«Нарисуй модель данных» — одна из самых частых задач системного аналитика и одна из самых неоднозначных. Один аналитик приносит пять прямоугольников со стрелками, другой — схему с типами varchar(255) и индексами. Оба называют это моделью данных, и оба по-своему правы: речь просто о разных уровнях абстракции. Классическое разделение на концептуальную, логическую и физическую модели помогает договориться, что именно нужно на каждом этапе проекта, кто это делает и для кого.
Три уровня в одной таблице
| Концептуальная | Логическая | Физическая | |
|---|---|---|---|
| Вопрос | о каких понятиях идёт речь? | какие данные и как они связаны? | как это хранится в конкретной СУБД? |
| Аудитория | бизнес, заказчик, команда | аналитики, архитекторы, разработчики | разработчики, DBA |
| Элементы | сущности и связи | сущности, атрибуты, ключи, кардинальность, ограничения | таблицы, колонки, типы СУБД, индексы, партиции |
| Атрибуты | нет или только ключевые | все, с логическими типами | все, с физическими типами |
| Зависимость от СУБД | нет | нет | полная |
| Нормализация | не применяется | обычно 3НФ | возможна денормализация ради производительности |
| Типичный автор | бизнес- или системный аналитик | системный аналитик | разработчик, архитектор данных, DBA |
Концептуальная модель
Концептуальная модель описывает предметную область на языке бизнеса: какие в ней есть понятия и как они соотносятся. Это не схема базы, а карта терминов.
Что в ней есть:
- сущности — значимые для бизнеса понятия: Клиент, Договор, Заказ, Товар, Склад;
- связи между ними с понятными названиями: «Клиент заключает Договор», «Заказ содержит Товары»;
- иногда — кардинальность в общих чертах: у клиента может быть много договоров;
- иногда — определения сущностей, то есть фрагмент глоссария.
Чего в ней нет: атрибутов (кроме, может быть, самых показательных), типов данных, ключей, промежуточных таблиц.
Зачем она нужна:
- договориться о терминах — выяснить, что «клиент» у продаж и «клиент» у бухгалтерии — разные вещи, до того как это выяснится в коде;
- очертить границы системы: что входит в её предметную область, а что живёт в соседних системах;
- обсудить модель с бизнесом — схема из десяти прямоугольников понятна без подготовки.
Концептуальная модель тесно связана с идеями DDD: единым языком и ограниченными контекстами. Если одно слово означает разное в разных частях бизнеса, это сигнал, что перед вами несколько контекстов и, возможно, несколько моделей (подробнее — в статье «DDD на практике»).
Логическая модель
Логическая модель детализирует концептуальную до уровня, достаточного для реализации, но остаётся независимой от конкретной СУБД. Это основной рабочий артефакт системного аналитика при проектировании данных.
Что добавляется:
- все атрибуты сущностей с логическими типами: строка, целое, дата, деньги, перечисление, логический;
- первичные ключи — естественные (ИНН, номер договора) или суррогатные (id);
- внешние ключи и точная кардинальность связей: один-к-одному, один-ко-многим, многие-ко-многим, обязательность с каждой стороны;
- разрешение связей многие-ко-многим через ассоциативные сущности: Заказ и Товар связываются через Позицию заказа, у которой есть свои атрибуты (количество, цена);
- ограничения: обязательность, уникальность, допустимые значения, бизнес-правила вроде «дата окончания не раньше даты начала»;
- нормализация — обычно до третьей нормальной формы, чтобы каждый факт хранился в одном месте.
Решения, которые принимаются на логическом уровне и которые важно не оставлять «на потом»:
- Идентичность. Что делает запись уникальной с точки зрения бизнеса? Даже при суррогатном ключе нужен уникальный бизнес-ключ, иначе появятся дубли клиентов.
- История. Нужно ли хранить историю изменений атрибута (цена товара на дату заказа, адрес клиента на дату доставки)? Это меняет структуру: появляются сущности-версии или атрибуты «действует с — по».
- Справочники и перечисления. Что фиксировано в коде (статусы заказа), а что редактируется пользователями (категории товаров)?
- Удаление. Физическое или логическое? Что происходит со связанными записями?
- Наследование. Физическое и юридическое лицо — разные сущности, подтипы одной или одна сущность с типом?
- Деньги и единицы измерения. Валюта рядом с суммой, точность, единица измерения количества.
Физическая модель
Физическая модель — это схема конкретной базы данных: то, что в итоге выполняется как DDL-скрипт.
Что добавляется:
- имена таблиц и колонок по соглашениям проекта:
order_items,created_at; - физические типы:
numeric(19,2)для денег,timestamptzдля моментов времени,uuid,jsonb, длины строк; - индексы под реальные запросы, включая составные и частичные;
- ограничения СУБД:
NOT NULL,CHECK,UNIQUE, каскадное удаление; - денормализация там, где она оправдана производительностью: копии полей, агрегаты, материализованные представления;
- партиционирование, табличные пространства, параметры хранения;
- технические колонки: даты создания и изменения, версия для оптимистической блокировки, признак удаления.
Физическая модель зависит от СУБД. Одна и та же логическая модель в PostgreSQL, Oracle и ClickHouse будет выглядеть по-разному, а в документной базе вроде MongoDB структура может кардинально измениться: позиции заказа станут вложенным массивом внутри документа заказа.
Пример: одна предметная область на трёх уровнях
Концептуально: Клиент оформляет Заказ, Заказ содержит Товары.
Логически:
- Клиент (id, ФИО, телефон — уникальный, email)
- Заказ (id, номер — уникальный, дата, статус: новый / оплачен / отгружен / отменён, клиент → Клиент, обязательно)
- Товар (id, артикул — уникальный, наименование, цена)
- Позиция заказа (заказ → Заказ, товар → Товар, количество > 0, цена на момент заказа)
Физически (PostgreSQL, в нотации DBML):
Table customers {
id uuid [pk]
full_name varchar(300) [not null]
phone varchar(20) [not null, unique]
email varchar(254)
created_at timestamptz [not null, default: `now()`]
}
Enum order_status { new paid shipped cancelled }
Table orders {
id uuid [pk]
number varchar(20) [not null, unique]
customer_id uuid [not null, ref: > customers.id]
status order_status [not null, default: 'new']
total numeric(19,2) [not null, note: 'денормализация: сумма позиций']
created_at timestamptz [not null]
indexes { (customer_id, created_at) }
}
Table order_items {
order_id uuid [ref: > orders.id]
product_id uuid [ref: > products.id]
quantity int [not null]
price numeric(19,2) [not null]
indexes { (order_id, product_id) [pk] }
}
Обратите внимание на поле total: на логическом уровне его нет (сумма вычисляется из позиций), на физическом оно появилось ради быстрых списков заказов. Это осознанная денормализация, и её стоит пометить.
Нотации
- Чен (Chen) — сущности в прямоугольниках, связи в ромбах, атрибуты в овалах. Хорош для концептуального уровня и обучения, громоздок для больших схем.
- «Вороньи лапки» (Crow's Foot, нотация Мартина) — самая распространённая для логических и физических моделей: кардинальность показана значками на концах линий.
- IDEF1X — стандарт, распространённый в госсекторе и крупных организациях; различает зависимые и независимые сущности.
- Диаграмма классов UML — подходит для концептуального и логического уровня, особенно если команда и так использует UML.
- Текстовые форматы — DBML, PlantUML, Mermaid: модель хранится как код, версионируется в git и превращается в диаграмму автоматически.
Что из этого делает системный аналитик
Однозначного ответа нет — зависит от компании и проекта, но типичное распределение такое:
- Концептуальная модель — почти всегда аналитик, часто вместе с бизнес-аналитиком и экспертами предметной области.
- Логическая модель — основная зона ответственности системного аналитика. Именно здесь фиксируются бизнес-правила данных, которые разработчик не сможет угадать.
- Физическая модель — чаще разработчик или архитектор данных. Но аналитик должен уметь её читать и проверять, что логические решения не потерялись: уникальность, обязательность, история.
В небольших командах аналитик нередко сразу проектирует физическую модель — особенно если хранилище простое, а аналитик технически подготовлен. Это нормально, если при этом не теряются логические решения и не принимаются решения, которые должен принимать разработчик (выбор индексов под конкретные запросы, партиционирование).
Модель данных и API
Отдельная ловушка — путать модель данных с моделью API. Логическая модель описывает, как устроены данные внутри системы; контракт API описывает, что система показывает наружу. Они похожи, но не должны совпадать один в один:
- в API не нужны технические поля и внутренние идентификаторы связей;
- в API часто объединяются данные из нескольких сущностей;
- изменение внутренней модели не должно автоматически ломать контракт.
Модель данных — хорошая отправная точка для схем API, но не их замена.
Типичные ошибки
- Сразу физическая модель. Обсуждение начинается с типов колонок, а вопрос «что такое клиент» так и не задан.
- Концептуальная модель с атрибутами и типами. Бизнес не может её прочитать, а для разработки она недостаточно точна.
- Логическая модель без бизнес-ключей. Только суррогатные id — и через год в базе пять копий одного клиента.
- Нет истории там, где она нужна. Цена хранится только в товаре, и после её изменения старые заказы «дорожают».
- Модель не обновляется. Диаграмма в вики соответствует состоянию двухлетней давности. Решение — хранить модель как код рядом с проектом.
Итог
Концептуальная модель отвечает на вопрос «о чём мы говорим», логическая — «какие данные и по каким правилам», физическая — «как именно это лежит в базе». Системному аналитику важно ясно понимать, на каком уровне он работает в конкретный момент и для какой аудитории. Главная ценность аналитика — на логическом уровне: в бизнес-ключах, связях, ограничениях и истории, которые потом невозможно восстановить из кода.
Логическую и физическую модель удобно вести в редакторе DBML с автоматической ER-диаграммой (см. гайд «ER-диаграмма онлайн»), получать из неё SQL (гайд «DBML в SQL») или, наоборот, восстанавливать модель по готовой базе (гайд «SQL в DBML»). Концептуальную модель можно нарисовать диаграммой классов PlantUML.
