Model — real obyekt, jarayon yoki ma’lumotning muhim xususiyatlarini ma’lum maqsad uchun soddalashtirib ifodalovchi tuzilmadir. Axborot texnologiyalarida atama ma’lumotlar bazasi modeli, dastur domen modeli, UI holati yoki machine learning modeli kabi turli ma’noda ishlatiladi. To‘g‘ri talqin model qaysi qatlam va vazifaga tegishli ekaniga bog‘liq.
Domen modeli
Domen modeli muayyan sohadagi obyekt, qiymat va qoidalarni dasturiy tushunchalarga aylantiradi. Masalan, buyurtma modeli faqat total maydoni emas, item qo‘shish, status almashishi va to‘lov shartlarini ham ifodalashi mumkin. Model biznes invariantlarini bir joyda saqlasa, turli endpointlar bir xil qoida bilan ishlaydi.
Anemic model faqat data maydonlariga ega bo‘lib, barcha mantiq tashqi service’larda joylashadi. Rich model esa xatti-harakatni obyekt ichida saqlaydi. Har ikki yondashuvning mosligi tizim murakkabligi va arxitekturasiga bog‘liq.
Ma’lumotlar bazasi modeli
Relatsion model ma’lumotni relation, row, column va constraintlar orqali ifodalaydi. Conceptual model biznes obyekt va aloqalarni, logical model jadval va kalitlarni, physical model esa indeks, partition va storage tafsilotlarini ko‘rsatadi.
ORMdagi model klassi ko‘pincha tablega bog‘lanadi, ammo database schema bilan aynan bir tushuncha emas. Klass computed property, validatsiya yoki relation APIga ega bo‘lishi mumkin. Schema constraintlari esa ORMdan tashqari yozuvlar uchun ham integrityni himoya qiladi.
MVC va framework modeli
MVC arxitekturasida Model ilovaning ma’lumot va domen holatini ifodalaydi, View ko‘rsatadi, Controller kirish amallarini muvofiqlashtiradi. Frameworklar atamani turlicha talqin qiladi. Ba’zilarida model deyarli active record, boshqasida esa alohida domen va repository qatlamiga ega.
UI frameworkdagi view model yoki state model ekranga kerakli holatni tayyorlaydi. Uni database modelini bevosita ekranga chiqarishdan ajratish maxfiy maydon va formatlashni nazorat qiladi.
Machine learning modeli
Machine learning model trening ma’lumotidan o‘rganilgan parametrlar orqali kirishdan chiqishga matematik bog‘lanish hisoblaydi. Linear regression koeffitsiyentlari, decision tree bo‘linishlari yoki neural network weightlari model parametrlaridir. Model arxitekturasi va o‘rganilgan weightlar birga inference xatti-harakatini belgilaydi.
Model fayli trening kodi yoki datasetning o‘zi emas. Uni ishlab chiqarishda ishlatish uchun preprocessing, tokenizer, feature schema va versiya ham kerak bo‘lishi mumkin. Faqat weightni saqlash takrorlanuvchi natija uchun yetarli emas.
Soddalashtirish chegarasi
Har model real dunyoning ayrim tafsilotlarini ataylab tashlab ketadi. Foydalanuvchi nomini bitta satr deb olish bir tizimda yetarli, xalqaro hujjatlarda noto‘g‘ri bo‘lishi mumkin. Model maqsadi va taxminlari hujjatlashtiriladi.
Vaqt o‘tishi bilan domen qoidasi o‘zgarsa, model va saqlangan ma’lumot migratsiya qilinadi. Eski modelni yangi ma’noda talqin qilish tarixiy yozuvni buzishi mumkin. Versiyalash va compatibility shu o‘zgarishni boshqaradi.
Model chegarasini tarjima qilish
Bir bounded contextdagi Customer modeli boshqasidagi ayni nomli model bilan bir xil ma’noga ega bo‘lmasligi mumkin. Billing uchun customer to‘lov subyekti, support uchun murojaat egasi sifatida ifodalanadi. Barcha tizimga bitta ulkan umumiy model majburlansa, mustaqil qoidalar bir-biriga bog‘lanadi. Contextlar API yoki eventda aniq data contract orqali tarjima qiladi. Anti-corruption layer tashqi modelni ichki domen tushunchasiga aylantirib, provider atamalari va o‘zgarishini yadroga tarqalishdan saqlaydi. Bir modelning identifikatori boshqa contextda reference sifatida ishlashi mumkin, ammo uning barcha maydoni nusxalanishi shart emas.
Bog‘liq tushunchalar
domain model, data model, ORM, MVC, machine learning model, schema, abstraction