Sternschema

Was es ist

Ein Sternschema ordnet Tabellen für die Analyse an. Eine Tabelle in
der Mitte erfasst Geschäftsereignisse wie Verkäufe, Sendungen oder
Zahlungen als Zahlen. Darum stehen die Tabellen, die diese
Ereignisse beschreiben: welches Produkt, welches Geschäft, welcher
Tag, welcher Kunde. Verbindet man in einem Diagramm die mittlere
Tabelle mit jeder der anderen, entsteht ein Stern.

Die mittlere Tabelle ist die Faktentabelle; die umliegenden sind
Dimensionstabellen. Die Beschreibung der Kimball Group ist knapp:
„Sternschemata bestehen typischerweise aus Faktentabellen, die mit
zugehörigen Dimensionstabellen verknüpft sind.“ Die Verbindung ist
ein gewöhnlicher Schlüssel. Jede Dimensionstabelle hat genau einen
Primärschlüssel. Jede Faktenzeile führt ihn als Fremdschlüssel mit,
einen für jede Dimension, die das Ereignis beschreibt.

Die Aufteilung folgt der Unterscheidung der Kimball Group zwischen
Messung und Kontext. Ein dimensionales Modell wird um die
Messereignisse eines Geschäftsprozesses aufgebaut: ein an der Kasse
gescannter Artikel, ein versandter Auftrag, eine beglichene
Forderung. Die dabei entstehenden Zahlen, etwa Menge und Betrag,
sind die Fakten. Alles, was Wer, Was, Wo, Wann, Warum und Wie
beschreibt, ist Kontext und steht in den Dimensionen.

Die beiden Tabellentypen haben entgegengesetzte Formen. Auf der
detailliertesten Ebene enthält eine Faktentabelle eine Zeile pro
Ereignis mit den numerischen Messwerten, einem Fremdschlüssel zu
jeder Dimension und manchmal einer Referenz wie einer Rechnungs-
oder Belegnummer. Diese Nummer ist alles, was vom Dokument übrig
bleibt, sobald Datum, Kunde und Geschäft zu Dimensionen geworden
sind. Sie steht deshalb in der Faktenzeile ohne eigene
Dimensionstabelle dahinter; die Kimball Group nennt das eine
degenerierte Dimension. Eine Dimensionstabelle ist dagegen breit,
flach und bewusst denormalisiert, mit vielen beschreibenden
Textspalten. Eine Produktdimension wiederholt Marke, Kategorie und
Abteilung in jeder Produktzeile, statt sie in eigene Tabellen
auszulagern.

Ein Sternschema ist die relationale Form eines dimensionalen
Modells, aufgebaut aus gewöhnlichen Tabellen in einer gewöhnlichen
SQL-Datenbank. Die andere von der Kimball Group beschriebene Form
ist der OLAP-Würfel: eine mehrdimensionale Datenbank mit denselben
Attributen und Fakten, abgefragt mit analytisch mächtigeren Sprachen
als SQL, etwa MDX. XMLA stellt dabei ein Zugriffsprotokoll bereit.
Würfel werden häufig aus einem Sternschema aufgebaut, als letzter
Schritt, bevor Benutzer die Daten sehen, oder als Aggregatschicht.
Für beide gelten dieselben Modellierungsregeln. Die Kimball Group
nennt sie architekturneutral: Sie gelten für ein Data Warehouse nach
Kimball ebenso wie für Bill Inmons Corporate Information Factory mit
ihrer Hub-and-Spoke-Architektur.

Warum es wichtig ist

Die Form vereinheitlicht analytische Fragen. Man wählt die zu
summierenden Fakten, verbindet die Faktentabelle mit den
beschreibenden Dimensionen, filtert nach einigen Dimensionsspalten
und gruppiert nach anderen. Die Kimball Group beschreibt
Faktentabellen als Hauptziel von Berechnungen und dynamischen
Aggregationen und Dimensionsattribute als Hauptquelle für
Abfragebedingungen, Gruppierungen und Berichtsbeschriftungen. Wer
dieses Muster einmal gelernt hat, kann ohne Hilfe die nächste
Abfrage auf einer neuen Faktentabelle schreiben. Ein
Berichtswerkzeug kann sie aus einer Feldliste aufbauen, weil jeder
Stern gleich angeordnet ist.

Lesbarkeit ist der zweite Grund. Eine operative Datenbank soll jeden
Sachverhalt einmal speichern und konsistent halten. Die Kategorie
eines Produkts steht deshalb meist in einer separaten
Nachschlagetabelle, die über eine ID verknüpft wird. Das ist das
richtige Design für ein System, das Aufträge erfasst, aber das
falsche für jemanden, der Umsätze je Kategorie sucht: Zuerst muss
diese Person herausfinden, welche Tabellen in welcher Reihenfolge zu
verbinden sind. Eine flache Dimension versammelt alle beschreibenden
Spalten an einem Ort, in ausgeschriebenen Wörtern. Die Kimball Group
warnt vor der Alternative, die Hierarchie einer Dimension in weitere
Tabellen zu normalisieren, weil Fachanwender das Ergebnis schwer
verstehen und sich darin nur mühsam zurechtfinden.

Der dritte Grund: Ein gut gebauter Stern kann Fragen beantworten,
die beim Entwurf niemand gestellt hat. Die Granularität einer
Faktentabelle, also die genaue Bedeutung einer Zeile, wird vor jeder
Dimension und jedem Fakt festgelegt. Die Kimball Group empfiehlt den
Einstieg auf atomarer Ebene, der niedrigsten vom Geschäftsprozess
erfassten Stufe. Eine Tabelle mit einer Zeile pro Belegposition
lässt sich nach Tag, Geschäft, Marke oder jeder Kombination daraus
summieren. Eine Tabelle mit bloßen Tagessummen je Geschäft lässt
sich niemals nach Produkt aufschlüsseln, unabhängig von der
Formulierung der Frage. In der Terminologie der Kimball Group halten
atomare Daten unvorhersehbaren Abfragen stand, während verdichtete
Daten die späteren Fragen voraussetzen.

Der Preis ist gewollte Redundanz. Der Abteilungsname wiederholt sich
in jeder Produktzeile. Der Ladeprozess, der den Stern aufbaut, muss
diese Wiederholungen konsistent halten und festlegen, was bei einer
geänderten Beschreibung geschieht. Der Stern ersetzt auch nicht das
operative Modell. Ein Ladeprozess baut ihn daraus auf, und er ist
nur so aktuell wie dessen letzter Lauf.

Wie es in der Praxis aussieht

Ein Einzelhändler braucht Umsätze nach Produktkategorie und Monat.
Der Geschäftsprozess ist der Kassenbeleg, und die Granularität wird
als eine Zeile pro Belegposition festgelegt. Die Produktdimension
ist eine flache Tabelle. Die Faktentabelle enthält einen Schlüssel
pro Dimension, die Belegnummer als degenerierte Dimension und zwei
Messwerte.

```sql
CREATE TABLE dim_product (
    product_key  bigint PRIMARY KEY,   -- surrogate key, owned by the warehouse
    sku          text NOT NULL,        -- the code in the source system
    product_name text NOT NULL,
    brand        text NOT NULL,
    category     text NOT NULL,
    department   text NOT NULL
);

CREATE TABLE fact_sales (
    date_key       integer NOT NULL REFERENCES dim_date,
    store_key      integer NOT NULL REFERENCES dim_store,
    product_key    bigint  NOT NULL REFERENCES dim_product,
    receipt_number text    NOT NULL,   -- degenerate dimension
    quantity       integer NOT NULL,
    sales_amount   numeric(12, 2) NOT NULL
);

SELECT d.year_month, p.category, sum(f.sales_amount) AS sales
FROM fact_sales AS f
JOIN dim_date AS d USING (date_key)
JOIN dim_product AS p USING (product_key)
WHERE p.department = 'Grocery'
GROUP BY d.year_month, p.category
ORDER BY d.year_month, p.category;
```

Die Abfrage hat die Form jeder Sternabfrage: Faktentabelle, ein Join
pro Dimension, Filter und Gruppierungen auf Dimensionstext und eine
Summe über einen Fakt. Für die Region des Geschäfts kommen ein
weiterer Join und eine weitere Spalte in `GROUP BY` hinzu; die
Faktentabelle ändert sich nicht. Die Belegnummer bleibt in der
Faktenzeile, damit die Positionen eines Warenkorbs weiterhin
gemeinsam gezählt werden können. Sie bekommt aber keine
Dimensionstabelle, weil es dazu nichts Weiteres zu beschreiben gibt.

Ein Stern ist eine Antwort auf das Versprechen des Angebots für
Datenbankentwurf und Datenmodellierung: eine Struktur, die die
tatsächlichen Abläufe des Geschäfts abbildet, damit sich später
benötigte Fragen weiterhin stellen lassen. Das operative Modell, aus
dem er aufgebaut wird, ist die andere Hälfte dieser Arbeit. In ihrer
laufenden Arbeit für NextMariner hat die Gründerin eine maritime
Domäne in 348 normalisierten Tabellen modelliert, verteilt auf 34
PostgreSQL-Schemas und mit Fachkräften, Unternehmen, Schiffen,
Stellen und Bewertungen. Kleine stabile Listen wie Statuswerte,
Typen und Kategorien wurden dort zu SMALLINT-Nachschlagetabellen.
Das hält die Zeilen kompakt und Joins günstig; echte Fremdschlüssel
und Constraints machen die Integrität zur Aufgabe der Datenbank. Das
ist die richtige Form für ein System, das Zeile für Zeile schreibt
und korrekt bleiben muss. Ein darauf aufbauendes Sternschema für
Berichte geht den umgekehrten Weg: Es macht die Codes in flachen
Dimensionen wieder zu Wörtern, weil ein Mensch und nicht die
Anwendung es liest.

Wo es schiefgeht

Die Dimensionen werden normalisiert und aus dem Stern wird eine
Schneeflocke. Marke, Kategorie und Abteilung aus der
Produktdimension in eigene Tabellen auszulagern wirkt auf jemanden
mit Erfahrung im operativen Entwurf ordentlich. Die Kimball Group
nennt das Ergebnis Schneeflocke und rät davon ab: Fachanwender
verstehen es nur schwer und finden sich darin mühsam zurecht, und
zusätzliche Joins können Abfragen verlangsamen, während eine flache
Dimension genau dieselben Informationen enthält. Halten Sie jede
Dimension als eine breite Tabelle und lassen Sie den Ladeprozess die
Hierarchie in jeder Zeile wiederholen.

Die Granularität wird auf den ersten Bericht zugeschnitten. Eine
Faktentabelle mit Tagesumsätzen je Geschäft beantwortet die Fragen
des Dashboards, für das sie gebaut wurde, aber keine unterhalb
dieser Ebene. Die erste Frage nach einem einzelnen Produkt oder
Warenkorb verlangt einen neuen Ladevorgang aus der Quelle. Noch
schlechter ist eine Tabelle, die Tagessummen und Einzelpositionen
mischt, weil jede Summe darüber denselben Verkauf doppelt zählt.
Legen Sie zuerst die Granularität fest, beginnen Sie auf der vom
Prozess erfassten atomaren Ebene und geben Sie jeder Granularität
eine eigene Faktentabelle. Separate Zusammenfassungstabellen können
anschließend zur Beschleunigung darauf aufsetzen.

Die Dimensionsattribute sind die Codes des Quellsystems. Operative
Systeme speichern kompakte Codes. Werden sie direkt in eine
Dimension kopiert, entstehen Berichte mit Zeilenbeschriftungen, die
nur das Quellsystem versteht. Die Kimball Group erlaubt Codes als
Attribute, bezeichnet aber ausführliche Beschreibungen als die
nützlichsten Attribute, weil diese später die Berichtsbeschriftungen
bilden. Übersetzen Sie beim Laden jeden Code in eine ausgeschriebene
Beschreibung und behalten Sie den Code in einer Spalte neben der
Beschreibung für alle, die eine Zeile zu ihrer Quelle
zurückverfolgen müssen.

Die Faktentabelle sieht aus wie ein Bericht. Es liegt nahe, sie
anhand der bereits verwendeten Tabellenkalkulation zu entwerfen, mit
einer Spalte pro Monat oder einer Zeile pro Position des
Managementberichts. Die Kimball Group stellt ausdrücklich klar, dass
der Entwurf einer Faktentabelle auf der gemessenen physischen
Aktivität beruht, nicht auf den daraus abgeleiteten Berichten.
Berichtslayouts ändern sich; der Kassenbeleg nicht. Modellieren Sie
das Ereignis mit einer Zeile pro Vorkommen auf der festgelegten
Granularität und lassen Sie Abfragen die Layouts erzeugen.

Weiterführende Lektüre

  * Star Schemas and OLAP Cubes — die Definition, Fakten und
Dimensionen als Messung und Kontext sowie die Beziehung von Würfeln
zu Sternen.

  * Grain — festlegen, was eine Faktenzeile bedeutet und warum die
atomare Granularität zuerst kommt.

  * Fact Table Structure — numerische Messwerte und Fremdschlüssel
in einer Zeile pro Ereignis, von der Aktivität statt vom Bericht aus
entworfen.

  * Dimension Table Structure — breite, flache, denormalisierte
Tabellen, deren beschreibende Attribute Filter, Gruppierungen und
Beschriftungen bestimmen.

  * Snowflaked Dimensions — warum die Normalisierung einer
Dimensionshierarchie ihre Nutzung erschwert.

  * Microsoft: Datenzugriff auf mehrdimensionale Modelle — MDX als
Abfrage- und Berechnungssprache und XMLA als Schnittstelle, über die
ein Client eine MDX-Anweisung senden kann.

hDiese Seite im Web	URL:https://engineer.company/de/glossary/star-schema/	engineer.company	70
