डेटाबेस डिझाइन. सर्वोत्तम पद्धती

दराने पुढील प्रवाह सुरू होण्याच्या अपेक्षेने "डेटाबेस" आम्ही डेटाबेस डिझाइन करण्यासाठी महत्त्वपूर्ण टिपांसह एक लहान लेखकाची सामग्री तयार केली आहे. आम्हाला आशा आहे की ही सामग्री आपल्यासाठी उपयुक्त ठरेल.

डेटाबेस सर्वत्र आहेत: सर्वात सोप्या ब्लॉग आणि निर्देशिकांपासून ते विश्वसनीय माहिती प्रणाली आणि मोठ्या सोशल नेटवर्क्सपर्यंत. डेटाबेस सोपा आहे की क्लिष्ट हे तितके महत्त्वाचे नाही कारण त्याची योग्य रचना करणे महत्त्वाचे आहे. जेव्हा डेटाबेस अविचारीपणे आणि हेतू स्पष्टपणे समजून घेतल्याशिवाय तयार केला जातो तेव्हा ते केवळ कुचकामी ठरत नाही, परंतु डेटाबेससह पुढील कार्य वापरकर्त्यांसाठी एक वास्तविक यातना, एक अभेद्य जंगल असेल. येथे काही डेटाबेस डिझाइन टिपा आहेत ज्या तुम्हाला उपयुक्त आणि वापरण्यास सुलभ उत्पादन तयार करण्यात मदत करतील.

1. टेबल कशासाठी आहे आणि त्याची रचना काय आहे ते ठरवा

आज, स्क्रम किंवा आरएडी (रॅपिड ऍप्लिकेशन डेव्हलपमेंट) सारख्या विकास पद्धती IT संघांना डेटाबेस लवकर विकसित करण्यात मदत करतात. तथापि, वेळेचा पाठपुरावा करताना, ध्येय स्वतःच काय आहे, अंतिम परिणाम काय असावेत याची अस्पष्टपणे कल्पना करून, थेट पाया तयार करण्यासाठी डुबकी मारण्याचा मोह खूप मोठा आहे.
 
जणू काही कार्यक्षम, वेगवान कामावर कार्यसंघ लक्ष केंद्रित करत आहे, परंतु हे मृगजळ आहे. तुम्ही प्रकल्पाच्या खोलीत जितक्या वेगाने आणि वेगाने जाल तितका डेटाबेस डिझाइनमधील त्रुटी ओळखण्यासाठी आणि बदलण्यासाठी अधिक वेळ लागेल.

त्यामुळे तुम्हाला पहिली गोष्ट ठरवायची आहे ती म्हणजे तुमच्या डेटाबेसचा उद्देश निश्चित करणे. डेटाबेस कोणत्या प्रकारच्या अनुप्रयोगासाठी विकसित केला जात आहे? वापरकर्ता केवळ रेकॉर्डसह कार्य करेल आणि व्यवहारांकडे लक्ष देण्याची आवश्यकता आहे किंवा त्याला डेटा विश्लेषणामध्ये अधिक रस आहे? तळ कुठे तैनात करावा? हे ग्राहकांच्या वर्तनाचा मागोवा घेईल किंवा ग्राहक संबंध व्यवस्थापित करेल? 

डिझाईन टीम जितक्या लवकर या प्रश्नांची उत्तरे देईल तितकी डेटाबेस डिझाइन प्रक्रिया नितळ होईल.

2. स्टोरेजसाठी मी कोणता डेटा निवडावा?

भावी तरतूद. डेटाबेस ज्या साइटसाठी किंवा सिस्टमसाठी डिझाइन केले जात आहे ते भविष्यात काय करेल याबद्दल विचार. तांत्रिक वैशिष्ट्यांच्या साध्या आवश्यकतांपासून पुढे जाणे महत्वाचे आहे. फक्त कृपया वापरकर्ता कधीही संचयित करेल अशा सर्व संभाव्य प्रकारच्या डेटाबद्दल विचार करू नका. त्याऐवजी, वापरकर्ते पोस्ट लिहू शकतील, दस्तऐवज किंवा फोटो अपलोड करू शकतील किंवा संदेशांची देवाणघेवाण करू शकतील का याचा विचार करा. जर असे असेल तर, तुम्हाला त्यांच्यासाठी डेटाबेसमध्ये जागा वाटप करणे आवश्यक आहे.

संघ, विभाग किंवा संस्थेसह कार्य करा ज्यासाठी भविष्यात डिझाइन बेसला समर्थन दिले जाईल. ग्राहक सेवा तज्ञांपासून ते विभाग प्रमुखांपर्यंत वेगवेगळ्या स्तरावरील लोकांशी संवाद साधा. अशा प्रकारे, फीडबॅकच्या मदतीने, तुम्हाला कंपनीच्या आवश्यकतांची स्पष्ट कल्पना मिळेल. 

अपरिहार्यपणे, अगदी त्याच विभागातील वापरकर्त्यांच्या गरजा संघर्ष करतील. तुम्हाला हे आढळल्यास, तुमच्या स्वतःच्या अनुभवावर विसंबून राहण्यास घाबरू नका आणि सर्व पक्षांना अनुकूल आणि डेटाबेसचे अंतिम ध्येय पूर्ण करणारी तडजोड शोधा. निश्चिंत राहा: भविष्यात तुम्हाला +१००५०० कर्मामध्ये आणि कुकीजचा डोंगर मिळेल.

3. काळजीपूर्वक मॉडेल डेटा

डेटा मॉडेलिंग करताना लक्ष देण्यासारखे अनेक मुख्य मुद्दे आहेत. आम्ही आधी म्हटल्याप्रमाणे, मॉडेलिंगमध्ये कोणत्या पद्धती वापरायच्या हे डेटाबेसचा उद्देश ठरवतो. जर आम्‍ही ऑनलाइन रेकॉर्ड प्रोसेसिंग (OLTP) साठी डेटाबेस तयार करत असल्‍यास, दुसर्‍या शब्दात रेकॉर्ड तयार करणे, संपादित करणे आणि हटवणे यासाठी, आम्ही ट्रान्झॅक्शन मॉडेलिंग वापरतो. डेटाबेस रिलेशनल असणे आवश्यक असल्यास, बहुआयामी मॉडेलिंग वापरणे चांगले.

मॉडेलिंग दरम्यान, संकल्पनात्मक (CDM), भौतिक (PDM), आणि तार्किक (LDM) डेटा मॉडेल तयार केले जातात. 

संकल्पनात्मक मॉडेल संस्था आणि त्यात समाविष्ट असलेल्या डेटाचे प्रकार तसेच त्यांच्यातील संबंधांचे वर्णन करतात. तुमचा डेटा तार्किक भागांमध्ये विभाजित करा - यामुळे जीवन खूप सोपे होते.
मुख्य गोष्ट म्हणजे संयम, ते जास्त करू नका.

एखाद्या घटकाचे एका शब्दात किंवा वाक्प्रचारात वर्गीकरण करणे फार कठीण असल्यास, उपप्रकार (बाल अस्तित्व) वापरण्याची वेळ आली आहे.

जर एखादी व्यक्ती स्वतःचे जीवन जगत असेल, त्याच्या वर्तनाचे आणि त्याचे स्वरूप तसेच इतर वस्तूंशी संबंधांचे वर्णन करणारे गुणधर्म असतील तर आपण केवळ उपप्रकारच नव्हे तर सुपरटाइप (पालक अस्तित्व) देखील सुरक्षितपणे वापरू शकता. 

तुम्ही या नियमाकडे दुर्लक्ष केल्यास, इतर विकासक तुमच्या मॉडेलमध्ये गोंधळून जातील आणि डेटा आणि तो कसा गोळा करायचा याचे नियम पूर्णपणे समजणार नाहीत.

तार्किक मॉडेल्स वापरून संकल्पनात्मक मॉडेल लागू केले जातात. हे मॉडेल भौतिक डेटाबेस डिझाइनसाठी रोड मॅपसारखे आहेत. लॉजिकल मॉडेलमध्ये, व्यवसाय डेटा घटक ओळखले जातात, डेटा प्रकार निर्धारित केले जातात आणि नियम कीची स्थिती निर्धारित केली जाते जी डेटामधील संबंध नियंत्रित करते.

नंतर लॉजिकल डेटा मॉडेलची पूर्व-निवडलेल्या DBMS (डेटाबेस व्यवस्थापन प्रणाली) प्लॅटफॉर्मशी तुलना केली जाते आणि एक भौतिक मॉडेल प्राप्त केले जाते. हे भौतिकरित्या डेटा कसा संग्रहित केला जातो याचे वर्णन करते.

4. योग्य डेटा प्रकार वापरा

चुकीचा डेटा प्रकार वापरल्याने कमी अचूक डेटा, सारण्यांमध्ये सामील होण्यात अडचणी, विशेषता समक्रमित करण्यात अडचण आणि फुगलेल्या फाईल आकारात परिणाम होऊ शकतो.
माहितीची अखंडता सुनिश्चित करण्यासाठी, विशेषतामध्ये फक्त डेटा प्रकार असणे आवश्यक आहे जे त्यास स्वीकार्य आहेत. डेटाबेसमध्ये वय प्रविष्ट केले असल्यास, स्तंभ कमाल 3 अंकांच्या पूर्णांक संचयित करतो याची खात्री करा.

NULL मूल्यासह किमान रिक्त स्तंभ तयार करा. तुम्ही सर्व स्तंभ NULL म्हणून तयार केल्यास, ही एक मोठी चूक आहे. तुम्हाला विशिष्ट व्यवसाय कार्य करण्यासाठी रिक्त स्तंभाची आवश्यकता असल्यास, डेटा अज्ञात असताना किंवा अद्याप अर्थ नसताना, तो तयार करा. शेवटी, आम्ही "मृत्यूची तारीख" किंवा "बरखास्तीची तारीख" हे स्तंभ अगोदरच भरू शकत नाही; आम्ही आकाशाकडे बोटे दाखवणारे भविष्य सांगणारे नाही :-).

बहुतेक मॉडेलिंग सॉफ्टवेअर (ER/Studio, MySQL Workbench, SQL DBM, gliffy.com) डेटा तुम्हाला डेटा क्षेत्रांचे प्रोटोटाइप तयार करण्यास अनुमती देतो. हे केवळ योग्य डेटा प्रकार, ऍप्लिकेशन लॉजिक आणि चांगले कार्यप्रदर्शनच नाही तर मूल्य आवश्यक असल्याचे देखील सुनिश्चित करते.

5. नैसर्गिक जा

की म्हणून टेबलमधील कोणता स्तंभ वापरायचा हे ठरवताना, वापरकर्ता कोणती फील्ड संपादित करू शकतो याचा नेहमी विचार करा. त्यांना कधीही की म्हणून निवडू नका - एक वाईट कल्पना. काहीही होऊ शकते, परंतु आपण ते अद्वितीय असल्याची खात्री केली पाहिजे.

नैसर्गिक, किंवा व्यवसाय, की वापरणे चांगले. याचा अर्थपूर्ण अर्थ आहे, त्यामुळे तुम्ही डेटाबेसमध्ये डुप्लिकेशन टाळाल. 

जोपर्यंत बिझनेस की युनिक (नाव, आडनाव, स्थान) नसेल आणि ती टेबलच्या वेगवेगळ्या पंक्तींमध्ये पुनरावृत्ती होत नसेल किंवा ती बदललीच पाहिजे, तेव्हा व्युत्पन्न केलेली कृत्रिम की प्राथमिक की म्हणून नियुक्त केली जावी.

6. माफक प्रमाणात सामान्य करा

डेटाबेसमध्ये डेटा प्रभावीपणे व्यवस्थित करण्यासाठी, तुम्हाला मार्गदर्शक तत्त्वांच्या संचाचे अनुसरण करणे आणि डेटाबेस सामान्य करणे आवश्यक आहे. अनुसरण करण्यासाठी पाच सामान्य फॉर्म आहेत.
सामान्यीकरणासह, तुम्ही रिडंडंसी टाळता आणि तुमच्या ऍप्लिकेशन किंवा साइटमध्ये वापरलेल्या डेटाची अखंडता सुनिश्चित करता.

नेहमीप्रमाणे, सर्वकाही संयमात असावे, अगदी सामान्यीकरण देखील. जर डेटाबेसमध्ये समान अनन्य कीज असलेल्या बर्याच टेबल्स असतील, तर तुम्ही डेटाबेसला अधिक सामान्यीकृत केले आहे. अत्यधिक सामान्यीकरण डेटाबेस कार्यक्षमतेवर नकारात्मक परिणाम करते.

7. लवकर चाचणी करा, अनेकदा चाचणी करा

चाचणी योजना आणि योग्य चाचणी हा डेटाबेस डिझाइनचा भाग असावा.

तुमच्या डेटाबेसची चाचणी करण्याचा सर्वोत्तम मार्ग म्हणजे सतत एकत्रीकरण. "डेटाबेसच्या जीवनातील दिवस" ​​परिस्थितीचे अनुकरण करा आणि सर्व एज केसेस हाताळल्या गेल्या आहेत की नाही आणि वापरकर्त्याच्या परस्परसंवादाची शक्यता आहे का ते तपासा. जितक्या लवकर तुम्हाला बग सापडतील तितक्या लवकर तुमचा वेळ आणि पैसा दोन्ही वाचेल.

या फक्त सात टिपा आहेत ज्या तुम्ही उत्कृष्ट उत्पादकता आणि कार्यक्षमता डेटाबेस डिझाइन करण्यासाठी वापरू शकता. आपण त्यांचे अनुसरण केल्यास, आपण भविष्यात बहुतेक डोकेदुखी टाळाल. या टिपा डेटाबेस मॉडेलिंगमधील हिमनगाचे फक्त टोक आहेत. लाइफ हॅक मोठ्या संख्येने आहेत. तुम्ही कोणते वापरता?

स्त्रोत: www.habr.com