列表 写在上边 一、为一些 要对其进行数据文件库房模型制作？ 二、三种种类对模型 2.1 空间维度仿真模型 2.1.1 星型模板 2.1.2 鹅毛大雪沙盘模型 2.1.3 聪明女人的星座有那些吧建模 2.2 范式3d模型 2.3 Data Vault三维模型 2.4 Anchor建模 三 统计数据沙盘模型的如何评价规范标准 写在后边 大数剧21世纪，特点模型制作不究为所有厂的趋势方案。 纬度绘图从阐述科学决策的要动身构绘图型，为阐述要售后服务。侧重点了解用户数该怎样快速的的结束信息阐述，能够更直观的症状业务部门部门模特中的业务部门部门原因，要有许多的信息预治疗、信息冗余系统，有最号的大大型更复杂检查的初始化失败性。

系列文章详见「数仓系列文章- 传送门」
一、为什么要进行数据仓库建模？

性能：良好的模型能帮我们快速查询需要的数据，减少数据的IO吞吐
成本：减少数据冗余、计算结果复用、从而降低存储和计算成本
效率：改善用户使用数据的体验，提高使用数据的效率
改善统计口径的不一致性，减少数据计算错误的可能性

二、四种常见模型
2.1 维度模型

关键点3d建模 工具制作按信息组织结构类别区划可涵盖星型3d建模 工具、雪花飞舞3d建模 工具、白羊座3d建模 工具。 Kimball老父亲方面3D建模二个步数：

选择业务处理过程 > 定义粒度 > 选择维度 > 确定事实
2.1.1 星型模型

星型模型主要是维表和事实表，以事实表为中心，所有维度直接关联在事实表上，呈星型分布。
2.1.2 雪花模型

星星对模特，在星型对模特的基础知识上，因素表上又关联关系了别的因素表。这对模特运营维护资金高，能力的方面也较弱，任何通常情况不提案应用。通常是对于hadoop组织体制营造数仓，增多join就会增多shuffle，能力对比会特别大。

星型模型可以理解为，一个事实表关联多个维度表，雪花模型可以理解为一个事实表关联多个维度表，维度表再关联维度表。
2.1.3 星座模型

星座女沙盘整治，是对星型沙盘整治的存储拓展，多张事实真相表共亨特点表。

星座模型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。所以星座模型只反映是否有多个事实表，他们之间是否共享一些维度表。
2.2 范式模型

即线下直接密切关系（ER）模式，数值车间之父Immon提起的，从全各个企业的角度设置个3NF模式，用线下加直接密切关系描诉的数值模式描诉各个企业业务量框架，在范式原理上适用3NF。此绘制方式方法，对绘制技术人员的本事标准尤其高。 优利弊：构思总体目标由上至下，对比适合中下游基本条件的数据文件源储备空间，同样三份的数据文件源只储备空间三份，也没有的数据文件源冗余系统，省事解耦，易养护，利弊是激发时间段基本对比长，养护的造价高。

详见：一篇文章搞懂数据仓库：三范式与反范式_不吃西红柿-CSDN博客_数据仓库三范式
2.3 Data Vault模型

DataVault由Hub（关键核心业务实体）、Link（关系）、Satellite（实体属性） 三部分组成 ，是Dan Linstedt发起创建的一种模型方法论，它是在ER关系模型上的衍生，同时设计的出发点也是为了实现数据的整合，并非为数据决策分析直接使用。
2.4 Anchor模型

高度可扩展的模型，所有的扩展只是添加而不是修改，因此它将模型规范到6NF，基本变成了K-V结构模型。企业很少使用。
三 数据模型的评价标准

数据库表格报告实体模型修建的还有什么样，无比依靠正规的设计，假设代码是还有什么极简风格是“两百人千面”，但是只怕一年后到地面上，的业务部整体就不会有办法看。不会有还有什么比“数据库表格报告整体”更关注“法纪”了，正规体系中不禁能服务数据库表格报告修建的同样性，也会够预防的业务部交接的具体情况，更就能为自己化尊定根本。

业务过程清晰：ODS就是原始信息，不修改；DWD面向基础业务过程；DIM描述维度信息；DWS针对最小场景做指标计算；ADS也要分层，面向跨域的建设，和面向应用的建设；
指标可理解：按照一定业务事务过程进行业务划分，明细层粒度明确、历史数据可获取，汇总层维度和指标同名同义，能客观反映业务不同角度下的量化程度；
核心模型相对稳定：如果业务过程运行的比较久，过程相对固定，就要尽快下沉到公共层，形成可复用的核心模型；
高内聚低耦合：各主题内数据模型要业务高内聚，避免在一个模型耦合其他业务的指标，造成该模型主题不清晰和性价比低。

网编有话

在传统企业数仓中，业务相对稳定，以范式建模为主。 如电信、金融行业等
在互联网公司，业务变化快，需求来来回回的改，计算和存储也不是问题，我们更关心快速便捷的响应业务需求，所以以维度建模为主流。