Pocas y muchas dimensiones
Edwin Caldón
Data Warehouse & OLAP
Introducción
- Un modelo dimensional tiene de 5 a 15 dimensiones
- menor a 5 indica que hay dimensiones por fuera del diseño
- Mas de 20 o 30 => debe recortar el número de dimensiones
- Muchas dimensiones indica que no todas son independientes y deberían combinarse en una sola
- Espacio en disco
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Pocas y muchas dimensiones
Pocas dimensiones
Pocas dimensiones
Snaphot de Balance con pocas dimensiones
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Pocas dimensiones
- En este caso se debe considerar si es apropiado adicionar algunas de la siguiente clase de dimensiones:
- Dimensiones causales: provee info adicional a la causa de un evento
- Dimensiones fecha: especiales cuando la tabla de hechos se registran por períodos de tiempo
- Dimensiones con varios roles: una dimensión aparece varias veces en una tabla de hechos
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Pocas dimensiones
- Dimensión auditoría: dim q' etiqueta cada fila de la tabla de hechos con metadatos operacionales cuando se crea la fila (calidad de los datos)
- Dimensión basura: grupo de atributos no organizados
- El nivel de detalle (grano) de la tabla de hechos no cambia
- Todas las aplicaciones existentes deben correr sin cambios
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Pocas dimensiones
Snaphot de la tabla de hechos para todas las cuentas
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Pocas y muchas dimensiones
Muchas dimensiones
Muchas dimensiones
Tabla de hechos ciempiés con muchas dimensiones
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.
Muchas dimensiones
- Números joins -> consultas
- Deberían hacerse combinaciones:
- Dimensiones interrelacionadas en una dimensión simple
- Atributos que guarden interrelación (Niveles de jerarquía)
- El nuevo resultado debe ser mas pequeño que el producto cartesiano de las dimensiones separadas
Extraido de:
Ralph Kimball, Margy Ross. (2002). The Data Warehouse Toolkit. Second Edition. John Wiley & Sons, Inc.