This site is not complete. The work to converting the volumes of സര്വ്വവിജ്ഞാനകോശം is on progress. Please bear with us
Please contact webmastersiep@yahoo.com for any queries regarding this website.
Reading Problems? see Enabling Malayalam
ഡേറ്റാ മോഡല്
സര്വ്വവിജ്ഞാനകോശം സംരംഭത്തില് നിന്ന്
(New page: = ഡേറ്റാ മോഡല് = ഉമമേ ാീറലഹ ഡേറ്റയുടെ സ്വഭാവവിശേഷങ്ങള് വിശദീകരിക്ക...) |
(→ഡേറ്റാ മോഡല്) |
||
(ഇടക്കുള്ള 2 പതിപ്പുകളിലെ മാറ്റങ്ങള് ഇവിടെ കാണിക്കുന്നില്ല.) | |||
വരി 1: | വരി 1: | ||
- | = ഡേറ്റാ മോഡല് | + | = ഡേറ്റാ മോഡല് = |
- | = | + | Data model |
- | + | ||
- | + | ||
- | + | ||
- | + | ||
+ | ഡേറ്റയുടെ സ്വഭാവവിശേഷങ്ങള് വിശദീകരിക്കാന് ഉപയോഗിക്കുന്ന പ്രതീകാങ്കന വ്യവസ്ഥ (notation). ഒരു ഡേറ്റാബേസിന്റെ ഘടന, ഉള്ളടക്കം എന്നിവയെ സംബന്ധിച്ച വിശദ വിവരണം നല്കാനും ഡേറ്റാ മോഡലുകള് പ്രയോജനപ്പെടുത്താം. കംപ്യൂട്ടര് പ്രോഗ്രാമുകളിലെ ഡേറ്റയെ വ്യക്തമാക്കാനുപയോഗിക്കുന്ന ഡേറ്റാ ടൈപ്പ് ചിഹ്നങ്ങള് ഡേറ്റാ മോഡല് നിര്വചനത്തിനും ഉപയോഗപ്പെടുത്താറുണ്ട്. | ||
- | ഡേറ്റാ മോഡലുകള് തയ്യാറാക്കുമ്പോള് പ്രധാനമായും മൂന്ന് കാര്യങ്ങളില് ശ്രദ്ധിക്കേണ്ടതുണ്ട്. 1. ഡേറ്റാബേസ് അല്ലെങ്കില് കംപ്യൂട്ടര് സിസ്റ്റം രൂപകല്പന ചെയ്യുമ്പോള് അതിനാവശ്യമായി വരുന്ന ഡേറ്റ, ഡേറ്റാമോഡലുകള് വഴി പ്രധിനിധാനം ചെയ്യാന് സാധിക്കുന്നവയായിരിക്കണം. 2. ഡേറ്റയില് എന്തെല്ലാം | + | ഡേറ്റാ മോഡലുകള് തയ്യാറാക്കുമ്പോള് പ്രധാനമായും മൂന്ന് കാര്യങ്ങളില് ശ്രദ്ധിക്കേണ്ടതുണ്ട്. 1. ഡേറ്റാബേസ് അല്ലെങ്കില് കംപ്യൂട്ടര് സിസ്റ്റം രൂപകല്പന ചെയ്യുമ്പോള് അതിനാവശ്യമായി വരുന്ന ഡേറ്റ, ഡേറ്റാമോഡലുകള് വഴി പ്രധിനിധാനം ചെയ്യാന് സാധിക്കുന്നവയായിരിക്കണം. 2. ഡേറ്റയില് എന്തെല്ലാം ഉള് ക്കൊള്ളുന്നു, അവ എങ്ങനെ ലഭ്യമാക്കാം എന്നീ കാര്യങ്ങള് ഉപയോക്താവിന് വ്യക്തമാക്കിക്കൊടുക്കാന് ഡേറ്റാ മോഡലുകള്ക്ക് കഴിയണം. 3. ഡേറ്റയുടെ ഉപയോഗ നിയന്ത്രണത്തിലും ആസൂത്രണത്തിലും അതിലെ ഡേറ്റാ മോഡലുകള്ക്ക് പ്രധാന പങ്കുവഹിക്കാന് സാധിക്കണം. |
- | + | '''I. മോഡല് രൂപകല്പന.''' ഡേറ്റ വര്ഗീകൃതമാകുന്ന നൈസര്ഗിക സ്വഭാവവിശേഷങ്ങളോടു പൊരുത്തപ്പെടുന്ന മോഡലുകള് ഉപയോഗിച്ചാണ് ആദ്യത്തെ രണ്ടു ലക്ഷ്യങ്ങള് നേടേണ്ടത്. അതുകൊണ്ട് അത്തരത്തിലുള്ള പ്രതീകാത്മക ചിഹ്നങ്ങള് ഡേറ്റാ മോഡല് രൂപകല്പനയില് ഉപയോഗിക്കേണ്ടിവരും. മൂന്നാമത്തെ ലക്ഷ്യം നേടാന് മോഡലുകളില് ക്വറികള് (queries) പ്രാവര്ത്തികമാക്കാനുള്ള സൗകര്യം വേണ്ടിവരും; മെമ്മറി മാനേജ്മെന്റ് രീതികള് പ്രതിഫലിപ്പിക്കുന്ന മോഡലുകള് ഇതിന് കൂടുതല് അനുയോജ്യമായിരിക്കും.[[Image:pno32.png|200x200px|left]] | |
- | + | ||
- | |||
- | |||
- | + | ഡേറ്റാ മോഡലുകളുടെ നിര്വചനത്തെ അടിസ്ഥാനമാക്കി തയ്യാറാക്കുന്ന ഡേറ്റാബേസ്, ഡേറ്റാ ടൈപ്പ് നിര്വചനത്തെ അവലംബിച്ചു ക്രമപ്പെടുത്തുന്ന പ്രോഗ്രാമുകള് എന്നിവ ഉപയോഗിച്ച് സസൂക്ഷ്മം നടത്തുന്ന പ്രക്രിയയാണ് സോഫ് റ്റ് വെയര് എന്ജിനീയറിങ്. തന്മൂലം ഇതിനായുള്ള ഡേറ്റാ മോഡലുകള് വളരെ കൃത്യതയോടെ നിര്വചിക്കപ്പെടേണ്ടതുണ്ട്. ഏതെങ്കിലും ഗണിത പ്രവിധിയുമായി പൊരുത്തപ്പെട്ടുപോകത്തക്ക രീതിയിലായിരിക്കണം മോഡല് നിര്വചനം. ഇക്കാരണങ്ങളാല് ഡേറ്റാ മോഡലുകള് മൂന്ന് വ്യത്യസ്ത സ്വഭാവഗുണങ്ങള് പുലര്ത്തുന്നു; ഇവ ഓരോന്നും വ്യത്യസ്ത മാനങ്ങളില് അനുഭവപ്പെടുന്നു. ഒരു ഡേറ്റാ മോഡലിനുണ്ടായിരിക്കേണ്ട സ്വഭാവവിശേഷങ്ങള് ചിത്രത്തില് സൂചിപ്പിച്ചിട്ടുണ്ട്. | |
- | + | ||
+ | '''II. വര്ഗീകരണം.''' പ്രധാനമായും അഞ്ച് രീതിയില് ഡേറ്റാ മോഡലുകളെ വര്ഗീകരിക്കാം: | ||
1. ശ്രൈണികം അഥവാ ക്രമാനുഗതം | 1. ശ്രൈണികം അഥവാ ക്രമാനുഗതം | ||
- | |||
2. നെറ്റ്വര്ക് | 2. നെറ്റ്വര്ക് | ||
- | |||
3. റിലേഷണല് | 3. റിലേഷണല് | ||
- | |||
4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ് | 4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ് | ||
- | |||
5. സെമിസ്ട്രക്ചേഡ് | 5. സെമിസ്ട്രക്ചേഡ് | ||
- | + | '''1. ശ്രൈണിക മോഡല് (sequential model).''' 1960-കളുടെ തുടക്കത്തില് പ്രചാരം നേടിയ ഈ മോഡല്, ഒന്നിന് പിറകെ മറ്റൊന്ന് എന്ന രീതിയില് ഡേറ്റാ പ്രോസസിങ് നടത്താന് ഉപയോഗിക്കുന്ന സംവിധാനമാണ്. മുഴുവന് ഡേറ്റയേയും നിരവധി ഘടകങ്ങളായി വിഭജിച്ചശേഷം അവയില് ഓരോന്നിനേയും ഉപഖണ്ഡങ്ങളായി തിരിക്കുന്നു. ഇവയെ തുടര്ന്നും വിഭജിച്ച്, ഡേറ്റാ നിര്വചനം സരളമാകും വരെ ഈ പ്രക്രിയ ആവര്ത്തിക്കുന്നു. | |
- | 1. | + | |
- | |||
വിവരങ്ങളുടെ ആവര്ത്തനം, ഒറ്റ സരണിക്കു മാത്രം അനുയോജ്യമായ ഘടന എന്നിവ ഈ മോഡലിന്റെ പോരായ്മകളാണ്. | വിവരങ്ങളുടെ ആവര്ത്തനം, ഒറ്റ സരണിക്കു മാത്രം അനുയോജ്യമായ ഘടന എന്നിവ ഈ മോഡലിന്റെ പോരായ്മകളാണ്. | ||
- | + | '''2. നെറ്റ്വര്ക് മോഡല്.''' 1960 -കളുടെ അവസാനത്തോടെ രൂപംകൊണ്ട നെറ്റ്വര്ക് മോഡല് കാര്യക്ഷമതയ്ക്കു മുന്തൂക്കം നല്കുന്ന സംവിധാനമാണ്. ഡിസ്ക് സംഭരണ രീതികളെ പ്രതിഫലിപ്പിക്കുന്ന രൂപകല്പനയാണ് ഇതിനുള്ളത്. ഡേറ്റയുടെ സത്താപരമായ പ്രതിനിധാനം, സത്വങ്ങളെ (entities) ഒന്നില് നിന്ന് പലതിലേക്ക് എന്ന രീതിയില് ബന്ധിപ്പിക്കല് എന്നീ രണ്ട് വ്യവസ്ഥകളെ ആധാരമാക്കിയാണ് നെറ്റ്വര്ക് മോഡലിന്റെ രൂപകല്പന നിര്വഹിച്ചിട്ടുള്ളത്. ഈ മോഡലിന് രണ്ട് ഘടകങ്ങള് ഉണ്ടായിരിക്കും: റെക്കാഡും ഗണവും. റെക്കാഡുകള് പല രൂപത്തിലാകാം. എങ്കിലും ഒരു സത്വത്തെ പ്രതിനിധാനം ചെയ്യുന്ന എല്ലാ റെക്കാഡുകളും ഒരേ വിഭാഗത്തില്പ്പെട്ടിരിക്കും. അവയ്ക്ക് പ്രത്യേക ഫോര്മാറ്റും കാണും. ഒരു നിശ്ചിത റെക്കാഡിന്റെ പരിഗണനയില് വരുന്ന മുഴുവന് റെക്കാഡുകളും ചേരുമ്പോള് ഒരു ഗണം രൂപപ്പെടുന്നു. പ്രത്യേക ഗണത്തിലെ റെക്കാഡുകള് തമ്മില് ഒരു ക്രമാനുഗതികത്വം ഉണ്ടായിരിക്കും. | |
- | 2. നെറ്റ്വര്ക് മോഡല്. 1960 -കളുടെ അവസാനത്തോടെ രൂപംകൊണ്ട നെറ്റ്വര്ക് മോഡല് കാര്യക്ഷമതയ്ക്കു മുന്തൂക്കം നല്കുന്ന സംവിധാനമാണ്. ഡിസ്ക് സംഭരണ രീതികളെ പ്രതിഫലിപ്പിക്കുന്ന രൂപകല്പനയാണ് ഇതിനുള്ളത്. ഡേറ്റയുടെ സത്താപരമായ പ്രതിനിധാനം, സത്വങ്ങളെ ( | + | |
- | + | '''3. റിലേഷണല് മോഡല്.''' ഡേറ്റാബേസുകളില് വ്യാപകമായി ഉപയോഗിക്കുന്ന ഈ രീതി കണ്ടുപിടിച്ചത് 1970-കളിലാണ്. സൂക്ഷ്മതയ്ക്കു പ്രാധാന്യം നല്കുന്ന സംവിധാനമാണിത്. ഗണിതപരമായ അന്യോന്യ ബന്ധങ്ങള് നിര്വചിച്ചാണ് ഈ മോഡല് രൂപപ്പെടുത്തുന്നത്. അന്വേഷണ സംവിധാനം അഥവാ 'ക്വറി' (query) പ്രാവര്ത്തികമാക്കാന് വളരെ പ്രയോജനപ്പെടുന്ന ഒരു രീതിയാണിത്. റിലേഷണല് ഡേറ്റാബേസുകളെ അടിസ്ഥാനമാക്കി വസ്തുതകള് കണ്ടുപിടിക്കാന് ഉപയോഗിക്കുന്ന കംപ്യൂട്ടര് ഭാഷയാണ് SQL(സ് ട്രക്ച്ചേഡ് ക്വറി ലാങ് ഗ്വേജ്). SQL പട്ടികകളിലൂടെ ഡേറ്റാബേസ് നിര്വചിക്കാവുന്നതാണ്. | |
- | 3. റിലേഷണല് മോഡല്. ഡേറ്റാബേസുകളില് വ്യാപകമായി ഉപയോഗിക്കുന്ന ഈ രീതി കണ്ടുപിടിച്ചത് 1970-കളിലാണ്. സൂക്ഷ്മതയ്ക്കു പ്രാധാന്യം നല്കുന്ന സംവിധാനമാണിത്. ഗണിതപരമായ അന്യോന്യ ബന്ധങ്ങള് നിര്വചിച്ചാണ് ഈ മോഡല് രൂപപ്പെടുത്തുന്നത്. അന്വേഷണ സംവിധാനം അഥവാ 'ക്വറി' ( | + | |
- | + | '''4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡല്.''' കൈകാര്യം ചെയ്യേണ്ട ഡേറ്റയെ പരസ്പരബന്ധമുള്ള പട്ടികകളാക്കി ചിട്ടപ്പെടുത്താന് പലപ്പോഴും പ്രയാസമുണ്ടാകാറുണ്ട്. വംശാവലിയെ സൂചിപ്പിക്കുന്ന ഗ്രാഫുകള്, വിഞ്ജാന/എന്ജിനീയറിങ് മേഖലകളിലെ മാട്രിക്സുകള്, ഒരു വീഡിയൊ ചിത്രത്തിലെ ദൃശ്യ ശ്രേണികള് മുതലായവ ഇതിന് ഉദാഹരണങ്ങളാണ്. ഇത്തരം ഡേറ്റയെ പ്രതിനിധാനം ചെയ്യാന് രൂപപ്പെടുത്തിയവയാണ് ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡലുകള്. ഡേറ്റയെ പല വിഭാഗങ്ങളാക്കി (ക്ളാസ്സുകള്) അവ തമ്മിലുള്ള പരസ്പരബന്ധം നിര്വചിക്കുന്നു. ഓരോ ക്ളാസ്സിലും ഉള്പ്പെടുന്ന അംഗങ്ങളാണ് ഓബ്ജക്റ്റുകള്. ഈ ക്ളാസ്സുകള്ക്കായി സ്വഭാവ വിശേഷങ്ങള് പകുത്തു നല്കുകയുമാകാം. ഒരു ക്ളാസ്സിന്റെ സവിശേഷതകള് ആര്ജിച്ചുകൊണ്ട് പുതിയ മറ്റൊരു ക്ളാസ് നിര്വചിക്കാന് കഴിയും (inheritance). ആദ്യത്തെ ക്ളാസ്സിനെ പേരന്റ് എന്നും രണ്ടാമത്തേതിനെ ചൈല്ഡ് എന്നും പറയുന്നു. ചൈല്ഡിന് പേരന്റിന്റെ സ്വഭാവങ്ങള്ക്കുപരി തനതായ സ്വഭാവവിശേഷങ്ങള് ഉണ്ടാകാവുന്നതാണ്. ഉദാഹരണമായി ഓട്ടോമൊബൈല് എന്ന ക്ളാസ് പരിഗണിക്കാം. കാര്, സ്കൂട്ടര്, ഓട്ടോറിക്ഷ തുടങ്ങിയവയുടെ പേരന്റാണ് ഓട്ടോമൊബൈല്. പേരന്റിന്റെ സ്വഭാവമായ 'യാന്ത്രിക സഞ്ചാരം' ഇവയ്ക്ക് ഓരോന്നിനും ഉണ്ടായിരിക്കും; ഒപ്പം തനതായ മറ്റു സ്വഭാവവിശേഷങ്ങളും. | |
- | 4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡല്. കൈകാര്യം ചെയ്യേണ്ട ഡേറ്റയെ പരസ്പരബന്ധമുള്ള പട്ടികകളാക്കി ചിട്ടപ്പെടുത്താന് പലപ്പോഴും പ്രയാസമുണ്ടാകാറുണ്ട്. വംശാവലിയെ സൂചിപ്പിക്കുന്ന ഗ്രാഫുകള്, വിഞ്ജാന/എന്ജിനീയറിങ് മേഖലകളിലെ മാട്രിക്സുകള്, ഒരു വീഡിയൊ ചിത്രത്തിലെ ദൃശ്യ ശ്രേണികള് മുതലായവ ഇതിന് ഉദാഹരണങ്ങളാണ്. ഇത്തരം ഡേറ്റയെ പ്രതിനിധാനം ചെയ്യാന് രൂപപ്പെടുത്തിയവയാണ് ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡലുകള്. ഡേറ്റയെ പല വിഭാഗങ്ങളാക്കി (ക്ളാസ്സുകള്) അവ തമ്മിലുള്ള പരസ്പരബന്ധം നിര്വചിക്കുന്നു. ഓരോ ക്ളാസ്സിലും ഉള്പ്പെടുന്ന അംഗങ്ങളാണ് ഓബ്ജക്റ്റുകള്. ഈ ക്ളാസ്സുകള്ക്കായി സ്വഭാവ വിശേഷങ്ങള് പകുത്തു നല്കുകയുമാകാം. ഒരു ക്ളാസ്സിന്റെ സവിശേഷതകള് ആര്ജിച്ചുകൊണ്ട് പുതിയ മറ്റൊരു ക്ളാസ് നിര്വചിക്കാന് കഴിയും ( | + | |
- | + | '''5.. സെമിസ്ട്രക്ചേഡ് ഡേറ്റാ മോഡല്.''' ശ്രൈണിക രീതിയുടെ എല്ലാ പോരായ്മകളും ഉള്ള ഈ രീതി വളരെ ബൃഹത്തായ ഡേറ്റയെ പ്രധിനിധാനം ചെയ്യാനുള്ള ഒരു നൂതന സംവിധാന | |
- | 5. സെമിസ്ട്രക്ചേഡ് ഡേറ്റാ മോഡല്. ശ്രൈണിക രീതിയുടെ എല്ലാ പോരായ്മകളും ഉള്ള ഈ രീതി വളരെ ബൃഹത്തായ ഡേറ്റയെ പ്രധിനിധാനം ചെയ്യാനുള്ള ഒരു നൂതന സംവിധാന | + | |
മാണ്. ഡേറ്റയുടെ ഘടനയില് ആവശ്യാനുസരണം മാറ്റങ്ങള് എളുപ്പത്തില് വരുത്താനാകും എന്നതാണ് ഈ രീതിയുടെ പ്രധാന ഗുണമേന്മ. | മാണ്. ഡേറ്റയുടെ ഘടനയില് ആവശ്യാനുസരണം മാറ്റങ്ങള് എളുപ്പത്തില് വരുത്താനാകും എന്നതാണ് ഈ രീതിയുടെ പ്രധാന ഗുണമേന്മ. | ||
- | |||
നിര്വചനം നല്കുന്നതോടൊപ്പം ഡേറ്റാ മോഡലിനെ പ്രതിനിധാനം ചെയ്യാനായി ചിത്രങ്ങള് ഉപയോഗിക്കുന്ന രീതിയാണ് ഡേറ്റാ മോഡല് ഡയഗ്രം. | നിര്വചനം നല്കുന്നതോടൊപ്പം ഡേറ്റാ മോഡലിനെ പ്രതിനിധാനം ചെയ്യാനായി ചിത്രങ്ങള് ഉപയോഗിക്കുന്ന രീതിയാണ് ഡേറ്റാ മോഡല് ഡയഗ്രം. | ||
- | |||
പ്രചാരത്തില് ഉള്ള അഞ്ച് മോഡലുകളില് നിന്ന് ആവശ്യത്തിന് യോജിച്ചവ സ്വീകരിക്കുകയാണു പതിവ്. ഓരോ മോഡലിനും അതിന്റേതായ ഗുണങ്ങളും പോരായ്മകളും ഉണ്ട്. മികവുറ്റ ഒരു ഡേറ്റാ മോഡല് ഇതുവരെ നിലവില് വന്നിട്ടില്ല. | പ്രചാരത്തില് ഉള്ള അഞ്ച് മോഡലുകളില് നിന്ന് ആവശ്യത്തിന് യോജിച്ചവ സ്വീകരിക്കുകയാണു പതിവ്. ഓരോ മോഡലിനും അതിന്റേതായ ഗുണങ്ങളും പോരായ്മകളും ഉണ്ട്. മികവുറ്റ ഒരു ഡേറ്റാ മോഡല് ഇതുവരെ നിലവില് വന്നിട്ടില്ല. |
Current revision as of 04:54, 10 ജൂണ് 2008
ഡേറ്റാ മോഡല്
Data model
ഡേറ്റയുടെ സ്വഭാവവിശേഷങ്ങള് വിശദീകരിക്കാന് ഉപയോഗിക്കുന്ന പ്രതീകാങ്കന വ്യവസ്ഥ (notation). ഒരു ഡേറ്റാബേസിന്റെ ഘടന, ഉള്ളടക്കം എന്നിവയെ സംബന്ധിച്ച വിശദ വിവരണം നല്കാനും ഡേറ്റാ മോഡലുകള് പ്രയോജനപ്പെടുത്താം. കംപ്യൂട്ടര് പ്രോഗ്രാമുകളിലെ ഡേറ്റയെ വ്യക്തമാക്കാനുപയോഗിക്കുന്ന ഡേറ്റാ ടൈപ്പ് ചിഹ്നങ്ങള് ഡേറ്റാ മോഡല് നിര്വചനത്തിനും ഉപയോഗപ്പെടുത്താറുണ്ട്.
ഡേറ്റാ മോഡലുകള് തയ്യാറാക്കുമ്പോള് പ്രധാനമായും മൂന്ന് കാര്യങ്ങളില് ശ്രദ്ധിക്കേണ്ടതുണ്ട്. 1. ഡേറ്റാബേസ് അല്ലെങ്കില് കംപ്യൂട്ടര് സിസ്റ്റം രൂപകല്പന ചെയ്യുമ്പോള് അതിനാവശ്യമായി വരുന്ന ഡേറ്റ, ഡേറ്റാമോഡലുകള് വഴി പ്രധിനിധാനം ചെയ്യാന് സാധിക്കുന്നവയായിരിക്കണം. 2. ഡേറ്റയില് എന്തെല്ലാം ഉള് ക്കൊള്ളുന്നു, അവ എങ്ങനെ ലഭ്യമാക്കാം എന്നീ കാര്യങ്ങള് ഉപയോക്താവിന് വ്യക്തമാക്കിക്കൊടുക്കാന് ഡേറ്റാ മോഡലുകള്ക്ക് കഴിയണം. 3. ഡേറ്റയുടെ ഉപയോഗ നിയന്ത്രണത്തിലും ആസൂത്രണത്തിലും അതിലെ ഡേറ്റാ മോഡലുകള്ക്ക് പ്രധാന പങ്കുവഹിക്കാന് സാധിക്കണം.
I. മോഡല് രൂപകല്പന. ഡേറ്റ വര്ഗീകൃതമാകുന്ന നൈസര്ഗിക സ്വഭാവവിശേഷങ്ങളോടു പൊരുത്തപ്പെടുന്ന മോഡലുകള് ഉപയോഗിച്ചാണ് ആദ്യത്തെ രണ്ടു ലക്ഷ്യങ്ങള് നേടേണ്ടത്. അതുകൊണ്ട് അത്തരത്തിലുള്ള പ്രതീകാത്മക ചിഹ്നങ്ങള് ഡേറ്റാ മോഡല് രൂപകല്പനയില് ഉപയോഗിക്കേണ്ടിവരും. മൂന്നാമത്തെ ലക്ഷ്യം നേടാന് മോഡലുകളില് ക്വറികള് (queries) പ്രാവര്ത്തികമാക്കാനുള്ള സൗകര്യം വേണ്ടിവരും; മെമ്മറി മാനേജ്മെന്റ് രീതികള് പ്രതിഫലിപ്പിക്കുന്ന മോഡലുകള് ഇതിന് കൂടുതല് അനുയോജ്യമായിരിക്കും.
ഡേറ്റാ മോഡലുകളുടെ നിര്വചനത്തെ അടിസ്ഥാനമാക്കി തയ്യാറാക്കുന്ന ഡേറ്റാബേസ്, ഡേറ്റാ ടൈപ്പ് നിര്വചനത്തെ അവലംബിച്ചു ക്രമപ്പെടുത്തുന്ന പ്രോഗ്രാമുകള് എന്നിവ ഉപയോഗിച്ച് സസൂക്ഷ്മം നടത്തുന്ന പ്രക്രിയയാണ് സോഫ് റ്റ് വെയര് എന്ജിനീയറിങ്. തന്മൂലം ഇതിനായുള്ള ഡേറ്റാ മോഡലുകള് വളരെ കൃത്യതയോടെ നിര്വചിക്കപ്പെടേണ്ടതുണ്ട്. ഏതെങ്കിലും ഗണിത പ്രവിധിയുമായി പൊരുത്തപ്പെട്ടുപോകത്തക്ക രീതിയിലായിരിക്കണം മോഡല് നിര്വചനം. ഇക്കാരണങ്ങളാല് ഡേറ്റാ മോഡലുകള് മൂന്ന് വ്യത്യസ്ത സ്വഭാവഗുണങ്ങള് പുലര്ത്തുന്നു; ഇവ ഓരോന്നും വ്യത്യസ്ത മാനങ്ങളില് അനുഭവപ്പെടുന്നു. ഒരു ഡേറ്റാ മോഡലിനുണ്ടായിരിക്കേണ്ട സ്വഭാവവിശേഷങ്ങള് ചിത്രത്തില് സൂചിപ്പിച്ചിട്ടുണ്ട്.
II. വര്ഗീകരണം. പ്രധാനമായും അഞ്ച് രീതിയില് ഡേറ്റാ മോഡലുകളെ വര്ഗീകരിക്കാം:
1. ശ്രൈണികം അഥവാ ക്രമാനുഗതം
2. നെറ്റ്വര്ക്
3. റിലേഷണല്
4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ്
5. സെമിസ്ട്രക്ചേഡ്
1. ശ്രൈണിക മോഡല് (sequential model). 1960-കളുടെ തുടക്കത്തില് പ്രചാരം നേടിയ ഈ മോഡല്, ഒന്നിന് പിറകെ മറ്റൊന്ന് എന്ന രീതിയില് ഡേറ്റാ പ്രോസസിങ് നടത്താന് ഉപയോഗിക്കുന്ന സംവിധാനമാണ്. മുഴുവന് ഡേറ്റയേയും നിരവധി ഘടകങ്ങളായി വിഭജിച്ചശേഷം അവയില് ഓരോന്നിനേയും ഉപഖണ്ഡങ്ങളായി തിരിക്കുന്നു. ഇവയെ തുടര്ന്നും വിഭജിച്ച്, ഡേറ്റാ നിര്വചനം സരളമാകും വരെ ഈ പ്രക്രിയ ആവര്ത്തിക്കുന്നു.
വിവരങ്ങളുടെ ആവര്ത്തനം, ഒറ്റ സരണിക്കു മാത്രം അനുയോജ്യമായ ഘടന എന്നിവ ഈ മോഡലിന്റെ പോരായ്മകളാണ്.
2. നെറ്റ്വര്ക് മോഡല്. 1960 -കളുടെ അവസാനത്തോടെ രൂപംകൊണ്ട നെറ്റ്വര്ക് മോഡല് കാര്യക്ഷമതയ്ക്കു മുന്തൂക്കം നല്കുന്ന സംവിധാനമാണ്. ഡിസ്ക് സംഭരണ രീതികളെ പ്രതിഫലിപ്പിക്കുന്ന രൂപകല്പനയാണ് ഇതിനുള്ളത്. ഡേറ്റയുടെ സത്താപരമായ പ്രതിനിധാനം, സത്വങ്ങളെ (entities) ഒന്നില് നിന്ന് പലതിലേക്ക് എന്ന രീതിയില് ബന്ധിപ്പിക്കല് എന്നീ രണ്ട് വ്യവസ്ഥകളെ ആധാരമാക്കിയാണ് നെറ്റ്വര്ക് മോഡലിന്റെ രൂപകല്പന നിര്വഹിച്ചിട്ടുള്ളത്. ഈ മോഡലിന് രണ്ട് ഘടകങ്ങള് ഉണ്ടായിരിക്കും: റെക്കാഡും ഗണവും. റെക്കാഡുകള് പല രൂപത്തിലാകാം. എങ്കിലും ഒരു സത്വത്തെ പ്രതിനിധാനം ചെയ്യുന്ന എല്ലാ റെക്കാഡുകളും ഒരേ വിഭാഗത്തില്പ്പെട്ടിരിക്കും. അവയ്ക്ക് പ്രത്യേക ഫോര്മാറ്റും കാണും. ഒരു നിശ്ചിത റെക്കാഡിന്റെ പരിഗണനയില് വരുന്ന മുഴുവന് റെക്കാഡുകളും ചേരുമ്പോള് ഒരു ഗണം രൂപപ്പെടുന്നു. പ്രത്യേക ഗണത്തിലെ റെക്കാഡുകള് തമ്മില് ഒരു ക്രമാനുഗതികത്വം ഉണ്ടായിരിക്കും.
3. റിലേഷണല് മോഡല്. ഡേറ്റാബേസുകളില് വ്യാപകമായി ഉപയോഗിക്കുന്ന ഈ രീതി കണ്ടുപിടിച്ചത് 1970-കളിലാണ്. സൂക്ഷ്മതയ്ക്കു പ്രാധാന്യം നല്കുന്ന സംവിധാനമാണിത്. ഗണിതപരമായ അന്യോന്യ ബന്ധങ്ങള് നിര്വചിച്ചാണ് ഈ മോഡല് രൂപപ്പെടുത്തുന്നത്. അന്വേഷണ സംവിധാനം അഥവാ 'ക്വറി' (query) പ്രാവര്ത്തികമാക്കാന് വളരെ പ്രയോജനപ്പെടുന്ന ഒരു രീതിയാണിത്. റിലേഷണല് ഡേറ്റാബേസുകളെ അടിസ്ഥാനമാക്കി വസ്തുതകള് കണ്ടുപിടിക്കാന് ഉപയോഗിക്കുന്ന കംപ്യൂട്ടര് ഭാഷയാണ് SQL(സ് ട്രക്ച്ചേഡ് ക്വറി ലാങ് ഗ്വേജ്). SQL പട്ടികകളിലൂടെ ഡേറ്റാബേസ് നിര്വചിക്കാവുന്നതാണ്.
4. ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡല്. കൈകാര്യം ചെയ്യേണ്ട ഡേറ്റയെ പരസ്പരബന്ധമുള്ള പട്ടികകളാക്കി ചിട്ടപ്പെടുത്താന് പലപ്പോഴും പ്രയാസമുണ്ടാകാറുണ്ട്. വംശാവലിയെ സൂചിപ്പിക്കുന്ന ഗ്രാഫുകള്, വിഞ്ജാന/എന്ജിനീയറിങ് മേഖലകളിലെ മാട്രിക്സുകള്, ഒരു വീഡിയൊ ചിത്രത്തിലെ ദൃശ്യ ശ്രേണികള് മുതലായവ ഇതിന് ഉദാഹരണങ്ങളാണ്. ഇത്തരം ഡേറ്റയെ പ്രതിനിധാനം ചെയ്യാന് രൂപപ്പെടുത്തിയവയാണ് ഓബ്ജക്റ്റ് ഓറിയന്റഡ് മോഡലുകള്. ഡേറ്റയെ പല വിഭാഗങ്ങളാക്കി (ക്ളാസ്സുകള്) അവ തമ്മിലുള്ള പരസ്പരബന്ധം നിര്വചിക്കുന്നു. ഓരോ ക്ളാസ്സിലും ഉള്പ്പെടുന്ന അംഗങ്ങളാണ് ഓബ്ജക്റ്റുകള്. ഈ ക്ളാസ്സുകള്ക്കായി സ്വഭാവ വിശേഷങ്ങള് പകുത്തു നല്കുകയുമാകാം. ഒരു ക്ളാസ്സിന്റെ സവിശേഷതകള് ആര്ജിച്ചുകൊണ്ട് പുതിയ മറ്റൊരു ക്ളാസ് നിര്വചിക്കാന് കഴിയും (inheritance). ആദ്യത്തെ ക്ളാസ്സിനെ പേരന്റ് എന്നും രണ്ടാമത്തേതിനെ ചൈല്ഡ് എന്നും പറയുന്നു. ചൈല്ഡിന് പേരന്റിന്റെ സ്വഭാവങ്ങള്ക്കുപരി തനതായ സ്വഭാവവിശേഷങ്ങള് ഉണ്ടാകാവുന്നതാണ്. ഉദാഹരണമായി ഓട്ടോമൊബൈല് എന്ന ക്ളാസ് പരിഗണിക്കാം. കാര്, സ്കൂട്ടര്, ഓട്ടോറിക്ഷ തുടങ്ങിയവയുടെ പേരന്റാണ് ഓട്ടോമൊബൈല്. പേരന്റിന്റെ സ്വഭാവമായ 'യാന്ത്രിക സഞ്ചാരം' ഇവയ്ക്ക് ഓരോന്നിനും ഉണ്ടായിരിക്കും; ഒപ്പം തനതായ മറ്റു സ്വഭാവവിശേഷങ്ങളും.
5.. സെമിസ്ട്രക്ചേഡ് ഡേറ്റാ മോഡല്. ശ്രൈണിക രീതിയുടെ എല്ലാ പോരായ്മകളും ഉള്ള ഈ രീതി വളരെ ബൃഹത്തായ ഡേറ്റയെ പ്രധിനിധാനം ചെയ്യാനുള്ള ഒരു നൂതന സംവിധാന മാണ്. ഡേറ്റയുടെ ഘടനയില് ആവശ്യാനുസരണം മാറ്റങ്ങള് എളുപ്പത്തില് വരുത്താനാകും എന്നതാണ് ഈ രീതിയുടെ പ്രധാന ഗുണമേന്മ.
നിര്വചനം നല്കുന്നതോടൊപ്പം ഡേറ്റാ മോഡലിനെ പ്രതിനിധാനം ചെയ്യാനായി ചിത്രങ്ങള് ഉപയോഗിക്കുന്ന രീതിയാണ് ഡേറ്റാ മോഡല് ഡയഗ്രം.
പ്രചാരത്തില് ഉള്ള അഞ്ച് മോഡലുകളില് നിന്ന് ആവശ്യത്തിന് യോജിച്ചവ സ്വീകരിക്കുകയാണു പതിവ്. ഓരോ മോഡലിനും അതിന്റേതായ ഗുണങ്ങളും പോരായ്മകളും ഉണ്ട്. മികവുറ്റ ഒരു ഡേറ്റാ മോഡല് ഇതുവരെ നിലവില് വന്നിട്ടില്ല.