数据建模-概述

经典方法

数据建模，是一种表达事务的方法，即用数据来记录、查阅事务。

 ## 范式建模

数据冗余，最大的问题不是浪费存储，而是引起数据的维护异常。维护频率约高，异常发生的概率越大。
做模型拆解，可以解决冗余问题。前辈们总结了一系列的模型拆解方法，即零-六级范式。

为避免冗余，而做的模型拆解方法，即范式建模。

值得注意的是，范式级别越高，冗余越少，但系统复杂度越高。
故企业使用的范式建模，主要是第一、二、三范式。
第一范式：表字段是原子性的，不可拆分。
第二范式：表有主键，非主键字段完全依赖主键字段。
第三范式：非主键字段，直接依赖主键字段。

 ## 维度建模

事务查阅，含单条查阅、批量查阅。
与单条查询不同，批量查阅，对系统的性能要求是新型的、巨大的。
为了实现批量查阅的高性能响应，前辈提出维度建模方法

为实现批量查阅的高性能响应，通过维度表定义事务发生的环境，事实表度量事务的方法，即维度建模。

 ## 宽表建模

相对于RDBMS，Hadoop上的关联查询非常低效，因为需要扫描更多、更大的文件目录。
且关联越多，查询效率越低。

为解决多表关联查询低效问题，把维度表、事实表的字段都融合进一张表的方法，即宽表建模。

该方法，在互联网公司被广泛使用。

各有所长

适合场景

 - 范式建模
 适合业务系统
 *数仓dw层也可以参考该思想？*
 
 - 维度建模
 数仓dm层，以便让数据查询高效。
 
 - 宽表建模

数仓app层，以便让数据查询极致高效。