Vad är datamodellering
Enkelt uttryckt hänvisar Datamodeller till att bygga en datamodell som kan lagras i en viss databas. Datamodellen är en konceptuell representation av en förening mellan olika dataobjekt.
Förstå datamodellering / omfattning
Det förekommer i tre olika lager:
- Fysisk modell: Det är ett schema som säger hur data lagras fysiskt i databasen
- Begreppsmodell: Det är användarvyen av data, dvs den höga nivån som användaren ser.
- Logisk modell: Den ligger mellan den fysiska modellen och den konceptuella modellen och den representerar data logiskt, åtskilda från sina fysiska butiker.
Hierarkisk datamodellering: Dessa modeller användes för att ersätta filbaserade system. Uppgifterna förvarades i ett träd som ett för många arrangemang.
Relationsdatamodellering: Det är sant att den hierarkiska modellen hjälpte oss att flytta från filbaserade system som minskade komplexiteten men ändå hade man känt den fysiska datalagring som användes. Relationsdatabasen följer den relationella modellen där data lagras i tabeller, till skillnad från hierarkisk databas där de lagras i en trädliknande struktur. Kort sagt minskade det komplexiteten mer jämfört med den hierarkiska modellen.
Hur gör datamodellering arbetet så enkelt / varför ska vi använda det?
Det hjälper oss i en visuell representation av data och upprätthåller affärslogik, förordningar, policyer etc. om data. Det är en guide som används av forskare och analytiker vid utformning och implementering av en databas. Så utan datamodellering blir analytiker och forskares jobb att genomföra affärskraven i databasen svårt.
Varför behöver vi datamodellering? / Vad kan du göra med det?
Huvudmålet med att använda det är:
- För att säkerställa att alla dataobjekt representeras korrekt som om det inte görs korrekt skulle vi få felaktiga resultat.
- Det hjälper som tidigare nämnts att designa databas på konceptuella, fysiska och logiska nivåer.
- Det hjälper till att utforma relationstabeller, primärnycklar, främmande nycklar etc.
- Databasutvecklare kan skapa en bättre fysisk databas med en bra modell eftersom det blir ett vägledande verktyg för dem.
- Det hjälper till att identifiera saknade och redundanta data.
- Det hjälper oss att ha en bättre IT-infrastruktur och att ha enkelt och billigt underhåll när det behövs på lång sikt, men det är tidskrävande till en början.
Arbetar med datamodellering
Låt oss nu skapa en exempeldatamodell för att förstå hur man arbetar med en modell. För att göra detta måste vi följa vissa steg:
- Först måste vi förstå kraven. I detta fall skapar vi en modell för en onlinebutik. Så med tanke på att vi behöver två tabeller a) kunder b) produkter
- Nästa steg är att få attributen för tabellerna eller enheterna
a. kundtabell kan ha attribut som:
- Id
- namn
- E-post
- Adress
b. Produkttabell kan ha attribut som:
- Id
- namn
I kundtabellen kan vi ha id som primärnyckel och på liknande sätt produkt-id i produkttabellen kommer att vara den primära nyckeln som visas i nedanstående diagram.
Nu kommer vi att utforma förhållandet mellan dessa två tabeller. Så för att ansluta kund- och produkttabellen kommer vi att skapa en tabell som heter köp som kommer att vara som en beställningstabell (dvs. vilken kund beställde vilken produkt).
Om du ser i figuren ovan är referensen till kundköp OK eftersom varje köp har en kund och en kund har många inköp. Så den här referensen är okej. En sak till har vi tagit user_account_id som en utländsk nyckel (referensen till id i kundnyckel). På liknande sätt produkt_id. Det finns fortfarande ett problem med referens till produktköp eftersom flera produkter kan köpas i ett köp samt flera inköp kan innehålla samma produkt.
För att övervinna detta kommer vi att designa en mellanliggande tabell känd som köp_item som kommer att kopplas till köp och produkt. I figuren nedan kan vi se problemet löst.
fördelar
Det finns olika fördelar är följande:
- Det hjälper företag att kommunicera, planera över sin organisation.
- Det hjälper till att känna igen rätt datakälla som kan användas för att fylla i modellen.
- Detta kan användas för att definiera förhållanden mellan olika tabeller som primär nyckel, utländsk nyckel, etc.
Vem är rätt publik för att lära sig denna teknik?
Det är mycket viktigt. Rätt publik för att lära sig modelleringstekniker är individer som är dataarkitekter och dataanalytiker. De flesta individer börjar som dataanalytiker och flyttar sedan uppför stegen.
Hur denna teknik kommer att hjälpa dig i karriärtillväxt?
Enligt Glassdoor beräknas den genomsnittliga lönen på marknaden för modellerare tjäna cirka 78 601 dollar i genomsnitt. Så du kan se att det är ett välbetalt jobb. De flesta stora företag investerar i modellerare eftersom de är väldigt viktiga för att behålla dataens integritet.
Slutsats
Sammanfattningsvis kan vi säga att modellen skapad av modellerare säkerställer konsistens i namngivning av konventioner, integritet och säkerhet för data. eftersom goda data kommer att göra det möjligt för verksamheten att korrekt använda sina data.
Rekommenderade artiklar
Detta har varit en guide till Vad är datamodellering. Här diskuterade vi definitionen, karriärtillväxt, färdigheter, fördelar och Working of Data Modeling med hjälp av exempel. Du kan också gå igenom våra andra föreslagna artiklar för att lära dig mer -
- Vad är Agile Project Management?
- Intervju för datavarehousing
- Vad är SAS?
- Vad är Big Data Technology?
- Guide till datamodell i Cassandra