数据模型学习

SQL数据模型是对现实世界数据特征的抽象，它通过E-R模型从计算机系统的视角进行数据建模。

HBase是基于Google BigTable 模型开发的，典型的key/value系统。它建立在HDFS之上，提供高可靠性、高性能、列存储、可伸缩、实时读写的NoSQL数据库系统，是Apache Hadoop生态系统中的重要组成部分，主要用于海量结构化和半结构化数据存储。 HBase学习知识点详解 一、HBase概述 HBase是一个分布式、可扩展的大规模数据存储系统，基于Google的BigTable模型设计并实现。作为一个非关系型数据库（NoSQL），HBase提供高可靠性和高性能的数据存储能力，特别适用于处理海量的结构化或半结构化数据。 架构：HBase建立在Hadoop分布式文件系统（HDFS）之上，利用HDFS提供的高容错性和分布式存储能力。 数据模型：HBase采用列族（Column Family）的数据模型，数据按行键（Row Key）排序存储，支持实时读写操作。 特性:- 高可靠性：支持数据副本，确保数据高可用和持久性。- 高性能：通过缓存机制和列族存储优化，提供快速的数据访问。- 可伸缩性：支持水平扩展，通过增加节点可轻松扩展系统的存储和处理能力。- 实时读写：提供低延迟的数据访问。- 数据类型单一：所有数据存储为字节数组。 二、HBase表结构及逻辑视图 HBase中的数据以表的形式存储，每个表由行和列组成，其中列被组织成多个列族。 表结构：一张表可能包含数十亿行及成千上万的列。 无模式：每行有一个可排序的主键（Row Key）和任意数量的列，列可动态添加。 面向列：列族是数据存储的基本单位，数据按列族组织存储，支持列族级权限控制。 稀疏性：不存在的列不占用存储空间，允许表格非常稀疏。 Row Key：- Row Key用于唯一标识一条记录，是HBase中的关键概念之一。- 访问数据的方式包括通过单个Row Key查询、通过Row Key的范围查询或进行全表扫描。- Row Key在内部以字节数组形式存储，HBase会根据Row Key对数据进行排序。设计合理的Row Key能够显著提升数据访问效率。

比较标准： 使用便捷性 实现效率

启动 PowerDesigner 并创建新模型 打开 PowerDesigner 软件。 在菜单栏中选择“文件” > “新建模型”。 在弹出的“新建模型”窗口中，选择“概念数据模型 (CDM)” 类型。 在“模型名称”字段中输入您想要为模型指定的名称。 点击“确定”按钮创建模型。

数据模型 数据模型是数据库系统的数学框架，描述数据及数据间的联系，包括：- 静态特征：数据结构和联系- 动态特征：操作含义、操作符、运算规则- 完整性约束：数据必须满足的规则 数据模型类型- 数据模型

关系数据模型存在缺陷：访问路径对用户不可见，这可能降低查询效率。为了优化性能，必须对用户查询请求进行优化。这增加了 DBMS 开发的难度。

概念数据模型中，实体集之间存在着多种关系，包括四种基本关系和三种特殊关系。 四种基本关系: 一对一 (ONE TO ONE) 一对多 (ONE TO MANY) 多对一 (MANY TO ONE) 多对多 (MANY TO MANY) 三种特殊关系: 标定联系 (Identify Relationship) 非标定联系 (Non-Identify Relationship) 递归联系 (Recursive Relationship)

聚焦经典数据仓库数据模型，四天时间带您深入掌握Teradata FSLDM数据模型的精髓。

网状数据模型允许构建更为复杂的关系，其数据结构具有以下两个特点： 多个根节点: 与树状结构不同，网状模型可以存在多个没有父节点的根节点。 多父节点: 一个节点可以拥有多个父节点，形成更 intricate 的网状关系。

信息描述与数据模型是现实世界特征的模拟和抽象，根据模型应用的不同目的，可以分为两个层次：一是概念模型（也称信息模型），它是从数据的应用语义视角来抽取模型并按用户的观点来对数据和信息进行建模。这类模型主要用于数据库设计阶段，与具体的数据库管理系统无关。二是数据模型，按计算机系统的观点对数据进行建模，是数据库系统的核心和基础。数据模型包括层次模型（用树型结构组织数据）、网状模型（用图形结构组织数据）、关系模型（用简单二维表结构组织数据）和对象关系模型（用复杂的表格及其他结构组织数据）。