MongoDB 数据建模

本书以数据使用和优化架构设计为重点，涵盖数据建模的基本概念，并提供设计更好架构的工具。本书通过关注数据使用，将介绍查询和索引如何影响我们设计架构，并提供详尽的示例和详细的代码。本书从数据模型的简要讨论开始，并在关系数据库、NoSQL 和 MongoDB 之间进行比较。

面对海量数据处理需求，传统关系型数据库在扩展性方面面临着巨大挑战。MongoDB 作为领先的 NoSQL 数据库，为解决这些问题提供了有效的解决方案，并简化了开发流程。 然而，许多企业在采用 NoSQL 数据库时，缺乏对其功能特性的深入理解，导致无法充分发挥其优势。本书弥合了这一差距，将 MongoDB 的功能特性与实际业务问题相结合，为开发者提供实用指南。 本书侧重于 MongoDB 的实际应用，深入探讨如何利用其特性构建可扩展的应用程序，对于负责利用 MongoDB 扩展性的开发人员而言，具有极高的参考价值。

数据挖掘中，模式发现的方法包括因子分析。因子分析通过分析变量间的相关性，减少数据维度，揭示数据内在结构。这个方法在多维数据处理中尤为有效，能帮助发现数据中的潜在模式，提高数据处理效率。因子分析可以应用于市场分析、心理学研究等领域，是数据挖掘中常用且实用的方法。

MongoDB聚合函数包括count函数、distinct函数、group函数等。集合的count函数是最简单的聚合函数，返回集合中文档的数量。$sum计算总和。$avg计算平均值。$min获取集合中所有文档对应值得最小值。$max获取集合中所有文档对应值得最大值。$push在结果文档中插入值到一个数组中。$addToSet在结果文档中插入值到一个数组中，但不创建副本。$first根据资源文档的排序获取第一个文档数据。$last根据资源文档的排序获取最后一个文档数据。

数据建模：数据挖掘的艺术 本书以通俗易懂的烹饪比喻，深入浅出地阐述了数据建模这一数据挖掘新技术。全书共分三部分： 第一部分：奠定基础 明确目标，阐述商业预测中目标定义的重要性。 提供数据收集和建模数据集创建的实例。 第二部分：模型开发详解 通过实例详细阐述模型开发的完整流程。 第三部分：行业应用实例 以保险、银行、电信行业为例，详细阐明针对不同目标的数据建模关键步骤。 本书融合作者多年行业经验，辅以大量实例，对当前市场营销和客户关系管理建模具有极高的参考价值，适合具有一定统计和分析建模基础的分析师、数据挖掘人员、营销经理等专业人士阅读，也可用作计算机相关专业本科生、研究生的教材或补充读物。

数据仓库建模概念 维度建模与事实建模 星型和雪花型模式 数据仓库设计工具 数据仓库建模最佳实践

SPSS Modeler是一款面向数据建模的工具，提供从数据预处理到模型评估的完整建模功能。它的特点包括友好易用的操作界面、流程标准化，以及面向业务的开放性。

Erwin操作手册（入门）--ERWin的全称是ERwin Data Modeler，是CA公司的数据建模工具。支持各主流数据库系统。ERwin数据建模市场占有率第一的产品，市场占有率33%。

MongoDB是NoSQL数据库，而MySQL是SQL数据库。