不属于常用的数据集成模型的是

数据集成模型是用于将来自不同来源的数据整合到一起以供分析、报告或决策支持的系统。这些模型通常包括以下几种主要类型：

1. 星型模式（star schema）：星型模式是一种常见的数据库设计，其中数据被分为三个主要部分：事实表、维度表和汇总表。事实表存储原始数据，维度表定义了如何从原始数据中提取信息，汇总表则提供了对数据的聚合视图。这种模式适用于需要频繁查询和更新的场景。

2. 雪花模式（snowflake schema）：雪花模式是一种星型模式的变体，它增加了一个额外的层次来处理维度表中的多维数据。这意味着在事实表中可以包含多个维度表的聚合结果，从而提高了查询的性能。

3. 布鲁姆模式（bloomin schema）：布鲁姆模式是一种层次化的数据模型，它将数据分为不同的层次，每个层次都有其自己的数据结构和关系。这种模式适用于具有复杂数据关系和层次结构的场景，例如组织机构图。

4. 混合模式（hybrid schema）：混合模式结合了以上三种模式的特点，通过使用多个层次和不同类型的表来处理复杂的数据关系。这种模式适用于具有高度动态性和灵活性的场景，例如企业级应用。

5. 文档模式（documentation schema）：文档模式是一种面向文档的数据库设计，它允许用户创建、编辑和共享文档。这种模式适用于需要大量文档数据的场景，如图书馆或档案馆。

6. 键值模式（key-value schema）：键值模式是一种简单的数据模型，它将数据表示为键值对。这种模式适用于需要快速检索和更新少量数据的场景，如缓存或消息队列系统。

7. 对象关系模式（orm schema）：对象关系模式是一种将对象和关系数据结合在一起的设计，它允许用户在数据库中存储和管理复杂的对象关系。这种模式适用于需要处理复杂数据结构的场景，如社交网络或电子商务平台。

8. 时间序列模式（time series schema）：时间序列模式适用于需要处理时间相关的数据的场景，如金融交易记录或气象数据。这种模式允许用户按照时间顺序存储和查询数据，并支持各种时间序列分析方法。

9. 网络模式（network schema）：网络模式是一种用于处理网络拓扑结构数据的模型，它允许用户存储和管理网络中的设备、连接和路由信息。这种模式适用于需要处理网络相关数据的场景，如互联网服务提供商（isp）。

10. 地理空间模式（geographic spatial schema）：地理空间模式是一种用于处理地理空间数据的模型，它允许用户存储和管理地理位置、地形、交通网络等数据。这种模式适用于需要处理与地理位置相关的数据的场景，如城市规划或导航系统。

总之，常用的数据集成模型包括星型模式、雪花模式、布鲁姆模式、混合模式、文档模式、键值模式、对象关系模式、时间序列模式、网络模式和地理空间模式。这些模型各有特点，适用于不同的场景和需求。选择适合的数据集成模型对于确保数据的准确性、完整性和可用性至关重要。