数据仓库建模之Anchor模型解读

DAMA数据管理知识体系指南-读书笔记5 第五章 数据建模和设计 一、引言 定义:数据建模是发现、分析和确定数据需求的过程,然后采用数据模型的精确形式表示和传递这些数据需求。这个过程是循环迭代的,可能包括概念、逻辑和物理模型 目标:确认并记录不同视角对数据需求的理解,确保应用程序更符合当前和未来的业务需求,为更多数据应用或数据管理奠定一个良好的基础。 1.1 业务驱动因素 数据模型对有效数据管理直观重要 提供有关数据的通用词汇表 获取、记录组织内数据和系统的详细信息 在项目中作为主要交流沟通工具 提供了应用定制、整合,... 阅读详情

Anchor模型 对 Data Vault 模型做了进一步规范化处理,Lars. Ri:innback(作者) 的初衷是设计一个高度可扩展的模型,其核心思想是所有的扩展只是添 加而不是修改,因此将模型规范到 6NF,基本变成了 k-v 结构化模型。 我们看一下 Anchor模型的组成。

  • Anchors:类似于 Data Vault模型的 Hub,代表业务实体,且只有主键。
  • Attributes:功能类似于 Data Vault模型 的 Satellite(实体的详细描述内容),但是它更加规范化,将其全部 k-v结构化, 一个表只有一个 Anchors 的属性描述。
  • Ties:就是 Anchors 之间的关系,单独用表来描述,类似于 Data Vault 的 Link,可以提升整体模型关系的扩展能力。
  • Knots:代表那些可能会在 多个 Anchors 中公用的属性的提炼, 比如性别、状态等这种枚举类型且被公用的属性。在上述四个基本对象的基础上,又可以细划分为历史

---------------------------------------------------------------------------------------------------------------------------------

一、解读该图:

如上图所示(图5:描述不同建模概念的图形表示的锚模式)

角色分别是(举例):

1、Anchor:PE Performance, ST Stage, PR Program and AC Actor

2、Attributes:PR_NAM_Program_Name,  PE_DAT_Performance_Date, AC_NAM_Actor_Name、ST_NAM_Stage_Name(两个圈代表有历史化、变化的)、ST_LOC_Stage_Location、AC_GEN_Actor_Gender(knotted attribute)、AC_PLV_Actor_ProfessionalLevel(knotted attribute)

3、Ties:PE_in_AC_wasCast、PE_wasHeld_ST_atLocation、PE_at_PR_wasPlayed、ST_atLocation_PR_is-Playing、AC_part_PR_in_RAT_got

4、Knots:GEN_Gender、PLV_ProfessionalLevel

(没有列举完,以此类推)

------------------------------------------------------------------------------------------------------------------------------- 

二:拆开来看

分别描述的话:

1、图1:

翻译:

Anchor (a) 显示为实心正方形,knot (d) 显示为略呈圆形的轮廓正方形角落。 静态attribute(b)和knotted静态attribute(e)显示为轮廓圆圈。 有历史属性 (c) 和knotted的历史attribute (f) 显示为具有双轮廓的圆圈。 打结的属性引用一个结。

2、图2

翻译:

静态tie (a) 和knotted的静态tie (c) 显示为实心菱形。 历史tie (b) 和knotted的历史tie (d) 显示为带有额外轮廓的填充钻石。 至少Knotted ties参考一tie。 领带的标识符用黑色圆圈标记。

 --------------------------------------------------------------------------------------------------------------------------------

三、原文总结如下:

本例中的场景基于一家企业安排的舞台表演,商业实体是举行表演舞台,及定义真实表演的节目,即舞台上表演的内容,和执行表演的演员。

舞台有两个属性,名字和位置。名称可能时间的推移而改变,但是位置不会改变。表演有一个名字,用来描述演出。如果一个表演修改了名字就会被认为是另一个演出。演员有名字,但由于这是一个假名,可能随着时间的变化而改变。他们也有性别,我们假定不会变化。公司海持续跟进演员的专业水平。随着演员积累经验,专业水平会随着时间的推移而变化。演员们表演的每一个节目都会得到评分。如果他们的表现一直更好或更差,评级就会改变以反映着一点。舞台在任何给定的时间只会播放节目,他们不时的改变节目。为了简化选角,演员之间就会有父母关系,这样就可以确定一个演员是另一个演员的母亲还是父亲。表演是一种受到时间和空间限制的事情,涉及一个或多个演员表演某个节目的舞台。企业经理人还需要了解每场演出的观众人数并由此获得的总收入。

CAESAR II管道应力分析全流程解析:从建模到报告解读 管道系统在温度、压力及外部载荷作用下会产生复杂应力,热膨胀带来的位移若被约束,将引发严重的安全隐患。工程中需借助专业的管道应力分析软件进行精确校核,CAESAR II正是业内应用最广泛的工具之一。它基于有限元梁单元模型,可模拟管道自重、内压、热膨胀、风载及地震等工况,按照ASME B31.3等规范完成一次应力、二次应力及偶然应力评定,并输出支架载荷与设备管口受力。无论是石化、电力还是海洋平台项目,应力分析都是确保管道柔性设计与安全运行的关键环节。本文从工程应用视角,系统讲解CAESAR II的建模准备、参数 阅读详情

相关推荐

Kimi K2.5技术报告深度解读:长上下文建模的工程化边界与实操指南

长上下文大模型是当前企业落地AI的核心瓶颈,其本质挑战在于注意力稀释、位置偏差与推理跨度受限。Kimi K2.5并非简单扩大context窗口,而是通过分层位置编码(Hierarchical RoPE)和动态稀疏注意力重构记忆通路,在200K有效上下文中实现语义区块感知与跨段落稳定关联。该设计显著提升法律合同条款提取、金融研报归因分析等高精度任务的鲁棒性,同时兼顾推理延迟与部署成本。对工程师而言,理解其`max_retrieval_depth`、`block_confidence_threshold`等隐式

weixin_30632089的博客 1412

数仓建模理论--Anchor建模

Anchor对Data Vault模型做了进一步规范化处理,Lars.Ronnback的初衷是设计一个高度可扩展的模型,其核心思想是所有的扩展只是添加而不是修改,因此将模型规范到6NF,基本变成了k-v结构化模型。 Anchor模型的组成 Anchors: 类似于Data Vault的Hub,代表业务实体,且只有主键。 Attributes: 功能类似于Data Vault的Satellite,但是它更加规范化,将其全部k-v结构化,一个表只有一个Anchors的属性描述。 Ties: 就是Anchors之

qq_43118086的博客 2287

数仓建模:掌握锚点建模技术(Anchor Modeling),轻松应对需求频繁变化的业务挑战

在半导体制造场景中,高频变化的数据环境(如设备参数实时波动、工艺路线快速迭代)对传统数仓建模方法提出了巨大挑战。【数据建模+业务建模,不一样的认知体系】(如果只懂数据建模而不懂业务建模,数仓体系认知是不全面的)(2)实战中总结的SQL技巧,帮助SQLBOY 在SQL语言上有质的飞越,无论你应对业务难题及面试都会游刃有余【如果您觉得本文还不错,对你有帮助,那么不妨可以关注一下我的数字化建设实践之路专栏,这里的内容会更精彩。:核心业务实体(如设备、工单、晶圆批次):实体的动态特征(如设备温度、工艺参数)

石榴姐yyds 696

数仓建模方法论-E-R模型、维度模型、Data Vault模型、Anchor模型

数仓建模方法论-E-R模型、维度模型、Data Vault模型、Anchor模型

qq_41982570的博客 3138

anchor:Anchor Modeler是用于创建数据库模型的数据库建模工具,该模型可使用第六范式处理临时化

Anchor Modeler是一个数据库建模工具,用于创建使用第六范式处理时间化的数据库模型。 有关锚定建模的更多信息,请参见 。 该工具可以下载并托管在任何Web服务器上。 它是用HTML5编写的,并且完全在客户端中运行,并具有到Cloud的可选连接以加载和保存模型。 可以在找到使用该工具进行锚定建模的短期课程。

Backblaze 2025全年硬盘故障率报告解读

作为长期追踪存储行业动态的科技博主,每年/季度Backblaze的Drive Stats报告都是我重点关注的核心内容——不同于厂商发布的实验室数据,Backblaze以近13年、数十万片企业级硬盘的真实运行数据为基础,其年化故障率(AFR)、寿命趋势等结论,直接反映了硬盘在严苛数据中心环境下的真实表现,无论是企业存储选型还是个人高端存储参考,都具备极高的实用价值。2025年末,Backblaze发布了第13年的年度收官报告,涵盖2025年Q4、全年及终身硬盘可靠性数据。

存储随笔 4023

漫谈数据仓库之维度建模

- 前言 -下面的内容,是笔者在学习和工作中的一些总结,其中概念性的内容大多来自书中,实践性的内容大多来自自己的工作和个人理解。由于资历尚浅,难免会有很多错误,望批评指正!-...

大数据星球-浪尖 209

深入探索 SEED-VII:情感脑电图研究的新利器

SEED-VII是上海交通大学最新发布的多模态情感脑电图数据集,在传统EEG数据基础上增加了眼动、生理信号等多维信息,支持更精细的情感识别研究。该数据集提供了丰富的情感维度标注(效价和唤醒度),可用于算法基准测试、跨模态情感融合及个性化模型开发等研究场景。在应用层面,SEED-VII可推动人机交互、心理健康监测、教育娱乐等领域的情感计算技术发展。文章还提供了PyTorch加载该数据集的代码示例,为研究者使用该数据集提供了技术参考。

qq_32516809的博客 1749

PaddleDetection PP-YOLOE+ 全面指南:Anchor-free 目标检测模型库、源码解读与端到端部署实战

PP-YOLOE 是 PaddleDetection 基于 PP-YOLOv2 演进出的单阶段 Anchor-free 目标检测系列模型(s/m/l/x/t 多个规格),凭借「免特殊算子、部署友好、精度速度均衡」的设计在 COCO 等主流数据集上表现出色。本文以 [configs/ppyoloe/README.md](https://link.gitcode.com/i/63357273f619a

gitblog_00901的博客 242

从零到一:KUKA机械臂与ROS的工业级通讯协议深度解析

本文深度解析KUKA机械臂与ROS的工业级通讯协议,重点对比EKI与RSI两种核心接口的技术特点与应用场景。详细介绍了网络架构设计、数据包解析机制及ROS-I集成方法,并提供实时性能优化与故障排除策略,为工程师实现高可靠性工业自动化集成提供完整解决方案。

2a4s6d8f0g的博客 298

PCB布局布线要求及多层电路板叠加原则

例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考本文主要针对PCB布局布线中的要点进行了总结,并对多层电路板的叠加原则进行了解释。

Ka_wyb的博客 2942

Two.js 锚点体系深度解析:Two.Anchor 的构造、控制柄、命令与序列化

本篇技术指南以 two.js 仓库内 `wiki/docs/anchor/README.md` 为骨架,结合 [src/anchor.js](https://link.gitcode.com/i/621614007f5e072948bfac4b76dd1a8c) 源码与 [tests/suite/core.js](https://link.gitcode.com/i/a06a2361f1bb76e

gitblog_00578的博客 210

Proteus仿真实战:用AT89C51+L298N搭建直流电机PID调速系统(附完整工程文件)

本文详细介绍了使用Proteus仿真平台结合AT89C51单片机和L298N驱动模块搭建直流电机PID闭环调速系统的全过程。从硬件选型、电路连接到PID算法实现与参数整定,提供了完整的开发指南和工程文件,帮助读者快速掌握闭环调速系统的设计与调试技巧。

weixin_28724661的博客 449

Table Elimination & Anchor modeling

The basic idea behind the table elimination is that when you create a sql to fetch data from db, u even don't need touch any of the related table. http://s.petrunia.net/blog/?p=58 What is the

ALEX的专栏 818

强化学习_06_pytorch-TD3实践(BipedalWalkerHardcore-v3)

DDPG的critic会高估, 从而导致actor策略失败。TD3是增加了三个关键技巧优化DDPG。经过优化后的TD3(Twin Dalayed DDPG 双延迟深度确定性策略梯度算法)适合于具有高维连续动作空间的任务。

RL小站 2691

STM32串口调试踩坑记:HAL_UART_ErrorCallback里不先解锁,你的中断接收就废了

本文深入分析了STM32串口调试中HAL_UART_ErrorCallback的锁机制陷阱,指出在错误回调中不先解锁会导致中断接收失效的问题。通过解析HAL库源码,提出了正确的错误处理实现方法,并分享了预防措施与最佳实践,帮助开发者提升串口通信的可靠性。

weixin_33733810的博客 516

Grid-Anchor-based-Image-Cropping-Pytorch 使用指南

Grid-Anchor-based-Image-Cropping-Pytorch 使用指南 本教程旨在帮助用户快速理解并使用 Grid-Anchor-based-Image-Cropping-Pytorch 这一开源项目,该项目基于PyTorch实现,专注于利用网格锚点进行图像裁剪的任务。下面是关于项目的核心模块介绍: 1. 项目目录结构及介绍 以下为该开源项目的典型目录结构及其简要说明: Gri...

gitblog_00192的博客 482

ICM20948 DMP代码详解(69)

ICM20948 DMP代码详解(69)

phmatthaus的专栏 618

Anchor 安全政策与漏洞赏金指南:安全边界定义、报告流程与源码级佐证

本指南基于 Anchor(Solana Program Framework)仓库根目录的 [SECURITY.md](https://link.gitcode.com/i/0dd91390531ba74a6ede0c5807203c01),系统讲解其官方安全政策:如何正确报告安全漏洞、Anchor 所定义的安全边界(security boundary)与纵深防御(defense-in-depth)

gitblog_00176的博客 1027

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

AI命令行助手安全审计:ANCHOR框架如何防范现实世界危害

在人工智能与命令行界面(CLI)深度集成的时代,AI命令行助手通过自然语言理解生成可执行命令,极大提升了开发运维效率。其核心原理是基于大语言模型的指令解析与代码生成技术,将人类意图转化为系统操作。然而,这种技术价值背后潜藏着现实风险:当AI错误理解用户意图时,生成的命令可能直接导致数据丢失、系统配置篡改或服务中断等现实世界危害。为确保AI行为与人类安全意图对齐,自动化对齐审计框架应运而生。ANCHOR框架正是针对这一需求,通过系统化测试用例生成、安全护栏评估和沙箱行为分析,对CLI智能体进行意图安全性审计。

weixin_33859231的博客 405

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Openpcdet yaml 配置文件解读

Openpcdet yaml配置文件解读。

qq_45228845的博客 1823

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

YOLOV3输出tensor的解读

用过YOLOV3模型的人都知道,YOLOV3网络有3个输出tensor,他分别是对输入RGB三通道图像的32倍,16倍以及8倍的下采样,YOLOV3支持三种尺寸的图像输入,分别是320x320,416x416以及608x608,我们以416X416为例,输入和输出示意图如下: 对于如上的tensor输出,它的维度顺序是怎样的呢?在百思不得其解的情况下,就需要看代码来解惑了。我们找到darknet的代码后处理实现部分,关键流程在函数forward_yolo_layer中: 我们关注entry_in

tugouxp的专栏 4256

数学建模竞赛实战指南:从公告解读到工业级交付

数学建模不是纯理论推演,而是将现实问题转化为可计算模型的系统工程。其核心在于理解问题背后的物理机制、数据生成逻辑与工程约束条件,再通过算法选型、工具链协同和跨学科协作实现稳健求解。近年来,研究生数学建模竞赛(如‘华为杯’)日益强调产业真实场景——涵盖遥感影像处理、智能路径规划、电池健康预测等任务,要求参赛者具备数据探查、异构融合、内存敏感建模及ModelArts等云平台工程化部署能力。技术价值体现在模糊问题结构化、多源信息对齐与模型可复现性;典型应用场景包括城市治理、智能制造与能源管理。本文聚焦竞赛公告的深

weixin_30376509的博客 575

霞鹜文楷:免费商用的开源楷体,一个 19 MB 的 TTF 覆盖 2 万余汉字

霞鹜文楷(LXGW WenKai)是按 SIL OFL 1.1 授权免费商用的开源楷体中文字体,基于 FONTWORKS 的 Klee One 衍生:6 个 TTF、2 万余汉字、Light / Regular / Medium 三字重各带 Mono 等宽版。商用不付费、不用署名,下载一个文件就能直接排版。 [![霞鹜文楷 LXGW WenKai 诗词排版效果](https://raw.gitc

gitblog_00790的博客 265

从源码解读Faster-RCNN--(3)RPN网络

RPN网络是Faster-RCNN的核心,因为我们的目标检测网络就是要确定目标的位置,那么怎么生成目标候选框,而又如何对候选框筛选训练,这部分就是RPN网络的内容。 相对于传统的滑动窗口以及RCNN的Selective Search方法,RPN网络思想是: 图像的每一个点都是潜在的目标中心(实际上意思和滑动窗口类似,只不过滑动窗口有点类似是串行,而RPN类似并行,多点开花,但是都是以每个像素点为...

u013241583的博客 528

Anchor 计算单元(Compute Units)基准全解析:从 0.27.0 到 1.2.1 的账户约束开销演进

本文以 Anchor 仓库 [bench/COMPUTE_UNITS.md](https://link.gitcode.com/i/2a7a583a78a8d4dca68f412eb2291e68) 为骨架,系统讲解 Anchor 是如何对各类账户约束(account constraint)与指令形态做计算单元(Compute Units)基准测量的:包括被测指令集的构成、测量与数据生成机制、多版

gitblog_06807的博客 190
上一篇: Hive之lead函数详解
Programma12
博客等级 码龄9年 59粉丝 7原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值