星型模型和雪花模型是什么？

星型模型（Star Schema）和雪花模型（Snowflake Schema）是数据仓库设计中常用的两种多维数据模型，它们用于组织数据以支持高效的联机分析处理（OLAP）。这两种模型都旨在优化查询性能，但它们在表的结构和规范化程度上有所不同。

总结：星型模型存在数据冗余，所以在查询数据时只需要做少量的表连接，查询效率高；

雪花模型不存在数据冗余，但是在查询数据时需要做大量的表连接，查询效率低。

星型模型是非规范化的（不满足数据库的三范式），而雪花模型是高度规范化的（满足数据库的三范式）。

星型模型（Star Schema）

星型模型是一种非规范化的数据模型，它由一个或多个事实表（Fact Table）和多个维度表（Dimension Table）组成，这些表通过外键关联在一起。

1. 事实表：包含业务过程中的度量值（如销售额、数量等），以及与维度表的外键关联。
2. 维度表：包含描述性的属性，如时间、地点、产品等，它们为事实表提供上下文。
3. 结构：星型模型的结构类似于一个星形，事实表位于中心，维度表从中心向外延伸，通过外键与事实表相连。

星型模型的优点包括：

• 简单的查询结构，因为所有的维度表都直接连接到事实表，减少了查询中的连接操作。
• 快速的查询性能，因为数据通常被预聚合和优化存储。

雪花模型（Snowflake Schema）

雪花模型是星型模型的一个变体，它是一种更加规范化的数据模型。在雪花模型中，维度表可以进一步分解为更细粒度的子维度表，这些子维度表通过外键与上级维度表关联。

1. 事实表：与星型模型类似，包含度量值和维度的外键。
2. 维度表：可以进一步分解为更细粒度的维度表，形成层次结构。
3. 结构：雪花模型的结构类似于雪花，维度表被规范化成多个层级，每个层级通过外键与上一层级关联。

雪花模型的优点包括：

• 更高的规范化，减少了数据冗余。
• 更好的数据完整性，因为每个维度的属性都被隔离在单独的表中。

星型模型与雪花模型的区别

• 规范化程度：星型模型是非规范化的，而雪花模型是高度规范化的。
• 查询复杂性：星型模型的查询通常更简单，因为所有的维度表都直接连接到事实表。雪花模型的查询可能更复杂，因为需要更多的连接操作来访问维度的层次结构。
• 性能：星型模型通常提供更快的查询性能，尤其是在处理大量数据时，因为它们减少了连接操作。雪花模型可能需要更多的计算资源来处理多层次的连接。
• 数据冗余：星型模型可能会有数据冗余，因为它不分解维度表。雪花模型通过规范化减少了数据冗余。

在选择星型模型还是雪花模型时，需要根据具体的业务需求、查询复杂性、性能要求和数据管理策略来决定。

除此之外呢还有一种叫做星座模型，其实质就是多个星型模型通过公用维表联系在一起，如下图