0
A
回答
2
这一切都取决于数据模型。如果您针对技术问题进行小型设计,我倾向于同意可以一次完成。
如果你正在做一个大型系统的设计,需要与用户进行大量的交互,并且/或者目标系统还没有定义(你甚至可能会以nosql系统结束),这是有意义的首先对您的数据(结构)进行分析,然后将结果转换为适合目标系统的结果。
这种方法的一些优点是
- 目标系统的可以作出选择,你知道你要存储
- 这将是比较容易支持多种数据库系统 后什么
- 您可以对数据结构进行非常干净的描述,以便您的用户更好地理解(这可以提高设计质量)
- 您可以稍后进行设计决策,这样可以更轻松地测试不同的方法(自从y欧尚知道什么是数据的真实结构)
- 语义数据模型是伟大的,如果你想将几个人
如果我想了一会儿,我会找到一些更有优势,但我认为上面提到的那些已经非常强大。
1
很多人形容为“逻辑”模型的人通常都有很多语义建模内容。它不是黑色或白色的划分,而更像是不同品种模型的连续体。一方面是语义:对业务领域的描述。另一方面是“物理”:技术实现。 “逻辑”介于两者之间,但究竟在哪里取决于建模者和他的意图。
从语义模型直接到物理实现是完全可能的,没有任何间隔。 (例如参见Terry Halpin的“RMap”程序)。没有某种语义模型的工作可能不太可行。你将如何记录这个要求,以及如何验证实施的内容是否正确地表达了这一要求?
相关问题
- 1. 在逻辑数据模型
- 2. 销售系统数据模型(逻辑)
- 3. 如何将逻辑数据模型转换为物理数据模型
- 4. 逻辑数据模型和概念数据模型有什么区别?
- 5. 逻辑模型与域模型
- 6. 数据库(逻辑数据模型)的继承示例
- 7. 将逻辑数据模型转换为XML模式
- 8. 用于逻辑门模拟的数据模型
- 9. 主义模型数组数据类型
- 10. 术语:“实体Bean”与“数据模型”
- 11. 逻辑数据建模与logiQL
- 12. R2WinBUGS - 逻辑回归与模拟数据
- 13. 模糊逻辑域模型
- 14. 如何最好地从物理数据库模型中提取逻辑模型
- 15. 数据模型
- 16. 逻辑模型和领域模型
- 17. EntityFramework数据库与模型
- 18. 如何处理来自模型的数据库逻辑
- 19. 将逻辑放入核心数据模型
- 20. Node.js + Mongoose:模型/架构分隔数据库逻辑
- 21. 不适合虹膜数据集的逻辑回归模型
- 22. 用于表达逻辑标准的数据模型设计
- 23. 强度建模可能的逻辑数据类型?
- 24. 杂志订阅业务逻辑和数据模型
- 25. 数据模型和应用逻辑问题?
- 26. 从GoodData中导出整个逻辑数据模型
- 27. 模型逻辑和服务层逻辑
- 28. 数据类型模型C++
- 29. 概念模型vs逻辑模型vs规范模型
- 30. TreeTableView数据模型