ডায়মেনশনাল মডেলিং সম্পর্কে মিথ্যা
ডায়মেনশনাল মডেলিং সম্পর্কে কিছু মিথ্যা ঘুরে বেড়াচ্ছে যা সমাধান করার যোগ্য।
একটি ডায়মেনশনাল ডেটা মডেল বাস্তবায়ন করলে স্টোভপাইপ ডিসিশন সাপোর্ট সিস্টেম তৈরি হবে বলে মনে করা হয়। এই মিথ্যা ডিনরমালাইজেশনকে দোষারোপ করে শুধু নির্দিষ্ট সফটওয়্যার প্রদানের জন্য যা সুবিধা পরিবর্তন করা যায় না। এটি ডায়মেনশনাল মডেলিংর একটি সংকীর্ণ ব্যাখ্যা যা বার্তাটি ঠিক উল্টো করে বুঝিয়েছে।
প্রথমে, আমরা তर्क দিয়েছি যে প্রতিটি এন্টিটি-রিলেশন মডেলের একটি সমতুল্য ডায়মেনশনাল মডেল সেট থাকে যাতে একই তথ্য থাকে। দ্বিতীয়, আমরা দেখিয়েছি যে সাংগঠনিক পরিবর্তন এবং এন্ড-ব্যবহারকারীর অভিযোজনের উপস্থিতিতেও, ডায়মেনশনাল মডেল তার রূপ পরিবর্তন না করে শ্রমরহিতভাবে প্রসারিত হয়। এন্টিটি-রিলেশন মডেলটিই অ্যাপ্লিকেশন ডিজাইনার এবং এন্ড-ব্যবহারকারীদের চাবুক মেরে SQL পুনরায় লিখতে বাধ্য করে।
আমরা সैंकড়ো খুব ভালো ডায়মেনশনাল ডিজাইন দেখেছি যেগুলো আমরা কখনো মেলনি বা ক্লাসে পাওয়া নাই। প্যাকেজড গুডস খুচরা এবং ম্যানুফ্যাকচারিং শিল্পের ডিজাইনারের একটি পূর্ণ প্রজন্ম গত ১৫ বছরে ডায়মেনশনাল ডেটাবেস ব্যবহার ও ডিজাইন করছে।
এই মিথ্যা ডায়মেনশনাল মডেলিংর ঐতিহাসিক původে রুটেড কিন্তু বর্তমান বাস্তবতার নয়। ডায়মেনশনাল মডেলিং একাধিক ব্যবসায়িক এলাকায় ব্যবহৃত হয়েছে, যার মধ্যে রয়েছে: খুচরা ব্যাংকিং, কমার্শিয়াল ব্যাংকিং, সম্পত্তি ও দুর্ঘটনা বীমা, স্বাস্থ্য বীমা, জীবন বীমা, ব্রোকারেজ কাস্টমার অ্যানালাইসিস, টেলিফোন কোম্পানির অপারেশন, সংবাদপত্র বিজ্ঞাপন, তেল কোম্পানির ইন্ধন বিক্রয়, সরকারি 에জেন্সি খরচ, ম্যানুফ্যাকচারিং শিপমেন্ট, স্বাস্থ্য সেবা, এবং আরও অনেক।
স্নোফ্লেকিং (Snowflaking) হল ডাইমেনশন টেবিল থেকে নিম্ন-কার্ডিন্যালিটি টেক্সটুয়াল অ্যাট্রিবিউট বাদ দিয়ে সেগুলো "সেকেন্ডারি" ডাইমেনশন টেবিলে রাখা। উদাহরণস্বরূপ, পণ্য ক্যাটাগরি এইভাবে বर्तাব করা যেতে পারে এবং নিম্ন-স্তরের পণ্য ডাইমেনশন টেবিল থেকে শারীরিকভাবে সরানো যেতে পারে।
স্নোফ্লেকিং ডায়মেনশনাল মডেলিং থেকে আলাদা নয়। আমরা স্নোফ্লেকিংকে মৌলিক ডায়মেনশনাল মডেলের সহজতার একটি অলংকার হিসাবে বিবেচনা করি। আমরা মনে করি একটি ডিজাইনার স্পষ্ট বিবেকের সাথে স্নোফ্লেক করতে পারেন যদি এই কৌশল ব্যবহারকারীর বোঝাপড়া উন্নত করে এবং সামগ্রিক পারফরম্যান্স উন্নত করে।
তর্ক যে স্নোফ্লেকিং ডাইমেনশন টেবিলের রক্ষণাবেক্ষণে সাহায্য করে তা ভুল। রক্ষণাবেক্ষণ সমস্যাগুলো এন্টিটি-রিলেশন-মত চ فكر দ্বারা লিভারেজ করা হয়, কিন্তু এটি সব ডেটা স্টেজিং এলাকায় ঘটে ডেটা ডায়মেনশনাল স্কিমায় লোড হওয়ার আগে।
এন্টিটি-রিলেশনশিপ মডেলিং একটি ব্যবসা মডেল করে না, বরন এটি ডেটা উপাদানের মাইক্রো সম্পর্ক মডেল করে। এন্টিটি-রিলেশনশিপ মডেলিং-এ ব্যবসায়িক নিয়ম নেই, এতে ডেটা নিয়ম রয়েছে।
এন্টিটি-রিলেশনশিপ মডেল কাঠামোতে অত্যন্ত পরিবর্তনশীল। এন্টিটি-রিলেশনশিপ মডেলের কাঠামোর বিচিত্র পরিবর্তনশীলতার মানে হল প্রতিটি ডেটা ওয়ারহাউসের জন্য কাস্টম-লিখিত এবং ফাইন-টিউন্ড SQL প্রয়োজন। এছাড়া এটি প্রতীক يدل করে যে প্রতিটি স্কিমা কারণ এটি টিউন্ড, গ্রাহক কোয়েরি অভ্যাসে পরিবর্তনের কারণে খুব অ্যাক্সেসযোগ্য কারণ такие স্কিমা অসমমিত।
