了解數(shù)據(jù)建模之前首先要知道的是什么是數(shù)據(jù)模型。數(shù)據(jù)模型（Data Model）是數(shù)據(jù)特征的抽象，它從抽象層次上描述了系統(tǒng)的靜態(tài)特征、動(dòng)態(tài)行為和約束條件，為數(shù)據(jù)庫系統(tǒng)的信息表示與操作提供一個(gè)抽象的框架。

一、概要：數(shù)據(jù)建模簡(jiǎn)介
數(shù)據(jù)基本用于兩種目的：1、操作型記錄的保存2、分析型決策的制定。簡(jiǎn)單地說就是操作型系統(tǒng)保存數(shù)據(jù)，分析型系統(tǒng)使用數(shù)據(jù)；前者反映數(shù)據(jù)的最新狀態(tài)，后者反映數(shù)據(jù)一段時(shí)間的狀態(tài)變化。操作型系統(tǒng)簡(jiǎn)稱為OLTP（On-Line Transaction Processing）聯(lián)機(jī)事務(wù)處理，分析型系統(tǒng)簡(jiǎn)稱為OLAP（On-Line Analytical Processing）聯(lián)機(jī)分析處理。在OLTP場(chǎng)景中，常用的是使用實(shí)體關(guān)系模型（ER）來存儲(chǔ)，從而在事務(wù)處理中解決數(shù)據(jù)的冗余和一致性問題。在OLAP場(chǎng)景中，有多種建模方式有：ER模型、星型模型和多維模型。

數(shù)據(jù)建模是一種用于定義和分析數(shù)據(jù)的要求和其需要的相應(yīng)支持的信息系統(tǒng)的過程。從需求到實(shí)際的數(shù)據(jù)庫，有三種不同的類型。用于信息系統(tǒng)的數(shù)據(jù)模型作為一個(gè)概念數(shù)據(jù)模型，本質(zhì)上是一組記錄數(shù)據(jù)要求的最初的規(guī)范技術(shù)。數(shù)據(jù)首先用于討論適合企業(yè)的最初要求，然后被轉(zhuǎn)變?yōu)橐粋€(gè)邏輯數(shù)據(jù)模型，該模型可以在數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)概念模型中實(shí)現(xiàn)。一個(gè)概念數(shù)據(jù)模型的實(shí)現(xiàn)可能需要多個(gè)邏輯數(shù)據(jù)模型。數(shù)據(jù)建模中的最后一步是確定邏輯數(shù)據(jù)模型到物理數(shù)據(jù)模型中到對(duì)數(shù)據(jù)訪問性能和存儲(chǔ)的具體要求。數(shù)據(jù)建模定義的不只是數(shù)據(jù)元素，也包括它們的結(jié)構(gòu)和它們之間的關(guān)系。

1） 概念數(shù)據(jù)模型（Conceptual Data Model）
簡(jiǎn)稱概念模型 ，主要用來描述世界的概念化結(jié)構(gòu)。概念數(shù)據(jù)模型是最終用戶對(duì)數(shù)據(jù)存儲(chǔ)的看法，反映了最終用戶綜合性的信息需求，它以數(shù)據(jù)類的方式描述企業(yè)級(jí)的數(shù)據(jù)需求，數(shù)據(jù)類代表了在業(yè)務(wù)環(huán)境中自然聚集成的幾個(gè)主要類別數(shù)據(jù)。概念數(shù)據(jù)模型的目標(biāo)是統(tǒng)一業(yè)務(wù)概念，作為業(yè)務(wù)人員和技術(shù)人員之間溝通的橋梁，確定不同實(shí)體之間的最高層次的關(guān)系。

2） 邏輯數(shù)據(jù)模型（Logical Data Model）
簡(jiǎn)稱數(shù)據(jù)模型，這是用戶從數(shù)據(jù)庫所看到的模型，是具體的DBMS所支持的數(shù)據(jù)模型，如網(wǎng)狀數(shù)據(jù)模型(Network Data Model)、 層次數(shù)據(jù)模型 (Hierarchical Data Model)等等。 此模型既要面向用戶，又要面向系統(tǒng) ，主要用于 數(shù)據(jù)庫管理系統(tǒng) （DBMS）的實(shí)現(xiàn)。邏輯數(shù)據(jù)模型的內(nèi)容包括所有的實(shí)體和關(guān)系，確定每個(gè)實(shí)體的屬性，定義每個(gè)實(shí)體的主鍵，指定實(shí)體的外鍵，需要進(jìn)行范式化處理。邏輯數(shù)據(jù)模型的目標(biāo)是盡可能詳細(xì)的描述數(shù)據(jù)，但并不考慮數(shù)據(jù)在物理上如何來實(shí)現(xiàn)。邏輯數(shù)據(jù)建模不僅會(huì)影響數(shù)據(jù)庫設(shè)計(jì)的方向，還間接影響最終數(shù)據(jù)庫的性能和管理。

3） 物理數(shù)據(jù)模型（Physical Data Model）
簡(jiǎn)稱物理模型 ，是面向計(jì)算機(jī)物理表示的模型，描述了數(shù)據(jù)在儲(chǔ)存介質(zhì)上的組織結(jié)構(gòu)，它不但與具體的DBMS 有關(guān)，而且還與操作系統(tǒng)和硬件有關(guān)。每一種邏輯數(shù)據(jù)模型在實(shí)現(xiàn)時(shí)都有起對(duì)應(yīng)的物理數(shù)據(jù)模型。DBMS為了保證其獨(dú)立性與可移植性，大部分物理數(shù)據(jù)模型的實(shí) 現(xiàn)工作又系統(tǒng)自動(dòng)完成，而設(shè)計(jì)者只設(shè)計(jì)索引、聚集等特殊結(jié)構(gòu)。物理結(jié)構(gòu)圖顯示物理數(shù)據(jù)模型是在邏輯數(shù)據(jù)模型的基礎(chǔ)上，考慮各種具體的技術(shù)實(shí)現(xiàn)因素，進(jìn)行數(shù)據(jù)庫體系結(jié)構(gòu)設(shè)計(jì)，真正實(shí)現(xiàn)數(shù)據(jù)在數(shù)據(jù)庫中的存放。

二、方法：數(shù)據(jù)建模常用模型
1）D-R模型
D-R模型（Entity-relationship model）實(shí)體關(guān)系模型，E-R模型的構(gòu)成成分是實(shí)體集、屬性和聯(lián)系集。其表示方法如下：（1） 實(shí)體集用矩形框表示，矩形框內(nèi)寫上實(shí)體名。（2） 實(shí)體的屬性用橢圓框表示，框內(nèi)寫上屬性名，并用無向邊與其實(shí)體集相連。（3） 實(shí)體間的聯(lián)系用菱形框表示，聯(lián)系以適當(dāng)?shù)暮x命名，名字寫在菱形框中，用無向連線將參加聯(lián)系的實(shí)體矩形框分別與菱形框相連，并在連線上標(biāo)明聯(lián)系的類型，即1—1、1—N或M—N。如圖1-1所示。

圖1-1 E-R圖

2）多維模型
它是維度模型的另一種實(shí)現(xiàn)。當(dāng)數(shù)據(jù)被加載到OLAP多維數(shù)據(jù)庫時(shí)，對(duì)這些數(shù)據(jù)的存儲(chǔ)的索引，采用了為維度數(shù)據(jù)涉及的格式和技術(shù)。性能聚集或預(yù)計(jì)算匯總表通常由多維數(shù)據(jù)庫引擎建立并管理。由于采用預(yù)計(jì)算、索引策略和其他優(yōu)化方法，多維數(shù)據(jù)庫可實(shí)現(xiàn)高性能查詢。這種模型可以以星型模式，雪花模式，或事實(shí)星座模式的形式存在。

3）星型模型
它是維度模型在關(guān)系型數(shù)據(jù)庫上的一種實(shí)現(xiàn)。它是多維的數(shù)據(jù)關(guān)系，它由事實(shí)表（Fact Table）和維表（Dimension Table）組成。每個(gè)維表中都會(huì)有一個(gè)維作為主鍵，所有這些維的主鍵結(jié)合成事實(shí)表的主鍵。事實(shí)表的非主鍵屬性稱為事實(shí)，它們一般都是數(shù)值或其他可以進(jìn)行計(jì)算的數(shù)據(jù)。該模型表示每個(gè)業(yè)務(wù)過程包含事實(shí)表，事實(shí)表存儲(chǔ)事件的數(shù)值化度量，圍繞事實(shí)表的多個(gè)維度表，維度表包含事件發(fā)生時(shí)實(shí)際存在的文本環(huán)境。這種類似于星狀的結(jié)構(gòu)通常稱為'星型連接'。其重點(diǎn)關(guān)注用戶如何更快速地完成需求分析，同時(shí)具有較好的大規(guī)模復(fù)雜查詢的響應(yīng)性能。如圖1-2所示。

圖1-2 星型模型

4）雪花模型
它是當(dāng)有一個(gè)或多個(gè)維表沒有直接連接到事實(shí)表上，而是通過其他維表連接到事實(shí)表上時(shí)，其圖解就像多個(gè)雪花連接在一起，故稱雪花模型。雪花模型是對(duì)星型模型的擴(kuò)展。如圖1-3所示。

圖1-3 雪花模型

三、方案：數(shù)據(jù)建模六步驟
數(shù)據(jù)建模，通俗地說，就是通過建立數(shù)據(jù)科學(xué)模型的手段解決現(xiàn)實(shí)問題的過程。數(shù)據(jù)建模也可以稱為數(shù)據(jù)科學(xué)項(xiàng)目的過程，并且這個(gè)過程是周期性循環(huán)的。具體可分為六大步驟，如圖2-1所示。

圖2-1 建模步驟
1） 收集業(yè)務(wù)需求與數(shù)據(jù)實(shí)現(xiàn)：在開始維度建模工作之前，需要理解業(yè)務(wù)需求，以及作為底層源數(shù)據(jù)的實(shí)際情況。通過與業(yè)務(wù)方溝通交流、查看現(xiàn)有報(bào)表等來發(fā)現(xiàn)需求，用于理解他們的基于關(guān)鍵性能指標(biāo)、競(jìng)爭(zhēng)性商業(yè)問題、決策制定過程、支持分析需求的目標(biāo)。同時(shí)，數(shù)據(jù)實(shí)際情況可通過與數(shù)據(jù)庫系統(tǒng)專家交流，了解訪問數(shù)據(jù)可行性等。

2） 選擇業(yè)務(wù)過程：業(yè)務(wù)過程是組織完成的操作型活動(dòng)。業(yè)務(wù)過程時(shí)間建立或獲取性能度量，并轉(zhuǎn)換為事實(shí)表中的事實(shí)。多數(shù)事實(shí)表關(guān)注某一業(yè)務(wù)過程的結(jié)果。過程的選擇非常重要的，因?yàn)檫^程定義了特定的設(shè)計(jì)目標(biāo)以及對(duì)粒度、維度、事實(shí)的定義。

3） 聲明粒度：聲明粒度是維度設(shè)計(jì)的重要步驟。粒度用于確定某一事實(shí)表中的行表示什么。在選擇維度或事實(shí)前必須聲明粒度，因?yàn)槊總€(gè)候選維度或事實(shí)必須與定義的粒度保持一致。在從給定的業(yè)務(wù)過程獲取數(shù)據(jù)時(shí)，原子粒度是最低級(jí)別的粒度。強(qiáng)烈建議從關(guān)注原子級(jí)別粒度數(shù)據(jù)開始設(shè)計(jì)，因?yàn)樵恿６葦?shù)據(jù)能夠承受無法預(yù)期的用戶查詢。

4） 確認(rèn)維度：維度提供圍繞某一業(yè)務(wù)過程事件所涉及的'誰、什么、何處、何時(shí)、為什么、如何'等背景。維度表包含分析應(yīng)用所需要的用于過濾及分類事實(shí)的描述性屬性。牢牢掌握事實(shí)表的粒度，就能夠?qū)⑺锌赡艽嬖诘木S度區(qū)分開來。

5） 確認(rèn)事實(shí)：事實(shí)，涉及來自業(yè)務(wù)過程事件的度量，基本上都是以數(shù)據(jù)值表示。一個(gè)事實(shí)表行與按照事實(shí)表粒度描述的度量事件之間存在一對(duì)一關(guān)系，因此事實(shí)表對(duì)應(yīng)一個(gè)物理可觀察的事件。在事實(shí)表內(nèi)，所有事實(shí)只允許與聲明的粒度保持一致。

6） 部署方式：選擇一種維度模型的落地方式。既可以選擇星型模型，部署在關(guān)系數(shù)據(jù)庫上，通過事實(shí)表及通過主外鍵關(guān)聯(lián)的維度表；也可以選擇多維模型，落地于多維數(shù)據(jù)庫中。

看了這么多方法論，你是不是摩拳擦掌躍躍欲試了呢？?jī)|信華辰數(shù)據(jù)工廠（EsDataFactory）不光可以幫你實(shí)現(xiàn)數(shù)據(jù)建模而且還可以更快更方便更高效。億信華辰數(shù)據(jù)工廠（EsDataFactory）是一款面向數(shù)倉實(shí)施的自主研發(fā)的軟件工具，集數(shù)據(jù)建模與ETL設(shè)計(jì)于一體，內(nèi)置新型的混合計(jì)算引擎，在建模的同時(shí)同步完成ETL流程設(shè)計(jì)，提供一站式數(shù)據(jù)處理服務(wù)，彌補(bǔ)傳統(tǒng)ETL工具對(duì)模型管控的缺失與不足。想要了解很多功能可私信小編免費(fèi)試用哦~