DatabázeLogický model DB
David Hoksza
http://siret.cz/hoksza
Osnova
• Relační model dat
• Převod konceptuálního schématu do logického
• Funkční závislosti
• Normalizace schématu
• Cvičení – převod do relačního modelu
Relační logický model - neformálně(1)• 1974 - E. F. Codd
• reprezentace objektů konceptuálního schématu pomocí (matematických) relací (lze reprezentovat tabulkou) + dotazovací jazyk (relační kalkul, relační algebra)• entitní (vztahový) typ → relace (tabulka)• atribut → atribut relace definované domény (sloupec)• entita (vztah) → n-tice (řádek tabulky)
• schéma relace (tabulky)• T(S1:T1, …, Sn:Tn) – T = tabulka, Si = sloupec i, Ti = datový typ sloupce i
• schéma DB• schémata všech tabulek v DB + případná integritní omezení
Relační logický model (neformálně) - příklad
spz majitel rok_vyroby znacka
1A3 3040 Petr Novák 1980 Ford
ANE 0689 Aleš Vomáčka 2005 Honda
1T8 1230 Josef Novotný 2000 Honda
2B1 3491 Karel Vodrážka 2005 Škoda
automobil(spz:string, majitel:string, rok_vyroby:integer, znacka:string)
Relační logický model -neformálně (2)
• Narozdíl od tabulky, relace neobsahují duplicitní entice, tj. přesné mapování by vyžadovalo, aby každá tabulka měla jednoznačný identifikátor
• Množina sloupců jednoznačně identifikující řádky tabulky se nazývá nadklíč
• Nadklíč s nejmenším počtem sloupců se nazývá klíč• klíčů může být více
• Množinu sloupců, které jsou klíčem v jiné tabulce nazýváme cizí klíč• realizace vztahů mezi entitami
• Relační model nezná pojem NULL (neznámé/nevyplněné) hodnoty• lze zavést metahodnotu NULL
Cizí klíč - princip
spz majitel rok_vyroby znacka
1A3 3040 Petr Novák 1980 Ford
ANE 0689 Aleš Vomáčka 2005 Honda
1T8 1230 Josef Novotný 2000 Honda
2B1 3491 Karel Vodrážka 2005 Škoda
znacka zeme
Ford USA
Honda JP
Škoda CZ
automobil(spz:string, majitel:string, rok_vyroby:integer, znacka:string)
vyrobce(znacka:string, zeme:string)
klíč
cizí klíč
automobil(znacka) ⊆ vyrobce(znacka)
Relační model (formálně)• relace
• 𝑹 ⊆ 𝑫𝟏 ×⋯×𝑫𝒏 𝐷𝑖 … doména (datový typ) 𝑖
• databázové rozšíření pojmu relace• 𝑹(𝑨𝟏: 𝑫𝟏, … . , 𝑨𝒏: 𝑫𝒏)
• Relace 𝑅 nad množinou atributů 𝐴1, … , 𝐴𝑛 z domén 𝐷1, … , 𝐷𝑛• zjednodušeně 𝑹 𝑨𝟏, … . , 𝑨𝒏
• dále budeme používat zjednodušený relační model k popisu principů převodu konceptuálního schématu do relačního
• formální vs. neformální• schéma relace – schéma (struktura/záhlaví) tabulky• relace – tabulka (data)• doména – datový typ sloupce• prvek relace – řádek tabulky
Realizace vazeb – kardinalita 1:1
linkaridic(cislo, start, cil, …, id, jmeno, rok_narozeni, …)
• V 1:1 kardinalitě může libovloný z klíčů účastnících se entit být klíčem výsledného relačního schématu
linka(cislo, start, cil, …, id),
ridic(id, jmeno, rok_narozeni, …)
• při nepovinné účasti je třeba zvláštní relaci pro řidiče, který ve vztahu být nemusí
Realizace vazeb – kardinalita 1:1
linka(cislo, start, cil, …)
linkaridic(cislo, id)
ridic(id, jmeno, rok_narozeni, …)
• při nepovinné účasti obou entit je třeba vytvořit novou relaci, protože každý objekt v jedné entitě může existovat nezávisle na objektu v entitě druhé
• protože jsou kardinality na obou stranách 1, tvoří každý z cizích klíčů ve spojovací relaci klíč v této relaci
Realizace vazeb– kardinalita 1:N
linka(cislo, start, cil, …)
ridic(id, jmeno, rok_narozeni, cislo)
• Kardinalitu N zajišťuje cizí klíč cislo v relaci ridic, kde nehraje roli klíče (atribut není podtržen), na rozdíl od (0,1):(1,1) situace
• Parcialitu na N straně nejsme schopni v základním relačním modelu zajistit, proto ke 2 ER schématům máme 1 relační schéma
Realizace vazeb– kardinalita 1:N
linka(cislo, start, cil, …)
linkaridic(cislo, id)
ridic(id, jmeno, rok_narozeni)
• Parcialitu na 1 straně zajistíme vložením spojovací relace, která bude mít idjako klíč. Výsledek je podobný jako (0:1):(0:1) až na nejednoznačnost atributu cislo ve spojovací relaci
• Parcialitu na N straně nejsme schopni v základním relačním modelu zajistit, proto ke 2 ER schématům máme 1 relační schéma
Realizace vazeb– kardinalita M:N
• Ve vztahu M:N nejsmeschopni v relačním modelu zajistit parcialitu, neboť každý objekt jedné entity muže být ve vztahu s více objekty druhé entity → nutnost spojovací relace
• Klíčem ve spojovací relaci nemůže být ani jeden z cizích klíčů, nýbrž klíč musí tvořit oba cizí klíče najednou
linka(cislo, start, cil, …)
linkaridic(cislo, id)
ridic(id, jmeno, rok_narozeni)
Funkční závislost – př. (1)
značení
• RC → JMENO
čtení
• rodné číslo funkčně určuje jméno
• ke každému RČ existuje nejvýše jedno jméno
=
• neexistují 2 záznamy v tabulce řidič se stejným RČ, ale různým jménem
význam
RČ … JMENO …
870226/5385 … Karel Vomáčka …
890610/1182 … David Mikeš …
880906/5595 … Jan Novák …
870226/5385 … Patrik Nový …
• funkční závislost určuje sémantické vztahy mezi atributy
Funkční závislost – př. (2)
značení
• {START, CIL} →CISLO
čtení
• Start a cílfunkčně určuje číslo
• ke každému startu a cíli existuje nejvýše jedno číslo
=
• neexistují 2 záznamy v tabulce linka se stejným startem a cílem, ale různým číslem
význam
CISLO … START CIL …
106 … Kavkazská Nádraží Braník …
203 … Kačerov Vavřenova …
308 … Kavkazská Nádraží Braník …
205 … Zemanka Komořany …
Funkční závislost – formálně• Funkční závislost (FZ) je funkce mezi doménami atributů
• FZ je typem integritního omezení, tj. vymezuje jaká datamohou být v DB uložena, případně vymezuje vztahy mezi nimi
Funkční závislost (FZ) 𝑋 → 𝑌 nad schématem 𝑅(𝐴) je parciální zobrazení 𝑓𝑖: 𝑋𝑖 → 𝑌𝑖, 𝑋𝑖 , 𝑌𝑖 ⊆ 𝑨 (kde 𝑖 =1..počet závislostí pro R(A)). Říkáme že n-tice z Xi funkčně určuje m-tici z 𝑌𝑖 a že m-tice z 𝑌𝑖 funkčně závisí na n-tici z 𝑋𝑖.
• Definice:
Funkční závislost a relační model
• relační model lze rozšířit tak, aby bylo možné v něm uchovávat informace o závislostech, tj. u relace nebudeme uchovávat pouze seznam atributů, ale i funkční závislostimezi nimi• R(A, F), kde F = ∪i{fi}
• nadklíč relace NK• NK → A
• klíč relace K• K → A ∧ ∄ K1(K1 → A) : K1⊇ K
• klíčový atribut• atribut z A, který je součástí nějakého klíče (klíčů může být více)
• neklíčový atribut• atribut z A, který není součástí žádného klíče
Návrh funkčních závislostí• modelování funkčních závislostí spadá do procesu funkční analýzy, tj. je třeba jej
učinit ještě před vkládáním dat. To plyne i z faktu, že se jedná o IO, tedy omezuje možné vstupy
• není možné FZ odvozovat ze stávajících dat, nýbrž z přirozených vztahů mezi atributy
ID JMENO NAJETE_KM_ZA_MESIC
ODPRACOVANO_LET
PLAT VEK
1 Petr Malý 412 20 18000 48
2 Jan Vostrý 654 10 19000 35
3 Aleš Nový 412 20 18000 44
4 Petr Berka 128 15 17000 50
• ID → ALL
• JMENO → ALL
• NJKZM → OL
• OL → NJKZM
• {NJKZM, OL} → PLAT
• VEK → VSE
ne vše, co vidíme, v datech obecně platí
Aktualizační anomálie
• mějme relaci
• AUTOBUS(SPZ, NAJETO, …, SOUCASTKA, VYROBCE_SOUCASTKY, …)• součástky uchováváme v relaci s autobusy, tj. má-li autobus 20
součástek, máme 20 řádků pro 1
• příklady aktualizačních anomálií
• změna informace o konkrétním autobusu vyžaduje vícenásobné provedení této změny
• chceme-li odstranit jeden autobus z DB, je třeba to učinit na více místech
• není-li součástka použita v žádném autobusu, informaci o ní ztrácíme• nelze přidat součástku do DB, aniž by nebyla použita v nějakém
autobuse
Normalizace schématu• Normalizace relace
minimalizuje redundanci v datech a tak předchází vzniku aktualizačních anomálií
• Normalizaci lze zajisti dekompozicí (rozdělení jedné relace do více tabulek) tak, aby výsledné schéma splňovalo požadavky dané normální formy (NF)
• 1NF zajišťuje nestrukturovanost dat
• 2NF a 3NF omezují redundanci dat, tj. nutí uživatele dekomponovat schéma
• Další NF, které nejsou v praxi často využívány• BCNF• 4NF• 5NF
• Výhody• Snížení redundance dat → menší
prostorové nároky• Jednodušší aktualizace dat• Zabránění aktualizačním
anomáliím
• Nevýhody• Zpomalení komplexních dotazů
1NF1. tabulka musí reprezentovat relaci v algebraickém smyslu
• atributy vnitřně nestrukturované (žádné vnořené tabulky, nebo složené datové typy, tj. jako domény je třeba užít základní datové typy)
2. neexistence opakujících se skupin
• osoba(id:integer, jmeno:string, datum_narozeni:date, podrizeni:osoba[])
• osoba(id:integer, jmeno:string, datum_narozeni:date)
• osobaosoba(id_pod:integer, id_nad:integer)
• osoba(id:integer, jmeno:string, datum_narozeni:date, tel1:string, tel2:string, tel3:string)
• osoba(id:integer, jmeno:string, datum_narozeni:date)
• osobatelefon(cislo:string, id_osoba:integer)• 1NF odporuje i situace, kdy je pro telefon použit jeden sloupec typu string,
kde jsou telefony odděleny delimitorem
2NF• v DB se nesmí vyskytovat závislost neklíčového atributu NK na vlastní
podmnožině některého klíče K• ∄𝐾𝐾 ⊂ 𝐾:𝐾𝐾 → 𝑁𝐾
• {C_ZIDLE,BUDOVA} → ALL, BUDOVA → ADRESA
• redundance adresy (nebo obecně jakékoli informace závislé na budově)
JMENO C_ZIDLE BUDOVA ADRESA PLAT
Jan Vodnář 58 A Technická 5, Praha 24000
Petr Novotný 58 B Technická 3, Praha 20000
Karel Kolář 2 A Technická 5, Praha 18000
Patrik Nový 23 C Studentská 1, Praha 35000
Aleš Výmola 45 B Technická 3, Praha 28000
není v 2NF
2NF - dekompozice
JMENO C_ZIDLE BUDOVA PLAT
Jan Vodnář 58 A 24000
Petr Novotný 58 B 20000
Karel Kolář 2 A 18000
Patrik Nový 23 C 35000
Aleš Výmola 45 B 28000
BUDOVA ADRESA
A Technická 5, Praha
B Technická 3, Praha
C Studentská 1, Praha
{C_ZIDLE,BUDOVA} → ALL … 2NF
BUDOVA → ADRESA … 2NF
3NF• v DB se nesmí vystkytnout tranzitivní závislost na klíči K
• ∄𝐴, 𝐵:𝐾 → 𝐴 → 𝐵
• JMENO → VSE, PSC → MESTO ⇒ JMENO → PSC → MESTO
• reundance města• může být problematické, když se rozhodneme uchovávat další informace
o městě, např. počet obyvatel
JMENO PSC MESTO PLAT
Jan Vodnář 14200 Praha 24000
Petr Novotný 14200 Praha 20000
Karel Kolář 60200 Brno 18000
Patrik Nový 66434 Kuřim 35000
Aleš Výmola 63900 Brno 28000
není v 3NF
3NF – dekompoziceJMENO PSC PLAT
Jan Vodnář 14200 24000
Petr Novotný 14200 20000
Karel Kolář 60200 18000
Patrik Nový 66434 35000
Aleš Výmola 63900 28000
PSC MESTO
14200 Praha
60200 Brno
66434 Kuřim
63900 Brno
JMENO → ALL … 3NF
PSC→ MESTO … 3NF