Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda 9. Előadás tartalma Függőségek vetítése. Normalizálás Normálformák. A relációs adatmodellt.

Hasonló előadás


Az előadások a következő témára: "Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda 9. Előadás tartalma Függőségek vetítése. Normalizálás Normálformák. A relációs adatmodellt."— Előadás másolata:

1 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda 9. Előadás tartalma Függőségek vetítése. Normalizálás Normálformák. A relációs adatmodellt először E. F. Codd határozta (Codd 1970). Ő vezette be a normalizált reláció kifejezést. Amikor megalkotta a relációs modellt, 13 szabályt adott meg a relációk táblákkal való bemutatására. 1

2 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda Egy relációban az attribútumok közötti függőségek generálhatnak olyan többletinformációt, amit redundanciának nevezünk. Ezek anomáliákhoz vezetnek. A beszúrási, törlési és módosítási anomáliákat ki tudjuk küszöbölni azzal, hogy a kiinduló relációt (táblát) több táblára bontjuk fel. Ezen táblák felbontását úgy végezzük el, hogy a táblák összekapcsolásából visszakaphassuk az eredeti relációt. Általában idegen kulcsok és gyenge egyedhalmazok (gyenge relációk) keletkezése történik, vagy éppen kapcsolat-relációk (ld. Egyed/Kapcsolat modell). 2

3 3

4 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda A normálforma: Tábla újrarendezése a benne levő funkcionális függőségek alapján Funkcionális függőség: A→B, ha ismerjük egy (vagy több) tulajdonság értékét, akkor ebből meg tudjuk határozni egy másik tulajdonság értékét Többértékű függőség: A→→B Ha ismerjük egy (vagy több) tulajdonság értékét, akkor mindig meg tudjuk határozni egy másik tulajdonság értékeinek HALMAZÁT. Pl: Ha tudom egy tanár nevét, akkor meg tudom határozni a tanítványainak a névsorát. 4

5 5 Funkcionális függőségek vetítése R reláció egy S funkcionális függőséghalmazzal, ahol elkészít- jük R egy vetítését: R 1 =π L (R) R néhány attribútumára. Milyen függőségek állnak fel R 1 -ben? S funkcionális függőségeinek vetítése adja meg, amelyek: a)S-ből levezethetők b)csak R 1 attribútumait tartalmazzák. R 1 funkcionális függőségeinek kiszámítási ideje legrosszabb esetben az R 1 -beli attribútumok számának exponenciális függvénye (Ullman) Funkcionális függőségek vetítése R reláció egy S funkcionális függőséghalmazzal, ahol elkészít- jük R egy vetítését: R 1 =π L (R) R néhány attribútumára. Milyen függőségek állnak fel R 1 -ben? S funkcionális függőségeinek vetítése adja meg, amelyek: a)S-ből levezethetők b)csak R 1 attribútumait tartalmazzák. R 1 funkcionális függőségeinek kiszámítási ideje legrosszabb esetben az R 1 -beli attribútumok számának exponenciális függvénye (Ullman)

6 6 BEMENET: R, R 1 (az R vetítése), S függőséghalmaz R-ben KIMENET: Az R 1 -ben fennálló funkcionális függőségek (FF) halmaza 1.Legyen T a végül előálló FF-ek halmaza. Kezdetben üres. 2.Minden olyan X attribútumhalmazra, amely R 1 része, számítsuk ki az X + -t. Adjuk hozzá T-hez az összes nem triviális függőséget, amelyek X→A formátumúak, ahol A eleme az X + és az R 1 attribútumhalmaznak is. 3.Ezután a kapott T bázisa az R 1 -beli funkcionális függőségeknek, de nem biztos a minimalitás. a)Ha szerepel F funkcionális függőség, amely más T-beli függőségekből következik, akkor töröljük a T halmazból b)Y→B egy T-beli funkcionális függőség, ahol Y legalább két attribútumot tartalmaz, és legyen Z az a halmaz, amelyet úgy kapunk, hogy Y-ból egy attribútumot elhagyunk. Ha Z→B függőség következik a T-beli funkcionális függőségekből (beleértve Y→B), akkor cseréljük ki Y→B-t Z→B-re. BEMENET: R, R 1 (az R vetítése), S függőséghalmaz R-ben KIMENET: Az R 1 -ben fennálló funkcionális függőségek (FF) halmaza 1.Legyen T a végül előálló FF-ek halmaza. Kezdetben üres. 2.Minden olyan X attribútumhalmazra, amely R 1 része, számítsuk ki az X + -t. Adjuk hozzá T-hez az összes nem triviális függőséget, amelyek X→A formátumúak, ahol A eleme az X + és az R 1 attribútumhalmaznak is. 3.Ezután a kapott T bázisa az R 1 -beli funkcionális függőségeknek, de nem biztos a minimalitás. a)Ha szerepel F funkcionális függőség, amely más T-beli függőségekből következik, akkor töröljük a T halmazból b)Y→B egy T-beli funkcionális függőség, ahol Y legalább két attribútumot tartalmaz, és legyen Z az a halmaz, amelyet úgy kapunk, hogy Y-ból egy attribútumot elhagyunk. Ha Z→B függőség következik a T-beli funkcionális függőségekből (beleértve Y→B), akkor cseréljük ki Y→B-t Z→B-re.

7 7 R(A,B,C,D) reláció és A→B, B→C és C→D FF-ek. Keressük R1(A,C,D) reláció FF halmazát Elvileg {A,C,D} mind a 8 részhalmazát kellene vizsgálni 1.Az üres, vagy a minden attribútumot tartalmazó halmaz lezárása nem vezet nem triviális függőséghez 2.Ha X halmaz lezárása tartalmazza az összes attribútumot, akkor nem tudunk újabb FF-hez jutni az X szuperhalmazai-nak lezárásával. {A} + ={A,B,C,D}, azaz A→C és A→D fennáll R1-ben. {C} + ={C,D}, amelyből következik a C→D {D} + ={D} {A} szuperhalmazaival nem kell foglalkozni a 2 pont szerint Egyetlen 2 elemű halmaz {C,D}+={C,D}. A megtalált FF-ek: A→C, A→D és C→D. Tranzitivitás miatt kiküszöbölhetjük az A→D FF-et Maradtak: A→C és C→D FF-ek. R(A,B,C,D) reláció és A→B, B→C és C→D FF-ek. Keressük R1(A,C,D) reláció FF halmazát Elvileg {A,C,D} mind a 8 részhalmazát kellene vizsgálni 1.Az üres, vagy a minden attribútumot tartalmazó halmaz lezárása nem vezet nem triviális függőséghez 2.Ha X halmaz lezárása tartalmazza az összes attribútumot, akkor nem tudunk újabb FF-hez jutni az X szuperhalmazai-nak lezárásával. {A} + ={A,B,C,D}, azaz A→C és A→D fennáll R1-ben. {C} + ={C,D}, amelyből következik a C→D {D} + ={D} {A} szuperhalmazaival nem kell foglalkozni a 2 pont szerint Egyetlen 2 elemű halmaz {C,D}+={C,D}. A megtalált FF-ek: A→C, A→D és C→D. Tranzitivitás miatt kiküszöbölhetjük az A→D FF-et Maradtak: A→C és C→D FF-ek.

8 Normálformák Az adatmodellezés egyik fő célja az optimalizálás, vagyis az adatmodellt alkotó egyedtípusok lehető legjobb szerkezetének a megkeresése. A normalizálás az a folyamat, amellyel kialakítjuk a relációk normálformáját. A normálformák: 1NF, 2NF, 3NF, BCNF, 4NF, 5NF, egymásba skatulyázottak, logikusan egymásra épülnek. 8

9 Első normál forma (1NF) Értelmezés: Egy R reláció 1NF –ban van, ha az attribútumoknak csak elemi (nem összetett vagy ismétlődő) értékei vannak. Nincsenek ismétlődő csoportok és minden oszlop SKALÁRIS. Nincsenek TÖBÖK, Kapcsolt Listák, Beágyazott Táblák és rekordszerkezetek. Példa egy olyan relációra, mely nincs 1NF-ben: SzemSzámNévCímGyerek1SzülDát1…Gyerek5SzülDát5 HelységUtcaSzám Alkalmazottak: 9

10 1NF-re alakítás 1.Összetett attribútum esetén: az összetett attribútum helyett beírjuk az azt alkotó elemi attribútumokat. 2.Ismétlődő attribútum esetén felbontjuk két relációra: az egyik relációban a kulcs attribútum mellett az ismétlődő attribútumok (csak egyszer) fognak szerepelni, a másikban pedig a kulcs mellett azon attribútumok melyek nem ismétlődőek Példa: Alkalmazott (SzemSzám, Név, Helység, Utca, Szám) AlkalmGyerekei (SzemSzám, GyerekNév, SzülDátum) Ebben az esetben látjuk, hogy az alkalmazott gyerekeinek nyilvántartása egy olyan relációba kerül, amelyik gyenge egyedhalmazként definiálható az Egyed/Kapcsolat modellben. 10

11 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda Parciális függőség: Ha X és Y oszlopok és X kulcs, akkor bármely Z-re, amely részhalmaza X-nek igaz, hogy Z nem határozhatja meg funkcionálisan Y-t A második normálforma (2NF) Egy második normálformában levő tábla úgy jellemezhető, hogy NEM tartalmaz parciális függőségeket. A6A5A4A3A2A1 Ha {A1,A2} KULCS, akkor ez a reláció NINCS 2NF-ben mert A2→A3 11

12 SzállIDSzállNévSzállCímÁruIDÁruNévMértEgysÁr 111RolicomA.Iancu 1545Milka csokitábla Sorex22 dec. 645Milka csokitábla RolicomA.Iancu 1567Heidi csokitábla RolicomA.Iancu 1556Milky wayrúd Sorex22 dec. 667Heidi csokitábla Sorex22 dec. 656Milky wayrúd22500 A reláció kulcsa {szállID,ÁruID} Nincs 2NF-ben, mert SzállID→{SzállNév, SzállCím} ÁruID→{ÁruNév, MértEgys} {SzállID,ÁruID}→Ár Varga Ibolya példája 12

13 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda Definíció: Egy R reláció akkor és csakis akkor van 2NF- ben ha R 1NF-ben van és minden nem-kulcs attribútuma funkcionálisan függ a kulcstól és csakis a kulcstól. A relációkat 2NF-ra olyan formán hozzuk, hogy megkeressük az összes lehetséges kulcsot, majd annál amelyiket kiválasztottuk elsődleges kulcsként megvizsgáljuk az összes PARCIÁLIS függőséget, majd ezeket külön relációkba tesszük. A kapott relációkban is megvizsgáljuk ugyanazt. 13

14 Az R(A) relációt felbontjuk két relációra, melyek sémái: T(D, B) és S(A-B) Első lépésben B = {SzállNév, SzállCím}, D = {SzállID}. Felbontás után kapjuk: Szállítók (SzállID, SzállNév, SzállCím) SzállInf (SzállID, ÁruID, ÁruNév, MértEgys, Ár) nincs 2NF- ben, mert ÁruID→{ÁruNév, MértEgys}parciális kulcsfüggőség Továbbá S(X) felbomlik U(C,E) es V(X-E) E= {ÁruNév, MértEgys}, C= {ÁruID}, X-E={SzállID, ÁruID,Ár} Áruk (ÁruID, ÁruNév, MértEgys), Szállít (SzállID, ÁruID, Ár). 14

15 Szállítók: SzállIDSzállNévSzállCím 111RolicomA.Iancu Sorex22 dec. 6 Áruk: ÁruIDÁruNévMértEgys 45Milka csokitábla 67Heidi csokitábla 56Milky wayrúd Szállít: SzállIDÁruIDÁr

16 Harmadik normálforma 3NF (a nem kulcs attribútumok közötti függőség) Definíció: Egy R reláció harmadik normál formában van, ha második normál formában van és nem tartalmaz Y->B alakú tranzitív funkcionális függőséget, ahol B nem prim attribútum. Definíció: Egy tábla 3NF-ben van, ha minden X→Y, ra ahol X és Y a tábla oszlopai X kulcs, vagy Y része egy kulcsnak. Értelmezés: Minden olyan oszlop, amely nem kulcs, meghatározható a kulccsal, az egész kulccsal és csak a kulccsal. Magyarázat a 3NF-hez: Nincsenek benne TRANZITÍV függőségek X→Y és Y→Z 16

17 CímÉvHosszműfajstúdióNévstúdióCím Csillagok háborúja sci-fiFoxHollywood Kutyahideg drámaDisneyBuena Vista Wayne világa199295vígjátékParamountHollywod Cím év→stúdióNév stúdióNév→stúdióCím Tranzitivitás miatt következik Cím év→stúdióCím 17

18 CímÉvHosszműfajstúdióNév Csillagok háborúja sci-fiFox Kutyahideg drámaDisney Wayne világa199295vígjátékParamount stúdióNévstúdióCím FoxHollywood DisneyBuena Vista ParamountHollywood 18

19 A tanárok, hallgatók, osztálytermeket leíró adatbázis a következő képpen nézhet ki: Kurzustartas(kurzusID, szakID, profID, terem, teremméret, időpont) Kurzusfelvétel(Törzsszám, kurzusID, évfolyam) Hallgató(törzsszám, név, főszak) Professzor(profID, név, tanszék, fokozat) Kurzus(kurzusID, megnevezés) {kurzusID,szakID}→terem terem→teremméret A Kurzustartas a következő relációkra bontható, hogy 3NF-ben legyen Terem(teremID, teremméret) Kurzustartas(kurzusID, szakID, profID, teremID, időpont) 19

20 Boyce-Codd normálforma (BCNF) Egy tábla BCNF-ban van, ha minden nem triviális (X→A) funkcionális függőségre X szuperkulcs az egész sémára nézve. Minden nem triviális függőség bal oldalának szuper- kulcsnak kell lennie. Ekvivalens def.: R reláció BCNF-ben van akkor és csak akkor, ha bármikor fenáll az R-ben az A1A2..An→B1B2...Bm nem triviális függőség, akkor az {A1,A2...An} halmaz R szuperkulcsa kell legyen 2 attribútumból álló reláció BCNF-ben van. Akkor bontsunk minden relációt 2 tagra ?????!!!!!! Ez sem működik, mivel nem biztos, hogy a relációk összekapcsolásából vissza tudjuk kapni az eredeti relációt. 20

21 Boyce-Codd normálformájú felbontás Bármely relációsémát fel tudunk bontani az attribútumaiból álló részhalmazok összességére, amelyre az alábbi fontos tulajdonságok teljesülnek: 1.Ezek a részhalmazok BCNF-ben levő relációsémák 2.A felbontott relációkból összekapcsolásokon keresztül vissza lehet állítani az eredeti relációt. Felbontási stratégia: Felveszünk egy A1A2..An→B1B2...Bm nem triviális funkcionális függőséget, amelyik megsérti a BCNF-t, azaz {A1,A2…An} nem szuperkulcs. 21

22 22 BCNF dekompozíció algoritmusa R relációra és S függőségi halmazra alkalmazható rekurzívan. Kezdetben R=R 0 és S=S 0. 1.Ellenőrizzük, R BCNF-ben van-e. Ha igen, kész. 2.Ha vannak BCNF – t megsértő függőségek, pl. X→Y. Kiszámítjuk X + -t. Legyen R 1 =X + az egyik relációséma, R 2 -ben legyenek benne az X attribútumai és azok az R-beli attribútumok, amelyek nincsenek az X + -ban. 3. Használjuk az algoritmust az R 1 és R 2 függőségeinek meghatározásához, melyek S 1 és S Rekurzívan bontsuk fel R1-et és R2-t ennek az algoritmusnak a használatával. A végeredmény a dekompozíciók uniója lesz.

23 ABC Nem teljesül a B→C funkcionális függőség AB B C R vetítései az {A, B} és {B, C} sémájú relációkra ABC Kaptunk 2 hamis sort is, mivel a B mindkét sorban 2 volt. 23

24 Az előzőleg normalizált (3NF-re hozott) tabla NINCS BCNF- ben. Kurzustartas(kurzusID, szakID, profID, teremID, időpont) Mivel 1 tanár 1 időben NEM tarthat órát 2 teremben, érvényes a következő funkcionális függőség (teremID, időpont)→(kurzusID, szakID, profID) Mivel a bal oldal NEM szuperkulcs, ezért a következő lehetőségeink vannak: 1.UNIQUE-nek definiáljuk a (teremID, időpont) párost 2.A relációt felbontjuk a következő relációkra TeremBeosztás(teremID, időpont, kurzusID) Kurzustartás(kurzusID, szakID, profID ) 24

25 25 {filmcím, év, stúdióNév, elnök, elnökCím} Feltételezzük a következő funkcionális függőségeket: filmcím, év→stúdióNév(1)stúdióNév→elnök(2) elnök→elnökCím(3)jobb oldalon nincs filmcím és év (2) és (3) megsértik a BCNF-t. {filmcím,év} + =(1){filmcím,év,stúdióNév} + =(2){filmcím,év, stúdióNév,elnök} + =(3){filmcím,év,stúdióNév,elnök,elnökCím} stúdióNév→elnök (3) stúdióNév→elnök, elnökCím {filmcím, év, stúdióNév}{stúdióNév, elnök, elnökCím} Az első relációban filmcím, év→stúdióNév áll fenn, BCNF A második relációban stúdióNév a kulcs stúdióNév→elnök elnök→elnökCím – megszegi a BCNF feltételt {filmcím, év, stúdióNév} {stúdióNév, elnök} {elnök, elnökCím}

26 Sziklaszilárd Bank tárolja a nála vezetett számlák adatait, a számláknál a következő információkat vesszük figyelembe: Ügyfél Adatok (személyi szám, név, cím, státus), Számlaszám, Egyenleg. A számlák lehetnek betéti számlák és folyószámlák. Az ügyfeleknek tetszőleges számlájuk lehet. A számlaszámok teljes mértékben azonosítanak egy számlát. Egy számla több ügyfélhez is tartozhat Minden ügyfél rendelkezik egyedi személyi számmal Az egyes számlákat a bank egy meghatározott fiókja vezeti A fiókok adatai: FiókNév, Cím és Fiókvezető Két bankfióknak nem lehet ugyanaz a neve 26

27 1NF: BankFiók(Fióknév, cím, vez_szám, számlaszám, egyenleg, tipús) Ügyfél(személyiszám, név, cím, státus, számlaszám) 2 NF fióknév→fiókcímfióknév→vezérszám fióknév→fiókcím,vezérszám számlaszám→egyenlegszámlaszám→tipús számlaszám→egyenleg, tipús számlaszám→Fióknév, fiókCím, vez_szám BankFiók(Fióknév, cím, vez_szám, számlaszám, egyenleg, tipús) 2 NF-ben van, mert a többi attribútum mind függ a számlaszámtól személyiszám→név, cím, státus 27

28 Ügyfél(személyiszám, név, cím, státus, számlaszám) személyiszám→név, cím, státus Az ügyfél reláció felbontása, hogy megfeleljen a 2NF-nek Ügyfél1(személyiszám, név, cim, státus) Ügyfél2(személyiszám, számlaszám) 3 NF BankFiók(Fióknév, cím, vez_szám, számlaszám, egyenleg, tipús) Fióknév→(Cím, vez_szám)tranzitív függőség áll fenn (számlaszám)→Fióknév→(Cím, vez_szám) ezért felbontjuk BankFiók1(Fióknév, Cím, vez_szám) BankFiók2(számlaszám, egyenleg tipús, Fióknév) 28

29 Többértékű függőségek: Az attribútumfüggetlenségből származó redundancia NévVárosUtcaCímÉv C. FisherHollywoodMaple St. 123Csillagok háborúja1977 C. FisherMalibuLocust Ln. 5Csillagok háborúja1977 C. FisherHollywoodMaple St. 123A birodalom visszavág1980 C. FisherMalibuLocust Ln. 5A birodalom visszavág1980 C. FisherHollywoodMaple St. 123Jedi visszatér1983 C. FisherMalibuLocust Ln. 5Jedi visszatér1983 Többértékű függőség: A→→B Ha ismerjük egy (vagy több) tulajdonság értékét, akkor mindig meg tudom határozni egy másik tulajdonság értékeinek HALMAZÁT. 29

30 SzínészLakhely(név, város, utca, filmcím, gyártév) Reláció felbontása, hogy 4NF-ben legyen Lakcímek{név, város, utca} Szereplő{név, cím, év} NévVárosutca C.FisherHollywood Maple St. 123 C.FisherMalibu Locust Ln. 5 NévCímÉv C.FisherCsillagok háborúja 1977 C.FisherA birodalom visszavág 1980 C.FisherJedi visszatér

31 HSZÁMHNÉVTANFSZ ÁM TANFNÉVELŐADÓ 1J.Smith1264Francia 1. J. LeClerc 4S. Abdul1564Spanyol 3. F.Rodriguez 7K. Chan1264Francia 1. J. LeClerc 11J. Jones1265Francia 2. 13M. Jones1265Francia 2. 16K. Saunders1264Francia 1. J. LeClerc 18J. Ngugih1265Francia 2. tanfszám→tanfnév, előadó hszám→hnév 31

32 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda HSZÁMHNÉVTANFSZ ÁM 1J.Smith1264 4S. Abdul1564 7K. Chan J. Jones M. Jones K. Saunders J. Ngugih1265 TANFS ZÁM TANFNÉVELŐADÓ 1264Francia 1.J. LeClerc 1265Francia Francia 3.P.Simpson 1562Spanyol 1.K.Lopez 1563Spanyol 2.K.Lopez 1564Spanyol 3.K.Rodrigues 32

33 Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda Összefoglaló kérdések 1.1NF 2.1NF-re alakítás 3.Parciális függőségek 4.2 NF definició 5.2NF-re való hozás 6.3NF definíció 7.Boyce-Codd normálforma 8.Sziklaszilárd bank adatbázisának normalizálása 33


Letölteni ppt "Sapientia - Erdélyi Magyar Tudományegyetem (EMTE) Csíkszereda 9. Előadás tartalma Függőségek vetítése. Normalizálás Normálformák. A relációs adatmodellt."

Hasonló előadás


Google Hirdetések