Qual é a diferença entre um modelo de dados lógico e um modelo de dados físico?
Qual é a diferença entre um modelo de dados lógico e um modelo de dados físico?
Modelos de dados lógicos e modelos de dados físicos são duas etapas importantes no design de dados. A modelagem de dados é o processo de criar uma representação visual ou um esquema que ajuda diferentes partes interessadas a gerar uma visão unificada dos dados da organização. Ela começa com a modelagem conceitual de dados, na qual você cria uma representação abstrata de alto nível de suas entidades, atributos e relacionamentos de dados com entradas de usuários empresariais.
O modelo lógico de dados é uma versão mais refinada do modelo conceitual. Ele representa diagramaticamente restrições de dados, nomes de entidades e relacionamentos para implementação de forma independente da plataforma. O modelo físico de dados refina ainda mais o modelo lógico de dados para implementação em uma tecnologia de banco de dados específica. Modelos de dados lógicos e modelos de dados físicos definem a estrutura, a organização e as regras dos dados para suportar armazenamento, recuperação e manipulação eficientes.
Representação: modelo de dados lógico versus modelo de dados físico
Tanto os modelos de dados lógicos quanto os modelos de dados físicos são ferramentas que garantem que os requisitos de negócios sejam representados com precisão em um banco de dados físico. Eles fornecem diferentes níveis de detalhes técnicos para apoiar o design do banco de dados e, ao mesmo tempo, manter a perspectiva comercial.
Representação de um modelo lógico de dados
Com um modelo de dados lógico, analistas de negócios e arquitetos de dados podem visualizar processos operacionais ou transacionais em um diagrama de relacionamento entre entidades. Os modelos de dados lógicos definem como os objetos de dados operam e transacionam de forma que as partes interessadas da empresa entendam. Dessa forma, eles são projetados independentemente do banco de dados real no qual serão implantados posteriormente.
O diagrama a seguir mostra um exemplo de um modelo lógico de dados para um sistema de bilheteria esportiva.
Cada tabela descreve as entidades de dados e seus respectivos atributos em termos comerciais familiares. Por exemplo, a pessoa da entidade contém full_name e last_name como atributos. Para todas as entidades, você designa uma chave primária (PK) para diferenciar os atributos em cada linha. Algumas entidades contêm chaves estrangeiras (FK) para indicar seu relacionamento com outra entidade em relações de um para muitos.
Representação de um modelo físico de dados
Os modelos de dados físicos fornecem detalhes detalhados que ajudam os administradores e desenvolvedores do banco de dados a implementar a lógica de negócios em um banco de dados físico. Esses modelos oferecem atributos adicionais não especificados em um modelo lógico de dados, como acionadores, procedimentos armazenados e tipos de dados. Como eles mapeiam os elementos de dados para um banco de dados real, os modelos de dados físicos devem seguir as restrições específicas da plataforma, como convenções de nomenclatura e uso de palavras reservadas.
O diagrama a seguir mostra um exemplo do modelo de dados físicos para o mesmo sistema de bilheteria esportiva.
No modelo de dados físico, você declara os tipos de dados para todos os objetos de dados armazenados. Você também revisa os nomes de entidades e atributos para usar formatos compatíveis com a plataforma.
Como projetar: modelo de dados lógico versus modelo de dados físico
Projetar modelos de dados lógicos e modelos de dados físicos exige etapas que permitam uma transição perfeita dos requisitos de negócios para implementações práticas de banco de dados. O modelo lógico de dados é uma extensão do modelo conceitual de dados de um processo comercial específico. O modelo físico de dados refina ainda mais o modelo lógico de dados para o design do banco de dados.
Criação de um modelo de dados lógico
Siga estas etapas para criar um modelo lógico de dados:
- Determine todas as entidades necessárias e seus respectivos atributos.
- Escolha os PKs apropriados como identificadores exclusivos para os grupos de atributos.
- Normalize e desnormalize o modelo de dados de acordo com os requisitos operacionais.
- Estabeleça os relacionamentos entre diferentes entidades de negócios no modelo de dados.
- Valide as entidades de dados e seus relacionamentos para representar a lógica de negócios com precisão.
Você define os relacionamentos entre entidades separadas. Algumas entidades estão diretamente associadas umas às outras e outras podem estar vinculadas por meio de uma entidade comum. Normalmente, você consulta as respectivas partes interessadas para garantir que as entidades estejam conectadas corretamente de acordo com os requisitos do negócio. Você também pode duplicar algumas entidades e limitar estrategicamente outras a uma única instância para melhorar a eficiência da consulta e minimizar o espaço de armazenamento.
Criação de um modelo de dados físico
Siga estas etapas para criar um modelo de dados físico:
- Converta o modelo de dados local para se adequar à plataforma de um provedor de banco de dados escolhido.
- Mapeie entidades de dados em suas respectivas tabelas.
- Mapeie e crie PKs e FKs nas tabelas do banco de dados conforme necessário.
- Verifique se a estrutura do banco de dados está normalizada adequadamente para remover dados redundantes e melhorar a integridade dos dados.
- Adicione restrições, regras, partições e atributos programáticos relevantes do banco de dados para apoiar o desenvolvimento de aplicações.
- Compare o modelo de dados físico e o modelo de dados lógico para garantir que os requisitos de negócios sejam traduzidos corretamente.
Em alguns casos, uma entidade é dividida em várias tabelas. Cada tabela contém várias colunas que armazenam informações especificadas pelos atributos do modelo lógico de dados. Em um modelo de dados físico, as colunas são diferenciadas por seus tipos de dados, como inteiros, varchar e booleano.
Principais diferenças: modelo de dados lógico versus modelo de dados físico
Apesar de fazerem parte do processo de modelagem de dados, os modelos de dados lógicos e os modelos de dados físicos são diferenciados por características diferentes.
Objetivo
Com modelos de dados lógicos, você pode visualizar fluxos de trabalho de processos de forma tecnicamente estruturada. Você pode entender as relações entre vários sistemas de negócios.
Por outro lado, um modelo de dados físico descreve como os dados são organizados em tabelas reais do banco de dados. Você tem uma visão de cima para baixo de como uma aplicação armazena e acessa dados reais.
Criadores
Arquitetos de dados e analistas de negócios geralmente criam modelos de dados lógicos. Desenvolvedores e administradores de banco de dados são responsáveis pela implementação de modelos de dados físicos.
Complexidade
Os modelos de dados lógicos são mais simples porque definem a interconexão dos objetos de dados empresariais. Cada objeto de dados consiste em entidades de dados e seus atributos associados.
Os modelos de dados físicos são mais complexos. Você organiza elementos de dados em um modelo de dados físico com tabelas, colunas e índices e atende às rigorosas restrições da plataforma. As estruturas de dados em um modelo de dados físico são limitadas por uma relação mais rígida, como cardinalidade e nulidade.
Quando usar
Você usa modelagem lógica de dados para visualizar o fluxo de informações em sistemas empresariais. Analistas, gerentes e usuários empresariais podem entender como um sistema específico funciona e os conceitos de negócios aplicáveis.
Os desenvolvedores de aplicações usam modelos de dados físicos para planejar e otimizar o armazenamento de dados ao criar aplicações para uso em produção. Os modelos de dados físicos são o esquema para armazenar dados em um banco de dados relacional.
Resumo das diferenças: modelo de dados lógico versus modelo de dados físico
| Modelo de dados lógico |
Modelo de dados físico |
|
| Banco de dados dependente da plataforma |
Não. |
Sim. |
| Estrutura de dados |
Entidades, atributos, PKs e FKs. |
Tabelas, linhas, PKs, FKs e tipos de dados do banco de dados. |
| Atributos programáticos |
Não. |
Acionadores e procedimentos armazenados. |
| Objetivo |
Visualize a lógica de negócios com estruturas de dados. |
Organize a estrutura de dados para o design do banco de dados. |
| Criadores |
Analistas de negócios e arquitetos de dados. |
Desenvolvedores de software, programadores e administradores de banco de dados. |
| Complexidade |
Simples. |
Complexo. |
| Quando usar |
Para entender os sistemas empresariais e as regras de negócios. |
Planejar, implementar e otimizar o armazenamento de dados ao desenvolver aplicações. |
Como a AWS pode ajudar com seus modelos de dados lógicos e físicos?
Os bancos de dados da Amazon Web Services (AWS) incluem mais de 15 mecanismos de banco de dados para oferecer suporte a modelos de dados diversificados. Por exemplo, você pode usar o Amazon Relational Database Service (Amazon RDS) para implementar modelos de dados relacionais lógicos e o Amazon Neptune para implementar modelos de dados de grafos lógicos.
Você também pode usar o AWS Amplify DataStore para modelagem de dados rápida e fácil a fim de criar aplicações Web e móveis. Ele tem uma interface visual e baseada em código para definir seu modelo de dados com relações, o que acelera o desenvolvimento das suas aplicações.
Aqui estão algumas maneiras pelas quais você pode realizar a modelagem de dados na AWS:
- Com o Amazon RDS, você pode criar e escalar bancos de dados com o Amazon Aurora MySQL Compatible Edition, o Amazon Aurora PostgreSQL Compatible Edition, o SQL Server e outros mecanismos de banco de dados populares
- Com o Neptune, você pode criar aplicações gráficas de alta disponibilidade que podem lidar com mais de 100.000 consultas por segundo
- O Amplify Datastore fornece bibliotecas de cliente que você pode usar para consultar, atualizar, classificar ou filtrar dados facilmente na nuvem
Comece a usar modelos de dados lógicos e modelos de dados físicos na AWS criando uma conta hoje mesmo.
