数据仓库模型
数据仓库中有几种经典的数据模型：范式模型、维度模型、DataVault。
很多模型的设计都在同构化，而且在工作中也不是单独地用一种模型，会根据业务场景做出选择。
范式模型
范式是数据库逻辑模型设计的基本理论，一个关系模型可以从第一范式到第五范式进行无损分解。
在数据仓库的模型设计中目前一般采用第三范式。
一个符合第三范式的关系具有以下三个条件：
- 数据库表的每一列都是不可分割的基本数据项，同一列中不能有多个值。
- 数据库表中的每个实例或行必须可以被唯一区分。
- 数据库表中不包含已在其它表中已包含的非主关键字信息。
范式模型由数据仓库之父Inmon提倡，可以大致地按照OLTP设计中的3NF来理解，它在范式理论上符合3NF，它与OLTP系统中的3NF的区别在于数据仓库中的3NF是站在企业角度面向主题的抽象，而不是针对某个具体业务流程的实体对象关系抽象，它更多的是面向数据的整合和一致性治理。
关于范式模型，也叫ER模型、实体模型。
维度模型
维度模型是Ralph Kimball所倡导，他的-The DataWarehouse Toolkit-The Complete Guide to Dimensona Modeling，是数据仓库工程领域的数据建模经典。按照书中所讲：
维度建模并不要求维度模型必须满足第3范式。数据库中强调的 3NF 主要是为了消除冗余。规范化的 3NF 将数据划分为多个不同的实体，每个实体构成一个关系表。比如说订单数据库，开始可能是每个订单中的一行表示一条记录，到后来为了满足 3NF会变成蜘蛛网状图，也许会包含上百个规范化表。而且对于 BI 查询来讲，规范化模型太复杂，用户会难以理解和记录这些模型的使用。 而维度建模解决了模式过分复杂的问题。
维度模型的典型代表是星形模型，以及一些特殊场景下使用的雪花模型和星座模型。
维度模型里面有两个非常重要的概念：事实表和维度表。
事实表：
发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低粒度级别来看，事实表行对应一个度量事件。
维度表：
每个维度表都包含单一的主键列。维度表的主键可以作为与之关联的任何事实表的外键，当然，维度表行的描述环境应与事实表行完全对应。维度表通常比较宽，是扁平型非规范表，包含大量的低粒度的文本属性。
Data Vault
Data Vault是Dan Linstedt发起创建的一种模型方法论，现在应该叫做Data Vault 2.0了，它也是一套完整的数据仓库理论，其中也有专门的一部分关于数据模型设计。
Data Vault 模型，应该说是范式模型和维度模型的一种混合，它兼容了两种模型的优势。
Data Vault 通常可以分为三种类型：中心体，链接体和附属体。它主要由：Hub（中心表）、Link（链接表）和 Satellite（卫星表） 三部分组成 。
中心表：
中心表主要是存储一些日常用的业务关键码，比如客户号，发票号，流水号等。它包括三个要素：
- 代理键：这就是一些操作性的组件，包括客户号，发票号等
- 装载时间戳：可以理解为ETL进行日加载的时间
- 数据源：就是可以追溯到的原系统，比如：CRM、ERP等
链接表：
是3NF的多对多关系的物理表现形式，它表现的是多个业务键之间的关系。它和范式模型的最大区别是，将关系作为一个独立单元抽象出来，可以提升模型的扩展性。
它主要包含以下特征：
- 代理键
- 代理键间的映射关系
- 装载时间戳：可以理解为ETL进行日加载的时间
- 数据源：就是可以追溯到的原系统，比如：CRM、ERP等
卫星表：
业务领域中的其余信息可能随着时间而变化，所以卫星表必须有能力存储新的或者变化的各种粒度的数据，它们将被存储在卫星表内。
卫星表是中心表的详细描述内容，一个中心表会有多个卫星表，它由中心表的代理键、装载时间、来源类型、详细的中心表描述信息等组成。
关于数据模型，在实际的场景中会有很多个性化的设计，有时还不得不做一些反模式的设计。
维度建模
我们在进行维度建模的时候会建一张事实表，这个事实表就是星型模型的中心，然后会有一堆维度表，这些维度表就是向外发散的星星。
事实表：
发生在现实世界中的操作型事件，其所产生的可度量数值，存储在事实表中。从最低的粒度级别来看，事实表行对应一个度量事件。
比如是电商平台中的订单表，每条订单就相当于是一个事实，它在表中的体现就是一条记录。
维度表：
每个维度表都包含单一的主键列。维度表的主键可以作为与之关联的任何事实表的外键，当然，维度表行的描述环境应与事实表行完全对应。 维度表通常比较宽，是扁平型非规范表，包含大量的低粒度的文本属性。
比如关于订单表的商品类别表、供应商表等都属于维度表，这些表都有一个唯一的主键，然后在表中存放了相应维度的详细的数据信息。
度量值：
度量值是对一次行为的度量，可以是一个订单的订单金额等。
维度建模是一种十分优秀的建模方式，它有很多的优点，但是我们在实际工作中也很难完全按照它的方式来实现，都会有所取舍。
比如说，为了业务，我们还是会需要一些宽表，有时候还会有很多的数据冗余。