第565章 Hirsch猜想和星星模型的关联第1/2段
至于和雪花型模型之间的优劣对比。
也不知道自己这段时间都不怎么研究星球模型的缘故，这个时候进行和雪花型模型之间的相关对比，叶秋觉得自己一眼就看出来了，这两者之间的优劣的比对。
就是不知道这个比对究竟是不是正确的。
也正是因为这优劣对比之间的关系，叶秋发现自己好像隐隐的抓到了星型模型当中的关键点。
如果自己发现的这个关键点以及优劣对比是正确的，那对于自己来说对于星星模型的相关研究无异于是得到了一个更加，关键的结论也是能够破解星型模型最重要的一点。
相比于雪花型，星型模型中主要数据存储在事实表中，事实表中存储了业务的大部分核心信息，可读性比较好。维度表只和事实表关联，数据结构看起来也更加容易理解。
相比于宽表，星形模式将事实表和维度表拆开，数据结构相对灵活些，如维度表数据变化（外键不变）不会影响整个数据结构。
至于缺点的话，那也是一眼就能看得出来。
毕竟优点已经是非常显而易见的了，缺点相对来说就不是特别的多，但是如果真的硬是从里面寻找缺点，还是能够看出一些相关的缺陷。
随着现在业务的复杂，数据结构设计时单张事实表内很难存储用户需要的所有数据，所以一般情况下需要提前对多张事实表数据抽取到一张事实表内，形成一张宽表，所以星型模型目前主要是事实宽表维表方式组成，所以宽表的缺点在星型模型中同样存在。
星型架构中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。
如果是举个例子的话，比如在地区维度表中，存在国家A省B的城市C以及国家A省B的城市D两条记录，那么国家A和省B的信息分别存储了两次。数据存在冗余。
星型模型中维表必须和事实表关联，这样要求事实表中必须包含指向维表的外键，事实表数据结构相对固定，而用户的数据分析需求可能灵活多变。
如果像一些层级不固定的机构，恐怕事实表都不一定能生成，那么单个事实宽表就无法描述所有需求，只能跟随业务需求，有针对的生成相关的宽表，如果这个过程继续依赖于技术人员，就会导致在线分析无法"在线"。
这就是星型模型在实际应用当中，所能产生的各种优点以及所要面对的困难。
正是因为有这些的缺点，这才导致星星模型到了，现在都不曾有什么人能够破解出来。
虽然叶秋一下子钻研到了现在这个地步，但也正是因为中间有南移，愉悦的相关困难阻隔在中间，就比如说方才的那些层级不固定机构。
这就是困扰着不少数学家止步于此的缘由之一。
不过，对于今天晚上的研究，叶秋也大致做出了一个相关的总结。
虽然星型模型是一种非规范化的模型，但是由于它简单高效，所以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。
比如在数据仓库建设中，大多时候比较适合使用星型模型构建底层数据表。
星型模型也适用于处理简单的查询，而且对OLAP的分析引擎支持比较友好，适合做指标分析。
但是如果维表的数据量比较大，需要进行更加复杂的层次分析时，维度必须规范化，此时可以考虑采用雪花型模型。
雪花型模型满足范式，可以解决星型模型存在的问题。
不过，如果真的想要规范性的解决星型模型的相关难题，还是得需要进一步的钻研，不能完全的依赖雪花型模型。
研究到这一步，有关于星型模型的实际应用方面叶秋已经得到了突破性的进展。
对于理论上面的相关数据研究，在这一方面上，叶秋仍然还是没有什么更大的进展。
不过，叶秋在认真的研究钻研之下，却惊喜的在意外之间发现，这个星型模型的猜想，和十分著名的Hirsch猜想息息相关，好像有着千丝万缕的关系。
这实在是一个意外之喜，如果不是叶秋在超级电脑当中进行浏览网页的时候，无意之间发现了这个猜想，进而只是简单的看了一下。
然后发现这个所谓的Hirsch猜想，不管是在哪一方面上都非常符合新型模型的数据研究理论猜想。
如果真的能够对这一Hirsch猜想进行破解复杂的层次分析时，维度必须规范化，此时可以考虑采用雪花型模型。
本章未完,请点击下一段进行阅读!