Star Schema vs Snowflake Schema: Diferenças e casos de uso

O que é um esquema Snowflake?

Um esquema de Snowflake é outra maneira de organizar dados. Nesse esquema, as tabelas de dimensões são divididas em subdimensões menores para manter os dados mais organizados e detalhados — assim como flocos de neve em um grande lago. 

Esquema de Snowflake. Imagem do autor.

Vamos dar uma olhada nas principais características do esquema Snowflake que o diferenciam de outros esquemas:

• Tabelas de dimensões multiníveis: Podemos dividir nossas tabelas de dimensões em tabelas menores e mais específicas. Por exemplo, se eu quiser rastrear a localização das lojas, em vez de colocar todos os detalhes de localização em uma grande tabela, posso dividi-los em tabelas separadas para países, estados e cidades. Assim, cada tabela teria só as informações necessárias, reduzindo a repetição e melhorando a organização.
• Normalização para eficiência de armazenamento: Diferente do esquema em estrela, o esquema Snowflake parapermite um design normalizado,o que evita a duplicação de dados. Por exemplo, em vez de repetir uma categoria de produto como Electronics para cada produto, posso guardar a categoria numa tabela separada e ligá-la a produtos individuais.
• Adequação para ambientes de dados complexos: O esquema Snowflake funciona melhor para ambientes de dados complexos, pois usa tabelas multiníveis para lidar com relações complexas e estruturas de dados hierárquicas.

Vamos entender isso com um diagrama simples do esquema do Snowflake. No centro está a tabela de fatos, que contém dados mensuráveis. Ele se conecta a tabelas de dimensões que descrevem os fatos, e essas tabelas de dimensões se ramificam em tabelas de subdimensões, formando uma estrutura semelhante a um Snowflake. 

Por exemplo, aqui eu dividi atabela Product em Manufacturer e Category e atabela Customer em Transaction e Location :

Exemplo de esquema Snowflake. Imagem do autor.

Aqui está um exemplo de SQL que mostra um esquema Snowflake, onde a Product tabela é ainda mais normalizada em Category e Manufacturer tabelas:

-- Fact table remains the same
CREATE TABLE Sales (
    Sales_ID INT PRIMARY KEY,
    Product_ID INT,
    Customer_ID INT,
    Date_ID INT,
    Sales_Amount DECIMAL(10, 2),
    FOREIGN KEY (Product_ID) REFERENCES Products(Product_ID),
    FOREIGN KEY (Customer_ID) REFERENCES Customers(Customer_ID),
    FOREIGN KEY (Date_ID) REFERENCES Dates(Date_ID)
);

-- Dimension table: Product
CREATE TABLE Product (
    Product_ID INT PRIMARY KEY,
    Product_Name VARCHAR(100),
    Category_ID INT,
    Manufacturer_ID INT,
    FOREIGN KEY (Category_ID) REFERENCES Category(Category_ID),
    FOREIGN KEY (Manufacturer_ID) REFERENCES Manufacturer(Manufacturer_ID)
);

-- Sub-dimension table: Category
CREATE TABLE Category (
    Category_ID INT PRIMARY KEY,
    Category_Name VARCHAR(50)
);

-- Sub-dimension table: Manufacturer
CREATE TABLE Manufacturer (
    Manufacturer_ID INT PRIMARY KEY,
    Manufacturer_Name VARCHAR(100)
);

A consulta a seguir calcula o total de vendas por categoria de produto. Embora envolva mais junções do que o esquema em estrela, é mais eficiente em termos de armazenamento:

SELECT cat.Category_Name, SUM(s.Sales_Amount) AS TotalSales
FROM Sales s
JOIN Product p ON s.Product_ID = p.Product_ID
JOIN Category cat ON p.Category_ID = cat.Category_ID
GROUP BY cat.Category_Name;

Vantagens e limitações de um esquema em Snowflake

Assim como o esquema em estrela, o esquema Snowflake também tem suas próprias vantagens. Vamos ver quais são:

• Menos redundância de dados: A normalização garante que os mesmos dados não sejam armazenados várias vezes, o que reduz a duplicação.
• Armazenamento eficiente para grandes conjuntos de dados: Esse esquema economiza espaço de armazenamento, evitando a repetição de dados, o que o torna ideal para gerenciar grandes conjuntos de dados.

Mas, mesmo com todas essas vantagens, também tem algumas limitações. Por exemplo,consultas podem ser mais lentas do que porque há mais junções entre as tabelas. Além disso, a estrutura multinível é maisdifícil de projetar e manter do que esquemas mais simples, como o esquema em estrela. Então, só faça isso se você tiver uma equipe experiente de administradores de banco de dados.

Recomendo conferir o curso de Design de Banco de Dados se você quiser saber mais sobre como organizar dados de forma eficiente para análise. 

Usando uma abordagem híbrida

Em projetos reais, é comum usar os dois padrões em camadas diferentes para juntar os pontos fortes das duas abordagens:

• Mantenha estruturas mais normalizadas (em floco de neve) na camada do warehouse para garantir consistência e facilitar a manutenção.
• Publique marts em forma de estrela ou visualizações desnormalizadas para BI e relatórios

Isso permite que as equipes equilibrem a integridade e a governança dos dados com o uso rápido e simples de análises.

Esquema em estrela vs. Esquema em Snowflake

Os esquemas em estrela e em Snowflake são bem usados em warehouse de dados, mas suas características únicas fazem com que sejam mais adequados para diferentes necessidades. Vamos ver como esses esquemas diferem em estrutura, desempenho, requisitos de armazenamento e casos de uso.

Estrutura

Todas as tabelas de dimensões se conectam diretamente a uma tabela de fatos central em um esquema em estrela. Isso quer dizer que todos os seus dados de referência estão a um passo dos seus dados principais, facilitando a compreensão e o trabalho.

Comparando, um esquema de Snowflake divide as tabelas de dimensões em tabelas de subdimensões menores e mais específicas. Por exemplo, você pode ter tabelas separadas para países, estados e cidades, em vez de uma tabela única de localização. Embora isso crie uma estrutura mais organizada e detalhada, também significa que são necessárias mais conexões (ou junções) para acessar seus dados — uma das principais razões pelas quais o esquema Snowflake é mais complexo do que o esquema Star.

Desempenho

Quando se trata de velocidade, os esquemas em estrela costumam ser melhores. Como todas as tabelas de dimensões se conectam diretamente à tabela de fatos, as consultas geralmente precisam de menos junções, o que significa um desempenho mais rápido. Digamos que você queira analisar as vendas por região — nesse caso, você pode usar o esquema em estrela para pegar os dados com o mínimo de processamento.

Por outro lado, os esquemas Snowflake costumam ser mais lentos porque você precisa se conectar por meio de várias tabelas para recuperar os dados. Cada junção aumenta o tempo de processamento, tornando os esquemas Snowflake menos eficientes para tarefas que exigem resultados rápidos de consulta.

O curso Joining Data in SQL é uma excelente introdução para aprender como unir tabelas, aplicar a teoria dos conjuntos relacionais e trabalhar com subconsultas.

Requisitos de armazenamento

Os esquemas em estrela ocupam mais espaço de armazenamento porque guardam informações redundantes nas tabelas de dimensões. Por exemplo, se vários produtos pertencem à mesma categoria, o nome da categoria vai se repetir para cada produto, aumentando as necessidades de armazenamento.

Mas os esquemas de Snowflake normalizam os dados pra guardar todas as informações só uma vez. Por exemplo, em vez de repetir os nomes das categorias, eles são guardados numa tabela separada e ligados à tabela de produtos usando chaves estrangeiras. Esse design economiza espaço de armazenamento, sendo ideal para grandes conjuntos de dados.

Casos de uso

Os esquemas em estrela são perfeitos para sistemas de processamento analítico online (OLAP), relatórios e tarefas de inteligência empresarial. A simplicidade deles faz com que sejam perfeitos pra situações em que a rapidez e a facilidade de uso são importantes, tipo criar painéis ou relatórios de vendas rapidinho.

Os esquemas Snowflake são frequentemente usados para análise financeira ou sistemas de gestão de relacionamento com o cliente (CRM). Organizar hierarquias detalhadas e economizar espaço de armazenamento são mais importantes do que a velocidade de consulta nesses casos.

Tabela comparativa

Aqui vai uma comparação rápida entre os esquemas estrela e Snowflake pra te ajudar a decidir qual deles é mais adequado pras suas necessidades de dados. Destaquei as principais diferenças nesta tabela, focando na estrutura, desempenho, armazenamento e casos de uso:

Escolhendo o esquema certo

Quando usar um esquema em estrela

Se você quer principalmente organizar seus dados de forma simples e rápida, o esquema em estrela seria perfeito. Veja quando você pode usar:

• Se você está criando um modelo semântico para ferramentas de BI (por exemplo, Power BI) e quer um número reduzido de tabelas e relações. Ele suporta filtragem/agrupamento intuitivo e costuma funcionar bem para visuais interativos.
• Se você quiser fazer consultas simples, tipo descobrir o total de vendas por região, use um esquema em estrela. Como todas as tabelas de dimensões se conectam diretamente à tabela de fatos, isso evita complicações desnecessárias e dá respostas mais rápidas.
• Você pode até usar um esquema em estrela quando a velocidade for sua prioridade. Isso minimiza o número de junções de tabelas, fazendo com que suas consultas sejam executadas mais rapidamente. Usei uma vez para gerar vários relatórios de vendas, o que me poupou muito tempo em comparação com outros designs.
• Se o seu conjunto de dados for pequeno ou médio, a redundância do esquema em estrela não vai ser um problema. Mesmo com dados repetidos, funcionaria bem sem sobrecarregar seu armazenamento.

Quando usar um esquema Snowflake

O esquema Snowflake é mais legal para representar hierarquias e dados de referência compartilhados, principalmente quando vários atributos de dimensão se repetem em várias linhas. Veja quando você pode usar:

• Quando suas dimensões têm hierarquias claras (por exemplo, País → Estado/Região → Cidade) e você quer modelar esses níveis de forma clara como tabelas separadas.
• Se você quer um controle mais forte dos dados de referência compartilhados (por exemplo, listas padrão como categorias, fabricantes ou regiões geográficas) para reduzir a duplicação e facilitar a manutenção da consistência das definições em todo o warehouse.
• Você pode até usar o esquema Snowflake se seus dados mudam com frequência, tipo atualizar nomes de regiões. Ele mantém atualizações consistentes em todos os dados relacionados para minimizar erros e esforços de manutenção.
• Se a sua análise envolve vários níveis de dados, o esquema Snowflake pode te ajudar a organizar e representar essas relações de um jeito simples.

Seleção de esquema em warehouses de dados na nuvem

Em muitos armazéns de dados em nuvem modernos, o armazenamento é relativamente barato em comparação com a computação. Isso quer dizer que o “armazenamento extra” das dimensões desnormalizadas geralmente é menos importante do que o custo de computação da varredura e da junção de dados.

Ao escolher entre estrela e Snowflake, pense no modelo de preços da sua plataforma (computação x armazenamento), na simultaneidade das consultas e se você pode usar cache/visualizações materializadas para manter os custos das consultas baixos.

Considerações finais

Neste blog, falei sobre as diferenças entre os esquemas estrela e Snowflake, seus pontos fortes e quando usar cada um deles. Espero que você tenha entendido tudo direitinho e tenha dicas práticas para o seu trabalho! Se você quiser saber mais, dá uma olhada nesses recursos no DataCamp:

• O curso Introdução à Modelagem de Dados no Snowflake vai te ajudar a construir suas bases para trabalhar com o Snowflake. 
• O curso Modelagem de Dados no Power BI para organizar e gerenciar dados no Power BI.
• O Engenheiro de Dados Associado no programa de SQL vai te ajudar a levar suas habilidades em SQL para o próximo nível.