Apa perbedaan antara model data logis dan model data fisik?
Model data logis dan model data fisik adalah dua langkah penting dalam desain data. Pemodelan data adalah proses pembuatan representasi visual atau cetak biru yang membantu berbagai pemangku kepentingan menghasilkan pandangan terpadu dari data organisasi. Proses ini diawali dengan pemodelan data konseptual, tempat Anda membuat representasi abstrak tingkat tinggi dari entitas data, atribut, dan hubungan Anda dengan input dari pengguna bisnis.
Model data logis adalah versi yang lebih baik dari model konseptual. Model ini merepresentasikan batasan data, nama entitas, dan hubungan untuk implementasi dengan cara platform-independen ke dalam diagram. Model data fisik lebih lanjut menyempurnakan model data logis untuk implementasi melalui teknologi basis data tertentu. Model data logis dan model data fisik menentukan struktur, organisasi, dan aturan data untuk mendukung penyimpanan, pengambilan, dan manipulasi yang efisien.
Representasi: model data logis vs. model data fisik
Baik model data logis maupun model data fisik adalah alat yang memastikan persyaratan bisnis direpresentasikan secara akurat pada basis data fisik. Keduanya memberikan tingkat detail teknis yang berbeda untuk mendukung desain basis data sekaligus mempertahankan perspektif bisnis.
Representasi model data logis
Dengan model data logis, analis bisnis, dan arsitek data dapat memvisualisasikan proses operasional atau transaksional dalam diagram hubungan entitas. Model data logis menetapkan cara objek data beroperasi dan bertransaksi dengan cara yang dipahami oleh pemangku kepentingan bisnis. Dengan demikian, model-model tersebut dirancang secara terpisah dari basis data aktual yang akan dilakukan deployment.
Diagram berikut menunjukkan contoh model data logis untuk sistem tiket olahraga.
Setiap tabel menjelaskan entitas data dan atribut masing-masing dalam istilah bisnis yang sudah dikenal. Misalnya, entitas orang berisi nama_lengkap dan nama_belakang sebagai atribut. Untuk semua entitas, Anda menetapkan kunci primer (PK) untuk membedakan atribut di setiap baris. Beberapa entitas berisi kunci asing (FK) untuk menunjukkan hubungan mereka dengan entitas lain dalam hubungan satu-ke-banyak.
Representasi model data fisik
Model data fisik memberikan detail mendalam yang membantu administrator basis data dan developer menerapkan logika bisnis pada basis data fisik. Model ini menawarkan atribut tambahan yang tidak ditentukan dalam model data logis, seperti pemicu, prosedur tersimpan, dan tipe data. Karena model-model ini memetakan elemen data ke basis data aktual, model data fisik harus mematuhi batasan khusus platform, seperti konvensi penamaan dan penggunaan kata-kata yang dicadangkan.
Diagram berikut menunjukkan contoh model data fisik untuk sistem tiket olahraga yang sama.
Dalam model data fisik, tipe data untuk semua objek data yang tersimpan dinyatakan. Anda juga dapat merevisi nama entitas dan atribut agar menggunakan format yang didukung platform.
Cara mendesain: model data logis vs. model data fisik
Dalam merancang model data logis dan model data fisik, diperlukan langkah-langkah agar dapat melakukan transisi yang lancar dari kebutuhan bisnis ke implementasi basis data yang praktis. Model data logis adalah perpanjangan dari model data konseptual dari proses bisnis tertentu. Model data fisik makin menyempurnakan model data logis untuk desain basis data.
Membuat model data logis
Ikuti langkah-langkah berikut ini untuk membangun model data logis:
- Tentukan semua entitas yang diperlukan dan atribut masing-masing.
- Pilih PK yang sesuai sebagai pengidentifikasi unik untuk grup atribut.
- Lakukan normalisasi dan denormalisasi model data sesuai dengan kebutuhan operasional.
- Bangun hubungan antara entitas bisnis yang berbeda dalam model data.
- Validasi entitas data dan hubungannya untuk merepresentasikan logika bisnis secara akurat.
Anda menentukan hubungan antara entitas terpisah. Beberapa entitas terkait satu sama lain secara langsung, sementara yang lain mungkin terkait melalui entitas yang sama. Biasanya, konsultasi dengan pemangku kepentingan terkait akan dilakukan untuk memastikan bahwa entitas-entitas tersebut terhubung dengan benar sesuai dengan kebutuhan bisnis. Anda juga dapat menduplikasi beberapa entitas dan secara strategis membatasi entitas lainnya ke satu instans untuk meningkatkan efisiensi kueri dan meminimalkan ruang penyimpanan.
Membuat model data fisik
Ikuti langkah-langkah ini untuk merancang model data fisik:
- Konversi model data lokal agar sesuai dengan platform penyedia basis data yang dipilih.
- Petakan entitas data ke dalam tabel masing-masing.
- Petakan dan buat PK dan FK dalam tabel basis data sesuai kebutuhan.
- Verifikasi bahwa struktur basis data dinormalisasi dengan tepat untuk menghapus data yang berlebihan dan meningkatkan integritas data.
- Tambahkan batasan basis data yang relevan, aturan, partisi, dan fitur terprogram untuk mendukung pengembangan aplikasi.
- Bandingkan model data fisik dan model data logis untuk memastikan bahwa persyaratan bisnis diterjemahkan dengan benar.
Dalam beberapa kasus, satu entitas dibagi menjadi beberapa tabel. Setiap tabel berisi beberapa kolom yang menyimpan informasi yang ditentukan oleh atribut model data logis. Dalam model data fisik, kolom dibedakan berdasarkan tipe datanya, seperti bilangan bulat, varchar, dan Boolean.
Perbedaan utama: model data logis vs. model data fisik
Meskipun merupakan bagian dari proses pemodelan data, model data logis dan model data fisik dapat dibedakan oleh karakteristik yang beragam.
Tujuan
Dengan model data logis, Anda dapat memvisualisasikan alur kerja proses dengan cara yang terstruktur secara teknis. Anda dapat memahami hubungan antara berbagai sistem bisnis.
Di sisi lain, model data fisik menjelaskan cara data diatur dalam tabel basis data aktual. Anda mendapatkan tampilan atas-bawah tentang cara aplikasi menyimpan dan mengakses data dunia nyata.
Pembuat
Arsitek data dan analis bisnis biasanya membuat model data logis. Developer dan administrator basis data bertanggung jawab untuk menerapkan model data fisik.
Kompleksitas
Model data logis lebih sederhana karena mendefinisikan interkoneksi objek data bisnis. Setiap objek data terdiri dari entitas data dan atribut terkait.
Model data fisik lebih kompleks. Anda mengatur elemen data dalam model data fisik dengan tabel, kolom, dan indeks, serta memenuhi batasan platform yang ketat. Struktur data dalam model data fisik terikat oleh hubungan yang lebih kaku, seperti kardinalitas dan nullabilitas.
Kapan digunakan
Anda menggunakan pemodelan data logis untuk memvisualisasikan aliran informasi dalam sistem korporasi. Analis, manajer, dan pengguna bisnis dapat memahami cara sistem tertentu bekerja dan konsep bisnis yang berlaku.
Developer aplikasi menggunakan model data fisik untuk merencanakan dan mengoptimalkan penyimpanan data saat mereka membangun aplikasi untuk penggunaan produksi. Model data fisik adalah cetak biru untuk menyimpan data dalam basis data relasional.
Ringkasan perbedaan: model data logis vs. model data fisik
| Model data logis |
Model daya fisik |
|
| Basis data yang bergantung pada platform |
Tidak. |
Ya. |
| Struktur data |
Entitas, atribut, PK, dan FK. |
Tabel basis data, baris, PK, FK, dan tipe data. |
| Fitur terprogram |
Tidak. |
Pemicu dan prosedur yang disimpan. |
| Tujuan |
Visualisasikan logika bisnis dengan struktur data. |
Atur struktur data untuk desain basis data. |
| Pembuat |
Analis bisnis dan arsitek data. |
Developer perangkat lunak, pemrogram, dan administrator basis data. |
| Kompleksitas |
Sederhana. |
Kompleks. |
| Kapan digunakan |
Untuk memahami sistem korporasi dan aturan bisnis. |
Untuk merencanakan, mengimplementasikan, dan mengoptimalkan penyimpanan data saat Anda mengembangkan aplikasi. |
Bagaimana AWS dapat membantu model data logis dan model data fisik Anda?
Basis data Amazon Web Services (AWS) mencakup lebih dari 15 mesin basis data untuk mendukung beragam model data. Misalnya, Anda dapat menggunakan Amazon Relational Database Service (Amazon RDS) untuk mengimplementasikan model data relasional logis dan Amazon Neptune untuk mengimplementasikan model data grafik logis.
Anda juga dapat menggunakan Penyimpanan Data AWS Amplify untuk pemodelan data yang cepat dan mudah guna membangun aplikasi seluler dan web. Layanan ini memiliki antarmuka visual dan berbasis kode untuk menentukan model data Anda dengan hubungan, yang akan mempercepat pengembangan aplikasi Anda.
Berikut adalah cara Anda dapat melakukan pemodelan data di AWS:
- Dengan Amazon RDS, Anda dapat membangun dan menskalakan basis data dengan Amazon Aurora Edisi yang Kompatibel dengan MySQL, Amazon Aurora Edisi yang Kompatibel dengan PostgreSQL, server SQL, dan mesin basis data populer lainnya
- Dengan Neptune, Anda dapat membangun aplikasi grafik dengan ketersediaan tinggi yang dapat menangani lebih dari 100.000 kueri per detik
- Penyimpanan Data Amplify menyediakan pustaka klien yang dapat Anda gunakan untuk mengueri, memperbarui, mengurutkan, atau memfilter data dengan mudah di cloud
Mulai model data logis dan model data fisik di AWS dengan membuat akun sekarang juga.
