Hva er datamodellering
Enkelt sagt refererer datamodellering til å bygge en datamodell som kan lagres i en eller annen database. Datamodellen er en konseptuell representasjon av en assosiasjon mellom forskjellige dataobjekter.
Forstå datamodellering / omfang
Det forekommer i tre forskjellige lag:
- Fysisk modell: Det er et skjema som sier hvordan data lagres fysisk i databasen
- Konseptuell modell: Det er brukervisningen av dataene, dvs. det høye nivået som brukeren ser.
- Logisk modell: Den sitter mellom den fysiske modellen og den konseptuelle modellen, og den representerer dataene logisk, adskilt fra de fysiske butikkene.
Hierarkisk datamodellering: Disse modellene ble brukt til å erstatte filbaserte systemer. Dataene ble oppbevart i et tre som en for mange ordninger.
Relasjonell datamodellering: Det er sant at den hierarkiske modellen hjalp oss med å flytte fra filbaserte systemer som reduserte kompleksiteten, men likevel hadde man kjent den spesifikke fysiske datalagring som ble brukt. Relasjonsdatabasen følger den relasjonsmodellen der data lagres i tabeller, i motsetning til hierarkisk database der de er lagret i en tre-lignende struktur. Kort sagt reduserte det kompleksiteten mer sammenlignet med den hierarkiske modellen.
Hvordan gjør datamodellering arbeidet så enkelt / hvorfor skal vi bruke det?
Det hjelper oss i en visuell representasjon av data og håndhever forretningslogikk, forskrifter, retningslinjer osv. For data. Det er en guide som brukes av forskere og analytikere i utformingen og implementeringen av en database. Så uten datamodellering blir jobben til analytikere og forskere å implementere virksomhetens krav til databasen vanskelig.
Hvorfor trenger vi datamodellering? / Hva kan du gjøre med det?
Hovedmålet med å bruke det er:
- For å sikre at alle dataobjekter er representert riktig som om det ikke gjøres riktig, vil vi få feil resultater.
- Det hjelper som nevnt tidligere å designe database på konseptuelle, fysiske og logiske nivåer.
- Det hjelper til med å designe relasjonstabeller, primærnøkler, fremmednøkler osv.
- Databaseutviklere kan lage en bedre fysisk database med en god modell da den blir et styrende verktøy for dem.
- Det hjelper til med å identifisere manglende og overflødige data.
- Det hjelper oss å ha en bedre IT-infrastruktur og å ha enkelt og billig vedlikehold når det er nødvendig på lang sikt, selv om det i utgangspunktet er tidkrevende.
Jobber med datamodellering
La oss nå lage en eksempeldatamodell for å forstå hvordan du jobber med en modell. For å gjøre dette må vi følge visse trinn:
- Først må vi forstå kravene. I dette tilfellet vil vi lage en modell for en nettbutikk. Så husk at vi trenger to tabeller a) kunder b) produkter
- Neste trinn er å få attributtene til tabellene eller enhetene
en. kundetabell kan ha attributter som:
- id
- Navn
- e-post
- Adresse
b. Produkttabell kan ha attributter som:
- id
- Navn
I kundetabellen kan vi ha ID som Primærnøkkel, og på samme måte vil Produkt-ID i Produkttabellen være den primære nøkkelen som vist i diagrammene nedenfor.
Nå skal vi designe forholdet mellom disse to tabellene. Så for å koble kunde- og produktbordet vil vi lage en tabell som heter kjøp som vil være som en bestillingstabell (dvs. hvilken kunde bestilte hvilket produkt).
Hvis du ser på figuren over, er referansen til kjøp av kunder OK fordi hvert kjøp har en kunde og en kunde har mange kjøp. Så, denne referansen er ok. En ting til har vi tatt user_account_id som en fremmed nøkkel (referansen til ID-en i kundenøkkelen). Tilsvarende produkt_id. Det er fremdeles et problem med referanse til produktkjøp da flere produkter kan kjøpes i ett kjøp, i tillegg til at flere kjøp kan inneholde det samme produktet.
For å få bukt med dette vil vi designe et mellombord som kalles purchase_item som vil være forbundet med kjøp og produkt. I figuren nedenfor kan vi se problemet løst.
Fordeler
Det er forskjellige fordeler er som følger:
- Det hjelper virksomheten til å kommunisere, planlegge på tvers av organisasjonen.
- Det hjelper deg med å gjenkjenne riktig datakilde som kan brukes til å fylle modellen.
- Dette kan brukes til å definere forhold mellom forskjellige tabeller som primærnøkkel, fremmednøkkel, etc.
Hvem er det rette publikummet for å lære denne teknologien?
Det er veldig viktig. De rette målgruppene for å lære modelleringsteknikker er individer som er dataarkitekter og dataanalytikere. De fleste individer begynner som dataanalytikere og beveger seg deretter opp stigen.
Hvordan denne teknologien vil hjelpe deg i karrierevekst?
I følge Glassdoor anslås gjennomsnittlig lønn i markedet for modellører å tjene omtrent 78.601 dollar i gjennomsnitt. Så du kan se at det er en godt betalt jobb. De fleste store selskaper investerer i modellører, ettersom de er veldig viktige for å opprettholde integriteten til data.
Konklusjon
Avslutningsvis kan vi si at modellen laget av modellører sikrer konsistens i navngiving av konvensjoner, integritet og sikkerhet for data. fordi gode data vil gjøre det mulig for virksomheten å utnytte sine data riktig.
Anbefalte artikler
Dette har vært en guide til Hva er datamodellering. Her diskuterte vi definisjonen, karrierevekst, ferdigheter, fordeler og Working of Data Modelling ved hjelp av eksempler. Du kan også gå gjennom andre foreslåtte artikler for å lære mer -
- Hva er smidig prosjektledelse?
- Spørsmål om datavarehousingintervju
- Hva er SAS?
- Hva er Big Data Technology?
- Veileder for datamodell i Cassandra