(miguel teradata 介紹teradata技術)
多維資料建模以直觀的方式組織資料，並支援高效能的資料訪問。每乙個多維資料模型由多個多維資料模式表示，每乙個多維資料模式都是由乙個事實表和一組維表組成的。多維模型最常見的是星形模式。在星形模式中，事實表居中，多個維表呈輻射狀分布於其四周，並與事實表連線。 在星型的基礎上，發展出雪花模式，下面就二者的特點做比較。
星型模式
位於星形中心的實體是指標實體，是使用者最關心的基本實體和查詢活動的中心，為資料倉儲的查詢活動提供定量資料。每個指標實體代表一系列相關事實，完成一項指定的功能。位於星形圖星角上的實體是維度實體，其作用是限制使用者的查詢結果，將資料過濾使得從指標實體查詢返回較少的行，從而縮小訪問範圍。每個維表有自己的屬性，維表和事實表通過關鍵字相關聯。
星形模式雖然是乙個關係模型，但是它不是乙個規範化的模型。在星形模式中，維度表被故意地非規範化了，這是星形模式與oltp系統中的關係模式的基本區別。
使用星形模式主要有兩方面的原因:提高查詢的效率。採用星形模式設計的資料倉儲的優點是由於資料的組織已經過預處理，主要資料都在龐大的事實表中,所以只要掃瞄事實表就可以進行查詢，而不必把多個龐大的表聯接起來，查詢訪問效率較高。同時由於維表一般都很小,甚至可以放在快取記憶體中,與事實表作連線時其速度較快;便於使用者理解。對於非計算機專業的使用者而言，星形模式比較直觀，通過分析星形模式，很容易組合出各種查詢。
總結：非正規化；
多維資料集中的每乙個維度都與事實表連線（通過主鍵和外來鍵）；
不存在漸變維度；
有冗餘資料；
查詢效率可能會比較高；
不用過多考慮正規化因素，設計維護較為簡單
雪花模式
在實際應用中，隨著事實表和維表的增加和變化，星形模式會產生多種衍生模式，包括星系模式、星座模式、二級維表和雪花模式。
雪花模式是對星形模式維表的進一步層次化，將某些維表擴充套件成事實表，這樣既可以應付不同級別使用者的查詢，又可以將源資料通過層次間的聯絡向上綜合，最大限度地減少資料儲存量，因而提高了查詢功能。
雪花模式的維度表是基於正規化理論的，因此是界於第三正規化和星形模式之間的一種設計模式，通常是部分資料組織採用第三正規化的規範結構，部分資料組織採用星形模式的事實表和維表結構。在某些情況下，雪花模式的形成是由於星形模式在組織資料時，為減少維表層次和處理多對多關係而對資料表進行規範化處理後形成的。
雪花模式的優點是:在一定程度上減少了儲存空間;規範化的結構更容易更新和維護。同樣雪花模式也存在不少缺點:雪花模式比較複雜，使用者不容易理解;瀏覽內容相對困難;額外的連線將使查詢效能下降。在資料倉儲中，通常不推薦「雪花化」。因為在資料倉儲中，查詢效能相對oltp系統來說更加被重視，而雪花模式會降低資料倉儲系統的效能。
總結：正規化；
資料冗餘少；
有些資料需要連線才能獲取，可能效率較低；
規範化操作較複雜，導致設計及後期維護複雜；
實際應用中，可以採取上述兩種模型的混合體：
如：中間層使用雪花結構以降低資料冗餘度，資料集市部分採用星型以方便資料提取及分析
星型模型 vs 雪花型模型
總結在多維分析的商業智慧型解決方案中，根據事實表和維度表的關係，又可將常見的模型分為星型模型和雪花型模型。在設計邏輯型資料的模型的時候，就應考慮資料是按照星型模型還是雪花型模型進行組織。當所有維表都直接連線到 事實表 上時，整個 就像星星一樣，故將該模型稱為星型模型，如圖 1 星型架構是一種非正規化...
資料倉儲星型模型VS雪花模型
在多維分析的商業智慧型解決方案中，根據事實表和維度表的關係，可將常見的模型分為星型模型和雪花模型。在設計邏輯型資料的模型的時候，就應考慮資料是按照星型模型還是雪花模型進行組織。當所有維表都直接連線到事實表上時，整個 就像星星一樣，故將該模型稱為星型模型。星型架構是一種非正規化的結構，多維資料集的每乙...
星型模型 與 雪花模型
在多維分析的商業智慧型解決方案中，根據事實表和維度表的關係，又可將常見的模型分為星型模型和雪花型模型。在設計邏輯型資料的模型的時候，就應考慮資料是按照星型模型還是雪花型模型進行組織。當所有維表都直接連線到 事實表 上時，整個 就像星星一樣，故將該模型稱為星型模型。星型模型 星型架構是一種非正規化的結...