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構，多維資料集的每乙個維度都直接與事實表相連線，不存在漸變維度，所以資料有一定的冗餘，如在地域維度表中，存在國家a 省b的城市c以及國家a省b的城市d兩條記錄，那麼國家a和省b的資訊分別儲存了兩次，即存在冗餘。
當有乙個或多個維表沒有直接連線到事實表上，而是通過其他維表連線到事實表上時，其**就像多個雪花連線在一起，故稱雪花模型。雪花模型是對星型模型的擴充套件。它對星型模型的維表進一步層次化，原有的各維表可能被擴充套件為小的事實表，形成一些區域性的" 層次" 區域，這些被分解的表都連線到主維度表而不是事實表。如圖所示，將地域維表又分解為國家，省份，城市等維表。它的優點是：通過最大限度地減少資料儲存量以及聯合較小的維表來改善查詢效能。雪花型結構去除了資料冗餘。
星型模型因為資料的冗餘所以很多統計查詢不需要做外部的連線，因此一般情況下效率比雪花型模型要高。星型結構不用考慮很多正規化的因素，設計與實現都比較簡單。雪花型模型由於去除了冗餘，有些統計就需要通過表的聯接才能產生，所以效率不一定有星型模型高。正規化也是一種比較複雜的過程，相應的資料庫結構設計、資料的 etl、以及後期的維護都要複雜一些。因此在冗餘可以接受的前提下，實際運用中星型模型使用更多，也更有效率。
星形模型和雪花模型是資料倉儲中常用到的兩種方式，而它們之間的對比要從四個角度來進行討論。
1. 資料優化
雪花模型使用的是規範化資料，也就是說資料在資料庫內部是組織好的，以便消除冗餘，因此它能夠有效地減少資料量。通過引用完整性，其業務層級和維度都將儲存在資料模型之中。
相比較而言，星形模型使用的是反規範化資料。在星形模型中，維度直接指的是事實表，業務層級不會通過維度之間的參照完整性來部署。
2. 業務模型
3.效能
4.etl
總結
星形模型用來做指標分析更適合，比如「給定的乙個客戶他們的收入是多少?」
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...
星型模型和雪花模型
星型模型和雪花模型的對比 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個雪花模型,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型模型進行組織。當所有的維表都直接連線到 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...
星型模型和雪花型模型比較
一 概述 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...