0
A
回答
2
這一切都取決於數據模型。如果您針對技術問題進行小型設計,我傾向於同意可以一次完成。
如果你正在做一個大型系統的設計,需要與用戶進行大量的交互,並且/或者目標系統還沒有定義(你甚至可能會以nosql系統結束),這是有意義的首先對您的數據(結構)進行分析,然後將結果轉換爲適合目標系統的結果。
這種方法的一些優點是
- 目標系統的可以作出選擇,你知道你要存儲
- 這將是比較容易支持多種數據庫系統 後什麼
- 您可以對數據結構進行非常乾淨的描述,以便您的用戶更好地理解(這可以提高設計質量)
- 您可以稍後進行設計決策,這樣可以更輕鬆地測試不同的方法(自從y歐尚知道什麼是數據的真實結構)
- 語義數據模型是偉大的,如果你想將幾個人
如果我想了一會兒,我會找到一些更有優勢,但我認爲上面提到的那些已經非常強大。
1
很多人形容爲「邏輯」模型的人通常都有很多語義建模內容。它不是黑色或白色的劃分,而更像是不同品種模型的連續體。一方面是語義:對業務領域的描述。另一方面是「物理」:技術實現。 「邏輯」介於兩者之間,但究竟在哪裏取決於建模者和他的意圖。
從語義模型直接到物理實現是完全可能的,沒有任何間隔。 (例如參見Terry Halpin的「RMap」程序)。沒有某種語義模型的工作可能不太可行。你將如何記錄這個要求,以及如何驗證實施的內容是否正確地表達了這一要求?
相關問題
- 1. 在邏輯數據模型
- 2. 銷售系統數據模型(邏輯)
- 3. 如何將邏輯數據模型轉換爲物理數據模型
- 4. 邏輯數據模型和概念數據模型有什麼區別?
- 5. 邏輯模型與域模型
- 6. 數據庫(邏輯數據模型)的繼承示例
- 7. 將邏輯數據模型轉換爲XML模式
- 8. 用於邏輯門模擬的數據模型
- 9. 主義模型數組數據類型
- 10. 術語:「實體Bean」與「數據模型」
- 11. 邏輯數據建模與logiQL
- 12. R2WinBUGS - 邏輯迴歸與模擬數據
- 13. 模糊邏輯域模型
- 14. 如何最好地從物理數據庫模型中提取邏輯模型
- 15. 數據模型
- 16. 邏輯模型和領域模型
- 17. EntityFramework數據庫與模型
- 18. 如何處理來自模型的數據庫邏輯
- 19. 將邏輯放入核心數據模型
- 20. Node.js + Mongoose:模型/架構分隔數據庫邏輯
- 21. 不適合虹膜數據集的邏輯迴歸模型
- 22. 用於表達邏輯標準的數據模型設計
- 23. 強度建模可能的邏輯數據類型?
- 24. 雜誌訂閱業務邏輯和數據模型
- 25. 數據模型和應用邏輯問題?
- 26. 從GoodData中導出整個邏輯數據模型
- 27. 模型邏輯和服務層邏輯
- 28. 數據類型模型C++
- 29. 概念模型vs邏輯模型vs規範模型
- 30. TreeTableView數據模型