逻辑数据模型的核心理解
1. 定义与特点
- 逻辑数据模型（Logical Data Model, LDM）：
是一种抽象的数据结构设计，用于描述业务实体（如客户、订单）及其关系（如“客户下单”），不涉及具体技术实现（如数据库类型、字段物理存储）。 - 关键特征：
- 业务语言描述：使用业务术语（如“销售额”“库存量”），而非技术术语（如“VARCHAR(50)”）。
- 技术无关性：独立于数据库系统（Oracle、MySQL等）或编程语言。
- 可视化：通过图形化工具（如实体关系图，ER图）展示数据逻辑关系。
2. 作用：识别数据完整性与质量问题
- 数据完整性风险识别：
例如，模型中若未定义“订单必须关联客户”的约束，可能导致“孤儿订单”（无客户信息的订单），后续需在业务规则中补强[^1]。 - 其他问题发现：
- 冗余数据：如“客户地址”在多个实体中重复存储，可能引发更新不一致。
- 缺失关系：如“产品”与“供应商”未关联，导致无法追溯供应链问题。
3. 实际案例
场景：某银行信贷系统设计。
- 逻辑模型应用：
- 发现“贷款申请表”与“客户信用评分”无直接关联，可能引发高风险贷款审批。
- 补充关系后，系统强制要求信用评分达标才能提交申请，避免业务风险。
4. 与技术模型的区别
| 维度 | 逻辑数据模型 | 物理数据模型 |
|---|---|---|
| 描述语言 | 业务术语（如“客户ID”） | 技术术语（如“INT PRIMARY KEY”） |
| 技术依赖 | 无关 | 依赖具体数据库（如MySQL索引） |
| 目标 | 确保业务规则完整性 | 优化存储与查询性能 |
