एंकर मॉडलिंग
एंकर मॉडलिंग एक फुर्तीली डेटाबेस मॉडलिंग तकनीक है जो सूचना के लिए अनुकूल है जो संरचना और सामग्री दोनों में समय के साथ बदलती है। यह अस्थायी डेटा के साथ काम करने के लिए एक्सटेंशन के साथ इकाई-रिलेशनशिप मॉडल|एंटिटी-रिलेशनशिप मॉडलिंग के समान वैचारिक मॉडलिंग के लिए उपयोग किया जाने वाला ग्राफिकल नोटेशन प्रदान करता है। मॉडलिंग तकनीक में चार मॉडलिंग निर्माण शामिल हैं: एंकर, एट्रीब्यूट, टाई और नॉट, प्रत्येक मॉडल किए जा रहे डोमेन के विभिन्न पहलुओं को कैप्चर करता है।[1] परिणामी मॉडल को औपचारिक नियमों का उपयोग करके भौतिक डेटाबेस डिज़ाइन में अनुवादित किया जा सकता है। जब इस तरह का अनुवाद किया जाता है तो रिलेशनल डेटाबेस में टेबल ज्यादातर छठे सामान्य रूप में होंगे।
दर्शन और इतिहास
इसकी कमियों से बचने के दौरान उच्च स्तर के डेटाबेस सामान्यीकरण से लाभ लेने के लिए एंकर मॉडलिंग का निर्माण किया गया था। मॉडल को गैर-विनाशकारी रूप से विकसित करने में सक्षम होने, अशक्त मूल्यों से बचने और सूचना को अतिरेक से मुक्त रखने जैसे लाभ प्राप्त होते हैं। आधुनिक डेटाबेस इंजनों में 'उन्मूलन में शामिल हों' या 'टेबल एलिमिनेशन' नामक सुविधा के कारण अतिरिक्त जॉइन के कारण प्रदर्शन के मुद्दों को काफी हद तक टाला जाता है। सूचना सामग्री में परिवर्तन को संभालने के लिए एंकर मॉडलिंग परिणामी संबंधपरक डेटाबेस स्कीमा में एक अस्थायी डेटाबेस के पहलुओं का अनुकरण करता है।
एंकर मॉडलिंग का उपयोग करने वाली सबसे पहली स्थापना स्वीडन में 2004 में पहली डेटिंग के साथ की गई थी, जब तकनीक का उपयोग करके एक बीमा कंपनी के लिए डेटा वेयरहाउस बनाया गया था। 2007 में तकनीक का उपयोग कुछ डेटा वेयरहाउस और एक ओएलटीपी सिस्टम में किया जा रहा था, और इसे एम्स्टर्डम में 2007 ट्रांसफॉर्मिंग डेटा विथ इंटेलिजेंस] (टीडीडब्ल्यूआई) सम्मेलन में लार्स रोन्नबैक द्वारा अंतरराष्ट्रीय स्तर पर प्रस्तुत किया गया था।[2] इसने तकनीक के लिए अधिक औपचारिक विवरण की गारंटी देने के लिए पर्याप्त रुचि पैदा की। तब से एंकर मॉडलिंग से संबंधित शोध क्रिएटर्स ओले रिगार्ड्ट और लार्स रोनबैक और स्टॉकहोम विश्वविद्यालय के कंप्यूटर और सिस्टम विज्ञान विभाग की एक टीम के सहयोग से किया जा रहा है। पहला पेपर, जिसमें एंकर मॉडलिंग को औपचारिक रूप दिया गया है, कॉन्सेप्चुअल मॉडलिंग पर 28वें अंतर्राष्ट्रीय सम्मेलन में प्रस्तुत किया गया और सर्वश्रेष्ठ पेपर का पुरस्कार जीता।[3] एक वाणिज्यिक वेब साइट एंकर मॉडलिंग पर सामग्री प्रदान करती है जो क्रिएटिव कॉमन्स लाइसेंस के तहत उपयोग करने के लिए स्वतंत्र है। एक ऑनलाइन मॉडलिंग टूल भी उपलब्ध है, जो उपयोग करने के लिए स्वतंत्र है और खुला स्त्रोत है।[4]
बुनियादी धारणाएँ
एंकर मॉडलिंग की चार बुनियादी मॉडलिंग अवधारणाएँ हैं: एंकर, विशेषताएँ, टाई और नॉट्स। एंकरों का उपयोग संस्थाओं और घटनाओं को मॉडल करने के लिए किया जाता है, विशेषताओं का उपयोग एंकरों के गुणों को मॉडल करने के लिए किया जाता है, टाई एंकरों के बीच संबंधों को मॉडल करते हैं, और नॉट्स का उपयोग राज्यों जैसे साझा गुणों को मॉडल करने के लिए किया जाता है। विशेषताओं और संबंधों को ऐतिहासिक बनाया जा सकता है जब उनके मॉडल की जानकारी में बदलाव को बनाए रखने की आवश्यकता होती है।
सभी अवधारणाओं के लिए विभिन्न ग्राफिकल प्रतीकों को दर्शाने वाला एक उदाहरण मॉडल नीचे देखा जा सकता है। प्रतीक कुछ एक्सटेंशन के साथ एंटिटी-रिलेशनशिप मॉडलिंग में उपयोग किए गए प्रतीकों से मिलते जुलते हैं। एक विशेषता या टाई पर एक दोहरी रूपरेखा इंगित करती है कि परिवर्तनों का इतिहास रखा गया है और गाँठ प्रतीक (गोलाकार किनारों वाला एक रेखांकित वर्ग) भी उपलब्ध है।
लौकिक पहलू
एंकर मॉडलिंग दो प्रकार के सूचनात्मक विकास, संरचनात्मक परिवर्तन और सामग्री परिवर्तन को संभालती है। सूचना की संरचना में परिवर्तन को एक्सटेंशन के माध्यम से दर्शाया जाता है। डाटाबेस सामान्यीकरण की उच्च डिग्री एक परिवर्तन को पकड़ने के लिए आवश्यक आवश्यक मॉडलिंग अवधारणाओं को गैर-विनाशकारी रूप से जोड़ना संभव बनाता है, इस तरह से कि प्रत्येक पिछली डाटाबेस स्कीमा हमेशा वर्तमान स्कीमा के सबसेट के रूप में बनी रहती है। चूंकि मौजूदा स्कीमा को छुआ नहीं गया है, यह डेटाबेस को अत्यधिक पुनरावृत्त तरीके से और बिना किसी डाउनटाइम के विकसित करने में सक्षम होने का लाभ देता है।
सूचना की सामग्री में परिवर्तन एक रिलेशनल डेटाबेस स्कीमा एक टेम्पोरल डेटाबेस की समान विशेषताओं का अनुकरण करके किया जाता है। एंकर मॉडलिंग में, सूचना के टुकड़ों को समय के बिंदुओं या समय के अंतराल (खुले और बंद दोनों) से जोड़ा जा सकता है। घटनाओं के घटित होने के समय बिंदुओं को विशेषताओं का उपयोग करके प्रतिरूपित किया जाता है, जैसे व्यक्तियों की जन्मतिथि या खरीदारी का समय। समय के अंतराल जिसमें एक मूल्य मान्य है, विशेषताओं और संबंधों के इतिहासीकरण के माध्यम से कब्जा कर लिया जाता है, उदाहरण के लिए किसी व्यक्ति के बालों के रंग में परिवर्तन या समय की अवधि जिसके दौरान एक व्यक्ति का विवाह हुआ था। एक संबंधपरक डेटाबेस में यह एक एकल कॉलम (डेटाबेस) को जोड़कर प्राप्त किया जाता है, डेटा प्रकार के दानेदार के साथ परिवर्तन की गति को पकड़ने के लिए, ऐतिहासिक विशेषता या टाई के अनुरूप तालिका (डेटाबेस) में। यह थोड़ी जटिलता जोड़ता है क्योंकि अंतराल बंद है या नहीं, यह जानने के लिए तालिका में एक से अधिक पंक्ति (डेटाबेस) की जांच की जानी चाहिए।
मॉडलिंग किए जा रहे डोमेन से प्रत्यक्ष रूप से संबंधित समय के बिंदु या अंतराल, जैसे डेटाबेस में दर्ज की गई जानकारी के बिंदु, उपरोक्त किसी भी निर्माण के बजाय एंकर मॉडलिंग में मेटा डेटा के उपयोग के माध्यम से नियंत्रित किए जाते हैं। यदि डेटाबेस में ऐसे परिवर्तनों के बारे में जानकारी रखने की आवश्यकता है तो बिटटेम्पोरल एंकर मॉडलिंग का उपयोग किया जा सकता है, जहां अद्यतनों के अलावा, हटाए गए कथन भी गैर-विनाशकारी हो जाते हैं।
संबंधपरक प्रतिनिधित्व
एंकर मॉडलिंग में वैचारिक मॉडल और संबंधपरक डेटाबेस में तालिकाओं में प्रयुक्त प्रतीकों के बीच एक-से-एक मानचित्रण होता है। डेटाबेस में प्रत्येक एंकर, विशेषता, टाई और गाँठ की एक स्पष्ट रूप से परिभाषित संरचना के साथ एक संबंधित तालिका होती है। एक वैचारिक मॉडल को सरल स्वचालित नियमों का उपयोग करके एक रिलेशनल डेटाबेस स्कीमा में अनुवादित किया जा सकता है, और इसके विपरीत। यह कई अन्य मॉडलिंग तकनीकों से अलग है जिसमें वैचारिक, तार्किक और भौतिक स्तरों के बीच जटिल और कभी-कभी व्यक्तिपरक अनुवाद चरण होते हैं।
एंकर टेबल में एक एकल स्तंभ होता है जिसमें पहचान संग्रहीत की जाती है। एक पहचान को एक इकाई की एकमात्र संपत्ति माना जाता है जो हमेशा मौजूद और अपरिवर्तनीय होती है। चूंकि मॉडलिंग किए जा रहे डोमेन से पहचान शायद ही कभी उपलब्ध होती है, इसके बजाय वे तकनीकी रूप से उत्पन्न होते हैं, उदाहरण के लिए बढ़ती संख्या अनुक्रम से।
डोनाल्ड डक के भतीजों की पहचान के लिए एंकर का एक उदाहरण 1-ट्यूपल्स का एक सेट है:
{⟨#42⟩, ⟨#43⟩, ⟨#44⟩}
नॉट्स को एक एंकर और एक विशेषता के संयोजन के रूप में माना जा सकता है। नॉट टेबल में दो कॉलम होते हैं, एक आइडेंटिटी के लिए और दूसरा वैल्यू के लिए। पहचान और मूल्यों को एक साथ रखने के कारण गांठों को ऐतिहासिक नहीं बनाया जा सकता है। उनकी उपयोगिता भंडारण आवश्यकताओं को कम करने और प्रदर्शन में सुधार करने में सक्षम होने से आती है, क्योंकि तालिकाओं को संदर्भित समुद्री मील एक लंबी स्ट्रिंग के बजाय एक छोटा मान संग्रहीत कर सकते हैं।
लिंग के लिए गाँठ का एक उदाहरण 2-ट्यूपल्स का एक सेट है:
{⟨#1, 'Male'⟩, ⟨#2, 'Female'⟩}
स्टेटिक एट्रिब्यूट टेबल में दो कॉलम होते हैं, एक उस इकाई की पहचान के लिए जिससे मूल्य संबंधित है और एक वास्तविक संपत्ति मूल्य के लिए। ऐतिहासिक विशेषता तालिकाओं में एक समय अंतराल के शुरुआती बिंदु को संग्रहीत करने के लिए एक अतिरिक्त स्तंभ होता है। नॉटेड एट्रिब्यूट टेबल में, वैल्यू कॉलम एक आइडेंटिटी है जो नॉट टेबल को रेफर करता है।
उनके नाम के लिए एक स्थिर विशेषता का एक उदाहरण 2-टुपल्स का एक सेट है:
{⟨#42, 'Huey'⟩, ⟨#43, 'Dewey'⟩, ⟨#44, 'Louie'⟩}
उनके लिंग के लिए गांठदार स्थिर विशेषता का एक उदाहरण 2-ट्यूपल्स का एक सेट है:
{⟨#42, #1⟩, ⟨#43, #1⟩, ⟨#44, #1⟩}
उनके पहनावे के (बदलते) रंगों के लिए एक ऐतिहासिक विशेषता का एक उदाहरण 3-ट्यूपल्स का एक सेट है:
{⟨#44, 'Orange', 1938-04-15⟩, ⟨#44, 'Green', 1939-04-28⟩, ⟨#44, 'Blue', 1940-12-13⟩}
स्टेटिक टाई टेबल दो या दो से अधिक एंकरों को एक दूसरे से संबंधित करते हैं, और पहचान को संग्रहीत करने के लिए दो या दो से अधिक कॉलम होते हैं। ऐतिहासिक टाई टेबल में एक समय अंतराल के शुरुआती बिंदु को संग्रहीत करने के लिए एक अतिरिक्त कॉलम होता है। नॉटेड टाई टेबल में प्रत्येक संदर्भित नॉट के लिए एक अतिरिक्त कॉलम होता है।
सिबलिंग रिलेशनशिप के लिए स्टैटिक टाई का एक उदाहरण 2-ट्यूपल्स का एक सेट है:
{⟨#42, #43⟩, ⟨#42, #44⟩, ⟨#43, #42⟩, ⟨#43, #44⟩, ⟨#44, #42⟩, ⟨#44, #43⟩}
परिणामी तालिकाएँ सभी छठे सामान्य रूप में होंगी सिवाय उन संबंधों को छोड़कर जिनमें सभी स्तंभ प्राथमिक कुंजी का हिस्सा नहीं हैं।
संदर्भ
- ↑ L. Rönnbäck; O. Regardt; M. Bergholtz; P. Johannesson; P. Wohed (2010). "Anchor modeling - Agile information modeling in evolving data environments". Data & Knowledge Engineering. 69 (12): 1229–1253. doi:10.1016/j.datak.2010.10.002. ISSN 0169-023X. (Preprint available here)
- ↑ 6th TDWI European Conference - TDWI homepage Archived July 20, 2011, at the Wayback Machine
- ↑ Regardt, Olle; Rönnbäck, Lars; Bergholtz, Maria; Johannesson, Paul; Wohed, Petia (2009). "Anchor Modeling". Proceedings of the 28th International Conference on Conceptual Modeling. ER '09. Gramado, Brazil: Springer-Verlag: 234–250. ISBN 978-3-642-04839-5.
- ↑ Lars Rönnbäck. "Anchor Modeling Academy". Promotional website. Retrieved May 20, 2017.
