【问题标题】：Bigquery : Star schema or DenormalizedBigquery：星型模式或非规范化
【发布时间】：2019-11-18 06:44:38
【问题描述】：
我们正在将现有的数据仓库从 Netezza 迁移到 BigQuery。在 Netezza 中，我们拥有的数据模型是星型模式。尽管 BigQuery 支持星型模式，但它建议我们对表进行非规范化以避免产生更多成本。
我们有一些每天都会刷新的大维度（就行和列而言）(Slowly changing dimension Type 1)。
我们对这些维度进行非规范化或保持原样会更好吗？
如果我们进行非规范化，我们需要确保所有历史记录的所有事实表上的这些维度每天都更新。
此外，其中一些维度是conformed dimensions。
这里有什么更好的方法？
【问题讨论】：
标签：
database-design
google-bigquery
【解决方案1】：
一般来说，对于任何大型迁徙，尽量不要一次追逐两只兔子。
如果您保持一件事不变，那么您的迁移就不会那么令人头疼了。如果我必须说出关于迁移最重要的 3 件事，它们将是：Parity、Parity 和 Parity。
就你而言：
-
首先，保持架构固定并迁移数据和逻辑。
除非你是世界上最幸运的人之一，否则你会
迁移到具有不同 SQL 方言的 DWH 时面临足够的问题。
使您的查询/视图/ETL/报告逻辑与遗留系统相提并论
首先。
-
然后，一旦您在 BigQuery 上运行良好，尝试根据您的性能基准进行非规范化。
这实际上取决于您更新事实表的频率或频率。 例如，如果您每天刷新过去 2 年的数据是没有意义的。 您必须根据自己的数据和要求探索许多中间地带。 p>