Modèle conceptuel de données dictionnaire

J`ai expliqué pourquoi je pense qu`un travail à la phase des exigences devrait capturer les exigences de longueur et de précisions de niveau. J`ai donné des exemples. Les exemples que j`ai donnés n`étaient certainement pas spécifiques au SGBD. Je suis désolé que tu sois malheureuse avec mon effica cité. Je tiens les déclara tions. Je n`ai pas dit que les modèles logiques doivent avoir des longueurs et des précisions. Mon expérience montre que lorsque les gens d`affaires vous donnent une exigence importante pour les données, vous le capturez. Dans votre modèle. Et nous devons le capturer à l`endroit où il appartient. Un type de Donnéesou une longueur orientée entreprise se trouve dans le modèle logique, de sorte que chaque modèle physique dérivé de celui-ci obtienne cette exigence. Si vous attendez jusqu`à ce que le temps de modélisation physique, il est susceptible d`être oublié, pas fait, ou fait différemment dans chaque modèle physique. Fais pas ça.

Capturer toutes les exigences où le modèle de besoins est. C`est le modèle logique. Je suis confus par votre première déclara tion. Les 2 principaux outils de modélisation de données prennent en charge la modélisation de données ERD. Le troisième ne prend en charge UML, mais c`est surtout une chose de notation, pas un outil UML. Aussi, je crois qu`il est très rare pour les modélisateurs UML de préparer un modèle de données logique, jamais. Mais nous sommes trop liés par ce que nos outils de base de données et de modélisation de donnée nous permettront de faire. Dans les applications traditionnelles centrées sur les données, quelle que soit la technologie d`accès aux données utilisée (JDBC, ODBC, etc.), SQL est resté le langage de requête commun partout. Étant donné que SQL exprime des requêtes en termes de tables et de vues, il cible le schéma logique. Bien que SQL et le schéma logique isolent les applications des modifications apportées à la couche physique, par exemple l`ajout d`un index de base de données, les schémas logiques basés sur le modèle relationnel souffrent d`une faiblesse fondamentale lorsqu`ils sont confrontés à des schémas normalisés. Bien que la normalisation soit souhaitable pour protéger contre les anomalies de données, il s`agit généralement de décomposer une table non normalisée en deux ou plusieurs tables qui, si elles devaient être combinées (jointes), transmetteraient exactement les mêmes informations que la table d`origine.

En conséquence, la normalisation fragmente le modèle de données. Les entités et leurs attributs du domaine de problème d`origine peuvent être divisés sur plusieurs tables lorsqu`ils sont représentés dans le schéma logique normalisé. Par conséquent, les opérations qui sont naturelles dans le modèle conceptuel, telles que la navigation entre les objets, ne sont pas simples dans le modèle logique. Les applications doivent utiliser SQL pour effectuer des jointures relationnelles, éventuellement sur plusieurs tables, et la logique pour reconstituer des lignes de ces tables dans une entité conceptuelle de niveau supérieur de l`espace problématique. La nécessité récurrente de ce type de transformation dans les applications basées sur un modèle de données relationnelle a été qualifiée de «non-concordance d`impédance».

This entry was posted in Uncategorized. Bookmark the permalink.

Comments are closed.