Datamodellering: Konseptuell, logisk og fysisk

Hva er datamodellering?

Datamodellering (datamodellering) er prosessen med å lage en datamodell for dataene som skal lagres i en database. Datamodellen er en konseptuell representasjon av dataobjekter, assosiasjonene mellom disse objektene og reglene som styrer dem. Ved å visualisere data på denne måten kan team håndheve forretningsregler, samsvar med forskrifter og myndighetspolicyer før noen tabeller bygges.

Datamodeller sikrer også konsistens i navnekonvensjoner, standardverdier, semantikk og sikkerhet, samtidig som de støtter den generelle datakvaliteten. Diagrammet nedenfor viser hvordan de tre kjernelagene i datamodellering passer sammen med økende detaljnivåer.

Datamodeller i DBMS

Ocuco Datamodell er en magemuskeltract-modell som organiserer databeskrivelse, datasemantikk og konsistensbegrensningene som gjelder for disse dataene. Modellen vektlegger hva data er nødvendig og hvordan Den bør organiseres, snarere enn hvilke operasjoner som skal utføres på den. Tenk på en datamodell som en arkitekts byggeplan: den setter den konseptuelle strukturen og forholdet mellom dataelementer lenge før databasen fysisk opprettes.

To notasjoner brukes ofte som datamodelleringsteknikker:

1. Entity Relationship (ER) modell — en grafisk notasjon som viser enheter, attributter og forholdet mellom dem.
2. UML (Unified Modeling Language) — et bredere visuelt språk som støtter klassediagrammer som er egnet for datastrukturdesign.

Denne veiledningen i datamodellering passer best for nybegynnere, nybegynnere og erfarne fagfolk som trenger en oppfriskning av konseptuelle, logiske og fysiske lag.

Hvorfor bruke datamodell?

Før man utforsker hvert lag, er det nyttig å forstå forretningsverdien en god datamodell leverer. De primære målene med å bruke en datamodell er:

• Sørger for at alle dataobjekter som kreves av databasen er nøyaktig representert. Utelatelse av data fører til feilaktige rapporter og feil resultater.
• Hjelper med å designe databasen på konseptuelt, logisk og fysisk nivå.
• Definerer relasjonstabellene, primærnøklene og fremmednøklene og lagrede prosedyrer som databasen trenger.
• Gir et klart bilde av basisdataene slik at databaseutviklere kan bygge en fysisk database med trygghet.
• Bidrar til å identifisere manglende og overflødige data tidlig, før feil sprer seg nedstrøms.
• Selv om den første etableringen er arbeids- og tidkrevende, gjør det fremtidige oppgraderinger og vedlikehold av IT-infrastruktur billigere og raskere.

Typer datamodeller i DBMS

Typer datamodeller: Det finnes tre hovedtyper datamodeller – konseptuelle, logiske og fysiske – og hver har et spesifikt formål. Sammen beskriver de dataene og hvordan de lagres, og de angir forholdene mellom dataelementer.

1. Konseptuell datamodell: definerer WHAT systemet inneholder. Det lages vanligvis av forretningsinteressenter og dataarkitekter for å organisere, definere omfang og forretningskonsepter og regler.
2. Logisk datamodell: definerer HVORDAN Systemet bør implementeres uavhengig av DBMS. Det lages vanligvis av dataarkitekter og forretningsanalytikere for å utvikle et teknisk kart over regler og datastrukturer.
3. Fysisk datamodell: Beskriver HVORDAN Systemet vil bli implementert ved hjelp av et spesifikt databasesystem (DBMS). Det lages vanligvis av databaseadministratorer og utviklere, og representerer den faktiske implementeringen av databasen.

Konseptuell datamodell

A Konseptuell datamodell er en organisert oversikt over databasekonsepter og deres relasjoner. Formålet med å lage en konseptuell datamodell er å etablere enheter, deres attributter og relasjonene mellom dem. På dette nivået fanges det opp svært lite detaljer om den faktiske databasestrukturen. Forretningsinteressenter og dataarkitekter eier vanligvis denne artefakten.

De tre grunnleggende prinsippene i en konseptuell datamodell er:

• Entity: En virkelighetsnær ting.
• Egenskap: Kjennetegn eller egenskaper ved en enhet.
• Forhold: Avhengighet eller tilknytning mellom to enheter.

Eksempel på datamodell:

• Kunde og produkt er to enheter. Kundenummer og navn er attributter for kundeenheten.
• Produktnavn og pris er attributter for Produkt-enheten.
• Salg er forholdet mellom kunde og produkt.

Kjennetegn ved en konseptuell datamodell

• Tilbyr organisasjonsomfattende dekning av forretningskonsepter.
• Designet og utviklet for et forretningspublikum.
• Bygget uavhengig av maskinvarespesifikasjoner som datalagringskapasitet eller plassering, og programvarespesifikasjoner som DBMS-leverandør og teknologi. Fokuset er å representere data slik en bruker vil se dem i den «virkelige verden».

Konseptuelle datamodeller – noen ganger kalt domenemodeller – skaper et felles vokabular for alle interessenter ved å etablere grunnleggende konsepter og omfang.

Logisk datamodell

Ocuco Logisk datamodell definerer strukturen til dataelementer og setter relasjoner mellom dem. Den legger til ytterligere informasjon til de konseptuelle datamodellelementene og gir grunnlaget som den fysiske datamodellen til slutt vil bygge videre på, selv om modelleringsstrukturen forblir DBMS-agnostisk.

På dette datamodelleringsnivået er ikke primære eller sekundære nøkler ferdigstilt ennå. Du verifiserer og justerer koblingsdetaljene som ble angitt tidligere for relasjoner og finjusterer kardinaliteter.

Kjennetegn ved en logisk datamodell

• Beskriver databehovet for et enkelt prosjekt, men kan integreres med andre logiske datamodeller avhengig av prosjektets omfang.
• Designet og utviklet uavhengig av DBMS.
• Dataattributter har datatyper med nøyaktig presisjon og lengde.
• Normalisering brukes vanligvis opp til den tredje normalformen (3NF).

Fysisk datamodell

A Fysisk datamodell beskriver en databasespesifikk implementering av datamodellen. Den tilbyr databaseabstraktetracog bidrar til å generere skjemaet direkte, takket være de rike metadataene det inneholder. Den fysiske datamodellen bidrar også til å visualisere databasestrukturen ved å replikere kolonnenøkler, begrensninger, indekser, utløsere og annet. RDBMS funksjoner.

Kjennetegn ved en fysisk datamodell

• Beskriver databehov for et enkelt prosjekt eller en applikasjon, selv om det kan integreres med andre fysiske datamodeller basert på prosjektets omfang.
• Definerer relasjoner mellom tabeller som adresserer kardinaliteten og nullbarheten til hver relasjon.
• Utviklet for en spesifikk versjon av et DBMS, en plassering, et datalagringsoppsett eller en teknologi som brukes i prosjektet.
• Kolonner har nøyaktige datatyper, lengder og standardverdier.
• Primærnøkler og fremmednøkler, visninger, indekser, tilgangsprofiler og autorisasjoner er eksplisitt definert.

Konseptuell vs. logisk vs. fysisk datamodell

Når du har forstått hvert lag individuelt, er den enkleste måten å huske forskjellene på å sammenligne dem side om side. Tabellen nedenfor oppsummerer fokus, eiere og detaljnivå i hvert trinn.

Aspekt	konseptuelle	logisk	Fysisk
Formål	Definer HVA systemet inneholder	Definer HVORDAN systemet skal fungere, DBMS-agnostisk	Definer HVORDAN systemet implementeres i et spesifikt DBMS
Publikum	Forretningsinteressenter, dataarkitekter	Dataarkitekter, forretningsanalytikere	DBA-er, utviklere
Detaljnivå	Høynivåenheter, attributter og relasjoner	Datatyper, normalisering, attributter	Tabeller, kolonner, nøkler, indekser, utløsere
Nøkler definert	none	Konseptuelle primær- og fremmednøkler	Konkrete primær-, fremmed- og surrogatnøkler
DBMS-avhengighet	Frittstående optiker	Frittstående optiker	Knyttet til et spesifikt DBMS

Fordeler og ulemper med datamodell

Fordeler med en datamodell:

• Hovedmålet med en datamodell er å sikre at dataobjektene som tilbys av det funksjonelle teamet er representert nøyaktig.
• Datamodellen er detaljert nok til å kunne brukes som en blåkopi for å bygge den fysiske databasen.
• Informasjonen i datamodellen kan brukes til å definere forholdene mellom tabeller, primærnøkler og fremmednøkler og lagrede prosedyrer.
• En datamodell hjelper bedriften med å kommunisere konsekvent innad i og på tvers av organisasjoner.
• En datamodell hjelper med å dokumentere datakartpings i ETL-prosessen.
• Det hjelper med å gjenkjenne de riktige datakildene for å fylle modellen.

Ulemper med en datamodell:

• For å utvikle en datamodell må du forstå de fysiske egenskapene til de lagrede dataene.
• Navigasjonssystemer bygget oppå en datamodell kan produsere komplekst applikasjonsutviklings- og administrasjonsarbeid, noe som krever dyp domenekunnskap.
• Selv en liten endring i strukturen kan kreve modifikasjoner på tvers av hele applikasjonen.
• Det finnes ikke noe universelt språk for datamanipulering på tvers av alle DBMS, så modeller må ofte tilpasses per plattform.

Spørsmål og svar