逻辑模型 2.1.1逻辑模型的元素要与指定的逻辑模型层次结构保持一致 详细描述 在逻辑模型中创建逻辑元素，逻辑元素在架构树中与上下级元素的关系层级结构要与逻辑模型架构方案配置定义的层次结构一致，即该逻辑元素与上层父级元素、下层子级元素的父子关系（也称上下层级关系）、以及它们之间的

查看更多 →

图类型选择“4+1视图>逻辑视图>逻辑模型”，输入图名称，单击保存即可。 创建0层模型逻辑元素。 在0层模型图创建完后，从工具箱中拖入System、Subsystem元素到0层逻辑模型图中。 创建1层逻辑模型和逻辑元素。 在Subsystem元素下创建子图，子图即为1层逻辑模型，从工程树上将

查看更多 →

单击已新建的逻辑模型右侧的“编辑”，可以修改逻辑模型的参数信息。 单击已新建的逻辑模型右侧的“删除”，可以删除逻辑模型。删除操作无法恢复，请谨慎操作。如果模型包含业务表，无法删除。 单击已新建的逻辑模型右侧的“转化为物理模型”，可以将逻辑模型转化为物理模型。具体操作请参见逻辑模型转换为物理模型。 单击已新建的

查看更多 →

逻辑模型设计 逻辑模型设计用于定义和描述数据之间的逻辑关系。解决方案工作台支持创建逻辑实体并配置逻辑实体间的关系，支持从文件导入逻辑模型，支持导出逻辑模型。 创建逻辑模型 架构师进入到对应空间和方案后，选择对应信息架构的逻辑模型设计，点击“新建”按钮，填写模型名称和描述(非必填)，点击确认。

查看更多 →

转换逻辑模型为物理模型 功能介绍 转换逻辑模型为物理模型 调用方法 请参见如何调用API。 URI PUT /v1/{project_id}/design/workspaces/{model_id}/transform 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

设计概念模型，再进一步细化设计出逻辑模型，最后设计物理模型。 物理模型：是在逻辑数据模型的基础上，考虑各种具体的技术实现因素，进行数据库体系结构设计，真正实现数据在数据库中的存放，例如：所选的 数据仓库 是DWS或 MRS _Hive。 在关系建模中，系统支持将物理模型和逻辑模型进行区分

查看更多 →

数据库逻辑结构图 GaussDB 的数据库节点负责存储数据，其存储介质也是磁盘，本节主要从逻辑视角介绍数据库节点都有哪些对象，以及这些对象之间的关系。数据库逻辑结构如图1。 图1 数据库逻辑结构图 Tablespace，即表空间，是一个目录，可以存在多个，里面存储的是它所包含的数据

查看更多 →

数据库逻辑结构图 GaussDB的数据库节点负责存储数据，其存储介质也是磁盘，本节主要从逻辑视角介绍数据库节点都有哪些对象，以及这些对象之间的关系。数据库逻辑结构如图1。 图1 数据库逻辑结构图 Tablespace，即表空间，表空间是一个目录，数据库中可以存在多个表空间，其中存

查看更多 →

数据库逻辑结构图 GaussDB的数据库节点负责存储数据，其存储介质也是磁盘，本节主要从逻辑视角介绍数据库节点都有哪些对象，以及这些对象之间的关系。数据库逻辑结构如图1。 图1 数据库逻辑结构图 Tablespace，即表空间，表空间是一个目录，数据库中可以存在多个表空间，其中存

查看更多 →

数据库逻辑结构图 集群的每个DN负责存储数据，其存储介质是磁盘，本节主要从逻辑视角介绍每个DN上有哪些对象，以及这些对象之间的关系。另外介绍数据在不同节点的分布方式。数据库逻辑结构如图1所示。 图1 数据库逻辑结构图 Tablespace，即表空间，表空间是一个目录，数据库中可以

查看更多 →

策支持系统发展。 数据仓库相比数据库，主要有以下两个特点： 数据仓库是面向主题集成的。数据仓库是为了支撑各种业务而建立的，数据来自于分散的操作型数据。因此需要将所需数据从多个异构的数据源中抽取出来，进行加工与集成，按照主题进行重组，最终进入数据仓库。 数据仓库主要用于支撑企业决策

查看更多 →

数据库逻辑结构图 集群的每个DN负责存储数据，其存储介质也是磁盘，本节主要从逻辑视角介绍每个DN上都有哪些对象，以及这些对象之间的关系。另外介绍一下数据在不同节点的分布方式。数据库逻辑结构如图1所示。 图1 数据库逻辑结构图 Tablespace，即表空间，表空间是一个目录，数据

查看更多 →

数据库逻辑结构图 集群的每个DN负责存储数据，其存储介质也是磁盘，本节主要从逻辑视角介绍每个DN上都有哪些对象，以及这些对象之间的关系。另外介绍数据在不同节点的分布方式。数据库逻辑结构如图1所示。 图1 数据库逻辑结构图 Tablespace，即表空间，是一个目录，可以存在多个，

查看更多 →

策支持系统发展。 数据仓库相比数据库，主要有以下两个特点： 数据仓库是面向主题集成的。数据仓库是为了支撑各种业务而建立的，数据来自于分散的操作型数据。因此需要将所需数据从多个异构的数据源中抽取出来，进行加工与集成，按照主题进行重组，最终进入数据仓库。 数据仓库主要用于支撑企业决策

查看更多 →

先设计概念模型，再进一步细化设计出逻辑模型，最后设计物理模型。 物理模型：是在逻辑数据模型的基础上，考虑各种具体的技术实现因素，进行数据库体系结构设计，真正实现数据在数据库中的存放，例如：所选的数据仓库是DWS或 DLI 。 维度建模 维度建模是从分析决策的需求出发构建模型，它主要是

查看更多 →

数据源分析：主要分析数据仓库的数据如何满足集市的需要，即确定需要数据仓库的那些表数据，如果数据仓库没有，则需要数据仓库进行数据补充 数据仓库表与目标表字段进行映射，确定加工规则 验证数据并调整加工规则 实施步骤 根据设计好的目标表，创建DM层物理表 基于两张汇总表进行逻辑开发和字段映射

查看更多 →

pping" 指的是一种规则和逻辑的集合，用于描述如何从源数据抽取、转换和加载到目标数据仓库中的过程。映射定义了源系统中的数据如何映射到目标系统中，以满足数据仓库的数据需求和分析目标。 做Mapping的目的如下： 数据转换： 数据从源系统到数据仓库的过程中，往往需要进行各种数据

查看更多 →

数据仓库 华为云数据仓库高级工程师培训 父主题： 培训服务

查看更多 →

性，表的属性（是否为外部表等），表的数据所在目录等。 Hive结构 Hive为单实例的服务进程，提供服务的原理是将HQL编译解析成相应的MapReduce或者HDFS任务，图1为Hive的结构概图。 图1 Hive结构 表1 模块说明 名称 说明 HiveServer 一个集群内

查看更多 →

结构 “结构”视图会显示当前活动的Python文件的符号树，并提供多种排序、分组和过滤功能。要打开“结构”视图，请在右侧的活动栏中单击“结构”，或按下 “Ctrl+Shift+F10”。 要快速导航到某个符号，请单击“结构”视图列表中的相应项。使用“结构”视图工具栏按钮可以对显示的符号进行排序、过滤和分组。

查看更多 →

的场景。 “业务对象/逻辑数据实体-被管理-用户”：描述的是数据管家管理业务对象/逻辑数据实体的场景。 “业务对象/逻辑数据实体-被拥有-用户”：描述的是数据Owner管理业务对象/逻辑实体的场景。 信息架构和数据集之间的实体联接： “数据集-关联于-逻辑数据实体”：描述的是多个

查看更多 →