数据仓库架构星型与雪花型区别

数据仓库是一个面向主题、集成、时间可变性的数据集合，为企业的决策支持提供数据支持。数据仓库的主题模型是以主题为中心组织数据的方式。数据仓库可以使用不同的架构模型进行设计，其中最常使用的包括星型架构和雪花型架构。两者在数据模型设计以及数据中心存储方面存在着不同。

一、数据仓库星型架构

星型架构（Star Schema）是一种简单的数据模型，它包含了一个中心的事实表，以及与事实表相关的多个维度表。事实表描述了业务事件的度量，维度表提供了业务事件的上下文环境。如下图所示：

在这种结构中，事实表是星的中心，它包含了精确、可量化的数据，每行数据表示一个业务事件的度量值；维度表则形成了星的跨度，它包含了支撑度量的维度信息，如时间、地点、产品或客户等。维度表的每一行记录都代表着一种可能的度量的维度值。在星型模型中，维度表和事实表之间是一对多关系，即维度可以被多个事实引用。

在某些情况下，为了提高性能，我们还可以对星型模型进行快照，即固定维度某个时间段内的度量值。这种方法能大大提高查询速度，非常适用于需要进行历史查询的场景。

二、数据仓库雪花型架构

与星型架构不同，雪花型架构（Snowflake Schema）对维度表进行了规范化操作，以实现更好的存储效率。具体来说，雪花型架构将维度表的某些列拆分成了更小、更规范化的子表，以降低数据的冗余度。如下图所示：

![Snowflake Schema](https://cdn.jsdelivr