我正在使用hive设计一个新的基于hadoop的数据仓库，我想知道经典的星形/雪花模式是否仍然是标准＆＃34;在这种情况下。
大数据系统采用冗余，因此完全规范化的模式通常性能较差（例如，在HBase或Cassandra等NoSQL数据库中）。
使用配置单元制作星型模式数据仓库仍然是最佳做法吗？
通过利用新的列式文件格式，设计行范围（reduntant）表是否更好？
答案 0 :(得分：4)
在设计NoSQL数据库时，您倾向于通过预处理部分查询来优化特定查询，从而存储数据的非规范化副本（尽管以特定于查询的方式非规范化）。
另一方面，星型模式是一种通常适用的通用非规范化。
当您计划使用配置单元时，您实际上并没有将它用于优化，而是用于SQL的通用目的（？），因此，我想象一下星型模式仍然合适。但是，对于具有非SQL接口的NoSQL数据库，我建议您使用更多特定于查询的设计。
答案 1 :(得分：2)
加入是邪恶的。特别是在Hadoop上，我们无法保证数据的共存性，特别是在我们需要连接两个大型表的情况下。这是Hadoop与传统MPP（例如Teradata，Greenplum等）之间的差异之一。在MPP中，我基于散列密钥在我的集群中的所有节点上均匀分布我的数据。 order和order_item表的相关行将最终出现在我的集群中的相同节点上，这至少会消除网络上的数据传输。在Hadoop中，您可以将order_item数据嵌套在订单表中，这将消除对连接的需要。
另一方面，如果您有一个小的查找/维度表和一个大型事实表，您可以在群集中的所有节点上广播小表，从而无需网络传输。
总之，星型模式仍然相关，但主要是从逻辑建模的角度来看。从物理上讲，你可以更好地进行非规范化，以创建一个大的柱状压缩和嵌套事实表。
我写了一篇完整的博客文章，讨论了dimensional models on Hadoop and Big Data technologies
的目的和用处