细粒度模型,通俗的讲就是将业务模型中的对象加以细分,从而得到更科学合理的对象模型,直观的说就是划分出很多对象。
粒度是数据库名词,计算机领域中粒度指系统内存扩展增量的最小值。粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。数据的粒度一直是一个设计问题。
在早期建立的操作型系统中,粒度是用于访问授权的。当详细的数据被更新时,几乎总是把它存放在最低粒度级上。但在数据仓库环境中,对粒度不作假设。
扩展资料
粒度运算是一种新兴的信息处理运算模型。它涉及到复杂信息实体(即信息粒,英语:Information Granule)的处理,包括数据的抽象化还有从信息推导知识的过程。一般来说,信息粒通常是数值层面上的实体集合,它们以相似性、功能的近似性、不可辨别性及一致性等指标来进行整合。
目前,粒度运算只有较多的理论观点而尚未形成一套完整的方法。从理论观点看,它提倡通过不同的分辨率或尺度,对数据中出现的知识进行认知以及探索。
在这个意义上来讲,粒度运算包含了所有能够在提取及表示知识或信息的尺度中,提供灵活性和适应性的所有方法。
参考资料来源:百度百科-细粒度
2020-07-03 广告
所谓细粒度的划分就是在pojo类上的面向对象的划分,而不是在于表的划分上 例如:在三层结构中持久化层里面只做单纯的数据库操作
粗粒度和细粒度的区别主要是出于重用的目的,像类的设计,为尽可能重用,所以采用细粒度的设计模式,将一个复杂的类(粗粒度)拆分成高度重用的职责清晰的类(细粒度).对于数据库的设计,原责:尽量减少表的数量与表与表之间的连接,能够设计成一个表的情况就不需要细分,所以可考虑使用粗粒度的设计方式.