大数据开发：数仓建模常见数据模型

在数据仓库搭建的过程当中，根据需求合理地选择数据模型，是非常关键的一个环节。对于数仓建模，很多人说不就是建表吗，哪有那么复杂，事实上，这是非常错误的思想。今天的大数据开发分享，我们来聊聊数仓建模常见的几种数据模型。

目前来说，市场上主流的数据建模，主要是四种类型：维度模型、范式模型、Data Vault模型，以及Anchor模型。

1、维度模型

维度模型在互联网行业领域当中，是有着广阔的应用的。维度建模，按数据组织类型，又可以划分为星型模型、雪花模型、星座模型。

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雪花模型

雪花模型，在星型模型的基础上，维度表上又关联了其他维度表。这种模型维护成本高，性能方面也较差，所以一般不建议使用。尤其是基于hadoop体系构建数仓，减少join就是减少shuffle，性能差距会很大。

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。

③星座模型

星座模型，是对星型模型的扩展延伸，多张事实表共享维度表。

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、范式模型

即实体关系（ER）模型，由数据仓库之父Immon提出的，从全企业的高度设计一个3NF模型，用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF。此建模方法，对建模人员的能力要求非常高。

范式建模的典型特点，是自上而下，适合上游基础数据存储，同一份数据只存储一份，没有数据冗余，方便解耦，易维护，缺点是开发周期一般比较长，维护成本高。

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。

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。目前来说，企业很少使用。

以上几种数据模型，互联网行业常用维度模型，能够快速满足业务需求，而在偏传统的行业，如电信、金融等，则更青睐传统数仓的范式建模。

关于大数据开发，数仓建模常见数据模型，以上就为大家做了简单的介绍了。在大数据平台架构当中，数据仓库为后续的数据处理提供重要的支持，数仓建模的重要性不言而喻。