转载：Kimball 维度建模理论

一、维度建模分为两种表

1. 事实表
   存在这样一些数据，如行为记录，操作记录，订单，日志等，都可以作为事实表
   特点：每条数据都有一个唯一键，数据通常来说不会更新，随着时间的增加而增加
2. 维度表
   维度表是分析数据角度的信息表，如商家信息，地区信息，用户信息为角度存储的表，适合经常更新，一般和事实的关系是一对多

二、维度建模三种模型：

1. 星型模型
2. 雪花模型
3. 星座模型

说明：

1）. 星型模型
以事实表为中心，所有的维度表直接连在事实表上，比较常用的一种形式。这样维度加事实的结构即便于维度数据（少数据量）更新，又能够满足自由组合满足不同的分析维度

如上图所示：

1. 产品表与部门表，会存在更新现象，而事实表，一般只存储部门ID,产品ID,在需要的时候再进行关联
2. 这样的结构能够以部门的维度做数据分析，如统计某部门的销售金额，亦能够以产品的角度分析某个产品的销售总额，能够灵活的以不同角度分析和查看数据

2）. 雪花模型
雪花模型指的是在星型模型的基础上，维度表再关联维度表，这种结构应该在OLTP场景下会用这样的结构，在数仓下基本没人使用。如果业务数据存储为这样的结构，常常将数据打平，即合并成一张维度表，这样它将会上级为星型模型。之所以如此是为了减少表连接查询的性能开销和维护的复杂程度，雪花模型如下：

2）. 星座模型
在实际业务中，星座模型才是数仓建设的最终归属，它也是建立在星型模式下，不同的是只是和其他事实表共享了维度表，即存在多张事实表，共享一张维度表的情况

kimball 维度建模，星型和星座 模型核心在于将事实表（过程数据通常不变的数据）与主体信息表（常更新的数据，有维度信息）逻辑进行拆分。 实现任意维度分析的需求下，减少表连接查询的深度，这也是市面上常见的数仓建设理论