使用 PowerDesigner 和 PDMReader 逆向生成 MySQL 数据字典

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
简介: 原文:使用 PowerDesigner 和 PDMReader 逆向生成 MySQL 数据字典下面提到的软件大家可以在下面的链接下载。 大家可以参考下面的操作录制视频来完成相关的操作。 使用 PowerDesigner 和 PDMReader 逆向生成 MySQL 数据字典.
原文: 使用 PowerDesigner 和 PDMReader 逆向生成 MySQL 数据字典

下面提到的软件大家可以在下面的链接下载。

大家可以参考下面的操作录制视频来完成相关的操作。

使用 PowerDesigner 和 PDMReader 逆向生成 MySQL 数据字典.wmv_免费高速下载|百度云 网盘-分享无限制
http://pan.baidu.com/s/1bnvrObd

数据库反向生成数据字典的工具_免费高速下载|百度云 网盘-分享无限制
http://pan.baidu.com/s/1hqpHSGW

第 1 步:先下载一个 ODBC 数据源连接,注意 32 位系统就安装 32 位的软件,64 位系统就安装 64 位的软件。

mysql-connector-odbc-5.1.5-win32.rar

mysql-connector-odbc-5.1.7-winx64.rar

安装的步骤和注意事项,大家可以在互联网上找到。使用 ODBC 无非就是配置 mysql 连接字符串,用户名和密码。

相关软件下载:

第 2 步:下载 PowerDesigner 软件,根据相关的需求进行破解和汉化。

这一步在网上也有很多的例子,在这里也不赘述了。

下面我们使用 PowerDesigner 逆向生成 PDM 文件。

菜单【文件】【逆向工程】【Database】,在Model name 下拉列表里面选择 MySQL 5.0。

 

等待一段时间,我们就会看到你所选择的数据库表和表之间的关系了。

然后我们点击菜单 【文件】【另存为】保存成 .pdm 文件。保存完以后记得关系,当然你要是忘记掉,也没有关系,后面的操作中软件都会有相应的提示。

第 3 步:使用 PDMReader 软件。

新建一个项目(其实默认就有一个项目),然后导入数据字典,这个按钮很好找了,我就不截图了。然后选择从 PowerDesigner 导入 *.pdm 文件。

我一般选择“将字典导出到html”,大功告成。

 

最后,谈一下这些操作的注意事项,有些在上面已经重复说明了。

(1)mysql-connector-odbc 软件的安装应该选择和操作系统一致的位数,要不然安装会不成功;

(2)PowerDesigner 和 PDMReader 软件的版本应该对应起来。我测试下来得到的结果是,最新版本的 PDMReader 只支持到 PowerDesigner 12.5 版本的 ,15版本导出的 *.pdm 文件是不支持的。

当然,如果你没有注意到这些 PDMReader 软件的作者也会给你很贴心的提示,还会给你 PowerDesigner 12 版本的下载链接;

(3)使用 PowerDesigner 导出 *.pdm 有一个选择数据库和选择表的操作,这里一定要先把默认的全部数据库、全部数据表前面的勾去掉,否则就会生成出来很多表,干扰到我们,这一点具体的操作上面已经提到了。

(4)PDMReader 最好是使用最新的版本,在 PDMReader 这款软件的【帮助】菜单里面,会帮助你下载到最新版本。

我之间就随便用了一个版本,发现生成出来的 .html 文件链接不能跳转,还是很不舒服的。

基本上就介绍到这里了,欢迎大家多提宝贵意见。

参考资料:

powerdesigner逆向自动生成mysql说明文档_百度经验
http://jingyan.baidu.com/article/e2284b2b5a90e4e2e6118d07.html

相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
目录
相关文章
|
7月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
5月前
|
SQL 人工智能 关系型数据库
如何实现MySQL百万级数据的查询?
本文探讨了在MySQL中对百万级数据进行排序分页查询的优化策略。面对五百万条数据,传统的浅分页和深分页查询效率较低,尤其深分页因偏移量大导致性能显著下降。通过为排序字段添加索引、使用联合索引、手动回表等方法,有效提升了查询速度。最终建议根据业务需求选择合适方案:浅分页可加单列索引,深分页推荐联合索引或子查询优化,同时结合前端传递最后一条数据ID的方式实现高效翻页。
324 0
|
4月前
|
存储 关系型数据库 MySQL
在CentOS 8.x上安装Percona Xtrabackup工具备份MySQL数据步骤。
以上就是在CentOS8.x上通过Perconaxtabbackup工具对Mysql进行高效率、高可靠性、无锁定影响地实现在线快速全量及增加式数据库资料保存与恢复流程。通过以上流程可以有效地将Mysql相关资料按需求完成定期或不定期地保存与灾难恢复需求。
414 10
|
5月前
|
SQL 存储 缓存
MySQL 如何高效可靠处理持久化数据
本文详细解析了 MySQL 的 SQL 执行流程、crash-safe 机制及性能优化策略。内容涵盖连接器、分析器、优化器、执行器与存储引擎的工作原理,深入探讨 redolog 与 binlog 的两阶段提交机制,并分析日志策略、组提交、脏页刷盘等关键性能优化手段,帮助提升数据库稳定性与执行效率。
162 0
|
8月前
|
关系型数据库 MySQL Linux
在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾
以上就是在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾的步骤。这个过程就像是一场接力赛,数据从MySQL数据库中接力棒一样传递到备份文件,再从备份文件传递到其他服务器,最后再传递回MySQL数据库。这样,即使在灾难发生时,我们也可以快速恢复数据,保证业务的正常运行。
403 28
|
7月前
|
存储 SQL 缓存
mysql数据引擎有哪些
MySQL 提供了多种存储引擎,每种引擎都有其独特的特点和适用场景。以下是一些常见的 MySQL 存储引擎及其特点:
216 0
|
10月前
|
Java 关系型数据库 MySQL
SpringBoot 通过集成 Flink CDC 来实时追踪 MySql 数据变动
通过详细的步骤和示例代码,您可以在 SpringBoot 项目中成功集成 Flink CDC,并实时追踪 MySQL 数据库的变动。
2617 45
|
9月前
|
存储 SQL 关系型数据库
【YashanDB知识库】MySQL迁移至崖山char类型数据自动补空格问题
**简介**:在MySQL迁移到崖山环境时,若字段类型为char(2),而应用存储的数据仅为'0'或'1',查询时崖山会自动补空格。原因是mysql的sql_mode可能启用了PAD_CHAR_TO_FULL_LENGTH模式,导致保留CHAR类型尾随空格。解决方法是与应用确认数据需求,可将崖山环境中的char类型改为varchar类型以规避补空格问题,适用于所有版本。
|
9月前
|
SQL 关系型数据库 MySQL
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
本文探讨了在使用YMP 23.2.1.3迁移MySQL Server字符集为latin1的中文数据至YashanDB时出现乱码的问题。问题根源在于MySQL latin1字符集存放的是实际utf8编码的数据,而YMP尚未支持此类场景。文章提供了两种解决方法:一是通过DBeaver直接迁移表数据;二是将MySQL表数据转换为Insert语句后手动插入YashanDB。同时指出,这两种方法适合单张表迁移,多表迁移可能存在兼容性问题,建议对问题表单独处理。
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
|
9月前
|
缓存 NoSQL 关系型数据库
Redis和Mysql如何保证数据⼀致?
1. 先更新Mysql,再更新Redis,如果更新Redis失败,可能仍然不⼀致 2. 先删除Redis缓存数据,再更新Mysql,再次查询的时候在将数据添加到缓存中 这种⽅案能解决1 ⽅案的问题,但是在⾼并发下性能较低,⽽且仍然会出现数据不⼀致的问题,⽐如线程1删除了 Redis缓存数据,正在更新Mysql,此时另外⼀个查询再查询,那么就会把Mysql中⽼数据⼜查到 Redis中 1. 使用MQ异步同步, 保证数据的最终一致性 我们项目中会根据业务情况 , 使用不同的方案来解决Redis和Mysql的一致性问题 : 1. 对于一些一致性要求不高的场景 , 不做处理例如 : 用户行为数据 ,

推荐镜像

更多