Articolo del Mese - Novembre 2008

La forza dell'astrazione

by Steve Hoberman

Ricordo che una volta, visitando le sale di un museo di arte moderna, mi fermai davanti a una grande tela dipinta completamente di rosso con un unico punto bianco al centro. Il titolo era “City Skyline” e, per quanto mi sforzassi di girare la testa in ogni direzione, non riuscivo a vedere altro che una grande tela rossa con un punto bianco. Secondo l’autore si trattava della rappresentazione astratta della skyline dettagliata di una città, espressa in forma talmente generica e vaga che poteva rappresentare ugualmente l’immagine di una tigre, una scena estiva su di una spiaggia o qualsiasi altra cosa. L’astrazione è uno strumento che consente all’artista di catturare e rappresentare efficacemente soggetti complessi. Come modellatori di dati, possiamo considerarci artisti e l’astrazione costituisce uno strumento efficace anche a nostra disposizione.
Il modellatore di dati è responsabile non solamente per la rappresentazione delle specifiche di un’applicazione, ma deve anche avere la capacità di prevedere e progettare strutture flessibili in aree nelle quali le specifiche possono cambiare nel futuro prossimo. Esistono alcune rappresentazioni create da noi, come nel caso dei datawarehouse, in cui la flessibilità può costituire la differenza tra il successo e il fallimento dell’intero progetto. Il datawarehouse è un progetto vivente, per il quale ci si aspetta sia in grado di accogliere facilmente nuove specifiche, minimizzando nello stesso tempo le modifiche di progetto che impattano i data mart esistenti. L’astrazione costituisce una tattica molto efficace di progettazione che ho utilizzato negli anni per rispondere a questo bisogno di flessibilità.

Che cos’è l’astrazione?

L’astrazione è un metodo per inserire flessibilità nei vostri modelli di dati logici e fisici, mediante la ridefinizione e combinazione in termini più generici di alcuni degli elementi, entità e relazioni dei dati all’interno dei modelli. L’astrazione è la rimozione dei dettagli in modo da rendere possibile applicare il modello a un vasto insieme di situazioni, preservando nel medesimo tempo le proprietà importanti e la natura essenziale, ovvero gli aspetti peculiari dei concetti o dei soggetti. Rimuovendo questi dettagli, eliminiamo le differenze e quindi cambiamo il modo di considerare tali concetti o soggetti, compresa la visione delle similitudini che non apparivano, oppure non esistevano precedentemente. Per esempio, invece di avere entità separate per clienti e dipendenti, vi possono essere situazioni in cui sarebbe più conveniente considerare l’entità generica ”persona”, raggruppando insieme le due categorie di individui.
Consideriamo un esempio ancora più dettagliato. Immaginiamo che stiate creando un modello di dati per il proprietario di un negozio che noleggia abiti da cerimonia. L’entità clienti nel vostro modello di dati comprende una serie di elementi dei dati relativi a ogni individuo, come:

• Misura del giro vita
• Lunghezza della gamba
• Circonferenza del collo
• Lunghezza del braccio
• Larghezza delle spalle

Il proprietario del negozio è soddisfatto del vostro progetto e la sua applicazione viene sviluppata basandosi su questo modello. Due mesi più tardi, ricevete una telefonata dallo stesso proprietario, che domanda dove può memorizzare il numero delle scarpe corrispondente al piede di ogni cliente. In risposta, spiegate che non è possibile, in quanto non era previsto dalle specifiche concordate. Dopo un lungo silenzio, il vostro interlocutore aggiunge che la sua attività si sta espandendo e che molti dei clienti che noleggiano un abito da cerimonia richiedono anche un paio di scarpe adatte. A questo punto, gli spiegate quanto gli costerebbe in termini di tempo e di denaro l’inserimento di questa modifica nella sua applicazione. Ancora un lungo silenzio e la conversazione termina bruscamente con il click della persona che ha riattaccato il telefono sicuramente con rabbia.
Vediamo adesso uno scenario più brillante. Immaginiamo che consideriate l’insieme degli elementi dei dati relativi alle misure della gamba, cintura, collo, braccio e spalle come la descrizione dell’abito adatto a ciascuna persona. Invece di memorizzare ogni misura come un singolo elemento di dati, astraendo questo concetto create nel vostro modello solamente due elementi di dati:

• Misure del cliente
• Tipo delle misure del cliente

L’elemento Misure del cliente contiene ogni tipo di misura dimensionale sotto forma numerica:

• 42
• 17 ½
• 34

e ciascuno di questi valori numerici sarà associato a un tipo di misura corrispondente, memorizzato nell’elemento dedicato al tipo delle misure. Per esempio:

• 42 = lunghezza del braccio
• 17 ½ = dimensione del collo
• 34 = lunghezza della gamba

Ogni cliente può avere una o più misure. In questo modo, quando riceviamo la telefonata dal proprietario del negozio che richiede l’inserimento del numero delle scarpe, aggiungeremo semplicemente una nuova riga “Numero delle scarpe” nell’elemento Tipo delle misure del cliente. Questo consentirà al negoziante di inserire immediatamente la misura relativa ai singoli clienti, proprio nell’elemento Misure del cliente. Questa flessibilità di progettazione ci ha consentito di supportare senza sforzo l’inserimento di una nuova specifica nel nostro modello.

I benefici dell’astrazione

L’astrazione offre i seguenti benefici.
Fornisce una maggiore flessibilità. Questo è il beneficio principale dell’astrazione. Ci mette in grado di progettare le nostre strutture in modo da gestire meglio le aree sconosciute. Possono manifestarsi nuove situazioni che non potevamo anticipare originariamente e, se useremo l’astrazione, queste situazioni richiederanno pochi cambiamenti al nostro modello di dati, mantenendo così intatti sia il database che la codifica.
Riduce i tempi di analisi e di progettazione. Una volta acquisita una buona familiarità con l’astrazione, possiamo applicarla alle aree del nostro modello prima di completare un’analisi finale delle specifiche richieste. Nell’esempio menzionato precedentemente, invece di impiegare un tempo addizionale per inserire tutti i tipi aggiuntivi di misure per la scelta dell’abito da cerimonia, possiamo definire semplicemente quelle fisiche e il tipo di elementi dei dati, coprendo così automaticamente tutte le misure possibili all’interno del vostro modello.

I costi dell’astrazione

L’astrazione può sembrare la panacea universale per risolvere ogni problema, da un semplice raffreddore alla pace nel mondo (una piccola esagerazione). Ma i suoi benefici hanno un prezzo.
Nasconde i concetti dell’impresa nel modello. Quando, nel nostro modello dei dati, disponiamo unicamente delle misure numeriche e dei nomi dei tipi di misure, non siamo più in grado di vedere immediatamente le misure sartoriali di un determinato cliente. La lunghezza del braccio del cliente non costituisce più un elemento dei dati che possiamo identificare e comprendere direttamente, ma rappresenta solo un valore contenuto all’interno dell’elemento dati Misure numeriche. Applicando l’astrazione, perdiamo la denominazione effettiva del singolo elemento dati, anche se il modello dei dati contiene comunque l’informazione. Queste misure divengono quindi valori grezzi invece di elementi dati individuali. Sei mesi dopo aver creato il modello dei dati per gli abiti da cerimonia applicando l’astrazione, qualcuno potrebbe chiedere: «Che cosa significa tipo delle misure?». Quello che era sembrato una grande idea al momento della creazione del modello dei dati, sei mesi più tardi potrebbe apparire meno comprensibile. Perciò, esiste un’attività che dobbiamo compiere in maniera sempre più rigorosa rispetto al passato. Dobbiamo necessariamente creare definizioni molto precise e accurate.
Induce all’indulgenza. Un eccesso di astrazione può portarci a concepire un progetto totalmente incomprensibile e senza senso e quindi impossibile da sviluppare. Per esempio, continuiamo a spingere l’astrazione nel modello delle misure per gli abiti da cerimonia. Alla fine, ci troveremo con un’entità singola, denominata “Oggetto” con una relazione ricorrente, come mostrato nella Figura 1. Immaginate la forza di questa entità! Infatti, potremmo rappresentare l’intera applicazione Crm (Customer relationship management), per la gestione completa delle relazioni con i clienti, utilizzando quest’entità unica! Tuttavia, pensate ora di come spiegare questo modello a qualcuno dell’impresa che debba utilizzarlo. E’ evidente che il concetto di “Oggetto” costituisce una certa esagerazione ma, nella mia esperienza, ho visto un modello di dati nel quale l’astrazione era stata spinta al punto che era difficile comprenderne le relazioni con l’attività dell’impresa. Naturalmente, risultava altrettanto difficile gestire le attività dell’impresa utilizzando questo modello.

Figura 1 – L’astrazione “Oggetto”

Allunga i tempi di sviluppo. Anche se possiamo diminuire i tempi di analisi e di progettazione utilizzando l’astrazione, per contro saranno più lunghi i tempi di sviluppo. Infatti, ci vuole più tempo per definire la logica e scrivere la codifica a fronte di dati grezzi piuttosto che usando tabelle di dati completamente definiti. Nel nostro esempio precedente, sarebbe più complesso e prenderebbe più tempo scrivere la codifica per inserire o per ritrovare le informazioni relative agli elementi dati definiti come Misure e Tipi di misura, rispetto all’avere a disposizione tabelle di elementi specifici di misura. Saranno anche necessarie strutture di interrogazione maggiormente complesse.
Incrementa la difficoltà e la complessità del reporting. Esistono oggi sul mercato alcuni strumenti di reporting che presentano serie difficoltà, quando non risulti addirittura impossibile, per estrarre i dati da strutture astratte. Esistono diversi casi nei quali ho introdotto l’astrazione nei modelli logici e fisici dei dati, per essere poi costretto a tornare indietro su questa decisione a causa degli strumenti di reporting disponibili, oltre che dei linguaggi di interrogazione in generale, che avevano difficoltà a ritrovare le informazioni all’interno di tali strutture.