领域模型图(数据架构/ER图)

简介: 通过四色原型法进行领域建模,提取数据架构核心要素:红色时标原型(MI)表征业务流程节点,绿色参与方-物品原型(PPT)作为实体,黄色角色原型(Role)体现参与关系,蓝色描述原型(DESC)定义属性。基于风控系统实例,从业务流程提炼出MI骨架,逐步补充PPT实体与Role角色,最后添加DESC描述信息,进而映射为ER图。其中PPT对应实体,MI对应关系,结合一对一、一对多、多对多约束,构建清晰的数据模型,支撑系统设计与数据库实现。(239字)

领域模型图(数据架构/ER图)
数据架构重要的输出是数据-实体关系图,简称 ER 图。ER 图中包含了实体(数据对象)、关系和属性 3 种基本成分。ER 图可以用来建立数据模型。如何准确的建立产品的数据模型,需要分解出业务需要什么样的数据。数据域的分解过程是站在业务架构的基础上,对业务域进行模型分析的过程。说起业务建模,大家很快会想到领域模型这个概念。这里的思路是通过领域建模来逐步提取系统的数据架构图。
说到领域模型,这里采用四色原型法进行业务模型的抽象。在进行四色模型分析前,我们先了解下四色模型的一些基本概念。四色模型,顾名思义是通过四种不同颜色代表四种不同的原型。
Moment-Interval Archetype 时标性原型
表示事物在某个时刻或某一段时间内发生的。使用红色表示,简写为 MI.
Part-Place-Thing Archetype 参与方-地点-物品原型.
表示参与扮演不同角色的人或事物。使用绿色表示。简写为 PPT。
Role Archetype 角色原型
角色是一种参与方式,它由人或组织机构、地点或物品来承担。使用黄色表示。简写为 Role。
Description Archetype 描述原型
表示资料类型的资源,它可以被其它原型反复使用,并为其它原型提供行为。使用蓝色表示。简写为 DESC。
以风控系统为例,进行领域建模的过程如下:
1.关键流程
在进行业务建模前,首先需要梳理出业务的流程,这一步在业务架构分解环节中已经完成。按照四色建模法的原则,将业务流程图进行一点改造。在原来的流程图上,将流程涉及的事务和角色添加进来。
改造之后的流程图如下:
2.领域模型骨干
从业务流中,我们可以清晰的定义出 Moment-Interval Archetype (时标性原型),流程中的每个节点符合 MI 的定义,即事物在某个时间段内发生。在 MI 的定义过程中,一种方法是通过名词+动词进行定义。那么,风控的 MI 即为:数据采集、规则 &模型设置、风险识别、告警通知、风险处置、风险分析(MI 使用红色表示)。
在得到骨干之后,我们需要丰富这个模型,使它可以更好的描述业务概念。这里需要补充一些实体对象,通常实体对象包括:参与方、地点、物(party/place/thing)。
Part-Place-Thing Archetype(参与方-地点-物品原型):业务对象、规则、模型、异常风险、通知、异常事件、分析报告(PPT 使用绿色表示)。
领域模型骨干图,如下:
3.领域模型角色
在领域模型骨干的基础上,需要把参与的角色(role)带进来。Role 使用黄色表示。如下图:
4.领域模型描述
最后将模型的描述信息添加进来,模型的描述信息中涵盖模型的具体属性。这些描述信息对于后面数据库设计有很大的影响。模型描述使用蓝色标注,如下图:
5.提取 ER 图
领域模型构建完成之后,在此基础上,我们已经能够初步的掌握整个系统的数据模型。其中绿色的 Part-Place-Thing Archetype(参与方-地点-物品原型),可以用来表示 ER 图中的实体模型。红色的 Moment-Interval Archetype(时标性原型),可以用来表示 ER 图中的关系。对领域模型架构图进行提炼,得到如下图:
实体(Entity)和联系(RelationShip)存在一定的关联关系,一般存在 3 种约束性关系: 一对一约束、一对多约束和多对多约束。将这些约束性关系表现在 ER 图中,用于展现实体与实体间具体的关联关系,最终输出 ER 图。(考虑保证 ER 的简洁性,这里并没有把模型的属性画进来)

相关文章
|
3月前
|
数据采集 存储 供应链
数据架构怎么设计?一文全面掌握数据架构设计方法论
数据架构是连接业务与IT的桥梁,核心在于回答四个问题:企业有哪些数据?叫什么?什么关系?存在哪、如何流转?它涵盖数据资产目录、标准、模型、分布四大组件,以业务对象为管理单元,推动数据统一、可信、可管、可用。
CAN总线位时序的介绍
CAN总线利用CAN_H和CAN_L线的电位差传输数据,显性电平(0,2.5V差值)对应逻辑0,隐性电平(1,0V差值)对应逻辑1。由于NRZ无返回零通信方式,同步是个挑战,特别是距离远时。为解决同步问题,CAN总线采用硬件同步和再同步技术,位时序分为同步段、传播段、两个相位缓冲段,每个段由Tq时间量子构成,允许调整以确保多个单元间的同步采样。
765 0
|
数据采集 存储 Web App开发
Python爬虫系列8-抓取快乐8、刮刮乐、双色球等中奖数据分析规律
人在绝大多数情况下,只要稍微有那么一点的退路,有那么一点余地,就可以成为逃避的借口和理由。努力装装样子,然后给自己一个台阶下,安慰自己说,“你看我已经很努力了,还是不行,那就算了吧”。 老话说得好:只有主动追求的东西才能到手;只要你想做,全世界都会帮你;只要你不想做,一只蚊子都能拦住你。虽说未来可期,但如果你连相信自己的勇气都没有,还有什么资格得到更好的呢。对吧!
3942 0
Python爬虫系列8-抓取快乐8、刮刮乐、双色球等中奖数据分析规律
|
4月前
|
人工智能 架构师 程序员
AI真的会抢走工作吗?Anthropic最新研究给出了第一份真实数据
Anthropic最新报告《AI对劳动力市场的影响》基于真实使用数据、职业任务与统计分析,揭示AI尚未导致失业,但正加速重塑白领岗位:程序员75%任务可被覆盖,而厨师、维修工等物理型职业几乎不受影响;AI当前主攻“增强”而非“替代”,但初级岗位招聘已下降14%。
|
4月前
|
人工智能 移动开发 自然语言处理
生成式引擎优化(GEO)技术白皮书:超越JSON-LD的深层驱动力
本白皮书系统阐述生成式引擎优化(GEO)新范式,突破传统SEO与JSON-LD局限,首次提出于磊首创的“两大核心(人性化Geo+内容交叉验证)+四轮驱动(EEAT锚定、结构化内容、意图关键词、精准引用)”技术体系,助力内容获AI引擎高权重采纳。(239字)
627 13
|
4月前
|
机器学习/深度学习 人工智能 供应链
中草药检测数据集(10000 张图片已划分、已标注)| AI训练适用于目标检测任务
本数据集用于 中草药图像分类任务,旨在通过深度学习模型对不同种类的中草药进行自动识别与分类。数据来源于多种中草药样本的专业拍摄,涵盖不同形态、色泽与纹理特征,能够有效支持中草药识别算法的研究与模型训练。
|
4月前
|
存储 安全 开发者
小米14手机开启USB功能教程
小米14(澎湃OS)USB连接分两类:基础文件传输(下拉通知栏选MTP/PTP,无需开发者模式)和USB调试(需先连点7次OS版本开启开发者选项,再启用USB调试等)。支持传文件、ADB、刷机等,附常见问题解决提示。(239字)
1545 0
|
6月前
|
人工智能 自然语言处理 数据可视化
2026年主流智能客服系统推荐,让AI客服真正降本增效
2026年企业客服面临高成本、低响应、选型难三大痛点。瓴羊Quick Service以通义大模型+阿里生态为驱动,提供模块化付费、15天免费试用、多渠道协同与大促快速部署能力,助力中小微至中大型企业降本增效,年省客服成本超60%。(239字)
|
缓存 监控 网络协议
计算机网络的常用的网络通信命令(Windows)
本文介绍了网络技术中常用的命令,如ping用于检测网络连通性,ipconfig查看TCP/IP配置,netstat监控网络状态,arp显示和修改ARP缓存,at安排任务执行,tracert追踪路由,以及nbtstat获取NetBIOS信息。
508 1
|
存储 Serverless Python
函数的返回值
在编程中,函数不仅用于执行特定的任务,还经常用于计算和返回结果。函数的返回值是函数执行完毕后向调用者提供的信息或数据。通过返回值,我们可以从函数中获取所需的结果,并将其用于后续的计算或操作。本文将详细讨论函数的返回值,并附上相应的代码示例。
1364 1