《数据架构设计指导书》由会员分享，可在线阅读，更多相关《数据架构设计指导书（19页珍藏版）》请在金锄头文库上搜索。
1、数据架构设计指引书(版本号 V1.0)朗新科技(中国)有限公司06月更改履历版本号修改编号更改时间更改的图表和章节号更改简要描述更改人批准人V1-15王全义郑德炳注:更改人除形成草稿，后来每次修改在未批精确认前均需采用修订的方式进行修改。目录1编写目的3合用范畴数据架构设计原则3数据架构设计34.1公司业务数据分类4.1按数据格式划分4.2按数据参照限度划分4.1.按数据采集频道划分44.4按使用性质划分44数据主题域54.2数据主题域视图542.2数据主题域关系视图3概念数据模型 概念数据模型重要由最佳实践和业务需求作为驱动因素高阶的数据模型,定义了重要的业务领域概念(即数据主题域)和彼此的
2、关系,由核心的数据实体或其集合，以及实体间的关联关系构成。概念数据模型独立于信息系统存在，不波及信息在系统中的表达。7.3.1概念模型视图4.3.2数据流转视图8.4逻辑数据模型8.4.1逻辑数据模型视图.4.2数据分布视图9.物理数据模型104.51物理模型视图10.数据库具体设计11.61数据基本设计114.6.2常用参数11.6.3重要模式114.64表空间规划及存储容量估算124.65历史表1.6.6表分区34.7DBK14.同义词1.9主键144610索引146.11约束154.6.修改标志时间戳4.6.13LOB字段14.14冗余字段设计151 编写目的为了提高数据架构设计能力、规
3、范软件设计流程、加强架构管控力度，提高软件安全特制定本规范。此文档描述了数据架构设计等。2 合用范畴合用于数据架构设计人员。3 数据架构设计原则数据资产化原则:将数据作为公司具有价值的无形资产来管理，统一结识，加强数据资产认责管理，保障数据资产的价值发挥。数据共享性原则：避免数据孤岛的建设和数据私有化,加强数据在公司各级单位、各个业务领域间的共享。营造及时、精确的共享数据环境,完善数据管控机制，保证数据共享符合信息安全规定。数据可用性原则：建立原则化、多样化的数据资产获取渠道和访问方式。加强数据质量管理,增强顾客使用数据的信心,有效支撑各类分析应用建设。数据认责原则:针对不同的数据资产指定权威
4、的数据拥有者、质量责任者、平常管理维护者等角色,建立配套的数据管控机制和评价考核体系，保证数据认责工作的有效开展。数据原则化原则：在公司全局范畴内建立通用的数据原则,涉及业务数据原则，主数据原则,元数据原则等,避免数据的二义性,增进数据共享和运用。数据安全性原则:定义数据安全级别,建立数据安全控制过程,保证数据被合理的访问、共享和发布，避免未经授权的数据操作，满足监管单位和公司业务经营对数据安全的规定。4 数据架构设计数据架构设计重要解决:存在哪些数据资源、如何管理数据资源、解析业务信息的数据模型是什么、面向交易、互换和分析的数据模型是什么、信息在流程间、数据在功能间如何流转等问题。数据架构设
5、计重要内容:数据主题域设计、概念数据模型设计、逻辑数据模型设计、物理数据模型设计等。4.1 公司业务数据分类4.1.1 按数据格式划分构造化数据:以便用数据库的二维表构造来逻辑体现实现的数据,数据构造字段含义拟定，清晰。例如:客户信息、用电记录等。是挖掘数据价值的重要对象。非构造化数据:很难按照一种概念去解决的无构造性的数据。例如文本、多媒体数据等。其数据运用技术相对于构造化数据起步晚，是将来数据应用的一种发展方向。4.1.2 按数据参照限度划分主数据：用于描述公司核心业务实体/对象的基本业务数据,它在公司内长期存在并且被反复应用于多种业务部门和信息系统，是最容易产生数据一致性问题的一类数据,
6、需要单独的管控机制对其进行管理。非主数据：相对于主数据，其他的参照度低的、存在周期短的非核心实体对象数据可觉得是非主数据。4.1.3 按数据采集频道划分非实时数据：相对于实时数据，其他的公司经营过程中产生的，由业务人员通过应用系统输入的数据都可觉得是非实时数据实时数据:重要是由某些传感器设备以自动化的方式采集的秒级、毫秒级的数据,例如电网运营数据、设备状态数据等。这些数据的特点是数据内容简朴，但数据量很大。4.1.4 按使用性质划分分析性数据:用于支持平常报表、查询、分析等决策需求的数据。共享数据：来自某个业务系统，在业务部门之间、业务系统之间反复使用的数据4.2 数据主题域数据主题域由业务信
7、息按照其业务耦合限度聚合而成的高阶数据主题群，一般与业务域有着紧密的相应关系。例如：财务、物资、生产等。数据主题域通过数据主题域视图和数据主题域关系视图来体现。4.2.1 数据主题域视图呈现数据域和数据主题，并定义数据主题对业务域的支撑关系。例图如下:4.2.2 数据主题域关系视图呈现数据主题域之间的逻辑关系。一般分为一级数据主题域关系视图和二级数据主题域关系视图，二级是一级的细化。一级数据主题域关系视图如下：二级数据主题域关系视图如下：4.3 概念数据模型 概念数据模型重要由最佳实践和业务需求作为驱动因素高阶的数据模型，定义了重要的业务领域概念（即数据主题域)和彼此的关系,由核心的数据实体或
8、其集合,以及实体间的关联关系构成。概念数据模型独立于信息系统存在,不波及信息在系统中的表达。概念模型应当抓住一种重点，即体现重要业务概念及业务概念之间的关系;解决并只解决需要在全国范畴内统一规范的核心的业务问题；只是反映了业务对数据的需求，包容多种物理实现方式,除非该种物理实现方式不满足业务的需求。概念数据模型一般由概念数据模型视图和数据流转视图构成。4.3.1 概念模型视图呈现数据主题域之下的数据实体,并呈现数据实体之间的关联关系。4.3.2 数据流转视图呈现数据实体所分布到的应用，并展示数据在应用间的流转。例图如下:4.4 逻辑数据模型逻辑数据模型对概念数据模型的进一步分解和细化，描述实体
9、、属性以及实体关系，通用的字段类型、长度和主外键关系等做了定义，设计时一般遵从“第三范式”以达到最小的数据冗余。逻辑模型的设计由最佳实践和业务需求、数据资源规划、既有业务应用数据模型等作为驱动因素逻辑数据模型由逻辑数据模型视图和数据分布视图构成4.4.1 逻辑数据模型视图对数据实体的分解细化，对数据实体的属性、属性类型、长度和主外键关系等做了定义，遵从“第三范式”以达到最小的数据冗余。4.4.2 数据分布视图呈现数据实体所分布到的功能,并定义在功能中的操作（RUD） 数据分布视图如下：CRUD如下：4.5 物理数据模型物理数据模型描述数据模型的细节，需要考虑所使用的数据库产品、相应的字段类型、
10、长度、索引等因素，并对数据冗余与性能进行平衡,必须拟定数据库平台和应用程序的架构。物理数据模型的设计由数据库/数据仓库系统平台和性能调节优化规定作为驱动因素。4.5.1 物理模型视图描述数据模型的细节,需要考虑所使用的数据库产品、相应的字段类型、长度、索引等因素,并对数据冗余与性能进行平衡。 物理模型视图例图如下:4.6 数据库具体设计4.6.1 数据基本设计数据库类型：race数据库版本：1.0.3或11.0.数据库SID：sqadb1、qadb2数据库名： sqld语言：MERIAAMERICA数据库字符集（NLS_CARACTERET）:UTF8国家区域字符集(LS_NCHAR_CARC
11、TESE)：UF84.6.2 常用参数LS_LENGH_SEMATIS =CHR阐明:此参数需要设立后重启方可生效。4.6.3 重要模式设计规划数据库ceas,重要用于客户端或外部系统访问数据库。具体设计例子如下：模式名英文内容描述权限需求对象类型默认空间默认索引表空间工作流顾客stow用于保存工作流数据由普华提供由普华提供DATA_SOTOWERDX_OTOR权限、组织pm用于保存权限组织由普华提供由普华提供DAA_BPIDX_PM4.6.4 表空间规划及存储容量估算根据业务状况与各物理表设计字段长度,评估运营周期1年内产生的数据量。数据域数据表空间容量估算(GB）索引表空间容量估算（B)客
12、户档案DA_CUS7080ID_CS105-420服务体系/用能分析/营销市场系统支持DAA_ESMP40IX_ EESMP0用能采集DATAEI300IXEIC100工作流DASTER05IDX_OTOWER5组织、权限DAA_BP0.5IDX_BPM0.5接口顾客DATAI5IXAPI0.54.6.5 历史表所有非档案数据表在系统设计之初就需要考滤历史数据的使用。历史表设计必须在需求分析阶段拟定下来,并在数据模型设计得以体现。在线数据保存在在线系统中的目前表中，保存业务常常使用的数据。历史数据保存在历史系统中的历史表中,保存目前业务不被使用的数据，将这部数据从在线系统中迁出可以在线系统库维
13、持在稳定的大小,提高在线库的性能和可靠性,提高目前表中的查询速度。对于有时间特性的流水业务数据必须进行归档,归档周期由具体业务需求决定。如果数据量巨大，可根据业务需求缩短归档时间周期。对于没有明显时间特性的旧数据,可按业务需要原则进行判断之后加以归档，如果数据状态、标记等,归档实体表中尽量增长时间属性。本系统中对于流程已走完的工单数据,在呼喊接入平台、呼喊服务业务支持系统数据库中，征询、报修类数据保存个月,其他数据保存6个月，征询、报修类数据保存3个月此前的数据和其他个月此前的数据将迁移历史库中。呼喊接入平台与呼喊服务业务支持系统共用同一种历史库。历史表构造必须为时间分区构造(特殊状况除外），字段构造与在线表相似,历史表名与在线表名保持一致。序号主题域历史表实体名称历史表表名（与基表表名相似）历史表分区方案历史表数模变更需求4.6.6 表分区尽量不采用二级分区;每个分区的记录数应对于数据量较大的表,
