數據建模

世界上物品種類有千萬種，各種信息更是層出不窮，每種信息都有各自獨特的格式和表達方式，如何對信息進行描述，按照一定的方式進行轉化，使之形成適合存儲的數據格式，稱之為建模。常用的有實體建模法，維度建模法，范式建模法三種數據建模方法，不管哪種數據建模方法都是使信息結構清晰、易于存儲和讀取。

（1）實體建模法

?實體是現實世界中存在的事物或發生的事件，是現實世界中任何可識別、可區分的事物。實體可以是人，可以是物，也可以是發生的某件事，比如一場籃球比賽。每一個實體都必須具備一定的特征，用來區分一個個實體，這些特征稱為屬性，每個實體可以用若干個屬性來刻畫，每個屬性又有一定的取值類型和取值范圍，屬性是變量，其取值范圍是屬性的值域。實體建模法是根據客觀世界中的一個個實體，以及實體之間的關系，在數據建模的過程中引入這種區分方法，將整個業務分成一個個實體，從而建立數據模型。實體建模可以比較容易的實現模型的劃分，抽象出具體的業務概念，創建符合自己需要的數據庫模型。實體建模是對客觀世界的抽象，因此該方法建立的模型具有一定的局限性，適合于特定的領域。

（2）維度建模法

維度在數學上指獨立參數的數據，在數據分析領域，是指描述事物的角度和方面，是數據庫當中，描述某一事物的方法和屬性的數目。維度建模就是針對給定的事物，使用不同的描述方法，記錄該事物在不同分類方法當中每個屬性的值。如對人進行維度建模時，按照性別的維度可以分為男和女，按照年齡段可以分為兒童、少年、青年、中年、老年，按照收入水平可以分為3000以下、3000-6000、6000-10000，10000以上等集中類別。

?維度建模法的好處是對于某個事物，可以在各個維度進行預處理，進行統計、分類、排序等，提高數據庫操作性能，同時維度建模法建立的數據模型比較直觀，可以緊密圍繞業務需求建立模型，直觀的反應業務中的問題，建模方法簡單，不需要進行特別的抽象處理。但是維度建模法同時也存在缺點，一是在數據建模時需要進行預處理，存在大量的預處理工作，并且當業務需求發生變化時，需要重新定義維度，重新進行新維度的數據預處理，在數據預處理過程中往往存在大量數據冗余，另外就是在進行維度建模時，僅僅依靠維度進行建模，不能保證數據來源的準確性和一致性，不適合在數據庫底層使用。

（3）范式建模法

范式就是規則，是符合某一級別關系模式的集合，構造數據庫時必須遵循一定的規則。關系數據庫中的關系必須滿足一定的規則，即滿足不同的范式。

?范式建模法是將原始數據信息根據一定的數據結構和轉換模型，分解、轉化為規范的格式，使數據遵守一定的約束條件，每一個數據項所表達的意思明確，不產生歧義，同時各條數據之間相互獨立，不存在依賴關系。
?

總結

以上是生活随笔為你收集整理的常用建模方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。