数仓建模理论 之 ER实体模型

0，数仓建模的目标

1，访问性能：能够快速查询所需的数据，减少数据I/O
2，数据成本：减少不必要的数据冗余，实现计算结果数据复用，降低大数据系统中的存储成本和计算成本
3，使用效率：改善用户应用体验，提高使用数据的效率
4， 数据质量：改善数据统计口径的不一致性，减少数据计算错误的可能性，提供高质量的、一致的数据访问平台
So，大数据的数仓建模需要通过建模的方法更好的组织、存储数据，以便在性能、成本、效率和数据质量之间找到最佳平衡点

1，关系模式范式

关系型数据库设计时，遵照一定的规范要求，目的在于降低数据的冗余性和数据的一致性，目前业界范式有：
1 第一范式(1NF)
2 第二范式(2NF)
3 第三范式(3NF)
4 巴斯-科德范式(BCNF)
5 第四范式(4NF)
6 第五范式(5NF)

 1，第一范式（简述）

属性不可切割

 2，第二范式（简述）

不能存在“部分函数依赖”

 3，第三范式（简述）

不能存在“传递函数依赖”

emmm，如果你有良好的三范式功底，

当你看完上面三张图的时候，你已经可以理解透彻了。

当然，想详细了解三范式，可以查看之前写的一篇建模三范式的文章：

大数据 建模理论 之 三范式（详解）-CSDN博客

2，ER实体模型：

在信息系统中，将事物抽象为“实体”、“属性”、“关系”来表示数据关联和事物描述；实体：Entity，关系：Relationship，这种对数据的抽象建模通常被称为ER实体关系模型

实体：通常为参与到过程中的主体，客观存在的，比如商品、仓库、货位、汽车， 此实体非数据库的实体表

属性：对主体的描述、修饰即为属性，比如商品的属性有商品名称、颜色、尺寸、 重量、产地等

关系：现实的物理事件是依附于实体的，比如商品入库事件，依附实体商品、货位，就会有“库存”的属性产生；用户购买商品，依附实体用户、商品，就会有“购买数量”、“金额”的属性产品。

实体之间建立关系时，存在对照关系：

1:1 ，即1对1的关系，比如实体人、身份证，一个人有且仅有一个身份证号

          实体之间建立关系时，存在对照关系：

1:1 ，即1对1的关系，比如实体人、身份证，一个人有且仅有一个身份证号

n:m，即多对多的关系，比如实体学生、课程，每个学生可以选修多门课程，

         同样每个课程也可以被多门学生选修

emmmm，有点枯燥无味，来个案例阐述一下：

3，实战：课程管理系统

该系统主要用来管理某校教师、学生、课程，其中包括课程选修、考试、教师授课、学生班级管理功能，现需要完成数据库逻辑模型设计

步骤如下：

1，抽象出主体

2，梳理主体之间的关系

3，梳理主体的属性

4，画出E-R关系图

4，应用场景

ER模型是数据库设计的理论基础，当前几乎所有的OLTP系统设计都采用ER模型建模的方式；

Bill Inom提出的数仓理论，推荐采用ER关系模型进行建模；

BI架构提出分层架构，数仓底层ods、dwd也多采用ER关系模型就行设计。

      好了，就介绍到这里，欢迎大家用实际的行动，比如说点赞收藏留言，给出你建设性的建议和意见。下次再见。