- 1、本文档共25页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
版本:V1.1
最后修改日期:2021/03/23
微信公众号:码上观世界
1. 数据模型设计目标
为使下游数据使用方低成本获取一致性的可靠数据服务,数据模型设计方需要达
到如下目标:
成本:模型设计者要平衡性能和成本要素对数据模型的影响,现有海
量大数据情况下,以保障业务和性能为前提,合理使用数据模型方案和存
储策略,尽量消除不必要的数据复制与冗余。
性能:模型设计者需要兼顾模型刷新性能开销、产出时间和访问性
能。
数据一致性及数据互通:各个数据模型或者数据表之间必须保障数据
输出的一致性,相同粒度的相同数据项 (指标、维度)应具有相同的字段
名称和业务描述,不同算法的业务指标应显性化区分。
数据质量:数据公共层模型需要屏蔽上游垃圾数据源,一方面要保障
数据本身的高质量,减少数据缺失、错误、异常等情况的发生;另一方面
要保障其对应的业务元数据的高质量,数据有明确的业务含义,为数据提
使用者供正确的指引。
易用:在保障以上目标的前提下,数据用户能从业务角度出发快速找
到所需数据;能较快的掌握模型的适用场景和使用方法;能相对便捷获取
数据。
2. 数据模型设计指导思想
数据模型设计以ER模型、维度模型和宽表模型理论为指导以及阿里巴巴数据仓
库建设实践为经验参考。
2.1 ER模型
数据仓库之父Bill lnmon 提出的建模方法是从全企业的高度设计一个3NF 模
型,用实体关系 ( Entity Relationship, ER )模型描述企业业务,在范式理论
上符合3NF 。数据仓库中的3NF 与OLTP 系统中的3NF的区别在于,它是站在
企业角度面向主题的抽象,而不是针对某个具体业务流程的实体对象关系的抽
象。其具有以下几个特点:
需要全面了解企业业务和数据。
实施周期非常长。
对建模人员的能力要求非常高。
2.2 维度模型
数据仓库领域的Ralph Kimball 大师所倡导的,维度建模从分析决策的需求出发
构建模型,为分析需求服务,因此它重点关注用户如何更快速地完成需求分析,
同时具有较好的大规模复杂查询的响应性能。其典型的代表是星形模型,以及在
一些特殊场景下使用的雪花模型。维度模型的维度退化即是宽表模型。
ER模型是一种范式模型,ER模型和维度模型虽然建模工具类似,比如都使用实
体关系来表示,主要区别在于:
1. 着眼点不同:维度建模着眼点在产生事实的业务过程,ER模型着眼点在实体
和实体的关系,ER模型的关系更为一般化。
2. ER模型的实体通常是具有业务价值的业务对象,比如商品,客户等,维度模
型的维度更着重业务检索需求,如日期、地域、商品等,如下图示例。
3. 数据模型设计基本原则
高内聚和低耦合:软件设计方法论中的高内聚和低耦合原则同样适用
于数据建模,这主要从数据业务特性和访问特性两个角度来考虑:将业务
相近或者相关的数据、粒度相同数据设计为一个逻辑或者模型;将高概率
同时访问的数据放一起,将低概率同时访问的数据分开存储。
核心模型与扩展模型分离:建立核心模型与扩 展模型体系,核心模型
包括的字段支持常用核心的业务,扩展模型包括的字段支持个性化或是少
量应用的需要,必要时让核心模型与扩展模型做关联,不能让扩展字段过
度侵入核心模型,破坏了核心模型的架构简洁性与可维护性。
公共处理逻辑下沉及单一:越是底层公用的处理逻辑更应该在数据调
度依赖的底层进行封装与实现,不要让公共的处理逻辑暴露给应用层实
现,不要让公共逻辑在多处同时存在。
成本与性能平衡:适当的数据冗余换取查询和刷新性能,不宜过度冗
余与数据复制。
数据可回滚 (数据生成支持幂等性):处理逻辑不变,在不同时间多
次运行数据结果确定不变。
一致性:相同的字段在不同表字段名相同,字段值相同。
命名清晰可理解:表命名规范需清晰、一致,表名需易于下游理解和
使用。
4. 数据模型设计步骤总览
4.1 数据模型设计总体步骤
业务建模:生成业务模型,主要解决业务层面的分解和程序化,常用
文档评论(0)