MetaModel元数据模型-初识

最新推荐文章于 2022-12-13 15:49:19 发布
最新推荐文章于 2022-12-13 15:49:19 发布
阅读量1.8k 收藏 3
点赞数
分类专栏： 数据库 大数据 文章标签： MetaModel 元数据模型 数据交换
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ory001/article/details/118492074
版权

MetaModel元数据模型-初识

一、前言

1.简介

MetaModel 是用来重建 SQL 99 兼容的数据库元模型。
MetaModel 提供了一个数据为中心的 API 用于探索、查询和更新数据，数据格式支持关系数据库（JDBC）、CSV 文件、Excel 表格、MongoDB 和 CouchDB 等等。你可以编写真正跨存储系统的应用程序。
此外 MetaModel 的 API 非常易学易用，类似于 SQL 语法，但是类型安全的，你可以把它想象成 LinQ for Java。

2.文档

METAMODEL WIKI

Datastore typeDataContext class nameProperties “type” valueVariants supported/available
JDBC / Relational DatabasesJdbcDataContextjdbcPostgreSQL, MySQL, Microsoft SQL Server, Oracle DB, IBM DB2 Apache Hive, Apache Derby, SQLite, Ingres, H2, HSQLDB (… and many more)
CSV filesCsvDataContextcsvComma-separated Tab-separated Anything-separated files
Fixed width value filesFixedWidthDataContextfixed-widthFixed width EBCDIC
Microsoft Excel spreadsheetsExcelDataContextexcel.xls .xlsx
Microsoft Access database filesAccessDataContext-.mdb .accdb
OpenOffice.org database filesOpenOfficeDataContext-.odb
XML filesXmlDomDataContext XmlSaxDataContext xmlDOM-based parsing (all in-memory) SAX-based parsing (streaming)
JSON filesJsonDataContextjson
ElasticSearchElasticSearchDataContext ElasticSearchRestDataContextelasticsearchNative Java API RESTful JSON API
MongoDBMongoDbDataContext-MongoDB 2.x MongoDB 3.x
Apache CouchDBCouchDbDataContextcouchdb
Apache CassandraCassandraDataContextcassandra
Apache HBaseHBaseDataContexthbase
Apache KafkaKafkaDataContext
Neo4jNeo4jDataContext-
Salesforce.comSalesforceDataContextsalesforce
SugarCRMSugarCrmDataContext-
Java collectionsPojoDataContextpojoCollection<Object[]> Collection<Map<String, Object>> Collection<JavaBean>
Collections of other datastoresCompositeDataContext

二、集成

        <dependency>
            <groupId>org.apache.metamodel</groupId>
            <artifactId>MetaModel-full</artifactId>
            <version>5.3.3</version>
        </dependency>

三、使用示例

gitee源码：https://gitee.com/ryou5416/meta-model.git

1.CsvTest

package com.example.metamodel;

import org.apache.metamodel.DataContext;
import org.apache.metamodel.UpdateableDataContext;
import org.apache.metamodel.csv.CsvConfiguration;
import org.apache.metamodel.csv.CsvDataContext;
import org.apache.metamodel.data.DataSet;
import org.apache.metamodel.factory.DataContextFactoryRegistryImpl;
import org.apache.metamodel.factory.DataContextPropertiesImpl;
import org.apache.metamodel.factory.ResourceFactory;
import org.apache.metamodel.insert.InsertInto;
import org.apache.metamodel.query.CompiledQuery;
import org.apache.metamodel.query.Query;
import org.apache.metamodel.query.QueryParameter;
import org.apache.metamodel.schema.Schema;
import org.apache.metamodel.schema.Table;
import org.apache.metamodel.schema.TableType;
import org.apache.metamodel.util.AbstractResource;
import org.apache.metamodel.util.ClasspathResource;
import org.apache.metamodel.util.FileResource;
import org.apache.metamodel.util.Resource;
import org.junit.jupiter.api.Test;
import org.springframework.util.Assert;
import org.springframework.util.ResourceUtils;

import java.io.File;
import java.io.FileNotFoundException;
import java.util.Arrays;
import java.util.List;

import static org.apache.metamodel.factory.DataContextPropertiesImpl.*;

/**
 * @author ：ouruyi
 * @version 1.0
 * @date ：Created in 2021/7/5 14:56
 * 功能描述：
 */
public class CsvTest {

    @Test
    void test1() {
        /**
         * 可设置表定义 {@link DataContextPropertiesImpl#PROPERTY_TABLE_DEFS}
         */
        final DataContextPropertiesImpl properties = new DataContextPropertiesImpl();
        properties.put(PROPERTY_DATA_CONTEXT_TYPE, "csv");
        properties.put(PROPERTY_COLUMN_NAME_LINE_NUMBER, 1);
        /**
         * 可用前缀 file classpath mem http https hdfs
         * @see ResourceFactory
         */
        properties.put(PROPERTY_RESOURCE_PROPERTIES, "classpath:/data/csv/data.csv");
        DataContext dataContext = DataContextFactoryRegistryImpl.getDefaultInstance().createDataContext(properties);
        final Schema schema = dataContext.getDefaultSchema();
        final List<Table> tables = schema.getTables(TableType.TABLE);
        final Table table = tables.get(0);
        DataSet result = dataContext.query().from(table).select(table.getColumns()).orderBy(table.getColumnByName("name")).execute();
        try {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        } finally {
            result.close();
        }
    }

    @Test
    void test2() {
        /**
         * @see AbstractResource
         */
        Resource resource = new ClasspathResource("/data/csv/data.csv");
        Assert.isTrue(resource.isExists(), "文件不存在！");
        /**
         * 可设置表定义 {@link org.apache.metamodel.schema.naming.CustomColumnNamingStrategy#CustomColumnNamingStrategy(java.lang.String...)}
         */
        CsvConfiguration configuration = new CsvConfiguration(1, "UTF-8", ',', '"', '\\');
        DataContext dataContext = new CsvDataContext(resource, configuration);
        final Schema schema = dataContext.getDefaultSchema();
        final List<Table> tables = schema.getTables(TableType.TABLE);
        final Table table = tables.get(0);
        DataSet result = dataContext.query().from(table).select(table.getColumns()).orderBy(table.getColumnByName("name")).execute();
        try {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        } finally {
            result.close();
        }
    }

    /**
     * 绑定变量 降低语法解析次数，提升性能及安全性
     */
    @Test
    void test3() {
        /**
         * @see AbstractResource
         */
        Resource resource = new ClasspathResource("/data/csv/data.csv");
        Assert.isTrue(resource.isExists(), "文件不存在！");
        /**
         * 可设置表定义 {@link org.apache.metamodel.schema.naming.CustomColumnNamingStrategy#CustomColumnNamingStrategy(java.lang.String...)}
         */
        CsvConfiguration configuration = new CsvConfiguration(1, "UTF-8", ',', '"', '\\');
        DataContext dataContext = new CsvDataContext(resource, configuration);
        final Schema schema = dataContext.getDefaultSchema();
        final Table table = schema.getTableByName("default_table");
        final Query query = dataContext
                .query()
                .from(table)
                .select(table.getColumns())
                .where("name").eq(new QueryParameter())
                .orderBy(table.getColumnByName("name"))
                .toQuery();
        /**
         * SELECT default_table.age FROM csv.default_table WHERE data.csv.name = ? ORDER BY data.csv.name ASC
         * data.csv tableName
         * csv scheme
         * default_table 别名
         */
        System.out.println(query);
        // 预编译 类似于jdbc prepareStatement，对于JdbcDataContext，内部确实用的是prepareStatement（适配器模式）
        CompiledQuery compiledQuery = dataContext.compileQuery(query);
        try (DataSet result = dataContext.executeQuery(compiledQuery, "jan")) {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        }
    }

    /**
     * 更新数据
     * 注意：ClasspathResource默认“只读”（不推荐）
     */
    @Test
    void update() throws FileNotFoundException {
        final File file = ResourceUtils.getFile("classpath:data/csv/data.csv");
        Resource resource= new FileResource(file);
        Assert.isTrue(resource.isExists(), "文件不存在！");
        CsvConfiguration configuration = new CsvConfiguration(1, "UTF-8", ',', '"', '\\');
        UpdateableDataContext dataContext = new CsvDataContext(resource, configuration);
        final Schema schema = dataContext.getDefaultSchema();
        final Table table = schema.getTableByName("data.csv");
        // 写入target/classes/data/csv/data.csv
        dataContext.executeUpdate(new InsertInto(table).value("name", "Polly the Sheep").value("age", 10));
        dataContext.executeUpdate(callback -> {
            callback.insertInto(table).value("name", "Polly the Sheep").value("age", 10).execute();
            callback.update(table).where("name").eq("Polly the Sheep").value("age", 20).execute();
            callback.deleteFrom(table).where("name").eq("Polly the Sheep").execute();
        });
        /**
         * https://cwiki.apache.org/confluence/display/METAMODEL/UpdateableDataContext
         * 下面语句要单独写才可以删除掉记录？
         */
        dataContext.executeUpdate(callback -> callback.deleteFrom(table).where("name").eq("Polly the Sheep").execute());
    }



}

2.JdbcTest

package com.example.metamodel;

import org.apache.metamodel.DataContext;
import org.apache.metamodel.data.DataSet;
import org.apache.metamodel.factory.DataContextFactoryRegistryImpl;
import org.apache.metamodel.factory.DataContextPropertiesImpl;
import org.apache.metamodel.jdbc.JdbcDataContext;
import org.apache.metamodel.query.Query;
import org.apache.metamodel.schema.Schema;
import org.apache.metamodel.schema.Table;
import org.apache.metamodel.schema.TableType;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.core.env.Environment;

import javax.sql.DataSource;
import java.util.Arrays;

import static org.apache.metamodel.factory.DataContextPropertiesImpl.*;

/**
 * @author ：ouruyi
 * @version 1.0
 * @date ：Created in 2021/7/5 14:42
 * 功能描述：
 */
@SpringBootTest
public class JdbcTest {

    @javax.annotation.Resource
    Environment environment;

    @javax.annotation.Resource
    DataSource dataSource;

    @Test
    void test1() {
        final DataContextPropertiesImpl properties = new DataContextPropertiesImpl();
        properties.put(PROPERTY_DATA_CONTEXT_TYPE, "jdbc");
        properties.put(PROPERTY_URL, environment.getProperty("spring.datasource.url"));
        properties.put(PROPERTY_USERNAME, environment.getProperty("spring.datasource.username"));
        properties.put(PROPERTY_PASSWORD, environment.getProperty("spring.datasource.password"));
        properties.put(PROPERTY_TABLE_TYPES, new TableType[]{TableType.TABLE, TableType.VIEW});
        DataContext dataContext = DataContextFactoryRegistryImpl.getDefaultInstance().createDataContext(properties);
        final Schema schema = dataContext.getDefaultSchema();
        final Table user = schema.getTableByName("USER");
        final Query query = dataContext.query().from(user).select(user.getColumns()).toQuery();
        try (final DataSet result = dataContext.executeQuery(query)) {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        }

    }

    @Test
    void test2() {
        final JdbcDataContext dataContext = new JdbcDataContext(dataSource);
        final Schema schema = dataContext.getDefaultSchema();
        final Table user = schema.getTableByName("USER");
        final Query query = dataContext.query().from(user).select(user.getColumns()).toQuery();
        try (final DataSet result = dataContext.executeQuery(query)) {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        }

    }

}

3.JsonTest

package com.example.metamodel;

import cn.hutool.core.io.FileUtil;
import org.apache.metamodel.DataContext;
import org.apache.metamodel.data.DataSet;
import org.apache.metamodel.factory.DataContextFactoryRegistryImpl;
import org.apache.metamodel.factory.DataContextPropertiesImpl;
import org.apache.metamodel.json.JsonDataContext;
import org.apache.metamodel.schema.Schema;
import org.apache.metamodel.schema.Table;
import org.apache.metamodel.schema.TableType;
import org.apache.metamodel.util.ClasspathResource;
import org.apache.metamodel.util.InMemoryResource;
import org.apache.metamodel.util.Resource;
import org.junit.jupiter.api.Test;
import org.springframework.util.Assert;

import java.io.IOException;
import java.io.OutputStream;
import java.util.Arrays;
import java.util.List;

import static org.apache.metamodel.factory.DataContextPropertiesImpl.PROPERTY_DATA_CONTEXT_TYPE;
import static org.apache.metamodel.factory.DataContextPropertiesImpl.PROPERTY_RESOURCE_PROPERTIES;

/**
 * @author ：ouruyi
 * @version 1.0
 * @date ：Created in 2021/7/5 14:42
 * 功能描述：
 */
public class JsonTest {

    @Test
    void test1() {
        final DataContextPropertiesImpl properties = new DataContextPropertiesImpl();
        properties.put(PROPERTY_DATA_CONTEXT_TYPE, "json");
        properties.put(PROPERTY_RESOURCE_PROPERTIES, "classpath:/data/json/data.json");
        DataContext dataContext = DataContextFactoryRegistryImpl.getDefaultInstance().createDataContext(properties);
        final Schema schema = dataContext.getDefaultSchema();
        final List<Table> tables = schema.getTables(TableType.TABLE);
        final Table table = tables.get(0);
        DataSet result = dataContext.query().from(table).select(table.getColumns()).orderBy(table.getColumnByName("name")).execute();
        try {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        } finally {
            result.close();
        }

    }

    @Test
    void test2() {
        Resource resource = new ClasspathResource("/data/json/data.json");
        Assert.isTrue(resource.isExists(), "文件不存在！");
        final JsonDataContext dataContext = new JsonDataContext(resource);
        final Schema schema = dataContext.getDefaultSchema();
        final List<Table> tables = schema.getTables(TableType.TABLE);
        final Table table = tables.get(0);
        DataSet result = dataContext.query().from(table).select(table.getColumns()).orderBy(table.getColumnByName("name")).execute();
        try {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        } finally {
            result.close();
        }
    }

    @Test
    void test3() throws IOException {
        byte[] bytes = FileUtil.readBytes("data/json/data.json");
        Resource resource = new InMemoryResource("/data/json/data.json");
        try (final OutputStream outputStream = resource.write()) {
            outputStream.write(bytes);
            /**
             * 请务必调用该方法
             * @see org.apache.metamodel.util.InMemoryResource#createOutputStream(boolean)
             */
            outputStream.flush();
        }
        final JsonDataContext dataContext = new JsonDataContext(resource);
        final Schema schema = dataContext.getDefaultSchema();
        final List<Table> tables = schema.getTables(TableType.TABLE);
        final Table table = tables.get(0);
        System.out.println(table.getColumns());
        DataSet result = dataContext.query().from(table).select(table.getColumns()).execute();
        try {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        } finally {
            result.close();
        }
    }


}

4.XmlTest

package com.example.metamodel;

import org.apache.metamodel.data.DataSet;
import org.apache.metamodel.query.Query;
import org.apache.metamodel.schema.Column;
import org.apache.metamodel.schema.Schema;
import org.apache.metamodel.schema.Table;
import org.apache.metamodel.util.ClasspathResource;
import org.apache.metamodel.util.Resource;
import org.apache.metamodel.xml.XmlSaxDataContext;
import org.apache.metamodel.xml.XmlSaxTableDef;
import org.junit.jupiter.api.Test;
import org.springframework.util.Assert;

import java.util.Arrays;

/**
 * @author ：ouruyi
 * @version 1.0
 * @date ：Created in 2021/7/5 14:42
 * 功能描述：推荐使用XmlSaxDataContext，官方已不再建议使用XmlDomDataContext
 */
public class XmlTest {

    @Test
    void test1() {

    }

    @Test
    void test2() {
        Resource resource = new ClasspathResource("/data/xml/data.xml");
        Assert.isTrue(resource.isExists(), "文件不存在！");

        XmlSaxTableDef employeeTableDef = new XmlSaxTableDef(
                "/root/organization/employees/employee",
                new String[] {
                        "/root/organization/employees/employee/name",
                        "/root/organization/employees/employee/gender",
                        "index(/root/organization)"
                }
        );

        XmlSaxTableDef organizationTableDef = new XmlSaxTableDef(
                "/root/organization",
                new String[] {
                        "/root/organization/name",
                        "/root/organization@type"
                }
        );

        final XmlSaxDataContext dataContext = new XmlSaxDataContext(resource, employeeTableDef, organizationTableDef);
        final Schema schema = dataContext.getDefaultSchema();
        System.out.println(schema.getTableNames());
        final Table organizationTable = schema.getTableByName("/organization");
        final Table employeeTable = schema.getTableByName("/employee");

        Column fk = employeeTable.getColumnByName("index(/root/organization)");


        Column empName = employeeTable.getColumnByName("/name");
        Column gender = employeeTable.getColumnByName("/gender");
        Column orgId = organizationTable.getColumnByName("row_id");
        Column orgName = organizationTable.getColumnByName("/name");

        Query q = dataContext.query().from(employeeTable)
                .innerJoin(organizationTable).on(fk, orgId)
                .select(empName).as("employee")
                .select(gender).as("gender")
                .select(orgName).as("company").toQuery();


        try (DataSet result = dataContext.executeQuery(q)) {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        }

    }

    @Test
    void test3() {
        Resource resource = new ClasspathResource("/data/xml/data.xml");
        Assert.isTrue(resource.isExists(), "文件不存在！");

        XmlSaxTableDef tableDef = new XmlSaxTableDef(
                "/root/organization/employees/employee",
                new String[] {
                        "/root/organization/employees/employee/name",
                        "/root/organization/employees/employee/gender"
                }
        );

        final XmlSaxDataContext dataContext = new XmlSaxDataContext(resource, tableDef);
        final Schema schema = dataContext.getDefaultSchema();
        final Table table = schema.getTableByName("/employee");

        Query q = dataContext.query().from(table)
                .select(table.getColumns()).toQuery();


        try (DataSet result = dataContext.executeQuery(q)) {
            while (result.next()) {
                System.out.println("Row: " + Arrays.toString(result.getRow().getValues()));
            }
        }

    }



}
搬山境KL攻城狮
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
元数据建模指南
04-27
cognos开发建模详细指南文档，包括关系模型、维度模型概念以及在Frame Work中具体建模过程
关于元模型（MetaModel）的理解
wangwanghuasheng的专栏
11-03 5920
最近读到一本好书（The Art of Software Architecture Design Methods and Techniques），一直以来对于元模型理解的困惑终于解开了，以下总结一下。 1 什么是元模型 1.1 模型（model）      要理解元模型首先还是要理解模型，在软件系统系统领域有，类模型，功能模型，通信模型，部署模型等等（图1）。
metamodel
weixin_33807284的博客
11-20 124
http://metamodel.incubator.apache.org/ 转载于:https://www.cnblogs.com/dmdj/p/3434139.html
OpenTSDB原理系列-元数据模型
nosqlnotes的博客
03-08 2220
本文作为介绍OpenTSDB原理系列文章的第一篇，主要介绍了时序数据以及OpenTSDB的一些基础概念，以及OpenTSDB中的元数据模型定义。什么是时序数据？Wiki中关于”时间序列（Time Series）“的定义：时间序列（Time Series）是一组按照时间发生先后顺序进行排列的数据点序列，通常一组时间序列的时间间隔为一恒定值（如1秒，5分钟，1小时等）。时间序列数据可被简称为时序数据。...
通用元数据模型
03-03 393
通用元数据模型提供支持大多组织的核心业务的模型，包括支持企业范围的系统、企业元数据 和数据管理工作、证券管理、商业规则、XML 、消息，交易的通用元数据模型: Detail:通用元数据模型[@more@] ...
MetaModel——跨多种数据存储提供统一的数据访问
cpongo5
08-30 567
最近，Human Inference和Apache软件基金会（ASF）分别宣布了捐赠与接受MetaModel项目的消息，今后MetaModel将成为一个Apache孵化器项目。此前，MetaModel遵循LGPL许可证，由Human Inference的产品开发团队管理，但现在已经转移到了ASF上，将遵循新的许可证、拥有新的社区、接受新的管理。那么这个项目到底是什么呢？它又有哪些用途？\MetaM...
MetaModel-mongodb-4.3.3.jar
09-14
MetaModel的扩展驱动支持 MetaModel-mongodb-4.3.3.jar 可使用metamodel查询mongodb的结构信息和主数据等
MetaModel-dbase-3.4.8.zip
10-13
gelf4j.zip,gelf4j：使用gelf protocol library发送日志消息的库，使用cli、log4j、jdk日志和logback使用gelf协议发送日志消息
元模型：Apache元模型的镜像
02-03
Apache元模型MetaModel是一个数据访问框架，为探索和查询不同类型的数据存储提供了一个通用接口。邮件列表开发人员列表： 用户列表： 提交列表： 网站文献资料请查看我们的。构建代码MetaModel使用maven作为其构建...
MetaModel-pojo-3.4.11.zip
10-11
stdlib.zip,stdlib通用guice
元数据模型
10-30
元数据模型
统一元数据模型cwm
08-15
对CWM模型进行了一次完全整理，便于元数据开发人员构建企业级元数据模型，附件含erwin模型，CWM [1] （CommonWarehouseMetamodel公共仓库元模型）是OMG组织在数据仓库系统中定义了一套完整的元模型体系结构，用于数据仓库构建和应用的元数据建模。
archimate-metamodel-patterns:存档3元模型和模式
05-26
存档3元模型和模式 在苏塞克斯大学工作期间，我开始构建一些基本示例和模式，以提高建筑团队对Archimate语言的采用。 我已经在我的上描述了每一层。
MetaModel调研
sevenseablue的专栏
09-11 3667
听说过元数据metadata，metadata是data的data，metamodel是model的model，称为元模型。一堆相似的模型，通过功能或者结构可以抽象出共同的部分，就是元模型。例如菜系，川菜是个模型，湘菜、鲁菜、江浙菜、印度菜、泰国菜，都是模型，菜系都是做菜的，菜是基本的元素，菜本身的属性有名字、色、香、味、生成的方法、生成的材料等，每个具体的菜系都可以拿菜的元素找对应具体的值，在这
可搜索的元数据模型
天天吃饭的专栏
04-17 1130
现有的元数据管理是单独建立一个元数据数据库，这会带来一致性和管理方面的问题。
数据治理-元模型
Jam_T的博客
09-16 4131
元模型是描述数据的数据（data about data），主要描述数据属性的信息。是描述信息资源或数据等对象的数据。其使用目的在于：识别资源；评价资源；追踪资源在使用过程中的变化；简单高效的管理大量网络化数据；实现信息资源的有效发现、查找、一体化组织和对使用资源的有效管理。 元模型的基本特点如下： 1.元模型一经建立，便可共享。元模型的结构和完整性依赖于信息资源的价值和使用环境。 2.元模型首先是一种编码体系。元模型是用来描述数字化信息资源，特别是网络信息资源的编码体系，这导致元模型和传统数据编码体系有根本
JPA 的 Metamodel
m0_75186659的博客
12-13 923
JPA 定义了一个可以在运行时查询关于ORM映射信息的元模型（meta-model）。元模型可以与Criteria API一起使用，而不是使用字符串来引用类属性。
元数据模型cwm核心内容
最新发布
07-16
### 回答1： CWM（Common Warehouse Metamodel）是一种元数据模型，它为数据仓库和商业智能系统的元数据提供了一种标准化的、综合性的描述方式。CWM包含了一系列的规范和元模型，其中核心内容主要包括以下几个方面。 首先，CWM定义了一套通用的元模型，用于描述与数据仓库和商业智能系统相关的元数据。这些元模型包括了数据仓库中的各种对象，例如维度、事实表、数据库表等，以及它们之间的关系和属性。通过这些通用的元模型，CWM提供了一种统一的、标准化的元数据描述方法，使得不同数据仓库和商业智能系统之间的元数据可以互相理解和交换。 其次，CWM定义了一组通用的元模型操作，用于对元数据进行管理和操作。这些操作包括元数据的创建、修改、查询、删除等，以及元数据之间的关联和依赖关系的管理。通过这些操作，CWM提供了对元数据的全生命周期管理，使得元数据可以在不同的环境中被有效地管理和利用。 另外，CWM还定义了一套元数据交换格式，用于在不同的数据仓库和商业智能系统之间进行元数据的交换和共享。这个交换格式基于XML技术，以一种结构化的方式描述了元数据的各个方面，包括对象的定义、属性的定义、关系和依赖关系等。通过这个元数据交换格式，CWM使得不同系统之间的元数据可以方便地进行交换和共享，从而实现了元数据的互操作性和可移植性。 总之，CWM是一种元数据模型，它提供了一套通用的、标准化的方法和规范，用于描述和管理数据仓库和商业智能系统的元数据。CWM的核心内容包括元模型、元模型操作和元数据交换格式，通过这些内容，CWM实现了对元数据的一致性管理和跨系统的元数据交换与共享。 ### 回答2： CWM（Common Warehouse Metamodel）即通用仓库元模型，是一种用于描述数据仓库和商业智能系统元数据的模型。CWM的核心内容包括以下几个方面： 1. 元对象模型（MOF）：CWM使用统一的元对象模型来描述元数据，并定义了一系列元对象类型和关联关系。这样可以确保不同数据仓库和商业智能系统之间的元数据互操作性，提供了一个标准的元数据描述和交换方式。 2. 元数据仓库：CWM提供了一种标准的元数据仓库模型，用于存储和管理数据仓库和商业智能系统中的元数据。元数据仓库可以为用户和应用程序提供统一的元数据访问接口，便于元数据的查询、更新和管理。 3. 共享元数据：CWM通过定义元数据模型、元数据交换格式和元数据接口等标准，可以实现不同数据仓库和商业智能系统之间的元数据共享。这样可以提高元数据的一致性和可重用性，减少系统集成和维护的成本。 4. 元数据管理：CWM提供了一套元数据管理的方法和工具，包括元数据的采集、存储、更新和删除等操作。元数据管理可以帮助用户和管理员对元数据进行有效的管理和控制，保证数据仓库和商业智能系统的正常运行。 总之，CWM是一种用于描述数据仓库和商业智能系统中元数据的模型，包括元对象模型、元数据仓库、共享元数据和元数据管理等核心内容。它提供了一套标准的元数据描述和交换方式，可以提高元数据的一致性和可重用性，简化系统集成和维护的工作。 ### 回答3： CWM（Common Warehouse Metamodel）是一种用于数据仓库和商业智能系统的元数据模型。它为数据仓库提供了一个统一的元数据定义和管理框架，以支持数据的集成、转换和利用。 CWM的核心内容包括以下几个方面： 1. 元模型（Metamodel）：CWM定义了一系列的元模型，用于描述数据仓库中的各种数据、元数据和它们之间的关系。这些元模型包括了范围从数据项、数据集合、元数据容器到模式、模型和对象的抽象层次。通过元模型，CWM提供了一种可扩展和可移植的元数据管理架构。 2. 元对象（Metaclass）：CWM定义了多种元对象，用于表示元数据中的各种对象和概念，如数据表、列、索引、视图、数据仓库、数据源等。每个元对象都有一组属性和关系来描述它们的特性和关联。 3. 元属性（Metaproperty）：CWM定义了一系列元属性，用于描述元对象的属性，如数据类型、长度、精度等。通过元属性，CWM可以对元对象的特性进行描述和约束。 4. 元关联（Metaassociation）：CWM定义了元关联，用于描述元对象之间的关系和联接。元关联可以用于建立数据仓库中数据项、数据集合之间的关联关系，以支持数据的集成和查询。 CWM的核心内容还包括了用于数据转换、集成、查询、分析和数据挖掘的相关模型和技术，如ETL（Extract, Transform, Load）、OLAP（Online Analytical Processing）、数据挖掘、模型驱动开发等。 总的来说，CWM作为一个元数据模型，提供了一种标准化的元数据管理方式，用于描述和管理数据仓库中的各种数据和元数据。它为数据仓库的设计、开发、维护和利用提供了一种统一的框架和方法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

搬山境KL攻城狮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值