模型是现实世界特征的模拟和抽象。在数据库技术中，用数据模型的概念描述数据库的结构和语义，是对现实世界的数据抽象。数据模型是研究数据库技术的核心和基础。
 


 
文章目录
 
1.概念数据模型（CDM）
2.逻辑数据模型（LDM）
3.物理数据模型（PDM）
     
    
   
  
 

 

 

 
1.概念数据模型（CDM）
 
    现实世界主要涉及以下一些概念：
     （1）实体（Entity）
     客观存在并可相互区别的事物称为实体。
     可以是具体的人、事、物或抽象的概念。
     （2）属性（Attribute）
     实体所具有的某一特性称为属性。
     一个实体可以由若干个属性来刻画。
     （3）码（Key）
     唯一标识实体的属性集称为码。
     （4）实体型（Entity Type）
     用实体名及其属性名集合来抽象和刻画同类实体称为
 实体型
     （5）实体集（Entity Set）
     同一类型实体的集合称为实体集
     （6）联系（Relationship）
     现实世界中事物内部以及事物之间的联系在信息世界中反映为实体（型）内部的联系和实体（型）之间的联系。
     实体内部的联系通常是指组成实体的各属性之间的联系
     实体之间的联系通常是指不同实体集之间的联系
     实体之间的联系有一对一、一对多和多对多等多种类型
 
    概念数据模型是现实世界到信息世界的第一层抽象，主要是在高水平和面向业务的角度对信息的一种描述，通常作为业务人员和技术人员之间沟通的桥梁。作为现实世界的概念化结构，这种数据模型使得数据库的设计人员在最初的数据库设计阶段将精力集中在数据之间的联系上，而不用同时关注数据的底层细节（如所用的计算机系统的特性以及数据库管理系统—DBMS的特性）。
 
    概念数据模型主要的贡献在于分析数据之间的联系，它是用户对数据存储的一种高度抽象，反应的是用户的一种业务层面的综合信息需求。
 
    在这个阶段一般会形成整个数据模型或者是软件系统中的实体的概念以及实体之间的联系，为构建逻辑数据模型奠定基础。下图中描述了现实世界和信息世界以及最终转换成计算机世界信息的转换流程。
 

 
 
    设计概念数据模型的主要工具是E-R图，扩展的E-R图。
     概念模型的表示方法最常用的是P.P.Chen于1976年提出的"实体-联系图方法（Entity-Relationship Approach），简称E-R模型"。E-R实体联系图是直观表示概念模型的工具，其中包含了实体、联系、属性三个成分，联系的方法为一对一（1:1）、一对多（1:N）、多对多（M:N）三种方式，联系属于哪种方式取决于客观实际本身。
     E-R模型图，既表示实体，也表示实体之间的联系，是现实世界的抽象，与计算机系统没有关系，是可以被用户理解的数据描述方式。通过E-R模型图可以使用户了解系统设计者对现实世界的抽象是否符合实际情况，从某种程度上说E-R模型图也是用户与系统设计者进行交流的工具，E-R模型图已成为概念模型设计的一个重要设计方法。
 　　
 
 

 
 
2.逻辑数据模型（LDM）
 
数据模型由三部分组成：数据结构、数据操作和数据约束。
 　　(1)数据结构：数据结构主要描述数据的类型、内容、性质、以及数据之间的联系，是整个数据模型的基础，而针对数据的操作和数据之间的约束都是建立在数据结构的基础上的；
 　　(2)数据操作：主要定义了在相应的数据结构上的操作类型和操作方式（数据库中的增删改查等）；
 　　(3)数据约束：数据约束主要用来描述数据库中数据结构之间的语法、词义联系以及彼此之间的相互约束和制约关系（如MySQL中使用外键保证数据之间的数据完整性）
 
逻辑数据模型是对概念数据模型进一步具体化，在概念数据模型定义实体的基础上定义了各个实体的属性，是用户从数据库的角度能够看到的数据的模型，是所使用的数据库管理系统（Database Management System，DBMS）所支持的数据类型（网状数据模型、层次数据模型、关系数据模型）。这种数据模型架起了用户和系统之间的桥梁，既要面向用户，同时也考虑到了所用的DBMS所支持的特性。
 
逻辑数据模型反映了系统分析设计人员针对数据在特定的存储系统（如MySQL）的观点，是对概念数据模型的进一步细化和划分。逻辑数据模型是根据业务之间的规则产生的，是关于业务对象、业务对象数据以及业务对象彼此之间关系的蓝图。
 
逻辑数据模型的内容包括所有的实体、实体的属性、实体之间的关系以及每个实体的主键、实体的外键（用于维护数据完整性）。其主要目标是尽可能详细的描述数据，但是并不涉及这些数据的具体物理实现。逻辑数据模型不仅会最终影响数据库的设计方向，并最终会影响到数据库的性能（如主键设计、外键等都会最终影响数据库的查询性能）。
 
逻辑数据模型是开发物理数据库的完整文档，逻辑数据模型主要采用的是层次模型、网状模型、关系模型，其中最常用的是关系模型，对应的数据库称之为关系型数据库，如MySQL。
 　　常用的结构数据模型是关系模型和面向对象模型，关系模型的理论基础是数学理论，数据的操作通过关系运算实现。在关系模型中用二维表表示实体及实体之间的联系，关系模型的实例称为关系。从数学的观点上看，关系是集合，其元素是元组（记录）。遵循一定的规则后，可以将E-R模型图转换成关系模型。
 

     将E-R模型图转换成关系模型的规则：
 E-R模型图中的主要成分是实体及实体之间的联系，对于实体的转换方式是：
 　　1) 将一个实体转换成一个关系模型。实体的属性为关系模型的属性，实体的标识符为关系模型的关键字，如上图所示的E-R模式中有两个实体：学生、课程，可以分别转换学生模型和课程模型：
     学生模型（学号,姓名,性别,年龄），学号是学生模型的关键字
     课程模型（课程号，课程名，学时数），课程号是课程模型的关键字
     2) 联系转换为关系模型。联系转换成关系模型时，要根据联系方式的不同采用不同的转换方式：
     若联系的方式是一对一的(1:1)，可以在两个实体关系模型中的任意一个关系模型中加入另一个关系模型的关键字和联系类型的属性。
     若联系方式是一对多的(1:N)，则在N端（为多的一端）实体的关系模型中加入1端实体关系模型的关键字和联系类型的属性
     若联系方式是多对多的（M:N），则将联系也转换成关系模型，其属性是互为联系的两个实体的关键字和联系的属性
 
 

 

 
3.物理数据模型（PDM）
 
物理数据模型，又称为物理模型，是概念数据模型和逻辑数据模型在计算机中的具体表示。该模型描述了数据在物理存储介质上的具体组织结构，不但与具体的数据库管理系统相关，同时还与具体的操作系统以及硬件有关，但是很多工作都是由DBMS自动完成的，用户所要做的工作其实就是添加自己的索引等结构即可。
 
物理数据模型是在逻辑数据模型的基础上，综合考虑各种存储条件的限制，进行数据库的设计，从而真正实现数据在数据库中的存放。其主要的工作是根据逻辑数据模型中的实体、属性、联系转换成对应的物理模型中的元素，包括定义所有的表和列，定义外键以维持表之间的联系等，具体例子如下：
 

数据模型所描述的内容包括三个部分：数据结构、数据操作、数据约束。
 
  1）数据结构:数据模型中的数据结构主要描述数据的类型、内容、性质以及数据间的联系等。数据结构是数据模型的基础，数据操作和约束都建立在数据结构上。不同的数据结构具有不同的操作和约束。
 
2）数据操作:数据模型中数据操作主要描述在相应的数据结构上的操作类型和操作方式。
 
3）数据约束：数据模型中的数据约束主要描述数据结构内数据间的语法、词义联系、他们之间的制约和依存关系，以及数据动态变化的规则，以保证数据的正确、有效和相容。
 
数据模型按不同的应用层次分成三种类型：分别是概念数据模型、逻辑数据模型、物理数据模型。
 
1、概念数据模型（Conceptual Data Model）：简称 概念模型 ，主要用来描述世界的概念化结构，它使数据库的设计人员在设计的初始阶段，摆脱计算机系统及DBMS的具体技术问题，集中精力分析数据以及数据之间的联系 等，与具体的数据管理系统（Database Management System，简称DBMS）无关。概念数据模型必须换成逻辑数据模型，才能在DBMS中实现。
 
概念数据模型是最终用户对数据存储的看法，反映了最终用户综合性的信息需求，它以数据类的方式描述企业级的数据需求，数据类代表了在业务环境中自然聚集成的几个主要类别数据。
 
概念数据模型的内容包括重要的 实体及实体之间的关系 。在概念数据模型中 不包括实体的属性 ，也 不用定义实体的主键 。这是概念数据模型和逻辑数据模型的主要区别。
 
概念数据模型的目标是统一业务概念，作为业务人员和技术人员之间沟通的桥梁，确定不同实体之间的最高层次的关系。
 
在有些数据模型的设计过程中，概念数据模型是和逻辑数据模型合在一起进行设计的。
 以下是概念模型图显示方式 
 

 2、逻辑数据模型（Logical Data Model）:简称数据模型，这是用户从数据库所看到的模型，是具体的DBMS所支持的数据模型，如网状数据模型(Network Data Model)、 层次数据模型 (Hierarchical Data Model)等等。 此模型既要面向用户，又要面向系统 ，主要用于 数据库管理系统 （DBMS）的实现。
 
逻辑数据模型 反映的是系统分析设计人员对数据存储的观点，是对概念数据模型进一步的分解和细化。 逻辑数据模型是根据业务规则确定的，关于业务对象、业务对象的数据项及业务对象之间关系的基本蓝图。
 
逻辑数据模型的 内容包括所有的实体和关系，确定每个实体的属性，定义每个实体的主键，指定实体的外键，需要进行范式化处理。
 
逻辑数据模型的目标是尽可能详细的描述数据，但并不考虑数据在物理上如何来实现。
 
逻辑数据建模不仅会影响数据库设计的方向，还间接影响最终数据库的性能和管理。如果在实现逻辑数据模型时投入得足够多，那么在物理数据模型设计时就可以有许多可供选择的方法。
 逻辑模型图显示 
  
 3、物理数据模型（Physical Data Model）:简称 物理模型 ，是面向计算机物理表示的模型，描述了数据在储存介质上的组织结构，它不但与具体的DBMS 有关，而且还与操作系统和硬件有关。每一种逻辑数据模型在实现时都有起对应的物理数据模型。DBMS为了保证其独立性与可移植性，大部分物理数据模型的实 现工作又系统自动完成，而设计者只设计索引、聚集等特殊结构。
 物理结构图显示
   
 在概念数据模型中最常用的是 E-R模型 、扩充的E-R模型、面向对象模型及谓词模型。在逻辑数据类型中最常用的是 层次模型 、 网状模型 、 关系模型 。    
 
物理数据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。
 
物理数据模型的内容包括确定所有的表和列，定义外键用于确定表之间的关系，基于用户的需求可能进行发范式化等内容。在物理实现上的考虑，可能会导致物理数据模型和逻辑数据模型有较大的不同。
 
物理数据模型的目标是指定如何用数据库模式来实现逻辑数据模型，以及真正的保存数据。

　　最近在系统的学习数据库存储方面的知识加上在公司经常听同事们说起CDM，结合前段时间对MySQL的使用的心得将概念数据模型（Concept Data Model，CDM）、逻辑数据模型（Logical Data Model，LDM）、物理数据模型（Physical Data Model，PDM）做个简单的介绍。本文将介绍这三种模型的基本概念以及他们之间的不同。
　　在讨论三种数据模型之前，我们首先学习一下所谓的数据模型。数据模型由三部分组成：数据结构、数据操作和数据约束。
数据结构：数据结构主要描述数据的类型、内容、性质、以及数据之间的联系，是整个数据模型的基础，而针对数据的操作和数据之间的约束都是建立在数据结构的基础上的；
数据操作：主要定义了在相应的数据结构上的操作类型和操作方式（数据库中的增删改查等）；
数据约束：数据约束主要用来描述数据库中数据结构之间的语法、词义联系以及彼此之间的相互约束和制约关系（如MySQL中使用外键保证数据之间的数据完整性）；
　　1.概念数据模型（CDM）
　　概念数据模型是现实世界到信息世界的第一层抽象，主要是在高水平和面向业务的角度对信息的一种描述，通常作为业务人员和技术人员之间沟通的桥梁。作为现实世界的概念化结构，这种数据模型使得数据库的设计人员在最初的数据库设计阶段将精力集中在数据之间的联系上，而不用同时关注数据的底层细节（如所用的计算机系统的特性以及数据库管理系统---DBMS的特性）。
　　概念数据模型主要的贡献在于分析数据之间的联系，它是用户对数据存储的一种高度抽象，反应的是用户的一种业务层面的综合信息需求。
　　在这个阶段一般会形成整个数据模型或者是软件系统中的实体的概念以及实体之间的联系，为构建逻辑数据模型奠定基础。下图中描述了现实世界和信息世界以及最终转换成计算机世界信息的转换流程。
　　
图 1    数据的抽象以及转换流程图
　　设计概念数据模型的主要工具是E-R图，扩展的E-R图。
　　2.逻辑数据模型（LDM）
　　逻辑数据模型是对概念数据模型进一步具体化，在概念数据模型定义实体的基础上定义了各个实体的属性，是用户从数据库的角度能够看到的数据的模型，是所使用的数据库管理系统（Database Management System，DBMS）所支持的数据类型（网状数据模型、层次数据模型、关系数据模型）。这种数据模型架起了用户和系统之间的桥梁，既要面向用户，同时也考虑到了所用的DBMS所支持的特性。
　　逻辑数据模型反映了系统分析设计人员针对数据在特定的存储系统（如MySQL）的观点，是对概念数据模型的进一步细化和划分。逻辑数据模型是根据业务之间的规则产生的，是关于业务对象、业务对象数据以及业务对象彼此之间关系的蓝图。
　　逻辑数据模型的内容包括所有的实体、实体的属性、实体之间的关系以及每个实体的主键、实体的外键（用于维护数据完整性）。其主要目标是尽可能详细的描述数据，但是并不涉及这些数据的具体物理实现。逻辑数据模型不仅会最终影响数据库的设计方向，并最终会影响到数据库的性能（如主键设计、外键等都会最终影响数据库的查询性能）。
　　逻辑数据模型是开发物理数据库的完整文档，逻辑数据模型主要采用的是层次模型、网状模型、关系模型，其中最常用的是关系模型，对应的数据库称之为关系型数据库，如MySQL。
　　3.物理数据模型（PDM）
　　物理数据模型，又称为物理模型，是概念数据模型和逻辑数据模型在计算机中的具体表示。该模型描述了数据在物理存储介质上的具体组织结构，不但与具体的数据库管理系统相关，同时还与具体的操作系统以及硬件有关，但是很多工作都是由DBMS自动完成的，用户所要做的工作其实就是添加自己的索引等结构即可。
　　物理数据模型是在逻辑数据模型的基础上，综合考虑各种存储条件的限制，进行数据库的设计，从而真正实现数据在数据库中的存放。其主要的工作是根据逻辑数据模型中的实体、属性、联系转换成对应的物理模型中的元素，包括定义所有的表和列，定义外键以维持表之间的联系等，具体例子如下：

图2 逻辑数据模型到对应的数据库之间的转换示例
 　　小结：
　　本篇文章只是针对刚接触的几种数据模型做一个简单的解释，接下来会详细介绍逻辑数据模型中几种数据模型、实体之间的联系、以及概念数据模型到逻辑数据模型之间的转化等内容。

上一篇文章简单介绍了概念数据模型、逻辑数据模型、物理数据模型的基本概念、特性以及三者所对应的数据库的开发阶段。现在针对逻辑数据模型中所用到的三种数据模型---层次数据模型、网状数据模型以及关系数据模型做一个相信的介绍与对比分析。
　　一、层次数据模型
　　定义：层次数据模型是用树状<层次>结构来表示实体类型和实体间联系的数据模型。(来自百度百科)
　　其实层次数据模型就是的图形表示就是一个倒立生长的树，由基本数据结构中的树（或者二叉树）的定义可知，每棵树都有且仅有一个根节点，其余的节点都是非根节点。每个节点表示一个记录类型对应与实体的概念，记录类型的各个字段对应实体的各个属性。各个记录类型及其字段都必须记录。
　　特征:树的性质决定了树状数据模型的特征
　　　　 1. 整个模型中有且仅有一个节点没有父节点，其余的节点必须有且仅有一个父节点，但是所有的节点都可以不存在子节点；
　　　　 2. 所有的子节点不能脱离父节点而单独存在，也就是说如果要删除父节点，那么父节点下面的所有子节点都要同时删除，但是可以单独删除一些叶子节点；
　　　　 3. 每个记录类型有且仅有一条从父节点通向自身的路径；
　　实例：
　　　　 如图1，以学校某个系的组织结构为例，说明层次数据模型的结构。
　　　　 1.  记录类型系是根节点，其属性为系编号和系名；
　　　　 2.  记录类型教研室和学生分别构成了记录类型系的子节点，教研室的属性有教研室编号和教研室姓名，学生的属性分别是学号、姓名和成绩；
            3.  记录类型教师是教研室这一实体的子节点，其属性由教师的编号，教师的姓名，教师的研究方向。
　　优点：
 　　　   1. 层次数据模型的结构简单、清晰、明朗，很容易看到各个实体之间的联系；
　　　　 2. 操作层次数据类型的数据库语句比较简单，只需要几条语句就可以完成数据库的操作；（百度百科）
　　　　 3. 查询效率较高，在层次数据模型中，节点的有向边表示了节点之间的联系，在DBMS中如果有向边借助指针实现，那么依据路径很容易找到待查的记录；
　　　　 4. 层次数据模型提供了较好的数据完整性支持，正如上所说，如果要删除父节点，那么其下的所有子节点都要同时删除；如图1，如果想要删除教研室，则其下的所有教师都要删除；
　　缺点：
　　       1. 层次数据模型只能表示实体之间的1:n的关系，不能表示m:n的复杂关系，因此现实世界中的很多模型不能通过该模型方便的表示；
　　       2. 查询节点的时候必须知道其双亲节点的，因此限制了对数据库存取路径的控制；

图 1. 院系人员组成结构图
　　二、网状数据模型
　　定义：用有向图表示实体和实体之间的联系的数据结构模型称为网状数据模型。

　　其实，网状数据模型可以看做是放松层次数据模型的约束性的一种扩展。网状数据模型中所有的节点允许脱离父节点而存在，也就是说说在整个模型中允许存在两个或多个没有根节点的节点，同时也允许一个节点存在一个或者多个的父节点，成为一种网状的有向图。因此节点之间的对应关系不再是1:n，而是一种m:n的关系，从而克服了层次状数据模型的缺点。
　　特征：
　　　　 1. 可以存在两个或者多个节点没有父节点；
　　　　 2. 允许单个节点存在多于一个父节点；
　　网状数据模型中的，每个节点表示一个实体，节点之间的有向线段表示实体之间的联系。网状数据模型中需要为每个联系指定对应的名称。
　　实例：　　
　　　　 同样是以教务管理系统为例，下面说明了院系的组成中，教师、学生、课程之间的关系。

图 2. 院系的教务管理系统
　　　　由上图中可以看出课程（实体）的父节点由专业、教研室、学生。以课程和学生之间的关系来说，他们是一种m:n的关系，也就是说一个学生能够选修多门课程，一门课程也可以被多个学生同时选修。
　　优点：
　　　　 1. 网状数据模型可以很方便的表示现实世界中的很多复杂的关系；
　　　　 2. 修改网状数据模型时，没有层次状数据模型的那么多的严格限制，可以删除一个节点的父节点而依旧保留该节点；也允许插入一个没有任何父节点的节点，这样的插入在层次状数据模型中是不被允许的，除非是首先插入的是根节点；
　　　　 3. 实体之间的关系在底层中可以借由指针指针实现，因此在这种数据库中的执行操作的效率较高；
　　缺点：
　　　　 1. 网状数据模型的结构复杂，使用不易；
　　　　 2. 网状数据模型数据之间的彼此关联比较大，该模型其实一种导航式的数据模型结构，不仅要说明要对数据做些什么，还说明操作的记录的路径；
 　　三、关系型数据模型
　　关系型数据模型对应的数据库自然就是关系型数据库了，这是是目前笔者最熟悉的数据库。
　　定义：使用表格表示实体和实体之间关系的数据模型称之为关系数据模型。
　　关系型数据库是目前最流行的数据库，同时也是被普遍使用的数据库，如MySQL就是一种流行的数据库。支持关系数据模型的数据库管理系统称为关系型数据库管理系统。
　　特征：
　　　　 1. 关系数据模型中，无论是是实体、还是实体之间的联系都是被映射成统一的关系---一张二维表，在关系模型中，操作的对象和结果都是一张二维表；
　　　　 2. 关系型数据库可用于表示实体之间的多对多的关系，只是此时要借助第三个关系---表，来实现多对多的关系，如下例子中的学生选课系统中学生和课程之间表现出一种多对多的关系，那么需要借助第三个表，也就是选课表将二者联系起来；
　　　　 3. 关系必须是规范化的关系，即每个属性是不可分割的实体，不允许表中表的存在；
　　实例：
　　　　 下面以学生选课系统为例进行说明。学生选课系统的实体包括：学生、教师、课程；其联系一般为学生与课程之间是一种多对多的关系，教师与课程之间是多对多的关系。学生可以同时选择多门课程，一门课程也可以同时被多个学生同时选择；一位教师可以教授多门课程，一门可能可以由多个教师教授。因此他们之间的联系如下：

 
图 3 学生选课系统示意图
　　将该图映射为关系数据模型中的表格为图4。从中可以看到学生与课程之间的联系以及教师和课程之间的多对多联系都被映射成了表格。其中选课表中的sut_id和cour_id分别是引用学生表和课程表的cour_id的外键；教课表也是如此。

 图 4 关系数据模型的表格
　　优点：
　　　　 1. 结构简单，关系数据模型是一些表格的框架，实体的属性是表格中列的条目，实体之间的关系也是通过表格的公共属性表示，结构简单明了；
　　　　 2. 关系数据模型中的存取路径对用户而言是完全隐蔽的，是程序和数据具有高度的独立性，其数据语言的非过程化程度较高；
　　　　 3. 操作方便，在关系数据模型中操作的基本对象是集合而不是某一个元祖；
　　　　 4. 有坚实的数学理论做基础，包括逻辑计算、数学计算等；
　　缺点：
　　　　 1. 查询效率低，关系数据模型提供了较高的数据独立性和非过程化的查询功能（查询的时候只需指明数据存在的表和需要的数据所在的列，不用指明具体的查找路径），因此加大了系统的负担；
　　　　 2. 由于查询效率较低，因此需要数据库管理系统对查询进行优化，加大了DBMS的负担；
　　关系数据模型的三种约束完整性：
　　关系数据模型定义了三种约束完整性：实体完整性、参照完整性以及用户定义完整性。
　　实体完整性：实体完整性是指实体的主属性不能取空值。实体完整性规则规定实体的所有主属性都不能为空。实体完整性针对基本关系而言的，一个基本关系对应着现实世界中的一个主题，例如上例中的学生表对应着学生这个实体。现实世界中的实体是可以区分的，他们具有某种唯一性标志，这种标志在关系模型中称之为主码，主码的属性也就是主属性不能为空。
　　参照完整性：在关系数据库中主要是值得外键参照的完整性。若A关系中的某个或者某些属性参照B或其他几个关系中的属性，那么在关系A中该属性要么为空，要么必须出现B或者其他的关系的对应属性中。如上表中的选课关系的stu_id和cour_id分别是参考学生和课程的外键，那么对于现实的系统而言，stu_id和cour_id必须分别出现在学生和课程关系中，这就是外键参考的完整性，同时删除的时候根据设置的不同有不同的处理方式。
　　用户定义完整性：用户定义完整性是针对某一个具体关系的约束条件。它反映的某一个具体应用所对应的数据必须满足一定的约束条件。例如，某些属性必须取唯一值，某些值的范围为0-100等。