生成逻辑日志。目标数据库解析逻辑日志以实时进行数据复制。具体如图1所示。逻辑复制降低了对目标数据库的形态限制，支持异构数据库、同构异形数据库对数据的同步，支持目标库进行数据同步期间的数据可读写，数据同步时延低。 图1 逻辑复制 逻辑复制由两部分组成：逻辑解码和数据复制。逻辑解码会

查看更多 →

逻辑解码 逻辑解码概述 逻辑解码选项 使用SQL函数接口进行逻辑解码 使用流式解码实现数据逻辑复制 父主题： 逻辑复制

查看更多 →

逻辑解码 逻辑解码概述 逻辑解码选项 使用SQL函数接口进行逻辑解码 使用流式解码实现数据逻辑复制 父主题： 逻辑复制

查看更多 →

逻辑解码 逻辑解码概述 逻辑解码选项 使用SQL函数接口进行逻辑解码 使用流式解码实现数据逻辑复制 逻辑解码支持DDL 父主题： 逻辑复制

查看更多 →

逻辑解码 逻辑解码概述 使用SQL函数接口进行逻辑解码 父主题： 逻辑复制

查看更多 →

客户打通自己的业务能力API，将大模型的能力结合进入自己的业务链路。 提供支撑AI原生应用运行的整套模型工具链，包括数据管理、模型接入、模型调优、知识工程等能力，帮助客户选好、管好、用好大模型，从而提升大模型应用效果。 统一主数据平台和概念模型， 管理应用生命周期中组织、产品、服

查看更多 →

。 以人口逻辑模型为例： 单击逻辑模型下面加号，进入新建页面，输入模型名称为“人口”，单击确定。 图1 关系建模1 单击逻辑模型“人口”，进入逻辑模型“人口”的管理界面。 图2 关系建模2 单击更多，选择“导入”，单击“下载关系建模导入模板” 图3 关系建模3 物理模型是指按照一

查看更多 →

式、值域是数据交换的基础，它们用于描述表的字段元信息，规范字段所存储的数据信息。 数据标准 关系建模 支持逻辑模型设计、物理模型设计、逆向数据库、关联质量规则、导入导出模型、查看表。 关系建模 维度建模 维度是用于观察和分析业务数据的视角，支撑对数据汇聚、钻取、切片分析，用于SQL中的GROUP

查看更多 →

术资产呈现。同时支持采集规范设计创建的数据模型，作为业务资产呈现，并与技术资产自动关联。规范设计中创建的指标也会采集并作为指标资产呈现。 图1 数据地图 元数据采集 元数据（Metadata）是关于数据的数据。在 数据仓库 系统中，元数据可以帮助数据仓库管理员和开发人员非常方便地找到

查看更多 →

运行模型 2.8.1运行模型、运行模型-顺序图、运行模型-活动图中不能产生新的逻辑元素 详细描述 在运行模型中不能创建新的逻辑元素，只能从逻辑模型中引用或者实例化到运行模型中来进行设计。 检查范围 当前模型工程中的所有模型图类型为运行模型图上的逻辑元素，逻辑元素的定义参考逻辑模型检查章节。

查看更多 →

向代码元素。 前提条件 因为构建模型主要是描述创建出来的构建元素与代码元素的Build From构建关系，所以在画构建模型设计前必须要先完成代码模型的设计。 建模步骤 创建构建模型。 创建新的构建模型图或者在已有的构建模型图中进行画图设计，如果设计内容过多，可根据实际情况将内容进

查看更多 →

属性L5设计和数据分级 属性L5设计和数据分级 数据标准/指标设计 数据标准/指标设计 3 数据工程实施 数据集成 数据集成前探查 全量数据同步 增量数据同步 规范设计 配置中心（审核人、功能、模型管理配置） 流程设计 主题设计 码表管理 数据标准 关系建模（逻辑模型、物理模型） 业务指标

查看更多 →

概述 架构设计4+1视图模型结构如下所示： 4+1视图是一组相关联模型的集合，从不同的视角，反映不同利益干系人的关注点。通过逻辑、开发、部署、运行4个典型视角描述系统的各个切面，以用例串接和验证各切面设计。 视图类型 描述 逻辑视图 逻辑视图面向系统逻辑分析和设计，描述系统逻辑结构的

查看更多 →

信息架构设计 创建信息架构 主题设计 逻辑模型设计 物理模型设计 ETL映射设计 业务指标设计 配置管理 父主题： 设计中心

查看更多 →

数据资产模型 数据资产模型是解决方案信息架构共享，包含方案的主题设计、逻辑模型设计、物理模型设计、ETL映射、业务指标设计等。如何发布数据资产模型参考归档发布资产。 查找数据资产模型 图1 查找数据资产模型 图2 数据资产模型详情 引用数据资产模型 支持将发布的数据资产模型引用到指

查看更多 →

创建空白信息架构模板，在此模板上进行信息架构设计。 进入设计中心后，切换至在技术架构设计页签，点击【新建信息架构】。 填写信息架构名称，选择无模板后单击【确定】。 图2 创建信息架构 创建完成后，该空白信息架构模板包含空白的主题设计、逻辑模型设计、物理模型设计、ETL映射设计、业务指标设计和配置管理，您可以在此基础上进行设计。

查看更多 →

按照传统的定义，元数据（Metadata）是关于数据的数据。元数据打通了源数据、数据仓库、数据应用，记录了数据从产生到消费的全过程。元数据主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及ETL的任务运行状态。在数据仓库系统中，元数据可以帮助数据仓库管理员和开发人员非常方便地找到其所关心的数据

查看更多 →

数据仓库规格 GaussDB (DWS)的规格按照产品类型分为标准数仓、实时数仓和IoT数仓。其中实时数仓还包含单机版模式。各产品类型的不同差异，详情请参见数据仓库类型。 标准数仓（DWS 2.0）规格 标准数仓（DWS 2.0）云盘规格，该规格弹性伸缩，无限算力、无限容量，规格详情请参见表1。

查看更多 →

数据仓库类型 产品类型概述 标准数仓（DWS 2.0）：面向数据分析场景，为用户提供高性能、高扩展、高可靠、高安全、易运维的企业级数仓服务，支持2048节点、20PB级超大规模数据分析能力。支持冷热数据分析，存储、计算弹性伸缩，并按需、按量计价，为用户提供弹性灵活、极致性价比的体

查看更多 →

流程设计 宏观层面：重点是组织架构与流程架构匹配，组织设置必须支撑流程价值实现，组织职责必须清晰具体，不能有重叠、空白、过多、过少； 微观层面：看流程角色职责是否通过岗位职责的设置有效落实，岗位职责与其匹配的流程角色职责相符。 单击左侧导航栏“流程设计”并进入流程设计页面。 图1

查看更多 →

表设计 GaussDB是分布式架构。数据分布在各个DN上。总体上讲，良好的表设计需要遵循以下原则： 【关注】将表数据均匀分布在各个DN上。数据均匀分布，可以防止数据在部分DN上集中分布，从而导致因存储倾斜造成集群有效容量下降。通过选择合适的分布列，可以避免数据倾斜。 【关注】将表

查看更多 →