星型模式：一種使用關系數據庫實現多維分析空間的模式，稱為星型模式。星型模式的基本形式必須實現多維空間（常常被稱為方塊），以使用關系數據庫的基本功能。
雪花模式：不管什么原因，當星型模式的維度需要進行規范化時，星型模式就演進為雪花模式。
在多維分析的商業智能解決方案中，根據事實表和維度表的關系，又可將常見的模型分為星型模型和雪花型模型。在設計邏輯型數據的模型的時候，就應考慮數據是按照星型模型還是雪花型模型進行組織。
當所有維表都直接連接到“ 事實表”上時，整個圖解就像星星一樣，故將該模型稱為星型模型， 如圖 2 。
星型架構是一種非正規化的結構，多維數據集的每一個維度都直接與事實表相連接，不存在漸變維度，所以數據有一定的冗余，如在地域維度表中，存在國家 A 省 B 的城市 C 以及國家 A 省 B 的城市 D 兩條記錄，那么國家 A 和省 B 的信息分別存儲了兩次，即存在冗余。
當有一個或多個維表沒有直接連接到事實表上，而是通過其他維表連接到事實表上時，其圖解就像多個雪花連接在一起，故稱雪花模型。雪花模型是對星型模 型的擴展。它對星型模型的維表進一步層次化，原有的各維表可能被擴展為小的事實表，形成一些局部的 " 層次 " 區域，這些被分解的表都連接到主維度表而不是事實表。如圖 2-3，將地域維表又分解為國家，省份，城市等維表。它的優點是 : 通過最大限度地減少數據存儲量以及聯合較小的維表來改善查詢性能。雪花型結構去除了數據冗余
型模型因為數據的冗余所以很多統計查詢不需要做外部的連接，因此一般情況下效率比雪花型模型要高。星型結構不用考慮很多正規化的因素，設計與實現 都比較簡單。 雪花型模型由於去除了冗余，有些統計就需要通過表的聯接才能產生，所以效率不一定有星型模型高。正規化也是一種比較復雜的過程，相應的數據庫結構設計、數 據的 ETL、以及后期的維護都要復雜一些。因此在冗余可以接受的前提下，實際運用中星型模型使用更多，也更有效率。
星型結構和雪花型結構的比較
（1) 數據優化
雪花模型使用的是規范化數據，也就是說數據在數據庫內部是組織好的，以便消除冗余，因此它能夠有效地減少數據量。通過引用完整性，其業務層級和維度都將存儲在數據模型之中
相比較而言，星形模型實用的是反規范化數據。在星形模型中，維度直接指的是事實表，業務層級不會通過維度之間的參照完整性來部署
(2) 業務模型
主鍵是一個單獨的唯一鍵(數據屬性)，為特殊數據所選擇。外鍵（參考屬性）僅僅是一個表中的字段，用來匹配其他緯度表中的住鍵。
在雪花模型中，數據模型的業務層級是由一個不同維度表主鍵-外鍵的關系來代表的。而在星形模型中，所有必要的維度表在事實表中都只擁有外鍵。
（3）性能
雪花模型在維度表、事實表之間的連接很多，因此性能方面會比較低。而星形模型的連接就少的多，因此性能方面比較好。
（4）ETL
雪花模型加載數據集市，因此ETL操作在設計上更加復雜，而且由於附屬模型的限制，不能並行化。星形模型加載維度表，不需要再維度之間添加附屬模型，因此ETL就相對簡單，而且可以實現高度的並行化。
數據倉庫數據集市
數據集市就是面向不同主題的，一個主題對應自己的一個表，他和數據倉庫的不同實際上就是數據倉庫中的緯度都是存在於一個表中，比如時間緯度，地區緯度都存在一個表中，而數據集市就是把他們分開了，稱作為數據集市。
數據倉庫設計中的邏輯模型也采用表來存儲數據，因此數據倉庫中使用的也是關系模型，不過表和表之間不再通過3大范式的規范，而是以星形結構，雪花結構組成。