数据建模：第1部分 —— 目标和方法论

作者：Riccardo Tommasini / 用例
2023年3月8日

本文最初发布在The New Stack，在此处获得许可后重发。

在不同的技术中，实体和关系始终处于核心地位。然而，根据业务目标，它们的性质和角色被重新解释。

数据建模是定义和表示系统中数据元素的过程，以便传达数据点和结构之间的联系。在Martin Kleppmann的具有影响力的著作《设计数据密集型应用》中，他将数据建模描述为开发任何信息系统最关键的一步。

理解哪些数据对业务相关，以及它们以何种形式存在，需要职能和技术人员之间的沟通。此外，允许信息系统内组件之间的数据共享对于系统的良好运行至关重要。引用Kleppmann的话，“数据模型的影响不仅在于软件的编写方式，还在于我们思考我们正在解决的问题的方式。”

那么，数据模型究竟是什么？

数据模型是一种规范，描述了系统中存储数据的结构。

此外，它可能定义了确保数据完整性的约束，并标准化了表示（规则）、存储（格式）或共享（协议）数据的方式。在文献中，我们通常区分三个不同层次的数据建模（参见金字塔图）

• 概念层定义了系统包含的内容。业务利益相关者通常创建概念模型。其目的是组织、范围和定义业务概念和规则。在此层，定义最为重要，例如产品。
• 逻辑层定义了数据库管理系统（DBMS）应该如何实现。逻辑模型具有技术偏见，其目的是创建规则和数据结构的技术图。关系和属性变得可见，例如，产品名称和价格。
• 物理层描述了如何使用特定技术来实现信息系统。物理模型是为了实现数据库而创建的。物理层探讨了数据结构和算法方面的权衡。

在InfluxDB大学的基础Flux培训课程中，我们使用了相同层次来理解时序数据如何映射到Flux数据结构和InfluxDB的行协议数据模型。在这里，我们进一步探讨InfluxDB和Flux的数据建模。因此，值得回忆的是

• 在概念上，时序是一组由一个——而且是唯一一个——测量值和一系列标签描述的有序时间戳数据点。
• 在逻辑上，Flux同时表示多个系列，通过一系列名为字段的关键值对来表示不同的值。此外，标签是帮助进一步分区数据以进行处理的键值对。
• 从物理层面来看，InfluxDB 将数据存储到时间结构化合并树中；值得一提的是，标签既是键也是值索引。

数据建模方法的历史简述

现在我们已经明确了数据模型是什么以及数据建模的目标，我们可以讨论如何实现这些目标。在实践中，文献中存在几种方法论。以下列出了一些最突出的方法，它们在目标信息系统和工作负载方面有所不同，例如：在线事务处理（OLTP）和数据库管理系统（DBMS）；在线分析处理（OLAP）和数据仓库；以及大数据和数据湖。

• 关系建模（RM）侧重于为涵盖整个企业业务的模型去除冗余信息。RM 使用关系（表）来描述领域实体及其关系。
• 维度建模（DM）侧重于在处理大型和复杂（分析）查询时保持高性能的同时，实现完整的需求分析。DM 旨在优化数据访问，因此它专为 OLAP 设计。星型模型和雪花模型是维度建模的显著成果。

值得注意的是，RM 和 DM 在上述逻辑和物理抽象级别上会产生显著不同的结果。尽管如此，它们在概念层面上操作时都具有相似的概念化和工具。实际上，实体-关系（ER）建模技术和上述所有模型以及图数据库或语义存储的基础。因此，重新了解 ER 的含义是值得的。

• 实体是一个存在且与其他对象可区分的对象。实体具有类型和描述性属性；实体集将相同类型的实体分组在一起。一个称为主键的属性唯一地标识集合中的每个实体。
• 关系是多个实体之间的关联。关系的基数描述了另一个实体可以关联的实体数量；我们考虑一对一、一对多和多对一。

在不同的技术中，实体和关系始终是核心。然而，它们的性质和角色根据业务目标进行重新解释。例如，RM 强调尽可能多地识别实体以避免数据冗余。实际上，冗余会随着时间的推移产生维护问题，这与用户对一致性的需求相悖。

相反，DM 围绕借用其身份的实体构建，这些实体使用其多对多关系。这些实体被解释为维度，例如，提供事实背景的描述性信息。DM 主要对数据仓库用户感兴趣，他们的主要关注点是分析。上述建模技术在一定程度上都可以表示时间。

• 在关系建模中，时间只是一个属性。实体和关系可以更新，但概念模式在此级别上不携带信息。已经提出了关系建模方法的时间扩展。然而，它们是为时态数据库量身定制的，时态数据库关注其实体的时态有效性（作为一种一致性形式），而不是时间序列数据库（TSDB）及其时间变化属性的记录。
• 在维度建模中，时间被视为分析维度——它代表了一个可能的切片主题，产生了重要的聚合。维度模型中的维度表不考虑概念级别上的变化。然而，在较低级别，可能会发生变化。已经提出了处理这种“缓慢变化维度”的不同方法，包括跟踪其历史记录，这与 TSDB 做的事情非常相似。