在商业智能的角度来看，这是一个常见的问题，但我正在寻找一个统计答案。
我们可以根据关系数据库做出决定来进行其中一种设计吗？我的意思是，数据量中是否存在适合其中一种模式的数学比例？
答案 0 :(得分：1)
星图与雪花图..选择什么： 好吧，这完全取决于项目要求和方案。
如果我们想更深入地研究Dimensional Analysis，那么SnowFlake将是一个不错的选择，因为如以上答案中所建议，它具有参照完整性，并且由于其规范化的行为而不会包含数据冗余。例如：如果我们想找出谁吸引了银行发起的特定计划的客户。！
如果指标分析的目的更多，那么Star是最佳选择。例如：如果我们要查找客户每周/每月/每季度/每年在特定计划中花了多少钱。公司赚了多少利润等等。
如上所述，Star模式的复杂度较低，因为没有。的连接和运行速度要快得多，与雪花相比，查询执行要好得多。
但是同样，这些是根据项目需要使用的。
我希望这个答案会有所帮助。 任何建议，指导都将受到高度赞赏……：）
答案 1 :(得分：0)
星型模式存储非规范化数据，而雪花存储规范化数据。
通常，snow flake会保留关系数据库中的引用完整性，这意味着您将拥有许多通过主键/外键链接的维度。另一方面，星型模式将具有将所有链接表合并为一个维度的扁平结构。
星型模式不那么复杂，并且比雪花模式具有更好的性能。在BI透视图中，星型模式应该是前进的方式。只有在必要时才能使用雪花。
答案 2 :(得分：0)
在关系数据库中，基本上有2种类型的模式（我意识到还有其他极端情况）：3NF和Star模式。 3NF通常在交易系统中找到，而星型模式则在分析模式中找到。 在星型模式中，可以在一个尺寸上生成雪花，但这通常是不好的做法，应该避免。如果您有一个非常特定的用例，并且您有知识和经验知道解决该问题的唯一方法就是使用Snowflake，那就没问题-但是构建Snowflakes是因为您不知道如何设计Star模式不会成功好结局！ 因此，雪花数量有限的Star模式可能是可以的，但是雪花数量很多的设计不是Snowflake模式-这只是设计不当的Star模式