| 主题 |
内容安排 |
| 大数据建模的挑战 |
大数据和关系数据的本质差异
大数据建模的维度和层次多样性问题
大数据设计方法和传统关系数据库的区别和联系
大数据建模方法参考案例 |
| 大数据建模 |
讨论大数据环境下的数据结构
讨论大数据的设计步骤:
–定义商业模型
–定义维度模型
–定义物理模型
–介绍星型模型，简介雪花模型和星座模型
|
| 抽取的原始数据建模 |
数据抽取的内容
数据抽取的方法
抽取后的数据组织模式
采用标准化建模语言进行原始数据建模 |
| 元数据简介 |
大数据元数据定义、类型以及在数据仓库环境中的角色
大数据元数据的类型
开发元数据的策略等
采用建模工具对元数据建模 |
| 定义大数据的商业和逻辑模型 |
大数据的商业和逻辑模型内容都有什么
建模商业模型的方法
建模逻辑模型和实体关系模型的方法
模型之间的映射关系说明 |
| 创建大数据维模型 |
详细介绍星型模型
如何从商业应用中标识事实表和它们的属性（列）
如何从商业应用中标识维表和它们的属性（列）
讨论大数据的层次
讨论大数据的分析方法
采用建模工具建立维模型 |
| 创建大数据物理模型 |
如何将维模型转换成物理模型
物理模型都有哪些内容，
大数据所需的数据库服务器特性
大数据索引的类型和设计策略
大数据的表空间特性和设计策略
大数据中表和索引的分区方法
采用建模工具建立物理模型
|
| 管理大数据模型 |
模型的拆分和团队协作建模
模型的版本
模型的正向和逆向工程
基于模型的文档生成
模型的访问权限控制 |
| 课程总结 |
课程回顾
问题解答
未来工作应用讨论 |
