http://blog.csdn.net/huojiao2006/article/details/51209982
http://blog.csdn.net/nisjlvhudy/article/details/7889422
http://www.cnblogs.com/benchen/p/6011721.html
多维数据模型是最流行的数据仓库的数据模型，多维数据模型最典型的数据模式包括星型模式、雪花模式和事实星座模式。
- 星型模型：
核心是一个事实表及多个非正规化描述的维度表组成。
- 雪花模型：
雪花模式是星型模式的扩展，其中某些维表被规范化，进一步分解到附加表（维表）中。
- 事实星座模式（Fact Constellation）或星系模式（galaxy schema）
数据仓库由多个主题构成，包含多个事实表，而维表是公共的，可以共享，这种模式可以看做星型模式的汇集，因而称作星系模式或者事实星座模式。
星座模型是星型模型延伸而来，星型模型是基于一张事实表的，而星座模型是基于多张事实表的，而且共享维度信息。 通过构建一致性维度，来建设星座模型，也是很好的选择。比如同一主题的细节表和汇总表共享维度，不同主题的事实表，可以通过在维度上互相补充来生成可以共享的维度。
- 比较：
雪花模型使用的是规范化数据，也就是说数据在数据库内部是组织好的，以便消除冗余，因此它能够有效地减少数据量。通过引用完整性，其业务层级和维度都将存储在数据模型之中。
相比较而言，星形模型实用的是反规范化数据。在星形模型中，维度直接指的是事实表，业务层级不会通过维度之间的参照完整性来部署。
雪花模式的维度表是基于范式理论的，因此是界于第三范式和星形模式之间的一种设计模式，通常是部分数据组织采用第三范式的规范结构，部分数据组织采用星形模式的事实表和维表结构。
雪花模式的优点是没有冗余(或者少冗余)， 比较灵活， 适应于不同人群的需求，而星型模型的优点是简单，查询方便。
选自： http://blog.csdn.net/leicool_518/article/details/45029149(数据仓库有一系列的文章，有空要看看)
中间层使用雪花结构以降低数据冗余度，数据集市部分采用星型以方便数据提取及分析
- 范式建模
第三范式建模是在数据库建模中使用的建模方法，特点是体系化，扩展性好，避免冗余，避免更新异常。所以，在数据仓库的EDW层建模中，我们也提倡使用第三范式建模。但是数据仓库的集成和反映历史变化的特征意味着数据量非常之大，表和表之间的关联效率比较低，所以有些时候完全规范的范式建模并不是最好的选择，通常我们会选择非规范化处理，增加一些冗余的字段来避免表之间关联的次数，这样会节约大量的时间。
雪花模型是介于星型模型和范式建模之间的。个人理解，范式建模和雪花模型的区别在于雪花模型在维度上也是有冗余的。例如雪花模型例图的地域维度不符合第三范式，因为地域维度中存在传递依赖，城市-省级-国家-地域。
