如何搭建数据模型

『壹』 如何创建数据模型

建立数据模型 1、建立实体联系模型 1.1、实体联系模型的基本构成 实体联系（ER）数据模型所采用的三个主要概念是：实体集、联系集和属性。 实体集是具有相同类型及相同性质（属性）的实体集合。联系集是指同类联系的集合。 在ER模型中，用矩形框表示实体集（矩形框中写上实体名），用椭圆表示属性（椭圆中标上属性名），实体的主码用下划线表示。实体集之间的联系集用菱形表示，并用无向边与相关实体集连接，菱形中写上联系名，无向边上写上联系集的类型。 实体集之间的联系类型有一对一，一对多，多对多 1.2、多元联系 在ER模型中，可以表示两个以上实体集之间的联系，称为多元联系。 一个多元联系集总可以用多个不同的二元联系集来替代。考虑一个抽象的三元联系集R，它联系了实体集A、B、C。可引进一实体集E替代联系R，然后，为实体集E和A、B、C建立三个新的二元联系集，分别命名为RA、RB、RC。可以将这一过程直接推广到n元联系集的情况。所以，理论上可以限制E R模型中只包含二元联系集。 1.3、联系的属性 联系也可以具有单独的属性。 1.4、自身联系 在一个联系中，一个实体集可以出现两次或多次，扮演多个不同角色，此种情况称为实体集的自身联系。一个实体集在联系中出现多少次我们就从联系到这个实体集画多少条线，到实体集的每条线代表该实体集所扮演的不同角色。 1.5、子类和Is-a层次联系 在信息世界中，常常需要描述这样的实体集A，A属于另一实体集B。A中的实体都有特殊的属性需要描述，并且这些特殊属性对B中其他的实体无意义。在ER模型中，称A是B的子类，或B是A的父类。两类实体之间存在一种层次联系——Is-a（属于）。 如果A和B存在Is-a联系，则A中的每个实体a只和B中的一个实体b相联系，而B中的每一个实体最多和A中的一个实体相联系。从这个意义上说，A和B存在一对一的联系。但事实上，a和b是同一事物。A可以继承B中的所有属性，又可以有自己特殊的属性说明。用来区分A的主码也就是B的主码。 2、ER模型向关系模型的转化 ER模型是概念模型的表示。要使计算机能处理模型中的信息，首先必须将它转化为具体的DBMS能处理的数据模型。ER模型可以向现有的各种数据模型转换，而目前市场上的DBMS大部分是基于关系数据模型的， ER模型向关系数据模型的转换方法 关系模型的逻辑结构是一系列关系模式（表）的集合。将ER模型转化为关系模式主要需解决的问题是：如何用关系表达实体集以及实体集间的联系。 ER模型向关系模型转换的一般规则和步骤： （1）将每一个实体集转换为一个关系模式，实体集的属性转换成关系的属性，实体集的码即对应关系的码。 （2）将每个联系集转换成关系模式。对于给定的联系R，由它所转换的关系具有以下属性： 联系R单独的属性都转换为该关系的属性； 联系R涉及到的每个实体集的码属性（集）转换为该关系的属性。转换后关系的码有以下几种情况： · 若联系R为1∶1联系，则每个相关实体的码均可作为关系的候选码； · 若联系R为1∶ n联系，则关系的码为n端实体的码； · 若联系R为m∶ n联系，则关系的码为相关实体码的集合。 有时，联系本身的一些属性也必须是结果关系的码属性。 （3）根据具体情况，把具有相同码的多个关系模式合并成一个关系模式。

『贰』 如何使用PowerDesign进行数据库建模操作方法都有什么呢

如何使用PowerDesign进行数据库建模？操作方法都有什么呢？

操作方法

01首先打开PowerDesign软件，点击顶部的文件菜单，从下拉菜单中选择新建选项

02接下来，在弹出的新界面中选择概念数据模型选项，然后给模型命名

07然后双击关系线，在关系界面设置实体间的关系类型，包括一对多、一对一、多对多

08接下来，我们单击顶部的Tools菜单，并在下拉菜单中选择Generate Physical Data Model选项

09最后在弹出的界面中选择要建模的数据库版本，即可生成建模语言

『叁』 创建有效的大数据模型的6个技巧

创建有效的大数据模型的6个技巧
数据建模是一门复杂的科学，涉及组织企业的数据以适应业务流程的需求。它需要设计逻辑关系，以便数据可以相互关联，并支持业务。然后将逻辑设计转换成物理模型，该物理模型由存储数据的存储设备、数据库和文件组成。
历史上，企业已经使用像SQL这样的关系数据库技术来开发数据模型，因为它非常适合将数据集密钥和数据类型灵活地链接在一起，以支持业务流程的信息需求。
不幸的是，大数据现在包含了很大比例的管理数据，并不能在关系数据库上运行。它运行在像NoSQL这样的非关系数据库上。这导致人们认为可能不需要大数据模型。
问题是，企业确实需要对大数据进行数据建模。
以下是大数据建模的六个提示：
1.不要试图将传统的建模技术强加于大数据
传统的固定记录数据在其增长中稳定且可预测的，这使得建模相对容易。相比之下，大数据的指数增长是不可预测的，其无数形式和来源也是如此。当网站考虑建模大数据时，建模工作应该集中在构建开放和弹性数据接口上，因为人们永远不知道何时会出现新的数据源或数据形式。这在传统的固定记录数据世界中并不是一个优先事项。
2.设计一个系统，而不是一个模式
在传统的数据领域中，关系数据库模式可以涵盖业务对其信息支持所需的数据之间的大多数关系和链接。大数据并非如此，它可能没有数据库，或者可能使用像NoSQL这样的数据库，它不需要数据库模式。
正因为如此，大数据模型应该建立在系统上，而不是数据库上。大数据模型应包含的系统组件包括业务信息需求、企业治理和安全、用于数据的物理存储、所有类型数据的集成、开放接口，以及处理各种不同数据类型的能力。
3.寻找大数据建模工具
有商业数据建模工具可以支持Hadoop以及像Tableau这样的大数据报告软件。在考虑大数据工具和方法时，IT决策者应该包括为大数据构建数据模型的能力，这是要求之一。
4.关注对企业的业务至关重要的数据
企业每天都会输入大量的数据，而这些大数据大部分是无关紧要的。创建包含所有数据的模型是没有意义的。更好的方法是确定对企业来说至关重要的大数据，并对这些数据进行建模。
5.提供高质量的数据
如果组织专注于开发数据的正确定义和完整的元数据来描述数据来自何处、其目的是什么等等，那么可以对大数据模型产生更好的数据模型和关系。可以更好地支持支持业务的数据模型。
6.寻找数据的关键切入点
当今最常用的大数据载体之一就是地理位置，这取决于企业的业务和行业，还
有其他用户需要的大数据常用密钥。企业越能够识别数据中的这些常用入口点，就越能够设计出支持企业关键信息访问路径的数据模型。