总结：
数据库是面向事务的设计，数据仓库是面向主题设计的。
数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。
详细介绍：
数据仓库：
数据仓库系统的主要应用主要是在线分析处理(OLAP)，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持用户的决策制定过程。
数据仓库特：
- 数据仓库是面向主题的；
- 数据仓库是集成的；
- 数据仓库是稳定的；
- 数据仓库是随时间变化的；
- 数据仓库的数据量很大；
- 数据仓库软硬件要求较高。
数据库 比较流行的有：MySQL, Oracle, SqlServer等
数据仓库 比较流行的有：AWS Redshift, Greenplum, Hive等
数据库和数据仓库的区别：
都是为了组织和管理数据，但具有以下几点不一样
1、 存储结构：
数据库：一般面向行存储；
数据仓库：倾向使用列式存储；
2、关注点：
数据库通常更关注业务交易处理（OLTP），是面向事务的设计;
而数据仓库更关注数据分析层面（OLAP），是面向主题设计的;
3、要求不同：
数据库要求：遵循ACID和范式模型，尽可能减少冗余、保证引用完整性
数据仓库强调：数据分析的效率，复杂查询的速度，数据之间的相关性分析，所以在数据库模型上，数据仓库喜欢使用多维模型，从而提高数据分析的效率。
4、时间
数据库：一般存储在线交易数据；
数据仓库：存储的一般是历史数据；
数据仓库与数据库的主要区别在于：
（1）数据库是面向事务的设计，数据仓库是面向主题设计的。
（2）数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。
（3）数据库设计是尽量避免冗余，数据仓库在设计是有意引入冗余。
（4）数据库是为捕获数据而设计，数据仓库是为分析数据而设计。
物理模型
-
星型模型
星型模型是数据集市维度建模中推荐的建模方法。星型模型是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。
特点：数据组织直观，执行效率高。因为在数据集市的建设过程中，数据经过了预处理，比如按照维度进行了汇总，排序等等，数据量减少，执行的效率就比较高。
星型模型 -
雪花模型
雪花模型也是维度建模中的一种选择。雪花模型的维度表可以拥有其他维度表的.
特点：虽然这种模型相比星型模型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要低。所以一般不是很常用。
雪花模型 -
星座模型
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。
星座模型
数据参考中的表
一般分为：事实表和维度表
维度表：一般固定、变动少、数据有限、冗余大，为事实表节省空间；主键选择整数值，节省事实表的空间（如：联系人、物品种类）
事实表：一般记录流水，很大，例如：销售清单，通常随着时间的增长不断膨胀
