Nuförtiden är data en av de viktigaste sakerna i affärsvärlden, varje företag fångar sina kunders data för att förstå deras beteende, i internetvärlden växer data som en galning, så företag behöver mer avancerade databaslösningar, genom vilka de kan underhålla databassystemen och närhelst de behöver data för att lösa affärsproblem kan de enkelt få vilken data de vill ha utan problem. För att uppfylla detta villkor finns ett krav på databasschemat i bilden.

Vad är Schema?

• Databasens skelett skapas av attributen och detta skelett heter Schema.
• Schema nämner de logiska begränsningarna som tabell, primärnyckel, etc.
• Schemat representerar inte datatypen för attributen.

Uppgifter om en kund

Schema för kunden

Databasschema

• Ett databasschema är ett logisk representation av data som visar hur data i en databas ska lagras logiskt. Den visar hur data är organiserad och förhållandet mellan tabellerna.
• Databasschemat innehåller tabell, fält, vyer och relation mellan olika nycklar som t.ex primärnyckel , främmande nyckel .
• Data lagras i form av filer som är ostrukturerade till sin natur vilket gör det svårt att komma åt data. För att lösa problemet organiseras data på ett strukturerat sätt med hjälp av databasschema.
• Databasschema tillhandahåller organisationen av data och relationen mellan lagrad data.
• Databasschemat definierar en uppsättning riktlinjer som styr databasen tillsammans med att det ger information om sättet att komma åt och ändra data.

Typer av databasscheman

Det finns tre typer av databasscheman:

Fysiskt databasschema

• Ett fysiskt schema definierar hur data eller information lagras fysiskt i lagringssystemen i form av filer och index. Detta är den faktiska koden eller syntaxen som behövs för att skapa strukturen för en databas, vi kan säga att när vi designar en databas på en fysisk nivå, kallas det fysiskt schema.
• Databasadministratören väljer var och hur data ska lagras i de olika lagringsblocken.

Logiskt databasschema

• Ett logiskt databasschema definierar alla logiska begränsningar som måste tillämpas på lagrad data, och beskriver även tabeller, vyer, entitetsrelationer och integritetsbegränsningar.
• Det logiska schemat beskriver hur data lagras i form av tabeller & hur en tabells attribut hänger ihop.
• Använder sig av IS-modellering förhållandet mellan komponenterna i datan upprätthålls.
• I det logiska schemat definieras olika integritetsbegränsningar för att bibehålla kvaliteten på insättningen och uppdatera data.

Visa databasschema

• Det är en design på vynivå som kan definiera interaktionen mellan slutanvändare och databas.
• Användaren kan interagera med databasen med hjälp av gränssnittet utan att veta mycket om den lagrade mekanismen för data i databasen.

Tre lager schemadesign

hitta i kartan c++

Skapar databasschema

För att skapa ett schema används satsen CREATE SCHEMA i varje databas. Men olika databaser har olika betydelse för detta. Nedan kommer vi att titta på några uttalanden för att skapa ett databasschema i olika databassystem:

1. MySQL: I MySQL använder vi CREATE SCHEMA-satsen för att skapa databasen, eftersom båda satserna i MySQL CREATE SCHEMA och CREATE DATABASE liknar varandra.

2. SQL Server: I SQL Server använder vi CREATE SCHEMA-satsen för att skapa ett nytt schema.

3. Oracle Database: I Oracle Database använder vi CREATE USER för att skapa ett nytt schema, för i Oracle-databasen skapas redan ett schema med varje databasanvändare. Satsen CREATE SCHEMA skapar inte ett schema, istället fyller det schemat med tabeller och vyer och tillåter också att man kommer åt dessa objekt utan att behöva flera SQL-satser för flera transaktioner.

Databasschemadesign

Det finns många sätt att strukturera en databas, och vi bör använda den bäst lämpade schemadesignen för att skapa vår databas eftersom ineffektiva schemadesigner är svåra att hantera och förbrukar extra minne och resurser.

alya manasa

Schemadesign beror mest på applikationens krav. Här har vi några effektiva schemadesigner för att skapa våra applikationer, låt oss ta en titt på schemadesignerna:

1. Platt modell
2. Hierarkisk modell
3. Nätverksmodell
4. Relationsmodell
5. Stjärnschema
6. Snowflake Schema

Platt modell

Ett platt modellschema är en 2D-array där varje kolumn innehåller samma typ av data/information och elementen med rader är relaterade till varandra. Det är precis som en tabell eller ett kalkylblad. Detta schema är bättre för små applikationer som inte innehåller komplexa data.

Designa platt modell

Hierarkisk modell

Data arrangeras med hjälp av förälder-barn-relationer och en trädliknande struktur i den hierarkiska databasmodellen. Eftersom varje post består av flera barn och en förälder kan den användas för att illustrera en-till-många-relationer i diagram som organisationsdiagram. Även om det är uppenbart, kanske det inte är lika anpassningsbart i komplicerade partnerskap.

Designa hierarkisk modell

Nätverksmodell

Nätverksmodellen och den hierarkiska modellen är ganska lika med en viktig skillnad som är relaterad till datarelationer. Nätverksmodellen tillåter många-till-många-relationer medan hierarkiska modeller tillåter en-till-många-relationer.

java lista

Designa nätverksmodell

Relationsmodell

Relationsmodellen används främst för relationsdatabaser, där data lagras som tabellens relationer. Detta relationsmodellschema är bättre för objektorienterad programmering.

Designa relationsmodell

Stjärnschema

Stjärnschema är bättre för att lagra och analysera stora mängder data. Den har en faktatabell i mitten och flera dimensionstabeller kopplade till den precis som en stjärna, där faktatabellen innehåller de numeriska data som driver affärsprocesser och dimensionstabellen innehåller data relaterade till dimensioner som produkt, tid, människor, etc. eller vi kan säga, den här tabellen innehåller beskrivningen av faktatabellen. Stjärnschemat tillåter oss att strukturera data för RDBMS .

Designa stjärnschema

Snowflake Schema

Precis som stjärnschemat har snöflingeschemat också en faktatabell i mitten och flera dimensionstabeller kopplade till sig, men den största skillnaden i båda modellerna är att i snöflingaschemat - dimensionstabeller är ytterligare normaliserade till flera relaterade tabeller. Snöflingeschemat används för att analysera stora mängder data.

git status -s

Designa Snowflake Schema

Skillnad mellan logiskt och fysiskt databasschema

Fördelar med Databas Schema

• Att tillhandahålla konsistens av data: Databasschema säkerställer datakonsistensen och förhindrar dubbletter.
• Upprätthålla skalbarhet: Väldesignat databasschema hjälper till att upprätthålla tillägg av nya tabeller i databasen tillsammans med att det hjälper till att hantera stora mängder data i växande tabeller.
• Prestandaförbättring: Databasschema hjälper till med snabbare datahämtning vilket kan minska drifttiden på databastabellerna.
• Enkelt underhåll: Databasschema hjälper till att underhålla hela databasen utan att påverka resten av databasen
• Säkerhet för data: Databasschema hjälper till att lagra känsliga data och tillåter endast behörig åtkomst till databasen.

Databasinstans

Databasschemat definieras innan den faktiska databasen skapas, efter att databasen är i drift är det mycket svårt att ändra schemat eftersom schemat representerar databasens grundläggande struktur. Databasinstansen innehåller ingen information relaterad till sparad data i databasen. Databasinstansen representerar därför data och information som för närvarande är lagrad i databasen vid en specifik tidpunkt.

Databasinstans av kundtabell vid en specifik tidpunkt

Slutsats

• Databasens struktur kallas Schema och representerar logiska begränsningar som bland annat Tabell och Nyckel.
• Tre schema arkitektur utvecklades för att förhindra användaren från direkt tillgång till databasen.
• Eftersom informationen som sparas i databasen kan ändras ofta, är Instance en representation av en data vid en specifik tidpunkt.