metadata.txt 2.4 KB

1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162
  1. -- Schema Tools生成的主题元数据
  2. -- 业务背景: 高速公路服务区管理系统
  3. -- 生成时间: 2025-07-01 21:44:31
  4. -- 数据库: highway_db
  5. -- 创建表(如果不存在)
  6. CREATE TABLE IF NOT EXISTS metadata (
  7. id SERIAL PRIMARY KEY, -- 主键
  8. topic_name VARCHAR(100) NOT NULL, -- 业务主题名称
  9. description TEXT, -- 业务主体说明
  10. related_tables TEXT[], -- 相关表名
  11. biz_entities TEXT[], -- 主要业务实体名称
  12. biz_metrics TEXT[], -- 主要业务指标名称
  13. created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP -- 插入时间
  14. );
  15. -- 插入主题数据
  16. INSERT INTO metadata(topic_name, description, related_tables, biz_entities, biz_metrics) VALUES
  17. (
  18. '支付方式分析',
  19. '分析不同支付方式(微信、支付宝、现金等)在各服务区的使用占比及交易金额分布',
  20. 'bss_business_day_data',
  21. '服务区,支付类型,档口',
  22. '支付占比,交易金额分布,订单量对比'
  23. );
  24. INSERT INTO metadata(topic_name, description, related_tables, biz_entities, biz_metrics) VALUES
  25. (
  26. '车流高峰分析',
  27. '基于车辆类型统计表,识别各服务区在不同日期的车辆高峰时段及车型分布特征',
  28. 'bss_car_day_count',
  29. '服务区,车辆类型,统计日期',
  30. '高峰时段识别,车型占比分析,车流量趋势'
  31. );
  32. INSERT INTO metadata(topic_name, description, related_tables, biz_entities, biz_metrics) VALUES
  33. (
  34. '营收对比分析',
  35. '对比不同服务区在相同时间段内的日均营收及订单量差异,识别头部和尾部区域',
  36. 'bss_business_day_data',
  37. '服务区,档口,统计周期',
  38. '日均营收对比,订单量排名,营收增长率'
  39. );
  40. INSERT INTO metadata(topic_name, description, related_tables, biz_entities, biz_metrics) VALUES
  41. (
  42. '档口效能评估',
  43. '分析各档口单位面积营收能力及客单价水平,评估空间资源利用效率',
  44. 'bss_business_day_data',
  45. '档口,服务区,支付渠道',
  46. '单位面积收益,客单价分析,坪效排名'
  47. );
  48. INSERT INTO metadata(topic_name, description, related_tables, biz_entities, biz_metrics) VALUES
  49. (
  50. '车型消费关联',
  51. '结合车辆类型数据和消费数据,分析不同类型车辆停留期间的消费行为特征',
  52. 'bss_car_day_count,bss_business_day_data',
  53. '车辆类型,服务区,消费时段',
  54. '人均消费分析,消费频次关联,车型消费转化率'
  55. );