Datamodellering: Konceptuell, logisk och fysisk

Vad är datamodellering?

Datamodellering (datamodellering) är processen att skapa en datamodell för data som ska lagras i en databas. Datamodellen är en konceptuell representation av dataobjekt, kopplingarna mellan dessa objekt och de regler som styr dem. Genom att visualisera data på detta sätt kan team upprätthålla affärsregler, regelefterlevnad och myndighetspolicyer innan några tabeller skapas.

Datamodeller säkerställer också konsekvens i namngivningskonventioner, standardvärden, semantik och säkerhet, samtidigt som de stöder den övergripande datakvaliteten. Diagrammet nedan visar hur de tre kärnlagren i datamodellering passar ihop med ökande detaljnivåer.

Datamodeller i DBMS

Ocuco-landskapet Datamodell är en magmuskeltracen t-modell som organiserar databeskrivning, datasemantik och de konsistensbegränsningar som tillämpas på dessa data. Modellen betonar vad data behövs och hur den bör organiseras, snarare än vilka operationer som ska utföras på den. Tänk på en datamodell som en arkitekts byggplan: den anger den konceptuella strukturen och relationen mellan dataelement långt innan databasen fysiskt skapas.

Två notationer används ofta som datamodelleringstekniker:

1. Entity Relationship (ER) Modell — en grafisk notation som visar entiteter, attribut och relationerna mellan dem.
2. UML (Unified Modeling Language) — ett bredare visuellt språk som stöder klassdiagram lämpliga för datastrukturdesign.

Denna handledning i datamodellering passar bäst för nybörjare, både nybörjare och erfarna yrkesverksamma som behöver en repetition av konceptuella, logiska och fysiska lager.

Varför använda Data Model?

Innan varje lager utforskas är det bra att förstå det affärsvärde som en sund datamodell levererar. De primära målen med att använda en datamodell är:

• Säkerställer att alla dataobjekt som krävs av databasen representeras korrekt. Utelämnande av data leder till felaktiga rapporter och felaktiga resultat.
• Hjälper till att designa databasen på konceptuell, logisk och fysisk nivå.
• Definierar relationstabeller, primär- och främmandennycklar samt lagrade procedurer som databasen behöver.
• Ger en tydlig bild av basdata så att databasutvecklare kan bygga en fysisk databas med tillförsikt.
• Hjälper till att identifiera saknade och redundanta data tidigt, innan fel sprider sig nedströms.
• Även om det initiala skapandet är arbets- och tidskrävande, gör det framtida uppgraderingar och underhåll av IT-infrastruktur billigare och snabbare.

Typer av datamodeller i DBMS

Typer av datamodeller: Det finns tre huvudtyper av datamodeller – konceptuella, logiska och fysiska – och var och en har ett specifikt syfte. Tillsammans beskriver de data och hur de lagras, och de anger relationerna mellan dataelement.

1. Konceptuell datamodell: definierar VAD systemet innehåller. Det skapas vanligtvis av affärsintressenter och dataarkitekter för att organisera, avgränsa och definiera affärskoncept och regler.
2. Logisk datamodell: definierar HUR Systemet bör implementeras oavsett DBMS. Det skapas vanligtvis av dataarkitekter och affärsanalytiker för att utveckla en teknisk karta över regler och datastrukturer.
3. Fysisk datamodell: beskriver HUR Systemet kommer att implementeras med hjälp av ett specifikt databashanteringssystem (DBMS). Det skapas vanligtvis av databasansvariga och utvecklare och representerar den faktiska implementeringen av databasen.

Konceptuell datamodell

A Konceptuell datamodell är en organiserad vy över databaskoncept och deras relationer. Syftet med att skapa en konceptuell datamodell är att fastställa entiteter, deras attribut och relationerna mellan dem. På denna nivå registreras väldigt lite detaljer om den faktiska databasstrukturen. Affärsintressenter och dataarkitekter äger vanligtvis denna artefakt.

De tre grundläggande principerna för en konceptuell datamodell är:

• Enhet: En verklig sak.
• Attribut: En entitets egenskaper eller egenskaper.
• Relation: Beroende eller koppling mellan två entiteter.

Exempel på datamodell:

• Kund och Produkt är två entiteter. Kundnummer och namn är attribut för kundentiteten.
• Produktnamn och pris är attribut för produktentiteten.
• Försäljning är relationen mellan kund och produkt.

Egenskaper hos en konceptuell datamodell

• Erbjuder organisationsomfattande täckning av affärskoncept.
• Designad och utvecklad för en affärspublik.
• Byggt oberoende av hårdvaruspecifikationer som datalagringskapacitet eller plats, och mjukvaruspecifikationer som DBMS-leverantör och teknik. Fokus är att representera data som en användare kommer att se den i den "verkliga världen".

Konceptuella datamodeller – ibland kallade domänmodeller – skapar ett gemensamt ordförråd för alla intressenter genom att fastställa grundläggande begrepp och omfattning.

Logisk datamodell

Ocuco-landskapet Logisk datamodell definierar strukturen för dataelement och sätter relationer mellan dem. Den lägger till ytterligare information till de konceptuella datamodellelementen och ger grunden som den fysiska datamodellen så småningom kommer att bygga vidare på, även om modelleringsstrukturen förblir DBMS-agnostisk.

På denna datamodelleringsnivå är primära eller sekundära nycklar ännu inte färdigställda. Du verifierar och justerar de kopplingsdetaljer som ställdes in tidigare för relationer och förfinar kardinaliteter.

Egenskaper hos en logisk datamodell

• Beskriver databehov för ett enskilt projekt men kan integreras med andra logiska datamodeller beroende på projektets omfattning.
• Designad och utvecklad oberoende av DBMS.
• Dataattribut bär datatyper med exakta precisioner och längder.
• Normalisering tillämpas vanligtvis upp till den tredje normalformen (3NF).

Fysisk datamodell

A Fysisk datamodell beskriver en databasspecifik implementering av datamodellen. Den erbjuder databasabstraktertracoch hjälper till att generera schemat direkt, tack vare den rika metadata som det innehåller. Den fysiska datamodellen hjälper också till att visualisera databasstrukturen genom att replikera kolumnnycklar, begränsningar, index, triggers och annat. RDBMS funktioner.

Egenskaper hos en fysisk datamodell

• Beskriver databehov för ett enskilt projekt eller en applikation, även om det kan integreras med andra fysiska datamodeller baserat på projektets omfattning.
• Definierar relationer mellan tabeller som adresserar kardinaliteten och nullbarheten för varje relation.
• Utvecklad för en specifik version av ett databashanteringssystem, plats, datalagringslayout eller teknik som används i projektet.
• Kolumner har exakta datatyper, längder och standardvärden.
• Primär- och främmande nycklar, vyer, index, åtkomstprofiler och behörigheter definieras explicit.

Konceptuell vs. Logisk vs. Fysisk datamodell

När du väl förstår varje lager individuellt är det enklaste sättet att behålla skillnaderna att jämföra dem sida vid sida. Tabellen nedan sammanfattar fokus, ägare och detaljnivå i varje steg.

Aspect	Conceptual	logisk	Mått
Syfte	Definiera VAD systemet innehåller	Definiera HUR systemet ska fungera, DBMS-agnostiskt	Definiera HUR systemet implementeras i ett specifikt databashanteringssystem (DBMS)
publik	Affärsintressenter, dataarkitekter	Dataarkitekter, affärsanalytiker	Databasadministratörer, utvecklare
Detaljnivå	Övergripande enheter, attribut, relationer	Datatyper, normalisering, attribut	Tabeller, kolumner, nycklar, index, triggers
Definierade nycklar	Ingen	Konceptuella primär- och främmande nycklar	Konkreta primär-, främmande- och surrogatnycklar
DBMS-beroende	Fristående Optiker	Fristående Optiker	Kopplat till ett specifikt databashanteringssystem

Fördelar och nackdelar med datamodell

Fördelar med en datamodell:

• Huvudmålet med en datamodell är att säkerställa att de dataobjekt som erbjuds av det funktionella teamet representeras korrekt.
• Datamodellen är tillräckligt detaljerad för att kunna användas som ritning för att bygga den fysiska databasen.
• Informationen i datamodellen kan användas för att definiera relationerna mellan tabeller, primär- och främmande nycklar samt lagrade procedurer.
• En datamodell hjälper verksamheten att kommunicera konsekvent inom och mellan organisationer.
• En datamodell hjälper till att dokumentera datamappningpings i ETL-processen.
• Det hjälper till att identifiera rätt datakällor för att fylla modellen.

Nackdelar med en datamodell:

• För att utveckla en datamodell måste du förstå de fysiska egenskaperna hos den lagrade datan.
• Navigationssystem byggda ovanpå en datamodell kan producera komplext applikationsutvecklings- och hanteringsarbete, vilket kräver djupgående domänkunskaper.
• Även en liten förändring i strukturen kan kräva modifieringar i hela applikationen.
• Det finns inget universellt språk för datamanipulation som täcker alla DBMS, så modeller måste ofta anpassas per plattform.

Vanliga frågor