数仓知识02：星型模型、雪花模型、星座模型

构建数仓的过程中，我们会接触到“星型模型”、“雪花模型”、“星座模型”的概念，对于在这个领域没有相关知识积累的人，可能会感觉到很困惑，今天就对这三个名词进行概念讲解，并简单说一下如何选择，期望大家看完能够有所帮助。

1. 星型模型、雪花模型、星座模型 基础概念

• 星型模型

星型模型是所有维度表都是连接在一个事实表上面，雪花模型是将维度表拆分地更加详细，是多层次的。

在星型模型的维度表里面，一张维度表储存了众多存在冗余的信息，为什么冗余，在哪里冗余，有一个简单的例子：

地域维表 国家a GDP 国家b GDP 国家a 省份a GDP 国家a 省份b GDP 国家a 省份c GDP 国家a 省份a 市级a GDP 国家a 省份a 市级b GDP 国家a 省份a 市级c GDP

• 雪花模型

 在雪花模型的表中，数据是这样存储：

国家表 国家a    GDP 国家b    GDP 国家a省份表 省份a    GDP 省份b    GDP 省份c    GDP 国家a省份a市表 市级a    GDP 市级b    GDP 市级c    GDP

这样有一部分信息只需要存储一次，减少了冗余信息。

• 星座模型

 星座模型基本上是很多数据仓库的常态，因为很多数据仓库都是多个事实表的。所以星座不星座只反映是否有多个事实表，他们之间是否共享一些维度表。

星座模型并不和前两个模型冲突。

2. 星型模型、雪花模型区别

	星型模型	雪花模型
特点	非正规化； 多维数据集中的每一个维度都与事实表连接（通过主键和外键）； 不存在渐变维度； 有冗余数据； 查询效率可能会比较高； 不用过多考虑正规化因素，设计维护较为简单	正规化； 数据冗余少； 有些数据需要连接才能获取，可能效率较低； 规范化操作较复杂，导致设计及后期维护复杂；

3. 模型的选择

首先就是星座不星座这个只跟数据和需求有关系，跟设计没关系，不用选择。星型还是雪花，取决于性能优先，还是避免冗余、灵活更优先。

在实际开发的过程中，不会绝对选择一种，根据情况灵活组合，甚至并存（一层维度和多层维度都保存）。我们可以在数据仓库架构中同时使用这些模型的混合体。比如中间处理层，可以用雪花模型降低冗余度，在数据集市层，采用星型模型方便提取数据，提高查询效率。

整体来看，更倾向于维度更少的星型模型。尤其是hadoop体系，减少join就是减少shuffle，性能差距很大。（关系型数据可以依靠强大的主键索引）

参考资料：

雪花模型、星型模型和星座模型

数据仓库架构星型模型VS雪花模型！

星型模型和雪花型模型比较

全方位解读星型模型,雪花模型及星座模型

了解星型架构及其对 Power BI 的重要性