范式建模(Third Normal Form, 3NF)
由数仓之父 Bill Inmon 提出，主要解决关系型数据库的数据存储，使用 E-R 实体关系模型将事物抽象为实体 、属性、关系，来表示事物和事件关联。在数据仓库的模型设计中一般采用第三范式，须具有以下三个条件：
- 每个属性值唯一，不具有多义性, 不能继续拆分
- 每个非主属性必须完全依赖于整个主键，而非主键的一部分
- 每个非主属性不能依赖于其他关系中的属性
3NF 建模，是站在全企业角度而不是业务分析角度对企业内众 多的实体进行抽象，这种方法规范性很好，基本没有冗余，适合大型企业战略性规划，缺点是不利于 对接 BI 和下钻。并且物理模型设计通常与业务所需的模型设计不匹配，后期项目实施的 周期会拖得非常长，成本也非常高，同时对建模人员的能力要求也同样很高。
维度建模(Dimensional Modeling)
由 Ralph Kimball 最先提出这一概念。其简单描述就是，按照事实表，维表来构建数据仓库，数据集市。
- 事实表是用来记录具体事件的，包含了每个事件的具体要素，以及具体发生的事情
- 维表则是对事实表中事件的要素的描述信息
- 维度建模法典型代表就是星型模型、雪花模型
维度建模主要以分析决策需求为出发点来构建模型。一般有比较好的大规模复杂查询的响应性能，能够直接面向业务，维度建模可以快速上手、快速交付， 有大量荣誉数据,即辅助表，容易产生表爆炸问题，后续维护成本高。 当业务发生变化，需要重新进行维度的定义时，往往需要重新进行维度数据的预处理。
3NF VS 维度建模
| 3NF | 维度建模 | |
|---|---|---|
| 优点 | 高度结构化、相对容易扩展、无冗余 | 面向业务，适合多维分析、聚合场景 能够极大的提升数据仓库的处理能力 |
| 劣势 | 不利于对接BI、不利于下钻、物理设计常与业务不匹配 | 需要预处理、大量冗余数据 |
![node] 两个模型各有各的优劣势，不同的场景，可以使用不同的方法，实际场景很多都是混和使用