统一星型模式（USS）简介

统一星型模式（Unified Star Schema）由 Francesco Puppini（弗朗切斯科·普皮尼）在他于 2020 年推出的与 Bill Inmon 合著的 The Unified Star Schema 一书中提出。

以早期的电话拨号服务来比喻，业务人员相当于电话用户，传统的服务方式是应用层的数据开发人员充当电话接线员，用户通过接线员去实现拨号；而 USS 的作用就是实现用户自助拨号，其中桥接表就相当于电话交换机，交换机会自动寻址自动拨号而不再需要接线员。

基本观点

• 在统一星型模式中，不需要像传统维度建模那样严格区分事实表和维度表，只把所有字段分成度量字段（measure）和非度量字段两类，度量字段和非度量字段在数据分析中通常分别作为Y轴、X轴呈现。

传统维度建模中的字段划分偏向数据开发视角，而统一星型模式中的字段划分偏向数据分析视角。比如产品维表中可能有库存量（units in stock）字段，这个字段在传统维度建模中一般被视作产品维度的属性字段，而在统一星型模式中则被视作是度量字段（可被聚合、用于Y轴呈现等）。

• 除非有性能提升（提前聚合数据量大的表）或逻辑复用（复杂逻辑分步实现）的考量，业务逻辑尽可能都在展示层（BI层）实现，提高“自助率”。

这样做的好处有：①能够减少数仓中应用层的维护成本②降低数据处理错误或不一致的风险③减少对开发人员的依赖。

• 从数据处理的角度，数据分析的过程就是对数据表进行去规范化（denormalizing）、扁平化（flattening）的过程，而这个过程可能存在一些导致数据结果有误的“陷阱”。

这些“陷阱”可分为两类：①数据的丢失，内连接和左右连接都大概率会丢失数据；②度量数据的发散，有“风扇陷阱”（fan trap）和“裂缝陷阱”（chasm trap）两种。

对于数据的发散，只需要关注度量数据的发散，因为维度数据的发散不会影响聚合，进而不会影响数据结果。

专业的开发人员往往知道如何避免这些“陷阱”而得到正确的数据结果。而统一星型模式能够从根本上杜绝这些“陷阱”，这样数据处理工作可以直接交由分析人员来做（也不用担心数据结果出错的问题），从而实现真正的”自助分析”。

• 在联合处理多对多或粒度不一致的两张表时，堆叠（UNION ALL）的方式要优于连接（JOIN）。

比如需要多张事实表联合处理时，应尽量选择堆叠的处理方式，性能更好还不丢失数据；对于粒度不一致时，统一星型模式可以通过局部再规范化（re-normalizing）的措施来解决，这也优于传统先聚合汇总再连接的处理方式。

连接是拼接字段，性能一般并且有数据发散和丢失数据（全连接不丢失数据但性能不好）的风险；而堆叠是拼接记录，算力消耗小（是高性能的）并且无数据发散（是无冗余的）、不丢失数据（是无损的），唯一的小缺点是SQL代码会难写一点（需要对齐字段，若用编程语言则很容易）

• 对于多表数据的合并，现代的BI工具除了支持传统的连接（join）合并方式，普遍也还支持关联（association）合并方式，统一星型模式在两种方式体系下都具备完整的功能。

关联在某些BI工具中可能叫做关系（relationship）。关联在单次的（或说合并逻辑简单的）数据处理场景中比连接更为灵活好用且对数据丢失、数据发散免疫，因而十分适合在BI工具中使用。

当然，有了关联并不是说就不需要统一星型模式了，关联与传统的连接一样需要人工绘制数据模型图（制定连接或关联规则），这就留下了千人千面的处理空间，存在不同人数据处理结果不一致的隐患。而统一星型模式使用统一的、简化的数据模型，对分析人员友好并且杜绝了数据结果不一致的隐患。

最理想的数据分析方案是既采用统一星型模式，同时也使用关联的表合并方式；如果BI工具没有关联功能，那么退而求其次在统一星型模式的基础上使用连接，也能实现全部的功能，尽管数据处理会麻烦一点（需要注意数据重复的问题）。

使用 USS 需要注意的事项

• （桥接表的构建）由于 USS 的桥接表实现的都是两表之间的直连，如果原始模型中两张表需要通过中介表才能连接（即间接连接），那么应该基于中介表在桥接表中添加所有可能的派生外键。（具体做法参见〖Northwind样例数据实战（USS）〗）

• （在基于连接的使用场景下）USS 的桥接表中可能存在多个 Stage 指向同一张事实表的情况（都有该表的外键），如果这些 Stage 被同时用于聚合的话就出现了数据膨胀，因此在书写聚合公式的时候需要对 Stage 进行过滤（只将相关的 Stage 纳入聚合范围），比如QlikView中的写法Sum({1<Stage={'Sales'}>}SalesAmount)。

如果是在基于关联（association）的使用场景下，则不会有这个问题，因为关联的聚合都是只作用于单张来源表，永远对发散问题免疫

• （在基于连接的使用场景下）USS 的桥接表中存在大量的NULL值是常态，因此在BI工具中书写条件或聚合语句时需要避免误算，比如sum(if(quantity<5, 0, 1))的写法使NULL被标记成1可能导致聚合值有误，可改用sum(if(quantity>5, 1, 0))的写法。