하나의 기사에서는 데이터 모델(개념적 모델, 논리적 모델, 물리적 모델)을 안내합니다.

데이터 모델은 조직 데이터 관리의 초석이자 정보 인프라 구축의 핵심 구성 요소입니다. 데이터 모델은 조직에 명확한 데이터 구조와 논리적 프레임워크를 제공하여 데이터 관리를 더욱 효율적이고 지속 가능하게 만듭니다. 디지털 시대에 데이터는 기업의 가장 귀중한 자산 중 하나가 되었으며, 데이터 모델의 설계 및 구현은 기업 운영 및 의사 결정에서 데이터의 효율성과 신뢰성을 결정합니다. 좋은 데이터 모델은 복잡한 데이터 환경을 단순화하고 데이터 품질과 일관성을 향상시킬 뿐만 아니라 데이터베이스 성능을 최적화하고 데이터 분석 및 의사 결정을 지원할 수 있습니다. 따라서 데이터 모델의 중요성은 기업에 데이터 기반 의사 결정 지원을 제공하고 비즈니스 혁신과 경쟁력 향상을 촉진하는 것입니다. 기업에 데이터 기반 의사결정 지원을 제공하고 비즈니스 혁신과 경쟁력 향상을 촉진합니다.

데이터 모델링은 여러 수준의 고려 사항과 결정이 포함되는 복잡하고 섬세한 프로세스입니다. 첫째, 데이터 모델링에서는 확립된 모델이 비즈니스 프로세스와 데이터 관계를 정확하게 반영하는지 확인하기 위해 비즈니스 요구 사항에 대한 심층적인 이해와 분석이 필요합니다. 둘째, 데이터 모델링은 다양한 데이터 유형과 소스의 특성은 물론 이들 간의 복잡한 상호 작용을 고려해야 하며, 이를 위해서는 적절한 데이터 구조와 연관 규칙의 설정이 필요합니다. 또한, 데이터 양이 증가하고 비즈니스 요구 사항이 변화함에 따라 데이터 모델링에도 미래의 과제와 변화에 대처할 수 있는 어느 정도의 유연성과 확장성이 필요합니다. 마지막으로, 데이터 모델링에는 여러 이해관계자의 요구와 의견이 포함되며, 합의에 도달하고 지원을 얻기 위해서는 효과적인 의사소통과 조정이 필요합니다. 요약하자면, 데이터 모델링의 복잡성은 비즈니스 요구사항에 대한 심층적인 이해, 데이터 구조의 설계 및 최적화, 이해관계자의 의사소통 및 조정에 반영됩니다. 효과적인 데이터 모델을 확립합니다.

데이터 모델은 현실 세계의 사물의 추상적인 프로세스를 설명하는 방법입니다. 개념적 데이터 모델, 논리적 데이터 모델 및 물리적 데이터 모델은 이 추상화 모델의 세 가지 유형입니다. 개념적 모델은 비즈니스 요구사항과 개념적 구조를 포착하는 데 사용되며, 논리적 모델은 데이터의 논리적 구조와 관계를 정의하며, 물리적 모델은 논리적 모델을 기반으로 한 물리적 구현의 구체적인 설계입니다. 데이터 모델링 프로세스에는 일반적으로 요구 사항 분석, 개념 모델링, 논리적 모델링, 물리적 모델링 및 검증이 포함됩니다. 각 단계에는 세부 계획 및 실행이 필요한 특정 작업과 기술 도구가 있습니다. 이러한 개념과 프로세스를 익히면 기업이 데이터 자산을 더 잘 이해하고 관리하며 데이터 관리의 효율성과 품질을 향상시키는 데 도움이 될 수 있습니다.

데이터 모델이란?

데이터 모델은 실제 기능을 데이터 관점에서 시뮬레이션 및 추상화하고, 비즈니스 요구에 따라 정보의 주요 특징을 추출하고, 비즈니스 정보(객체) 간의 관계를 매핑하는 도구입니다. . 데이터 모델은 비즈니스 시나리오를 보다 현실적으로 시뮬레이션할 수 있을 뿐만 아니라 중요한 비즈니스 모델 및 규칙에 대한 견고한 기록이기도 합니다. 이는 개념적 모델, 논리적 모델, 물리적 모델의 세 단계로 구성됩니다. 개념적 수준의 추상 객체부터 물리적 수준의 견고한 기록까지 데이터 모델의 전체 진화 프로세스를 진행하여 비즈니스 요구 사항과 기술적 제약 사항에 완벽하게 부합합니다. .

데이터 모델은 데이터베이스 시스템의 핵심이자 기초입니다. 모든 데이터베이스 시스템은 특정 데이터 모델을 기반으로 구축되어야 합니다. 그러나 현실 세계의 복잡성으로 인해 현실 세계에서 직접 데이터 모델을 구축하는 것은 불가능합니다. 첫째, 현실세계를 정보세계로 추상화하여 정보세계에서의 데이터 모델을 구축하고, 나아가 정보세계의 데이터 모델을 컴퓨터로 구현 가능한 형태로 변환하여 데이터베이스 시스템의 운영을 지원하는 것이 필요하다. 데이터 모델을 구축할 때 먼저 현실 세계를 정보 세계로 추상화하고 정보 세계에 데이터 모델을 구축해야 합니다. 그런 다음 정보 세계의 데이터 모델은 데이터베이스 시스템의 운영을 지원하기 위해 컴퓨터로 구현 가능한 형태로 더욱 변형됩니다. 데이터 모델의 확립은 데이터베이스 시스템 설계의 핵심 단계입니다. 좋은 데이터 모델은 현실 세계의 특성을 정확하게 반영하고 효율적인 데이터 저장 및 검색 기능을 제공해야 합니다. 일반적인 데이터 모델에는 계층적 모델, 네트워크 모델, 관계형 모델 등이 포함됩니다. 전체적으로 데이터 모델은 데이터베이스 시스템의 핵심이자 기초입니다. 모든 데이터베이스 시스템은 특정 데이터 모델을 기반으로 구축되어야 합니다. 하지만 현실 세계로 인해

데이터 모델은 기업의 운영 및 관리 프로세스에 관련된 모든 비즈니스 개념과 논리적 규칙을 표현한 것으로, 엔터티, 속성 및 이들의 관계를 기반으로 표현되어 비즈니스 담당자, IT 담당자 및 개발자 간의 커뮤니케이션 브리지가 되었습니다. 시스템 구축에 있어서 데이터 정보에 대한 청사진. 데이터 모델 설계에는 주로 개념 모델 설계, 논리적 모델 설계, 물리적 모델 설계가 포함됩니다. 개념 모델 설계는 엔터티, 속성, 관계 등의 기본 요소를 통해 비즈니스 개념의 관계와 특성을 설명합니다. 논리적 모델 설계는 개념적 모델을 기반으로 이를 데이터베이스에서 인식할 수 있는 데이터 구조와 연관 규칙으로 변환합니다. 물리적 모델 설계는 논리적 모델을 테이블 파티션, 인덱스 등 특정 데이터베이스 소프트웨어가 이해하고 운영할 수 있는 물리적 구조로 변환하는 것입니다. 데이터 모델 설계에서는 비즈니스의 복잡성과 상관관계를 고려해야 하며, 설계 과정에서 데이터 일관성, 완전성 및 정확성에 대한 요구 사항이 충족되어야 합니다. 동시에 시스템의 타당성을 고려하는 것도 필요합니다. 개념적 모델은 실제 관계형 의미론을 기반으로 하며 데이터 요구 사항을 비즈니스 객체와 비즈니스 프로세스로 추상화하고 이를 "엔티티-관계"로 단순화하고 표현합니다. (E-R) 다이어그램. 논리적 모델은 개념적 모델을 기반으로 더욱 세분화되고 표준화되어 데이터 간의 논리적 관계를 정의하는 데 사용됩니다. 물리적 모델은 테이블, 뷰, 필드, 데이터 유형 등을 포함하여 실제 데이터베이스 테이블의 구조를 설명하는 논리적 모델의 특정 구현입니다. 물리적 모델의 달성은 비즈니스 프로세스와 엔터티 관계가 데이터베이스의 테이블 관계로 고형화되어 완전한 데이터 모델을 형성하기 위해 사용, 검증, 처리 및 유지 관리될 수 있음을 나타냅니다.

물리적 모델과 논리적 모델 사이에는 기본적인 일대일 매핑 관계가 있습니다. 논리적 모델에서 엔터티는 물리적 모델의 테이블에 해당하고 속성은 필드에 해당합니다. 물리적 모델은 특정 데이터베이스에서 논리적 모델을 물리적으로 구현한 것입니다.

개념 모델의 특징:

은 중요한 비즈니스 개념과 그 상호 관계를 정의하는 데 초점을 맞춘 상위 수준 데이터 모델입니다.

핵심 데이터 엔터티 또는 해당 컬렉션은 물론 엔터티 간의 비즈니스 관계도 포함됩니다.

논리 모델의 특징:

개념적 데이터 모델을 더욱 분해하고 개선합니다.

엔티티, 속성 및 이들 간의 관계를 설명합니다.

데이터 중복을 줄이기 위해 설계할 때는 일반적으로 "제3정규형"을 따릅니다.
• 물리적 모델의 기능:
• 데이터 중복성과 성능 간의 관계 균형을 유지하면서 모델 엔터티의 세부 사항을 설명합니다.

사용된 데이터베이스 제품, 필드 유형, 길이, 인덱스 및 기타 요소를 고려해야 합니다.

데이터베이스 플랫폼과 애플리케이션 아키텍처를 결정해야 합니다.
• 데이터 모델은 비즈니스 요구사항을 자연어에서 데이터 언어로 변환하는 과정을 전달하기 때문에 어느 정도 데이터 아키텍처의 가장 중요한 결과 중 하나로 간주될 수 있습니다. 데이터 모델을 통해 추상적인 비즈니스 개념과 논리적 규칙이 특정 데이터 엔터티, 속성 및 관계에 명확하게 매핑되어 데이터베이스 시스템의 설계 및 구현을 위한 기반과 지침을 제공합니다. 데이터 모델을 구축하면 복잡한 비즈니스 프로세스와 정보 요구 사항을 명확하게 표현하고 효율적으로 관리할 수 있어 기업 운영 및 의사 결정에 대한 안정적인 지원을 제공할 수 있습니다. 따라서 데이터 아키텍처에서 데이터 모델의 역할은 신뢰할 수 있고 효율적인 데이터 관리 시스템을 구축하는 데 있어 핵심적인 부분입니다.

개념 모델(CDM)

개념 데이터 모델(CDM)의 핵심 작업은 비즈니스 영역의 다양한 개념 개체를 종합하고 요약하는 것입니다. 이 프로세스의 초점은 개별 개념적 개체의 다양한 속성을 자세히 설명하기보다는 개념적 개체와 그 상호 관계를 분석하는 데 있습니다. 개념적 개체를 단서로 활용하여 요구사항 분석 결과를 검토하고 모델링 범위를 결정하며 모델링 주제를 구분하고 주요 비즈니스 관계를 정리하여 논리적 데이터 모델의 프레임워크를 구축합니다.

개념적 데이터 모델은 비즈니스 프로세스를 지원하고, 비즈니스 이벤트를 기록하고, 관련 성과 지표를 추적하는 데 필요한 데이터를 지원하는 데 사용되는 비즈니스의 구조화된 보기입니다. 이 모델은 데이터의 처리나 물리적 특성보다는 비즈니스에 사용되는 데이터를 식별하는 데 중점을 둡니다. 모델의 관점은 기본 비즈니스 애플리케이션과 독립적입니다.

개념적 데이터 모델은 소프트웨어 또는 데이터 저장 구조와 관계없이 비즈니스 요구 사항을 지원하는 데 필요한 데이터의 전체 구조를 나타냅니다. 기능은 다음과 같습니다:

• 비즈니스 맥락에서 데이터 구조에 대한 전체적인 관점입니다.
• 데이터베이스나 물리적 저장 구조에 의존하지 않습니다.
• 물리적 데이터베이스에서는 절대 구현될 수 없는 개체입니다. 일부 개념과 프로세스는 모델에 나타나지 않을 수 있지만 회사가 비즈니스를 이해하고 설명하는 데 중요합니다.
• 비즈니스 프로세스 또는 기업 운영을 실행하는 데 필요한 데이터를 지원합니다.

개념적 데이터 모델은 비즈니스 및 IT가 다음을 정의하는 도구입니다.

• 데이터 요구 사항의 범위.
• 다양한 사업부와 기업 전반에 걸쳐 채택된 비즈니스 용어 및 지표.
• 비즈니스 데이터 개체(BDO) 및 그 관계.

다음은 개념적 모델의 예입니다.

논리 모델(LDM)

논리 데이터 모델(LDM)은 개념적 데이터 모델을 더욱 개선한 것으로, 데이터의 속성과 관계를 명확히 하는 것을 목표로 합니다. 엔터티 및 제약 조건. 데이터 표준에 따라 엔터티의 중국어 및 영어 이름, 속성의 데이터 유형 및 정밀도를 명확하게 하고 기본 키, 고유 인덱스 및 엔터티 간의 관계를 정의합니다. 설계할 때 데이터 중복성을 줄이기 위해 세 번째 패러다임을 따르며 비즈니스 담당자와 기술 담당자 간의 의사소통을 위한 도구입니다.

논리적 데이터 모델링에서는 데이터 요소가 명확하게 정의되고 관계가 정확하게 구축될 수 있도록 데이터 요소와 그 관계를 자세히 설명합니다. 설계 과정에서 컨텍스트와 세부 정보를 소개함으로써 팀이 데이터 요구 사항을 더 잘 이해할 수 있도록 돕고 비즈니스 프로세스 개선 및 애플리케이션 설계에 대한 지침을 제공합니다. 이러한 구조화된 접근 방식은 데이터베이스 설계의 기반을 제공하여 비용을 절감하고 효율성을 높이며 데이터 재사용 및 향후 모델 구축을 촉진하는 데 도움이 됩니다.

논리적 데이터 모델링은 조직이 비즈니스 요구 사항을 이해하고 충족하는 데 도움이 되는 포괄적인 데이터 보기를 제공합니다. 이는 현재 애플리케이션 설계를 위한 기반을 제공할 뿐만 아니라 미래의 데이터 모델 및 시스템 아키텍처를 위한 기반을 마련하여 조직의 장기적인 성장을 지원합니다. 데이터 구조와 관계를 정확하게 정의함으로써 논리적 모델은 조직 내 커뮤니케이션과 협업을 촉진하고 효과적인 데이터베이스 설계 및 애플리케이션 개발을 위한 기반을 마련합니다.

다음은 위 그림(개념적 모델)을 개선한 논리적 모델의 예입니다.

물리적 모델(PDM)

물리적 데이터 모델(PDM)은 데이터 모델링 프로세스에서 마지막 단계에서는 논리 모델(LDM)의 엔터티, 속성, 관계 등의 개념을 특정 데이터베이스 관리 시스템(DBMS)에 적합한 특정 설계로 변환합니다. 이는 원래 비즈니스 요구 사항과 논리적 설계의 물리적 구현을 ​​나타냅니다.

물리적 데이터 모델은 데이터베이스의 구조를 설명하고 물리적 수준에서 데이터가 저장, 구성 및 액세스되는 방식을 정의합니다. 테이블, 열, 데이터 유형, 관계, 인덱스, 제약 조건 등을 지정하여 데이터베이스 스키마에 대한 자세한 보기를 제공합니다. 따라서 PDM(물리적 데이터 모델)은 스토리지, 성능 개선, 데이터베이스 관리 시스템(DBMS)의 특정 특성을 고려하여 개발자가 실제 데이터베이스를 생성하고 최적화하도록 안내하는 프레임워크 역할을 합니다.

디자인 노트:

1. 데이터 저장 효율성 향상: 테이블 구조, 데이터 유형 및 길이를 지정하면 데이터 저장 효율성을 높이고 데이터베이스가 공간을 합리적으로 사용하도록 보장하며 불필요한 오버헤드를 줄일 수 있습니다.
2. 성능 향상: 물리적 데이터 모델은 전략적으로 인덱스를 구현하고, 대규모 테이블을 분할하고, 관련 데이터를 클러스터링함으로써 데이터베이스 성능을 향상시키고, 데이터 검색 속도를 높이며, 시스템 응답성을 향상시킵니다.
3. 강제 데이터 무결성: 물리적 데이터 모델은 기본 키, 고유 제약 조건, 외래 키와 같은 무결성 제약 조건을 적용합니다. 이러한 제약 조건은 데이터베이스에 저장된 데이터의 정확성과 신뢰성을 보장하고 이상 현상이 발생하는 것을 방지하는 데 도움이 됩니다.
4. 확장성 지원: 물리적 데이터 모델을 사용하면 대규모 테이블을 효율적으로 분할할 수 있어 데이터베이스가 성능을 유지하면서 증가하는 데이터 볼륨을 처리할 수 있습니다. 데이터 관리를 단순화하고 데이터 요구 사항이 증가함에 따라 확장합니다.
5. 최적화된 쿼리: 전략적 인덱싱과 신중하게 설계된 선택을 사용하여 실제 데이터 모델은 데이터 검색을 가속화하고 데이터베이스 쿼리의 효율성을 향상시킵니다.
6. 데이터베이스 디자인 커뮤니케이션 향상: 실제 데이터 모델은 개발자, 관리자 및 비즈니스 사용자가 데이터베이스 디자인을 더 쉽게 이해할 수 있도록 시각적 보조 자료 역할을 합니다. 이는 효과적인 의사소통을 촉진하고 데이터가 구조화되고 구성되는 방식에 대한 공유된 이해를 촉진합니다.
7. 중복성 감소: 실제 데이터 모델에 사용된 정규화 기술은 테이블을 더 작은 관련 구성 요소로 분할하여 중복성을 줄입니다. 그 결과 데이터베이스에 데이터가 단순화되고 일관되게 표시됩니다.
8. 리소스 효율성 극대화: 물리적 데이터 모델은 선택한 기술 스택의 특정 특징 및 기능과 일치하므로 DBMS 환경에서 시스템 리소스의 최적 활용을 보장합니다.

아래 그림은 물리 모델의 ER 다이어그램이며 기본적으로 논리 모델의 ER 다이어그램과 동일합니다.

데이터 모델 및 메타데이터(메타데이터)

메타데이터(메타데이터)는 데이터 구성, 데이터 도메인 및 이들의 관계에 대한 정보입니다. 간단히 말해서, 메타데이터는 데이터를 설명하는 데이터로, 데이터의 내용, 구조, 사용 및 관리를 포괄합니다. 데이터에 대한 배경 정보와 맥락을 제공하여 데이터의 의미와 목적을 이해하는 데 도움을 줍니다. 다양한 응용 분야나 기능에 따라 메타데이터는 일반적으로 비즈니스 메타데이터, 기술 메타데이터, 운영 메타데이터의 세 가지 범주로 나눌 수 있습니다.

데이터 모델은 데이터 구성 및 표현에 대한 추상적인 설명으로, 데이터 간의 관계, 속성 및 제약 조건을 설명합니다. 데이터 모델은 데이터의 구조와 논리는 물론 시스템에서 데이터가 작동되고 처리되는 방식을 정의합니다.

개념적으로 데이터 모델은 메타데이터의 필수적인 부분입니다. 실제 적용에서 개념 모델의 설명 내용은 주로 비즈니스 개념과 논리적 규칙의 정의에 중점을 두고 비즈니스 담당자가 데이터와 비즈니스 프로세스의 의미를 이해하는 데 도움이 되기 때문에 비즈니스 메타데이터의 일부로 이해될 수 있습니다. 논리적 모델과 물리적 모델의 설명 내용은 기술 메타데이터의 일부로 간주될 수 있습니다. 논리적 모델은 데이터 간의 관계와 제약 조건을 정의하는 반면, 물리적 모델은 데이터가 데이터베이스에 저장되고 물리적으로 구성되는 방식을 설명합니다. 이 정보는 데이터베이스 개발자와 시스템 관리자에게 중요합니다. 또한 운영 메타데이터는 데이터 수정, 삭제, 액세스 권한 등 데이터의 운영 속성을 설명합니다. 이 정보는 데이터 관리 및 보안 유지에 중요합니다. 따라서 데이터 모델은 전체 데이터 라이프사이클에서 중요한 역할을 하며 메타데이터의 일부로서 데이터 관리 및 활용의 기반을 형성합니다.

데이터 모델과 메타데이터 시스템은 데이터 수명 주기의 다양한 단계에서 다양한 역할을 수행합니다. 데이터 모델은 비즈니스 요구 사항을 포착 및 정의하고, 시스템 아키텍처를 설계하고, 데이터베이스 설계 및 애플리케이션 개발을 안내하는 데 사용되는 정보 시스템 설계 및 개발 단계에 더 중점을 둡니다. 이는 데이터 간의 관계, 제약 조건 및 프로세스를 설명하는 추상적이고 구조화된 보기를 제공하고, 비즈니스 담당자와 기술 담당자가 데이터의 의미와 목적을 이해하는 데 도움을 주며, 시스템 설계 및 개발을 안내합니다.

반대로 메타데이터 시스템은 데이터 거버넌스 및 데이터 애플리케이션과 같은 데이터 소비 단계에 더 중점을 둡니다. 이 단계에서는 메타데이터 시스템을 사용하여 데이터 자산을 관리 및 유지하고 데이터 수집, 저장, 공유 및 분석을 지원합니다. 이는 데이터의 속성, 구조, 위치 및 사용과 같은 정보를 기록 및 관리하고, 데이터의 배경 정보 및 컨텍스트를 제공하며, 관리자가 데이터의 소스, 품질, 보안 및 기타 측면을 이해하는 데 도움을 주며, 데이터 검색, 분석 및 지원을 지원합니다. 데이터 자산의 가치 극대화 및 규정 준수 관리를 촉진하기 위한 보고입니다.

데이터 모델은 주로 정보 시스템 설계 단계에서 사용되는 반면, 메타데이터 시스템은 데이터 거버넌스 및 데이터 관리 단계에 더 중점을 둡니다. 이 둘은 서로를 보완하며 데이터의 효과적인 관리와 활용을 공동으로 지원합니다.

데이터 모델 및 메타데이터 모델(메타모델)

데이터 모델은 핵심 비즈니스 엔터티와 관련 관계, 정의 및 비즈니스 규칙을 설명합니다. 그러나 메타데이터 모델(메타모델)은 종종 혼란스럽습니다. 메타모델은 핵심 메타데이터 개체와 그 관계 및 관련 비즈니스 규칙을 설명하는 메타데이터의 데이터 모델입니다.

메타데이터 모델(메타모델)은 메타데이터를 설명하는 데이터 모델입니다. 주요 임무는 핵심 메타데이터 개체와 해당 관계 및 관련 비즈니스 규칙을 설명하는 것입니다. 비즈니스 인텔리전스(BI), 온라인 분석 처리(OLAP) 및 데이터 거버넌스(DG) 플랫폼에서 메타데이터 모델은 기술 데이터 구조를 사용자 친화적인 구조로 변환하는 데 사용되는 설명적 데이터 구조 추상화 계층입니다. 이는 데이터 구조와 그 표현에 대한 자세한 설명을 제공하여 데이터 자체, 데이터 요소 이름 및 가시적 구조를 포함하여 데이터가 사용자 친화적인 방식으로 준비되도록 보장합니다.

비즈니스 인텔리전스(BI), 온라인 분석 처리(OLAP) 및 데이터 거버넌스(DG) 플랫폼에서 메타모델은 애플리케이션에서 데이터를 유지하고 쿼리하는 데이터 모델의 기본 역할과 유사한 기본 구성 요소 중 하나입니다. 메타데이터의 저장 및 쿼리 기능을 지원하며 운영 메타데이터는 물론 DG 사용 사례를 중심으로 설계됩니다.

메타데이터 모델(metamodel)의 예는 다음과 같습니다.

데이터 모델은 조직의 데이터 관리의 초석이자 정보 인프라 구축의 핵심 구성 요소입니다. 명확한 데이터 구조와 논리적 프레임워크를 제공하여 데이터 관리를 더욱 효율적이고 지속 가능하게 만듭니다. 데이터 모델은 개념적 모델, 논리적 모델, 물리적 모델의 세 가지 유형으로 구분되며, 추상적인 단계부터 구체적인 단계까지 다양한 단계를 통해 비즈니스 요구 사항 및 기술적 제약 조건과 완벽하게 일치합니다. 이에 따라 메타데이터 모델은 메타데이터를 설명하는 데이터 모델이며 주요 작업은 핵심 메타데이터 개체와 해당 관계 및 관련 비즈니스 규칙을 설명하는 것입니다. 메타데이터 모델은 데이터 거버넌스 플랫폼의 기본 구성 요소로, 애플리케이션의 데이터 모델 역할과 유사하며 메타데이터의 저장 및 쿼리 기능을 지원합니다.

위 내용은 하나의 기사에서는 데이터 모델(개념적 모델, 논리적 모델, 물리적 모델)을 안내합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!