[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-star-schema::ru":3,"gloss-cluster-star-schema::ru":26,"gloss-next-star-schema::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"star-schema","data-infra","Схема «звезда»","Схема «звезда» — приём моделирования хранилища, при котором в центре стоит таблица фактов (одна строка на событие или измерение: строка заказа, запись о потреблении), а вокруг располагаются таблицы измерений, описывающие участвующие сущности: клиента, продукт, дату, канал. В таблице фактов лежат числа и внешние ключи, в измерениях — описательные атрибуты, по которым фильтруют и группируют. На схеме факты оказываются в центре, а измерения расходятся лучами — отсюда и название. Приём существует потому, что аналитические запросы устроены иначе, чем транзакционные. Нормализованные операционные схемы минимизируют дублирование ради записи; «звезда» намеренно денормализует измерения, чтобы типичный вопрос — выручка по регионам и месяцам для одной продуктовой линейки — решался малым числом соединений и предсказуемыми сканами. К тому же такую модель легче держать в голове аналитикам и BI-инструментам, что на практике важно не меньше стоимости запроса, и она чисто ложится на семантический слой, где живут определения метрик. Основные неприятности порождают две детали. Выбор гранулярности таблицы фактов — что именно представляет одна строка — это решение, от которого зависит всё остальное, а смешение гранулярностей в одной таблице даёт тихо неверные агрегаты. И атрибуты измерений меняются со временем, поэтому схеме нужна явная политика: показывают ли старые заказы клиента его прежний сегмент или текущий. Этот вопрос относится к медленно меняющимся измерениям и одной моделью не решается.","Схема «звезда» ставит в центр таблицу фактов с денормализованными измерениями вокруг: почему гранулярность — решение, от которого зависит всё остальное.",null,[11,14,17,20,23],{"slug":12,"name":13},"data-warehouse","Хранилище данных (Data Warehouse)",{"slug":15,"name":16},"materialized-view","Материализованное представление",{"slug":18,"name":19},"olap","OLAP (аналитическая обработка данных)",{"slug":21,"name":22},"semantic-layer","Семантический слой (Semantic Layer)",{"slug":24,"name":25},"slowly-changing-dimension","Медленно меняющееся измерение",[27,31,34,37,40,44,47,50,53,56,60,63],{"slug":28,"category":5,"name":29,"updated_at":30},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":32,"category":5,"name":33,"updated_at":30},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":35,"category":5,"name":36,"updated_at":30},"backpressure","Обратное давление (backpressure)",{"slug":38,"category":5,"name":39,"updated_at":30},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":41,"category":5,"name":42,"updated_at":43},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":45,"category":5,"name":46,"updated_at":30},"cache","Кэш (Cache)",{"slug":48,"category":5,"name":49,"updated_at":30},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":51,"category":5,"name":52,"updated_at":30},"change-data-capture","Захват изменений данных (CDC)",{"slug":54,"category":5,"name":55,"updated_at":30},"chroma","Chroma",{"slug":57,"category":5,"name":58,"updated_at":59},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":61,"category":5,"name":62,"updated_at":30},"columnar-storage","Колоночное хранение",{"slug":64,"category":5,"name":65,"updated_at":30},"connection-pooling","Пулинг соединений (Connection Pooling)"]