2、元数据标准与模型：DCAT、Dublin Core、Common Warehouse Metamodel (CWM) 标准介绍

聊到元数据互联互通，绕不开的就是标准。说白了，标准就是大家约定好的「共同语言」。没有标准，你家的元数据跟我家的元数据，就像一个说粤语一个说闽南话，根本没法聊。

我这些年做数据治理项目，见过太多「自创标准」的团队。一开始觉得灵活，到后面要跨系统对接时，那叫一个痛苦。所以，咱们先看看业界已经沉淀下来的几个主流标准——DCAT、Dublin Core、CWM。它们各自解决什么问题？怎么用？坑在哪？

2.1 Dublin Core：最轻量的元数据「通用语」

Dublin Core 是元数据标准里的老前辈了。1995 年就出来了，初衷很简单——给网页资源做编目。它只有 15 个核心元素，简单到让你怀疑人生。

15 个核心元素：

• 内容相关：Title、Subject、Description、Source、Language、Relation、Coverage
• 知识产权相关：Creator、Publisher、Contributor、Rights
• 实例相关：Date、Type、Format、Identifier

嗯，就这些。你想想看，15 个字段能描述什么？其实能描述的东西不少。我早期做一个文档管理系统，就用 Dublin Core 给所有内部文档打标签。效果出奇的好——因为简单，大家愿意用。

但 Dublin Core 有个问题——太简单了。你描述一本书还行，描述一个数据仓库里的多维模型？完全不够用。所以后来有了 DCAT 和 CWM。

2.2 DCAT：数据目录的「高速公路」

DCAT（Data Catalog Vocabulary）是 W3C 出的标准，专门用来描述数据目录。它的核心思想是：让不同组织的数据目录能互相理解。

DCAT 的核心模型就几个类：

DCAT 最妙的地方在于 Distribution 这个设计。一个数据集可以有多种分发方式——比如同一个数据集，既提供 CSV 下载，又提供 JSON API，还提供数据库直连。这在跨平台场景下太常见了。

我曾经帮一个省级大数据局做数据开放平台，就是用 DCAT 来统一描述各部门的数据集。之前各部门各写各的目录，有的用 Excel，有的用 Word，有的干脆没有。统一成 DCAT 后，至少大家知道「数据集」是什么、「更新频率」怎么写、「联系人」放哪。

2.3 CWM：数据仓库的「元数据全家桶」

CWM（Common Warehouse Metamodel）是 OMG 出的标准。名字里带「Common」，但一点都不 common——它非常庞大。

CWM 覆盖了数据仓库建设的方方面面：

• 资源层：关系型数据库、文件系统、XML 数据源
• 分析层：多维模型（OLAP）、数据挖掘模型
• 转换层：ETL 过程、数据映射、转换规则
• 管理层：数据质量管理、元数据生命周期

说白了，CWM 想做的事情是：把数据仓库里所有的「元数据」都用一个统一模型来描述。从源系统的表结构，到 ETL 的转换逻辑，再到最终报表的维度定义，全包了。

我实际用过 CWM 一次，是在一个大型金融数据仓库项目里。当时要对接五个不同厂商的 ETL 工具，每个工具都有自己的元数据格式。我们想用 CWM 做统一交换格式。结果呢？

实话实说：CWM 太复杂了。它的完整规范有上千页，光理解核心包就要花几周。而且很多工具厂商对 CWM 的支持只是「部分兼容」——你按规范写，他读不全。

2.4 三个标准的对比：什么时候用哪个？

你看这个表就明白了。我个人习惯是：能用 DCAT 就用 DCAT，它平衡了表达力和复杂度。Dublin Core 适合做「最小公共集」，CWM 适合做「理论参考」。

2.5 知识体系总览

下面这张图，是我梳理的三个标准在元数据互联互通中的定位。你可以看到，它们覆盖了不同的抽象层次：

从这张图能看出来，三个标准不是互斥的，而是互补的。Dublin Core 在最上层，做资源发现；DCAT 在中间层，做数据目录；CWM 在最底层，做数据仓库元数据。你完全可以组合使用——比如用 DCAT 描述数据集，用 Dublin Core 描述数据集的作者和标题，用 CWM 描述数据集背后的 ETL 逻辑。

2.6 实际项目中的选择策略

说了这么多，到底怎么选？我给出一个简单的决策树：

1. 你只需要描述「有什么资源」？ → Dublin Core，15 个字段搞定。
2. 你要建一个数据目录，让外部系统能发现和访问数据？ → DCAT，这是它的强项。
3. 你要做数据仓库的元数据管理，涉及 ETL、多维模型、数据质量？ → 参考 CWM 的核心概念，但别全盘照搬。建议用 DCAT 做目录层，自己扩展一个 CWM 子集做细节层。
4. 你要做跨平台的元数据交换？ → 首选 DCAT + JSON-LD 序列化。RDF 的灵活性在跨平台场景下是无可替代的。