1、范式理论
范式：表示一个关系内部各属性之间的联系的合理化程度，范式级别越高，表的设计就越标准。
参考网址：https://www.cnblogs.com/ktao/p/7775100.html
其实总结一点就是：为了降低冗余，拆分表，使属性之间的联系越紧密！！
2、关系建模和维度建模
关系建模：
面向应用，遵循第三范式，以消除数据冗余为目标的设计技术：
设计出来的样子应该是：
优点：降低了数据的冗余
缺点：查询大部分数据都需要join
维度建模：
①面向分析，为了提高查询性能可以增加数据冗余，反规范化的设计技术
②主要是按照事实表、维度表来构建数据仓库、数据集市，也就是说通过维度表对事实表进行注解！！
设计出来的样子应该是：
注：从关系建模的缺点来看，数据仓库是不适合关系建模方式的，因为大量的join会使得计算延迟，查询效率低。
3、维度建模
根据事实表和维度表的关系，又可将常见的维度模型分为星型模型、雪花型模型、星座模型。
星型模型：
星型架构是一种非正规化的结构，多维数据集的每一个维度都直接与事实表相连接，不存在渐变维度，所以数据有一定的冗余
设计出来的样子应该是：
雪花模型：
星型模型因为数据的冗余所以很多统计查询不需要做外部的连接，因此一般情况下效率比雪花型模型要高。
星型结构不用考虑很多正规化的因素，设计与实现都比较简单。
雪花型模型由于去除了冗余，有些统计就需要通过表的联接才能产生，所以效率不一定有星型模型高
设计出来的样子应该是：
注：正规化也是一种比较复杂的过程，相应的数据库结构设计、数据的 ETL、以及后期的维护都要复杂一些。
因此在冗余可以接受的前提下，实际运用中星型模型使用更多，也更有效率。
星座模型
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型的汇集
设计出来的样子应该是：
