1.概念模型

概念模型主要是通過分析和歸納，將業務劃分成幾個主題，并確定主體之間的關系：
業務：即一個總指標，一般來說，一個業務來自于一個OLTP數據庫。例如自然人 法人這兩個不同的業務，來自01 02數據庫。
主題：即一個主題可以分析歸納出的某幾種具體生活常識中的總結點，例如自然人的 動產 不動產等。

• 電影行業：影院、影片、影人、用戶、訂單、渠道、發行等
• 出行行業：司機、乘客、訂單、支付、車輛等

2.邏輯模型

邏輯模型是指在概念模型的基礎上，定義數據倉庫各種實體、屬性、關系，指導后續的數據存儲、組織和數據應用的開發。兩種建模理論：自下而上范式建模(DW-DM數據倉庫-數據模型) 自上而下維度建模(DM-DW數據模型-數據倉庫)
范式建模：

• 第一范式 (原子性，數據不可分割。例如所在城市這一字段：省市縣區(多義) -> 【可分割出字段】省 市 縣 區這四個字段 [這時數據庫中可能存在非 distinct的數據])
• 第二范式 (唯一性，主鍵唯一性，非主屬性 完全 依賴于主屬性)
• 第三范式 (獨立性，例如字段中存在城市dm代碼 和 城市mc名稱，其實這兩個字段是可以傳遞依賴 遞推出來的，這時候只需dm這一個字段就行，保證了字段之間完全獨立，沒有傳遞依賴)
  維度建模：
• 星型 (星形更傾向于大寬表，在一張表中存在較多的冗余信息)
• 雪花型 (雪花型會產生較多的維表，多級關聯)
  星型：由一個事實表和一組維表組成，每個維表都有一個維度作為主鍵，事實表居中，多個維表呈輻射狀分布于其四周，并與事實表連接，形成一個星型結構。
  雪花型：在星型模型的基礎上，基于范式理論進一步層級化，將某些維表擴展成事實表，最終形成雪花狀結構。 【這一過程需要從最底層級倒退各個維表的dm mc，也可以不倒退，邏輯性更差一點】

3.物理模型

物理模型設計是指根據邏輯模型設計的結構為基礎，設計數據對象的物理實現，比如表的命名規范、字段的命名規范、字段類型選擇、分區設置、存儲設置、更行方式、調度配置(調度時間、父子節點等)

4.總結

現實過程中，實際模型和邏輯模型不一定一致，例如數據倉庫中：

一般采用第二范式，因為第三范式粒度更細，但數據倉庫的特點就是OLAP以及大表大數據處理，很適合大寬表的處理。

一般采用星型結構，還是基于數據倉庫的特點，星型結構雖然傾向于大寬表，但大數據處理很適合，并且雪花型結構存在較多的維表，多層級關聯的缺點。

數據倉庫適合處理一張大表，反而不適合處理多張小表關聯。

總結

以上是生活随笔為你收集整理的模型设计的三个阶段的全部內容，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。