数据仓库逻辑模型介绍
数据仓库的逻辑模型
数据仓库的逻辑模型介绍
数据仓库是一种面向主题的、集成的、稳定的、不同时间的数据集合，用于支持管理决策过程。逻辑模型是数据仓库的核心，它描述了数据仓库中数据的组织和存储方式，以及数据仓库的结构和功能。本文将介绍数据仓库的逻辑模型，包括数据仓库的数据源、数据存储、数据集市和数据访问。
一、数据源
数据仓库的数据源可以是多种类型的，包括关系数据库、OLAP 数据库、文件系统、外部数据源等。不同的数据源具有不同的特点和优势，需要根据实际情况选择合适的数据源。
二、数据存储
数据仓库的数据存储是指将数据源中的数据加载到数据仓库中，并对数据进行处理和转换，以满足数据仓库的需求。数据存储通常采用分布式存储架构，以支持大量数据的存储和查询。
三、数据集市
数据集市是数据仓库中面向特定主题的数据集合，它将数据仓库中的数据按照业务需求进行分类和组织。数据集市通常包括多个表，每个表代表一个主题，例如销售、客户、产品等。数据集市中的数据可以根据业务需求进行查询和分析。
四、数据访问
数据访问是指数据仓库中的数据如何被访问和使用。数据仓库的数据访问通常采用OLAP（联机分析处理）和数据挖掘技术。OLAP技术支持用户对数据仓库中的数据进行快速查询和分析，数据挖掘技术则可以帮助用户从大量数据中发现有价值的信息和规律。
总之，数据仓库的逻辑模型是数据仓库的核心，它描述了数据仓
库中数据的组织和存储方式，以及数据仓库的结构和功能。数据仓库的数据源、数据存储、数据集市和数据访问是数据仓库逻辑模型的重要组成部分，它们共同构成了一个完整的数据仓库系统。
数据库技术中的数据物理模型与存储模型(一)
数据库技术中的数据物理模型与存储模型
随着信息技术的快速发展，数据库技术在各行各业的应用也越来越广泛。而在数据库系统中，数据物理模型和存储模型是两个非常重要的概念。本文将就这两个概念进行分析和讨论。
一、数据物理模型
数据物理模型是将逻辑模型转换为计算机能够理解和处理的物理模型。逻辑模型是建立在概念上的，它描述了实体、属性和关系之间的关系。而数据物理模型则考虑到了计算机底层的存储和访问特性，为逻辑模型提供了具体的实现方法。
在数据库技术中，最常用的数据物理模型是关系模型。关系模型使用表格的形式来表示数据，每个表格包含了多行和多列，每一行对应一个记录，每一列对应一个属性。而逻辑模型中的实体则对应关系模型中的表，实体的属性则对应表的列。
除了关系模型之外，还有层次模型和网络模型等其他的数据物理模型。层次模型使用树状结构来表示数据，每个节点对应一个实体或属性，通过父子关系来组织数据。网络模型则使用图状结构来表示数据，节点之间通过连接关系来组织数据。这些模型在某些特定场景下也有自己的优势和应用。
二、存储模型
存储模型则是描述数据在计算机存储介质中的存储方式和组织形式。数据库系统中常用的存储模型有平面存储和层次存储。
平面存储是将数据按照逻辑模型和物理模型的关系直接存储在磁
盘上。这种存储方式简单直接，但对数据的访问效率较低。因为数据
是分散存储在磁盘上的，每次访问数据都需要进行磁盘寻址和读取。
为了提高数据的访问效率，引入了层次存储模型。层次存储模型
通过将数据按照层次结构进行组织和存储，将磁盘上的数据按照固定
数仓业务领域标准模型
数仓业务领域标准模型
在数据仓库业务领域，存在多种标准模型，包括维度模型、范式模型、星型模型、雪花模型、星座模型、Data Vault模型和Anchor模型等。这些模型在数据存储、数据处理和分析方面具有不同的特点和适用场景。
1. 维度模型：维度模型是数据仓库中最常用的一种数据模型，由事实表和维度表组成。事实表存储度量值，维度表存储相关属性，适用于Ad-Hoc查询和报告，方便分析多个维度之间的关系。
2. 范式模型：范式模型是关系型数据库中常用的一种数据模型，遵循数据库设计的范式理论，将数据存储在不同的表中，并通过键将它们连接起来，以避免数据冗余。
3. 星型模型：星型模型是一种基于维度模型的数据模型，由一个事实表和多个维度表组成，维度表和事实表通过外键连接。
4. 雪花模型：雪花模型是一种基于范式模型的数据模型，遵循高内聚、低耦合的原则，将不同的表分隔开来进行存储。雪花模型适用于数据规模较小的情况，能够减少数据冗余，提高数据的完整性和一致性。
5. 星座模型：星座模型是对星型模型的扩展延伸，多张事实表共享维度表。
6. Data Vault模型：DataVault由Hub（关键核心业务实体）、Link（关系）、Satellite（实体属性）三部分组成，是Dan Linstedt发起创建的一
种模型方法论，它是在ER关系模型上的衍生，同时设计的出发点也是为了实现数据的整合，并非为数据决策分析直接使用。
7. Anchor模型：高度可扩展的模型，所有的扩展只是添加而不是修改，因此它将模型规范到6NF，基本变成了K-V结构模型。
数据仓库逻辑模型介绍
ETL是数据抽取（Extract）、转换（Transform）、清洗 （Cleansing）、装载（Load）的过程。
是构建数据仓库的重要一环，用户从数据源抽取出所需的数 据，经过数据清洗,最终按照预先定义好的数据仓库模型，将 数据加载到数据仓库中去。
ETL主要解决各源数据的异构性和低质量(标准化、清除噪声
应用 详细 设计
应用 应用 模型 开发
开发
数
据
挖
掘
服
逻辑 物理 系统
务
信息调研(ID)
数据 模型
数据 体系 ETL 模型 结构 开发
设计 设计 设计
系
元 数 据 管
理
统 软 件 硬 件 设 备 安
系 统 管 理 与 维
护
系 统 测 试 与 验
收
项目 结束 回顾
装
项目管理(Project Management)
•面向分析主题
•汇总数据
提
•Star Schema 建模
供
•视图
一
个
•逻辑数据模型
统
•保留详细交易数据 LDM
一
•面向关键主题域
的
•3NF
数
据
组
•数据清洗／转换／加载
ห้องสมุดไป่ตู้
织
•文本文件
结
胖子哥的大数据之路（9）-数据仓库金融行业数据逻辑模型FS-LDM
胖⼦哥的⼤数据之路（9）-数据仓库⾦融⾏业数据逻辑模型FS-
LDM
引⾔：
⼤数据不是海市蜃楼，万丈⾼楼平地起只是意淫，⼤数据发展还要从点滴做起，基于⼤数据构建国家级、⾏业级数据中⼼的项⽬会越来越多，⼤数据只是技术，⽽⾮解决⽅案，同样⾯临数据组织模式，数据逻辑模式的问题。它⼭之⽯可以攻⽟，本⽂就数据仓库领域数据逻辑模型建设最负盛名的FS-LDM进⾏介绍，旨在抛砖引⽟，希望能够给⼤家以启迪。参与交流请加群：347018601
⼀、概述
（1）什么是LDM
逻辑数据模型LDM是数据仓库的数据建设阶段为解决业务需求⽽定义的数据仓库模型解决⽅案，它是指导数据仓库进⾏数据存放、数据组织、以及如何⽀持应⽤的蓝图，定义需要追踪和管理的各种重要实体、属性、关系。
（2）为什么需要LDM
操作型数据库和数据仓库都需要的数据组织模式；
LDM是构建DW的第⼀步，是建⽴BI的基础框架，是提供价值数据分析的重要基础，为复杂的DW系统实施提供了规范和基础结构的蓝图；
LDM促进业务部门和IT分析⼈员之间的有效沟通，形成对重要业务定义和术语的统⼀认识。具备跨部门、中性的特征，能够表达所有的业务；
（3）主流LDM有哪些
Teradata FS-LDM(⾦融服务逻辑数据模型)：是预先构建的LDM，利⽤它可以直接开始数据仓库模型设计，它是⼀个成熟的产品；
IBM有BDWM(Banking Data Warehouse Model)；
⼆、FS-LDM ⾦融11个主题模型
1.团体 PARTY
是指银⾏作为⼀个⾦融机构所服务的任意对象和感兴趣进⾏分析的各种对象。如个⼈、公司客户、潜在客户、代理机构、合作伙伴、雇员、分⾏、部门等。⼀个团体可以同时是这当中许多种⾓⾊。借助团体主题的建⽴可以实现基于客户基本信息的分析，是实现以客户为中⼼的各种分析应⽤的重要基础。
概念数据模型,逻辑数据模型,物理数据模型
概念数据模型,逻辑数据模型,物理数据模型
概念数据模型设计与逻辑数据模型设计、物理数据模型设计是数据库及数据仓库模型设计的三个主要步骤。
在数据仓库领域有一个概念叫conceptual data model，中文一般翻译为“概念数据模型”。
概念数据模型是最终用户对数据存储的看法，反映了最终用户综合性的信息需求，它以数据类的方式描述企业级的数据需求，数据类代表了在业务环境中自然聚集成的几个主要类别数据。
概念数据模型的内容包括重要的实体及实体之间的关系。在概念数据模型中不包括实体的属性，也不用定义实体的主键。这是概念数据模型和逻辑数据模型的主要区别。
概念数据模型的目标是统一业务概念，作为业务人员和技术人员之间沟通的桥梁，确定不同实体之间的最高层次的关系。
在有些数据模型的设计过程中，概念数据模型是和逻辑数据模型合在一起进行设计的。
在数据仓库领域有一个概念叫logical data model，中文一般翻译为“逻辑数据模型”。
逻辑数据模型反映的是系统分析设计人员对数据存储的观点，是对概念数据模型进一步的分解和细化。逻辑数据模型是根据业务规则确定的，关于业务对象、业务对象的数据项及业务对象之间关系的基本蓝图。
逻辑数据模型的内容包括所有的实体和关系，确定每个实体的属性，定义每个实体的主键，指定实体的外键，需要进行范式化处理。
逻辑数据模型的目标是尽可能详细的描述数据，但并不考虑数据在物理上如何来实现。
逻辑数据建模不仅会影响数据库设计的方向，还间接影响最终数据库的性能和管理。如果在实现逻辑数据模型时投入得足够多，那么在物理数据模型设计时就可以有许多可供选择的方法。
数据库 逻辑模式
数据库逻辑模式
数据库的逻辑模式是指数据库设计的抽象层次，描述了数据库中数据的组织、关系和约束等逻辑结构。
逻辑模式包括以下几个方面：
1.实体和实体之间的关系：逻辑模式定义了数据库中的实体及
其之间的关系，包括一对一、一对多、多对多等关系。
2.属性的定义和约束：逻辑模式确定了每个实体所包含的属性
及其类型、长度、取值范围等约束条件。
3.数据的完整性约束：逻辑模式定义了数据库中数据的完整性
约束条件，如主键、外键、唯一约束、检查约束等，用于保证数据的一致性和准确性。
4.操作和查询的定义：逻辑模式确定了数据库中可进行的操作
和查询，如插入、删除、更新、查询等，以及这些操作和查询的语法和语义。
逻辑模式是数据库设计的核心部分，它将实际应用中需要处理的业务需求抽象化为数据模型，为物理存储和操作提供了基础。常见的逻辑模式包括关系模式、层次模式、网状模式等。
数据仓库的数据模型
业务驱动
任何需求均来源于业务,业务决定了需求,需求分析的正确与否是关系到项目成败的
关键所在,从任何角度都可以说项目是由业务驱动的所以数据仓库项目也是由业务所驱动的.
但是数据仓库不同于日常的信息系统开发,除了遵循其他系统开发的需求,分析,设计,测试等通常的软件声明周期之外;他还涉及到企业信息数据的集成,大容量数据的阶段处
理和分层存储,数据仓库的模式选择等等,因此数据仓库的物理模型异常重要,这也是关系到
数据仓库项目成败的关键.
数据仓库的结构总的来说是采用了三级数据模型的方式:
概念模型: 也就是业务模型,由企业决策者,商务领域知识专家和IT专家共同企业
级地跨领域业务系统需求分析的结果.
逻辑模型：用来构建数据仓库的数据库逻辑模型。根据分析系统的实际需求决策构
建数据库逻辑关系模型,定义数据库物体结构及其关系。他关联着数据仓库的逻辑模型和物
理模型这两头.
物理模型：构建数据仓库的物理分布模型,主要包含数据仓库的软硬件配置,资源情
况以及数据仓库模式。
如上图所示,在数据仓库项目中,物理模型设计和业务模型设计象两个轮子一样有力
的支撑着数据仓库的实施,两者并行不悖,缺一不可.实际上,我有意的扩大了物理模型和业
务模型的内涵和外延.在这里物理模型不仅仅是数据的存储,而且也包含了数据仓库项目实
施的方法论,资源,以及软硬件选型等等;而业务模型不仅仅是主题模型的确立,也包含了企
业的发展战略,行业模本等等.
一个优秀的项目必定会兼顾业务需求和行业的标准两个方面,业务需求即包括用户
提出的实际需求,也要客观分析它隐含的更深层次的需求,但是往往用户的需求是不明确的,
逻辑数据模型
谢谢观看
ห้องสมุดไป่ตู้
继承性允许不同类的对象共享它们公共部分的结构和特性。继承性可以用超类和子类的层次联系实现。一个 子类可以继承某一个超类的结构和特性，这称为"单继承性"；一个子类也可以继承多个超类的结构和特性，这称 为"多继承性"。继承性是数据间的泛化/细化联系，是一种"is a"联系。
面向对象系统提供一种"对象标识符"的概念来标识对象。
对于企业，逻辑数据模型（简称LDM）就是企业基础数据的一部分，它是企业数据资产的全面的、准确的描 述，是数据整合的核心或目的。数据整合就是将不同来源的数据整合到一个统一定义、统一形式的LDM中。
模型
层次模型 网状模型
关系模型 面向对象模型
层次模型
层次模型（Hierarchical Model）是最早出现的数据模型，它是采用层次数据结构来组织数据的数据模型。 层次模型可以简单、直观地表示信息世界中实体、实体的属性以及实体之间的一对多联系。它使用记录类型来描 述实体；使用字段来描述属性；使用结点之间的连线表示实体之间的联系。
05-逻辑数据模型(LDM)
12
第12页，共29页。
5.2.2 创建LDM (续)
子实体属性设置过程中可以辅助使用 (Reuse Attributes)、 (Migrate Attributes) (Cancel Migrate)几个工具。其中， 表示重用子实体已有属性； 表示迁移父实体属性到子实体； 表示取消迁移。
第7页，共29页。
5.2.2 创建LDM (续)
图5.4 设置主键
8
第8页，共29页。
5.2.2 创建LDM (续)
4.定义联系
在逻辑数据模型中联系有一般联系 (Relationship)、 多对多联系 (n-n Relationship)和继承联系 (Inheritance)
三种类型。 (1) 定义一般联系
注意：
针对“1：1”联系， Parent列表中出现的主键与 Cardinalities选项卡中Dominant role参数设置相关，如果 Dominant role参数设置为None，则不可以设置Joins选项卡信息； 如果Dominant role参数已设置，则选择Dominant role参数指定 角色左端实体为父实体。例如：Dominant role参数设置为“职工 →仓库”，则父实体为“职工”，在Parent列表中列出的是 “职工”实体的主键。
数据仓库的基本概念
数据仓库的基本概念
随着信息化时代的到来，数据的积累和应用越来越广泛，数据仓库作为企业数据管理的重要手段，也受到了越来越多的关注。数据仓库是一种面向主题、集成、稳定、随时可用的数据集合，为企业决策提供了可靠的数据支持。本文将从数据仓库的基本概念、架构、设计和实现等方面进行探讨。
一、数据仓库的基本概念
1.1 数据仓库的定义
数据仓库是一个面向主题、集成、稳定、随时可用的数据集合，为企业决策提供可靠的数据支持。它是一个面向决策支持的数据集成、管理和分析平台，主要用于支持企业的决策制定和业务分析。
1.2 数据仓库的特点
（1）面向主题：数据仓库是针对某个主题的数据集合，这个主
题可以是企业的销售、市场、客户、产品等。数据仓库以主题为导向，提供了全面、一致的数据视图，帮助企业深入了解业务。
（2）集成：数据仓库是从多个数据源中集成数据而成，可以包
括企业内部的各种数据系统，也可以包括外部的数据源。数据仓库的集成性使得企业可以从不同的角度来看待业务，更好地进行分析。
（3）稳定：数据仓库提供了稳定的数据环境，数据的结构和内
容都是经过精心设计和维护的。这使得企业可以放心地使用数据仓库中的数据，而不必担心数据的质量和可靠性问题。
（4）随时可用：数据仓库提供了随时可用的数据访问服务，任
何人都可以在任何时间、任何地点通过合适的工具来访问数据仓库中的数据。这为企业的决策制定和业务分析提供了极大的便利。
1.3 数据仓库的目的
数据仓库的主要目的是为企业的决策制定和业务分析提供可靠
的数据支持。通过数据仓库，企业可以深入了解业务，发现业务规律，预测业务趋势，从而更好地制定决策和调整业务战略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
•面向分析主题
•汇总数据
提
•Star Schema 建模
供
•视图
一
个
•逻辑数据模型
统
•保留详细交易数据 LDM
一
•面向关键主题域
的
•3NF
数
据
组
•数据清洗／转换／加载
织
•文本文件
结
构
PLM
•面向业务应
用
•3NF
21
主题例子-财务（Finance）
财务 （Finance）：
协议主要指的 是订单和合同 及相关的帐户
15
二、数据仓库实施方法论 -2
(2)信息调研
源系统调研 数据源分析 数据质量分析 数据缺口分析 数据更新周期及更新方式分析 用户需求分析
内部培训 源系统介绍 数据字典整理 样本数据分析 表级和字段级分析
16
二、数据仓库实施方法论 -3
(3)逻辑数据模型设计
基于概念数据模型(CDM) 由一系列表和实体详细描述组成 通用的业务语言 便于业务与业务之间的功能理解 集成当前和未来数据的蓝图 独立于技术 为物理数据库设计作准备 是IT人员和业务人员沟通的工具
12
一、概念 -6
(6)数据粒度
粒度是指数据仓库的数据单位中保存数据的细化或综合程度 的级别（详细程度 ）。细化程度越高，粒度级就越小；相反， 细化程度越低，粒度级就越大。
取决于：数据量大小 、存储设备的容量、查询分析的需要 一定的时间窗内存放细的粒度数据，超过一定的时期，只提
供粗粒度的汇总数据，从而在性能与需求上达到一种平衡。
数据仓库是面向主题的、集成的、稳定的(不可更新)、反映 历史变化（不同时间）的数据集合，用以支持经营管理中的 决策制定过程。(Inmon,1991)
数据集市也可叫做“小数据仓库”。如果说数据仓库是建立 在企业级的数据模型之上的话。那么数据集市就是企业级数 据仓库的一个子集，他主要面向部门级业务，并且只面向某 个特定的主题。数据集市可以在一定程度上缓解访问数据仓 库的瓶颈。
(1)为什么要建设数据仓库?
统一数据源 统一数据标准
5
一、概念 -2
(2) ODS、数据仓库、数据集市
操作数据存储(Operational Data Store)是一个面向主题的、 集成的、可变的、当前的细节数据集合，用于支持企业对于 即时性的、操作性的、集成的全体信息的需求。常常被作为 数据仓库的过渡，也是数据仓库项目的可选项之一。
23
19
二、数据仓库实施方法论 -5
(5)数据模型的演变
概念数据模型(CDM) 逻辑数据模型(LDM) 扩展逻辑数据模型(ELDM) 物理数据模型(PDM)
20
三、LDM -1
(1)逻辑模型在仓库中的地位
•最终用户
数据仓库
ETL服务
AT&T
器
ODS
数
LEM心 GVS
MDM
据
源
•数据集市 •Data Mart
17
二、数据仓库实施方法论 -3
(3)逻辑数据模型设计
了解业务流程 分析源数据 建立实体模型 建立实体间依赖关系 填写并完善实体属性
18
二、数据仓库实施方法论 -4
(4)物理数据库设计
转换逻辑模型为物理模型 定义主索引、次索引 非正则化处理 数据库建立 设计优化 数据库功能测试
数据仓库逻辑模型介绍
数据仓库逻辑模型介绍
Tony 2010-3-15
内容
相关概念介绍 数据仓库实施方法论 LDM介绍 学习经验分享
2
一、概念 -1
(1)为什么要建设数据仓库?
蜘蛛网问题
✓ 数据缺乏可信性 ✓ 数据处理效率低下 ✓ 难以将数据转化为信息
3
图1 蜘蛛网现象 4
一、概念 -1
数据集市
数据来源 OLTP系统、外部数据 数据仓库
范围
企业级
部门级或工作组级
主题
企业主题
部门或特殊的分析主题
数据粒度 最细的粒度
较粗的粒度
数据结构 规范化结构（第3范式）星型模式、雪花模式、或 两者混合
历史数据 大量的历史数据
适度的历史数据
优化
处理海量数据、数据 便于访问和分析、快速查
探索
询
8
一、概念 -3
数据 ) 、计算和汇总指标数据。
9
一、概念 -4
(4)数据加载策略
更新(Upsert、delete/insert) 拉链(时间拉链/自拉链, 历史) 追加(直接insert，防止重复加载先delete当天) ✓ 当前表、历史表、流水表
10
一、概念 -5 (5)元数据
元数据：是描述数据仓库内数据的结构和建立方法的数据。 可将其按用途的不同分为两类，技术元数据和商业元数据。
技术元数据是数据仓库的设计和管理人员用于开发和日常管 理数据仓库时用的数据。包括：数据源信息；数据转换的描 述；数据仓库内对象和数据结构的定义；数据清理和数据更 新时用的规则；源数据到目标的数据映射；用户访问权限， 数据备份历史记录，数据导入历史记录，信息发布历史记录 等。
11
一、概念 -5 (5)元数据
业务元数据从业务的角度描述了数据仓库中的数据。它提供 了介于使用者和实际系统之间的语义层，使得不懂计算机技 术的业务人员也能够“读懂”数据仓库中的数据。使用者的 业务术语所表达的数据模型、对象名和属性名；访问数据的 原则和数据的来源；系统所提供的分析方法以及公式和报表 的信息。
元数据为访问数据仓库提供了一个信息目录（information directory），这个目录全面描述了数据仓库中都有什么数据、 这些数据怎么得到的、和怎么访问这些数据。它是数据仓库 运行和维护的中心，数据仓库服务器利用他来存贮和更新数 据，用户通过他来了解和访问数据。
6
一、概念 -2
ODS与数据仓库
共同点：面向主题的和集成的，需要进行转换、加工处理 区别：主要体现数据的可变性和当前性上
ODS 实时的、可动态刷新的 当前运行系统的数据
明细Leabharlann Baidu据
数据仓库 非实时的、静态的 除了保存当前数据，还需 要保存大量的历史数据 保存明细和汇总数据
7
一、概念 -2
数据仓库
(3)ETL
ETL是数据抽取（Extract）、转换（Transform）、清洗 （Cleansing）、装载（Load）的过程。
是构建数据仓库的重要一环，用户从数据源抽取出所需的数 据，经过数据清洗,最终按照预先定义好的数据仓库模型，将 数据加载到数据仓库中去。
ETL主要解决各源数据的异构性和低质量(标准化、清除噪声
13
一、概念 -7
(7)OLAP及其相关
OLAP、维度、事实、度量值 切片、切块、上钻、下钻、旋转 星型模型、雪花模型
14
二、数据仓库实施方法论 -1
(1)实施流程
需求分析
系统设计
系统开发
上线与维护
项目 前期 准备
业务调研(BD)
应用开发
业务 访谈
业务 需求 编写
业务 需求 分析
应用 概要 开发
应用 详细 设计
应用 应用 模型 开发
开发
数
据
挖
掘
服
逻辑 物理 系统
务
信息调研(ID)
数据 模型
数据 体系 ETL 模型 结构 开发
设计 设计 设计
系
元 数 据 管
理
统 软 件 硬 件 设 备 安
系 统 管 理 与 维
护
系 统 测 试 与 验
收
项目 结束 回顾
装
项目管理(Project Management)
财务（Finance）：主要包括的总帐信息，是描述科目组织、控
制、内部核算等银行核心科目帐务以及预算管理有关的内容。该
主题抽象地描述了内部帐务的组织模式，能够适应不同的科目组
织体系。
22
四、个人学习经验
(1) 体系结构、SQL语法 (2)结合逻辑模型看脚本
源系统简称、代码 各主题标识生成规则 仓库代码 源系统数据字典