我们的团队正在开发一个应用程序，该应用程序获取我们所管理的人口的统计数据，并通过算法将一组参数应用于这些统计数据，以生成人口中每个成员的测量值。用户将能够设置每个参数的值，运行算法，查看结果，并使用不同的值重做，等等。
参数是固定的(例如12个参数)，但具有不同的数字类型和/或精度。
例如，有些参数是非常大的整数，有些是小整数，有些是货币型，有些是高精度小数。
数据模型的第一部分在几个表中显式定义了参数，每个表具有适合该参数的数据类型和精度，例如(简化):
STABLE_PARAMETERS
id number(4)
very_large_parameter_1 number(18)
very_large_parameter_2 number(15)
range_parameter_min number(3)
range_parameter_max number(9)
VOLATILE_PARAMETERS
id number(4)
monetary_min number(5,2)
monetary_max number(11,2)
conversion_rate number(7,6)
count_rate number(5,4)
该算法正在应用程序中的代码中定义，经过测试，预计至少在几年内保持稳定。如果算法发生变化，则需要更改代码、重新测试和发布。如果其中添加了一个新参数，则需要将其添加到相关表中，并更改代码以适应它。
我最初认为对参数采用更通用的方法会更好，将参数定义为通用表中的行，而不是显式地定义为单个列，例如:
PARAMETERS
id number(4)
parameter_name varchar2(100)
parameter_type varchar2(20) -- eg INTEGER, MONEY, FLOAT?
parameter_value ???
其中parameter_value可以是:
(1)数字
的字符串表示形式parameter_value varchar2(20) -- "0.000032" or "1000000000" or "1500.00"
或
(2)包罗万象的数定义
parameter_value number(24,6) -- 0.000032 or 1000000000.000000 or 1500.000000
或
(3) 3列，每个参数类型1列，每个参数行只填充这些列中的1列，其他2列为空。
parameter_value_int number(18) -- 1000000000
parameter_value_money number(11,2) -- 1500.00
parameter_value_float number(7,6) -- 0.000032
这些似乎都不是正确的方法。(1)将数字存储为字符串，这是有风险的，需要根据parameter_type对值进行解释。(2)对许多数字来说是多余的。(3)稍微好一点，但需要基于parameter_type的解释。
将来谁知道，也许日期参数或字符参数也会添加?
在这种情况下，建模的最佳方法是什么?
例如，有些参数是非常大的整数，有些是小整数，有些是货币型，有些是高精度小数。
更重要的是，在数据模型中，非常大的整数将被连接/比较到非常大的整数列，小整数到小整数，货币到货币，等等。
因此，如果您以某种通用格式保存这些参数，那么您就需要一种通用方法来比较通用参数与总体统计数据中通用(未知)表中的通用(未知)列。
SQL不做泛型。您需要一些可怕的逻辑(在高级语言中)来找出哪个通用参数与哪个table.column进行比较，并将SQL生成为字符串。不匹配的可能性很大，需要大量的测试。
如果其中添加了一个新参数，则需要将其添加到相关表中，并更改代码以适应它。
是的，我希望如果添加了一个新参数，它可以连接/比较数据模型中的特定新列。然后为该列命名;不要让它通用。
如果在家庭收入统计中有一列货币，在财产价值统计中有一列货币，则在参数中放入两列货币，分别命名为household_income,property_value。谁知道呢，这些数字的精度将来可能会改变。
我在企业范围的包中看到过类似您要求的东西，用于用户定义的属性。软件包供应商无法提前知道用户想要记录的额外信息。但是没有通用的方法来查询这个:供应商的方法是将数据输入电子表格，并使其成为用户的问题。