São modelos fortemente associados à estrutura de um banco de...
Devido:
Modelo Estrela = Starchema ( Todas as dimensões relacionan-se diretamente com o fato)
Modelo Flocos de Neve = Snowflake ( Visa Normalizar o banco, esse modelo fica mais complicado analista entender (Dimensões Auxiliares)
STAR SCHEMA (Esquema estrela)
- Abordagem que não recomenda a normalização das tabelas dimensão.
- Mais recomendável e tem maior desempenho;
- É a estrutura básica de um modelo de dados multidimensional.
- Possui uma grande entidade central denominada fato.
- Possui relacionamento 1:N (uma para muitos) o sentido da dimensão para o fato.
SNOWFLAKE SCHEMA (Esquema de flocos de neve)
- Abordagem que recomenda a normalização das tabelas dimensão.
- Possui dimensões normalizadas;
- É mais lento devido a normalização.
- É o resultado da decomposição de uma ou mais dimensões que possuem hierarquias entre seus membros.
- Cada dimensão se divide em várias outras subdimensões.
Alternativa: C
Alternativa correta: C - estrela e snowflake.
Ao estudar Banco de Dados Multidimensionais, especialmente no contexto de sistemas de suporte à decisão, como Data Warehouses, encontramos dois modelos de esquemas muito importantes: o modelo em estrela (star schema) e o modelo snowflake (snowflake schema). Esses modelos são projetados para otimizar consultas de análise de dados e relatórios, e sua compreensão é essencial para profissionais que trabalham com bancos de dados analíticos.
O modelo em estrela é assim chamado porque consiste em uma tabela de fatos central rodeada por tabelas de dimensões, lembrando a forma de uma estrela. A tabela de fatos armazena dados quantitativos, como vendas, enquanto as tabelas de dimensões contêm atributos descritivos relacionados aos dados de fatos, tais como informações de tempo, clientes, produtos, etc.
Já o modelo snowflake é uma variação mais normalizada do modelo estrela, em que as tabelas de dimensão podem ser subdivididas em outras tabelas, formando um design que se assemelha à estrutura de um floco de neve. Essa normalização reduz a redundância de dados e pode melhorar a eficiência do armazenamento, mas pode tornar as consultas mais complexas devido ao maior número de junções necessárias.
Esses dois modelos são fundamentais no projeto de bancos de dados multidimensionais, e saber diferenciá-los é crucial para entender como os dados são organizados e como as consultas são otimizadas em ambientes analíticos. Portanto, a alternativa C está correta, pois identifica corretamente os dois modelos de esquema associados a bancos de dados multidimensionais.