什么是数据模型？
按照《数据建模经典教程》作者 Steve Hoberman 的定义，数据模型“是一组由符号、文本组成的集合，用以准确表达信息，达到有效交流、沟通的目的”。
我们可以举一个生活中的例子。假设你是一个保险公司的经理人，当你在讨论一个客户的时候，更多考量的是客户的年收入、婚姻状态、家庭成员等信息。但如果背景换成理发店，考虑的内容就会变成：每个月会来几次理发店、偏好什么样的发型等等。二者所关注的客户属性是完全不同的。换言之，同样的概念可以以极为不同的表现形式来呈现。而数据模型就是希望通过一个逻辑化、物理化的模型来满足大家可以在同一个层面交流的目的——这是数据模型的基础。
数据设计模型包含哪些元素？
数据模型一般包含实体（Entity）、属性（Attribute），以及关系（Relationship）这三个关键元素。套入一个管理联系人的应用来看这三者的含义与联系，如下图所示：
① 实体（Entity）：描述业务的主要数据集合
如图中高亮部分，包括联系人（Contacts）、联系人分组（Groups）、联系人地址（Addresses）、电话号码（Phones）、邮箱（Emails)，以及头像（Portraits），都可以理解为实体。这里的实体指的就是我们主要用以描述业务的数据集合，笼统概括，像是表达谁、什么、何时、何地、为何、如何等等。
② 属性（Attribute）：描述实体中的单个信息
属性则是用来进一步描述实体的。实体是比较概念性的东西，一个实体中还包含诸多具体属性。参考图例，联系人一般还会包含姓名、公司、职务等信息；地址可以细分到所属省、市、区、街道，以及邮政编码等；电话号码同样如此，不同的类型或具体的号码串等也都属于“属性”。
③ 关系（Relationship）：描述实体与实体之间的数据规则
关系描述的是属性与属性之间存在的关联。在上述例子中，一个联系人可能有多个地址录入，比如家庭制地址、工作地址等。电话号码、邮箱等亦然——同一个联系人有多个电话，多个邮箱——这些都属于一对多的关系。与此同时，还存在一对一的关系，像是头像，因为每个联系人都只有一个头像。
此外，多对多的关系也是存在的，例如分组。我们可以为联系人建立朋友、同事、旅伴等多个不同的分组标签加以区分，同一个人可能兼具多个标签属性，也即属于多个分组。换个角度来看，一个分组中自然也可以包含多个联系人。因此，联系人和分组之间就属于多对多的关系。我们将这些不同的结构规则，用我们用 1-N / N-1 / N-N 来表示。同时在关系中也会涉及到一些引用规则，例如电话号码不能单独存在，如果没有联系人的话，单独存在的电话号码也就毫无意义，这里包含了一层从属关系。
到这里，我们对传统模型的几大要素已经有了一定的理解，而模型设计就是需要我们能够把这些要素列出来。
如何进行模型设计？
传统模型设计，一般会从采用“从概念到逻辑到物理”的三层流程来实现，分别对应概念模型（Conceptual Data Modeling）阶段、逻辑模型（Logical Data Modeling）阶段以及物理模型（Physical Data Modeling）阶段，是一个逐层细化的过程。
其中，概念模型相对比较抽象，往往由我们的用户和需求分析师用来描述“想要构建一个什么样的应用”，比如客户管理、地址管理、业务流程管理等。这一阶段大多不涉及详细的技术概念，只是对需求的初步说明。因此还需要分析师或架构师根据业务需求进行细化，画出逻辑模型。
逻辑模型阶段需要我们基于对业务的理解，列出业务中需要用到的全部实体，例如想要做一个 CRM，用来管理客户信息、交互渠道、联系方式等，就要先把这些实体以及每个实体的属性都列出来，同时还要通过与需求方的沟通，把其间的关系也明确地描述出来。在这一层，我们其实仍然没有真正进入到非常具体的技术实现，模型的主要使用者是架构师、开发者或需求分析师。
逻辑模型之上再进一步细化，就来到了第三层——物理模型。物理模型阶段是一个非常具体的过程，需要先结合实际的数据库特性和结构，再考虑如何把逻辑模型表示到物理层中来。此时最常见的使用对象，一般是 DBA 或建模分析师，他们会把逻辑模型转化成真正的物理模型。
开发者视角的概念模型
仍然以联系人管理应用场景为例：起初，业务需求方给到了管理联系人，方便快速分类检索的需求。这里包含两个关键词，一是联系人，一是分组，停留在概念模型，还比较粗粒度。
开发者视角的逻辑模型
下一步到逻辑模型，需要列出这些实体里具体有哪些的属性，像是联系人姓名、电话号码等；有哪些关系，同一个联系人有几个联系电话，涉及几个分组，有几处地址，以及关系结构等。
开发者视角的物理模型
已知这是一个简单的联系人管理应用，已完成两大实体和主要属性的定义，下一步就应当由 DBA 或开发者着手，真正落定到物理模型的设计。常见的主流物理模型是关系式模型，而关系模型的一大特点就是第三范式——数据在库里尽量不可能存在冗余，也就是当设计完成后，所涉元素在数据库里面，每一个实体和数值都应当只存在一次，通过关联的方式可以把各种信息组合到一起。
根据这一原则，先在关系模型设计里面做一个 N-N 的关系设计。由于第三范式的限制，只能通过一个 Mapping Table，也就是中间表 ContactGroup——把 Contact 和 Group 这两个表组合在一起，用来表示某个联系人属于哪个分组，以及某个分组里有多少位联系人。
再来看地址实体，因为存在多个地址，按照第三范式也必须分表，分到一个单独的地址表可能还不够，因为一个地址往往包含多个字段，例如省份、城市等等，这些字段在不同的地址里也会重复多次。在第三范式的要求下，这种重复也是不被允许的，因此还需要进一步范式化，把这些可能重复的数值再单独列出一张表，例如 Province 省份表，每一行代表一个省份。通过这种方式，我们极大限度地满足了第三范式的要求。优势就是，数据完全没有重复。
至此，我们就完成了一个经典的传统关系模型的建模，从概念到逻辑到物理。
本篇主要主要介绍了数据模型设计的基础概念和传统流程：模型的三要素是实体、属性、关系；数据模型的构建就是从概念到逻辑到物理逐层细化的过程，最后达成完整的物理模型。在此基础上，下一篇我们将具体讲述 MongoDB 如何进行模型设计。
文章来源于MongoDB中文社区。
扫码加入钉群，与MongoDB专家一对一沟通，了解更多阿里云MongoDB产品与方案，市场活动及线上培训等内容。
