{"canonical_url":"https://engineer.company/sv/glossary/star-schema/","content_markdown":"# Stjärnschema\n\n## Vad det är\n\nEtt stjärnschema är ett sätt att lägga upp tabeller för analys. En tabell i\nmitten registrerar affärshändelser, som försäljningar, leveranser eller\nbetalningar, i form av siffror. Runt den står tabellerna som beskriver\nhändelserna: vilken produkt, vilken butik, vilken dag, vilken kund. Ritar man\ndet som ett diagram, med ett streck från tabellen i mitten till var och en av de\nandra, ser det ut som en stjärna.\n\nTabellen i mitten kallas faktatabellen, och tabellerna runt den kallas\ndimensionstabeller. Kimball Group beskriver stjärnscheman just så: faktatabeller\nsom är kopplade till de dimensionstabeller som hör till dem. Kopplingen är en\nhelt vanlig nyckel. Varje dimensionstabell har en enda primärnyckel, och varje\nrad i faktatabellen bär den nyckeln som främmande nyckel, en för varje dimension\nsom beskriver händelsen.\n\nUppdelningen följer en åtskillnad som Kimball Group gör mellan mätning och\nsammanhang. En dimensionell modell byggs kring mäthändelserna i en\naffärsprocess: en vara skannas i kassan, en order skickas, en\nförsäkringsersättning betalas ut. Siffrorna som händelsen ger, som antal och\nbelopp, är fakta. Allt som säger vem, vad, var, när, varför och hur är\nsammanhang, och det hör hemma i dimensionerna.\n\nDe två tabelltyperna har motsatt form. På den mest detaljerade nivån har en\nfaktatabell en rad per händelse, med de numeriska måtten, en främmande nyckel\ntill varje dimension och ibland ett referensnummer, som ett faktura- eller\nkvittonummer. När dokumentets datum, kund och butik har blivit dimensioner är\nnumret allt som finns kvar av det, så det lagras på faktaraden utan någon\ndimensionstabell bakom sig. Kimball Group kallar det en degenererad dimension.\nEn dimensionstabell är däremot bred, platt och medvetet denormaliserad, med\nmånga beskrivande textkolumner. En produktdimension upprepar varumärke, kategori\noch avdelning på varje produktrad i stället för att bryta ut dem i egna\ntabeller.\n\nEtt stjärnschema är den relationella formen av en dimensionell modell, byggd av\nvanliga tabeller i en vanlig SQL-databas. Den andra formen som Kimball Group\nbeskriver är OLAP-kuben, en flerdimensionell databas med samma attribut och\nfakta, som frågas med språk som har mer analytisk kraft än SQL, till exempel\nMDX, medan XMLA tillhandahåller ett protokoll för åtkomst. Kuber byggs ofta från ett stjärnschema, antingen som ett sista steg innan\nanvändarna ser data eller som ett lager av aggregat. Modelleringsreglerna är\ndesamma för båda formerna, och Kimball Group kallar dem arkitekturneutrala: de\ngäller lika väl för ett analysdatalager i Kimballs anda som för Bill Inmons\nCorporate Information Factory, som är uppbyggd som ett nav med ekrar.\n\n## Varför det spelar roll\n\nFormen gör att analytiska frågor liknar varandra. Välj de fakta som ska\nsummeras, koppla faktatabellen till dimensionerna som beskriver dem, filtrera på\nnågra dimensionskolumner och gruppera på andra. Kimball Group beskriver\nfaktatabeller som det främsta målet för beräkningar och dynamiska aggregeringar,\noch dimensionsattribut som den främsta källan till villkor, grupperingar och\netiketter i rapporter. En analytiker som har lärt sig mönstret en gång kan\nskriva nästa fråga mot en ny faktatabell utan hjälp, och ett rapportverktyg kan\nbygga den från en lista med fält, eftersom alla stjärnor är uppbyggda på samma\nsätt.\n\nLäsbarhet är det andra skälet. En driftdatabas är gjord för att lagra varje\nuppgift en gång och hålla den konsekvent, så en produkts kategori ligger gärna i\nen egen uppslagstabell som kopplas tillbaka via ett id. Det är rätt design för\nsystemet som tar emot order och fel design för den som letar efter försäljning\nper kategori och först måste lista ut vilka tabeller som ska kopplas, och i\nvilken ordning. En platt dimension samlar alla beskrivande kolumner på ett\nställe, utskrivna i ord. Kimball Group avråder från alternativet, att\nnormalisera en dimensions hierarki ut i fler tabeller, eftersom verksamhetens\nanvändare har svårt att förstå och navigera i resultatet.\n\nDet tredje skälet är att en välbyggd stjärna kan besvara frågor som ingen\nställde när den utformades. Granulariteten i en faktatabell, alltså den exakta\nbetydelsen av en rad, bestäms före varje dimension och varje faktum, och Kimball\nGroup rekommenderar att börja på atomär granularitet: den lägsta nivå som\naffärsprocessen registrerar. En tabell där varje rad är en kvittorad kan\nsummeras per dag, butik, varumärke eller vilken kombination av dem som helst. En\ntabell som bara har dagliga summor per butik kan aldrig brytas ned per produkt,\nhur frågan än formuleras. Med Kimball Groups ord tål atomära data oförutsägbara\nfrågor, medan sammanfattade data förutsätter vilka frågor de ska få.\n\nPriset är medveten redundans. Avdelningsnamnet upprepas på varje produktrad, och\nladdningen som bygger stjärnan måste hålla upprepningarna konsekventa och avgöra\nvad som ska hända när en beskrivning ändras. Stjärnan ersätter inte heller\ndriftmodellen; den byggs från driftmodellen genom en laddningsprocess och är\naldrig färskare än den laddningens senaste körning.\n\n## Så ser det ut i praktiken\n\nEn detaljhandelskedja vill se försäljning per produktkategori och månad.\nAffärsprocessen är kassakvittot, och granulariteten bestäms till en rad per\nkvittorad. Produktdimensionen är en enda platt tabell, och faktatabellen har en\nnyckel för varje dimension, kvittonumret som degenererad dimension och två mått.\n\n```sql\nCREATE TABLE dim_product (\n    product_key  bigint PRIMARY KEY,   -- surrogatnyckel, ägs av lagret\n    sku          text NOT NULL,        -- koden i källsystemet\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,   -- degenererad 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 = 'Dagligvaror'\nGROUP BY d.year_month, p.category\nORDER BY d.year_month, p.category;\n```\n\nFrågan har den form som alla stjärnfrågor har: faktatabellen, en koppling per\ndimension, filter och grupperingar på dimensionstext och en summa över ett\nfaktum. Att lägga till butikens region i rapporten är en koppling och en kolumn\ntill i `GROUP BY`; faktatabellen ändras inte. Kvittonumret står kvar på\nfaktaraden, så att raderna i en kundkorg fortfarande kan räknas ihop, men det\nfår ingen dimensionstabell, eftersom det inte finns något mer att säga om det.\n\nEtt stjärnschema är ett svar på löftet i tjänsten\n[databasdesign och datamodellering](/sv/services/database-design/): en struktur\nsom speglar hur verksamheten faktiskt fungerar, så att de frågor man behöver\nsvar på senare fortfarande går att ställa. Driftmodellen som stjärnan byggs från\när den andra halvan av det arbetet. I sitt pågående arbete för NextMariner har grundaren\n[modellerat en sjöfartsdomän i 348 normaliserade tabeller](/sv/portfolio/modeled-348-tables-across-34-postgres-schemas/)\ni 34 PostgreSQL-scheman, med yrkesverksamma, företag, fartyg, jobb och\nrecensioner. Där blev små, stabila uppräkningar som statusar, typer och\nkategorier uppslagstabeller med SMALLINT, vilket håller raderna kompakta och\njoinarna billiga, och riktiga främmande nycklar och villkor gör integriteten\ntill databasens uppgift. Det är rätt form för ett system som skriver en rad i\ntaget och måste förbli korrekt. En stjärna som byggs för rapportering ovanpå ett\nsådant system går åt andra hållet: den gör om koderna till ord igen i platta\ndimensioner, eftersom läsaren är en människa och inte applikationen.\n\n## Var det går fel\n\n**Dimensionerna normaliseras, och stjärnan blir en snöflinga.** Att bryta ut\nvarumärke, kategori och avdelning ur produktdimensionen i egna tabeller ser\nprydligt ut för alla som är vana vid att designa driftsystem. Kimball Group\nkallar resultatet en snöflinga (snowflake) och avråder från det: verksamhetens\nanvändare har svårt att förstå och navigera i den, och de extra kopplingarna kan\ngöra frågor långsammare, medan en platt dimension innehåller exakt samma\ninformation. Håll varje dimension som en enda bred tabell och låt laddningen\nupprepa hierarkin på varje rad.\n\n**Granulariteten anpassas efter den första rapporten.** En faktatabell med\ndaglig försäljning per butik svarar på den dashboard den byggdes för och på\ningenting under den; den första frågan om en enskild produkt eller kundkorg\nkräver en ny laddning från källan. En tabell som blandar dagliga summor med\nenskilda rader är ännu värre, eftersom varje summa över den räknar samma\nförsäljning två gånger. Bestäm granulariteten först, börja på den atomära nivå\nsom processen registrerar och ge varje granularitet en egen faktatabell.\nSammanfattningstabeller kan sedan läggas ovanpå för snabbhetens skull, som\nseparata tabeller.\n\n**Dimensionsattributen är källsystemets koder.** Driftsystem lagrar kompakta\nkoder, och kopierar man dem rakt in i en dimension blir det rapporter med\nradetiketter som bara källsystemet förstår. Kimball Group tillåter koder som\nattribut men säger att de mest användbara attributen är utförliga beskrivningar,\neftersom det är de som hamnar som etiketter i rapporten. Översätt varje kod till\nord under laddningen och behåll koden i en kolumn bredvid beskrivningen för den\nsom behöver spåra en rad tillbaka till källan.\n\n**Faktatabellen är formad som en rapport.** Det är frestande att utforma den\nefter det kalkylark som verksamheten redan använder, med en kolumn per månad\neller en rad per post i ledningsrapporten. Kimball Group är tydlig med att en\nfaktatabells utformning bygger på den fysiska aktivitet som mäts, inte på de\nrapporter som senare tas fram ur den. Rapportlayouter ändras; kassakvittot gör\ndet inte. Modellera händelsen, en rad per förekomst på den bestämda\ngranulariteten, och låt frågorna ta fram layouterna.\n\n## Läs mer\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 och dimensioner som mätning och sammanhang, och hur\n  kuber hänger ihop med stjärnscheman.\n- [Grain](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/grain/)\n  — vad en rad i faktatabellen betyder och varför atomär granularitet kommer\n  först.\n- [Fact Table Structure](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/fact-table-structure/)\n  — numeriska mått och främmande nycklar på en rad per händelse, utformade efter\n  aktiviteten och inte efter rapporten.\n- [Dimension Table Structure](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/dimension-table-structure/)\n  — breda, platta, denormaliserade tabeller vars beskrivande attribut styr\n  filter, grupperingar och etiketter.\n- [Snowflaked Dimensions](https://www.kimballgroup.com/data-warehouse-business-intelligence-resources/kimball-techniques/dimensional-modeling-techniques/snowflake-dimension/)\n  — varför en dimension blir svårare att använda när dess hierarki normaliseras.\n- [Microsoft: Dataåtkomst för flerdimensionella 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 fråge- och beräkningsspråk och XMLA som gränssnittet genom vilket en klient kan skicka en MDX-instruktion.\n\n\u003chttps://engineer.company/sv/glossary/star-schema/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"Affärshändelser i en faktatabell med platta dimensionstabeller runt omkring: hur ett stjärnschema byggs, varför det är lätt att läsa och fyra vanliga fel.","formats":{"gemtext":"https://engineer.company/sv/glossary/star-schema/index.gmi","gopher":"https://engineer.company/sv/glossary/star-schema/gophermap","html":"https://engineer.company/sv/glossary/star-schema/","json":"https://engineer.company/sv/glossary/star-schema/index.json","markdown":"https://engineer.company/sv/glossary/star-schema/index.md","pdf":"https://engineer.company/sv/glossary/star-schema/index.pdf"},"kind":"page","language":"sv","title":"Vad är ett stjärnschema?","url":"https://engineer.company/sv/glossary/star-schema/","version":1}