Was ist Datenmodellierung? Typen (konzeptionell, logisch, physisch)

Was ist Datenmodellierung?

Datenmodellierung (Datenmodellierung) ist der Prozess der Erstellung eines Datenmodells für die Daten, die in einer Datenbank gespeichert werden sollen. Dieses Datenmodell ist eine konzeptionelle Darstellung von Datenobjekten, den Assoziationen zwischen verschiedenen Datenobjekten und den Regeln.

Die Datenmodellierung hilft bei der visuellen Darstellung von Daten und setzt Geschäftsregeln, die Einhaltung gesetzlicher Vorschriften und behördliche Richtlinien für die Daten durch. Datenmodelle gewährleisten Konsistenz bei Namenskonventionen, Standardwerten, Semantik und Sicherheit und stellen gleichzeitig die Qualität der Daten sicher.

Datenmodelle in DBMS

Die Datenmodell wird als abstraktes Modell definiert, das Datenbeschreibungen, Datensemantiken und Konsistenzbeschränkungen von Daten organisiert. Das Datenmodell betont, welche Daten benötigt werden und wie sie organisiert werden sollten, anstatt welche Operationen an den Daten durchgeführt werden. Das Datenmodell ist wie der Bauplan eines Architekten, der hilft, konzeptionelle Modelle zu erstellen und eine Beziehung zwischen Datenelementen herzustellen.

Es gibt zwei Arten von Datenmodellierungstechniken

Entity Relationship (ER)-Modell
UML (Einheitliche Modellierungssprache)

Wir werden sie später im Detail besprechen.

Dieses Datenmodellierungs-Tutorial eignet sich am besten für Studienanfänger, Anfänger und erfahrene Profis.

Warum Datenmodell verwenden?

Das Hauptziel der Verwendung des Datenmodells ist:

Stellt sicher, dass alle von der Datenbank benötigten Datenobjekte genau dargestellt werden. Das Weglassen von Daten führt zur Erstellung fehlerhafter Berichte und führt zu falschen Ergebnissen.
Ein Datenmodell hilft beim Entwurf der Datenbank auf konzeptioneller, physischer und logischer Ebene.
Die Datenmodellstruktur hilft bei der Definition der relationalen Tabellen, Primär- und Fremdschlüssel und gespeicherten Prozeduren.
Es bietet ein klares Bild der Basisdaten und kann von Datenbankentwicklern zum Erstellen einer physischen Datenbank verwendet werden.
Es ist auch hilfreich, fehlende und redundante Daten zu identifizieren.
Obwohl die anfängliche Erstellung eines Datenmodells arbeits- und zeitintensiv ist, können Sie auf lange Sicht die Aktualisierung und Wartung Ihrer IT-Infrastruktur dadurch kostengünstiger und schneller durchführen.

Arten von Datenmodellen im DBMS

Arten von Datenmodellen: Es gibt hauptsächlich drei verschiedene Arten von Datenmodellen: konzeptionelle Datenmodelle, logische Datenmodelle und physische Datenmodelle, und jedes hat einen bestimmten Zweck. Die Datenmodelle werden verwendet, um die Daten und deren Speicherung in der Datenbank darzustellen und die Beziehung zwischen Datenelementen festzulegen.

Konzeptionelles Datenmodell: Dieses Datenmodell definiert WAS das System enthält. Dieses Modell wird typischerweise von Geschäftsinteressenten und Daten erstellt ArchiDer Zweck besteht darin, Geschäftskonzepte und -regeln zu organisieren, abzugrenzen und zu definieren.
Logisches Datenmodell: Definiert WIE Das System sollte unabhängig vom DBMS implementiert werden. Dieses Modell wird normalerweise von Data erstellt Architekten und Business-Analysten. Der Zweck besteht darin, eine technische Karte von Regeln und Datenstrukturen zu entwickeln.
Physisches Datenmodell: Dieses Datenmodell beschreibt WIE Das System wird mithilfe eines bestimmten DBMS-Systems implementiert. Dieses Modell wird normalerweise von DBAs und Entwicklern erstellt. Der Zweck ist die tatsächliche Implementierung der Datenbank.

Konzeptionelles Datenmodell

A Konzeptionelles Datenmodell ist eine organisierte Ansicht von Datenbankkonzepten und ihren Beziehungen. Der Zweck der Erstellung eines konzeptionellen Datenmodells besteht darin, Entitäten, ihre Attribute und Beziehungen festzulegen. Auf dieser Datenmodellierungsebene sind kaum Details zur tatsächlichen Datenbankstruktur verfügbar. Geschäftsinteressenten und Datenarchitekten erstellen normalerweise ein konzeptionelles Datenmodell.

Die 3 Grundmieter des Conceptual Data Model sind:

Wesen: Eine reale Sache
Attribut: Merkmale oder Eigenschaften einer Entität
Beziehung: Abhängigkeit oder Assoziation zwischen zwei Entitäten

Beispiel für ein Datenmodell:

Kunde und Produkt sind zwei Einheiten. Kundennummer und Name sind Attribute der Kundenentität
Produktname und Preis sind Attribute der Produkteinheit
Verkauf ist die Beziehung zwischen Kunde und Produkt

Merkmale eines konzeptionellen Datenmodells

Bietet eine organisationsweite Abdeckung der Geschäftskonzepte.
Diese Art von Datenmodellen wurde für ein Geschäftspublikum entworfen und entwickelt.
Das konzeptionelle Modell wird unabhängig von Hardwarespezifikationen wie Datenspeicherkapazität, Standort oder Softwarespezifikationen wie DBMS-Anbieter und -Technologie entwickelt. Der Fokus liegt darauf, Daten so darzustellen, wie ein Benutzer sie in der „realen Welt“ sehen wird.

Konzeptionelle Datenmodelle, sogenannte Domänenmodelle, schaffen durch die Festlegung grundlegender Konzepte und des Umfangs ein gemeinsames Vokabular für alle Beteiligten.

Logisches Datenmodell

Die Logisches Datenmodell wird verwendet, um die Struktur von Datenelementen zu definieren und Beziehungen zwischen ihnen festzulegen. Das logische Datenmodell fügt den Elementen des konzeptionellen Datenmodells weitere Informationen hinzu. Der Vorteil der Verwendung eines logischen Datenmodells besteht darin, dass es eine Grundlage bietet, die die Basis für das physische Modell bildet. Die Modellierungsstruktur bleibt jedoch generisch.

Auf dieser Datenmodellierungsebene ist kein Primär- oder Sekundärschlüssel definiert. Auf dieser Datenmodellierungsebene müssen Sie die zuvor für Beziehungen festgelegten Konnektordetails überprüfen und anpassen.

Merkmale eines logischen Datenmodells

Beschreibt den Datenbedarf für ein einzelnes Projekt, könnte jedoch je nach Projektumfang in andere logische Datenmodelle integriert werden.
Unabhängig vom DBMS entworfen und entwickelt.
Datenattribute verfügen über Datentypen mit exakter Genauigkeit und Länge.
Normalisierungsprozesse auf das Modell werden typischerweise bis 3NF angewendet.

Physisches Datenmodell

A Physisches Datenmodell beschreibt eine datenbankspezifische Implementierung des Datenmodells. Es bietet Datenbankabstraktion und hilft bei der Schemagenerierung. Dies liegt an der Fülle an Metadaten, die ein physisches Datenmodell bietet. Das physische Datenmodell hilft auch bei der Visualisierung der Datenbankstruktur, indem es Datenbankspaltenschlüssel, Einschränkungen, Indizes, Trigger und anderes repliziert RDBMS Funktionen.

Eigenschaften eines physikalischen Datenmodells

Das physische Datenmodell beschreibt den Datenbedarf für ein einzelnes Projekt oder eine einzelne Anwendung, kann jedoch je nach Projektumfang in andere physische Datenmodelle integriert werden.
Das Datenmodell enthält Beziehungen zwischen Tabellen, die die Kardinalität und Nullbarkeit der Beziehungen berücksichtigen.
Entwickelt für eine bestimmte Version eines DBMS, Standorts, Datenspeichers oder einer Technologie, die im Projekt verwendet werden soll.
Spalten sollten genaue Datentypen, zugewiesene Längen und Standardwerte haben.
Es werden Primär- und Fremdschlüssel, Ansichten, Indizes, Zugriffsprofile und Berechtigungen usw. definiert.

Vor- und Nachteile des Datenmodells

Vorteile des Datenmodells:

Das Hauptziel eines Entwurfsdatenmodells besteht darin, sicherzustellen, dass die vom Funktionsteam bereitgestellten Datenobjekte korrekt dargestellt werden.
Das Datenmodell sollte detailliert genug sein, um für den Aufbau der physischen Datenbank verwendet zu werden.
Die Informationen im Datenmodell können zum Definieren der Beziehung zwischen Tabellen, Primär- und Fremdschlüsseln sowie gespeicherten Prozeduren verwendet werden.
Das Datenmodell hilft Unternehmen bei der Kommunikation innerhalb und zwischen Organisationen.
Das Datenmodell hilft bei der Dokumentation von Datenzuordnungen im ETL-Prozess
Helfen Sie dabei, die richtigen Datenquellen zum Auffüllen des Modells zu erkennen

Nachteile des Datenmodells:

Um ein Datenmodell zu entwickeln, sollte man die gespeicherten physikalischen Dateneigenschaften kennen.
Dieses Navigationssystem ermöglicht die Entwicklung und Verwaltung komplexer Anwendungen. Daher ist die Kenntnis der biografischen Wahrheit erforderlich.
Selbst kleinere Strukturänderungen erfordern eine Änderung der gesamten Anwendung.
Es gibt keine festgelegte Datenmanipulationssprache DBMS.

Fazit

Unter Datenmodellierung versteht man den Prozess der Entwicklung eines Datenmodells für die in einer Datenbank zu speichernden Daten.
Datenmodelle gewährleisten Konsistenz bei Namenskonventionen, Standardwerten, Semantik und Sicherheit und stellen gleichzeitig die Qualität der Daten sicher.
Die Datenmodellstruktur hilft bei der Definition der relationalen Tabellen, Primär- und Fremdschlüssel und gespeicherten Prozeduren.
Es gibt drei Arten von konzeptionellen, logischen und physischen.
Das Hauptziel des konzeptionellen Modells besteht darin, die Entitäten, ihre Attribute und ihre Beziehungen festzulegen.
Das logische Datenmodell definiert die Struktur der Datenelemente und legt die Beziehungen zwischen ihnen fest.
Ein physisches Datenmodell beschreibt die datenbankspezifische Implementierung des Datenmodells.
Das Hauptziel eines Entwurfsdatenmodells besteht darin, sicherzustellen, dass die vom Funktionsteam bereitgestellten Datenobjekte korrekt dargestellt werden.
Der größte Nachteil besteht darin, dass selbst kleinere Strukturänderungen eine Änderung der gesamten Anwendung erfordern.
In diesem Datenmodellierungs-Tutorial lernen Sie die grundlegenden Konzepte kennen, z. B. „Was ist ein Datenmodell?“, „Einführung in unterschiedliche Arten von Datenmodellen“, „Vorteile, Nachteile“ und ein Datenmodellbeispiel.

Du magst vielleicht: