MoyenneChoix multiples

Question d'entraînement PL-300

Quelles sont les DEUX meilleures pratiques parmi les suivantes pour concevoir un schéma en étoile dans Power BI ?

Choisissez toutes les bonnes réponses.

Bonnes réponses

  • ALes tables de dimensions doivent posséder une clé primaire et des colonnes descriptives.
  • CLes tables de faits doivent posséder des clés étrangères qui se rapportent aux tables de dimensions.

Explication

L'option A est correcte car dans un schéma en étoile, les tables de dimensions servent de tables de recherche/référence, elles doivent donc posséder une clé primaire qui identifie de manière unique chaque ligne (par exemple, ProductKey, DateKey) ainsi que des attributs descriptifs tels que le nom du produit, la catégorie ou la couleur utilisés pour le découpage et le regroupement dans les visuels Power BI. L'option C est correcte car les tables de faits stockent les événements mesurables (ventes, quantités, montants) et doivent contenir des clés étrangères qui se rapportent aux clés primaires des tables de dimensions, formant les relations un-à-plusieurs sur lesquelles le moteur VertiPaq de Power BI et le DAX s'appuient pour un filtrage et une agrégation efficaces. L'option B n'est pas une bonne pratique car les colonnes calculées dans les tables de faits consomment de la mémoire et du stockage, et la logique métier est mieux gérée via des mesures ou dans la couche source/ETL pour garder la table de faits légère. L'option D est erronée car fusionner toutes les tables en une seule table plate va à l'encontre de l'objectif du schéma en étoile, provoquant une redondance, une taille de modèle accrue et des performances dégradées. L'option E est incorrecte car les relations plusieurs-à-plusieurs entre les tables de faits et de dimensions constituent un anti-modèle dans la conception d'un schéma en étoile ; les relations doivent être un-à-plusieurs de la dimension vers le fait pour garantir une propagation correcte des filtres et des résultats prévisibles.

Pourquoi chaque option est juste ou fausse

A

Juste

Les tables de dimensions doivent posséder une clé primaire et des colonnes descriptives.

Un schéma en étoile bien formé exige que chaque table de dimensions possède une clé primaire (de substitution ou naturelle) qui identifie de manière unique chaque ligne, associée à des colonnes de texte descriptives telles que la catégorie de produit ou le nom de la région. Ces attributs descriptifs fournissent le contexte pour le découpage et le filtrage dans Power BI, tandis que la clé primaire garantit l'intégrité référentielle à partir de la table de faits et permet une réduction efficace des lignes lors de l'exécution des requêtes. Sans clé unique, la propagation des filtres de la dimension vers le fait devient ambiguë et peut produire des résultats dupliqués ou trompeurs.

B

Fausse

Les tables de faits doivent contenir des colonnes calculées pour la logique métier.

Les colonnes calculées ajoutées aux tables de faits sont évaluées ligne par ligne au moment de l'actualisation des données et stockées physiquement sur le disque, ce qui augmente la taille du modèle et dégrade l'efficacité de la compression par colonnes dans le moteur VertiPaq. La logique métier telle que « profit = revenus - coût » doit plutôt être écrite sous forme de mesures DAX évaluées au moment de la requête sous le contexte de filtre actuel. Les mesures évitent de matérialiser des données dérivées, maintiennent la table de faits légère et garantissent que les calculs répondent dynamiquement aux sélections de l'utilisateur, tandis que les colonnes calculées sont statiques et ignorent le contexte de filtre.

C

Juste

Les tables de faits doivent posséder des clés étrangères qui se rapportent aux tables de dimensions.

Les tables de faits doivent contenir des clés étrangères qui font référence aux clés primaires des tables de dimensions, établissant les relations un-à-plusieurs qui définissent la topologie du schéma en étoile. Ces clés sont le seul mécanisme par lequel une ligne de faits peut être correctement liée à ses dimensions descriptives ; sans elles, Power BI ne peut pas établir de relations et le filtrage croisé échoue. Le maintien des clés étrangères garantit également l'intégrité du grain, assurant que chaque ligne de mesure appartient exactement à un membre de chaque dimension associée, ce qui est fondamental pour des calculs d'agrégation précis.

D

Fausse

Fusionner toutes les tables en une seule table plate pour plus de simplicité.

La fusion de toutes les données source en une seule table plate élimine la distinction entre les métriques de processus et les attributs descriptifs, créant une redondance massive car les champs de dimension tels que le nom du client ou l'étiquette du produit sont répétés sur chaque ligne de faits. Cette redondance gonfle le stockage, ralentit l'actualisation et détruit le stockage par colonnes optimisé sur lequel Power BI s'appuie, tout en rendant la granularité ambiguë lorsque la même table contient des lignes à différents niveaux. Le schéma en étoile sépare délibérément ces préoccupations afin que les dimensions restent étroites, stables et réutilisables sur plusieurs tables de faits, permettant une compression plus rapide et une propagation des filtres DAX plus simple.

E

Fausse

Utiliser des relations plusieurs-à-plusieurs entre les tables de faits et de dimensions.

Les relations plusieurs-à-plusieurs entre les tables de faits et de dimensions constituent un anti-modèle dans la conception de schémas en étoile car elles introduisent un contexte de ligne ambigu et peuvent provoquer un double comptage ou des agrégats absurdes lorsqu'une ligne de faits correspond à plusieurs lignes de dimensions. Bien que Power BI prenne en charge les relations plusieurs-à-plusieurs via des tables de pont ou CROSSFILTER, ces scénarios nécessitent une modélisation DAX minutieuse et dégradent souvent les performances ; le modèle canonique utilise des relations un-à-plusieurs où chaque clé primaire de dimension correspond à une clé étrangère de fait. Cela garantit que chaque ligne de faits se joint exactement à une ligne de dimension, préservant la précision des mesures et la prévisibilité du filtrage sans surcharge supplémentaire.

Pour aller plus loin

Le concept fondamental évalué est la modélisation dimensionnelle dans Power BI, en particulier la manière dont les schémas en étoile optimisent à la fois les performances et la justesse analytique. Les tables de faits stockent des mesures numériques et des clés étrangères au grain le plus bas, tandis que les tables de dimensions stockent des attributs descriptifs dénormalisés pour faciliter la navigation. Un piège courant mais subtil consiste à placer la logique métier sous forme de colonnes calculées dans les tables de faits ; même si Power BI les affiche dans le modèle, elles sont matérialisées au moment de l'actualisation et brisent la capacité de VertiPaq à compresser les colonnes de mesures hautement répétitives qui partagent le même chemin de calcul. Une autre subtilité est que les relations plusieurs-à-plusieurs, bien que parfois nécessaires pour des scénarios de tables de pont comme le filtrage par plusieurs propriétaires de comptes, nécessitent des modèles DAX explicites (par exemple, CROSSFILTER, TREATAS) et peuvent produire des totaux énigmatiques si elles ne sont pas gérées avec une table de faits sans faits appropriée ou un chemin de relation dédié. L'implication concrète est qu'un schéma en étoile bien formé avec des clés de dimension uniques et des clés étrangères de faits génère des requêtes DAX plus rapides, des fichiers .pbix plus petits et moins de problèmes de support utilisateur, car le moteur peut d'abord pousser les filtres vers les tables de dimensions avant de les joindre aux faits à l'aide de relations de hachage efficaces. Cette question aborde l'accent mis par l'examen PL-300 sur les meilleures pratiques de modélisation des données, vérifiant si les candidats reconnaissent que « fusionner toutes les tables » est une approche naïve qui sacrifie la structure même qui confère à Power BI ses performances, plutôt qu'une simplification légitime.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement PL-300 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.