认识达内从这里开始

数据建模是随着大数据平台搭建而逐渐被程序员掌握的一个大数据技术，而今天我们就通过案例分析来了解一下，数据建模概念与常用工具。

一、前言

数据建模乍一听的时候感觉非常的有技术性，并且外行感觉非常的高大上，高深莫测。

在目前的时代下，数据量可以说是海量，并且还在持续增长，那么对于企业来说，如何快速的准确的从这些数据中获取自己想得到的信息呢?

二、什么是数据建模

数据建模简单来说就是基于对业务的理解，将各种数据进行整合和关联，并终使得这些数据可用性，可读性增强，让使用方能快速的获取到自己关心的有价值的信息并且及时的作出响应，为公司带来效益。

三、为什么要建模

数据建模是一套方法论，主要是对数据的整合和存储做一些指导，强调从各个角度合理的存储数据。

有了合适的数据模型，是会带来很多好处的：

查询使用性能提升

用户效率提高，改善用户体验

数据质量提升

......

所以大数据系统需要数据模型方法来更好的组织和存储，以便在性能,成本，效率和质量之间取的平衡。

四、建模常用工具

PowerDesigner：

PowerDesigner是Sybase公司的CASE工具集，使用它可以方便地对管理信息系统进行分析设计，他几乎包括了数据库模型设计的全过程。利用PowerDesigner可以制作数据流程图、概念数据模型、物理数据模型，还可以为数据仓库制作结构模型，也能对团队设计模型进行控制。他可以与许多流行的软件开发工具，例如PowerBuilder、Delphi、VB等相配合使开发时间缩短和使系统设计更优化。

powerdesigner是能进行数据库设计的强大的软件，是一款开发人员常用的数据库建模工具。使用它可以分别从概念数据模型(ConceptualDataModel)和物理数据模型(PhysicalDataModel)两个层次对数据库进行设计。在这里，概念数据模型描述的是独立于数据库管理系统(DBMS)的实体定义和实体关系定义;物理数据模型是在概念数据模型的基础上针对目标数据库管理系统的具体化。

五、业务系统和数据仓库建模区别

在业务系统中，通常面对业务库的随机读写，目前主要是采用三范式(3NF)模型存储数据。

而在数据仓库的建模过程中，由于主要是数据的批量读取操作，但是事物并不是我们所关心的，主要是关注数据的整合以及查询处理性能，因此会采用其他的建模方法，以Kimball维度建模为。

六、架构对比

流程

Inmon架构是自顶向下，即从数据抽取-->数据仓库-->数据集市，以数据源为导向，是一种瀑布流开发方法，模型偏向于3NF，

Kimball:架构是自下向上，即从数据集市(主题划分)-->数据仓库-->数据抽取，是以需求为导向的，一般使用星型模型

事实表和维表

Inmon架构下，不强调事实表和维表的概念，因为数据源变化可能会比较大，更加强调的是数据清洗的工作

kimball架构强调模型由事实表和维表组成，注重事实表与维表的设计

数据集市

Inmon架构中，数据集市有自己的物理存储，是真实存在的。

Kimball数据仓库架构中，数据集市是一个逻辑概念，只是多维数据仓库中的主题域划分，并没有自己的物理存储，也可以说是虚拟的数据集市。是数据仓库的一个访问层，是按主题域组织的数据集合，用于支持部门级的决策。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请在707945861群中学习了解。