主要有：维度建模、范式建模、Data Vault模型、Anchor模型
维度模型 企业中最流行也是最经典的数仓建模经典。按数据组织类型划分可分为星型模型、雪花模型、星座模型。
范式模型 即实体关系（ER）模型，数据仓库之父Immon提出的，从全企业的高度设计一个3NF模型，用实体加关系描述的数据模型描述企业业务架构，在范式理论上符合3NF。此建模方法，对建模人员的能力要求非常高。
Data Vault模型 DataVault由Hub（关键核心业务实体）、Link（关系）、Satellite（实体属性） 三部分组成 ，是Dan Linstedt发起创建的一种模型方法论，它是在ER关系模型上的衍生，同时设计的出发点也是为了实现数据的整合，并非为数据决策分析直接使用。
Anchor模型 高度可扩展的模型，所有的扩展只是添加而不是修改，因此它将模型规范到6NF，基本变成了K-V结构模型。企业很少使用，不多做介绍。
维度模型和关系模型
Kimball(维度模型)和Inmon(ER模型)是目前两种最主流的建模方法
维度建模法，由Kimball 最先提出这一概念。其最简单的描述就是：按照事实表、维表来构建数据仓库和数据集市
范式建模法其实是我们在构建数据模型常用的一个方法，该方法的主要由Inmon 所提倡，主要解决关系型数据库得数据存储
范式建模：设计思路自上而下，适合上游基础数据存储，同一份数据只存储一份，没有数据冗余，方便解耦，易维护，缺点是开发周期一般比较长，维护成本高
维度建模：设计思路是自下而上，适合下游应用数据存储，适合统计多层次维度的汇总，开发周期短，缺点是维护成本高
其中多维模型最典型的数据模式包括星型模式、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个大的中心表（事实表），一组小的附属表（维表）。所有维度直接关联在事实表上，且维度表之间无关联关系，呈星型分布。星型模式如下所示
雪花模式（snowflake schema）
在星型模型的基础上，维度表上又关联了其他维度表。这种模型维护成本高，性能方面也较差，所以一般不建议使用。尤其在基于hadoop体系构建数仓，减少join就能减少中间shuffle过程，job性能表现差异会很大。如下图所示
星座模式（Fact Constellation）或星系模式（galaxy schema）
星座模型，是对星型模型的扩展延伸，多张事实表共享维度表。这种模式可以看做星型模式的汇集，因而称作星系模式或者事实星座模式。如下图所示：
三种数据模式对比
星型模型和雪花模型的优劣对比：
三种数据模三种数据模式对比式对比