การทำโมเดลข้อมูลคืออะไร
การทำโมเดลข้อมูลเป็นกระบวนการสร้างการแสดงด้วยภาพหรือพิมพ์เขียวที่กำหนดการเก็บรวบรวมข้อมูลและระบบการจัดการของทุกองค์กร พิมพ์เขียวหรือโมเดลข้อมูลนี้ช่วยให้ผู้มีส่วนเกี่ยวข้อง เช่น นักวิเคราะห์ข้อมูล นักวิทยาศาสตร์ และวิศวกร ในการสร้างมุมมองแบบเบ็ดเสร็จสำหรับข้อมูลขององค์กร โมเดลจะกำหนดแนวทางว่าธุรกิจควรเก็บรวบรวมข้อมูลใด ความสัมพันธ์ระหว่างชุดข้อมูลเป็นแบบใด และวิธีการที่จะใช้ในการจัดเก็บและวิเคราะห์ข้อมูล
เหตุใดการทำโมเดลข้อมูลจึงมีความสำคัญ
ทุกวันนี้องค์กรเก็บรวบรวมข้อมูลจำนวนจากหลายแหล่งมากมาย อย่างไรก็ตาม ข้อมูลดิบเพียงอย่างเดียวไม่เพียงพอ คุณต้องวิเคราะห์ข้อมูลเพื่อหาข้อมูลเชิงลึกที่นำไปปฏิบัติได้ ซึ่งจะชี้นำคุณให้ทำการตัดสินใจที่ให้ผลกำไรกับธุรกิจ การวิเคราะห์ข้อมูลอย่างแม่นยำจำเป็นต้องมีการเก็บรวบรวม การจัดเก็บ และการประมวลผลข้อมูลอย่างมีประสิทธิภาพ มีเทคโนโลยีฐานข้อมูลและเครื่องมือประมวลผลข้อมูลมากมาย และชุดข้อมูลที่แตกต่างกันต้องใช้เครื่องมือที่แตกต่างกันเพื่อทำการวิเคราะห์อย่างมีประสิทธิภาพ
การทำโมเดลข้อมูลให้คุณมีโอกาสได้ทำความเข้าใจข้อมูลของคุณ และตัดสินใจเลือกเทคโนโลยีที่เหมาะสมในการจัดเก็บและจัดการข้อมูลนี้ ผู้ที่เกี่ยวข้องในธุรกิจจะออกแบบโมเดลข้อมูลก่อนจะวางแผนโซลูชันฐานข้อมูลสำหรับองค์กรของตน ในลักษณะเดียวกับที่สถาปนิกออกแบบพิมพ์เขียวก่อนก่อสร้างบ้าน
การทำโมเดลข้อมูลให้ประโยชน์ดังต่อไปนี้:
- ลดความผิดพลาดในการพัฒนาซอฟต์แวร์ฐานข้อมูล
- ช่วยให้ออกแบบและสร้างฐานข้อมูลได้อย่างรวดเร็วและมีประสิทธิภาพ
- ทำให้เกิดความสอดคล้องกันระหว่างเอกสารบันทึกข้อมูลและการออกแบบระบบทั่วทั้งองค์กร
- ช่วยในการสื่อสารระหว่างวิศวกรข้อมูลและทีมระบบธุรกิจอัจฉริยะ
ชนิดของโมเดลข้อมูลมีอะไรบ้าง
โดยปกติแล้วการทำโมเดลข้อมูลเริ่มต้นด้วยการนำเสนอข้อมูลเชิงแนวคิด จากนั้นจึงแทนข้อมูลอีกครั้งในบริบทของเทคโนโลยีที่เลือก นักวิเคราะห์และผู้ที่เกี่ยวข้องสร้างโมเดลข้อมูลแตกต่างหลายชนิดในระหว่างระยะการออกแบบข้อมูล ต่อไปนี้เป็นสามชนิดหลักของโมเดลข้อมูล:
โมเดลข้อมูลเชิงแนวคิด
โมเดลข้อมูลเชิงแนวคิดให้ภาพรวมของข้อมูล โมเดลนี้จะอธิบายสิ่งต่อไปนี้:
- ระบบประกอบด้วยข้อมูลอะไร
- แอตทริบิวต์ของข้อมูล และเงื่อนไขหรือข้อจำกัดในข้อมูล
- ข้อมูลเกี่ยวข้องกับกฎธุรกิจใด
- ข้อมูลได้รับการจัดระเบียบดีที่สุดด้วยวิธีใด
- ข้อกำหนดการรักษาความปลอดภัยและความสมบูรณ์ของข้อมูล
ปกติแล้วผู้มีส่วนได้เสียของธุรกิจและนักวิเคราะห์จะจัดทำโมเดลเชิงแนวคิด ซึ่งเป็นการแสดงด้วยแผนภาพที่ไม่เป็นไปตามกฎการทำโมเดลข้อมูลอย่างเป็นทางการแต่อย่างใด สิ่งที่สำคัญคือแผนภาพนี้ช่วยให้ผู้ที่เกี่ยวข้องทั้งทางเทคนิคและไม่ใช่ทางเทคนิค้มองเห็นภาพเดียวกันและตกลงกันเกี่ยวกับวัตถุประสงค์ ขอบเขต และการออกแบบของโครงการข้อมูลของตน
ตัวอย่างของโมเดลข้อมูลเชิงแนวคิด
ตัวอย่างเช่น โมเดลข้อมูลเชิงแนวคิดสำหรับตัวแทนจำหน่ายรถยนต์อาจแสดงเอนทิตีข้อมูลเช่นนี้:
- เอนทิตีโชว์รูมที่แทนข้อมูลเกี่ยวกับร้านค้าต่าง ๆ ที่ตัวแทนจำหน่ายมี
- เอนทิตีรถยนต์ที่แทนรถยนต์หลายคันที่ตัวแทนจำหน่ายมีสต็อกในขณะนั้น
- เอนทิตีลูกค้าที่แทนลูกค้าทั้งหมดที่เคยทำการซื้อกับตัวแทนจำหน่าย
- เอนทิตีการขายที่แทนข้อมูลเกี่ยวกับการขายจริง
- เอนทิตีพนักงานขายที่แทนข้อมูลเกี่ยวกับพนักงานขายทั้งหมดที่ทำงานให้ตัวแทนจำหน่าย
นอกจากนี้ โมเดลเชิงแนวคิดนี้ควรรวมถึงข้อกำหนดของธุรกิจ เช่นดังนี้:
- รถยนต์ทุกคันต้องเป็นของโชว์รูมที่เฉพาะเจาะจง
- การขายทุกครั้งต้องมีพนักงานขายอย่างน้อยหนึ่งคนและลูกค้าหนึ่งคนเชื่อมโยงกับการขายนั้น
- รถยนต์ทุกคันต้องมีชื่อแบรนด์และหมายเลขผลิตภัณฑ์
- ลูกค้าทุกคนต้องให้หมายเลขโทรศัพท์และที่อยู่อีเมลของตน
ดังนั้นโมเดลเชิงแนวคิดจึงทำหน้าที่เป็นสะพานระหว่างกฎธุรกิจกับระบบการจัดการฐานข้อมูลทางกายภาพ (DBMS) ที่เป็นพื้นฐาน โมเดลข้อมูลเชิงแนวคิดยังเรียกว่าโมเดลโดเมนด้วยเช่นกัน
โมเดลข้อมูลเชิงตรรกะ
โมเดลข้อมูลเชิงตรรกะจับคู่คลาสของข้อมูลกับโครงสร้างข้อมูลในทางเทคนิค โมเดลเหล่านี้ให้รายละเอียดมากขึ้นเกี่ยวกับแนวคิดของข้อมูลและความสัมพันธ์ที่ซับซ้อนของข้อมูลซึ่งได้ระบุในโมเดลข้อมูลเชิงแนวคิด เช่น:
- ชนิดของข้อมูลซึ่งมีแอตทริบิวต์ต่าง ๆ (เช่น สตริงหรือตัวเลข)
- ความสัมพันธ์ระหว่างเอนทิตีข้อมูล
- แอตทริบิวต์หลักหรือช่องที่สำคัญในข้อมูล
สถาปนิกข้อมูลและนักวิเคราะห์ทำงานร่วมกันเพื่อสร้างโมเดลเชิงตรรกะ บุคคลเหล่านี้ทำตามระบบการทำโมเดลอย่างเป็นทางการหลายระบบเพื่อสร้างการแทนข้อมูลขึ้น บางครั้งทีมที่ว่องไวอาจเลือกข้ามขั้นตอนนี้แล้วขยับจากโมเดลเชิงแนวคิดเป็นโมเดลเชิงกายภาพโดยตรง อย่างไรก็ตาม โมเดลเหล่านี้เป็นประโยชน์ในการออกแบบฐานข้อมูลขนาดใหญ่ เรียกว่าคลังข้อมูล และในการออกแบบระบบการรายงานอัตโนมัติ
ตัวอย่างของโมเดลข้อมูลเชิงตรรกะ
ในตัวอย่างตัวแทนจำหน่ายรถยนต์ของเรา โมเดลข้อมูลเชิงตรรกะจะขยายจากโมเดลเชิงแนวคิดแล้วพิจารณาคลาสของข้อมูลอย่างลึกซึ้งขึ้น ดังนี้:
- เอนทิตีโชว์รูมมีช่องต่าง ๆ เช่นชื่อและตำแหน่งที่ตั้งเป็นข้อมูลข้อความ และหมายเลขโทรศัพท์เป็นข้อมูลตัวเลข
- เอนทิตีลูกค้ามีช่องอีเมลลูกค้าที่มีรูปแบบ xxx@example.com หรือ xxx@example.com.yy ช่องชื่อต้องมีความยาวอักขระไม่เกิน 100 ตัว
- เอนทิตีการขายมีชื่อของลูกค้าและชื่อพนักงานขายเป็นช่อง ร่วมกับวันที่ขายเป็นข้อมูลวันที่ และจำนวนเป็นชนิดข้อมูลจุดทศนิยม
โมเดลเชิงตรรกะจึงทำหน้าที่เป็นสะพานระหว่างโมเดลข้อมูลเชิงแนวคิดกับเทคโนโลยีและภาษาของฐานข้อมูลที่เป็นพื้นฐานซึ่งนักพัฒนาใช้เพื่อสร้างฐานข้อมูลขึ้น อย่างไรก็ตาม โมเดลเหล่านี้ไม่อิงกับเทคโนโลยี และคุณสามารถนำโมเดลมาใช้ได้ในทุกภาษาฐานข้อมูล ปกติแล้ววิศวกรข้อมูลและผู้ที่เกี่ยวข้องตัดสินใจเรื่องเทคโนโลยีหลังจากที่ได้สร้างโมเดลข้อมูลเชิงตรรกะแล้ว
โมเดลข้อมูลเชิงกายภาพ
โมเดลข้อมูลเชิงภาพกายจับคู่โมเดลข้อมูลเชิงตรรกะกับเทคโนโลยี DBMS ที่เฉพาะเจาะจงและใช้คำศัพท์ของซอฟต์แวร์ ตัวอย่างเช่น โมเดลเหล่านี้ให้รายละเอียดดังนี้:
- ชนิดช่องข้อมูลตามที่แทนใน DBMS
- ความสัมพันธ์ของข้อมูลตามที่แทนใน DBMS
- รายละเอียดเพิ่มเติม เช่น การปรับประสิทธิภาพ
วิศวกรข้อมูลสร้างโมเดลเชิงกายภาพก่อนนำการออกแบบมาปฏิบัติในขั้นสุดท้าย นอกจากนี้วิศวกรยังทำตามเทคนิคการทำโมเดลข้อมูลอย่างเป็นทางการเพื่อทำให้แน่ใจว่าตนได้ครอบคลุมทุกแง่มุมของการออกแบบแล้ว
ตัวอย่างของโมเดลข้อมูลเชิงกายภาพ
สมมติว่าตัวแทนจำหน่ายรถยนต์ตัดสินใจที่จะสร้างการเก็บข้อมูลถาวรใน Amazon S3 Glacier Flexible Retrieval โมเดลข้อมูลเชิงกายภายของตัวแทนจำหน่ายจะอธิบายข้อมูลจำเพาะดังต่อไปนี้:
- ในการขาย ยอดขายคือข้อมูลชนิดเลขทศนิยม และวันที่ขายคือข้อมูลชนิดตราประทับเวลา
- ในลูกค้า ชื่อลูกค้าคือข้อมูลชนิดสตริง
- ในคำศัพท์ของ S3 Glacier Flexible Retrieval นั้น vault คือตำแหน่งที่ตั้งทางภูมิศาสตร์ของข้อมูลของคุณ
โมเดลข้อมูลเชิงกายภาพของคุณยังรวมถึงรายละเอียดเพิ่มเติม เช่น คุณจะสร้าง vault ของคุณใน AWS Region ใด ดังนั้นโมเดลข้อมูลเชิงกายภาพจึงทำหน้าที่เป็นสะพานระหว่างโมเดลข้อมูลเชิงตรรกะและการนำเทคโนโลยีไปปฏิบัติในขั้นสุดท้าย
ประเภทของเทคนิคการทำโมเดลข้อมูลมีอะไรบ้าง
เทคนิคการทำโมเดลข้อมูลคือวิธีการต่าง ๆ ที่คุณสามารถใช้เพื่อสร้างโมเดลข้อมูลต่าง ๆ แนวทางได้มีวิวัฒนาการตามกาลเวลาเนื่องจากผลของนวัตกรรมในแนวคิดเกี่ยวกับฐานข้อมูลและการกำกับดูแลข้อมูล ต่อไปนี้เป็นสามชนิดหลักของการทำโมเดลข้อมูล:
การทำโมเดลข้อมูลแบบเป็นลำดับขั้น
ในการทำโมเดลข้อมูลแบบเป็นลำดับขึ้น คุณสามารถแทนความสัมพันธ์ระหว่างองค์ประกอบข้อมูลต่าง ๆ ในรูปแบบคล้ายต้นไม้ โมเดลข้อมูลแบบเป็นลำดับขั้นแทนความเชื่อมโยงแบบหนึ่งต่อกลุ่ม โดยที่คลาสข้อมูลหลักหรือรูทจับคู่กับคลาสย่อยหลายคลาส
ในตัวอย่างตัวแทนจำหน่ายรถยนต์ คลาสหลักโชว์รูมจะมีทั้งเอนทิตีรถยนต์และพนักงานขายเป็นคลาสย่อยเพราะโชว์รูมหนึ่งแห่งมีรถยนต์หลายคันและมีพนักงานขายหลายคนทำงานในโชว์รูม
การทำโมเดลข้อมูลแบบกราฟ
เมื่อเวลาผ่านไป การทำโมเดลข้อมูลแบบเป็นลำดับขั้นได้วิวัฒนาการกลายเป็นการทำโมเดลข้อมูลแบบกราฟ โมเดลข้อมูลแบบกราฟแทนความสัมพันธ์ของข้อมูลที่ปฏิบัติต่อเอนทิตีต่าง ๆ อย่างเท่าเทียมกัน เอนทิตีสามารถเชื่อมโยงกับกันและกันในความเชื่อมโยงแบบหนึ่งต่อกลุ่มหรือความเชื่อมโยงแบบกลุ่มต่อกลุ่มโดยไม่ต้องมีแนวคิดเกี่ยวกับคลาสหลักหรือย่อย
ตัวอย่างเช่น โชว์รูมหนึ่งแห่งสามารถมีพนักงานขายหลายคน และพนักงานขายหนึ่งคนสามารถทำงานที่โชว์รูมหลายแห่งได้เช่นกันหากกะการทำงานแตกต่างกันออกไปตามสถานที่ตั้ง
การทำโมเดลข้อมูลแบบเชิงสัมพันธ์
การทำโมเดลข้อมูลแบบเชิงสัมพันธ์คือแนวทางการทำโมเดลที่เป็นที่นิยมที่แสดงภาพคลาสของข้อมูลเป็นตาราง ตารางข้อมูลต่าง ๆ รวมหรือเชื่อมโยงกันโดยการใช้คีย์ที่แทนความสัมพันธ์ของเอนทิตีในโลกจริง คุณสามารถใช้เทคโนโลยีฐานข้อมูลแบบเชิงสัมพันธ์เพื่อจัดเก็บข้อมูลที่เป็นโครงสร้าง และโมเดลข้อมูลแบบเชิงสัมพันธ์เป็นวิธีการที่มีประโยชน์ในการแทนโครงสร้างฐานข้อมูลแบบเชิงสัมพันธ์ของคุณ
ตัวอย่างเช่น ตัวแทนจำหน่ายรถยนต์จะมีโมเดลข้อมูลแบบเชิงสัมพันธ์ที่แทนตารางพนักงานขายและตารางรถยนต์ ดังแสดงที่นี่:
| ID พนักงานขาย | ชื่อ |
| 1 | เจน |
| 2 | จอห์น |
| ID รถยนต์ | แบรนด์รถยนต์ |
| C1 | XYZ |
| C2 | ABC |
ID พนักงานขายและ ID รถยนต์คือคีย์หลักที่ระบุเอนทิตีแต่ละอย่างในโลกจริง ในตารางโชว์รูม คีย์หลักเหล่านี้ทำหน้าที่เป็นคีย์นอกที่เชื่อมโยงส่วนข้อมูลต่าง ๆ
| ID โชว์รูม | ชื่อโชว์รูม | ID พนักงานขาย | ID รถยนต์ |
| S1 | NY Showroom | 1 | C1 |
ในฐานข้อมูลแบบเชิงสัมพันธ์ คีย์หลักและคีย์นอกทำงานร่วมกันเพื่อแสดงความสัมพันธ์ของข้อมูล ตารางก่อนหน้าแสดงให้เห็นว่าโชว์รูมสามารถมีพนักงานขายและรถยนต์
การทำโมเดลข้อมูลความสัมพันธ์ของเอนทิตี
การทำโมเดลข้อมูลความสัมพันธ์ของเอนทิตี (ER) ใช้แผนภาพอย่างเป็นทางการเพื่อแทนความสัมพันธ์ระหว่างเอนทิตีในฐานข้อมูล สถาปนิกข้อมูลใช้เครื่องมือทำโมเดล ER มากมายในการแทนข้อมูล
การทำโมเดลข้อมูลเชิงอ็อบเจกต์
การเขียนโปรแกรมเชิงอ็อบเจกต์ใช้โครงสร้างข้อมูลที่เรียกว่าอ็อบเจกต์ในการจัดเก็บข้อมูล อ็อบเจกต์ข้อมูลเหล่านี้คือแนวความคิดของซอฟต์แวร์เกี่ยวกับเอนทิตีในโลกจริง ตัวอย่างเช่น ในโมเดลข้อมูลเชิงอ็อบเจกต์ ตัวแทนจำหน่ายรถยนต์จะมีอ็อบเจกต์ข้อมูลเช่นลูกค้า ซึ่งมีแอตทริบิวต์ต่าง ๆ เช่นชื่อ ที่อยู่ และหมายเลขโทรศัพท์ คุณจะจัดเก็บข้อมูลลูกค้าเพื่อให้ลูกค้าในโลกจริงทุกคนถูกแทนเป็นอ็อบเจกต์ข้อมูลลูกค้า
โมเดลข้อมูลเชิงอ็อบเจกต์เอาชนะข้อจำกัดมากมายของโมเดลข้อมูลแบบเชิงสัมพันธ์ และเป็นที่นิยมในฐานข้อมูลแบบมัลติมีเดีย
การทำโมเดลข้อมูลเชิงมิติ
การประมวลผลขององค์กรสมัยใหม่ใช้เทคโนโลยีคลังข้อมูลเพื่อจัดเก็บข้อมูลจำนวนมากเพื่อการวิเคราะห์ คุณสามารถใช้โครงการการทำโมเดลข้อมูลเชิงมิติเพื่อการจัดเก็บข้อมูลและการดึงข้อมูลความเร็วสูงจากคลังข้อมูล โมเดลเชิงมิติใช้การซ้ำหรือข้อมูลซ้ำซ้อน แล้วให้ความสำคัญกับสมรรถนะมากกว่าการใช้พื้นที่ในการจัดเก็บข้อมูลน้อยลง
ตัวอย่างเช่น ในโมเดลข้อมูลเชิงมิติ ตัวแทนจำหน่ายรถยนต์มีมิติต่าง ๆ เช่น รถยนต์ โชว์รูม และเวลา มิติรถยนต์มีแอตทริบิวต์เช่นชื่อและแบรนด์ แต่มิติโชว์รูมมีลำดับขั้นเช่นรัฐ เมือง ที่อยู่ถนน และชื่อโชว์รูม
กระบวนการทำโมเดลข้อมูลคืออะไร
กระบวนการทำโมเดลข้อมูลเป็นไปตามลำดับขั้นตอนที่คุณต้องดำเนินการซ้ำ ๆ จนกว่าคุณจะสร้างโมเดลข้อมูลที่ครอบคลุมได้ ในทุกองค์กร ผู้ที่เกี่ยวข้องหลายคนมารวมตัวกันเพื่อสร้างมุมมองข้อมูลที่สมบูรณ์ขึ้น ถึงแม้ว่าขั้นตอนจะแตกต่างกันออกไปตามประเภทของการทำโมเดลข้อมูล แต่ขั้นตอนต่อไปนี้เป็นภาพรวมโดยทั่วไป
ขั้นตอนที่ 1: ระบุเอนทิตีและคุณสมบัติของเอนทิตี
ระบุเอนทิตีทั้งหมดในโมเดลข้อมูลของคุณ แต่ละเอนทิตีควรแตกต่างกันในเชิงตรรกะจากเอนทิตีอื่นทั้งหมด และสามารถแทนคน สถานที่ สิ่งของ แนวคิด หรือเหตุการณ์ได้ แต่ละเอนทิตีแตกต่างกัน เพราะมีคุณสมบัติที่เป็นเอกลักษณ์ไม่เหมือนกันหนึ่งอย่างขึ้นไป ในโมเดลข้อมูลของคุณ คุณสามารถมองได้ว่าเอนทิตีเป็นคำนามและแอตทริบิวต์เป็นคำคุณศัพท์
ขั้นตอนที่ 2: ระบุความสัมพันธ์ระหว่างเอนทิตี
ความสัมพันธ์ระหว่างเอนทิตีต่าง ๆ คือหัวใจของการทำโมเดลข้อมูล ในตอนแรกกฎธุรกิจเป็นตัวกำหนดความสัมพันธ์เหล่านี้ที่ระดับแนวคิด ในโมเดลข้อมูลของคุณ คุณสามารถมองได้ว่าความสัมพันธ์เป็นคำกริยา ตัวอย่างเช่น พนักงานขายขายรถยนต์หลายคัน หรือโชว์รูมจ้างพนักงานขายหลายคน
ขั้นตอนที่ 3: ระบุเทคนิคการทำโมเดลข้อมูล
หลังจากที่คุณเข้าใจเอนทิตีและความสัมพันธ์ของเอนทิตีในเชิงแนวคิดแล้ว คุณสามารถระบุเทคนิคการทำโมเดลข้อมูลที่ตรงกับกรณีการใช้งานของคุณมากที่สุดได้ ตัวอย่างเช่น คุณอาจใช้การทำโมเดลข้อมูลแบบเชิงสัมพันธ์สำหรับข้อมูลที่เป็นโครงสร้าง แต่ใช้การทำโมเดลข้อมูลเชิงมิติสำหรับข้อมูลที่ไม่เป็นโครงสร้าง เป็นต้น
ขั้นตอนที่ 4: ปรับให้เหมาะสมและทำซ้ำ
คุณสามารถปรับโมเดลข้อมูลของคุณเพิ่มเติมเพื่อให้ตรงกับข้อกำหนดด้านเทคโนโลยีและสมรรถนะของคุณ ตัวอย่างเช่น หากคุณวางแผนที่จะใช้ Amazon Aurora และภาษา Structured Query Language (SQL) คุณจะวางเอนทิตีของคุณลงในตารางโดยตรงแล้วระบุความสัมพันธ์โดยใช้คีย์นอก ในทางตรงกันข้าม หากคุณเลือกใช้ Amazon DynamoDB คุณจะต้องพิจารณารูปแบบการเข้าถึงก่อนที่คุณจะทำโมเดลตารางของคุณ เนื่องจาก DynamoDB ให้ความสำคัญกับความเร็ว คุณจึงจะระบุก่อนเป็นอันดับแรกว่าคุณจะเข้าถึงข้อมูลของคุณอย่างไร จากนั้นจึงทำโมเดลข้อมูลของคุณในรูปแบบที่จะถูกเข้าถึง
โดยปกติคุณจะย้อนกลับมาที่ขั้นตอนเหล่านี้ซ้ำหลายครั้งเมื่อเทคโนโลยีและข้อกำหนดของคุณเปลี่ยนแปลงไปตามเวลา
AWS สามารถช่วยในการทำโมเดลข้อมูลได้อย่างไร
นอกจากนี้คุณยังสามารถใช้AWS Amplify DataStore เพื่อการทำโมเดลข้อมูลที่รวดเร็วขึ้นและง่ายขึ้นสำหรับการสร้างแอปพลิเคชันบนมือถือและบนเว็บ บริการนี้มีอินเทอร์เฟซภาพและอิงโค้ดสำหรับกำหนดความสัมพันธ์ให้กับโมเดลข้อมูลของคุณ ซึ่งจะทำให้การพัฒนาแอปพลิเคชันของคุณดำเนินไปรวดเร็วขึ้น
เริ่มต้นใช้งานการทำโมเดลข้อมูลบน AWS ด้วยการสร้างบัญชีฟรีวันนี้
