డేటా మోడలింగ్

వికీపీడియా నుండి
ఇక్కడికి గెంతు: మార్గసూచీ, వెతుకు
డేటా మోడలింగ్ ప్రక్రియ.ఈ రోజు సమాచార నమూనాలు ఏ విధంగా అభివృద్ధి చేయబడుతున్నాయో మరియు ఉపయోగించబడుతున్నాయో ఈ చిత్రం విశదీకరిస్తుంది.క్రియాశీల నమూనా సందర్భంలో అభివృద్ధిలో ఉన్న అనువర్తన కోసం సమాచార అవసరాల ఆధారంగా ఒక సంభావిత సమాచార నమూనాను అభివృద్ధి చేస్తారు.సమాచార నమూనా సాధారణంగా వస్తుత్వ రకాలు, లక్షణాలు, సంబంధాలు, సమగ్రపరిచే నియమాలు మరియు ఆ వస్తువుల నిర్వచనాలు కలిగివుంటుంది.దీనిని తరువాత అంతర్ముఖ లేదా డేటాబేస్ నమూనా కోసం ప్రారంభ బిందువుగా ఉపయోగిస్తారు.[1]

సాఫ్ట్‌వేర్ ఇంజనీరింగ్‌లో ప్రమాణిత సమాచార నమూనా తయారీ పద్ధతులను ఉపయోగించి క్రమబద్ధ సమాచార నమూనా వర్ణనలను అమలు చేయడం ద్వారా ఒక సమాచార నమూనా (డేటా మోడల్)ను సృష్టించే ప్రక్రియను డేటా మోడలింగ్ అంటారు.

పర్యావలోకనం[మార్చు]

ఒక సంస్థ యొక్క వ్యాపార ప్రక్రియలకు మద్దతు ఇచ్చేందుకు కావాల్సిన సమాచార అవసరాలను నిర్వచించేందుకు మరియు విశ్లేషించేందుకు ఉపయోగించే పద్ధతిని డేటా మోడలింగ్ (సమాచార నమూనా రూపకల్పన) అంటారు. సమాచార అవసరాలను అనుబంధ సమాచార నిర్వచనాలతో ఒక సంభావిత సమాచార నమూనాగా నమోదు చేస్తారు. సంభావిత నమూనా యొక్క వాస్తవిక అమలును స్థిరమైన సమాచార నమూనాగా పిలుస్తారు. ఒక సంభావిత సమాచార నమూనాను అమలు చేసేందుకు బహుళ స్థిర సమాచార నమూనాలు అవసరం కావొచ్చు. డేటా మోడలింగ్ అనేది కేవలం సమాచార అంశాలను మాత్రమే కాకుండా, వాటి నిర్మాణాలు మరియు వాటి మధ్య సంబంధాలను కూడా విశదీకరిస్తుంది [2] ఒక వనరుగా ఉపయోగించేందుకు వీలుగా సమాచార నమూనాను తయారు చేయడానికి డేటా మోడలింగ్ పద్ధతులు మరియు విధానాలను ఒక ప్రమాణబద్ధమైన, స్థిరమైన, సంభావిత పద్ధతిలో ఉపయోగిస్తారు. ఒక సంస్థ లోపల సమాచారాన్ని ఒక ప్రామాణిక పద్ధతిలో నిర్వచించాల్సిన మరియు విశ్లేషించాల్సిన అవసరం ఉన్న అన్ని ప్రాజెక్టులకు విధిగా డేటా మోడలింగ్ ప్రమాణాలు ఉపయోగించాలని సిఫార్సు చేయబడుతుంది, డేటా మోడలింగ్ ఉపయోగానికి ఉదాహరణలు:

  • క్రమబద్ధ సమాచారాన్ని (డేటా) ఒక వనరుగా ఉపయోగించడానికి;
  • సమాచార వ్యవస్థలను సమగ్రపరచడానికి;
  • డేటాబేస్‌లను/డేటా వేర్‌హోస్‌లను (aka data repositories) రూపొందించడం కోసం

వివిధ రకాల ప్రాజెక్టుల సందర్భంగా మరియు ప్రాజెక్టుల యొక్క వివిధ దశల్లో డేటా మోడలింగ్‌ను ఉపయోగించవచ్చు. సమాచార నమూనాలు అభివృద్ధి చెందుతూనే ఉంటాయి; ఒక వ్యాపారానికి లేదా అనువర్తనానికి ఇది తుది సమాచార నమూనా అనేందుకు తావులేదు. సమాచార నమూనాను ఒక సజీవ పత్రంగా పరిగణిస్తారు, దీనిలో మారుతున్న వ్యాపారంతో పాటు మార్పులు సంతరించుకుంటాయి. ఒక సురక్షిత స్థానంలో సమాచార నమూనాలను భద్రపరచాలి, దీని వలన వీటిని తిరిగి సేకరించడం, విస్తరించడంతోపాటు, వీటికి కాలక్రమంలో మార్పులు చేయవచ్చు. వైటెన్ (2004) రెండు రకాల డేటా మోడలింగ్‌ను గుర్తించారు:[3]

  • వ్యూహాత్మక డేటా మోడలింగ్: సమాచార వ్యవస్థ వ్యూహాన్ని సృష్టించడంలో ఇది భాగంగా ఉంది, ఇది సమగ్ర దృష్టిని నిర్వచించడంతోపాటు సమాచార వ్యవస్థల నిర్మాణాన్ని విశదీకరిస్తుంది. ఈ పద్ధతిని స్వీకరించే విధానాన్ని ఇన్ఫర్మేషన్ ఇంజనీరింగ్ (సమాచార సంవిధానం) ఉంటారు.
  • వ్యవస్థల విశ్లేషణ సందర్భంగా డేటా మోడలింగ్: కొత్త డేటాబేస్‌లు అభివృద్ధిలో భాగంగా వ్యవస్థల విశ్లేషణలో స్థిర సమాచార నమూనాలు సృష్టించబడతాయి.

ఒక డేటాబేస్ కోసం వ్యాపార అవసరాలను వివరించే పద్ధతిగా కూడా డేటా మోడలింగ్ ఉపయోగపడుతుంది. ఒక డేటా మోడల్ చివరకు ఒక డేటాబేస్‌లో అమలు చేయబడుతుంది కాబట్టి, దీనిని కొన్ని సందర్భాల్లో డేటాబేస్ మోడలింగ్ అని పిలుస్తారు.[3]

డేటా మోడలింగ్ అంశాలు[మార్చు]

సమాచార నమూనాలు[మార్చు]

సమాచార నమూనాలు ఏ విధంగా ప్రయోజనం అందజేస్తాయి.[1]

సమాచారం యొక్క నిర్వచనాన్ని మరియు క్రమాన్ని అందజేయడం ద్వారా సమాచార నమూనాలు సమాచారానికి మరియు కంప్యూటర్ వ్యవస్థలకు మద్దతు ఇస్తాయి. దీనిని వ్యవస్థల్లో క్రమపద్ధతిలో అమలు చేస్తే సమాచార అనుకూలత సాధించవచ్చు. సమాచారాన్ని భద్రపరిచేందుకు మరియు సమాచార ప్రాప్తికి ఒకేరకమైన సమాచార నిర్మాణాలను ఉపయోగించినట్లయితే వివిధ రకాల అనువర్తనాలు ఈ సమాచారాన్ని పంచుకోవచ్చు. దీని యొక్క ఫలితాలు పైన సూచించబడ్డాయి. అయితే, వ్యవస్థలు మరియు అంతర్ముఖాలను నిర్మించడం, అమలు చేయడం మరియు నిర్వహించడం తరచుగా ఎక్కువ వ్యయంతో కూడుకొని ఉంటుంది. అంతేకాకుండా అవి వ్యాపారానికి మద్దతు ఇవ్వకపోగా, దానిని అవరోధంగా మారే అవకాశం ఉంది. వ్యవస్థలు మరియు అంతర్ముఖాల్లో అమలు చేసిన సమాచార నమూనాల నాణ్యత పేలవడం ఉండటమే దీనికి ప్రధాన కారణం.[1]

  • వ్యాపార నియమాలు, ఒక నిర్దిష్ట ప్రదేశంలో పనులు ఎలా చేయాలనేందుకు సంబంధించిన నియమాలు, తరచుగా ఒక సమాచార నమూనాలో స్థిరపరచబడి ఉంటాయి. అంటే, వ్యాపార మార్గంలో చేసిన చిన్న మార్పులు కంప్యూటర్ వ్యవస్థలు మరియు అంతర్ముఖాల్లో పెద్ద మార్పులకు దారితీస్తాయి.
  • వస్తుత్వ రకాలను తరచుగా గుర్తించలేకపోవడం లేదా తప్పుగా గుర్తించడం జరుగుతుంది. అభివృద్ధి మరియు నిర్వహణలో నకలు చేయడానికి అయ్యే పరిచారక వ్యయాలతోపాటు, ఇది సమాచార, సమాచార నిర్మాణ మరియు సామర్థ్య ప్రతిరూపకల్పనకు దారితీస్తుంది.
  • వివిధ వ్యవస్థల యొక్క సమాచార నమూనాలు నిర్హేతుకుంగా వైవిధ్యం కలిగివుంటాయి. దీని ఫలితంగా సమాచారాన్ని పంచుకునేందుకు వ్యవస్థల మధ్య సంక్లిష్టమైన అంతర్ముఖాలు అవసరమవతాయి. ఈ అంతర్ముఖాలకు అయ్యే వ్యయం ప్రస్తుత వ్యవస్థల వ్యయంలో 25-70% మధ్య ఉంటుంది.
  • సమాచార నిర్మాణం మరియు అర్థం ప్రామాణీకరించని కారణంగా వినియోగదారులు మరియు సరఫరాదారులతో సమాచారాన్ని ఎలక్ట్రానిక్ పద్ధతిలో పంచుకోలేము. ఉదాహరణకు, ప్రాసెస్ ప్లాంట్‌కు సంబంధించిన ఇంజనీరింగ్ నమూనా సమాచారం మరియు రేఖాచిత్రాలను ఇప్పటికీ కాగితంపై ఇచ్చిపుచ్చుకుంటున్నారు.

వ్యాపార అవసరాలు మరియు స్థిరత్వం రెండింటినీ సాధ్యపరిచే సమాచార నమూనాలను అందించే ప్రమాణాలు లేకపోవడం ఈ సమస్యలకు కారణంగా చెప్పవచ్చు.[1]

సంభావిత, స్థిర మరియు భౌతిక పద్ధతులు[మార్చు]

ANSI/SPARC మూడు అంచెల నిర్మాణం. ఈ చిత్రం ఒక సమాచార నమూనా ఒక బాహ్య నమూనా (లేదా దృష్టి)గా, ఒక సంభావిత నమూనాగా లేదా ఒక భౌతిక నమూనాగా ఉండవచ్చని చూపిస్తుంది.సమాచార నమూనాలను చూసేందుకు ఇది ఒక్కటే మార్గం కాదు, అయితే ఇది ఉపయోగకరమైన మార్గం, ముఖ్యంగా నమూనాలను పోల్చిచూసేటప్పుడు ఇది ఉపయోగకరంగా ఉంటుంది.[1]

1975లో ANSI సూచించిన ప్రకారం ఒక సమాచార నమూనా ఉదాహరణ ఈ కింది మూడు రకాల్లో ఏదోఒక రకానికి చెందివుంటుంది[4]

  • సంభావిత పద్ధతి: ఇది నమూనా యొక్క ఆవరణగా ఉంటూ, ఒక డొమైన్ యొక్క అర్థాలను వర్ణిస్తుంది. ఉదాహరణకు, ఒక సంస్థలో లేదా పరిశ్రమలో ఆసక్తికర విభాగం యొక్క నమూనాగా ఉండవచ్చు. ఇది వస్తుత్వ తరగతులు కలిగివుంటుంది, డొమైన్‌లో ముఖ్యమైన అంశాల రకాలకు ప్రాతినిధ్యం వహిస్తుంది, వస్తుత్వ తరగతుల జంటల మధ్య అనుబంధాలను స్థిరీకరిస్తుంది. నమూనాను ఉపయోగించి వ్యక్తపరచగలిగిన వాస్తవాలను లేదా చర్చాంశాలను సంభావిత పద్ధతి గుర్తిస్తుంది. ఈ కోణంలో, నమూనా ఆవరణ చేత స్థిరీకరించబడిన ఒక ఆవరణతో ఇది అనుమతించిన వ్యక్తీకరణలను ఒక కృత్రిమ 'భాష'లో నిర్వచిస్తుంది.
  • స్థిరమైన పద్ధతి: ఇది ఒక నిర్దిష్ట సమాచార అభిసంధాన సాంకేతిక పరిజ్ఞానం చేత చూపించబడిన విధంగా అర్థాలను వర్ణిస్తుంది. ఇది పట్టికలు మరియు నిలువు వరుసలు, వస్తు సంబంధ తరగతులు మరియు XML ట్యాగ్‌లు మరియు ఇతర అంశాల వర్ణనలను కలిగివుంటుంది.
  • భౌతిక పద్ధతి: సమాచారాన్ని భద్రపరిచేందుకు ఉపయోగపడే భౌతిక అంశాలను ఇది వర్ణిస్తుంది. విభజనలు, CPUలు, టేబుల్‌పేస్‌లు మరియు ఇతరాల గురించి ఇది తెలియజేస్తుంది.

ANSI ప్రకారం, ఈ పద్ధతి యొక్క ప్రాముఖ్యత ఏమిటంటే, ప్రతి విభాగం స్వతంత్రంగా ఉండే మూడు దృక్కోణాలకు ఇది వీలు కల్పిస్తుంది. దీని ద్వారా మిగిలిన రెండు స్థిర లేదా సంభావిత నమూనాలను ప్రభావితం కాకుండా భద్రపరిచే సాంకేతిక పరిజ్ఞానాన్ని మార్చవచ్చు. పట్టిక/దొంతర నిర్మాణాన్ని సంభావిత నమూనాను ప్రభావితం చేయకుండా మార్చేందుకు వీలు ఉంటుంది. సాధారణంగా, ప్రతి సందర్భంలోనూ, నిర్మాణాలు ఇతర నమూనాతో అనుగుణ్యత కొనసాగించాలి. వస్తుత్వ తరగతులు మరియు లక్షణాల ఒక ప్రత్యక్ష అనువాదానికి పట్టిక/దొంతర నిర్మాణం భిన్నంగా ఉండవచ్చు, అయితే ఇది చివరకు తప్పనిసరిగా సంభావిత వస్తుత్వ తరగతి నిర్మాణం యొక్క లక్ష్యాలను సాధ్యపరిచే విధంగా ఉండాలి. అనేక సాఫ్ట్‌వేర్ అభివృద్ధి ప్రాజెక్టుల ప్రారంభ దశలు ఒక సంభావిత సమాచార నమూనా రూపకల్పనకు ప్రాధాన్యత ఇస్తాయి. ఇటువంటి నమూనాను ఒక స్థిరమైన సమాచార నమూనాగా అభివృద్ధి చేయవచ్చు. తరువాతి దశల్లో, ఈ నమూనాను భౌతిక సమాచార నమూనాగా మార్చవచ్చు. అయితే, ఒక సంభావిత నమూనాను నేరుగా అమలు చేయడం కూడా సాధ్యపడుతుంది.

డేటా మోడలింగ్ ప్రక్రియ[మార్చు]

వ్యాపార ప్రక్రియ ఏకీకరణం సందర్భంలో డేటా మోడలింగ్.[5]

వ్యాపార ప్రక్రియను సమగ్రపరిచే సందర్భంలో, డేటాబేస్ సృష్టిలో డేటా మోడలింగ్ ఏర్పడుతుంది (చిత్రాన్ని చూడండి). వ్యాపార ప్రక్రియలకు మద్దతుకు తయారు చేసే అనువర్తన క్రమణికల్లో (అప్లికేషన్ ప్రోగ్రామ్‌లు) ఏర్పాటయ్యే వ్యాపార ప్రక్రియ నమూనా రూపకల్పనను ఇది పూర్తి చేస్తుంది.[5]

ఒక డేటాబేస్ యొక్క సమగ్ర సమాచార నమూనాను తయారు చేసే ప్రక్రియను అసలైన డేటాబేస్ రూపకల్పనగా పరిగణిస్తారు. తరువాత ఒక డేటాబేస్ సృష్టించేందుకు ఉపయోగించే అవసరమైన అన్ని స్థిర మరియు భౌతిక నమూనా ప్రత్యామ్నాయాలు మరియు ఒక సమాచార నిర్వచన భాషలో ఒక నమూనాను సృష్టించేందుకు అవసరమైన భౌతిక నిల్వ ప్రమాణాలను ఈ స్థిర సమాచార నమూనా కలిగివుంటుంది. ఒక సంపూర్ణ సమాచార నమూనా ప్రతి వస్తుత్వానికి సంబంధించిన సమగ్ర లక్షణాలు కలిగివుంటుంది. డేటాబేస్ రూపకల్పన అనే పదాన్ని మొత్తం డేటాబేస్ వ్యవస్థ యొక్క రూపకల్పనలో అనేక వివిధ భాగాలను వర్ణించేందుకు ఉపయోగించవచ్చు. ఎక్కువగా, ముఖ్యంగా ప్రస్తుతం, దీనిని సమాచారాన్ని నిల్వ చేయడానికి ఉపయోగించే ప్రాథమిక సమాచార నిర్మాణాల యొక్క స్థిర నమూనాగా భావిస్తున్నారు. అనుబంధ నమూనాలో ఇవి టేబుళ్లు మరియు వ్యూస్‌గా ఉన్నాయి. వస్తు డేటాబేస్‌లో వస్తుత్వాలు మరియు సంబంధాలు వస్తు తరగతులు మరియు పేరు కలిగివున్న సంబంధాలను నేరుగా గుర్తిస్తాయి. అయితే, డేటాబేస్ రూపకల్పన అనే పదాన్ని కేవలం ప్రాథమిక నమూనా నిర్మాణాలకు మాత్రమే కాకుండా, మొత్తం రూపకల్పన ప్రక్రియకు వర్తింపజేసేందుకు కూడా ఉపయోగిస్తారు, అంతేకాకుండా ఫామ్‌లు మరియు క్వేరీలను డేటాబేస్ మేనేజ్‌మెంట్ సిస్టమ్ లేదా (DBMS)లో మొత్తం డేటాబేస్ అనువర్తనం యొక్క భాగంగా ఉపయోగిస్తారు.

సంవిధాన వ్యవస్థలో సమకాలీన వ్యవస్థల అభివృద్ధి మరియు మద్దతు వ్యయాల్లో అంతర్ముఖాలు 25% నుంచి 70% వాటా కలిగివుంటాయి. ఈ వ్యవస్థలు ఒక ఉమ్మడి సమాచార నమూనాను పంచుకోకపోవడం ఈ వ్యయానికి ప్రధాన కారణంగా చెప్పవచ్చు. సమాచార నమూనాలను ఒక్కో వ్యవస్థ ప్రాతిపదికన అభివృద్ధి చేసినట్లయితే, అతివ్యాప్త ప్రాంతాల్లో ఇదే విశ్లేషణను పునరావృతం చేయాల్సిన అవసరం మాత్రమే కాకుండా, వీటి మధ్య అంతర్ముఖాలను సృష్టించేందుకు తదుపరి విశ్లేషణ తప్పనిసరిగా జరపాల్సి ఉంటుంది. ఎక్కువ వ్యవస్థలు ఒక నిర్దిష్ట ప్రయోజనం కోసం తిరిగి అభివృద్ధి చేసిన ఒకేవిధమైన ప్రాథమిక భాగాలు కలిగివుంటాయి. ఉదాహరణకు ఈ కింది వాటిని ఒక భాగంగా ఏకరీతి ప్రాథమిక వర్గీకరణ నమూనాగా ఉపయోగించవచ్చు:[1]

  • పదార్థాల జాబితా,
  • ఉత్పత్తి మరియు వ్యాపార నామం యొక్క వివరాలు,
  • పరికర వివరాలు.

ఇవి అవేనని నిశ్చయపరుచుకునేందుకు ఎటువంటి మార్గం లేని కారణంగా ఏకరీతి భాగాలను తిరిగి అభివృద్ధి చేస్తారు.

నమూనా రూపకల్పన విధానాలు[మార్చు]

సమాచార నమూనాలు ఆసక్తికర సమాచార ప్రదేశాలకు ప్రాతినిధ్యం వహిస్తాయి. సమాచార నమూనాలను సృష్టించేందుకు అనేక మార్గాలు ఉన్నప్పటికీ, లెన్ సిల్వర్‌స్టోన్ (1997)[6] రెండు నమూనా రూపకల్పన పద్ధతులు మాత్రమే నిలబడతాయని చెప్పారు, టాప్-డౌన్ (ఎగువ-దిగువ) మరియు బాటమ్-అప్ (దిగువ-ఎగువ):

  • బాటమ్-అప్ నమూనాలు తరచుగా రీఇంజనీరింగ్ ప్రయత్నంలో ఏర్పడతాయి. ఇవి సాధారణంగా అనువర్తన తెరలు లేదా నివేదికల్లో ఇప్పటికే ఉన్న సమాచార నిర్మాణ పత్రాలు, విభాగాలతో ప్రారంభమవతాయి. ఒక సంస్థ కోణంలో చూస్తే ఈ నమూనాలు సాధారణంగా భౌతిక, అనువర్తన-నిర్దిష్ట మరియు అసంపూర్ణంగా ఉంటాయి. ముఖ్యంగా సంస్థ యొక్క ఇతర భాగాలతో సంబంధం లేకుండా నిర్మించినట్లయితే, ఇవి సమాచారం పంచుకోవడాన్ని ప్రోత్సహించకపోవచ్చు.[6]
  • మరోవైపు టాప్-డౌన్ స్థిర సమాచార నమూనాలు విషయం తెలిసిన వ్యక్తుల నుంచి సమాచారాన్ని పొందడం ద్వారా ఒక వియుక్త మార్గంలో సృష్టించబడతాయి. ఒక స్థిర నమూనాలో అన్ని వస్తుత్వాలను వ్యవస్థ అమలు చేయలేకపోవచ్చు, అయితే నమూనా ఒక సూచనగా లేదా ప్రమాణంగా ఉపయోగపడుతుంది.[6]

కొన్నిసార్లు నమూనాలు రెండు పద్ధతులను కలిపి ఉపయోగించడం ద్వారా సృష్టించబడతాయి: సమాచార అవసరాలు మరియు అనువర్తన నిర్మాణాన్ని పరిగణలోకి తీసుకోవడం ద్వారా మరియు ఎప్పటికప్పుడు విషయ-అంశ నమూనాను గమనించడం ద్వారా వీటికి రూపకల్పన జరుగుతుంది. దురదృష్టవశాత్తూ, అనేక పర్యావరణాల్లో స్థిర సమాచార నమూనా మరియు భౌతిక సమాచార నమూనా మధ్య వ్యత్యాసం అస్పష్టంగా ఉంటుంది. అంతేకాకుండా, కొన్ని CASE సాధనాలు స్థిరమైన మరియు భౌతిక సమాచార నమూనాల మధ్య వ్యత్యాసాన్ని గుర్తించవు.[6]

వస్తుత్వ సంబంధ చిత్రాలు[మార్చు]

IDEF1X నమూనాను ఏర్పాటు చేసేందుకు ఉపయోగించే ఒక IDEF1X వస్తుత్వ సంబంధ చిత్రాలకు ఉదాహరణ.అవలోకనం యొక్క పేరు mm.డొమైన్ సోపానక్రమం మరియు నిమయాలు కూడా ఇవ్వబడ్డాయి.ఉన్నత నమూనా యొక్క క్రమబద్ధ సిద్ధాంతంలో నియమాలు వాక్యాలుగా వ్యకపరచబడ్డాయి.[7]

డేటా మోడలింగ్‌కు అనేక సంకేతనాలు ఉన్నాయి. వాస్తవ నమూనాను తరచుగా "ఎంటైటీ రిలేషన్‌షిప్ మోడల్"గా పిలుస్తారు, ఎందుకంటే సమాచారంలో వర్ణించినట్లుగానే వస్తుత్వాలు మరియు సంబంధాలు ఆధారంగా ఇది సమాచారాన్ని వివరిస్తుంది.[3] క్రమబద్ధ సమాచారం యొక్క ఒక వియుక్త సంభావిత ప్రతికల్పనను ఎంటైటీ-రిలేషన్‌షిప్ మోడల్ (ERM) అంటారు. వస్తుత్వ-సంబంధ నమూనా రూపకల్పన అనేది డేటాబేస్ నమూనా రూపకల్పన పద్ధతికి ఒక అనుబంధ పద్ధతి, దీనిని సాఫ్ట్‌వేర్ ఇంజనీరింగ్‌లో ఒక రకమైన వ్యవస్థ యొక్క సంభావిత సమాచార నమూనా (లేదా అర్థ విచార సమాచార నమూనా)ను సృష్టించేందుకు ఉపయోగిస్తారు, తరచుగా ఒక టాప్-డౌన్ పద్ధతిలో ఒక అనుబంధ డేటాబేస్‌ను తయారు చేసేందుకు మరియు దాని యొక్క అవసరాలు తీర్చేందుకు కూడా దీనిని ఉపయోగిస్తారు.

ఈ నమూనాలను సమాచార వ్యవస్థ రూపకల్పన యొక్క మొదటి దశలో, సమాచార అవసరాలను లేదా ఒక డేటాబేస్‌లో భద్రపరచాల్సిన సమాచార రకాన్ని వర్ణించేందుకు అవసరాల విశ్లేషణ జరిపే సందర్భంగా ఉపయోగిస్తారు. సమాచార రూపకల్పన పద్ధతిని ఒక నిర్దిష్ట సమగ్ర చర్చ, అంటే ఆసక్తికర విషయం కోసం ఏవైనా లక్షణాలు (అంటే, ఉపయోగించిన పదాలు మరియు వాటి సంబంధాల పర్యావలోకనం మరియు వర్గీకరణలు) వర్ణించేందుకు ఉపయోగిస్తారు.

సమాచార నమూనాల రూపకల్పనకు అనేక పద్ధతులు అభివృద్ధి చేయబడ్డాయి. ఈ పద్ధతులు సమాచార నమూనాకర్తలకు వాటి యొక్క పనిలో మార్గనిర్దేశం చేస్తాయి, అయితే ఒకే పద్ధతిని ఉపయోగించే ఇద్దరు వ్యక్తులు తరచుగా భిన్నమైన ఫలితాలు పొందుతారు. బాగా ప్రాచుర్యం పొందిన పద్ధతులు ఏమిటంటే:

సాధారణ డేటా మోడలింగ్[మార్చు]

ఒక సాధారణ సమాచార నమూనాకు ఉదాహరణ.[8]

సాధారణ సమాచార నమూనాలను సంప్రదాయ సమాచార నమూనాల సాధారణీకరణలుగా చెప్పవచ్చు. ఇవి ఒక సంబంధ రకంతో అనుబంధపరచదగిన అంశాలతోపాటు, ప్రామాణికపరిచిన సాధారణ సంబంధ రకాలను విశదీకరిస్తాయి. సాధారణ సమాచార నమూనా యొక్క నిర్వచనం కూడా ఒక సహజ భాష నిర్వచనం మాదిరిగానే ఉంటుంది. ఉదాహరణకు, ఒక సాధారణ సమాచార నమూనా సంబంధం ఏర్పాటు చేసిన అంశాలతో సంబంధం లేకుండా, ఒక వ్యష్టి అంశం మరియు మరో రకమైన అంశం (ఒక తరగతి) మధ్య ఒక ద్వియాంశ సంబంధంగా ఉన్న ఒక 'వర్గీకరణ సంబంధం' మరియు రెండు అంశాల మధ్య ఒక ద్వియాంశ సంబంధంగా ఉన్న ఒక 'విభాగ-సంపూర్ణ సంబంధం', వంటి సంబంధాల రకాలను విశదీకరిస్తుంది.

ఇచ్చిన విస్తృతమైన తరగతుల జాబితా వద్ద, ఇది ఏదైనా వ్యష్టి వస్తువు వర్గీకరణకు వీలు కల్పిస్తుంది మరియు ఏదైనా ఒక వ్యష్టి వస్తువు విభాగ-సంపూర్ణ సంబంధాలను గుర్తించడానికి ఉపయోగపడుతుంది. సంబంధ రకాల విస్తృత జాబితాను ప్రామాణీకరించడం ద్వారా, ఒక సాధారణ సమాచార నమూనా అపరిమిత సంఖ్యలోని వాస్తవాలను వ్యక్తీకరించేందుకు వీలు కల్పించడంతోపాటు, సహజ భాషల సామర్థ్యాలను ఆశ్రయిస్తుంది. మరోవైపు, సంప్రదాయ సమాచార నమూనాలు, ఒక స్థిర మరియు పరిమిత డొమైన్ హద్దు కలిగివుంటాయి, ఇటువంటి నమూనా ఉపయోగించడం (వినియోగం) వలన నమూనాలో ముందుగా నిర్వచించబడిన కొన్ని రకాల వాస్తవాలను మాత్రమే వ్యక్తీకరించేందుకు వీలు ఏర్పతుంది కాబట్టి వీటికి పరిమిత డొమైన్ ఆవరణలు ఉంటాయి.

సెమాంటిక్ డేటా మోడలింగ్[మార్చు]

ఒక DBMS యొక్క స్థిర సమాచార నిర్మాణం, సోపానక్రమ, వ్యవస్థ, లేదా అనుబంధ నిర్మాణం ఏదైనా, సమాచారం యొక్క ఒక సంభావిత నిర్వచనం యొక్క అవసరాలను పూర్తిగా సంతృప్తి పరచలేదు, ఎందుకంటే ఆవరణ విషయంలో ఇది పరిమితంగా ఉంటుంది మరియు DBMS చేత ఉపయోగించబడిన వ్యూహాన్ని అమలు చేయడంవైపు మొగ్గు చూపుతుంది.

సెమాంటిక్ డేటా మోడల్స్.[7]

అందువలన, ఒక సంభావిత కోణం నుంచి సమాచారాన్ని నిర్వచించాల్సిన అవసరం అర్థ విచార సమాచార నమూనా రూపకల్పన పద్ధతుల అభివృద్ధికి దారితీస్తుంది. అంటే ఇతర సమాచారంతో దీని యొక్క అంతరసంబంధాలు ఉన్న సందర్భంలో సమాచారం యొక్క అర్థాన్ని పద్ధతులు విశదీకరించాలి. చిత్రంలో చూపించిన విధంగా, వనరులు, ఆలోచనలు, సంఘటనలు, తదితరాలు ఆధారంగా నిజ ప్రపంచం భౌతిక సమాచార కేంద్రాల్లో సాంకేతికంగా విశదీకరించబడుతుంది. అర్థ విచార సమాచార నమూనా అనేది ఒక సంగ్రహణం, ఇది భద్రపరిచిన సంకేతాలు ఏ విధంగా నిజ ప్రపంచంతో సంబంధం కలిగివుంటాయో విశదీకరిస్తుంది. అందువలన, నమూనా నిజ ప్రపంచం యొక్క వాస్తవ ప్రాతినిధ్యమై ఉండాలి.[7]

అర్థ విచార సమాచార నమూనాను అనేక ప్రయోజనాల కోసం ఉపయోగిస్తారు, అవి:.[7]

  • సమాచార వనరుల ప్రణాళికా రచనకు
  • పంచుకోదగిన డేటాబేస్‌ల నిర్మాణానికి
  • వెండర్ సాఫ్ట్‌వేర్‌కు విలువ కట్టడానికి
  • ప్రస్తుతం ఉన్న డేటాబేస్‌లను సమగ్రపరచడానికి

కృత్రిమ మేధా క్షేత్రం నుంచి మరింత శక్తివంతమైన సంగ్రహణ అంశాలతో అనుబంధ అంశాలను సమగ్రపరచడం ద్వారా మరింత సమాచార అర్థాన్ని సేకరించడం అర్థ విచార సమాచార నమూనాల యొక్క పూర్తి లక్ష్యంగా చెప్పవచ్చు. నిజ ప్రపంచ పరిస్థితులకు ప్రాతినిధ్యం కల్పించేందుకు ఒక సమాచార నమూనాలో సమగ్ర భాగంగా ఉన్నత స్థాయి నమూనా రూపకల్పన ప్రమేయాలు అందజేయడం దీని యొక్క ఉద్దేశం.[9]

ఇవి కూడా చూడండి[మార్చు]

సూచనలు[మార్చు]

  1. 1.0 1.1 1.2 1.3 1.4 1.5 మాథ్యూ వెస్ట్ మరియు జూలియన్ ఫౌలెర్ (1999). డెవెలపింగ్ హై క్వాలిటీ డేటా మోడల్స్. ది యూరోపియన్ ప్రాసెస్ ఇండస్ట్రీస్ STEP టెక్నికల్ లియైసన్ ఎగ్జిక్యూటివ్ (EPISTLE).
  2. డేటా ఇంటిగ్రేషన్ గ్లోసరీ, U.S. డిపార్ట్‌మెంట్ ఆఫ్ ట్రాన్స్‌పోర్టేషన్, ఆగస్టు 2001.
  3. 3.0 3.1 3.2 వైటెన్, జెఫ్రే L.; లోనీ D. బెంట్లే, కెవిన్ C. డిట్‌మాన్. (2004). సిస్టమ్స్ ఎనాలసిస్ అండ్ డిజైన్ మెథడ్స్ . 6వ ఎడిషన్. ISBN 9057024071
  4. అమెరికన్ నేషనల్ స్టాండర్డ్స్ ఇన్‌స్టిట్యూట్. 1975. ANSI/X3/SPARC స్టడీ గ్రూప్ ఆన్ డేటా బేస్ మేనేజ్‌మెంట్ సిస్టమ్స్; ఇంటీరియం రిపోర్ట్ . FDT (బులెటిన్ ఆఫ్ ACM SIGMOD) 7:2.
  5. 5.0 5.1 పాల్ R. స్మిత్ & రిచర్డ్ సర్ఫాతీ (1993). కంప్యూటర్ ఎయిడెడ్ సాఫ్ట్‌వేర్ ఇంజనీరింగ్ (CASE) సాధనాలను ఉపయోగించి కాన్ఫిగరేషన్ మేనేజ్‌మెంట్ కోసం ఒక వ్యూహాత్మక ప్రణాళికను సృష్టించడం. పేపర్ ఫర్ 1993 నేషనల్ DOE/కాంట్రాక్టర్స్ అండ్ ఫెసిలిటీస్ CAD/CAE యూజర్స్ గ్రూప్.
  6. 6.0 6.1 6.2 6.3 లెన్ సిల్వర్‌స్టోన్, W.H.ఇన్మోన్, కెంట్ గ్రాజియానో (2007). ది డేటా మోడల్ రీసోర్స్ బుక్ . వీలే, 1997. ISBN 0-43-956827-7. రివ్యూడ్ బై వాన్ స్కాట్ ఆన్ tdan.com. సేకరణ తేదీ నవంబరు 1, 2008.
  7. 7.0 7.1 7.2 7.3 FIPS పబ్లికేషన్ 184 రిలీజ్‌డ్ ఆఫ్ IDEF1X బై ది కంప్యూటర్ లోబోరేటర్ ఆఫ్ నేషనల్ ఇన్‌స్టిట్యూట్ ఆఫ్ స్టాండర్డ్స్ అండ్ టెక్నాలజీ (NIST). డిసెంబరు 21, 1993.
  8. అమ్నాన్ షాబో (2006). క్లినికల్ జెనోమిక్స్ డేటా స్టాండర్డ్స్ ఫర్ ఫార్మాకోజెనెటిక్స్ అండ్ ఫార్మాకోజెనోమిక్స్.
  9. "సెమాంటిక్ డేటా మోడలింగ్" ఇన్: మెటాక్లాసెస్ అండ్ దెయిర్ అప్లికేషన్ . బుక్ సిరీస్ లెక్చర్ నోట్స్ ఇన్ కంప్యూటర్ సైన్స్. ప్రచురణకర్త స్ప్రింజెర్ బెర్లిన్ / హీడెల్‌బెర్గ్. వాల్యూమ్ వాల్యూమ్ 943/1995.

మరింత చదవడానికి[మార్చు]

  • J.H. టెర్ బెక్కే (1991). సెమాంటిక్ డేటా మోడలింగ్ ఇన్ రిలేషనల్ ఎన్విరాన్‌మెంట్స్
  • జాన్ విన్సెంట్ కార్లిస్, జోసెఫ్ D. మేగైర్ (2001). మాస్టరింగ్ డేటా మోడలింగ్: ఎ యూజర్-డ్రివెన్ అప్రోచ్ .
  • అలెన్ చ్మురా, J. మార్క్ హ్యూమాన్ (2005). లాజికల్ డేటా మోడలింగ్: వాట్ ఇట్ ఈజ్ అండ్ హౌ టు డు ఇట్ .
  • మార్టిన్ E. మోడెల్ (1992). డేటా ఎనాలసిస్, డేటా మోడలింగ్, అండ్ క్లాసిఫికేషన్ .
  • M. పాపాజుగ్లౌ, స్టెఫానో స్పాకాపెట్రా, జహీర్ టారీ (2000). అడ్వాన్స్ ఇన్ ఆబ్జెక్ట్-ఓరియంటెడ్ డేటా మోడలింగ్ .
  • G. లారెన్స్ సాండర్స్ (1995). డేటా మోడలింగ్
  • గ్రీమ్ C. సిమ్సియాన్, గ్రాహం C. విట్ (2005). డేటా మోడలింగ్ ఎసెన్షియల్స్ '''
  • గ్రీమ్ సిమ్సియాన్ (2007). డేటా మోడలింగ్: థియరీ అండ్ ప్రాక్టీస్ .

బాహ్య లింకులు[మార్చు]

Commons-logo.svg
వికీమీడియా కామన్స్‌లో కి సంబంధించిన మీడియా ఉంది.