雪花算法比索引更好用吗？

Question

这是问题：我有一个包含销售信息的销售信息表，其中包含列如(主键ID、产品名称、产品ID、商店名称、商店ID、销售日期)。我想在商店/产品/销售日期上进行上钻和下钻等分析。

我正在考虑两个设计选项：

1.在类似产品名称、产品ID、商店名称、商店ID、销售日期的列上创建单独的索引； 2.使用数据仓库雪花模型，将当前销售信息表视为事实表，并创建产品、商店和销售日期维度表。

为了获得更好的分析性能，我听说雪花模型比数据库设计角度上相关列的索引更好。但为什么从数据库设计角度上来讲它更好呢？

谢谢！ Lin

- Lin Ma

Answer 1

了解您的应用使用模式和您要优化的内容非常重要。以下是选择一个而不是另一个的一些原因（其中之一）。

规范化雪花 PROs：

更快的查询和更低的磁盘和内存要求。由于每个规范化行仅具有短键而不是更长的文本字段，因此您的主要事实表变得更小。即使使用索引（除非查询可以直接由索引本身回答），通常也需要部分表扫描，较小的数据意味着更少的磁盘读取和更快的访问。

更容易进行修改并获得更好的数据完整性。假设商店更改了名称。在雪花中，您只需更改一行，而在大型反规范化表中，您必须每次更改它时都更改它，并且经常会出现拼写错误和相同名称的多个变体。

反规范化宽表 PROs：

更快的单个记录加载。当您最常加载单个记录或少量记录时，将所有数据放在一行中将仅产生一个缓存未命中或磁盘读取，而在雪花中，DB可能必须从不同的磁盘位置读取多个表。这更像是 NoSQL 数据库存储与密钥相关联的“对象”的方式。

- dkamins

---

谢谢 dkamins。为什么您称索引基础解决方案（我问题中的选项1）为非规范化？如果您能举个例子或详细说明一下，我会很感激。 - Lin Ma

另一个问题是，对于您的评论，“当您最常加载单个记录或少量记录时”，如果要处理的记录数量不小，为什么Snowflake比基于索引的解决方案性能更好？ - Lin Ma

@LinMa，请阅读有关数据库规范化的更多信息：http://en.wikipedia.org/wiki/Database_normalization。此外，雪花模式并不是对于许多记录来说性能更好，而是在单个记录加载方面非规范化更快。 - dkamins

@LinMa，在搜索数据时，Snowflake中关联的维度表通常可以完全加载到内存中（由于规范化/缺乏重复），因此当数据库读取主表时，它可以更快地从磁盘读取并通过行移动得更快，因为只需要读取键而不是一遍又一遍地读取相同的数据。 - dkamins

@LinMa，是的，你似乎理解了这些问题。但是你可能会给索引更多的信用。通常，索引仅包含实际索引的数据和指向行的指针。因此（取决于您的查询），您最终仍然需要读取实际行。 - dkamins