简述数据建模用的哪些模型 ？
数据建模涉及多种模型，这些模型根据数据的性质、用途和业务需求进行选择。以下是一些常见的数据建模模型：
- 概念数据模型：这是最高层次的数据模型，主要关注数据的业务需求和逻辑关系。概念数据模型通常使用实体-关系图（ER图）来表示，它描述了现实世界中的事物（实体）以及它们之间的关系。
- 逻辑数据模型：逻辑数据模型是从概念数据模型转化而来的，它更详细地描述了数据的结构，包括表、列、键、索引等。逻辑数据模型还考虑了数据的完整性、安全性和性能等因素。
- 物理数据模型：物理数据模型描述了数据在物理存储介质上的存储方式，如磁盘、SSD等。它关注数据的物理存储结构、I/O策略、索引策略等，以确保数据的高效访问。
此外，根据特定的应用场景和数据特性，还有一些特定的数据建模方法：
- 维度模型：维度模型是数据仓库中常用的一种数据建模方法，它将数据分为事实表和维度表。事实表存储业务过程的度量值，而维度表存储描述业务过程的文本信息。
- 星型模型和雪花模型：这两种模型都是维度模型的变种。星型模型由一个事实表和多个与之直接关联的维度表组成，形状像星星；而雪花模型则通过引入额外的表来规范化维度表，形状像雪花。
在数据建模过程中，还需要考虑数据的规范化程度。规范化是一种减少数据冗余和提高数据一致性的方法，常见的有第一范式、第二范式、第三范式等。根据实际需求，可以在不同程度上对数据进行规范化。
总之，数据建模是一个复杂的过程，需要根据实际需求选择合适的模型和方法。