[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-star-schema::tr":3,"gloss-cluster-star-schema::tr":26,"gloss-next-star-schema::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"star-schema","data-infra","Yıldız Şema","Yıldız şema, merkezde bir olgu tablosunun — bir sipariş satırı ya da bir kullanım kaydı gibi olay veya ölçüm başına bir satır — bulunduğu ve etrafını ilgili varlıkları tarif eden boyut tablolarının sardığı bir ambar modelleme örüntüsüdür: müşteri, ürün, tarih, kanal. Olgu tablosu sayıları ve yabancı anahtarları tutar; boyutlar ise süzdüğünüz ve grupladığınız betimleyici nitelikleri tutar. Çizildiğinde olgu tablosu ortada durur, boyutlar ondan ışınlar halinde çıkar; ad da buradan gelir. Bu tasarım vardır, çünkü analitik sorguların biçimi işlemsel sorgulardan farklıdır. Normalleştirilmiş işletim şemaları yazma için yinelemeyi en aza indirir; yıldız şema ise boyutları kasten normalden çıkarır ki tipik bir soru — bir ürün hattı için bölgeye ve aya göre gelir — az sayıda birleştirmeyle ve öngörülebilir tarama örüntüleriyle yanıtlansın. Ayrıca analistlerin ve iş zekâsı araçlarının üzerinde düşünmesi kolaydır; bu, pratikte sorgu maliyeti kadar önemlidir ve ölçüt tanımlarının yaşadığı anlamsal katmanla temiz biçimde eşleşir. Sorunların çoğuna iki ayrıntı yol açar. Olgu tablosunun tanecikliğini seçmek — bir satırın tam olarak neyi temsil ettiği — geri kalan her şeyin bağlı olduğu karardır ve tek bir tabloda tanecikleri karıştırmak sessizce yanlış toplamlar üretir. Ve boyut nitelikleri zamanla değişir; şemanın, bir müşterinin eski siparişlerinin eski segmentini mi yoksa güncel segmentini mi göstereceğine dair açık bir politikaya ihtiyacı vardır. Bu soru yavaş değişen boyutların konusudur ve tek başına modelle yanıtlanamaz.","Yıldız şema merkeze olgu tablosunu, çevresine normalden çıkarılmış boyutları koyar; ambar modellemede taneciklik kararının neden her şeyi belirlediği.",null,[11,14,17,20,23],{"slug":12,"name":13},"data-warehouse","Veri Ambarı (Data Warehouse)",{"slug":15,"name":16},"materialized-view","Materyalize Görünüm",{"slug":18,"name":19},"olap","OLAP (Çevrim İçi Analitik İşleme)",{"slug":21,"name":22},"semantic-layer","Anlamsal Katman (Semantic Layer)",{"slug":24,"name":25},"slowly-changing-dimension","Yavaş Değişen Boyut",[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 Arama (Yaklaşık En Yakın Komşu)",{"slug":35,"category":5,"name":36,"updated_at":30},"backpressure","Geri Basınç (Backpressure)",{"slug":38,"category":5,"name":39,"updated_at":30},"batch-processing","Toplu İşleme (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","Önbellek (Cache)",{"slug":48,"category":5,"name":49,"updated_at":30},"cap-theorem","CAP Teoremi (CAP Theorem)",{"slug":51,"category":5,"name":52,"updated_at":30},"change-data-capture","Değişiklik Veri Yakalama (CDC)",{"slug":54,"category":5,"name":55,"updated_at":30},"chroma","Chroma",{"slug":57,"category":5,"name":58,"updated_at":59},"chunk-overlap","Parça Örtüşmesi","2026-08-24T03:30:02+00:00",{"slug":61,"category":5,"name":62,"updated_at":30},"columnar-storage","Sütun Tabanlı Depolama",{"slug":64,"category":5,"name":65,"updated_at":30},"connection-pooling","Bağlantı Havuzlama (Connection Pooling)"]