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 Zuordnungen zwischen verschiedenen Datenobjekten und den Regeln. Die Datenmodellierung hilft bei der visuellen Darstellung von Daten und setzt Geschäftsregeln, gesetzliche Bestimmungen und behördliche Richtlinien für die Daten durch. Datenmodelle gewährleisten Konsistenz in Bezug auf Namenskonventionen, Standardwerte, Semantik und Sicherheit und stellen gleichzeitig die Qualität der Daten sicher.
Datenmodell
Das Datenmodell ist als abstraktes Modell definiert, das Datenbeschreibung, Datensemantik und Konsistenzbeschränkungen von Daten organisiert. Das Datenmodell betont, welche Daten benötigt werden und wie sie organisiert werden sollten, anstatt welche Operationen an Daten ausgeführt werden. Das Datenmodell ähnelt einem Bauplan eines Architekten, mit dessen Hilfe konzeptionelle Modelle erstellt und eine Beziehung zwischen Datenelementen hergestellt werden können.
Die zwei Arten von Datenmodellierungstechniken sind
- Entity Relationship (ER) -Modell
- UML (Unified Modeling Language)
Wir werden sie später ausführlich besprechen.
Dieses Tutorial zur Datenmodellierung eignet sich am besten für Erstsemester, Anfänger und erfahrene Profis. In diesem Tutorial zum Datenmodell werden Datenmodellierungskonzepte im Detail beschrieben.
- Warum Datenmodell verwenden?
- Arten von Datenmodellen
- Konzeptionelles Datenmodell
- Logisches Datenmodell
- Physikalisches Datenmodell
- Vor- und Nachteile des Datenmodells
Warum Datenmodell verwenden?
Das Hauptziel der Verwendung des Datenmodells ist:
- Stellt sicher, dass alle von der Datenbank benötigten Datenobjekte korrekt dargestellt werden. Das Auslassen von Daten führt zur Erstellung fehlerhafter Berichte und zu falschen Ergebnissen.
- Ein Datenmodell hilft beim Entwerfen der Datenbank auf konzeptioneller, physischer und logischer Ebene.
- Die Datenmodellstruktur hilft bei der Definition der relationalen Tabellen, Primär- und Fremdschlüssel sowie der 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.
- Die anfängliche Erstellung eines Datenmodells ist zwar arbeits- und zeitaufwändig, macht jedoch auf lange Sicht das Upgrade und die Wartung Ihrer IT-Infrastruktur billiger und schneller.
Arten von Datenmodellen
Arten von Datenmodellen : Es gibt hauptsächlich drei verschiedene Arten von Datenmodellen: konzeptionelle Datenmodelle, logische Datenmodelle und physikalische Datenmodelle, und jedes hat einen bestimmten Zweck. Die Datenmodelle werden verwendet, um die Daten darzustellen und wie sie in der Datenbank gespeichert sind, und um die Beziehung zwischen Datenelementen festzulegen.
- Konzeptionelles Datenmodell: Dieses Datenmodell definiert, WAS das System enthält. Dieses Modell wird normalerweise von Geschäftsinteressenten und Datenarchitekten erstellt. Ziel ist es, Geschäftskonzepte und -regeln zu organisieren, zu erweitern und zu definieren.
- Logical Data Model: Legt fest , WIE sollte das System unabhängig von den DBMS implementiert werden. Dieses Modell wird normalerweise von Datenarchitekten und Geschäftsanalysten erstellt. Ziel ist es, eine technische Karte von Regeln und Datenstrukturen zu entwickeln.
- Physical Data Model : Dieses Datenmodell beschreibt HOW das System ein bestimmtes DBMS - System implementiert werden. Dieses Modell wird normalerweise von DBA und Entwicklern erstellt. Der Zweck ist die tatsächliche Implementierung der Datenbank.
Konzeptionelles Datenmodell
Ein 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. In 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
- Entität : 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 dem Kunden und dem Produkt
Eigenschaften eines konzeptionellen Datenmodells
- Bietet 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 auf der Darstellung von Daten, wie sie ein Benutzer in der "realen Welt" sehen wird.
Konzeptionelle Datenmodelle, die als Domänenmodelle bezeichnet werden, schaffen ein gemeinsames Vokabular für alle Beteiligten, indem sie grundlegende Konzepte und Bereiche festlegen.
Logisches Datenmodell
Das logische Datenmodell wird verwendet, um die Struktur von Datenelementen zu definieren und Beziehungen zwischen ihnen festzulegen. Das logische Datenmodell fügt den konzeptionellen Datenmodellelementen weitere Informationen hinzu. Der Vorteil der Verwendung eines logischen Datenmodells besteht darin, dass eine Grundlage für die Grundlage des physischen Modells geschaffen wird. Die Modellierungsstruktur bleibt jedoch generisch.
Auf dieser Datenmodellierungsebene ist kein Primär- oder Sekundärschlüssel definiert. Auf dieser Datenmodellierungsebene müssen Sie die zuvor für Beziehungen festgelegten Connector-Details überprüfen und anpassen.
Eigenschaften eines logischen Datenmodells
- Beschreibt den Datenbedarf für ein einzelnes Projekt, kann jedoch je nach Projektumfang in andere logische Datenmodelle integriert werden.
- Unabhängig vom DBMS entworfen und entwickelt.
- Datenattribute haben Datentypen mit genauen Genauigkeiten und Längen.
- Normalisierungsprozesse auf das Modell werden normalerweise bis 3NF angewendet.
Physikalisches Datenmodell
Ein physikalisches Datenmodell beschreibt eine datenbankspezifische Implementierung des Datenmodells. Es bietet Datenbankabstraktion und hilft beim Generieren des Schemas. Dies liegt an der Fülle von Metadaten, die ein physikalisches Datenmodell bietet. Das physische Datenmodell hilft auch bei der Visualisierung der Datenbankstruktur, indem Datenbankspaltenschlüssel, Einschränkungen, Indizes, Trigger und andere RDBMS-Funktionen repliziert werden.
Eigenschaften eines physikalischen Datenmodells:
- Das physische Datenmodell beschreibt den Datenbedarf für ein einzelnes Projekt oder eine einzelne Anwendung, obwohl es je nach Projektumfang möglicherweise in andere physische Datenmodelle integriert ist.
- Das Datenmodell enthält Beziehungen zwischen Tabellen, die sich mit Kardinalität und Nullfähigkeit der Beziehungen befassen.
- Entwickelt für eine bestimmte Version eines DBMS, eines Speicherorts, eines Datenspeichers oder einer Technologie, die im Projekt verwendet werden soll.
- Spalten sollten genaue Datentypen, zugewiesene Längen und Standardwerte haben.
- Primär- und Fremdschlüssel, Ansichten, Indizes, Zugriffsprofile und Berechtigungen usw. werden definiert.
Vor- und Nachteile des Datenmodells:
Vorteile des Datenmodells:
- Das Hauptziel eines Entwurfs eines Datenmodells besteht darin, sicherzustellen, dass die vom Funktionsteam angebotenen Datenobjekte genau dargestellt werden.
- Das Datenmodell sollte detailliert genug sein, um zum Erstellen der physischen Datenbank verwendet zu werden.
- Die Informationen im Datenmodell können zum Definieren der Beziehung zwischen Tabellen, Primär- und Fremdschlüsseln und 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, korrekte Datenquellen zu erkennen, um das Modell zu füllen
Nachteile des Datenmodells:
- Um ein Datenmodell zu entwickeln, sollte man die gespeicherten Eigenschaften physikalischer Daten kennen.
- Dies ist ein Navigationssystem, das eine komplexe Anwendungsentwicklung und -verwaltung erzeugt. Daher ist eine Kenntnis der biografischen Wahrheit erforderlich.
- Noch kleinere Strukturänderungen erfordern Änderungen in der gesamten Anwendung.
- In DBMS gibt es keine festgelegte Datenbearbeitungssprache.
Fazit
- Bei der Datenmodellierung wird ein Datenmodell für die Daten entwickelt, die in einer Datenbank gespeichert werden sollen.
- Datenmodelle gewährleisten Konsistenz in Bezug auf Namenskonventionen, Standardwerte, Semantik und Sicherheit und stellen gleichzeitig die Qualität der Daten sicher.
- Die Datenmodellstruktur hilft bei der Definition der relationalen Tabellen, Primär- und Fremdschlüssel sowie der 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 zu etablieren.
- Das logische Datenmodell definiert die Struktur der Datenelemente und legt die Beziehungen zwischen ihnen fest.
- Ein physikalisches Datenmodell beschreibt die datenbankspezifische Implementierung des Datenmodells.
- Das Hauptziel eines Entwurfs eines Datenmodells besteht darin, sicherzustellen, dass die vom Funktionsteam angebotenen Datenobjekte genau dargestellt werden.
- Der größte Nachteil ist, dass noch kleinere Änderungen in der Struktur Änderungen in der gesamten Anwendung erfordern.
- Wenn Sie dieses Tutorial zur Datenmodellierung lesen, lernen Sie aus den Grundkonzepten wie Was ist Datenmodell? Einführung in verschiedene Arten von Datenmodellen, Vor- und Nachteile sowie Beispiele für Datenmodelle.