Was ist ein Datenbankschema?

Schemata verwenden in der Regel visuelle Darstellungen, um die Architektur der Datenbank zu beschreiben, und bilden die Grundlage für die Datenverwaltungsstrategie eines Unternehmens. Dieser Prozess des Datenbankschemadesigns wird auch als Datenmodellierung bezeichnet.

Diese Datenmodelle unterstützen eine Vielzahl von Rollen, so z. B. Datenbankbenutzer, Datenbankadministratoren und Programmierer. Beispielsweise können Datenbankadministratoren damit Normalisierungsprozesse verwalten, um Datenduplikate zu vermeiden. Alternativ können Analysten in diesen Datenstrukturen navigieren, um Berichte oder andere wertvolle Geschäftsanalysen durchzuführen. Diese Diagramme dienen als wertvolle Dokumentation innerhalb des Datenbankmanagementsystems (DBMS) und stellen die Abstimmung zwischen verschiedenen Stakeholdern sicher.

Ein Datenbankschema gilt als „Blueprint“ (Bauplan) einer Datenbank und beschreibt, wie die Daten mit anderen Tabellen oder anderen Datenmodellen in Beziehung stehen können. Das Schema enthält allerdings keine Daten.

Eine Stichprobe von Daten aus einer Datenbank zu einem bestimmten Zeitpunkt wird als Datenbankinstanz bezeichnet. Sie enthält alle Eigenschaften, die das Schema als Datenwerte beschreibt. Da Datenbankinstanzen nur eine Momentaufnahme zu einem bestimmten Zeitpunkt darstellen, können sie sich im Gegensatz zu Datenbankschemata im Laufe der Zeit ändern.

Obwohl der Begriff „Schema“ sehr weit gefasst ist, bezieht er sich im Allgemeinen auf drei verschiedene Arten von Schemata: ein konzeptionelles Datenbankschema, ein logisches Datenbankschema und ein physisches Datenbankschema.

• Konzeptionelle Schemata bieten einen umfassenden Überblick darüber, was das System enthalten wird, wie es organisiert sein wird und welche Business Rules daran beteiligt sind. Solche konzeptionellen Modelle werden in der Regel als Teil des Prozesses zur Erfassung der ersten Projektanforderungen erstellt.

• Logische Datenbankschemata sind im Vergleich zu konzeptionellen Schemata weniger abstrakt. Sie definieren Schemaobjekte eindeutig mit Informationen wie Tabellennamen, Feldnamen, Entitätsbeziehungen und Integritätsbeschränkungen – also allen Regeln, die für die Datenbank gelten. Sie enthalten jedoch in der Regel keine technischen Anforderungen.

• Physische Datenbankschemata liefern die technischen Informationen, die dem logischen Datenbankschematyp fehlen, zusätzlich zu den kontextuellen Informationen, wie Tabellennamen, Feldnamen, Entitätsbeziehungen usw. Das heißt, dieses Schema enthält auch die Syntax, die für die Erstellung dieser Datenstrukturen auf der Festplatte verwendet wird.

Sowohl in logischen Schemata als auch in physischen Schemata haben Datenbanktabellen einen Primärschlüssel oder einen Fremdschlüssel, die als eindeutige Identifikatoren für einzelne Einträge in einer Tabelle dienen. Diese Schlüssel werden in SQL-Anweisungen verwendet, um Tabellen miteinander zu verbinden und eine einheitliche Ansicht der Informationen zu erstellen. Schemadiagramme sind besonders hilfreich, wenn es darum geht, diese Beziehungen zwischen Tabellen darzustellen. Sie ermöglichen es Analysten, die Schlüssel zu verstehen, mit denen sie verknüpft werden sollen. Es gibt zwei weitere Arten von Schemata, auf die im Zusammenhang mit relationalen Datenbankmanagementsystemen (RDBMS) häufig verwiesen wird: Sie werden als Sternschemata und Schneeflockenschemata bezeichnet.

Konzeptionelle, logische und physische Schemata enthalten zwar unterschiedliche Ebenen von Informationen über Datenbanken in ihren Diagrammen, aber Stern- und Schneeflockenschemata stellen diese Beziehungen zwischen Entitäten unterschiedlich dar. Genauer gesagt ist ein Sternschema eine Art von relationalem Datenbankschema, das aus einer einzigen, zentralen Faktentabelle besteht, die von Dimensionstabellen umgeben ist. Dies wird im Vergleich zum Schneeflockenschema als einfacheres Schema angesehen.

Ein Schneeflockenschema besteht aus einer Faktentabelle, die mit vielen Dimensionstabellen verbunden ist, die wiederum über eine Viele-zu-Eins-Beziehung mit anderen Dimensionstabellen verbunden sein können. Dieses Schema bietet den Vorteil einer geringen Datenredundanz, ist aber in Bezug auf die Abfrageleistung nicht so effektiv.

Wie die Namen schon sagen, sieht ein Sternschema eher wie ein Stern aus, während ein Schneeflockenschema eher einer Schneeflocke ähnelt.

In Zeiten von Big Data und wachsenden Datenmengen sind Datenbankobjekte und -schemata von entscheidender Bedeutung, um die Effizienz der täglichen Unternehmensabläufe zu gewährleisten. Wenn relationale Modelle schlecht organisiert und schlecht dokumentiert sind, ist die Pflege schwieriger, was sowohl für die Benutzer als auch für das Unternehmen problematisch ist.

Zu den wichtigsten Vorteilen von Datenbankschemata gehören:

• Zugang und Sicherheit: Das Design eines Datenbankschemas hilft bei der Organisation von Daten in separaten Entitäten, was die gemeinsame Nutzung eines einzelnen Schemas in einer anderen Datenbank erleichtert. Administratoren können den Zugriff auch über Datenbankberechtigungen steuern und so eine weitere Sicherheitsebene für proprietäre Daten schaffen. Ein einzelnes Schema kann zum Beispiel personenbezogene Daten enthalten, die Sie aus Datenschutz- und Sicherheitsgründen verschlüsseln möchten.

• Organisation und Kommunikation: Durch die Dokumentation von Datenbankschemata wird eine bessere Organisation und Kommunikation zwischen den internen Stakeholdern ermöglicht. Da eine gemeinsame Informationsquelle zur Verfügung gestellt wird, können Benutzer die logischen Beschränkungen und Aggregationsmethoden für alle Tabellen verstehen.

• Integrität: Diese Organisation und Kommunikation trägt auch dazu bei, die Gültigkeit der Daten zu gewährleisten. Beispielsweise können Administratoren damit Normalisierungsprozesse verwalten, um Datenduplikate zu vermeiden. Es kann auch dabei helfen, die Einhaltung der Beschränkungen im Datenbankdesign des Schemas zu überwachen, sodass die AKID-Eigenschaften (Atomarität, Konsistenz, Isolation, Dauerhaftigkeit) eingehalten werden können.