IVS-Referenzmodelle und Werkzeuge - Datenarchitektur: Unterschied zwischen den Versionen

Aus IVS-Wiki
Zur Navigation springen Zur Suche springen
Zeile 7: Zeile 7:
  
 
Identify appropriate tools and techniques (including forms) to be used for data capture, modeling, and analysis, in association with the selected viewpoints. Depending on the degree of sophistication warranted, these may comprise simple documents or spreadsheets, or more sophisticated modeling tools and techniques such as data management models, data models, etc. Examples of data modeling techniques are:
 
Identify appropriate tools and techniques (including forms) to be used for data capture, modeling, and analysis, in association with the selected viewpoints. Depending on the degree of sophistication warranted, these may comprise simple documents or spreadsheets, or more sophisticated modeling tools and techniques such as data management models, data models, etc. Examples of data modeling techniques are:
 +
 +
==Architekturbausteine==
 +
In der Datenarchitektur werden die folgenden Architekturbausteine beschrieben:
 +
*Ein '''IVS-Informationsobjekt''' enthält eine Information mit einer festgelegten Bedeutung (Semantik)
 +
*Ein '''IVS-Datenmodell''' enthält '''IVS-Informationsobjekte''' und legt deren Format (Syntax) fest
 +
*Eine '''IVS-Ortsreferenzierung''' beschreibt ein Verfahren zur Beschreibung von geografischen Orten und wird in '''IVS-Datenmodellen''' verwendet.
 +
 +
Das folgende UML-Diagramm zeigt diese Architekturbausteine und deren Beziehungen untereinander:
 +
[[Datei: Datenarchitektur.jpg | 600px |  Datenarchitektur]]
  
 
==Historie==
 
==Historie==

Version vom 9. September 2016, 11:51 Uhr

TOGAF

Review and validate (or generate, if necessary) the set of data principles. These will normally form part of an overarching set of architecture principles. Guidelines for developing and applying principles, and a sample set of data principles, are given in Part III, 23. Architecture Principles.

Select relevant Data Architecture resources (reference models, patterns, etc.) on the basis of the business drivers, stakeholders, concerns, and Business Architecture.

Select relevant Data Architecture viewpoints (for example, stakeholders of the data - regulatory bodies, users, generators, subjects, auditors, etc.; various time dimensions - real-time, reporting period, event-driven, etc.; locations; business processes); i.e., those that will enable the architect to demonstrate how the stakeholder concerns are being addressed in the Data Architecture.

Identify appropriate tools and techniques (including forms) to be used for data capture, modeling, and analysis, in association with the selected viewpoints. Depending on the degree of sophistication warranted, these may comprise simple documents or spreadsheets, or more sophisticated modeling tools and techniques such as data management models, data models, etc. Examples of data modeling techniques are:

Architekturbausteine

In der Datenarchitektur werden die folgenden Architekturbausteine beschrieben:

  • Ein IVS-Informationsobjekt enthält eine Information mit einer festgelegten Bedeutung (Semantik)
  • Ein IVS-Datenmodell enthält IVS-Informationsobjekte und legt deren Format (Syntax) fest
  • Eine IVS-Ortsreferenzierung beschreibt ein Verfahren zur Beschreibung von geografischen Orten und wird in IVS-Datenmodellen verwendet.

Das folgende UML-Diagramm zeigt diese Architekturbausteine und deren Beziehungen untereinander: Datenarchitektur

Historie

Bei der Festlegung auf IVS-Referenzmodelle und Werkzeuge muss berücksichtigt werden, dass zurzeit viele unterschiedliche, domänenspezifische Datenmodelle existieren und auch weiterhin existieren werden (siehe Ausgangssituation der IVS-Datenarchitektur). Diese Datenmodelle sind mit unterschiedlichen Werkzeugen und unter Anwendung unterschiedlicher IVS-Referenzmodelle erzeugt worden. Da diese Datenmodelle auch von unterschiedlichen Communities gepflegt werden, ist eine Vereinheitlichung der Modellierungsprinzipien nur schwer zu erreichen.

Falls eines oder mehrere der bereits vorhandenenen Datenmodelle verwendet werden (müssen), sind die Modellierungsprinzipien und Werkzeuge bereits vorgegeben. Lediglich für neu zu entwickelnde Datenmodelle werden die im folgenden angegebenen Prinzipien und Werkzeuge festgelegt.

Modellierungsprinzipien

Grundsätzlich sollen Datenmodelle in einem technologie- und plattformunabhängigen Format, einem sogenannten Platform independent model (PIM) beschrieben werden. Aus dem PIM werden dann sogenannte Platform specific models (PSM) möglichst automatisch generiert. Diese Vorgehensweise hat sich bereits bei der Modellierung des DATEX II Datenmodells bewährt. Sie hat den Vorteil, dass die spezifische Implementation des Datenmodells ausgetauscht werden kann, ohne das Datenmodell zu verändern.

Dadurch werden u.a. die folgenden Einsatzszenarien ermöglicht:

  • Spezifikation verschiedener PSMs (Austauschformate), die gleichzeitig verwendet werden (z.B. binäres Datenformat für bandbreitenbeschränkten Einsatz und XML-Format für sonstigen Einsatz).
  • Upgrade von einem veralteten PSM auf ein neueres PSM.

Diese Veränderungen können durchgeführt werden, ohne das PIM-Datenmodell zu verändern.

Datenmodellierungssprache

Für neu zu entwicklende Datenarchitekturen bzw. Datenmodelle wird die Unified Modeling Language (UML) als Modellierungssprache vorgeschlagen. UML hat sich mittlerweile als De-facto-Standard bei der technologie-agnostischen Modellierung von Daten etabliert. Desweiteren hat UML den Vorteil, dass mit dem XML Metadata Interchange (XMI) ein Datenaustauschformat vorliegt, das unabhängig von den eingesetzten Tools ist und zunehmend auch von Software-Entwicklungswerkzeugen verwendet wird.