АНАЛИЗ  КРИТЕРИЕВ  ВЫБОРА  МОДЕЛИ  ДАННЫХ

Шведенко  Петр  Владимирович

магистрант  Санкт-Петербургского  университета  точной  механики  и  оптики  (ИТМО),  РФ,  г.  Санкт-Петербург

Шведенко  Валерия  Валериевна

канд.  экон.  наук,  системный  аналитик  ООО  «РЕГУЛ+»,  РФ,  г.  Санкт-Петербург

E -mail:  vv_shved@mail.ru

Веселова  Нина  Сергеевна

ассистент  Костромского  государственного  технологического  университета  (КГТУ),  РФ,  г.  Кострома

ANALYSIS  CRITERIA  SELECTION  MODEL  DATA

Petr  Shvedenko

graduate  student  of  the  St.  Petersburg  University  of  Fine  Mechanics  and  Optics  (ITMO),  Russia,  St.  Petersburg,

Valery  Shvedenko

Ph.D.,  systems  analyst,  LLC  "REGUL  +",  Russia,  St.  Petersburg,

Nina  Veselova

assistant  Kostroma  State  Technological  University  (KSTU),  Russia,  Kostroma

АННОТАЦИЯ

Статья  посвящена  анализу  критериев  выбора  моделей  данных  для  построения  информационных  управляющих  систем

ABSTRACT

The  article  analyzes  the  criteria  for  selecting  data  models  for  building  information  management  systems.

Ключевые  слова:   модели  данных;  критерии  выбора.

Keywords:   data  model;  selection  criteria.

Проведенный  анализ  имеющихся  моделей  данных  показывает  наличие  их  существенного  отличия  друг  от  друга,  как  в  вопросах  принципов  организации  самих  данных,  так  и  алгоритмов  работы  с  ними.  В  этой  связи  актуальным  является  исследование  критериев  оценки  их  с  целью  выбора  той  или  иной  модели  данных.

Очевидно,  что  оценка  модели  данных  определяется  ее  полезностью,  которая,  прежде  всего,  зависит  от  степени  адекватности  моделируемой  предметной  области.  Производить  ее  следует  с  точки  зрения  взаимодействия  ее  инфологической  и  датологической  областей,  или,  используя  иную  терминологию,  оценивая  взаимодействие  ее  концептуального  и  внутреннего  уровней.  Также  следует  оценивать  степень  ее  сложности  (чем  проще  модель  данных,  тем  легче  пользователю  понять  и  применить  ее). 

Говоря  о  сложности  модели  данных,  следует  выделить  два  ее  критерия:  структурную  сложность  и  сложность  ограничений  [3].  В  соответствии  с  ними  реляционная  модель  данных  проще  иерархической  и  сетевой.  Однако  важно  понимать  чем  вызвана  данная  простота.  Если  она  является  следствием  отсутствия  в  модели  данных  механизмов  их  семантической  интерпретации,  то  данное  обстоятельство  является  существенным  ее  недостатком. 

Структурная  сложность  иерархической  и  сетевой  моделей  определяется  связями  между  записями.  Графическая  форма  представления  связей  позволяет  пользователям  легче  усваивать  и  запоминать  структуру  данных.  В  соответствии  с  данной  характеристикой  иерархическая  и  сетевая  модели  данных  оказываются  в  более  выигрышной  ситуации  по  сравнению  с  реляционной. 

Сложность  ограничений  определяет  возможности  модели  данных  с  позиций  контроля  семантической  их  интерпретации.  И  если  отсутствие  соответствующих  ограничений  приводят  к  формированию  бессмысленных  связей  (соединений)  (имеет  место  быть  в  реляционных  моделях),  то  избыточность  некоторых  внутренних  ограничений  значительно  лимитируют  возможности  моделирования,  навязывая  неестественную  организацию  данных  (что  особенно  характерно  для  иерархических  моделей  данных).

Производя  сравнительную  оценку  различных  данных  необходимо  также  сопоставлять  естественную  их  структуру  со  структурными  средствами  модели  данных,  а  также  учитывать  предстоящие  операции  с  имеющимися  данными.  Так,  например,  если  данным  присуща  иерархическая  структура,  и  при  работе  с  ними  доминирует  навигационная  функция  (движение  вниз  и  вверх  по  дереву),  то  выбор  иерархической  модели  данных  может  оказаться  наи­лучшим  решением.  Если  пользователю  необходимо  пересекать  дерево  и  обрабатывать  информацию  одновременно  с  нескольких  иерархических  структур,  находящихся  на  разном  уровне,  выбор  такой  модели  не  подходит.

Еще  одним  критерием  выбора  модели  данных  является  степень  возможности  отображения  одной  модели  данных  в  другие  [4].  Это  требование  согласуется  с  суждением  о  том,  что  изменения  в  использовании  моделей  данных  должны  быть  скорее  эволюционными,  нежели  революционными. 

Процедура  отображения  одной  модели  в  другую  сопряжена  с  необходимостью  преодоления  ряда  противоречий.  Так,  например,  каждое  отношение  в  реляционной  схеме  должно  иметь  уникальный  ключ,  а  в  сетевой  это  не  обязательно  [5].  Если  исходная  схема  и  база  данных  —  иерархические,  для  получения  реляционной  схемы  требуется  «нормализация»  иерархии  и  т.  д.

Следующим  критерием  выбора  является  совокупность  применяемых  инструментальных  языков  проектирования  информационной  системы  (степень  взаимодействия  инфологического  и  даталогического  уровней  построения  модели  данных)  [1]. 

Проводя  параллель  между  реляционной  и  объектной  моделями  данных,  следует  отметить,  что  трем  уровням  моделирования  (концептуальном,  логическом  и  физическом  проектировании)  соответствует  достаточно  обширный  языковый  инструментарий,  позволяющий  организовать  работу  с  соответствующими  моделями  на  ЭВМ.  Однако,  при  реляционном  подходе  компьютерный  инструментарий  для  концептуального  проектирования  отсутствует,  а  для  логического  проектирования  он  достаточно  богат  (варианты  ER-схем  для  реляционного  подхода,  диаграммы  UML  —  для  объектного  подхода).

Еще  одним  критерием  оценки  модели  данных  следует  выделить  насыщенность  семантикой  [2]  (см.  рис.  1).

Рисунок  1.  Семантическая  насыщенность  моделей  данных

В  наиболее  распространенном  случае  (реляционный  подход)  логическое  проектирование  сводится  к  тому,  чтобы  правильно  сформировать  объекты,  их  атрибуты  и  взаимосвязи  с  учетом  методологических  требований  ликвидации  избыточности,  нормализации,  целостности  и  др.,  а  также  с  учетом  требований  прикладной  постановки  и  независимости  данных. 

Добавление  семантического  наполнения  делает  модель  данных  более  значимой.  Модель  представляет  отношения  в  наглядной  форме.  Это  упрощает  визуализацию  сложных  от­ношений  внутри  и  между  объектами.  Учет  семантики  дает  преимущество  объектной  модели  по  сравнению  с  реляционной.

Таким  образом,  наиболее  общими  параметрами  модели  данных  выделяют  следующие  характеристики:  сложность  структуры;  сложность  ограничений;  отображаемость  в  другие  модели;  соответствие  уровню  моделирования  информационной  системы  или  возможность  представления  на  каком-либо  уровне;  насыщенность  семантикой;  теоретическая  обоснованность.

Список  литературы:

1. Абстракции  в  проектировании  БД  —  №  01-02,  1998  //  СУБД.  Издательство  «Открытые  системы»  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.antiplagiat.ru/go?to=Ck0tPNN3WfdIHemfqiDhrz5sw5sQDwHvv6uwnd6fMBHvulzFNaarOYo6Wmi7GQlii5RxfH1g-QwVy6AvRXtQdlBziz7euavcu5OXJFzBfOI8y10b0
2. Вопросы  применения  модели  данных  —  Цикритзис  Д.,  Лоховски  Ф.  Модели  данных  -  n3.doc  (1/2)  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.antiplagiat.ru/go?to=LG_5EvbVdRiPHUBC-OKQGKMpga0p5HqV74fNapj-cx2W_J5sH4iRkqguYt4Gi5XuHIWKnNosYm9nJCytX4vzAUhP9BQUUuMEej9ZNt5V-TuEMV0T0
3. Карпова  Т.С.  Базы  данных:  модели,  разработка  и  реализация.  ИНТУИТ.  —  2008.  —  436  с.
4. Модели,  базы  данных  и  СУБД  в  информационных  системах  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.hardline.ru/2/22/3172
5. Цикритзис  Д.,  Лоховски  Ф.  Модели  данных  —  n5.doc  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://nashaucheba.ru