將非標準化多維邏輯數據模型轉換爲多維物理數據模型。
它還有助於實現邏輯數據模型和物理模型的同步。
邏輯數據模型的一般設計目標是正確*、一致*、非冗餘和簡單*。
反過來，LDM2UML轉換則從邏輯數據模型中獲取同樣的信息，並使用獲得的信息構建一個uml模型。
理想情況下，應用程序建模師經過培訓後應該能理解和利用邏輯數據模型。
右鍵單擊非標準化多維邏輯數據模型節點，然後在上下文菜單中單擊TransformtoPhysicalDataModel。
在上面的小節中，討論瞭如何從非標準化多維邏輯數據模型轉換爲一個有效的多維物理數據模型。
在RDA中創建邏輯數據模型，就可以顯示各種實體之間的關係、這些實體的屬*和所有這些不同對象之間的關係。
創建非標準化維度邏輯數據模型。
業務名稱用在概念*或邏輯數據模型中。
邏輯數據模型包含關於業務主題領域的更多詳細信息。
數據服務通過跟邏輯數據模型保持一致，有效地將消費者和遺留值與屬*進行了解偶。
問題在於，遺留系統並不進行數據輸入編輯和檢驗，因此不能確保應用程序中捕捉的數據與邏輯數據模型保持一致。
它們由邏輯數據模型轉換而來，其中實體和關係轉換爲表、列、主鍵、外鍵以及約束。
邏輯數據模型是數據的理想藍圖。
設計了地籍時空邏輯數據模型。
由於模式是根據信息架構定義/支配的邏輯數據模型而定義的，數據服務提供了與這些邏輯模型的對齊。
爲了高效地管理XML數據，像傳統的SQL數據類型一樣，DB 2在內部使用XML數據模型作爲邏輯數據模型，同時也作爲物理存儲的基本單元。
取決於您是否希望更新業務項或邏輯數據模型，中間會合式場景有兩種用例。
從這一階段開始，該解決方案就適用自底向上的方法了，這意味着這個邏輯數據模型中僅僅將最重要和緊迫的業務主題領域鎖定爲目標。
客戶不具備格式良好的企業邏輯數據模型。
在本小節，我們繼續將非標準化多維邏輯數據模型轉換爲多維物理數據模型。
每個系統都有其專有的語義，但是被映*到一個邏輯數據模型，可以將此模型實例化爲一個物理聯合模型或規範消息模型。
將規範化邏輯數據模型轉換爲非規範化多維邏輯數據模型。
RDA能夠在統一建模語言(uml)與邏輯數據模型之間進行相互轉換。
如果某個業務域沒有現成的LDM，那麼可根據業務項定義邏輯數據模型(LDM)。
將多維邏輯數據模型轉換爲多維物理數據模型
規範化消息模型最終基於邏輯數據模型和業務術語表，中間要通過一個服務分析模型。
規範化決定在邏輯數據模型中得以完成，並導致實體-實體關係與超類型-子類型層次關係的最終規範化表示。
這種邏輯數據模型，使得使用第四種方法中描述的塊載入工具直接載入數據庫變得不現實起來。
邏輯數據模型是當前項目的物理數據建模的基礎。
它主要用於邏輯數據模型。
啓用多維符號的第一步是在邏輯數據模型中實現多維功能。
流行的觀點認爲EDM需要海量數據庫來存儲組織所處理的所有數據，但是事實上並非如此，EDM僅僅是一個公共邏輯數據模型。
邏輯數據模型中實體之間的關係是通過外鍵來表示的，外鍵與引用實體的主鍵相關聯。
國文精選館
