主要有：維度建模、範式建模、Data Vault模型、Anchor模型
維度模型 企業中最流行也是最經典的數倉建模經典。按數據組織類型劃分可分爲星型模型、雪花模型、星座模型。
範式模型 即實體關係（ER）模型，數據倉庫之父Immon提出的，從全企業的高度設計一個3NF模型，用實體加關係描述的數據模型描述企業業務架構，在範式理論上符合3NF。此建模方法，對建模人員的能力要求非常高。
Data Vault模型 DataVault由Hub（關鍵核心業務實體）、Link（關係）、Satellite（實體屬性） 三部分組成 ，是Dan Linstedt發起創建的一種模型方法論，它是在ER關係模型上的衍生，同時設計的出發點也是爲了實現數據的整合，並非爲數據決策分析直接使用。
Anchor模型 高度可擴展的模型，所有的擴展只是添加而不是修改，因此它將模型規範到6NF，基本變成了K-V結構模型。企業很少使用，不多做介紹。
維度模型和關係模型
Kimball(維度模型)和Inmon(ER模型)是目前兩種最主流的建模方法
維度建模法，由Kimball 最先提出這一概念。其最簡單的描述就是：按照事實表、維表來構建數據倉庫和數據集市
範式建模法其實是我們在構建數據模型常用的一個方法，該方法的主要由Inmon 所提倡，主要解決關係型數據庫得數據存儲
範式建模：設計思路自上而下，適合上游基礎數據存儲，同一份數據只存儲一份，沒有數據冗餘，方便解耦，易維護，缺點是開發週期一般比較長，維護成本高
維度建模：設計思路是自下而上，適合下游應用數據存儲，適合統計多層次維度的彙總，開發週期短，缺點是維護成本高
其中多維模型最典型的數據模式包括星型模式、雪花模式和星座(系)模式
星型模式（star schema）
星型模式的核心是一個大的中心表（事實表），一組小的附屬表（維表）。所有維度直接關聯在事實表上，且維度表之間無關聯關係，呈星型分佈。星型模式如下所示
雪花模式（snowflake schema）
在星型模型的基礎上，維度表上又關聯了其他維度表。這種模型維護成本高，性能方面也較差，所以一般不建議使用。尤其在基於hadoop體系構建數倉，減少join就能減少中間shuffle過程，job性能表現差異會很大。如下圖所示
星座模式（Fact Constellation）或星系模式（galaxy schema）
星座模型，是對星型模型的擴展延伸，多張事實表共享維度表。這種模式可以看做星型模式的彙集，因而稱作星系模式或者事實星座模式。如下圖所示：
三種數據模式對比
星型模型和雪花模型的優劣對比：
三種數據模三種數據模式對比式對比