广州建模大师告诉你何为建模

  • A+
所属分类：广州建模大师
收 藏
       数据几乎总是用于两个目的：操作记录的保存和分析决策的制定。简单来说，操作系统保存数据，分析系统使用数据。前者一般只反映数据的最新状态，作为单条记录事务处理；其优化的核心是更快地处理交易。后者往往反映了一段时间内数据状态的变化，对数据进行大批量处理；其核心是对数据的高性能、多维处理。通常我们将操作型系统简称为OLTP（On-Line Transaction Processing）— 联机事务处理，将分析型系统简称为OLAP（On-Line Analytical Processing）— 联机分析处理。
广州建模大师告诉你何为建模对于这两种不同的数据用途，如何组织数据才能更好的满足数据的使用需求。这涉及到数据建模问题。即设计一种数据组织方法（模型）来满足不同的场景。在OLTP场景中，通常采用实体关系模型（ER）进行存储，以解决事务处理中的数据冗余和一致性问题。在OLAP场景中，有多种建模方法：ER模型、星型模型和多维模型。广州建模大师下面分别说明：

ER模型

OLAP中的ER模型与OLTP中的不同。本质区别是从企业的角度进行面向主体的抽象，而不是对具体业务流程的实体-对象关系的抽象。

星型模型

星型模型是维度模型在关系数据库上的实现。该模型表明每个业务流程都包含一个事实表，其中存储了事件的数值度量，以及围绕该事实表的多个维度表。维度表包含事件发生时实际存在的文本环境。这种星状结构通常被称为“星形连接”。关注用户如何更快地完成需求分析，同时对大规模复杂查询有更好的响应性能。在星型模型的基础上，可以进一步推导出复杂场景中的雪花模型。

多维模型

多维模型是维度模型的另一种实现。当数据加载到OLAP多维数据库中时，数据的存储索引采用维度数据所涉及的格式和技术。性能聚合或预计算汇总表通常由多维数据库引擎建立和管理。由于使用了预计算、索引策略等优化方法，多维数据库可以实现高性能查询。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: