1. 元数据概述：定义、作用与分类
咱们正式开始。这门课叫《元数据标准与规范》，但第一件事，先把“元数据”三个字掰开揉碎了讲清楚。
你可能听过一句话——元数据是关于数据的数据。没错，但光这么讲太抽象。我换个说法，你想想看：你手机里有一张照片，照片本身是数据，那拍摄时间、地点、光圈、快门、GPS坐标——这些是什么？就是元数据。
说白了，元数据就是给数据贴的标签、写的说明书、画的索引卡。没有它，数据就是一盘散沙。
元数据的定义
我给个稍微正式点的定义，你记住就行：
元数据（Metadata）是关于数据的数据，是对数据内容、质量、条件、来源、结构、格式、语义、上下文、访问方式等信息的结构化描述。
我个人习惯把它比作图书馆的目录卡片。书在架子上，卡片告诉你书名、作者、分类号、在哪个区。没有卡片，你只能把整层楼的书翻一遍。数据也是这个道理。
元数据有几个关键特征，我列一下：
- 结构化：元数据本身遵循一定的格式和规范，不是随手写的备注
- 描述性：它描述的是数据的特征，而不是数据本身的内容
- 可复用：一份元数据可以被多个系统、多个场景反复使用
- 可互操作：不同系统之间能理解同一份元数据，这才有意义
我在项目中遇到过不少团队，做数据迁移的时候直接硬拖原始字段，结果到了新系统里，字段含义对不上、单位不一致、枚举值不匹配……全是坑。根源是什么？元数据没跟上。
元数据的作用
元数据到底能干嘛？我分成四个方面来讲。
1. 发现与定位
没有元数据，你连有什么数据都不知道。元数据就是数据的“地图”和“目录”，告诉你数据在哪、怎么找到它。
2. 理解与解释
人家给你一个数据集，你光看字段名“col_a”，你能懂吗？元数据告诉你“col_a 是用户年龄，单位是周岁，合法范围0-150”。这不就清楚了？
3. 管理与治理
元数据是数据治理的基础。谁创建的数据？什么时间？访问权限是什么？数据质量如何？这些都是元数据管理的内容。
4. 互操作与集成
两个系统要对接，格式要转换、语义要映射、字段要匹配。这些工作全依赖标准化的元数据。没有标准，你就只能写死代码、一个个硬映射，累死人。
元数据的核心分类
元数据怎么分类？业界通常从几个不同的维度去划分。我挑最常用的四种分类方式，你用这个表就能看明白。
| 分类维度 | 子类 | 解释 | 例子 |
|---|---|---|---|
| 按元数据的语法层面 | 语法元数据 | 描述数据格式、编码、结构、语法规则 | 文件是CSV还是JSON？编码是UTF-8还是GBK？使用什么XML Schema？ |
| 按元数据的结构层面 | 结构元数据 | 描述数据实体之间的关系、字段定义、主键外键、层级 | 表结构定义、DDL脚本、ER图、对象关系映射 |
| 按元数据的语义层面 | 语义元数据 | 描述数据在现实世界中代表什么含义，包括概念、术语、本体、分类 | 字典表、编码规范、同义词、类层次结构 |
| 按元数据的使用层面 | 使用元数据 | 描述数据的使用方式、访问权限、生命周期、版本、溯源 | 数据创建时间、所有者、修改历史、数据血缘 |
这四种分类不是互斥的。实际上，你看到的大部分元数据标准（比如Dublin Core、DCAT、ISO 19115），都是同时覆盖了多个维度。
举个具体的例子
你有一个CSV文件，内容如下：
姓名,年龄,城市
张三,28,上海
李四,35,北京那它的元数据可能是这样的：
-- 语法元数据
格式: CSV
分隔符: 逗号
编码: UTF-8
行尾符: LF
-- 结构元数据
表名: user_info
字段列表:
- 姓名: 字符串, 长度50, 非空
- 年龄: 整数, 范围0-150
- 城市: 字符串, 长度100
-- 语义元数据
年龄含义: 用户的周岁年龄
城市含义: 用户常住地，来自行政区划编码表
-- 使用元数据
创建者: 数据采集组
创建时间: 2024-01-15 10:30:00
更新频率: 日更新
访问权限: 内部公开
数据血缘: 来自XX系统用户注册接口你明白了吧？每一类元数据解决不同的问题。语法元数据解决“这个文件怎么解析”；结构元数据解决“字段之间怎么关联”；语义元数据解决“这些数据到底是什么意思”；使用元数据解决“谁在用、怎么用、用多久”。
本章知识体系总览
下面这张图是我手绘的元数据结构总览图，把这一章的核心知识点串在一起，方便你建立整体认知。
这张图就是从这一章的知识点梳理出来的。你看，元数据定义是根基，四大作用是对外传递的价值，而四维分类则是内部组织理解元数据的框架。你之后学任何标准规范，都逃不开这四个维度。
好了，第一章的内容就到这里。打好这个基础，后面的章节我们再说具体怎么用标准去描述元数据、怎么用工具去管理元数据。