資料倉庫的幾種 資料模型
資料倉庫中常見的模型有：正規化建模，雪花模型，星型建模，事實星座模型.
星型模型
星型模型是資料集市維度建模中推薦的建模方法。星型模型是以事實表為中心，所有的維度表直接連線在事實表上，像星星一樣。星型模型的特點是資料組織直觀，執行效率高。因為在資料集市的建設過程中，資料經過了預處理，比如按照維度進行了彙總，排序等等，資料量減少，執行的效率就比較高。
雪花模型
雪花模型也是維度建模中的一種選擇。雪花模型的維度表可以擁有其他維度表的，雖然這種模型相比星型模型更規範一些，但是由於這種模型不太容易理解，維護成本比較高，而且效能方面需要關聯多層維表，效能也比星型模型要低。所以一般不是很常用。
正規化建模
第三正規化建模是在資料庫建模中使用的建模方法，特點是體系化，擴充套件性好，避免冗餘，避免更新異常。所以，在資料倉庫的EDW層建模中，我們也提倡使用第三正規化建模。但是資料倉庫的整合和反映歷史變化的特徵意味著資料量非常之大，表和表之間的關聯效率比較低，所以有些時候完全規範的正規化建模並不是最好的選擇，通常我們會選擇非規範化處理，增加一些冗餘的欄位來避免表之間關聯的次數，這樣會節約大量的時間。
雪花模型是介於星型模型和正規化建模之間的。個人理解，正規化建模和雪花模型的區別在於雪花模型在維度上也是有冗餘的。例如雪花模型例圖的地域維度不符合第三正規化，因為地域維度中存在傳遞依賴，城市-省級-國家-地域。
星座模型
星座模型是星型模型延伸而來，星型模型是基於一張事實表的，而星座模型是基於多張事實表的，而且共享維度資訊。 通過構建一致性維度，來建設星座模型，也是很好的選擇。比如同一主題的細節表和彙總表共享維度，不同主題的事實表，可以通過在維度上互相補充來生成可以共享的維度。
其實網上這種資料已經很多啦，今天特意在網上找到一些，供小夥伴們參考，但願能幫助得到需要幫助的小夥伴們，路雖遠，但心不變 。為未來的自己創造一個更好的今天吧