文章部分图参考自：多维数据模型各种类型（星型、雪花、星座、交叉连接） - 知乎 (zhihu.com)
文章部分文字canla一篇文章搞懂数据仓库：四种常见数据模型（维度模型、范式模型等）-腾讯云开发者社区-腾讯云 (tencent.com)
目录
[（1）、星型模型（Star Schema）](#（1）、星型模型（Star Schema）)
[（2）、雪花模型（Snowflake Schema）](#（2）、雪花模型（Snowflake Schema）)
[（3）、星座模型（Galaxy Schema）](#（3）、星座模型（Galaxy Schema）)
一、维度模型
在数据仓库的设计和实施过程中，选择合适的数据模型对于优化查询性能 和提升数据分析效率 至关重要。星型模型 、雪花模型和星座模型是3种流行的数据仓库建模方法，它们各自具有独特的结构、优势和局限性。本文将深入探讨这三种模型的特点、适用场景以及如何根据业务需求进行选择。
维度建模四个步骤：
选择业务处理过程 > 定义粒度 > 选择维度 > 确定事实
（1 ）、星型模型（Star Schema）
星型模型是一种简单直观的数据模型。其主要目的是优化查询性能，使数据分析更加高效。星型模型的设计思路源自于对多维数据模型的需求，即通过简化数据结构来支持快速的查询操作。
1、结构：
**星型模型由一个中心的事实表（Fact Table）和多个维度表（Dimension Tables）构成。中心事实表包含与业务过程相关的事实指标，维度表则描述了这些事实的上下文信息。**事实表包含了可度量的数据，如销售额或利润，而维度表则包含了描述这些数据的属性，如时间、地点或产品类型。事实表与维度表之间通过外键连接，形成一个类似星形的结构。
2、优缺点：
优点：
- 易于理解和查询 ：星型模型的结构简单明了，易于理解和查询，适用于简单的分析需求。
- 性能较高 ：星型模型具有较好的查询性能，因为所有的维度信息都存储在维度表中，减少了表的连接操作，查询优化相对容易，能快速处理大量数据。
缺点：
- 数据冗余：维度表可能存在数据冗余，也可能导致数据不一致性，也增加了存储空间的消耗。
- 维护难度大：灵活性有限，星型模型对于新增维度的处理相对困难，需要进行表结构的修改。
（2）、雪花模型（Snowflake Schema）
雪花模型是在星型模型的基础上进行了维度表的规范化，将维度表进一步分解为多个层次的规范化表。它的目的是通过数据规范化来减少冗余，并提升存储效率。雪花模型的名字源于其表结构的层次化外观，类似雪花的形状。
1.结构：
**在雪花模型中，维度表被进一步分解成多个子表，形成一个层次结构。**这种规范化使得维度数据被拆分到更细粒度的表中，从而减少数据冗余。例如，产品维度表可能会被拆分成产品类别和产品子类别表。
vbscript
事实表:订单事实表(与星型模型相同)
维度表:日期维度表(与星型模型相同)
维度表:客户维度表(与星型模型相同)
维度表:产品维度表
产品ID | 产品名称 | 类别 |··
规范化表:产品类别表
类别ID | 类别名称 | 父类别ID |··
2.优缺点：
优点：
- 减少冗余数据：雪花模型通过规范化维度表，减少了数据冗余，节省了存储空间。
- 灵活性高：雪花模型支持灵活的维度层次，适用于需要频繁变更或扩展维度的场景，有助于保持数据的一致性。
缺点：
- 查询性能较差：由于表结构复杂，查询时需要进行多个连接，性能可能受影响。
- 难以理解和维护：雪花模型的结构复杂，维度表的规范化可能增加了数据模型的理解和维护的复杂性。
（3）、星座模型（Galaxy Schema）
星座模型，又称为星型集合模型（Fact Constellation Schema），是对星型模型的一种扩展 。它允许多个星型模型共享维度表 ，因此++适用于需要整合多个业务领域的数据仓库++。星座模型的出现满足了更复杂数据整合的需求。
1.结构：
星座模型由多个星型模型组成，这些星型模型共享某些维度表。例如，一个数据仓库可能同时包含销售和库存的星型模型，这些模型共享时间和产品维度表，从而形成一个星座结构。
2.优缺点：
优点：
- 整合多个业务领域：适合处理复杂的业务数据，支持多角度分析。
- 提高维度表的复用性：通过共享维度表，减少了数据重复。
缺点：
- 设计复杂：涉及多个星型模型，设计和维护较为复杂。
- 查询优化难度大：由于涉及多种业务数据，查询优化和性能调优比较复杂。
（4）、交叉连接
从一张表到另一张表有多条筛选路径彼此相连接，属于交叉连接模式
二、选择模型的考虑因素
1、数据复杂性：
如果业务需求较简单，维度层次不复杂，可以选择星型模型。
如果业务需求复杂，维度层次较多，可以选择雪花模型 。
2、查询性能要求：
如果对查询性能有较高的要求，可以选择星型模型 。
如果对存储空间有较高的要求，可以选择雪花模型 。
3、可维护性和扩展性：
如果数据模型相对稳定，变更频率较低 ，可以选择星型模型 。
如果需要频繁变更或扩展维度，可以选择雪花模型 。