一、引言
星型模型和雪花模型都以事实表与维度表为基础,区别主要在于维度如何组织:星型模型把一个业务实体的描述属性集中在一张维度表中,事实表直接连接各维度;雪花模型进一步规范化维度,把品类、地区、组织等层级拆成多张关联表。
这种结构差异会影响查询路径、模型可理解性、数据冗余、层级治理和 BI 工具的使用方式,但不能简单归结为“星型查询快、雪花节省空间”。查询性能还取决于数据量、连接策略、列式存储、分区、数据分布、缓存以及优化器能力。
二、星型模型结构
星型模型由一个中心事实表和多个直接连接的维度表组成。
以交易主题为例:
+-------------------+
| dim_date |
| 日期、周、月、季度 |
+---------+---------+
|
|
+--------------------+ +---------v----------+ +--------------------+
| dim_user |------>| fct_trade_order |<------| dim_channel |
| 用户、等级、城市 | | 每个订单一行 | | APP、H5、小程序 |
+--------------------+ |--------------------| +--------------------+
| order_no |
+--------------------+ | order_date_sk | +--------------------+
| dim_shop |------>| buyer_user_sk |<------| dim_region |
| 店铺、行业、类型 | | shop_sk | | 省、市、区 |
+--------------------+ | channel_sk | +--------------------+
| region_sk |
| pay_amount |
+-------------------+
它有两个结构特征:
-
事实表位于模型中心;
-
每个维度通常通过主键与事实表中的外键直接连接。
星型模型不会把省、市、区分别拆成三张表,而是把地区层级集中在一张地区维度中:
dim_region
region_sk
country_code
country_name
province_code
province_name
city_code
city_name
district_code
district_name
商品维度也可以把品牌和品类属性放在一张表中:
dim_product
product_sk
product_id
product_name
brand_id
brand_name
subcategory_id
subcategory_name
category_id
category_name
这里的“反规范化”不代表不治理重复值,而是有意让维度属性集中,减少分析时的连接路径。
三、星型模型如何完成分析
假设要统计各一级品类在不同月份的支付金额。星型模型中的查询路径如下:
dim_date fct_trade_order_item dim_product
月份 <--- 日期代理键 ---> 一级品类
|
支付金额
对应 SQL:
SELECT
d.year_month,
p.category_name,
SUM(f.pay_amount) AS pay_amount
FROM fct_trade_order_item f
JOIN dim_date d
ON f.order_date_sk = d.date_sk
JOIN dim_product p
ON f.product_sk = p.product_sk
GROUP BY
d.year_month,
p.category_name;
查询从事实表出发,分别连接日期和商品维度。事实表无须知道“商品属于哪个二级品类、二级品类又属于哪个一级品类”,这些属性已经集中在商品维度中。
3.1.过滤传播机制
当用户筛选“数码产品”时,查询先在商品维度中找到符合条件的商品代理键,再通过事实表中的product_sk找到对应交易记录:
category_name = '数码产品'
│
▼
dim_product 中符合条件的 product_sk
│
▼
fct_trade_order_item 中对应的事实记录
│
▼
SUM(pay_amount)
维度负责过滤和分组,事实表负责提供度量。
3.2.一跳连接带来的价值
星型模型中的“一跳连接”主要带来三类收益:
- SQL 结构更短;
- 业务人员更容易识别查询路径;
- BI 语义模型更容易建立维度到事实的一对多关系。
不过,“连接更少”只代表查询计划更简单的可能性更高,不等于所有平台上都必然运行得更快。
四、雪花模型结构
雪花模型把星型模型中的部分维度进一步规范化,将层级属性拆成多个维度表,以消除或减少维度属性冗余。
以商品维度为例,星型模型使用一张宽表:
dim_product
product_sk
product_name
brand_name
subcategory_name
category_name
雪花模型则将商品层级拆开:
+------------------+
| dim_category |
| 一级品类 |
+--------^---------+
|
+--------+---------+
| dim_subcategory |
| 二级品类 |
+--------^---------+
|
+----------------------+ +--------+---------+
| fct_trade_order_item |------->| dim_product |
| 订单商品事实 | | 商品、品牌 |
+----------------------+ +------------------+
完整模型可能呈现为:
+------------------+
| dim_category |
+---------^--------+
|
+---------+--------+
| dim_subcategory |
+---------^--------+
|
+-------------+ +-------------------+ +---------+--------+
| dim_date |----->| fct_trade_item |<-----| dim_product |
+-------------+ | | +------------------+
| |
+-------------+ | | +------------------+
| dim_user |----->| |<-----| dim_shop |
+-------------+ +-------------------+ +------------------+
由于维度继续向外分支,结构看起来像雪花,因此称为雪花模型。
五、雪花模型如何完成分析
同样统计各一级品类在不同月份的支付金额,查询路径变为:
dim_date
|
v
fct_trade_order_item
|
v
dim_product
|
v
dim_subcategory
|
v
dim_category
对应 SQL:
SELECT
d.year_month,
c.category_name,
SUM(f.pay_amount) AS pay_amount
FROM fct_trade_order_item f
JOIN dim_date d
ON f.order_date_sk = d.date_sk
JOIN dim_product p
ON f.product_sk = p.product_sk
JOIN dim_subcategory sc
ON p.subcategory_sk = sc.subcategory_sk
JOIN dim_category c
ON sc.category_sk = c.category_sk
GROUP BY
d.year_month,
c.category_name;
与星型模型相比,事实表没有变化,变化发生在商品维度的内部组织方式。
5.1.雪花模型减少什么冗余
假设有 100 万个商品,分别属于 1000 个二级品类和 50 个一级品类。
在星型模型中,一级、二级品类名称会重复出现在每个商品版本上:
商品 A 手机 数码
商品 B 手机 数码
商品 C 平板 数码
雪花模型只在品类表中存一份名称:
dim_product
商品 A -> 手机
商品 B -> 手机
商品 C -> 平板
dim_subcategory
手机 -> 数码
平板 -> 数码
dim_category
数码
这样可以降低逻辑冗余,也让品类层级成为独立管理对象。
5.2.雪花模型增加什么成本
规范化会增加:
- 表数量;
- 查询连接数量;
- 层级键维护成本;
- 数据加载依赖;
- BI 模型中的关系数量;
- 使用者理解模型的成本。
因此,雪花模型不是“更高级的星型模型”,而是一种用连接和模型复杂度换取维度规范化及层级独立治理的方案。
六、两种模型的核心差异
| 比较维度 | 星型模型 | 雪花模型 |
|---|---|---|
| 事实表 | 位于中心 | 位于中心 |
| 维度组织 | 一个业务实体通常对应一张宽维度表 | 一个业务实体可能拆成多张层级表 |
| 规范化程度 | 较低 | 较高 |
| 查询连接 | 较少 | 较多 |
| SQL 可读性 | 通常较高 | 通常较低 |
| 属性冗余 | 较多 | 较少 |
| 层级独立维护 | 相对较弱 | 较强 |
| BI 使用门槛 | 较低 | 较高 |
| 数据装载 | 路径较短 | 需要维护更多层级依赖 |
| 默认适用位置 | 分析消费层、数据集市 | 主数据层、复杂层级或特定语义模型 |
星型模型的优点:
- 业务语义直观:通过结构可以迅速判断查询关系。
- 查询路径较短:查询一级品类销售额时,星型模型只需连接事实表和商品维度。
- 维度口径集中:商品名称、品牌名称和类目层级集中在商品维度中。
- 更适合语义层:星型结构能让筛选从维度流向事实,模型关系更容易解释。
星型模型的局限:
- 维度属性存在重复:维度越大、层级越多,重复越明显。
- 层级变更可能影响大量维度行:若一级类目发生变更,星型商品维度中可能有大量商品行需要更新。
星型模型适用场景:
-
BI 报表与自助分析
-
维度规模可控
-
查询模式以事实聚合为主
-
团队重视模型易用性
雪花模型的优点:
- 降低维度层级的逻辑冗余。
- 支持层级独立治理。
- 适合规模差异明显的层级。
雪花模型的局限:
- 查询复杂度上升。
- 装载链路更长。
- 不一定带来查询性能优势。
雪花模型适用场景:
- 维度层级需要独立治理
- 多个维度共享同一个上层实体
- 层级复杂且经常变化
- 存储收益经过验证
“星型模型比雪花模型快”是一条常见经验,但不是跨平台定律。影响查询性能的因素包括:
数据规模
+
事实表分区与裁剪
+
维度表大小
+
连接键分布
+
广播连接能力
+
数据分布与网络交换
+
列式编码与压缩
+
物化视图和缓存
+
查询优化器
+
并发与计算资源
- 逻辑模型决定查询路径;
- 物理引擎决定查询路径的执行成本;
- 平台能力可能缩小或放大模型之间的性能差异。
因此,模型评审可以依据业务语义作出初选,最终性能结论必须通过真实数据和代表性查询验证。
七、模型选择决策树
开始
|
v
是否主要服务 BI、自助分析和指标查询?
|
+-- 是 --> 优先星型模型
| |
| v
| 某个维度是否存在独立治理、
| 跨实体复用或复杂层级需求?
| |
| +-- 否 --> 保持星型
| |
| +-- 是 --> 仅对该维度评估雪花化
|
+-- 否 --> 是否主要服务主数据和层级管理?
|
+-- 是 --> 可以考虑规范化或雪花结构
|
+-- 否 --> 根据实际查询模式建模
|
v
使用真实数据进行性能验证
八、小结
星型模型和雪花模型拥有同一个基础:事实表记录业务事件,维度表提供分析上下文。两者的核心差异集中在维度组织方式。
星型模型:
事实表直接连接宽维度
重点是查询简单和业务易懂
雪花模型:
维度继续拆分成层级表
重点是层级复用和独立治理
在多数面向报表、指标和自助分析的场景中,星型模型适合作为默认选择。它不会自动提升查询性能,但能缩短查询路径、降低理解成本并减少错误连接。雪花模型适合治理收益明确的维度,例如独立维护的商品类目、组织架构、地区层级和会计科目。
可靠的选择顺序应是:
明确业务过程
↓
声明事实粒度
↓
识别分析维度
↓
默认采用星型结构
↓
评估是否存在独立治理与复用需求
↓
对必要维度进行选择性雪花化
↓
使用真实查询验证性能与维护成本