模型设计的三个阶段

1.概念模型

概念模型主要是通过分析和归纳，将业务划分成几个主题，并确定主体之间的关系：
业务：即一个总指标，一般来说，一个业务来自于一个OLTP数据库。例如自然人 法人这两个不同的业务，来自01 02数据库。
主题：即一个主题可以分析归纳出的某几种具体生活常识中的总结点，例如自然人的 动产 不动产等。

• 电影行业：影院、影片、影人、用户、订单、渠道、发行等
• 出行行业：司机、乘客、订单、支付、车辆等

2.逻辑模型

逻辑模型是指在概念模型的基础上，定义数据仓库各种实体、属性、关系，指导后续的数据存储、组织和数据应用的开发。两种建模理论：自下而上范式建模(DW-DM数据仓库-数据模型) 自上而下维度建模(DM-DW数据模型-数据仓库)
范式建模：

• 第一范式 (原子性，数据不可分割。例如所在城市这一字段：省市县区(多义) -> 【可分割出字段】省 市 县 区这四个字段 [这时数据库中可能存在非 distinct的数据])
• 第二范式 (唯一性，主键唯一性，非主属性 完全 依赖于主属性)
• 第三范式 (独立性，例如字段中存在城市dm代码 和 城市mc名称，其实这两个字段是可以传递依赖 递推出来的，这时候只需dm这一个字段就行，保证了字段之间完全独立，没有传递依赖)
  维度建模：
• 星型 (星形更倾向于大宽表，在一张表中存在较多的冗余信息)
• 雪花型 (雪花型会产生较多的维表，多级关联)
  星型：由一个事实表和一组维表组成，每个维表都有一个维度作为主键，事实表居中，多个维表呈辐射状分布于其四周，并与事实表连接，形成一个星型结构。
  雪花型：在星型模型的基础上，基于范式理论进一步层级化，将某些维表扩展成事实表，最终形成雪花状结构。 【这一过程需要从最底层级倒退各个维表的dm mc，也可以不倒退，逻辑性更差一点】

3.物理模型

物理模型设计是指根据逻辑模型设计的结构为基础，设计数据对象的物理实现，比如表的命名规范、字段的命名规范、字段类型选择、分区设置、存储设置、更行方式、调度配置(调度时间、父子节点等)

4.总结

现实过程中，实际模型和逻辑模型不一定一致，例如数据仓库中：

1. 一般采用第二范式，因为第三范式粒度更细，但数据仓库的特点就是OLAP以及大表大数据处理，很适合大宽表的处理。
2. 一般采用星型结构，还是基于数据仓库的特点，星型结构虽然倾向于大宽表，但大数据处理很适合，并且雪花型结构存在较多的维表，多层级关联的缺点。
3. 数据仓库适合处理一张大表，反而不适合处理多张小表关联。