数据库系统中的物理与逻辑数据模型

逻辑数据模型涵盖层次模型（树型结构）、网状模型（图型结构）以及关系模型（表结构），分别描述了行称元组、列为属性的关系数据结构、关系运算和关系完整性规则。在数据库设计中，这些模型体现了主键和外键的重要概念和作用。

关系数据模型基于严格的数学概念，用单一实体和关系表示各类联系，使得数据检索结果直接以关系路径呈现，对用户透明。此模型具备高数据独立性和安全性，简化了程序员和数据库开发人员的工作。

在数据库系统中，网状数据模型的存储结构涉及如何实现记录之间的联系。常用的方法包括链接法、单向链接、双向链接、环状链接和向首链接。

数据库系统原理中常见的数据模型包括层次模型、网状模型、关系模型和面向对象模型。非关系模型流行于70年代和80年代初，并且本书重点介绍当前主流的数据模型。许多GIS软件目前采用这些数据模型。

逻辑数据模型：数据仓库的核心 逻辑数据模型在数据仓库中扮演着关键角色，它连接着源数据和最终用于分析的应用数据模型。它负责： 存储和管理数据: 定义数据结构、组织和存储采集的数据，为后续分析奠定基础。 回答业务问题: 通过逻辑模型，可以将业务问题转化为数据查询，从而提取有价值的信息。 数据清洗和转换: 定义数据清洗和转换规则，确保数据质量和一致性。 支持多种应用: 为数据集市、商业智能 (BI) 工具和数据挖掘等应用提供数据基础。 建模方法论： 构建逻辑数据模型通常采用以下方法： 实体关系 (ER) 建模: 识别数据实体及其关系，构建实体关系图 (ERD)。 维度建模: 定义事实表和维度表，适用于分析型应用。 逻辑数据模型的价值： 数据理解和沟通: 提供清晰的数据视图，方便业务人员和技术人员理解数据。 数据质量保证: 通过定义数据规则，确保数据的一致性和准确性。 应用开发效率: 简化数据访问，提高应用开发效率。 逻辑数据模型是数据仓库建设的基石，它为数据整合、分析和应用提供了一个坚实的基础。

利用PowerDesigner可以有效生成PostgreSQL数据库的物理数据模型，这是一种高效的数据库设计方法。

物理独立性指数据存储结构的改变不影响数据库的逻辑结构，应用程序无需调整。逻辑独立性允许数据库总体逻辑结构变更而无需修改应用程序，包括数据模式和新数据类型的引入。数据统一管理与控制确保数据完整性和安全性，通过并发控制防止多个应用程序之间的干扰。数据库系统内部结构包括三级模式和二级映射。

网状数据模型在数据库系统中的存储结构设计十分重要。它通过单向链接、双向链接、环状链接以及向首链接等方法实现记录之间的联系。这些方法为复杂数据之间的关系提供了有效的管理手段。

逻辑数据模型以图形化形式定义业务规则，组织数据关系，以达到数据设计目标。其符号体系设计内容反映具体业务需求和设计目标。