QUESTÃO ERRADA: Na modelagem snowflake, a manutenção dos dados dimensionais se torna mais dispendiosa, tendo em vista que as tabelas dimensionais não estão normalizadas.
Pegue essa afirmativa e inverta-a totalmente e ela ficará correta. Nesse tipo de modelagem, a manutenção é mais barata, pois, segundo[1], o modelo snowflake é o resultado da aplicação da 3FN sobre as entidades dimensão, preservando a utilização dos meios de armazenamento (como ele é normalizado, evita a redundância de valores textuais em uma tabela).
QUESTÃO ERRADA: Diferentemente da modelagem star schema, na modelagem snowflake, as chaves estrangeiras na tabela fato não apontam para o nível mais baixo (atômico) da hierarquia das dimensões associadas.
O starschema não está normalizado, ficando toda a hierarquia numa só tabela, resultando na “ligação direta” entre a tabela fatos e a dimensão da hierarquia mais baixa.
QUESTÃO ERRADA: O modelo snowflake acrescenta graus de normalização às tabelas de dimensões, eliminando redundâncias; em termos de eficiência na obtenção de informações, seu desempenho é melhor que o do modelo estrela, o qual, apesar de possuir um único fato, possui tamanho maior que o do snowflake, considerando-se a desnormalização das tabelas de dimensões.
O desempenho do modelo Snowflake é pior que o do modelo Estrela, justamente por causa da normalização. Sem as redundâncias, as consultas envolvem um número maior de tabelas para acessar, o que acaba deixando a performance mais lenta.
QUESTÃO CERTA: Um data mart do departamento de vendas de uma grande empresa possui uma tabela fato com cinco métricas associadas a oito diferentes dimensões. O analista de TI está em dúvida sobre que modelagem utilizar. Considerando-se as opções snowflake e star schema, qual a desvantagem de se utilizar, nessa situação, a modelagem snowflake? Uma maior quantidade de joins entre as tabelas de dimensões e as tabelas de hierarquia associadas será realizada, ocasionando queda de desempenho no processo de agregação das métricas.
O modelo starschema tem grande ganho de desempenho em relação ao snowflake, pois mesma que haja redundância, ela fica compensada pelas reduções dos comandos joins, comando esse necessário no modelo snowflake, pelo fato de este estar normalizado – dividido em várias tabelas hierarquicamente relacionadas.