0. Pracovní prostředky. Databázové systémy teorie a návrh relačních databázových systémů část I.

Databázové systémy teorie a návrh relačních databázových systémů část I

0. Pracovní prostředky

S jakými prostředky budeme pracovat
Verze 10g

Vytvoření jednotlivých DBO schémat
Vytvoření jednotlivých schémat (USER) probíhá pod zvláštním privilegovaným účtem system

Přihlášení uživatele do vlastního DBO schématu (pú 1)
uzivatelx (x=1-n) heslo

Vnitřní organizace DBO schématu – TEBLESPACES & DATAFILES

Vnitřní organizace DBO schématu - USERS

Jakým způsobem přistupujeme do DBO?
Pro přístup do databáze používáme jednu ze dvou základních možností Oracle Express – HTTP klienta výhodou je přístup odkudkoli pouze z internetového prohlížeče bez nutnosti instalovat DBO klienta nevýhodou je omezená použitelnost HTTP klienta zejména vůči specifickým aplikacím a jejich požadavkům Alternativní možností je využití databázového klienta Oracle výhodou tohoto přístupu je všestrannější možnost využití databáze a propojení s libovolným aplikačním klientem nevýhodou je nutnost instalovat klienta Oracle na konkrétní PC

Podpis databázového schématu (pú 2)
SQL (DSL)> DESCRIBE autor; SQL (DSL)> SELECT * FROM autor; SQL (DML)> UPDATE autor; SET jmeno = ‘jmeno’, prijmeni = ‘prijmeni’, e_mail = ‘adresa’; SQL (DSL)> SELECT * FROM autor (použij „History“)

Základní způsoby práce s DBO
SQL> command line pro zadávání jednotlivých SQL příkazů SQL skript> možnost zadávání sekvencí více SQL příkazů a jejich hromadného spouštění (nejedná se o programy) SQL Query> možnost interaktivního grafického vytváření SQL příkazů prakticky bez znalosti SQL jazyka

I. Všeobecný úvod

Základní rozlišení bází dat
Nestrukturované a částečně strukturované báze dat souborové báze dat orientované na FS, firemní elektronická agenda v různých podobách (dokumenty, tabulky, číselná data) Nerelační báze dat a přechodné formy historické souborové databáze (DBase IV) tabulkově orientované databáze se zárodky relačního přístupu FoxPro 5, Paradox) Relační databázové systémy Oracle, MSSQL Server, MS Access Objektově orientované báze dat XML (….) Objektový databázový koncept (ODC) implementace ODC v současných relačních systémech využití v komunikacích (Queuing)

II. Relační databázové systémy

Charakteristika relačního DS (RDS)
Hlavní požadavky efektivita (HW, SW, Lidské zdroje, rychlé vyhledávání) spolehlivost (bezpečnost dat, stabilita, zabezpečení proti zneužití) implementace relačního modelu Historie teorii relačního modelu zpracoval v 60. Letech Dr. E. F. Codd Axiomy relačního modelu (koncept) data jsou reprezentována v řádcích a sloupcích tzv. relacích všechny hodnoty obsažené v databázi jsou skalární tj. jednotkové neboli atomické operace v databázi se provádí vždy nad celou relací a jejich výsledkem je jiná relace tzv. uzávěr Implementace relací např. MS Access – recordset – množina záznamů např. MS SQL Server – resultset – množina výsledků

Co je relace dat Co není relace dat Co je relace dat
relace dat z hlediska teorie relačních databází nejsou vzájemné vztahy mezi daty (například tabulkami) reprezentované vzájemnými vazbami (referenční integrita); Poznámka: pozor existují také tzv. relace (vztahy) mezi datovými entitami (o těch později) vázané na vztahovou integritu dat, ale to nesouvisí přímo s relační datovou teorií Co je relace dat relace dat na obecné úrovni jsou data uspořádaná do řádků a sloupců (matice) bez ohledu na jejich konkrétní implementaci, s pevně danými datovými buňkami, kde je možno každou jednotlivou datovou hodnotu definovat jako n – tou ve sloupci a m – tou v řádku předpokládá se že jednotlivé hodnoty v datových buňkách mají skalární (atomický) charakter Co je možno provádět s relacemi dat s relacemi dat je možno provádět definované množinové operace (součet množin, kartézský součin, rozdíl množin symetrický a asymetrický apod.) relace dat je možno skládat, propojovat a vytvářet na jejich základě jiné relace dat Typické implementace relací dat tabulka pohled výsledková množina (prezentační množina dat) datový kurzor (množina dat pro aplikační zpracování)

Co je možno provádět s relacemi dat
+ = - = =>

Co je relace dat – příklady (pú 3)
SQL (DSL)> SELECT * FROM student; - plný výpis datové tabulky pomocí divokého znaku SQL (DSL)> SELECT PRIJMENI, JMENO, ULICE, OBEC, PSC FROM student; - částečný výpis atributů datové tabulky SQL (DSL)> SELECT PRIJMENI, JMENO, ULICE, OBEC, PSC FROM student ORDER BY PRIJMENI, JMENO; - částečný výpis atributů datové tabulky tříděný SQL (DSL)> SELECT PRIJMENI || ',' || JMENO || ',' || ULICE || ',' || OBEC || ',' || PSC as ADRESA FROM student ORDER BY PRIJMENI, JMENO;- konverze relace dat do jiné relace dat – nakolik je obsažená hodnota skalární? SQL (DSL)> SELECT ROWNUM, ADRESA FROM (SELECT PRIJMENI || ',' || JMENO || ',' || ULICE || ',' || OBEC || ',' || PSC as ADRESA FROM student ORDER BY PRIJMENI, JMENO); - relace dat vytvořená z jiné relace dat – ROWNUM – klíčová funkce relace dat SQL (DSL)> SELECT * FROM (SELECT ROWNUM as PORADI, ADRESA FROM (SELECT PRIJMENI || ',' || JMENO || ',' || ULICE || ',' || OBEC || ',' || PSC as ADRESA FROM student ORDER BY PRIJMENI, JMENO)) WHERE PORADI IN (1,10,20); - relace 3 řádu – pokus zkuste variantu s aliasovaným ROWNUM druhého řádu a s ROWNUM bez aliasu – pokuste se o vysvětlení tohoto jevu

Obecný koncept RDS Vlastní Databázový systém Myšlenkový (konceptuální)
Aplikace – Uživatelské rozhraní Databázový stroj – není součástí databáze Vlastní Databázový systém Databáze – fyzická implementace databázového schématu Databázové schéma – implementovatelný popis dat. modelu Myšlenkový (konceptuální) prostor problému Datový model – myšlenkový popis daného prostoru problému Prostor problému – definovaná část reálného světa

Možnosti implementace RDS
Databázové stroje - běžné Prostředí pro definici a správu dat Vývoj Front-end aplikací Microsoft Accsess Visual Database Tools Microsoft Query SQL server Enterprise Manager SQL+ Toad Microsoft Accsess Visual Basic C++, C# HTML ASP Java Obj. komp. pro přístup k datům ADO DAO / Jet DAO / ODBC RDO Oracle client BDE, BD express Databázové stroje Microsoft Jet SQL server Oracle

Oracle Express s HTTP klientem
Server Klient

Koncepční implementace datového modelu – databázové objekty
Relace dat (relační koncept) Relační databázový koncept sám o sobě je teoretická koncepce, myšlenkový model. Koncepce implementace RDS Koncepce RDS je ve většině běžných DBO systémů konkretizována implementací tzv. databázových objektů. Databázové objekty jsou nejrůznějšího typu, přesto se v jednotlivých implementacích (Oracle, MS SQL server, DB2, MySQL apod.) do značné míry shodují. Zejména základní databázové objekty RDS systémů jsou velmi obdobné. Datový katalog / katalog DBO objektů Aby bylo možno se vůbec v DBO objektech elementárně vyznat, implementují jednotlivé RDS různou formou tzv. katalogy databázových objektů

Katalog DBO objektů Oracle
Příklady uživatelských pohledů do datového katalogu: user_catalog - všeobecný přehled o datových objektech user_objects - detailní přehled o datových objektech user_tables - všeobecný přehled o tabulkách user_views - všeobecný přehled o pohledech atd… pú 4 – vypište na základě veřejného pohledu do datového katalogu user_objects všechny typy datových objektů, které se vyskytují ve vašem DBO schématu

Hlavní DBO objekty (nejen Oracle)
Typické datové objekty RDS systémů: Základní: TABLE, VIEW, PROCEDURE, TRIGGER, FUNCTION Rozšiřující: INDEX, CONSTRAINT, SEQUENCE (Oracle) Jiné: TEMPORARY TABLE, MATERIALIZED VIEW, FUNCTIONAL INDEX, TYPE

III. Příklad řešeného problému

Všeobecné zadání RDS - příklad
První neupřesněné zadání Je třeba vytvořit evidenci výzkumných úkolů studentů a pedagogů naší vysoké školy. Na škole probíhají výzkumné úkoly různé povahy. Jsou to například vnitřní granty, granty ministerstva školství (MŠMT), bakalářské práce, diplomové práce, postgraduální výzkumné úkoly. Na výzkumných úkolech se podílejí jak studenti tak pedagogové. Studenti se podílejí na výzkumných úkolech jak v rámci prezenční formy studia tak i při kombinovaném a postgraduálním studiu. V praxi je možné, že se student podílí na výzkumu i po ukončení studia, ale pak se obvykle jedná se o zvláštní režim výzkumného úkolu. Na úkolech se podílejí pedagogové všech zařazení (zaměstnanec, externista, práce na dohodu o provedení práce). V praxi není možné, aby se na výzkumném úkolu podílel pedagog který nemá v průběhu úkolu vyřešen pracovně právní vztah k fakultě nebo již tento vztah zanikl. Cílem vytvářené aplikace je získat: operativní přehled o probíhajících projektech, evidenci již dokončených projektů, možnost kontrolovat projekty z hlediska jejich časového průběhu (každý typ projektu má stanoven termín zahájení a maximální délku trvání) a dodržování dalších stanovených pravidel (pravidla pro probíhající projekty viz zvláštní zadání). Jedním z výstupů aplikace by měla být možnost obeslat výzkumníky dle vybraných statusů jejich projektů (termín dokončení ve skluzu, přečerpání přidělených finančních prostředků, dotaz při změně pracovního zařazení nebo ukončení pracovně právního vztahu pedagoga, dotaz na pokračování projektu při změně nebo ukončení formy studia studenty) a to jak formou mailu tak i formou doporučeného dopisu.

IV. Přehled fází realizace projektu z hlediska realizace RDS

Fáze realizace RDS Úvodní studie Procesní analýza Datová analýza
Cíl: co nejlépe běžným jazykem popsat požadavky uživatele a zaznamenat všechny známé okolnosti, které mohou mít vliv na řešení problému Procesní analýza Cíl: co nejlépe s využitím vhodných prostředků pro vizualizaci procesů (CASE, Visio, PowerDesigner) popsat procesy dané organizace které je nutno vzít při řešení , poznámka: u relativně jednoduchých nebo např. historických projektů je možno i v této části ještě využít víceméně prostředky běžného jazyka. Datová analýza Cíl: popsat s využitím vhodných obvykle grafických prostředků nebo prostředků přímo spojených s cílovou databází budoucí datový model RDS na abstraktní úrovni. Implementace datového modelu (back-end) Cíl: přenesení datového modelu do konkrétního prostředí pro realizaci back-end části RDS (implementace vlastní databáze) Implementace aplikace pro přístup k RDS (front-end) Cíl: vytvoření aplikace, která umožní uživateli (nebo jiným systémům) přístup ke vzniklé aplikaci typu RDS

Fáze realizace RDS – zúžený pohled
Úvodní studie Cíl: co nejlépe běžným jazykem popsat požadavky uživatele a zaznamenat všechny známé okolnosti, které mohou mít vliv na řešení problému Procesní analýza Cíl: co nejlépe s využitím vhodných prostředků pro vizualizaci procesů (CASE, Visio, PowerDesigner) popsat procesy dané organizace které je nutno vzít při řešení , poznámka: u relativně jednoduchých nebo např. historických projektů je možno i v této části ještě využít víceméně prostředky běžného jazyka. Datová analýza Cíl: popsat s využitím vhodných obvykle grafických prostředků nebo prostředků přímo spojených s cílovou databází budoucí datový model RDS na abstraktní úrovni. Implementace datového modelu (back-end) Cíl: přenesení datového modelu do konkrétního prostředí pro realizaci back-end části RDS (implementace vlastní databáze) Implementace aplikace pro přístup k RDS (front-end) Cíl: vytvoření aplikace, která umožní uživateli (nebo jiným systémům) přístup ke vzniklé aplikaci typu RDS

V. První fáze řešení problému – analýza požadavku zadavatele

Datová analýza – zavedení pojmů datového modelu
Entita abstraktní kategorie, popisuje cokoli (jakýkoli výsek reality) o kterém v systému potřebujeme uchovávat údaje… silná (regulérní) entita – takový popisovaný výsek reality, který má smysl sám o sobě slabá entita – takový popisovaný výsek reality, který má smysl pouze ve vztahu k nějaké silné entitě Doporučení při odhalování entit v úvodní studii, slovní procesní analýze, slovním zadání: vypsat nebo označit všechna podstatná jména a slovesa pokusit se převést slovesa na podstatná jména (označení) analýza dokumentů a požadovaných výstupů sestavit seznam kandidátů entit rozhodnout o kategorizaci subtypů entit provést kontrolu nadbytečností (redundancí, duplicit a multiplicit) pokusit se o zobecnění tam kde je to možné Pozor, vždy je třeba počítat s tím, že v rámci řešení problému se bude původní seznam entit rozrůstat i zužovat dle nových poznatků a dle zvoleného přístupu k realizaci pů 5 – pokuste se z příkladového zadání vytipovat úplný seznam potenciálních datových entit

Všeobecné zadání RDS – příklad (pú 5)

Všeobecné zadání RDS – příklad (pú 5)
Zadání – zvýraznění kandidáti entit Je třeba vytvořit evidenci výzkumných úkolů |studentů a pedagogů naší vysoké školy. Na škole probíhají výzkumné úkoly různé povahy. Jsou to například vnitřní granty, granty ministerstva školství (MŠMT), bakalářské práce, diplomové práce, postgraduální výzkumné úkoly. Na výzkumných úkolech se podílejí jak studenti tak pedagogové. Studenti se podílejí na výzkumných úkolech jak v rámci prezenční formy studia tak i při kombinovaném a postgraduálním studiu. V praxi je možné, že se student |podílí na výzkumu i po ukončení studia, ale pak se obvykle jedná se o zvláštní režim |výzkumného úkolu. Na úkolech se podílejí pedagogové všech zařazení (zaměstnanec, externista, práce na dohodu o provedení práce). V praxi |není možné, aby se na výzkumném úkolu |podílel |pedagog který nemá v průběhu úkolu vyřešen pracovně právní vztah k fakultě nebo již tento vztah zanikl. Cílem vytvářené aplikace je získat: operativní přehled o probíhajících projektech, evidenci již dokončených projektů, možnost kontrolovat projekty z hlediska jejich časového průběhu (každý typ projektu má stanoven termín zahájení a maximální délku trvání) a dodržování dalších stanovených pravidel (pravidla pro probíhající projekty viz zvláštní zadání). Jedním z výstupů aplikace by měla být možnost obeslat výzkumníky dle vybraných statusů jejich projektů (termín dokončení ve skluzu, přečerpání přidělených finančních prostředků, dotaz při změně pracovního zařazení nebo ukončení pracovně právního vztahu |pedagoga, dotaz na pokračování projektu při změně nebo ukončení formy studia studenty) a to jak formou mailu tak i formou doporučeného dopisu. Doporučení při sestavování seznamu kandidátů: ve fázi vytváření obecného datového modelu pokud možno ignorujte veškerá doporučení zadavatele, která předjímají výsledek analýzy, tato doporučení je možno vzít na vědomí, ale je velmi nevhodné s nimi přímo pracovat, podobná doporučení v textu podtržena, doporučení však mohou obsahovat nové kandidáty

Seznam kandidátů entit
Krok 1 – nezpracovaný seznam entit (dekompozice) podíl pedagogů na úkolech zařazení |zaměstnanec externista práce na dohodu o provedení práce praxi |není možné |výzkumném úkolu |podílel |pedagog |vyřešen pracovně právní vztah termín zahájení VÚ maximální délka trvání VÚ stanovená pravidla (projektů) možnost obeslat výzkumníky statusů |projektů termín dokončení VÚ skluzu VÚ přečerpání finančních prostředků VÚ změna pracovního zařazení ukončení pracovně právního vztahu |pedagoga mailu doporučený dopis výzkumné úkoly (VÚ) studenti pedagogové vysoká škola škole výzkumné úkoly povaha |výzkumného úkolu vnitřní grant grant ministerstva školství bakalářská práce diplomová práce postgraduální výzkumný úkol podíl na výzkumném úkolu prezenční forma studia kombinované a postgraduální studium student podíl na výzkumu ukončení studia obvykle jedná |zvláštní režim VÚ

Krok 2 – vyřazení kandidátů nesouvisejících s probl. (analýza) podíl pedagogů na úkolech zařazení |zaměstnanec externista práce na dohodu o provedení práce praxi |není možné |výzkumném úkolu |podílel |pedagog |vyřešen pracovně právní vztah termín zahájení VÚ maximální délka trvání VÚ stanovená pravidla (projektů) možnost obeslat výzkumníky statusů |projektů termín dokončení VÚ skluzu VÚ přečerpání finančních prostředků VÚ změna pracovního zařazení ukončení pracovně právního vztahu |pedagoga mailu doporučený dopis výzkumné úkoly (VÚ) studenti pedagogové vysoká škola ? škole výzkumné úkoly povaha |výzkumného úkolu vnitřní grant grant ministerstva školství bakalářská práce diplomová práce postgraduální výzkumný úkol podíl na výzkumném úkolu prezenční forma studia kombinované a postgraduální studium student podíl na výzkumu ukončení studia obvykle jedná |zvláštní režim VÚ

Krok 3 – ztotožnění kandidátů (analýza) pracovní zařazení zaměstnanec externista práce na dohodu o provedení práce změna pracovního zařazení ukončení pracovně právního vztahu forma studia prezenční kombinované postgraduální studium ukončení studia Pravidla vyplývající z analýzy v praxi |není možné |výzkumném úkolu |podílel |pedagog |vyřešen pracovně právní vztah pokud student ukončí studium pak zvláštní režim ? stanovená pravidla (projektů) Doposud nevyjasněné záležitosti: ? možnost obeslat výzkumníky ? možnost zaslání mailu ? Zaslání Doporučeného dopisu výzkumné úkoly (VÚ) povaha |výzkumného úkolu vnitřní grant grant ministerstva školství bakalářská práce diplomová práce postgraduální výzkumný úkol zvláštní režim VÚ termín zahájení VÚ termín dokončení VÚ maximální délka trvání VÚ statusů VÚ skluz VÚ podíl na výzkumném úkolu pedagogové studenti finanční prostředky VÚ

Klasifikace entit Krok 4 – výběr entit – východisko pro datový model (analýza) pracovní zařazení – slabá ? reál. ent. zaměstnanec externista práce na dohodu o provedení práce změna pracovního zařazení ukončení pracovně právního vztahu forma studia - silná reál. ent. prezenční kombinované postgraduální studium ukončení studia Pravidla vyplývající z analýzy v praxi |není možné |výzkumném úkolu |podílel |pedagog |vyřešen pracovně právní vztah pokud student ukončí studium pak zvláštní režim ? stanovená pravidla (projektů) Doposud nevyjasněné záležitosti: ? možnost obeslat výzkumníky ? možnost zaslání mailu ? Zaslání Doporučeného dopisu výzkumné úkoly (VÚ) – silná reálná entita povaha |výzkumného úkolu vnitřní grant grant ministerstva školství bakalářská práce diplomová práce postgraduální výzkumný úkol termín zahájení VÚ termín dokončení VÚ maximální délka trvání VÚ status VÚ ? skluz VÚ ? podíl na výzkumném úkolu – slabá abstr. ent. podíl pedagogů podíl studentů Studenti – silná reálná entita Pedagogové – silná reálná entita finanční prostředky VÚ - ???

Vytváření datového modelu (DM)
Krok 5 – stanovení entit – základní krok tvorby DM Definovali jsme tento seznam entit: Výzkumné úkoly (VÚ) Studenti Pedagogové Pracovní zařazení Forma studia Podíl na výzkumném úkolu Finanční prostředky VÚ Nezapomeňme, že nám zůstaly i otevřené zásadní problémy ke kterým jsem doposud nezaujali stanovisko, k těmto problémům se vrátíme později: Doposud nevyjasněné záležitosti: ? možnost obeslat výzkumníky ? možnost zaslání mailu ? Zaslání Doporučeného dopisu

Vztahy entit – zavedení pojmů a symbolů (UML)
Silná entita Slabá entita Entita A Entita B vztah Entita A 1 : x Entita A Entita B n : m Entita A n : x Entita A Entita B 1 : 0, n Entita A 0 : x Entita A Self reference (unární vztah) 0, 1 : n Entita A 1 : x Entita A Entita B n : 1 Entita A Entita B 1 : 0, 1

Vytváření datového modelu (DM)
Krok 6 – analýza vztahů entit – rekapitulace entit Do tohoto okamžiku jsme definovali tento seznam entit: Výzkumné úkoly (VÚ) Studenti Pedagogové Pracovní zařazení Forma studia Podíl na výzkumném úkolu Finanční prostředky VÚ pú 6 – vyznačte ve schématu slabé entity standardním způsobem značení (UML) pú 7 – pokuste se ve schématu zakreslit obecné vztahy mezi jednotlivými datovými entitami (UML)

Vztahy entit – jedna z možností řešení
Finance VÚ ? Forma studia Výzkumný úkol Pracovní zařazení ? Student Participace na VÚ ? Pedagog ? Dotaz 1 – jaké by byly nevýhody přímého vztahu Student <> VÚ ? Dotaz 2 – proč není vztah Student <> Part. VÚ typu 1 : n ? Dotaz 3 – najdete nějaké zjevné vady stanoveného datového modelu ? (pokud nikoli, pak na ně možná přijdeme společně později)

Implementace entity – obecné vlastnosti relace dat
Relace - Student Atribut Záhlaví (Header) 1 2 3 4 Tělo (Body) Vektor hodnot (Tuple) Skalární hodnota 1 2 3 4 Kardinalita Stupeň

Implementace entity – implementace relace dat v MS SQL Server a MS Access
Množina záznamů / Množina výsledků / Tabulka - Student Pole hodnot (Atribut) Záhlaví (Caption) Množina záznamů / množina výsledků Záznam Hodnota

Oponentura datového modelu z hlediska normalizace
Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení Student Participace na VÚ Pedagog Pracovní poznámka – nutno doplnit „pracovně právní vztah“ a „studium“

Úprava datového modelu na základě oponentury
Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení Studium Pracovně právní vztah Student Participace na VÚ Pedagog

Užitečné otázky V okamžiku kdy se zdá, že máme vyhovující a správný model enit je vždy namístě položit si následující otázky: Nechybí v našem modelu něco podstatného ? tj. nezapomněli jsme zcela (vzhledem k zadání) na nějakou entitu nebo vztah Je náš model správně navržen ? tj. je náš model věrohodný, dostatečně podpisující realitu nebo daný problém a je také zároveň dostatečně obecný tj. nezávislý na našem subjektivním (nebo také zaujatém, předpojatém) úhlu pohledu Je náš model normalizovaný z hlediska teorie RD ? tj. je náš model věrohodný, dostatečně podpisující realitu nebo daný problém a je také zároveň dostatečně obecný tj. nezávislý na našem subjektivním (nebo také zaujatém, předpojatém) úhlu pohledu obsahuje informaci o všeobecné vlastnosti, kterou Důležitá „filozofická“ poznámka: V reálném světě neexistuje něco jako zcela optimální nebo objektivně správný návrh databáze. Existují však různé vyzkoušené a doporučované postupy které omezují nebo vylučují základní a později neodstranitelné vady návrhu.

Užitečné otázky – Chybí nám NĚCO ?
Jak na řešení této otázky: U velkého a komplexního projektu budeme postupovat podle standardu UML analýzy: popis procesů procesní analýza definice aktorů vymezení účastníků (hráčů) procesů definice rolí vymezení „úloh“ aktorů vyplyne definice enit definice programových nebo datových entit definice vztahů entit definice vztahů a komunikací definice pravidel implementace entit implementace aplikačních a databázových struktur (tříd) implementace vztahů entit implementace obchodních pravidel atd. atp. V případě použití standardu UML (Unified Modeling Language) je už samo korektní použití daných „Case“ prostředků částečnou zárukou úplnosti a správnosti navrženého modelu U menšího projektu se musíme spolehnout zejména na vlastní kritický úsudek Dotaz 4 – pokuste se v zadání najít informaci, která signalizuje, že jsme zapomněli na celou oblast, kterou je potřeba modelováním řešit

Všeobecné zadání RDS - příklad

Užitečné otázky – Chybí nám NĚCO ?
Odpověď: Zřejmě ano, chybí nám: adresa – běžná pro korespondenci adresa elektronická Má něco společného běžná adresa s elektronickou ? nic podstatného jedná se o dvě různé kategorie popisující zcela odlišné věci v reálném světě, mají pouze podobný název Zajímavost z hlediska návrhu: Adresa (bydliště) je jedním z největších analytických „oříšků“, který v žádném reálném systému není vyřešen ani zcela obecně ani zcela správně. Příklady toho co je velmi těžké rozhodnout: Je „skalárním údajem“ celá adresa - může být, ale j to velmi nepraktické Je skalárním údajem údaj typu Date/Time Co je správným „číslem popisným“ Jaké telefony zahrnout a jak je kategorizovat a jaký je například vztah čísla pevné linky nebo faxu k adrese (tj. jedná se o atribut osoby nebo místa) Jakou konvenci zavést pro směrové číslo atd. atp.

Úprava datového modelu na základě úvahy
Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení Studium Pracovně právní vztah Student Participace na VÚ Pedagog Adresa bydliště Elektr. adresa pú 8 – doplňte chybějící vztahy

Úprava datového modelu na základě úvahy
Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení Studium Pracovně právní vztah Student Participace na VÚ Pedagog Adresa bydliště Elektr. adresa Dotaz – jaké výhody a nevýhody mají vztahy 1:N a 1:1, 1:0,n, 1:0,1, můžeme si v praxi vůbec dovolit vztahy „bez možnosti nuly“

Užitečné otázky – Je náš model SPRÁVNĚ navržen ?
Odpověď: Zcela jistě NE (z minula již víme, že prakticky není možno dosáhnout pozitivní odpovědi na tuto otázku) Zkusme to tedy jinak Je model obecný ? Na tuto otázku v tomto okamžiku ještě nedokážeme odpovědět, bude nutno důkladně prozkoumat jednotlivé entity a zjistit 1. zda se nám některé entity nepřekrývají tj. zda nejsou fakticky totožné 2. zda se nám některé entity nerozpadají tj. zda jedna zdánlivá entita není vlastně více entitami Poznámka: tento typ úvahy již jsme intuitivně několikrát udělali (viz např. rozpad formy studia a studia apod.) => musíme zkoumat navržené entity na hlubší úrovni jejich atributů Je model optimální z hlediska implementace vztahů ? Podíváme-li se podrobně na náš graf vztahů entit, zjistíme: „vztahů daného typu / typ vztahu“ je více než „n-tic entit daného typu vztahu“ (prosím spočítejte) vztahy se kříží navržené vztahy jsou nejednoznačné (násobné) Poznámka: obě tyto skutečnosti mohou naznačovat že je v rámci modelu nutné další zobecnění, ale nemusí tomu tak nutně být, jedná se o indicie a na jejich základě je to nanejvýš pravděpodobné

Datový model Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení
Studium Pracovně právní vztah Student Participace na VÚ Pedagog Adresa bydliště Elektr. adresa pů 7 – chybně formulováno – neřešit, opravit spočítejte vztažené entity, spočítejte vztahy a výsledek vzájemně porovnejte (nápověda vztahy unární, binární, ternární)

Užitečné otázky – Je náš model SPRÁVNĚ navržen ?
Jak „exaktně“ postupovat při ověřování datového modelu Nejdříve si budeme muset osvojit následující terminologii: redundance (nadbytečnost) relací dat bezztrátová dekompozice relací dat kandidátní klíč relace dat primární klíč relace dat normalizace relací dat normální (normalizovaná) forma relace dat normalizovaný tvar relace dat 1 – 6 typu Jednotlivé termíny se pokusím vysvětlit na příkladech: Pro začátek předpokládejme, že máme hypotetickou relativně složitou množinu (relaci) neuspořádaných dat; pro názornost si například představte excelovskou tabulku která obsahuje následující údaje (atributy):

Trocha „optimalizační teorie“ – skalární hodnota, redundance
skalární hodnota jedinečná hodnota, právě jedna hodnota (informace) redundance nadbytečnost hodnot (informace), hodnota která se v relaci opakuje bezztrátová dekompozice metoda optimalizace dat, jejímž cílem je rozdělení relace dat, která obsahuje datové redundance na více relací dat, které obsahují méně datových redundancí nebo žádné datové redundance a to bez ztráty informace pú 10 – najděte „buňku“ relace dat, která neobsahuje (relativně k jiným hodnotám daného atributu) „skalární informaci“ tj. jedinečnou hodnotu pú 11 – najděte „buňky“ relace dat, které obsahují redundantní (nadbytečná, zdvojená, n-násobná) data pú 12 – rozdělte příklad na více relací dat, tak, aby výsledné relace neobsahovaly žádná redundantní data se zachováním veškeré informace

Trocha „optimalizační teorie“ – „klíč“ relace dat
kandidátní klíč atribut (jednoduchý klíč) nebo skupina atributů (složený klíč), která v rámci dané relace dat jednoznačně definuje konkrétní vektor dat (záznam); jinak řečeno v dané relaci dat se nesmí vyskytnout více jak jeden záznam, s určitou kombinací hodnot kandidátního klíče (tj. předpokladem kandidátního klíče je jednoznačnost); relace dat může obsahovat více kandidátních klíčů primární klíč je zvolený z hlediska implementace dat „ireducibilní“ kandidátní klíč, který je v implementaci více vzájemně korelujících relací dat využíván jako hlavní identifikátor určité relace dat umělý klíč je uměle vytvořený kandidátní nebo primární klíč; objektivní potřeba umělého klíče vzniká zejména v situaci, kdy přirozený klíč je příliš složitý nebo potencionálně nejdnoznačný; Doporučení: obecně je vhodné vždy nejdříve hledat reálný KK nebo PK, teprve pokud vyloučíme všechny možnosti reálného klíče je vhodné přistoupit k definici umělého klíče, pozor však na skutečnost, že prakticky použitelné kandidátní klíče se v reálném světě vyskytují poměrně zřídka… pů 13 – ve vašem příkladu rozpadu původní datové relace určete všechny možné kandidátní klíče

Trocha „optimalizační teorie“ – funkční závislost
dva atributy jsou funkčně závislé tehdy, pokud jeden určující atribut vyjadřuje identitu vektoru dat (tj. jedná se o kandidátní klíč) a jiný (funkčně závislý) atribut, který již nemusí být jednoznačný je funkčně určen určujícím atributem…. brrrr………. Tohle určitě není možno si zapamatovat a nejedná se ani o přesnou definici daného jevu. Přesná definice toto jevu by se musela opírat o matematickou teorii množin (reflexivita, transitivita)…. Nicméně o funkční závislosti je potřeba se zmínit alespoň jako o jevu (bez bližšího zkoumání) a to z toho důvodu, že na tomto jevu jsou v zásadě vystavěny moderní databáze. pů 14 – pokuse si představit a „osvojit“ představu funkční závislosti atributů na příkladu

„Šestero přikázání RD“ – 1. Normální forma
Normalizace „instantní“ doporučení jak postupovat při vytváření „optimálního datového modelu“ 1. Normální forma datovou relaci je možno označit za 1NF, pokud jsou všechny její atributy definovány nad skalárními obory hodnot; jinými slovy je nutno vyloučit veškeré „neskalární“ hodnoty POZOR! určení „jednotlivosti“ je v praxi často mnohem obtížnější než se na první pohled zdá, viz například různé syntetické kódy, konvence apod. datovou relaci je možno označit za 1NF, pokud neobsahuje tzv. opakované atributy (skupiny hodnot); tj. atributy kterých může být v praxi n., ale model relace dat počítá pouze s omezeným počtem opakování POZOR! v příkladu jsem použil „opakování“, které je sice teoreticky nepřípustné, ale v praxi je velmi často a v podstatě oprávněně používáno; jedná se o klasický příklad rozporu teorie a praxe; přesto je pravidlo o opakování velmi užitečným pravidlem a v jiných případech platí často téměř beze zbytku pú 15 – vyškrtněte z příkladu veškeré „neskalární“ hodnoty, které neodpovídají 1. Normálnímu tvaru relace dat pů 16 – označte v příkladu veškeré „opakující se atributy“ hodnoty, které neodpovídají 1. Normálnímu tvaru relace dat

„Šestero přikázání RD“– 2. Normální forma
2. Normální forma platí vzestupná hierarchie normálních formě, tj. relace dat je v Normální formě tehdy, pokud je v 1. Normální formě a zároveň všechny její prvky jsou závislé na celém kandidátním klíči (v implementaci PK); jinými slovy je možno tento požadavek charakterizovat jako „přikázání“že jedna relace dat nemá obsahovat popis více různých entit pů 17 – vypište relace dat, které jsou 100% v 2.N.f. pů 18 – vypište relace dat, které jsou pravděpodobně v 2.N.f. pú 19 – vypište relace dat, které určitě nejsou v 2.N.f. 1 2 3 4 5

„Šestero přikázání RD“– 3. Normální forma
3. Normální forma platí vzestupná hierarchie normálních formě, tj. relace dat je v Normální formě tehdy, pokud je v 2. Normální formě a zároveň všechny její neklíčové atributy jsou vzájemně nezávislé pú 20 – předpokládejme, že se jedná o entitu „student“, které atributy je třeba určitě odstranit, aby relace byla v 3.N.f., doporučení: pokud můžete volit mezi funkčně závislým atributem a určujícím atributem, vždy volte odstranění závislého atributu pů 21 – předpokládejme, že se jedná o entitu „student“, které atributy je třeba pravděpodobně odstranit, aby relace byla v 3.N.f. 1 2 3 4 5 6 7 8

„Šestero přikázání RD“– 4.-6. Normální forma
Těmito normalizovanými formami se zde nebudeme zabývat, protože se týkají speciálních případů a modelování složitých (a také relativně vzácných) vztahů…

Ještě trocha teorie a pak už více praxe…
Posledním důležitým termínem je INTEGRITA dat. Integrita dat v obecné rovině je „formální“ správnost a vzájemná hodnotová korespondence dat v databázi. Pro zajištění datové integrity existuje více (různě implementovaných) mechanizmů zajištění datové integrity Integrita je následujících typů: Doménová integrita obor hodnot (souvisí s datovými typy, nezaměňovat !) Přechodová / stavová i. definované stavy vektorů dat Entitová integrita PK, constrainty, triggery Referenční integrita FK – cizí klíč (sirotci) Transakční integrita Datová integrita Procedurální integrita triggery

Trocha hloubání o NIČEM
velmi důležitá „hodnota“: NULL

Pokus s „hodnotou“ NULL – tzv. ternární logika
POZOR platí že NULL != NULL pú 22 – vyhledejte v uživatelské databázi pomocí příkazu typu DSL studenty bez zadaného telefonního čísla

VI. Vlastní implementace databáze dle analytického příkladu

Implementace databáze – atributy
Analýza entit z hlediska atributů Definiční atribut (ID) nemá vlastní význam, zajišťuje identifikaci Proprietální (vlastní) atribut obsahuje skalární informaci o „přirozeně“ vlastní vlastnosti entity z hlediska reálného světa Popisný (volný) atribut obsahuje informaci o všeobecné vlastnosti, kterou definoval tvůrce aplikace, k realitě má více či méně volný vztah Statutární atribut obsahuje informaci o statusu sledovaném z hlediska aplikace pú 23 – pomocí pohledu do datového katalogu user_tables zjistěte které datové entity jsou již ve vaší uživatelské databázi implementovány pú 24 – pomocí Schématu 2 pracovního listu zjistěte které datové entity chybí (tj. nejsou ve vaší uživatelské databázi implementovány) pú 25 – zjistěte rozdíly v implementaci oproti datovému modelu

Implementace databáze – návrh nových entit
Analýza entit z hlediska atributů Definiční atribut (ID) nemá vlastní význam, zajišťuje identifikaci Proprietální (vlastní) atribut obsahuje skalární informaci o „přirozeně“ vlastní vlastnosti entity z hlediska reálného světa Popisný (volný) atribut obsahuje informaci o všeobecné vlastnosti, kterou definoval tvůrce aplikace, k realitě má více či méně volný vztah Statutární atribut obsahuje informaci o statusu sledovaném z hlediska aplikace pů 26 – rozdělíme se do dvojic a každá dvojice dostane přiřazenu jednu chybějící datovou entitu a pokusí se navrhnout její konkrétní podobu, tj. pokuste se nalézt a definovat dostatečný počet atributů jednotlivých sledovaných entit, tak, aby v dostatečné míře určovaly základní vlastnosti těchto entit, u všech definovaných atributů vyznačte jejich zařazení do jedné z kategorií viz výše, datový typ apod. POZOR je nutno se snažit o kompatibilitu s existujícími datovými entitami v uživatelské databázi

Hledání „správných“ atributů definovaných entit
Úkol 21 – společně se pokusíme navrhnout vhodné atributy pro jednotlivé entity Úkol 22 – u navržených atributů navrhněte domény hodnot Úkol 23 – u navržených atributů navrhněte omezení

Úprava datového modelu na analýzy atributů – zobecnění modelu
Finance VÚ Forma studia Výzkumný úkol Pracovní zařazení Participace na VÚ Studium Pracovně právní vztah Student Pedagog Partner Adresa bydliště Elektr. adresa

Implementace databáze – datové typy MS Access
Vybrané datové typy Oracle: Integer / Int číslo typu Integer (-3* *104 ) Number číslo s dvojitou s téměř libovolnou Varchar2 textový řetězec typu Varchar Date „dlouhé datum“ Memo „neomezeně“ dlouhý formátovaný text Blob binární data / obrázek Clob binární data / dokument a některé další…. Omezení Null / No Null: Hodnota Null třístavová logika (podrobněji dále) Jiné: Použití DBO sekvencí (obdoba datového typu Autoinkrement v jiných databázích)

0. Pracovní prostředky. Databázové systémy teorie a návrh relačních databázových systémů část I.

Podobné prezentace

Prezentace na téma: "0. Pracovní prostředky. Databázové systémy teorie a návrh relačních databázových systémů část I."— Transkript prezentace:

Podobné prezentace

O projektu

Kontaktní formulář

Přihlásit se

Přihlásit se přes sociální síť:

0. Pracovní prostředky. Databázové systémy teorie a návrh relačních databázových systémů část I.

Podobné prezentace

Prezentace na téma: "0. Pracovní prostředky. Databázové systémy teorie a návrh relačních databázových systémů část I."— Transkript prezentace:

Podobné prezentace

O projektu

Kontaktní formulář