編者按：本文是松子（李博源）的大數(shù)據(jù)平臺發(fā)展史系列文章的第二篇（共四篇），本系列以獨(dú)特的視角，比較了非互聯(lián)網(wǎng)和互聯(lián)網(wǎng)兩個時代以及傳統(tǒng)與非傳統(tǒng)兩個行業(yè)。是對數(shù)據(jù)平臺發(fā)展的一個回憶，對非互聯(lián)網(wǎng)、互聯(lián)網(wǎng)，從數(shù)據(jù)平臺的用戶角度、數(shù)據(jù)架構(gòu)演進(jìn)、模型等進(jìn)行了闡述。

前言，”數(shù)據(jù)模型“ 這個詞只要是跟數(shù)據(jù)沾邊就會出現(xiàn)的一個詞，在數(shù)據(jù)庫設(shè)計(jì)、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘上、業(yè)務(wù)里都存在，聚焦一下，這里提到的是數(shù)據(jù)平臺中的”數(shù)據(jù)模型“。 這是一個非常的抽象詞，個人也很難用簡單語言把他描述出來，這一章也是整個系列中較為抽象的一章節(jié)，同時這個章節(jié)將會回答非互聯(lián)網(wǎng)數(shù)據(jù)平臺數(shù)據(jù)模型是什么？如何需要數(shù)據(jù)模型？如何簡單的建設(shè)？ 

在“我所經(jīng)歷的大數(shù)據(jù)平臺發(fā)展史 上篇 非互聯(lián)網(wǎng)時代”曾經(jīng)提到Bill inmon與 Ralph kilmball兩位大師的設(shè)計(jì)理念，對業(yè)務(wù)的數(shù)據(jù)按照某種規(guī)則進(jìn)行有效組織并滿足業(yè)務(wù)需求。

相關(guān)廠商內(nèi)容

網(wǎng)易視頻云的數(shù)據(jù)傳輸架構(gòu)

大數(shù)據(jù)和人工智能在P2P金融的應(yīng)用

知名互聯(lián)網(wǎng)公司管理方法之Facebook

相關(guān)贊助商

QCon北京2016大會，4月21-23日，北京·國際會議中心，精彩內(nèi)容邀您參與！

在構(gòu)建過程中，有一個角色理解業(yè)務(wù)并探索分散在各系統(tǒng)間的數(shù)據(jù)，并通過某條業(yè)務(wù)主線把這些分散在各角落的數(shù)據(jù)串聯(lián)并存儲同時讓業(yè)務(wù)使用，在設(shè)計(jì)時苦逼的地方除了考慮業(yè)務(wù)數(shù)據(jù)結(jié)構(gòu)要素外，還得考慮可操作性、約束性（備注 約束性是完成數(shù)據(jù)質(zhì)量提升的一個關(guān)鍵要素，未來新話題主題會討論這些），這個既要顧業(yè)務(wù)、數(shù)據(jù)源、合理的整合的角色是數(shù)據(jù)模型設(shè)計(jì)師，又叫數(shù)據(jù)模型師。

非互聯(lián)網(wǎng)時代的數(shù)據(jù)模型是一個高度智慧業(yè)務(wù)抽象結(jié)晶，數(shù)據(jù)模型是整個系統(tǒng)建設(shè)過程的導(dǎo)航圖。

(點(diǎn)擊放大圖像)

平臺中模型設(shè)計(jì)所關(guān)注的是企業(yè)分散在各角落數(shù)據(jù)、未知的商業(yè)模式與未知的分析報表，通過模型的步驟，理解業(yè)務(wù)并結(jié)合數(shù)據(jù)整合分析，建立數(shù)據(jù)模型為Data cleaning 指定清洗規(guī)則、為源數(shù)據(jù)與目標(biāo)提供ETL mapping （備注：ETL 代指數(shù)據(jù)從不同源到數(shù)據(jù)平臺的整個過程，ETL Mapping 可理解為 數(shù)據(jù)加工算法，給數(shù)碼看的，互聯(lián)網(wǎng)與非互聯(lián)網(wǎng)此處差異性也較為明顯，非互聯(lián)網(wǎng)數(shù)據(jù)平臺對ETL定義與架構(gòu)較為復(fù)雜）支持、 理清數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系。（備注：Data cleaning 是指的數(shù)據(jù)清洗 數(shù)據(jù)質(zhì)量相關(guān)不管是在哪個行業(yè)，是最令人頭痛的問題，分業(yè)務(wù)域、技術(shù)域的數(shù)據(jù)質(zhì)量問題，需要通過事前盤點(diǎn)、事中監(jiān)控、事后調(diào)養(yǎng)，有機(jī)會在闡述）。

大家來看一張較為嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)模型關(guān)系圖：

(點(diǎn)擊放大圖像)

• 數(shù)據(jù)模型是整個數(shù)據(jù)平臺的數(shù)據(jù)建設(shè)過程的導(dǎo)航圖。
• 有利于數(shù)據(jù)的整合。數(shù)據(jù)模型是整合各種數(shù)據(jù)源指導(dǎo)圖，對現(xiàn)有業(yè)務(wù)與數(shù)據(jù)從邏輯層角度進(jìn)行了全面描述，通過數(shù)據(jù)模型，可以建立業(yè)務(wù)系統(tǒng)與數(shù)據(jù)之間的映射與轉(zhuǎn)換關(guān)系。排除數(shù)據(jù)描述的不一致性。如：同名異義、同物異名..。
• 減少多余冗余數(shù)據(jù)，因?yàn)榱私鈹?shù)據(jù)之間的關(guān)系，以及數(shù)據(jù)的作用。在數(shù)據(jù)平臺中根據(jù)需求采集那些用于分析的數(shù)據(jù)，而不需要那些純粹用于操作的數(shù)據(jù)。

在面對企業(yè)復(fù)雜業(yè)務(wù)與成千上萬的數(shù)據(jù)項(xiàng)進(jìn)行設(shè)計(jì)時，沒有哪個牛逼的人都記得住的，所以出現(xiàn)了按照某種層次規(guī)則去有組織并抽象與管理易用，由此誕生了概念模型、邏輯模型、物理模型 (備注 數(shù)據(jù)平臺數(shù)據(jù)模型，而非數(shù)據(jù)挖掘的模型)。

數(shù)據(jù)模型在數(shù)據(jù)平臺的數(shù)據(jù)倉庫中是一個統(tǒng)稱，嚴(yán)格上來講分為概念模型、邏輯模型、物理模型。(備注：四類模型如何去詳細(xì)構(gòu)建文本不深講，關(guān)于非互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)模型網(wǎng)上非常多)

(點(diǎn)擊放大圖像)

在“我所經(jīng)歷的大數(shù)據(jù)平臺發(fā)展史 上篇 非互聯(lián)網(wǎng)時代“提到兩位大師的架構(gòu)與爭論，進(jìn)一步聚焦來說，爭論點(diǎn)我的認(rèn)為其實(shí)是在數(shù)據(jù)模型的支持上，Bill Inmon的EDW的原則是準(zhǔn)三范式的設(shè)計(jì)、Ralph kilmbal是星型結(jié)構(gòu)。

Bill Inmon對EDW 的定義是面向事物處理、面向數(shù)據(jù)管理，從數(shù)據(jù)的特征上需要堅(jiān)持維護(hù)最細(xì)粒度的數(shù)據(jù)、維護(hù)最微觀層次的數(shù)據(jù)關(guān)系、保存數(shù)據(jù)歷史。所以在構(gòu)建完畢的數(shù)據(jù)平臺中可以從中映射并檢查業(yè)務(wù)信息的完整性（同時也是養(yǎng)數(shù)據(jù)過程中的重要反饋點(diǎn)），這種方式還可以找出多個系統(tǒng)相關(guān)和重合的信息，減少多個系統(tǒng)之間數(shù)據(jù)的重復(fù)定義和不一致性，減小了應(yīng)用集成的難度。

(點(diǎn)擊放大圖像)

(點(diǎn)擊放大圖像)

該建設(shè)方式的要點(diǎn)是首先建立各個數(shù)據(jù)源業(yè)務(wù)的實(shí)體關(guān)系、然后再根據(jù)保存的主子實(shí)體關(guān)系、存儲性能做優(yōu)化。

Ralph kilmball 對DM（備注：數(shù)據(jù)集市，非挖掘模型）的定義是面向分析過程的(Analytical Process oriented)，因?yàn)檫@個模型對業(yè)務(wù)用戶非常容易理解，同時為了查詢也是做了專門的性能優(yōu)化。所以星型、雪花模型很直觀比較高性能為用戶提供查詢分析。

(點(diǎn)擊放大圖像)

該方式的建模首先確定用戶需求問題與業(yè)務(wù)需求數(shù)據(jù)粒度，構(gòu)建分析所需要的維度、與度量值形成星型模型；（備注 涉及的復(fù)雜維度、退化維度等不在這個討論范圍）。

數(shù)據(jù)模型的業(yè)務(wù)建模階段、領(lǐng)域概念模型階段、邏輯模型階段、物理模型階段是超級學(xué)術(shù)與復(fù)雜的話題，而且在模型領(lǐng)域根據(jù)特點(diǎn)又分主數(shù)據(jù)(MDM)、CIF（企業(yè)級統(tǒng)一視圖） 、通用模型(IBM 的金融、保險行業(yè)通用模型、 Teradata的 金融通用模型、 電信移動通用模型等)，鎖涉及到術(shù)語”擴(kuò)展“、”扁平化“、”裁剪“等眼花繚亂的建模手法，數(shù)據(jù)模型不同層次ODS、DWD
DWD、DW、ST的分層目的不同導(dǎo)致模型設(shè)計(jì)方法又不同。相信業(yè)界有很多大牛能講的清楚的，以后有機(jī)會再交流。

(點(diǎn)擊放大圖像)

(點(diǎn)擊放大圖像)

(點(diǎn)擊放大圖像)

(點(diǎn)擊放大圖像)

本文帶大家回憶了歷史非互聯(lián)網(wǎng)的數(shù)據(jù)平臺發(fā)展與核心模型特點(diǎn)，當(dāng)然數(shù)據(jù)平臺的發(fā)展不是一步到位的，是經(jīng)過無數(shù)人的智慧、努力反復(fù)迭代而逐漸演進(jìn)的。

非互聯(lián)網(wǎng)企業(yè)的數(shù)據(jù)平臺發(fā)展，每一代的平臺架構(gòu)中的結(jié)構(gòu)都是及其復(fù)雜的，比如ETL架構(gòu)、數(shù)據(jù)模型架構(gòu)、BD的架構(gòu)、前端展現(xiàn)、元數(shù)據(jù)、數(shù)據(jù)質(zhì)量等各方面，每一部分展開都是一個很深的話題，有機(jī)會再分享給大家。 

下篇章將分享給大家互聯(lián)網(wǎng)時代的數(shù)據(jù)平臺，互聯(lián)網(wǎng)的數(shù)據(jù)平臺也就是在07年-08年左右開始迅猛發(fā)展的，在發(fā)展的初期也是從傳統(tǒng)數(shù)據(jù)平臺的第三代架構(gòu)開始演進(jìn)的，互聯(lián)網(wǎng)產(chǎn)品發(fā)展特點(diǎn)是“糙、快、猛”，同時數(shù)據(jù)量的超快速膨脹所帶來的技術(shù)變革，從數(shù)據(jù)倉庫->海量數(shù)據(jù)->大數(shù)據(jù)膨脹必然原有的技術(shù)無法支撐高IO吞吐、密集型計(jì)算，從而發(fā)展了合適互聯(lián)網(wǎng)大數(shù)據(jù)平臺。

關(guān)于作者

松子（李博源），自由撰稿人，數(shù)據(jù)產(chǎn)品&數(shù)據(jù)分析總監(jiān)。2000年開始數(shù)據(jù)領(lǐng)域，從業(yè)傳統(tǒng)制造業(yè)、銀行、保險、第三方支付&互聯(lián)網(wǎng)金融、在線旅行、移動互聯(lián)網(wǎng)行業(yè) ； 個人沉淀在大數(shù)據(jù)產(chǎn)品、大數(shù)據(jù)分析、數(shù)據(jù)模型領(lǐng)域；歡迎關(guān)注個人微信訂閱號：songzi2016。

感謝杜小芳對本文的審校。

給InfoQ中文站投稿或者參與內(nèi)容翻譯工作，請郵件至editors@cn.infoq.com。也歡迎大家通過新浪微博（@InfoQ，@丁曉昀），微信（微信號：InfoQChina）關(guān)注我們。