineer.company/da/glossary/star-schema/","content_markdown":"# Stjerneskema\n\n## Hvad det er\n\nEt stjerneskema, på engelsk star schema, er en måde at lægge tabeller an på, når\ndata skal analyseres. En tabel i midten registrerer forretningens hændelser, fx\nsalg, forsendelser eller betalinger, som tal. Rundt om den står de tabeller, der\nbeskriver hændelserne: hvilket produkt, hvilken butik, hvilken dag, hvilken\nkunde. Tegner man det som et diagram med en streg fra tabellen i midten ud til\nhver af de andre, ligner det en stjerne.\n\nTabellen i midten er faktatabellen, og tabellerne rundt om er\ndimensionstabeller. Kimball Group, der har beskrevet teknikkerne bag dimensionel\nmodellering, forklarer stjerneskemaet som faktatabeller, der er koblet til de\ndimensionstabeller, som hører til dem. Koblingen er en helt almindelig nøgle.\nHver dimensionstabel har én primærnøgle, og hver række i faktatabellen bærer den\nnøgle som fremmednøgle, én for hver dimension, der beskriver hændelsen.\n\nOpdelingen følger en sondring, Kimball Group gør mellem måling og kontekst. En\ndimensionel model bygges op om de målbare hændelser i en forretningsproces: en\nvare, der scannes ved kassen, en ordre, der afsendes, en erstatning, der\nudbetales. De tal, hændelsen giver, fx antal og beløb, er fakta. Alt det, der\nfortæller hvem, hvad, hvor, hvornår, hvorfor og hvordan, er kontekst, og det\nligger i dimensionerne.\n\nDe to slags tabeller har hver sin form. På det mest detaljerede niveau har en\nfaktatabel én række pr. hændelse med de numeriske mål, en fremmednøgle til hver\ndimension og nogle gange et referencenummer som et faktura- eller bonnummer. Det\nnummer er alt, hvad der er tilbage af dokumentet, når dets dato, kunde og butik\ner blevet til dimensioner, så det gemmes i faktarækken uden nogen\ndimensionstabel bag sig, og Kimball Group kalder det en degenereret dimension.\nEn dimensionstabel er derimod bred, flad og bevidst denormaliseret, med mange\nbeskrivende tekstkolonner. En produktdimension gentager mærke, kategori og\nafdeling på hver eneste produktrække i stedet for at lægge dem ud i egne\ntabeller.\n\nEt stjerneskema er den relationelle udgave af en dimensionel model, bygget af\nalmindelige tabeller i en almindelig SQL-database. Den anden udgave, Kimball\nGroup beskriver, er OLAP-kuben: en multidimensionel database med de samme\nattributter og fakta, som man forespørger med sprog, der har flere analytiske\nmuligheder end SQL, fx MDX, mens XMLA fungerer som adgangsprotokol. Kuber bygges ofte ud fra et stjerneskema, enten som\nsidste trin, før brugerne får data at se, eller som et lag af aggregeringer.\nModelleringsreglerne er de samme for begge, og Kimball Group kalder dem\narkitekturneutrale: de gælder både i et data warehouse efter Kimballs model og i\nBill Inmons Corporate Information Factory med dens hub-and-spoke-opbygning.\n\n## Hvorfor det betyder noget\n\nFormen får analytiske spørgsmål til at ligne hinanden. Man vælger de fakta, der\nskal lægges sammen, joiner faktatabellen med de dimensioner, der beskriver dem,\nfiltrerer på nogle dimensionskolonner og grupperer efter andre. Kimball Group\nbeskriver faktatabeller som det primære mål for beregninger og dynamiske\naggregeringer og dimensionernes attributter som den primære kilde til\nbetingelser, grupperinger og etiketter i rapporterne. En analytiker, der har\nlært mønsteret én gang, kan skrive den næste forespørgsel mod en ny faktatabel\nuden hjælp, og et rapportværktøj kan bygge den ud fra en liste af felter, fordi\nalle stjerneskemaer er bygget op på samme måde.\n\nLæsbarhed er den anden grund. En driftsdatabase er designet til at gemme hver\noplysning én gang og holde den konsistent, så et produkts kategori ligger typisk\ni en separat opslagstabel, der joines tilbage via et id. Det er det rigtige\ndesign til systemet, der tager imod ordrer, og det forkerte til den, der leder\nefter salg pr. kategori og først skal regne ud, hvilke tabeller der skal joines,\nog i hvilken rækkefølge. En flad dimension samler alle beskrivende kolonner ét\nsted, skrevet ud i ord. Kimball Group fraråder alternativet, at normalisere en\ndimensions hierarki ud i flere tabeller, fordi forretningsbrugere har svært ved\nat forstå og finde rundt i resultatet.\n\nDen tredje grund er, at et velbygget stjerneskema kan besvare spørgsmål, som\ningen stillede, da det blev designet. Faktatabellens granularitet, altså præcis\nhvad én række betyder, fastlægges før nogen dimension eller noget faktum, og\nKimball Group anbefaler at starte på atomar granularitet: det laveste niveau,\nforretningsprocessen registrerer. En tabel med én række pr. bonlinje kan\nsummeres pr. dag, butik, mærke eller enhver kombination af dem. En tabel med kun\ndaglige totaler pr. butik kan aldrig brydes ned på produkt, uanset hvordan\nspørgsmålet formuleres. Kimball Groups pointe er, at atomare data holder til\nuforudsigelige forespørgsler, mens sammenfattede data forudsætter de spørgsmål,\nde skal besvare.\n\nPrisen er bevidst redundans. Afdelingens navn gentages på hver produktrække, og\nden indlæsning, der bygger stjerneskemaet, skal holde gentagelserne ens og\nafgøre, hvad der sker, når en beskrivelse ændres. Stjerneskemaet erstatter\nheller ikke driftsmodellen. Det bygges ud fra den af en indlæsningsproces og er\naldrig mere aktuelt end indlæsningens seneste kørsel.\n\n## Sådan ser det ud i praksis\n\nEn detailkæde vil se salg pr. produktkategori og måned. Forretningsprocessen er\nkassebonen, og granulariteten fastlægges som én række pr. bonlinje.\nProduktdimensionen er én flad tabel, og faktatabellen har en nøgle til hver\ndimension, bonnummeret som degenereret dimension og to mål.\n\n```sql\nCREATE TABLE dim_product (\n    product_key  bigint PRIMARY KEY,   -- surrogatnøgle, ejet af warehouset\n    sku          text NOT NULL,        -- koden i kildesystemet\n    product_name text NOT NULL,\n    brand        text NOT NULL,\n    category     text NOT NULL,\n    department   text NOT NULL\n);\n\nCREATE TABLE fact_sales (\n    date_key       integer NOT NULL REFERENCES dim_date,\n    store_key      integer NOT NULL REFERENCES dim_store,\n    product_key    bigint  NOT NULL REFERENCES dim_product,\n    receipt_number text    NOT NULL,   -- degenereret dimension\n    quantity       integer NOT NULL,\n    sales_amount   numeric(12, 2) NOT NULL\n);\n\nSELECT d.year_month, p.category, sum(f.sales_amount) AS sales\nFROM fact_sales AS f\nJOIN dim_date AS d USING (date_key)\nJOIN dim_product AS p USING (product_key)\nWHERE p.department = 'Dagligvarer'\nGROUP BY d.year_month, p.category\nORDER BY d.year_month, p.category;\n```\n\nForespørgslen har den form, alle forespørgsler mod et stjerneskema har:\nfaktatabellen, én join pr. dimension, filtre og grupperinger på dimensionernes\ntekst og en sum over et faktum. Skal butikkens region med i rapporten, er det én\njoin og én kolonne mere i `GROUP BY`; faktatabellen ændres ikke. Bonnummeret\nbliver i faktarækken, så linjerne fra én indkøbskurv stadig kan tælles sammen,\nmen det får ingen dimensionstabel, for der er ikke mere at sige om det.\n\nEt stjerneskema er ét svar på løftet bag ydelsen\n[databasedesign og datamodellering](/da/services/database-design/): en struktur,\nder passer til, hvordan forretningen faktisk fungerer, så de svar, man får brug\nfor senere, stadig kan hentes. Driftsmodellen, som stjerneskemaet bygges ud fra,\ner den anden halvdel af arbejdet. I sit nuværende arbejde for NextMariner har grundlæggeren\n[modelleret et maritimt domæne i 348 normaliserede tabeller](/da/portfolio/modeled-348-tables-across-34-postgres-schemas/)\nfordelt på 34 PostgreSQL-skemaer med fagfolk, virksomheder, skibe, jobs og\nanmeldelser. Dér blev de mange små, stabile lister som statusser, typer og\nkategorier til SMALLINT-opslagstabeller, hvilket holder rækkerne kompakte og\njoins billige, og rigtige fremmednøgler og constraints gør integriteten til\ndatabasens opgave. Det er den rigtige form til et system, der skriver én række\nad gangen og skal forblive korrekt. Et stjerneskema bygget til rapportering oven\npå sådan et system går den modsatte vej: Det oversætter koderne tilbage til ord\ni flade dimensioner, fordi dets læser er et menneske og ikke applikationen.\n\n## Hvor det går galt\n\n**Dimensionerne bliver normaliseret, og stjernen bliver til et snefnug.** At\nlægge mærke, kategori og afdeling ud af produktdimensionen i egne tabeller ser\npænt ud for den, der er vant til at designe driftssystemer. Kimball Group kalder\nresultatet et snowflake-skema og fraråder det: Forretningsbrugere har svært ved\nat forstå og finde rundt i det, og de ekstra joins kan gøre forespørgslerne\nlangsommere, mens en flad dimension rummer nøjagtig de samme oplysninger. Hold\nhver dimension som én bred tabel, og lad indlæsningen gentage hierarkiet på hver\nrække.\n\n**Granulariteten bliver valgt, så den passer til den første rapport.** En\nfaktatabel med dagligt salg pr. butik besvarer det dashboard, den blev bygget\ntil, og intet under det; det første spørgsmål om et enkelt produkt eller en\nenkelt indkøbskurv kræver en ny indlæsning fra kilden. En tabel, der blander\ndaglige totaler med enkelte linjer, er endnu værre, fordi enhver sum over den\ntæller det samme salg to gange. Fastlæg granulariteten først, start på det\natomare niveau, processen registrerer, og giv hver granularitet sin egen\nfaktatabel. Opsummeringstabeller kan derefter lægges ovenpå for hastighedens\nskyld, som separate tabeller.\n\n**Dimensionernes attributter er kildesystemets koder.** Driftssystemer gemmer\nkompakte koder, og kopieres de direkte over i en dimension, får rapporterne\nrækkeetiketter, som kun kildesystemet forstår. Kimball Group tillader koder som\nattributter, men de mest nyttige attributter er ifølge dem udførlige\nbeskrivelser, fordi det er dem, der ender som etiketter i en rapport. Oversæt\nhver kode til ord under indlæsningen, og behold koden i en kolonne ved siden af\nbeskrivelsen til den, der skal spore en række tilbage til kilden.\n\n**Faktatabellen er formet som en rapport.** Det er fristende at designe den ud\nfra det regneark, forretningen allerede bruger, med en kolonne pr. måned eller\nen række pr. linje i ledelsesrapporten. Kimball Group er klar i mælet: En\nfaktatabels design hviler på den fysiske aktivitet, der måles, ikke på de\nrapporter, der senere trækkes ud af den. Rapportlayouts skifter, men kassebonen\ngør ikke. Modellér hændelsen, én række pr. forekomst på den fastlagte\ngranularitet, og lad forespørgslerne levere opstillingen.\n\n## Læs mere\n\n- [Star Schemas and OLAP Cubes](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/star-schema-olap-cube/)\n  — definitionen, fakta og dimensioner som måling og kontekst, og hvordan kuber\n  hænger sammen med stjerneskemaer.\n- [Grain](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/grain/)\n  — hvad én række i faktatabellen betyder, og hvorfor den atomare granularitet\n  kommer først.\n- [Fact Table Structure](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/fact-table-structure/)\n  — numeriske mål og fremmednøgler i én række pr. hændelse, designet ud fra\n  aktiviteten og ikke rapporten.\n- [Dimension Table Structure](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/dimension-table-structure/)\n  — brede, flade, denormaliserede tabeller, hvis beskrivende attributter styrer\n  filtre, grupperinger og etiketter.\n- [Snowflaked Dimensions](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/snowflake-dimension/)\n  — hvorfor det gør en dimension sværere at bruge at normalisere dens hierarki.\n- [Microsoft: Dataadgang til multidimensionelle modeller](https://learn.microsoft.com/en-us/analysis-services/multidimensional-models/mdx/multidimensional-model-data-access-analysis-services-multidimensional-data?view=sql-analysis-services-2025)\n  — MDX som forespørgsels- og beregningssprog og XMLA som grænsefladen, hvorigennem en klient kan sende en MDX-sætning.\n\n\u003chttps://engineer.company/da/glossary/star-schema/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"Forretningens hændelser i én faktatabel og flade dimensionstabeller rundt om: sådan bygges et stjerneskema, hvorfor det er let at læse, og fire typiske fejl.","formats":{"gemtext":"https://engineer.company/da/glossary/star-schema/index.gmi","gopher":"https://engineer.company/da/glossary/star-schema/gophermap","html":"https://engineer.company/da/glossary/star-schema/","json":"https://engineer.company/da/glossary/star-schema/index.json","markdown":"https://engineer.company/da/glossary/star-schema/index.md","pdf":"https://engineer.company/da/glossary/star-schema/index.pdf"},"kind":"page","language":"da","title":"Hvad er et stjerneskema?","url":"https://engineer.company/da/glossary/star-schema/","version":1}