物理データモデルとは
物理データモデルは、概念データモデルと論理データモデルに欠けていた、データベース特有のコンテキストを導入します。 これはデータベースおよびコンピューター処理中に伝達される情報内のテーブル、列、データ型、表示形式、制約、推論、手順を意味します。
物理データモデルは、特定のデータベース管理システム（DBMS）や、データに基づき実行される特定のプロセス要件と関連付けて構築する必要があります。 通常ここで、参照の整合性を維持するために論理設計構造の非正規化が必要になります。 物理データモデリング段階におけるコンテキストの考慮事項の例としては、処理される、または処理される可能性があるデータの性質や、実行される処理の方法に合わせた規則などがあります。
また、モデルの列タイプがDBMSでサポートされていること、エンティティや列の命名規則に従っていること、問題を起こす意味上の重複を防止することなども重要な考慮事項になります。 技術的なコンテキストを考慮することで、物理データモデルが、技術的環境における必要性をそのまま、または意図されたように反映することになります。
また、モデルの列タイプがDBMSでサポートされていること、エンティティや列の命名規則に従っていること、問題を起こす意味上の重複を防止することなども重要な考慮事項になります。 技術的なコンテキストを考慮することで、物理データモデルが、技術的環境における必要性をそのまま、または意図されたように反映することになります。
物理データモデルの目標とは
データベース特有のデータモデル実装状態を示す物理データモデルは、構築前にデータベースの構造を可視化するのに役立ちます。 ここで着目する最終的な目標はデータベースの実装です。物理データモデルは、データベースが対象DBMSの制約の中でどのように作成されるかを説明することで、組織の目標達成を支援します。
データベースデザイナーは、これを使用してデータベースの抽象化を行い、スキーマを生成することができます。 エンティティのタイプはテーブルで示され、またリレーションシップタイプのラインはテーブル間の外部キーを示します。 この視点は、対象のデータオブジェクトおよびリレーションシップの精度と、組織のシステムとの互換性を確保するために不可欠です。
物理データモデル導入を考慮すべきタイミング
3種類のデータモデルは、時系列的な段階として考える必要があります。 データモデリングの3段階目として、物理データモデリングは、概念段階と論理段階で開発されたモデルを元に構築されるものです。
物理モデルは、最初はモデリングされるデータおよび情報という「対象」モデルとして構築されていますが、実装という「方法」モデルへとシフトします。 もちろん、この実装に向けた実践的手法では、プロジェクトで提案された非正規化要件など、DBMSと技術の仕様を考慮します。
モデルは単一のプロジェクトのデータに何が必要かを説明しますが、他のプロジェクトの物理データモデルを統合し、プロジェクト、プロセス、および技術の間の相互リレーションシップに対応させることもできます。 特定の技術を使用するため、物理データモデルは柔軟性が低下しており、わずかな変更であってもアプリケーション全体の修正を必要とする場合があります。 したがって、物理データモデルの構築は、概念データモデルと論理データモデルの構築が完了してから進めることが推奨されます。
物理データモデルを使用する理由
物理データモデルは、実装の性質を理解するために欠かせないステップです。 その理解が徹底しているほど、組織の要求に応えるソリューションの実装に成功する可能性も高まります。
優れた設計の物理データモデルは、高品質のデータ、容易な実装とメンテナンス、達成可能な拡張性という成果を生みます。 ただし、優れた設計の物理データモデルを実現するには、それ以前のモデルが適切に構築されている必要があります。 実際には、多くの組織が物理データモデル構築の必要性を認識していますが、概念モデルや論理モデルはないものとするか省略してしまいます。 これでは、設計の考慮事項の相違や、データモデルから物理的アプリケーションへのデータ継承および追跡可能性の問題が発生するのは避けられません。
物理データモデリングのメリット
データベースの構造の視覚的な提示に役立つ
実装における欠陥や未完了のリスクを低減する
データモデルのデータベーススキーマへの転換が容易
erwinと共にデータの可視化を改善
30年を超える経験を持つerwinは、信頼されるデータモデリングツールのプロバイダーであり、業界をリードする企業でもあります。 当社はイノベーションの継続により、データモデリングのすべての段階における問題に対処して、データモデリングと、増大するデータガバナンスの労力の間に存在するギャップを解消します。
erwin Data Modeler by Questのユーザは、コラボレーションが可能なプラットフォームを活用し、データライフサイクルのあらゆる段階に対応することができます。 erwin Data Modelerのカスタマーは、SQLおよびNoSQLのサポートからメタデータの自動収集まで、実装に要する時間を大きく削減することができます。