随着互联网的不断发展，越来越多的企业都开始重视数据带来的效益，而今天我们就通过案例分析来了解一下，数据架构的特点与设计原则。

数据架构包括两部分内容：静态部分的内容和动态部分的内容。

静态部分的内容的重点是数据元模型、数据模型，包括主数据、共享动态数据和所有业务相关的业务对象数据的分析和建模;动态部分的内容的重点则是对数据全生命周期的管控和治理。因此，不能单纯地将数据架构理解为纯静态的数据模型。业务架构中数据模型的分析重点是主数据和核心业务对象，应用架构中数据模型的分析重点则进一步转换为逻辑模型和物理模型，直到终的数据存储和分布。

数据分两个层面的生命周期：单业务对象数据的全生命周期，它往往和流程建模中的单个工作流或审批流相关;跨多个业务域对象数据的全生命周期，它体现的是多个业务对象数据之间的转换和映射，

往往和端到端的业务流程BPM相关。这里要注意，数据虽然是静态层面的内容，但是数据的生命周期或端到端的数据映射往往间接反映了流程，这是很重要的内容。

数据建模的方法包括面向结构的传统ER模型分析方法，也包括面向对象的对象类模型分析方法，它们都是可行的数据建模方法，只是传统ER模型分析方法更容易实现向底层物理数据库模型的转换，而面向对象的对象类建模方法更容易体现抽象和复用。特别是在企业架构建模中，面向对象和面向结构往往不是严格区分的，很多时候都会出现两种方法混用的情况，但重点是区分每种方法或工具的重点及要解决的问题。与数据相关的矩阵分析相当多，业务架构阶段的重点矩阵分析是业务对象和业务流程、业务组件、业务功能间的类CRUD矩阵分析;而应用架构阶段的重点矩阵分析是逻辑或物理模型对象和具体的应用模块或应用功能间的矩阵分析。两者的思路基本类似，只是关注的层面不同，前者重点关注主数据的识别和业务组件的分析，而后者重点关注应用功能模块的划分和模块间集成接口的初步分析。

根据前面的思路，我们仍然应该将数据集成分析分解为两个层面的内容：业务层面的分析，以及应用和IT实现层面的分析。前者的重点是理清业务流程或业务域之间的业务对象集成和交互，而后者的重点是如何更好地共享数据或如何通过类似的BI工具或大数据平台实现数据的集成和交互。

数据架构的设计原则如下。

(1)统一数据视图，即保证数据的及时性、一致性、准确性和完整性。

(2)数据和应用分离。

应用系统只依赖逻辑数据库。

应用系统不直接访问其他应用的数据库，只能通过接口访问。

(3)数据异构，即在源数据和目标数据内容相同时做索引异构，在商品库不同维度的内容不同时(如订单数据中的买家库和卖家库)做数据库异构。

(4)数据库读写分离。

将访问量大的数据库做读写分离，例如订单库。

将数据量大的数据库做分库分表。

将不同业务域的数据库做分区隔离。对重要的数据配置备库。

(5)采用关系数据库。除成本因素外，MySQL的数据库扩展性和高并发支持能力较强，也比较容易招聘到相关的研发人员和运维人员。

(6)合理利用NoSQL数据库。在数据库有能力支撑时，尽量不要引入缓存。另外，要合理利用缓存做容灾。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请在707945861群中学习了解。