Presentasjon

Følgende .h2-overskrifter representerer powerpoint-slides som skal brukes i workshoppen.

Velkomstslide (1 min)

Agenda

Intro til datamodellering (noe skal kanskje => lyntale?)

• Modellering vs implementasjon

  • Raske iterasjoner

  • Visuelt paradigme som gjør det enkelt å involvere ikke-tekniske

  • Målet er i første omgang å lære så mye som mulig så fort som mulig

  • Man må forvente radikale endringer i modellene etterhvert som man lærer

  • Man øker først detaljnivået etterhvert som strukturene stabiliserer seg

    • Jo mindre stabilt, jo dyrere er det å detaljere (for ikke å snakke om programmere)

  • Man bruker tankeeksperiment underveis for å teste hypoteser

    • Kan lage fysiske prototyper dersom nødvendig (først og fremst som innspill til logisk modell)

  • Ta gjerne utgangspunkt i prosessene som modellen skal underbygge

Er mye bra å hente fra https://cmpct.info/~calvin/Papers/Data and Reality.pdf her knyttet til det mer filosofiske aspektet om hva datamodellering dreier seg om.

Det relasjonelle paradigmet

• Flat (ikke nøstet) struktur

• DRY (normalisering – “én ting på ett sted“)

• Hvordan informasjonen henger sammen, uavhengig av applikasjoner

• Optimaliserer for integritet, konsistens og gjenbruk

• Verdi- vs. objektsemantikk (naturlige vs. kunstige nøkler)

  • Relasjonsmodellen er laget for det første

  • Analogt med funksjonell vs. objektorientert programmering

  • En tabell er en funksjon fra nøkkel til verdier

• Kraftig spørrespråk som kan transformere data på vei ut av databasen

Vanlige feiloppfatninger

• Dårlig ytelse

  • Databasen må beskyttes fra kompliserte spørringer pga skaleringsproblematikk

  • Det er dyrt å joine (må denormalisere for å få det til å gå rundt)

• Kompleksitet

  • "Det er for vanskelig å tenke prinsipielt – må konsentrere oss om det vi trenger nå"

  • Object-relational mismatch gjør det unødvendig komplisert å utvikle mot

• “Big design up front“

  • Bruker altfor mye tid i starten uten å få gjort noe fornuftig

Lenker

• https://aws.amazon.com/blogs/aws/a-decade-of-ever-increasing-provisioned-iops-for-amazon-ebs/

• https://www.enterprisedb.com/blog/performance-comparison-major-PostgreSQL-versions

Case: Filmer i Sikt(e)

Starte med enkelt IMDB-case (i prosa)

• Entiteter

  • Film

  • Kritikk (antall stjerner i sikte)

  • Regissør

  • Distributør

• Innhold

  • N:M-kobling

  • Kodetabell

  • Rolle (flere relasjoner til samme entitet)

Introdusere tillegg etterhvert

• Subtyping/roller

  • Entiteter – Person

    • Produsent

    • Skuespiller

  • Metodikk

    • Hva er forskjellen på subtyping og roller?

    • Alt-i-ett (roller krever denormalisering)

    • Bladnoder (subtyping krever triggerlogikk)

    • Alle noder (subtyping krever triggerlogikk)

Konseptuelt => logisk nivå

• Lage ferdige alternative case – samme modell med:

  • Naturlige nøkler

  • Kunstige nøkler

• Konsekvenser

  • Konsistens/integritet

  • Spørremønstre

Godbiter hvis tid?

Hvordan modellere matematiske strukturer

• Tre

• Kjede (1:1 egenrelasjon)

• Matrise

  • Like akser

  • Forskjellige akser

  • Flere enn 2 dimensjoner

Hvordan modellere vekk NULL-verdier

• Dummyverdier

• 1:1-normalisering

Forvaltning over tid

• Out of scope

• Kontinuerlige endringer

Notater

Flette inn fra ymse kilder

• Hente fra diskusjon (2024-02-27)

• Hente fra eksempeldata (2024-04-23)

• Hente fra prinsipper for datamodellering