数仓建模—数据模型

最新推荐文章于 2024-08-23 23:58:29 发布

不二人生

最新推荐文章于 2024-08-23 23:58:29 发布

阅读量4.2w

点赞数 2

分类专栏：数仓建模文章标签：大数据数据仓库数据建模

本文链接：https://blog.csdn.net/king14bhhb/article/details/110941801

版权

数仓建模专栏收录该内容

89 篇文章 160 订阅 ¥119.90 ¥299.90

订阅专栏

超级会员免费看

数据模型是描述数据、组织数据和操作数据的工具，对于数据仓库建设至关重要。从简单报表到数据仓库阶段，数据模型经历了业务建模、领域建模、逻辑建模和物理建模等步骤，旨在提供全面的业务视角，消除信息孤岛，增强系统灵活性。数据仓库模型包括系统记录域、内部管理域、汇总域、分析域和反馈域，确保数据一致性、性能和管理。

摘要由CSDN通过智能技术生成

数据模型

所谓水无定势，兵无常法。不同的行业，有不同行业的特点，因此，从业务角度看，其相应的数据模型是千差万别的。在开始介绍数据模型之前，我们先看一个东西，那就是算法与数据结构，我们知道算法是解决特定问题的策略，数据结构处理问题的数学模型，数据结构 有三大要素，逻辑结构、存储结构、数据操作、这里的数据操作其实就是算法，例如我们定义的图的数据结构，然后在这个基础上对图进行操作形成特定的算法，例如深度遍历和广度遍历；我们的数据结构其实是针对特定的数据问题而抽象和设计的，也就是说一种数据结构针对的是一类特定的问题。

数据模型也一样，只不过数据结构是针对特定问题的，而数据模型是针对特定业务的，然后多业务进行抽象，形成了行业特征，在银行业，IBM 有自己的 BDWM(Banking data warehouse model)，而 NCR 有自己的 FS-LDM 模型。在电信业，IBM 有 TDWM（Telecom Data warehouse model），而 NCR 有自己的 TS-LDM 模型。

因此，我们看到，不同的公司有自己针对某个行业的理解，因此会有不同的公司针对某个行业的模型。而对于不同的行业，