《系统分析与设计方法》 第8章 数据建模

简介:

定义数据建模并解释其优点

数据建模:它是一种为数据库定义业务需求的技术。

优点:

1、数据模型有助于分析员快速地确定业务词汇(比过程模型确定的更全面)

2、数据模型几乎总是比过程模型构造得快

3、一个完整的数据模型可以记录在一张纸上,而过程模型则常常需要十几页纸

4、过程建模人员经常而且也很容易陷入不必要的细节中,

5、现有系统和建议系统的数据模型之间的相似性远比他们的过程模型之间的相似性高。这种相似性在你进入后续阶段的工作时使得较少的工作被丢弃。

 

解释在项目开发期间的什么时候构造数据模型以及在哪里存储数据模型

1、在系统计划和分析期间

2、存储在资料库中

 

阅读并解释实体关系数据模型

1、实体关系图(ERD)定义:是一种利用符号记法按照数据描述的实体和关系来刻画数据的数据模型

 

实体关系数据模型的相关概念

实体:指某些事物,企业需要存储有关这些事物的数据。

属性:是实体的描述性性质或特征。

数据类型:是属性的一个参数,定义了这个属性中额可以存储什么类型的数据。

域:是属性的一个参数,定义了这个属性可以取的合法值。

默认值:是如果用户没有制定值的话将被记录的值

键:是一个属性(或一组属性),它们对每一个实体实力具有一个唯一的值。有时也称作标识符。

关系:是存在于一个或多个实体之间的自然业务联系。

基数:定义了一个实体相对于另一个关联实体之间的摸个具体值的最大和最小具体值数量。

读书:是参与那个关系的实体数量。

 

如何构造数据模型:

1、获取实体

2、上下文数据模型

3、基于键的数据模型

4、泛化层次体系

5、具有完整属性的数据模型


作者:kissazi2 
出处:http://www.cnblogs.com/kissazi2/ 
本文版权归作者所有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。

转载:http://www.cnblogs.com/kissazi2/archive/2012/06/24/2560090.html

目录
相关文章
|
3天前
|
人工智能 运维 安全
|
1天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
8天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
765 109
|
2天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
171 127
|
3天前
|
算法 Python
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
【轴承故障诊断】一种用于轴承故障诊断的稀疏贝叶斯学习(SBL),两种群稀疏学习算法来提取故障脉冲,第一种仅利用故障脉冲的群稀疏性,第二种则利用故障脉冲的额外周期性行为(Matlab代码实现)
230 152
|
5天前
|
Java 数据库 数据安全/隐私保护
Spring 微服务和多租户:处理多个客户端
本文介绍了如何在 Spring Boot 微服务架构中实现多租户。多租户允许单个应用实例为多个客户提供独立服务,尤其适用于 SaaS 应用。文章探讨了多租户的类型、优势与挑战,并详细说明了如何通过 Spring Boot 的灵活配置实现租户隔离、动态租户管理及数据源路由,同时确保数据安全与系统可扩展性。结合微服务的优势,开发者可以构建高效、可维护的多租户系统。
210 127
|
4天前
|
机器学习/深度学习 存储 资源调度
CMSIS-NN:ARM Cortex-M处理器的高效神经网络内核——论文解读
CMSIS-NN是专为ARM Cortex-M系列微控制器优化的神经网络计算内核库,旨在支持资源受限的物联网边缘设备进行高效的深度学习推理。该库通过对卷积、池化、全连接层等关键操作进行定点量化、SIMD指令优化和内存布局调整,显著提升了模型在嵌入式设备上的运行效率。实验表明,CMSIS-NN在Cortex-M7处理器上的推理速度比基准实现提升了近5倍,大幅降低了功耗,为边缘AI应用提供了可行的技术路径。
224 128