Databáze I
ÚVOD DO DATABÁZÍ I
ZÁKLADNÍ SYSTÉMOVÉ POJMY
Cíl:
Cílem této kapitoly je seznámit čtenáře se základními systémovými pojmy, které budou dále
využívány a na něž bude v ostatních kapitolách odkazováno. Čtenář by měl pochopit, co je
to systém, informační systém, informační systém s databází a databázový systém. Čtenář
získá představu o tom, k čemu slouží informační systémy a jakou úlohu v nich hrají
databáze. Stěžejními pojmy této kapitoly jsou pojmy data a informace. Čtenář se naučí mezi
těmito pojmy rozlišovat a bude umět definovat, co to jsou data a co to jsou informace.
Klíčová slova:
Systém, struktura, informační systém, databázový systém, data, báze dat, informace, systém
řízení báze dat.
1.1.1 Systém
Systém je abstrakce, kterou tvoříme v procesu poznávání reálných objektů, přičemž bereme
v úvahu pouze podstatné vlastnosti zkoumaných objektů.
Reálným objektem nazýváme určitou část toho, co skutečně existuje kolem nás. Objekty
můžeme zpravidla členit na části a vymezit některé jejich vlastnosti. Účelnost definování
systému na reálném objektu spočívá v tom, že abstrahujeme od některých, z hlediska
zkoumání nepodstatných, vlastností objektu.
Systém je tedy odrazem - modelem - objektivní reality.
Systém S=(P,R) je účelově definovaná množina prvků P={pi} a množina vazeb R={rij}
mezi prvky pi, pj, kde i,j jsou prvky množiny indexů. Tato množina prvků a vazeb má jako
celek určité vlastnosti.
Prvky systému pi jsou nejmenší, elementární části systému, na zvolené rozlišovací úrovni
dále nedělitelné. Množinu všech prvků systému nazýváme univerzum systému.
Vazby rij jsou vzájemné závislosti, působení, návaznosti, způsoby spojení mezi prvky pi,
pj. Množina prvků pi a vazeb rij se nazývá struktura systému S.
1.1.2 Základní rozdělení systémů
Obecné systémy jsou abstraktní modely, které jsou přesně definovány. Jsou to formální
systémy, které nemají konkrétní obsah. Příkladem může být soustava lineárních rovnic.
Reálné systémy jsou zavedeny na konkrétních reálných objektech. Vymezení reálného
systému závisí na účelu, pro který tento systém konstruujeme. Proces se nazývá
definování reálného systému na objektu. Reálné systémy jsou popsány verbálně, graficky,
někdy částečně pomocí matematických prostředků.
Okolí systému je účelově definovaná množina prvků, které nejsou prvky daného systému,
avšak mají k němu vazby. Vazby, které uskutečňují působení systému na okolí jsou
výstupy systému. Vazby, kterými okolí působí na systém, jsou vstupy.
Prvky okolí, které mají vazbu na systém, nazýváme hraničními prvky. Existuje-li alespoň
jeden prvek systému, který působí na okolí nebo opačně, jedná se o systém otevřený. V
opačném případě se jedná o systém uzavřený. Struktury systémů se popisují nejčastěji
pomocí blokových schémat a jednoduchých grafů.
1.1.3 Informační systémy s databází
Systém (z hlediska teorie systémů) je množina prvků a vazeb mezi nimi, které jsou účelově
definovány na určité objektivní realitě. Touto objektivní realitou budeme rozumět
uživatelskou aplikaci. Uživatelská aplikace je tedy výsek reálného světa či světa objektů.
Informační systém je systém, který zpracovává data a zabezpečuje komunikaci informací
mezi jeho prvky. IS se často člení na systém zpracování dat a komunikační systém.
Informačním systémem rozumíme systém pro sběr, uchovávání, vyhledávání a
zpracování dat za účelem poskytnutí informace o daném vymezeném světě objektů.
Dále budeme hovořit pouze o takových IS, které obsahují automatizovanou složku, tj.
budeme mít na mysli AIS. IS obsahují pouze data, která se informacemi stávají až jejich
interpretací uživatelem.
Data jsou údaje získané pozorováním, měřením, atd. Jsou to např. čísla, znaky, slova,
jména.
Informace jsou pouze taková data, která nám mohou být k něčemu užitečná. Taková, která
se dají rozumně interpretovat.
Informace je sdělení (vygenerované na základě dat uložených v databázi), které v
příjemci odstraňuje neurčitost (neznalost).
1.1.4 Vývoj k informačním systémům s databází
Vývoj informačních systémů směrem k IS s databází můžeme rozdělit do 3 etap:
1. Polovina 50.let, zpracování bylo organizováno způsobem "vše v programu", tj.
v programu byly popisy dat, data, algoritmy, případně různé typy zpracování.
2. Polovina 60.let, tzv. systémy s monitorem. Data byla oddělena od programů, ale
jejich popis zůstal v programu. Data mohla být zpracovávána více programy
současně. Popis fyzického záznamu však stále zůstával v programech.
Nevýhodou byla redundance dat (stejná data se objevovala v různých
souborech) a nekonzistence dat, protože nebyla řízená aktualizace dat od
různých uživatelů.
3. Druhá polovina 60.let se vyznačovala snahou vytvoření prvních systému řízení
báze dat. Data byla uložena v databázi, většinou centralizovaně na jednom místě,
jejich popis nebyl součástí uživatelského programu. Tím, že se programy
osvobodily od popisů dat, staly se do značné míry nezávislé na fyzickém uložení dat.
Data byla udržována jednotně, jejich struktury byly navrhovány centrálně, a bylo
dosaženo mnohem menší redundance a lepší konzistence dat.
1.1.5 Pojem databázový systém
Velmi často se v databázové literatuře setkáme s následující „rovnicí“:
SŘBD + DB = DBS
Systém řízení báze dat + báze dat = databázový systém
SŘBD je programové vybavení, které řídí všechny přístupy k datům v bázi dat. DB je
množina vzájemně propojených dat, která slouží mnoha aplikacím. Data jsou uložena v
paměti způsobem vylučujícím nežádoucí redundanci.
Popis dat vytváří tzv. schéma databáze (též databázové schéma). Schéma databáze
popisuje jisté objekty a vztahy mezi nimi. Databázový model je kolekce (souhrn) pojmů, na
kterých je vybudován jazyk pro definici dat. Jde o formalizmus, který umožňuje popsat
část schématu databáze. Této části se obvykle říká logické schéma databáze, na rozdíl od
fyzického schématu databáze, které popisuje uložení dat na vnějších pamětech, resp.
způsob přístupu k nim. Databázový model je prostředek modelování. Výsledkem tohoto
prostředku je schéma databáze. Databázový model tedy není výsledkem modelování, ale
jeho prostředkem. Zmíněné popisy se pak ukládají do katalogu dat (slovníku dat). Katalog
tedy obsahuje zásadní informace o datech, není součástí databáze. Definuje typy dat a
typy vztahů mezi nimi. Konkrétní datové struktury jsou definovány pomocí definičního
jazyka JDD (jazyk pro definování dat). Katalog dat uchovává data o datech neboli
metadata. Operace nad daty jsou univerzální pro všechny organizace dat. Pojem katalog se
vztahuje jednak k programovým prostředkům pro organizování popisu dat, jednak k
výsledkům tohoto popisu, tj. k samotným metadatům. Katalog je tedy jakýmsi systémem
řízení báze metadat. V katalogu dat je uloženo vždy příslušné interní datové schéma báze
dat. Skutečnost, že si SŘBD vede katalog dat, je charakteristickým rysem databázové
technologie. K manipulaci dat v databázi slouží speciální databázové jazyky JMD (Jazyky
pro manipulaci s daty). Obsahují obvykle primitivní operace pro vkládání, odebírání a
změnu dat v databázi a důležité prostředky pro výběr dat.
Pojmy k zapamatování:
Systém
Struktura
Informační systém
Databázový systém
Data
Báze dat
Informace
Systém řízení báze dat
1.2 CHARAKTERISTICKÉ RYSY DATABÁZOVÉ TECHNOLOGIE
Cíl:
Cílem kapitoly je upozornit na některé vlastnosti databázové technologie a dále vysvětlit
všeobecně akceptovaný pojem "tříúrovňové architektury databází". Čtenář by měl po
přečtení této kapitoly při pohledu na data rozlišovat mezi jednotlivými úrovněmi abstrakce.
Podstatné pro čtenáře je, aby si uvědomil, jaké základní výhody při práci s daty poskytují
databázové technologie a jaké charakteristické rysy databázové technologie vykazují.
Klíčová slova:
Nezávislost dat, sdílení dat,redundance, konzistence, integrita, interní struktura, externí
struktura, konceptuální model.
Databázovou technologií nazýváme soubor pojmů, prostředků a technik pro vytváření
informačních systémů s databází. Přitom za hlavní paradigma databázové technologie je
považována vzájemná nezávislost dat a aplikačních programů.
1.2.1 Vlastnosti databázové technologie
Mezi základní vlastnosti (charakteristické rysy) databázové technologie patří nezávislost dat,
přístup k informacím, sdílení dat, ochrana a utajení dat, konzistence a integrita dat.
Nezávislost dat
Data a programy jsou vzájemně nezávislé, tzn. že změna vyvolaná v datech nevyvolá
nutnost změny aplikačního programu a naopak. Fyzická nezávislost dat znamená, že
pracujeme s objekty nezávisle na jejich vnitřní interpretaci. Metoda uložení dat není
podstatná.
Přístup k informacím a sdílení dat
Cílem databázové technologie je poskytnout uživateli informačního systému efektivní
prostředky přístupu k informacím báze dat. Možnost sdílet data různými oprávněnými
uživateli je jednou z velkých výhod IS založených na databázové technologii.
Prostředky ochrany dat a jejich utajení
Jedná se o ochranu dat proti neoprávněnému přístupu, zneužití resp. zničení dat. Jedná
se o problematiku archivace dat a stanovení individuálních přístupových práv k datům.
Redundance, konzistentnost a integrita dat
Redundancí rozumíme vícenásobné uchovávání týchž dat v rámci databáze. Tato vlastnost
působí četné potíže. Vysoké nároky na paměť nejsou ty nejhorší. Redundantní data
působí problémy při jejich aktualizaci. Data se vyskytují opakovaně a při aktualizaci je třeba
všechny jejich výskyty správně aktualizovat. Chyby při aktualizaci redundantních dat
vedou k narušení konzistence (slučitelnosti) dat. SŘBD disponují prostředky na hlídání
integrity databáze. Integrita databáze se hlídá na základě definovaných integritních omezení,
která jsou součástí schématu databáze. Integrita dat se zkoumá ve třech oblastech:
- Doménová integrita
- Entitní integrita
- Referenční integrita
Průvodce studiem:
S bližším vysvětlením těchto pojmů a hlavně s jejich užitím se budete v textu setkávat velmi
často. Zatím pouze zaregistrujte, že existují uvedené tři typy integritních omezení. Zopakuji
tedy a vy si zapamatujte: doménové integritní omezení (IO), entitní IO, referenční IO.
Vztahy mezi daty
Databázová technologie může vyjadřovat vztahy mezi datovými strukturami bez použití
algoritmů. Logické vazby lze definovat mezi různými typy záznamů v rámci různých
databázových souborů. Způsob, jakým se vazby definují je dán použitým databázovým
modelem.
1.2.2 Tříúrovňová architektura databáze
Interní struktura
je nejblíže paměťové struktuře uložení dat. Využívá funkcí a vlastností konkrétního
operačního systému. Uživatel se touto interní strukturou nemusí zabývat. Změna interní
struktury se nesmí odrážet v koncepční struktuře databáze.
Externí struktura
představuje uživatelovy požadavky. Tyto jsou vyjadřovány v nějakém jazyku. Pomocí nich
uživatel formuluje své datové objekty a vztahy mezi nimi. K jednomu internímu záznamu je
možno sestavit více uživatelských externích pohledů. Externí struktura je závislá
především na použitých jazycích. Změny v uživatelských pohledech by se neměly
projevit ve změně koncepčního modelu.
Koncepční struktura - konceptuální model
představuje celý informační obsah databáze. Měl by být nezávislý jak na fyzickém řešení,
tak na okamžitých uživatelských potřebách.
Pojmy k zapamatování:
Nezávislost dat
Sdílení dat
Redundance
Konzistence
Integrita
Interní struktura
Externí struktura
Konceptuální model.
Kontrolní otázky:
1. Co je to systém, informační systém, informační systém s databází?
2. Co to jsou data a informace?
3. Co je to systém řízení báze dat?
4. Vysvětlete pojmy data a metadata.
5. Jaké potíže činí redundance v databázi?
1.3 HISTORIE DATABÁZOVÝCH MODELŮ
Cíl:
Kapitola se věnuje dvěma problematikám. Nejdříve krátce informuje o historii databázových
systémů, dále se zabývá definováním báze dat. Z hlediska dalšího výkladu je problematika
definování báze dat klíčovou, proto ji nedoporučuji podcenit. Čtenář by si měl osvojit postup
pro definování báze dat a bude mít možnost si tento postup v dalších kapitolách ověřit.
Veškeré pojmy, které jsou v kapitole "Fáze definování báze dat " zavedeny, jsou velmi
důležité a pro další pochopení problematiky nepostradatelné, proto by je měl čtenář po
prostudování kapitoly znát.
Klíčová slova:
Analýza uživatelských požadavků, logický návrh, fyzická realizace, konceptuální
modelování, datové modelování.
Databázová technologie disponuje specifickými prostředky. Jedním z nich je modelování.
Model je prostředek pro vytváření schémat. Obvykle se setkáváme s definicí modelu jako
souboru prostředků pro definování báze dat. K popisu struktur dat a jejich vzájemných
vazeb slouží databázové definiční jazyky.
1.3.1 Historie databázových modelů
Průvodce studiem:
Kapitolu 1.3.1. a kapitolu 1.3.2. chápejte jako přehledové, které slouží k vytvoření celkového
přehledu o vzniku a vývoji databázové technologie. Nejsou pro další studium nijak
podstatné, takže není třeba si veškeré údaje, v nich uvedené, pamatovat. Protože do
kontextu databázové problematiky patří, rozhodla jsem se je do textu zařadit.
Ze současného pohledu můžeme sledovat 4 generace modelů:
- Primitivní databázové modely.
- Klasické databázové modely.
- Sémantické databázové modely - konceptuální.
- Aplikačně orientované databázové modely.
1.3.1.1 Primitivní databázové modely
Tato generace chápe popis světa objektů v řeči počítačů, tj. ve strukturách
programovacích jazyků vhodných pro hromadné zpracování dat. Jde vlastně o popis
vybraných informací o světě objektů pomocí souborů skládajících se z vět, které obsahují
položky. Veškeré souvislosti mezi jednotlivými záznamy, ať už různého nebo stejného
typu, omezení na hodnoty atributů atd. realizoval programátor ve svých programech.
Definice souborů byly stále součástí uživatelských programů.
1.3.1.2 Klasické databázové modely
Tato generace je charakterizována síťovými modely a rozvojem hierarchických modelů,
který se jeví jako speciální případ síťového modelu. Jednotkou pohledu na svět objektů
je opět typ záznamu a záznam. Vztahy mezi objekty světa objektů se realizují vztahy mezi
záznamy. Podstatné na těchto modelech je to, že jsou vybaveny silnými manipulačními
prostředky. V podstatě však představují pouze jiný styl programování. Průlomem v oblasti
modelování se stal v roce 1970 návrh relačního modelu dat (RMD), který přinesl několik
zcela nových pohledů na databázové modelování. Především výrazně zvýšil nezávislost dat
na implementaci. Tento způsob modelování využívá prostředků predikátového kalkulu
1.řádu ( interpretace predikátových symbolů jsou totiž relace) a prostředků relační algebry.
Všechny tři typy modelů (síťový, hierarchický a relační) jsou souborově orientované. Tento
rys jim předurčuje jisté konceptuální meze, které mají blíže k počítačově orientovanému
světu objektů než ke světu objektů danému uživatelskou aplikací.
1.3.1.3 Sémantické - konceptuální - databázové modely
Jsou založeny na kvalitativně odlišné úrovni v otázce vztahu databázových modelů ke
světu objektů. Objevují konstrukty podporující přesnější vyjádření vztahů ve světě
objektů. Jsou to konstrukty založené na pojmech entita, vztah, vlastnost, atribut, objekt
apod. Tyto databázové modely se nazývají sémantické, případně konceptuální.
Původcem těchto modelů je Chenův E-R model, založený na pojmech entita (Entity),
vztah (Relationship) a atribut (Attribute). Obvykle částí těchto modelů bývají
transformační algoritmy převádějící konceptuální schéma v jednom modelu na schéma v
jiném modelu.
1.3.1.4 Aplikačně orientované databázové modely
Tato generace je založena na zjištění neúspěšnosti vytvořit "univerzální databázový
model". Vytvářejí se speciální databázové modely pro zpracování vědeckých a
experimentálních dat, modely pro grafické databáze, nestrukturované databáze textů,
inženýrské aplikace (CAD/CAM) atd.
1.3.2 Programování databázových aplikací
V této oblasti můžeme vysledovat 3 proudy, respektive metodiky přístupu:
1. Konvenční přístup
Tento přístup k programování databázových aplikací je založen na vymezení potřebných
datových typů pomocí konstruktorů zvaných datové struktury a na popisu funkční složky
systému - algoritmu zpracování vstupních dat na data výstupní. Datové typy poskytují
funkční složce nutné pozadí. Samotná data v konvenčním přístupu nemají povahu
hotového výrobku, ale jsou podporou pro algoritmy. Těžiště konvenčního přístupu
spočívá v rovině funkčního modelování.
2. Přístup z pohledu databázového modelování
Báze dat, která představuje strukturovaný datový typ vysoké úrovně, nemá již jen
pomocnou funkci pro algoritmické zpracování dat, ale sama o sobě je hotovým výrobkem -
datovou základnou informačního systému. Vytvářet aplikační programy lze v tomto
přístupu až po té, kdy byla vytvořena báze dat jako nutné pozadí databázových aplikací.
Programy v tomto přístupu obvykle představují manipulaci s informacemi, které jsou
obsažené nebo odvoditelné z báze dat. Jazyky pro manipulaci s daty jsou hlavním nástrojem
pro tvorbu uživatelských aplikací. Dalším prostředkem, který mohou uživatelské aplikace
využívat jsou, dotazovací jazyky.
3. Objektově orientovaný přístup
Tento přístup představuje významnou změnu v pojetí databázového modelování. Každý
objekt, představující zpravidla menší a co do funkčnosti autonomní výsek světa objektů,
má sám pro sebe své pozadí i své popředí (tedy datovou úroveň a funkční úroveň).
Objekt má samostatný život a možnost komunikace s dalšími objekty. Využitím
objektové orientace se dosahuje větší flexibility a snadnější udržovatelnosti bází dat.
1.3.3 Fáze definování báze dat
Průvodce studiem:
Na rozdíl od předchozích dvou kapitol, tato kapitola je velmi důležitá. Zavádí totiž základní
kroky pro definování báze dat. Vytvoření báze dat, respektive její struktury, je základním
krokem na cestě k budování databázových systémů. Bez správně navržené struktury není
možno vytvořit kvalitní databázi. Kvalitou přitom rozumíme hlavně integritu a konzistenci
databáze. Abyste strukturu báze dat správně navrhli, musíte dodržovat některé postupy. A s
těmito postupy vás právě seznámí následující text.
Proces databázového modelování probíhá v těchto fázích:
- Analýza uživatelských požadavků.
- Fáze logického návrhu.
- Fáze fyzické realizace.
Fáze logického návrhu má 3 etapy:
- Konceptuální modelování.
- Výběr vhodného systému řízení báze dat (SŘBD).
- Transformace konceptuálního modelu na datový model.
Analýza požadavků
V této fázi pracuje konstruktér databázového návrhu na tzv. uživatelské úrovni. Svět
objektů popisuje obvyklými vyjadřovacími prostředky. Různí uživatelé mohou mít různé nebo
překrývající se požadavky na data. Tím jsou vymezeny jednotlivé uživatelské pohledy na
bázi dat. Je třeba poznat modelovanou realitu a veškeré požadavky uživatelů na budoucí
aplikaci.
Logický návrh báze dat
Probíhá obvykle ve dvou krocích:
1. Modelování v rámci jednotlivých uživatelských pohledů na data
Produktem modelování je popis dat a jejich vzájemných vztahů - dílčí schéma. Integrací
dílčích schémat vzniká celkový formalizovaný popis báze dat bez ohledu na to,
jakými programovými prostředky bude dále zpracováván. Produktem této integrace je
konceptuální schéma. Definiční jazyk konceptuálního modelování (tzv. konceptuální model)
používá speciálních pojmů a grafických symbolů. V současné době jsou nejvyspělejší
konceptuální modely součástmi systémů CASE. Konceptuální modelování popisuje svět
objektů pomocí pojmů entita, atribut, vztah.
2. Výběr vhodného SŘBD
Při výběru se řídíme mnoha různými hledisky. K nejpodstatnějším patří:
- Současný přístup k datům pro více uživatelů.
- Ochrana dat.
- Prostředky pro centrální správu dat.
- Nezávislost dat na aplikacích.
- Možnost vytváření složitých datových struktur.
- Architektura desktop/klient, server.
- Vyhledávací mechanizmy.
- Fyzická implementace souborů (jak jsou řešeny primární soubory, indexy).
3. Transformace konceptuálního modelu na datový
Konceptuální model je převeden do popisu v jazyce pro definování dat, který je již závislý
na použitém SŘBD. Touto transformací vzniká datový model, který je již méně abstraktním
pohledem na bázi dat. Datový model pracuje s pojmy strukturovaných datových
typů - položka, záznam, soubor. Datovým modelem jsou data předepsaným způsobem
strukturalizována, aby je bylo možno zobrazit ve fyzické bázi dat. Nejznámější datové
modely jsou síťový, hierarchický a relační.
4. Generování schématu databáze
Posledním krokem na cestě k tvorbě schématu databáze (struktura báze dat) je
vygenerování konkrétního schématu z datového modelu. Obvykle je tato činnost
automatizována a provádějí ji nástroje nazývané CASE.
Fyzická úroveň
Na fyzické úrovni se zabýváme strukturou souborů dat a způsobem jejich uložení na vnějších
paměťových médiích. Dále se zabýváme způsoby zpřístupnění dat (poskytování informací z
databáze), vyhledávacími mechanizmy, optimalizací ukládání, čtení, vyhodnocování dotazů,
atd. Velmi důležitou problematikou jsou transakce.
Pojmy k zapamatování:
Analýza uživatelských požadavků
Logický návrh
Fyzická realizace
Konceptuální modelování
Datové modelování
Generování schématu databáze.
1.4 SÍŤOVÉ A HIERARCHICKÉ DATABÁZOVÉ MODELY
Cíl:
Tato kapitola je pouze informativní a seznamuje čtenáře s některými, dnes již překonanými,
přístupy k databázovému modelování. Po jejím přečtení by měl mít čtenář přehled o
možnostech síťových a hierarchických datových modelů. Není nutné, aby čtenář přesně znal
jednotlivé konstrukty, stačí mít o síťových a hierarchických modelech rámcovou představu.
Klíčová slova:
Síťový model, hierarchický model.
1.4.1 Síťové databázové modely
Síťové modely jsou založeny na souborech a vztazích mezi záznamy souborů. Jde
o souborově orientované modely s možností zapsání schématu databáze buď vhodným
jazykem pro definování dat nebo s možností použití pomocné - diagram datové struktury
(též Bachmanův diagram).
1.4.1.1 Atributy záznamů v síťových modelech mohou být 4 druhů
jednoduché - dále nedělitelné (atomické)
vícehodnotové (např. knihy s více autory)
složené (např. adresa, kterou lze rozdělit na č.,ul.)
složené, opakující se (taky může být adresa, např. instituce v několika pobočkách)
Vztahy mezi záznamy se modelují pomocí tzv. spojek. Zadáním jmen položek, ev. jejich
druhu získáme typ záznamu. Výskyty typu záznamu jsou reprezentovány jednotlivými
záznamy danými nějakou kombinací hodnot odpovídajících položek.
1.4.1.2 Typy vztahů
Nejrozšířenějším typem vztahu je binární vztah mezi objekty. O binárním vztahu hovoříme
tehdy, jestliže do vztahu vstupují dva objekty. U takových vztahů zjišťujeme jejich
kardinalitu. Kardinalitu vztahů sledujeme u všech typů databázových modelů.
1.4.1.3 Kardinality
a) 1:1
Příklad:
- Učitel učí maximálně jeden předmět.
- Předmět je vyučován maximálně jedním učitelem.
Tento vztah zahrnuje i případy 1:0 a 0:1
b) 1:N
Příklad:
- Učitel může učit více než jeden předmět.
- Předmět může být vyučován maximálně jedním učitelem.
Tento vztah zahrnuje i případy 1:0, 0:1 a 1:1
c) M:N
Příklad:
- Učitel může učit více než jeden předmět.
- Předmět může být vyučován více než jedním učitelem.
Tento vztah zahrnuje i případy 1:0, 0:1,1:1 a 1:N
1.4.1.4 Diagram datové struktury
skládá se ze 3 komponent:
- Obdélníky představuje typ záznamu.
- Čáry představuje typy vztahů.
- Pojmenování čar představuje jména typů vztahů.
U síťového modelu jsou povoleny pouze vztahy 1:1 a 1:N, to znamená pouze
funkcionální vztahy.
Příklad síťového modelu:
Příklad je z prostředí knihovny.
Čtenáři budou zobrazeni na záznamy typu:
ČTENÁŘ(Č-ČT, JMÉNO, ADRESA),
Knihy na záznamu typu:
KNIHA(ISBN, AUTOR, TITUL),
Jednotlivé exempláře na záznamu typu:
EXEMPLÁŘ(INV-Č, D-NÁKUPU),
Další typ záznamu bude:
VÝPUJČKA(Č-ČT,INV-Č,D-ZPĚT) a ZÁZNAM(ISBN, D-REZ, Č-ČT).
Dále je třeba definovat typy vztahů:
SI-PŮJČIL:(ČTENÁŘ, VÝPŮJČKA)
JE-PŮJČEN:(EXEMPLÁŘ, VÝPŮJČKA)
MÁ-KOPIE:(KNIHA, EXEMPLÁŘ)
MÁ-ZÁZNAMY:(KNIHA, ZÁZNAM)
MÁ-REZERVACE:(ČTENÁŘ, ZÁZNAM)
1.4.1.5 Schéma databáze v síťovém modelu
Schéma se skládá z typů záznamů, které obsahují popisy datových položek včetně
domén a typů C-množin, které definují vztahy mezi záznamy. Každý záznam má přiřazen
databázový klíč, což je disková adresa spojená se záznamem. C-množiny jsou uspořádané
dvojice typů záznamů. Typy záznamů z hlediska vztahů (C-množin) se nazývají vlastník
(owner) a člen (member). C-množina se sestává z jednoho výskytu vlastníka a několika
(ev. žádného) výskytu člena. Síťový model umožňuje pouze vztahy 1:N. Je-li třeba
modelovat vztahy typu M:N, je třeba provést transformaci na vztahy 1:N.
Typy vztahů
Vztahy jsou v síťových modelech nazývány CS - typ nebo C - množina.
V CS - typu figuruje 1 typ záznamu (typ vlastníka) s jedním nebo více typy záznamů (typ
člen)
Implicitní IO
Žádný záznam nemůže být členem ve více než jednom výskytu daného CS - typu.
1.4.1.6 Tři typy začlenění nového typu záznamu do CS - typu
FIXED
Stane-li se záznam členem ve výskytu CS-typu, nemůže být přepojen do jakéhokoli výskytu
jiného CS-typu. Jedině ho lze odstranit, znovu vytvořit a zapojit do jiného CS-typu.
MANDATORY
Záznam může být členem ve výskytu více CS-typů.
OPTIONAL
Záznam může být z CS-typu rozpojen a přepojen do jiného CS-typu.
Příklad:
DEFINICE SCHÉMATU DATABÁZE SÍŤOVÉHO MODELU
2 oblasti : OBLAST - STUDENTA
OBLAST - UČITELE
1 SCHEMA NAME IS EVIDENCE - STUDENTA.
2 AREA NAME IS OBLAST - STUDENTA.
3 AREA NAME IS OBLAST - UČITELE.
4 RECORD NAME IS STUDENT;
5 LOCATION MODE IS CALC USING CISLO - STUDENTA
6 DUPLICATES ARE NOT ALLOWED;
7 WITHIN OBLAST - STUDENTA
8 02 CISLO - STUDENTA; TYPE IS FIXED DECIMAL 9.
9 02 JMENO; TYPE IS CHARACTER 20.
10 02 ADRESA; TYPE IS CHARACTER 40.
11 02 ROCNIK ; TYPE IS FIXED DECIMAL 2.
12 RECORD NAME IS UČITEL;
13 LOCATION MODE IS CALC USING CISLO -ZAMESTNANCE
14 DUPLICATES ARE NOT ALLOWED;
15 WITHIN OBLAST - UČITELE.
16 02 CISLO - ZAMESTNANCE; TYPE IS FIXED DECIMAL 9.
17 02 JMENO; TYPE IS CHARACTER 20.
18 02 KATEDRA; OCCURS
19 ..........
1.4.2 Hierarchické datové modely
Hierarchické modely jsou opět souborově orientované modely. Z matematického hlediska
jsou hierarchie speciální případ síťových modelů. Diagram datové struktury je v tomto
případě strom, případně les (několik stromových struktur).
Typy záznamů u hierarchických modelů jsou podobné síťovým, ale jsou jednodušší,
protože obsahují pouze jednoduché položky, případně opakující se položky.
Datové schéma je tedy tvořeno zadáním typů záznamů a hierarchické struktury tzv.
definičních stromů. Tyto databázové stromy lze vždy spojit jedním prázdným
(systémovým) uzlem - kořenem - do jednoho stromu. Prázdnému kořenu může
odpovídat prázdný typ záznamu v databázovém schématu.
Důležitým pojmem u hierarchických modelů je hierarchická cesta. Tato udává nějakou
cestu v odpovídajícím definičním stromě od kořene k nějakému typu záznamu.
1.4.2.1 Rušení záznamů v hierarchické databázi
Každý záznam má v hierarchické databázi jednoznačně určenou množinu předchůdců. Proto
při rušení záznamů mohou nastat tyto problémy:
- Existují závislé záznamy.
- Rušení záznamu mění hierarchickou strukturu.
- Při rušení je třeba zrušit všechny následníky. To je tzv. vynucené rušení
(TRIGGERED DELETE).
- V případě, že chceme následníky uchovat, musíme použít prázdný záznam.
Problémy s vyhledáváním záznamů:
1. Vybírání záznamů - předchůdců = vzestupná hierarchická normalizace.
2. Vybírání záznamů - následníků = sestupná hierarchická normalizace.
Příklad:
DEFINICE SCHÉMATU DATABÁZE HIERARCHICKÉHO MODELU.
DATABAZE NAME IS STUDENT;
1 CISLO STUDENTA (INTEGER (9)):
2 JMENO STUDENTA (NON-KEY NAME X (20)):
3 ADRESA (NON-KEY NAME X(40)):
4 ROCNIK (NON-KEY INTEGER 9 (2)):
5 PREDNASKA STUDENTA (RG):
. POPIS SKUPINY
.
DATABAZE NAME IS UCITEL:
1 CISLO ZAMESTNANCE (INTEGER 9(9)):
2 JMENO UCITELE (NON-KEY NAME X (20)):
.
.
Příklad aktualizace:
1. Zvýšení všech bodových hodnocení přednášky 2301 o 10%.
CHANGE BODOVE HODNOCENI TO (BODOVE HODNOCENI * 1,1) CISLO
PREDNASKY STUDENTA EQ 2301
2. Zrušení v databázi učitele s číslem 03167895.
REMOVE UCITELCISLO WHERE UCITELCISLO EQ 03167895;
REMOVE TREE UCITEL WHERE CISLO ZAMESTNANCE EQ 03167895
2 MODUL 2
2.1 KONCEPTUÁLNÍ MODELOVÁNÍ
Cíl:
Cílem této kapitoly je, aby čtenář pochopil základní koncepty (pojmy) konceptuálního
modelování a činnosti spojené s tvorbou konceptuálního modelu. Tvorba konceptuálního
modelu má jisté formální požadavky, které by měl čtenář zvládnout. Podstatné ovšem je, aby
správně pochopil význam jednotlivých konceptů, které se v modelu vyskytují a význam
konceptuálního modelu jako celku. Po prostudování této kapitoly by měl být čtenář schopen
vytvořit korektní konceptuální model výseku reality.
Klíčová slova:
entita, vztah, atribut, doména, instance, identifikační (primární) klíč, integritní omezení,
kardinalita vztahu, ISA hierarchie, cizí klíč.
Průvodce studiem:
Konceptuální modely jsou pokusem umožnit vytvoření popisu dat v databázi nezávisle na
jejich uložení. Jsou prvním krokem na cestě k vytvoření databázového schématu, jako
struktury, do které budou data ukládána. Konceptuální model představuje formální popis
modelované reality, která nás zajímá a o které budeme v budoucí databázi shromažďovat
data. Má-li být budoucí databáze správně navržená s cílem minimalizovat nadbytečná data,
bez konceptuálního modelu se neobejdeme.
2.1.1 Úvod
Na úvod je třeba se seznámit se základními koncepty (pojmy), se kterými konceptuální
model pracuje. Jsou jimi tyto abstrakce:
Entita resp. Objekt
Relationship resp. Vztah
Atribut resp. Vlastnost
Průvodce studiem:
Hned v úvodu upozorňuji na častou chybu, které se studenti dopouštějí. Chybou je
nerozlišování od abstraktního pojmu objekt, vztah, atribut a konkrétního výskytu (instance)
objektu, vztahu, či atributu.
Objektem může být "Student", instancí konkrétní Student popsaný konkrétními hodnotami
atributů. Vztahem může být "patří do" (např. Student patří do Skupiny), instancí vztahu může
být Král patří do AI1. Atributem může být "Příjmení", instancí (hodnotou atributu) pak může
být Král.
Entita je objekt reálného světa, který je schopen nezávislé existence a je jednoznačně
odlišitelný od ostatních objektů. Např. "Student", "Předmět", "Kniha", "Pojišťovna". Konkrétní
výskyty entit se nazývají instance.
Atributem budeme rozumět funkci přiřazující entitám či vztahům hodnotu popisného typu,
určující některou podstatnou vlastnost entity nebo vztahu. Hodnoty atributů jsou vybírány z
jednotlivých domén.
Doména je množina homogenních dat, spojená s konkrétním atributem. Je-li např. doména
množina všech celých čísel z intervalu <0,150), může se jednat o doménu atributu věk.
Příklad:
Mějme entitu Pacient s atributy Rodné číslo, Jméno, Příjmení, Datum narození, Pojišťovna.
Doména atributu Rodné číslo je množina textových řetězců délky 10 alfabetických znaků,
doména atributu Jméno je množina textových řetězců délky max. 15 alfabetických znaků,
doména atributu Příjmení je množina textových řetězců délky max. 15 alfabetických znaků,
doména atributu Datum narození je množina datumových hodnot, doména atributu
Pojišťovna je množina přirozených čísel z intervalu (100, 1000).Pro všechny atributy entity
Pacient provedeme jedno možné přiřazení jméno atributu = hodnota z odpovídající domény.
Tímto způsobem získáme jednu instanci entity Pacient, která by mohla vypadat následujícím
způsobem:(5562290800,Jan,Novák,29.12.1955, 111)
Vztah je vazba mezi dvěma entitami (obecně i více entitami). Např. Student studuje
Předmět. "Student" a "Předmět" jsou entity, zatímco "studuje" je vztah.
Příklad:
Mějme entity Pacient a Pojišťovna. Strukturu entity Pacient jsme již nadefinovali, zbývá
definice entity Pojišťovna, která by mohla být následující: Kod, Název, Adresa. Bude-li
atribut Pojišťovna entity Pacient definován nad stejnou doménou, jako atribut Kod entity
Pojišťovna, je možné mezi těmito dvěma entitami nadefinovat vztah, např. vztah
je_pojištěn_u.
Průvodce studiem:
Vymezení pojmů entita, vztah a atribut je dosti volné. Správné nalezené entit modelované
reality patří k nejtěžším úkolům a vyžaduje kromě velmi dobré znalosti modelované reality i
jistou zkušenost návrháře. Vodítkem Vám v začátcích může být to, že entity označujeme
obvykle podstatnými jmény a vztahy slovesy. Ne ovšem každé podstatné jméno neformálně
popsané reality je entitou. Může se jednat i o atribut. Atribut, na rozdíl od entity, není
schopen samostatné existence, nemá svou identitu. Atribut je např. "barva", "datum
narození".
Kontrolní otázky:
1. Pokuste se najít výsek reality, který je Vám blízký a neformálně jej popište.
2. Najděte na tomto výseku reality entity.
3. Pokuste se definovat, do jakých vztahů nalezené entity vstupují.
2.1.2 Tvorba konceptuálního modelu
Konceptuální model (někdy taky označován jako E-R model) je množina pojmů, které nám
pomáhají, na konceptuální úrovni abstrakce, popsat realitu za účelem následně
specifikovat strukturu databáze. Konceptuální úrovní abstrakce přitom máme na mysli tu
skutečnost, že v popředí zájmu je pouze modelovaná reality. Na této úrovni se ještě
nestaráme o to, jak bude budoucí databáze technicky spravována a řízena.
2.1.2.1 Činnosti při tvorbě konceptuálního modelu
Průvodce studiem:
Následující řádky berte jako doporučení, jak postupovat při tvorbě konceptuálního modelu.
Je rozumné se těchto doporučení držet, abyste se aspoň v počátcích tvorby konceptuálního
modelu nedopustili zbytečných chyb.
1. Identifikace entit jako množiny objektů stejného typu.
Např. KNIHA, ABONENT_KNIHOVNY, ZAMESTNANEC označují typy entit.
2. Identifikace vztahů, do kterých entity mohou vstupovat.
Např. ABONENT(entita) MA_PUJCEN (vztah) daný EXEMPLAR (entita).
3. Na základě přiměřené úrovně abstrakce přiřazení jednotlivým entitám a vztahům
popisné atributy.
Např. PRIJMENI (popisný atribut) daného ZAMESTNANCE (entita),
DATUM (popisný atribut), do kdy si daný ABONENT (entita) VYPUJCIL
( vztah) daný EXEMPLAR (entita).
4. Formulace integritních omezení (IO) vyjadřujících s větší či menší přesností soulad
schématu s modelovanou realitou.
2.1.2.2 Způsoby zápisu konceptuálního modelu
Existují dva způsoby zápisu konceptuálního modelu:
- Lineární textový.
- E-R diagramy.
Syntaxe lineárně textového zápisu
Entita
Entity - obdélníky
Vztahy - kosočtverce
Hrany ukazují, které entity vstupují do kterých vztahů. Každému uzlu grafu je přiděleno
jméno.
Průvodce studiem:
Nyní jste se setkali se značným množstvím nových pojmů. Nenechejte se odradit, v
následujícím textu se seznámíte s jejich definicemi a hlavně s příklady jejich použití.
Doporučuji Vám, abyste se po prostudování kapitoly 2.2.3. ke kapitole 2.2.1.a 2.2.2 ještě
jednou vrátili a přesvědčili se o tom, zda Vám jsou všechny pojmy jasné.
2.1.2.3 Integritní omezení
Integritní omezení je množina pravidel, kterou si na modelované realitě definujeme proto,
abychom měli data v budoucí databázi korektní a v souladu s modelovanou realitou.
Rozeznáváme tři typy integritních omezení: Entitní, doménové a referenční.
Entitní Integritní omezení
někdy taky označované jako integritní omezení pro entity, je omezením v tom smyslu, že
každá entita může obsahovat pouze navzájem různé instance (tzn. výskyty entity). K definice
entitního integritního omezení potřebujeme identifikační klíč. Je nutné, aby každá entita měla
identifikační klíč. S jeho nalezením mohou někdy být potíže, jak vyplyne z následujícího textu
(slabý entitní typ).
Identifikační klíč
Každá entita musí být jednoznačně identifikovatelná. Atribut (skupina atributů), jehož
hodnota slouží k indentifikaci konkrétní entity se nazývá identifikačním klíčem. Entitní typ
může mít několik kandidátů na roli identifikačního klíče. V každém konkrétním případě je
třeba zvažovat a potom volit tak, aby zvolené atributy skutečně plnily úlohu
identifikačního klíče a jejich použití bylo efektivní z hlediska časových a paměťových nároků.
Konkrétní výskyt vztahu může být identifikován identifikačními klíči entit, které ve vztahu
vystupují.
Např. vztah MA_ZAPSAN mezi STUDENTEM S1 a PREDMETEM P7 může být vyjádřen
dvojicí S1, P7.
Příklad:
Máme-li entitu Student s atributy Číslo studenta, Jméno, Příjmení, atd., atribut Číslo
studenta zajistí, že všechny instance entity Student budou navzájem různé. Nemohou totiž
existovat dva různí studenti s stejným Číslem studenta.
Atributy, které mají výše uvedenou vlastnost, totiž, že identifikují jednotlivé instance entit, se
nazývají identifikační klíče (primární klíče).
Průvodce studiem:
Při nalezení jakékoli entity se hned zamýšlejte nad tím, co (který atribut/atributy) ji bude
identifikovat. Nalezený atribut nebo skupinu atributů označte jako identifikační klíč. Pokud
není možné v entitě najít žádnou kombinaci atributů, které by ji jednoznačně identifikovaly,
bude se patrně jednat o slabou entitu (její definici najdete níže). Taková entita bude
identifikovatelná až po zakreslení vztahu. Je ovšem třeba vždy velmi pečlivě zvážit, zda
skutečně neexistuje možnost definovat vlastní identifikační klíč.
Integritní omezení pro domény
nazývané doménové integritní omezení zajišťuje, že hodnota atributu smí být vybrány vždy
pouze z předem definované a přiřazené domény. Základní možností pro definici
doménového IO je definice datového typu. Dále pak můžeme stanovit různé podmínky
platnosti.
Doména je tedy množina hodnot konkrétního atributu. Analogie z matematiky je definiční
obor.
Příklad:
Pro výše uvedenou entitu Student doménové integritní omezení přiřadí pro atributy Číslo
studenta, Jméno, Příjmení jejich domény např. následujícím způsobem:
Číslo studenta Celé číslo z intervalu 1 - 10000
Jméno Text maximálně na 15 znaků, přičemž znakem může být pouze písmeno
Příjmení Text maximálně na 20 znaků, přičemž znakem může být pouze písmeno
Referenční Integritní omezení
se někdy označuje jako IO pro vztahy a má několik složek:
Typ vztahu
Většina vztahů mezi entitami, které se na úrovni konceptuálního modelu zkoumají, jsou
binární vztahy, tj. vztahy mezi dvěma entitami.
V rámci binárního vztahu může být entita:
- Nezávislá (nemá povinné členství ve vztahu).
- Existenčně závislá (má povinné členství ve vztahu).
- Identifikačně závislá (má povinné členství ve vztahu a je slabou entitou).
Členství ve vztahu
O entitách, které jsou zapojeny do vztahu říkáme, že jsou členy vztahu. V této souvislosti
mluvíme o povinném (obligatorním) a nepovinném členství ve vztahu.
Příklad:
- Každý zaměstnanec musí být zařazen do některého oddělení.
- Oddělení může existovat i bez zaměstnanců.
Členství entity ZAMESTNANEC ve vztahu je povinné. Entita ODDELENI má členství ve
vztahu nepovinné.
Existenční závislost
Povinné členství ve vztahu bývá označováno a v konceptuálním modelu modelováno jako
tzv. existenční závislost. Proto si zapamatujte následující definici: Entita E1 je existenčně
závislá na entitě E2, jestliže nemůže existovat ani jedna instance entity E1, která by
nevstoupila do vztahu s entitou E2.
Příklad:
Mějme entitu Pacient, která charakterizuje jednotlivé Pacienty přicházející k lékaři a entitu
Návštěva, která bude charakterizovat vlastnosti konkrétních onemocnění daného Pacienta,
způsob léčby tohoto onemocnění, atd. Je zřejmé, že Pacient může existovat, aniž by byl na
Návštěvě u lékaře s nějakou chorobou. Prostě se pouze u lékaře zaregistroval a zatím je
zcela zdráv. Entita Návštěva je ovšem ve vztahu závislosti resp. nezávislosti v naprosto
jiném postavení. Návštěva vypovídá o chorobě konkrétního Pacienta. Entita Návštěva je tedy
existenčně závislá na entitě Pacient. Nemůže existovat žádný výskyt entity Návštěva, ke
které by neexistoval výskyt entity Pacient. Lékař nemůže ošetřit neexistujícího Pacienta.
Identifikační závislost
Entita E1 je identifikačně závislá na entitě E2, je-li na ní existenčně závislá a navíc neexistuje
žádná možnost u entity E1, jak definovat identifikační klíč s použitím pouze jejích atributů.
Pro definování identifikačního klíče je nutné použít identifikační klíč entity E2. Entita E1 je
nazývána slabá entita, entita E2 identifikační vlastník.
Příklad:
Zaměstnanci školy mohou vypisovat témata diplomových prací, která mohou být stejná. Je
nutné je rozlišit např. identifikátorem zaměstnance (Č_ZAM). Entita TEMA_DIPLOM je tedy
identifikačně závislá na entitě ZAMESTNANEC. Dědí atribut Č_ZAM a teprve s ním je možno
vytvořit skutečný identifikační klíč dané slabé entity. Jestliže doplníme entitě
TEMA_DIPLOM nový vlastní atribut, např. Č_TEMATU, který bude schopen plnit
úlohu identifikačního klíče, entita přestane být slabá, existenční závislost však zřejmě
zůstane. Na následujícím obrázku je slabá entita označena dvojitým obdélníkem.
Vztahová integrita je ve většině datových modelů modelována pomocí cizího klíče.
Rozhodnout, zda pojem cizí klíč je pojmem datového či konceptuálního modelu, je poměrně
složité. Čistě formálně vzato, cizí klíč je pojem datového modelu, nicméně z praktických
důvodů (většina CASE nástrojů to tak chápe) vysvětlíme pojem cizího klíče již na tomto
místě.
Cizí klíč
je atribut nebo skupina atributů, které jsou v nezávislé entitě identifikačním klíčem. Cizí klíč u
entity tedy signalizuje, že entita je závislá na jiné entitě, se kterou tato entita vstupuje do
vztahu. Pokud je cizí klíč součásti identifikačního klíče této entity, jedná se o slabou entitu.
Většina CASE nástrojů vytváří cizí klíče automaticky po zakreslení vztahu mezi entitami.
Kardinalita vztahu
Kardinalita vztahu je číslo, které udává počet instancí (výskytů) entity, kterými vstupuje do
vztahu s instancemi druhé entity.
Konceptuální model připouští následující kardinality:
1:1 Jedna instance entity E1 vstupuje do vztahu s jednou instancí entity E2 a jedna
instance entity E2 vstupuje do vztahu s jednou instancí entity E1.
1:N Jedna instance entity E1 vstupuje do vztahu s více instancemi entity E2 a jedna
instance entity E2 vstupuje do vztahu s jednou instancí entity E1.
M:N Jedna instancí entity E1 vstupuje do vztahu s více instancemi entity E2 a jedna
instancí entity E2 vstupuje do vztahu s více instancemi entity E2.
Příklad:
Učitel učí Předmět
Kardinalita 1:1 znamená, že jeden učitel učí jeden předmět a zároveň jeden předmět je
vyučován jedním učitelem.
Kardinalita 1:N znamená, že jeden učitel učí více předmětů a zároveň jeden předmět je
vyučován jedním učitelem.
Kardinalita M:N znamená, že jeden učitel učí více předmětů a zároveň jeden předmět je
vyučován více učiteli.
min-max io
Mějme typ vztahu R(E1, E2). Potom E1:(min1, max1), E2:(min2, max2) označuje
minimální, resp. maximální počet výskytů entity daného typu ve vztahové množině R. Nula
jako minimum vyjadřuje nepovinné členství ve vztahu. Nepovinné členství ve vztahu vyjadřuje možnost nezávislé existence entity daného typu na entitě druhého typu.
Naopak, je-li minimum > 0, je entita existenčně závislá na jiné entitě.
Příklad:
VÝPUJČKA (ČTENÁŘ:(0,4), EXEMPLÁŘ:(0,1))
Konkrétní čtenář nemusí mít vypůjčenou žádnou knihu, může mít současně vypůjčeny až
4 exempláře.
Konkrétní exemplář může být buď v regálu nebo je půjčen vdaném okamžiku jen jednomu
čtenáři.
Dekompozice M:N vztahu
Konceptuální model sice připouští kardinalitu N:M, ovšem z hlediska dalšího zpracování
směrem k vytvoření schématu databáze musíme obvykle tuto kardinalitu N:M eliminovat.
Situace se řeší dekompozicí, což znamená zařazení další entity. Tato entita je označována
jako začlenění.
Příklad:
Výrobek Součástka
V1 ----------------------- S1
V1 ----------------------- S4
V2 ----------------------- S4
V2 ----------------------- S2
V2 ----------------------- S3
V3 ----------------------- S3
Zavedeme entitu Začlenění
Výrobek Začlenění Součástka
V1 ---------------- Z1 -------------- S1
V1 ---------------- Z2 -------------- S4
V2 ---------------- Z3 -------------- S4
V2 ---------------- Z4 -------------- S2
V2 ---------------- Z5 -------------- S3
V3 ---------------- Z6 -------------- S3
Odpovídající E-R diagram:
2.1.2.4 Přiřazení popisných atributů
Entity a vztahy jsou popsány úplně, až když je jim přidělena množina popisných atributů.
- Pro každou entitu je nutno vytvořit samostatnou tabulku atributů, kde se uvádí
jméno atributu a IO.
- Typ atributu se zadá hodnotovou množinou (doménou).
- U klíčového atributu je třeba zadat příznak pro identifikační klíč.
- Někdy se určuje, zda atribut může mít prázdnou hodnotu. Obvykle se označuje
NULL.
Je zřejmé, že identifikační klíč nesmí nabývat hodnoty NULL.
Kombinace E-R diagramu a tabulek, popisujících atributy jednotlivých entit a vztahů,
tvoří úplné schéma E-R modelu.
Příklad:
Entity:
PACIENT(RODNE ČÍSLO, JMÉNO, ADRESA, VÁHA, VÝŠKA, POČET_LŮŽEK...)
POKOJ(ČÍSLO POKOJE,POČET_LŮŽEK,LOKALITA...)
Pro všechny entity je třeba vytvořit následující tabulku.
Tabulka pro entitu PACIENT:
PACIENT RODNÉČÍSLO JMÉNO ADRESA VÁHA VÝŠKA ....
typ N:10 X:25 X:25 N:3 N:3
NULL ne ne ano ano ano
klíč ano ne ne ne ne
Vztahy:
JE_UMÍSTĚN_NA (PACIENT, POKOJ, N:1)
resp.JE_UMÍSTĚN_NA(PACIENT:(1:1), POKOJ:(0:N))
2.1.2.5 ISA hierarchie, podtypy entit
Speciální atributy představují v konceptuálním modelování takové atributy, které danému
typu entity přiřazují jeho nadtyp. Atribut je pak podtypem svého nadtypu. Jde o tzv. ISAhierarchii.
Graficky se ISA-hierarchie zobrazuje takto:
Abstraktní entitní typ (entita) OSOBA se zavádí z praktických důvodů proto, že existuje
řada společných atributů entit UČITEL a STUDENT a proto má smysl zavést jediný
společný entitní typ. Pak je třeba připustit existenci hodnot NULL u těch atributů, které jsou
irelevantní s ohledem na konkrétní typ osoby. Entitní typy (entity) STUDENT a UČITEL
jsou podtypy entitního typu OSOBA. Platí STUDENT JE OSOBA (anglicky IS A). V oblasti
umělé inteligence se tomuto vztahu říká ISA vztah.
Neatomické atributy
Konceptuální model, na rozdíl od např. relačního modelu (jak se dovíte později),
připouští neatomické atributy. V souvislosti s návazností na příslušný databázový model,
konceptuální model má nástroje, jak strukturu atomických atributů vytvořit. Atributy, které
lze rozčlenit, se nazývají skupinové (grupped). Některé konceptuální modely připouštějí
zavedení vícehodnotového atributu. Např. Autor knihy může být vícehodnotový, tzn., že
může existovat více autorů jednoho titulu. Přitom dopředu nevíme, kolik hodnot tento atribut
bude mít. Jedná se tedy o vektor proměnné délky.
Korektní konceptuální schéma
- Žádný entitní typ nemá v konceptuálním schématu více než jeden zdroj ISA
hierarchie.
- ISA vztahy netvoří v E-R diagramu orientovaný cyklus.
- Identifikační typy vztahů netvoří v E-R diagramu orientovaný cyklus (jinak by jeden
typ entity byl identifikován pomocí sebe sama) .
- yp entity v ISA hierarchii, který není zdrojem není identifikačně závislý na žádném
entitním typu (je totiž již identifikován svým zdrojem ISA hierarchie).
- Jména typů entit a vztahů jsou jednoznačná globální jména, jména atributů jsou
jednoznačná lokální jména.
- Je-li typ entity zdroj ISA hierarchie, pak má identifikační klíč. Ostatní typy v ISA
hierarchii nemají identifikační klíč.
Shrnutí:
Základem tvorby jakékoliv databáze je vytvoření jejího schématu. Abychom byli schopni
schéma databáze vytvořit, musíme sestavit model reality. Na nejvyšší úrovni abstrakce
(nejblíže k modelované realitě) se vytváří konceptuální model. Konceptuální model je tedy na
začátku každé rozumně navržené databáze. Vytvořit konceptuální model znamená
především znát modelovanou realitu a také znát zásady tvorby konceptuálního modelu.
Koncepty (pojmy) konceptuálního modelu jsou entity, vztahy a atributy. U entit je
nejdůležitější se zabývat jejich identifikací (identifikační klíč), u vztahů pak typem vztahů a
kardinalit. Typy vztahů pak automaticky definují cizí klíče závislých entit. Pro jednotlivé
atributy pak je nutné definovat množiny jejich možných hodnot (domény). Konceptuální
model lze zapsat buď v lineárně textovém zápisu nebo pomocí tzv. E-R diagramu.
Nejnáročnější pasáží tvorby konceptuálního modelu je nalezení entit. Proto je nutné se
zabývat všemi výseky reality, které jeví známky samostatnosti v existenci či chování. To jsou
potencionální entity. Velmi důležité je si uvědomit, co jsou ony abstrakce, o nichž budeme v
budované databázi uchovávat data.
Kontrolní otázky:
1. Zakreslete E-R diagram se dvěma entitami, které vstupují do existenčního typu
vztahu.
2. Vysvětlete rozdíl mezi existenčním a identifikačním typem vztahu.
3. Charakterizujte entitní, doménovou a referenční integritu.
Pojmy k zapamatování:
Entita
Vztah
Atribut
Doména
Instance
Identifikační (primární) klíč
Integritní omezení
Existenční a identifikační závislost
Kardinalita vztahu
ISA hierarchie
Cizí klíč
Průvodce studiem:
Jste u konce velmi náročné kapitoly. Pokud jste byli schopni odpovědět na kontrolní otázky a
jsou Vám jasné pojmy k zapamatování, jste na nejlepší cestě k pochopení problematiky
konceptuálního modelování. Dejte si pauzu a pak se pusťte do studia CASE nástroje Erwin.
CASE nástroje na datové modelování, k nimž Erwin patří, Vám umožní efektivním
způsobem vytvářet konceptuální a později datové modely. Je však nutné, abyste si osvojili
základní dovednosti v práci s tímto softwarovým nástrojem. Pojmový aparát, který Erwin
používá je Vám již znám. Následující kapitola Vám přinese návod na to, jak s Erwinem
pracovat a jak v něm konceptuální model reality zakreslit.
2.2 CASE NÁSTROJ ERWIN
Cíl:
Cílem je naučit čtenáře obsluhovat CASE nástroj pro datové modelování Erwin. Pojmy, které
se vyskytují v textu této kapitoly, nejsou vysvětlovány, jejich znalost se již předpokládá a
čtenář se je naučil v předchozích kapitolách. Po prostudování této kapitoly bude čtenář umět
nakreslit konceptuální model v prostředí CASE nástroje Ewin. Je vhodné, ne-li nezbytné, si
při studiu tohoto textu spustit Erwin a všechny vysvětlované pasáže si rovněž ihned prakticky
vyzkoušet.
Klíčová slova:
entita (objekt), vztah (relationship), nezávislé a existenčně závislé objekty (entity),
identifikačně závislý objekt (entita), slabý entitní typ, členství ve vztahu, kardinalita, primární
klíč, cizí klíč, datový typ, index, target server.
Průvodce studiem:
Nejdříve Vás musím upozornit, že by bylo ztrátou Vašeho času začít číst tuto kapitolu,
pokud pojmy, které jsou uvedeny v klíčových slovech ještě neznáte nebo přesně nevíte, co
znamenají. V takovém případě si raději ještě jednou přečtěte předcházející kapitolu (2.1.).
Návod na obsluhu nástroje Erwin je velice stručný a popisuje jen základní charakteristiky a
způsob obsluhy systému Erwin. Není možné popsat všechny funkce, kterými software
disponuje. Pokud by se stalo, že příslušnou funkci v návodu nenajdete, pokuste se využít
nápovědy / Helpu, který je součástí software. Pokud se v textu objeví podtržený pojem, je
Vám tím dáváno na vědomí, že pojem je vysvětlen v předchozím textu a tudíž s jeho pravým
významem se můžete (lépe řečeno jste se mohli) seznámit v předchozím textu. Abyste měli
celý návod na obsluhu Erwina pohromadě, jsou v této kapitole popsány i aktivity (kap.
2.2.2.), které budou teoreticky vysvětleny až v následujících kapitolách. Na místo, kde máte
přerušit čtení, budete upozorněni. Po vysvětlení příslušného teoretického aparátu Vás opět
odkážu na dočtení této kapitoly.
Pokud ještě nemáte na svém počítači nainstalován produkt Erwin, udělejte tak a při studiu si
ihned veškeré funkce ověřujte.
2.2.1 Konceptuální model v Erwinu
Po spuštění programu ERWIN se objeví následující obrazovka:
Budeme hlavně pracovat s těmito nástroji:
- Hlavní nabídka.
- File, Edit, Server, Report, Option, Windows.
- Toolbar.
- Jednotlivá tlačítka pod hlavní nabídkou.
- Toolbox.
- Erwin Toolbox je umístěn na pracovní ploše.
Nejdříve si vysvětlíme jednotlivá tlačítka Toolboxu, která budeme potřebovat:
Umožňuje uchopovat objekty (entity)
Umožňuje zakreslovat nezávislé a existenčně závislé objekty (entity). Pokut má obdélník
zakulacené rohy , představuje identifikačně závislý objekt (entitu), někdy označovanou
slabý entitní typ .
Umožňuje zakreslit identifikační závislost. Objekt, u kterého je plné kolečko, představuje
závislý objekt, objekt s prázdným kolečkem je nezávislý. Identifikačně závislý objekt má
povinnou účast ve vztahu. Nezávislý objekt má nepovinnou účast ve vztahu.
Umožňuje zakreslit existenční závislost. Objekt, u kterého je plné kolečko , představuje
závislý objekt, objekt s prázdným kolečkem je nezávislý. Existenčně závislý objekt má
povinnou účast ve vztahu. Nezávislý objekt má nepovinnou účast ve vztahu.
Umožňuje zakreslit vztah, kdy o žádném objektu se nedá říci, že by byl závislý resp.
nezávislý. Jedná se o objekty, které mají nepovinné členství ve vztahu. Pomocí tohoto typu
vztahu modelujeme kardinalitu N:M
Rozbalení dalších nabídek v hlavní nabídce:
Po zmáčknutí volby Option se rozbalí nabídka. Zaškrtněte volby Show Display Menu a Show
Editor Menu. Pokud to provedete správně, přibude v hlavní nabídce volba Editor a Display.
Z volby Editor budeme používat tyto volby:
- Entity-Attribute, pro definování objektů, jejich vlastností a vztahů.
- … Database Scheme, pro definování datových typů jednotlivých atributů.
- … Index, pro definování indexů.
Definování objektů, vztahů a atributů:
Do pole Entity Name zapíšeme jméno objektu, do pole Primary Key napíšeme atribut nebo
skupinu atributů, které budou Identifikačním klíčem, do pole Non-Key Attributes napíšeme
ostatní, tzv. popisné atributy.
Takovým způsobem nadefinujeme všechny objekty v modelu.
Příklad nadefinovaného objektu by mohl být:
Průvodce studiem:
Nepoužívejte diakritiku (háčky a čárky), jedná se o demo verzi Erwina, která diakritiku neumí
rozpoznat. Vyhnete se tak zbytečným potížím. Jistě jste si všimli, že Erwin používá místy
trošku jiné termíny, než je standard. Proto je třeba si uvědomit:
Primary key = identifikační klíč. V dalším textu, který se bude týkat datových modelů,
budeme také používat označení pro atribut/y, který identifikuje entitu pojem primární klíč. Na
úrovni konceptuálního modelování je však standardně používán pojem identifikační klíč.
Dále si jistě všimnete, že Erwin označuje jako Independant pouze entitu identifikačně
nezávislou. Ve standardním pojetí je ovšem třeba připustit, že Independent je rovněž entita
existenčně nezávislá. Snad Vás tato nejednotnost příliš nezmate.
Mezi atributy objektu nezapisujte atributy jiných objektů. Ty se do objektu natáhnou
automaticky po zakreslení vztahů mezi objekty (myslí se tím identifikační klíče).
Příklad:
Jednoduchý model objektů by mohl být následující:
Všimněte si, že objekt “Navsteva” nemá dostatečný Identifikační klíč. “Datum Navstevy” totiž
ještě nemůže identifikovat každou instanci objektu “Navsteva”. Další klíčové atributy se do
objektu “Navsteva” automaticky převedou po zakreslení vztahů mezi objekty “Lekar”,
“Navsteva” a “Pacient”.V těchto vztazích bude totiž “Navsteva” závislá jak na “Pacientovi”,
tak na “Lekari”. Není možné uskutečnit návštěvu, pokud není pacient resp. lékař. Tuto
skutečnost zakreslíme do modelu použitím vhodných vztahů. V našem případě se bude
jednat o vztahy identifikační, protože “ICO” lékaře a “Rodne cislo” pacienta budou
nápomocné k identifikaci instance objektu “Navsteva”.Tento model představuje základní
definici objektů, atributů a vztahů na úrovni Entity-Attribute. Pokud se Vám nezobrazují názvy
vztahů, zadejte volbu: Display/Verb Phrase.
Shrnutí:
Při tvorbě konceptuálního modelu pomocí CASE nástroje Erwin je třeba nejdříve nalézt a
zakreslit entity modelované reality. U každé entity najít identifikační (primární) klíč. Dále
rozhodnout, které entity do jakých vztahů vstupují a zakreslit vztahy. Erwin automaticky
rovněž přenese primární klíč nezávislé entity do závislé entity, kde se tento stane cizím
klíčem. Pokud použijeme identifikační typ vztahu, cizí klíč se umístí do primárního klíče
závislé entity (slabá entita), pokud použijeme existenční závislost, cizí klíč se umístí mezi
ostatní atributy. Nakonec pro všechny entity definujeme popisné atributy. Nejdůležitější při
celém procesu tvorby modelu je mít stále na paměti modelovanou realitu a snažit se model
udělat co nejvěrnější. Samozřejmě s přihlédnutím k určití míře zjednodušení, která vyplývá z
požadavků uživatele na budoucí databázi.
Kontrolní otázky:
1. Co je to Identifikační, resp. primární klíč?
2. Co je to cizí klíč?
3. Jaké typy vztahů znáte?
Pojmy k zapamatování:
Identifikační / primární klíč (Primary key)
Popisné / neklíčové atributy
Závislá entita (existenčně, identifikačně)
Nezávislá entita
Existenční typ vztahu
Identifikační typ vztahu
Cizí klíč (Foreign key)
Průvodce studiem:
Na této úrovni máme vytvořen konceptuální model. Následující aktivity se již budou týkat
datového modelu. Proto zde přerušte čtení, dejte si pauzičku a pak si prohlédněte vyřešené
příklady, které jsou uvedeny v následující kapitole.
2.2.2 Datový model v Erwinu
Průvodce studiem:
Datový model je na nižší úrovni abstrakce. Znamená to, že již musíme přihlížet ke
skutečnosti, v jakém prostředí (Systém Řízení Báze Dat) budou data uchovávána,
aktualizována, organizována a řízena. V současné době existuje několik typů datových
modelů. Z historického hlediska se jedná o modely síťové a hierarchické, v současnosti
nejvíce používaný je model relační, jehož pozici se již delší dobu snaží získat model
objektový. Nicméně většina současných databází je založena na relačním datovém modelu, i
my se budeme v následujících textech věnovat hlavně modelům relačním. Máme-li vytvořen
konceptuální model, musíme jej (jako 2. krok tvorby schématu databáze) transformovat na
model datový. V našem případě to bude relační datový model. S transformací do relačního
datového modelu jsou spojeny následující činnosti:
Definování datových typů jednotlivých atributů:
Pro definování datových typů je třeba se v hlavní nabídce přepnout na volbu:
Editor/…Database Scheme. Tři tečky znázorňují tu skutečnost, že na tomto místě se mohou
vyskytovat různé tzv. target servery. Target server je vlastně systém řízení báze dat
(SŘBD), ve kterém se budou modelovaná data zpracovávat. Proto v této fázi se musíme
rozhodnout, který SŘBD budeme dále používat. Výběrem SŘBD se již dostáváme k
definovaní datového modelu. Předcházející kroky byly součástí tzv. konceptuálního
modelování. Způsob výběru Target serveru je popsán na konci textu. Máme-li vybrán Target
server, nastavenou volbu Editor/…Database Scheme a vybereme libovolný objekt, zobrazí
se nám následující dialogové okno, do kterého budeme moci zapisovat pro jednotlivé atributy
jejich datové typy.
Všimněte si, že Erwin implicitně nastavuje veškeré datové typy atributů na CHAR(18). To
samozřejmě budeme potřebovat změnit. Proto pro každý vybraný atribut vybereme z nabídky
datových typů ten, který se nám zdá pro daný atribut nejvhodnější.
Chceme-li si nadefinované datové typy zobrazit, vybereme tlačítko Physical view z Toolbaru.
Definování indexů:
Indexy jsou pomocné datové struktury (pro jednoduchost si je můžeme představit jako
tabulky), které potřebujeme pro rychlé vyhledávání v databázi. Na úrovni modelování si
můžeme vybrat atributy, na které budeme indexy vytvářet. Tyto atributy se nazývají
vyhledávací klíče.
Nejdříve je třeba volbou Editor nastavit na vytváření indexů a to je volba …Index. Význam tří
teček je stejný, jako bylo uvedeno výše. Po zadání volby … Index a vybrání kterékoliv
tabulky se nám objeví následující dialogové okno:
V tomto okně je možno vytvářet nové indexy volbou NEW. Po zadání NEW si vybereme
atribut nebo skupinu atributů, na které chceme vytvořit index. Pro index lze nastavovat tyto
charakteristiky:
- Clustered: umožňuje zadat, že daný index bude clusterovaný, hasovaný. Podrobne
se s problematikou hašování můžete seznámit v teoretické části kurzu. Volba Size
Rows odkazuje na velikost alokovaného prostoru, který je vytvořen pro hašovaný
soubor.
- Unique: pokud je volba unique zadána, pak se jedná o tzv. alternativní klíč a tudíž
hodnoty tohoto klíče nemohou být duplicitní. Není-li volba unique vybrána, jedná se o
klíč inverzní a tudíž hodnoty tohoto klíče mohou být duplicitní.
- Descenting: tato volba umožní zadat způsob třídění hodnot v indexu. Implicitně je
nastavena volba Ascending (vzestupné třídění). Můžete však vybrat volbu
Descending (sestupné třídění).
Po zadáví všech vyhledávacích klíčů (resp. indexů) a zadání volby Display/Alternate key si
můžete nastavení indexů prohlídnout.
Jedno z možných nastavení indexů je na následujícím obrázku.
V tomto okamžiku lze říci, že datový model je hotov.
Všimněte si 2 úrovní abstrakce, kterých jsme použili. Na 1. Úrovni abstrakce jsme definovali
tzv. E-R model (konceptuální model), tj. zajímaly nás pouze objekty, atributy a vztahy. Na 2.
Úrovni abstrakce jsme již začali definovat datové typy, ale ty mohou být různé pro různé
systémy řízení báze dat (SŘBD). Proto bylo třeba nejdříve vybrat, který SŘBD (target server)
bude tím, v němž budeme data zpracovávat. Tím se ovšem posouváme na jinou úroveň
abstrakce. Ve 2. Úrovni vytváříme tzv. datový model. Třetí úrovní abstrakce je generování
datových schémat, což odpovídá imlementaci souborů a databází, jedná se tedy o fyzickou
(implementační) úroveň.
Vygenerovat schémata databáze můžeme dvěma základními způsoby:
- Přímo z Erwina volbou generovat (tato volba není v demo verzi přístupná).
- Přes tzv. skript, což je soubor příkazů jazyka SQL spustitelný v příslušném SŘBD.
Obě tyto možnosti zabezpečuje volba Server/ Schema Generation.
Definování Target serveru:
Vybráním volby Server/Target server se nám otebře následující dialogové okno:
Máme možnost vybírat ze dvou skupin target serverů (SŘBD):
- SQL servery jsou takové SŘBD, které pracují na bázi architektury Klient/Server.
- Desktop servery sice umožňují sdílet databázi, uloženou na jednom počítači, ovšem
toto sdílení nefunguje na principu Klient/Server.
Pro více informací musíte sáhnout po skriptech a teoretických textech.
Zajisté jste si všimli starých verzí nabízených SŘBD. Aktuální verze Erwina podporuje
všechny frekventované SŘBD v nejnovějších verzích. Aktuální ostrou verzi tohoto CASE
nástroje Vám bohužel nemohu poskytnout.
Pouze pro srovnání zde uvádím výběr Target serverů novější verze Erwina:
Kontrolní otázky:
1. Co je to datový tap atributu a jak závisí na vybraném target serveru (SŘBD)?
2. Co je to index a jak souvisí s pojmem vyhledávací klíč?
3. Jaké typy target serverů nabízí Erwin?
Pojmy k zapamatování:
Datový typ atributu
Vyhledávací klíč
Index
Target server
Průvodce studiem:
Po prostudování tohoto stručného návodu a příslušných teoretických kapitol byste měli být
schopni vytvořit konceptuální model zadané reality a transformovat jej do relačního datového
modelu dle vybraného SŘBD (target serveru). Pro prověření znalostí si ještě pečlivě
prostudujte kapitolu 3.7. - řešené příklady a pak se pusťte do řešení korespondenčního
úkolu. Jestliže jste byli při čtení pozorní a všechny funkce si prakticky vyzkoušeli, jistě
nebudete mít problémy s jeho řešením.
2.3 ŘEŠENÉ PŘÍKLADY
Cíl:
Cílem kapitoly Řešené úkoly je demonstrovat proces tvorby konceptuálního modelu na
zadaném výseku reality. Čtenář by se měl zamýšlet hlavně nad tím, jak:
- Hledat entity z neformálního popisu reality.
- Hledat identifikační klíče entit.
- Hledat vzájemné vztahy mezi entitami.
- Vybrat popisné atributy, jako podstatné vlastnosti nalezených entit.
Klíčová slova:
Neformální popis reality, konceptuální model reality, Erwin.
Průvodce studiem:
Věnujte, prosím, této kapitole mimořádnou pozornost. Jakmile Vám bude řešení uvedených
příkladů jasné, můžete přistoupit ke korespondenčnímu úkolu, jehož zadání najdete v
následující kapitole.
2.3.1 Popis modelované reality:
Následující text je jednoduchým popisem výseků realit, které by mohly být předmětem
databázového modelování. Popis je velmi zjednodušen. Každé zadání obsahuje vždy možné
řešení v prostředí Erwin.
Příklad:
Realita – ordinace u lékaře
Vytvořte model lékařské ordinace, který bude postihovat následující skutečnosti. Lékaři mají
smlouvy s pojišťovnami a to tak, že více lékařů může mít smlouvu s toutéž pojišťovnou a
zároveň jeden lékař může uzavřít smlouvu s více pojišťovnami. Pacienti jsou pojištěni vždy u
jedné pojišťovny. Pacienti chodí na návštěvy k lékařům, na kterých lékaři stanoví diagnózu a
předepíší recepty na léky. Atributy a klíče volte dle vlastní zkušenosti. Následuje jedno z
možných řešení.
Konceptuální model ordinace
Příklad:
Realita – lázně
Vytvořte model lázeňské péče. Hosté jezdí do lázní a jejich pobyty jsou evidovány v knize
hostů. Bude se jednat o lázně, kde bude u pacientů hlavně sledována jejich hmotnost v
souvislosti s jejich konstitucí. Informace o různých konstitucích se nachází v hmotnostní
tabulce. Hosté budou pravidelně váženi a naměřené hmotnosti budou zapisovány do tabulky
vážení. Host si bude moci připlatit dodatečnou péči, která je nad rámec běžného programu.
Bude nás zajímat, na kterých pokojích jsou kteří hosté umístěni. Následuje jedno z možných
řešení.
Konceptuální model lázní
Příklad:
Realita – knihovna
Vytvořte model půjčovny knih v knihovně. Knihovna vlastní exempláře mnoha různých knih.
Tyto knihy si mohou půjčovat čtenáři, kteří mají u této knihovny zřízen čtenářský průkaz. Je-li
kniha k dispozici, čtenář si půjčí odpovídající exemplář. Pokud kniha momentálně k dispozici
není, čtenář si může na tuto knihu vytvořit záznam, pomoci kterého si ji rezervuje, až k
dispozici bude. Následuje jedno z možných řešení.
3 MODUL 3
3.1 RELAČNÍ DATOVÝ MODEL
Cíl:
Cílem této kapitoly je, aby se čtenář seznámil se zatím nejvyužívanějším datovým modelem,
kterým je relační datový model. Kapitola přináší základní ideje, na kterých je model založen,
definici relačního modelu dat, základní pojmy. Čtenář se rovněž seznámí se základními
manipulačními prostředky, které lze v relačním datovém modelu nad daty využít. Po
prostudování textu by měl mít čtenář představu o strukturách, do kterých se ukládají data v
databázi, kterými jsou databázové relace. Dále by měl již naprosto přesně umět definovat
pojmy uvedené v klíčových slovech. Co se týká databázových operací, čtenář by měl po
přečtení této kapitoly o nich získat základní přehled. V následujících textech ještě bude
databázovým operacím věnována značná pozornost.
Klíčová slova:
RMD, databázová relace, 1NF, doména, primární klíč, cizí klíč, operace relační algebry.
3.1.1 Úvod
Relační datový model (RDM) byl poprvé popsán v roce 1970 E.F. Coddem a je zatím
nejrozšířenějším datovým modelem, na kterém je založen návrh a tvorba databází.
Základní ideje relačního modelu
- RMD důsledně odděluje data, která jsou chápána jako relace, od jejich
implementace.
- Přístup k datům je symetrický, tj. při manipulaci s daty se nezajímáme o přístupové
mechanizmy k datům.
- Pro manipulaci s daty jsou k dispozici dva silné prostředky - relační kalkul a relační
algebra.
- Pro omezení redundance dat v relační databázi jsou navrženy pojmy umožňující
normalizovat relace.
Průvodce studiem:
RMD má jediný konstrukt, kterým je databázová relace. Proto při transformaci
konceptuálního modelu na model relační je třeba celou složitou realitu transformovat na
množinu vcelku jednoduchých relací. Již tento fakt naznačuje, že bude skutečně velmi složité
a někdy dokonce nemožné realitu natolik zjednodušit. Tato úvaha vede ke snaze vývoje
datových modelů založených na objektových principech. To je ovšem v této kapitole ještě
téma předčasné, přesto je dobré si uvedenou skutečnost uvědomit.
Základní definice RMD
Mějme množiny D1, D2, D3,.......Dn. Z každé vybereme 1 prvek. Tím vytvoříme
uspořádanou n-tici. Kartézský součin D1 x D2... je množina všech posloupností (x1,x2,...)
kde x1 je prvkem D1 ... Relace je každá podmnožina kartézského součinu. Z hlediska
databázových systémů jsou množiny D1, D2,.. množina hodnot atributů a označují se jako
domény.
Od matematické relace se liší v několika aspektech:
- Relace je vybavena pomocnou strukturou, které se říká schéma relace. Schéma
relace se skládá ze jména relace, jmen atributů a domén.
- Prvky domén, ze kterých se berou jednotlivé komponenty prvků relace, jsou
atomické (dále nedělitelné) hodnoty. Tomuto omezení se říká 1.normální forma
relací (1NF).
Schéma relace R se vytvoří nad množinou atributů A1:D1,...An:Dn, kde Ai jsou jména
atributů a Di jsou domény. Dvojici Ai:Di se říká atribut relace. Schéma relace lze zapsat
R(A1:D1,....An:Dn). Relace R nad množinou A je libovolná podmnožina kartézského
součinu domén D1 x...x Dn. Doména náležící atributu C se označuje jako dom(C).
Domény jsou obvykle primitivní typy dat (STRING, INTEGER...).
Prvkům relace se říká n-tice, přičemž n určuje řád relace. Relační schéma databáze je
dvojice (R,I), kde R je množina schémat relací a I je množina integritních omezení. Jedno
z významných IO na relaci R(A) je existence primárního klíče.
Primární klíč je množina atributů K z A, jejichž hodnoty jednoznačně určují n-tice
relace R. K je minimální v tom smyslu, že z ní nelze odebrat žádný atribut, aniž by to
narušilo identifikační vlastnost.
Atribut, který je součástí nějakého klíče se nazývá klíčový.Atributy, které nejsou
součástí žádného klíče se nazývají neklíčové. Z podstaty RMD vyplývá, že každá
relace má klíč. Protože relace jsou množiny, nesmí relace obsahovat duplicitní prvky.
Dalším důležitým IO je referenční integrita. Toto omezení popisuje vztahy mezi daty ve
dvou relacích. Atribut, kterého se referenční integrita týká se nazývá cizí klíč (foreign key).
Takové dvě relace se obvykle nazývají master/ detail nebo parent/child nebo
independent/dependent. Česky obvykle hlavní/závislá někdy taky nezávislá/závislá,
nadřazená/podřízená. Cizí klíč je atribut relace, který se v nadřazené relaci primárním
klíčem.
Příklad:
Hlavní relace:
UCITELE(CISLO,JMENO,PLAT,PRIPLATEK,...)
Závislá relace:
PREDMETY(ZKRATKA,NAZEV,......,GARANT)
CISLO z relace UCITELE je primární klíč a objevuje se v relaci PREDMETY jako položka
GARANT. Položka GARANT je tzv. cizí klíč.
Přípustnou relační databází se schématem (R, I) nazýváme množinu relací R1,...Rk
takových, že jejich prvky vyhovují I. O takové množině relací říkáme, že je konzistentní.
Formou reprezentace relací může být dvojrozměrná tabulka.
Podmínky, které musí splňovat relační tabulka:
- Všechny hodnoty v tabulce musí být elementární - tz. dále nedělitelné - podmínka
1.NF.
- Sloupce mohou být v libovolném pořadí.
- Řádky mohou být v libovolném pořadí.
- Sloupce musí být homogenní, tzn. ve sloupci musí být údaje stejného typu.
- Každému sloupci musí být přiřazeno jednoznačné jméno (tzv. atribut).
- V relační tabulce nesmí být dva zcela stejné řádky. Tzn., že každý řádek je
jednoznačně rozlišitelný.
Shrnutí:
Doména: je množina datových hodnot stejného typu. Tyto hodnoty popisují nějakou
vlastnost objektu.
Relace: je každá podmnožina kartézského součinu, jejíž konkrétní n-tice vznikly vybráním
příslušných prvků z domén.
Atribut: je pojmenování pro každé užití hodnoty z domény v relaci.
Záhlaví relace: obsahuje jméno relace a jména atributů v relaci. Je v čase neměnné.
Tělo relace: obsahuje v čase proměnnou množinu n-tic hodnot, jejichž pořadí je dáno
záhlavím relace.
Stupeň relace: je počet atributů relace.
Kardinalita relace: je počet řádků relace.
Primární klíč: je atribut nebo množina atributů, který jednoznačně určuje n-tice relace.
Pokud je třeba použít více atributů pro jednoznačné určení n-tice, potom hovoříme o tzv.
složeném primárním klíči. Pokud je více atributů, které splňují pravidlo pro primární klíč,jeden
zvolíme jako primární a ostatní jsou alternativní klíče.
Definice primárního klíče:
Primární klíč je podmnožina atributů relace, která
1) jednoznačně identifikuje každý prvek relace
2) není redundantní, tj. žádný její atribut nelze vynechat, aniž by podmínka 1) přestala platit.
Kandidáti primárního klíče:
primární klíč - pouze jeden
alternativní klíče - více.
Kontrolní otázky:
1. Co je to databázová relace a čím se liší od relace matematické?
2. Jak lze vytvořit každou instanci databázové relace?
3. Čím lze identifikovat jednotlivé n-tice relace?
4. Kolik může mít relace primárních klíčů?
Pojmy k zapamatování:
Doména
Atribut
Relace
Kandidáti primárního klíče
Primární klíč
Alternativní klíč
Kardinalita relace
Stupeň relace
Cizí klíč
1NF
3.2 KLÍČE V DATABÁZOVÉ TECHNOLOGII
Cíl:
Cílem této kapitoly je zopakovat již zavedené pojmy týkající se klíčů v relačních datových
modelech, přehledně uvést základní definice a na příkladech ozřejmit použití různých typů
klíčů. Čtenář po prostudování této kapitoly musí umět definovat co to je klíč, vyjmenovat typy
klíčů a charakterizovat je.
Klíčová slova:
Primární klíč, cizí klíč, alternativní klíč, inverzní klíč.
Průvodce studiem:
Tuto kapitolu je třeba chápat jako kapitolu přehledovou. Nedovíte se v ní v podstatě nic
nového, pouze se přehledově zopakujete čtyři již zmiňované pojmy (klíče) a na příkladem si
připomenete jejich význam a použití. Pro ty, kteří studovali poctivě to bude skutečně snadná
záležitost.
3.2.1 Primární klíč (Primary Key)
je atribut nebo množina atributů K z A (kde A je množina všech atributů relace R), jejichž
hodnoty jednoznačně určují n-tice relace R. K je minimální v tom smyslu, že z ní nelze
odebrat žádný atribut, aniž by to narušilo identifikační vlastnost. Pokud je atributů, které
splňují tuto vlastnost v relaci R více, nazýváme je kandidáty primárního klíče. Kandidátů
primárního klíče smí být v dané relaci R více, primární klíč však smí být pouze jeden (to
nevylučuje možnost, že tento jeden primární klíč je složen z více atributů). Výběr primárního
klíče je veden několika kritérii, kterým se budeme věnovat později.
Příklad:
Mějme relaci Pacient, která má následující atributy:
Rodné číslo
Jméno
Příjmení
Datum narození
Ulice
Číslo domu
Město
Telefon
Kód pojišťovny
Nad každým atributem se zamyslíme a zvážíme, zda splňuje identifikační vlastnost, tj. zda
jeho hodnota jednoznačně identifikuje každou n-tici relace Pacient. Je zřejmé, že můžeme
mít více různých pacientů téhož jména, příjmení, data narození, atd. Je však nemožné
(aspoň doufám, po všech kontrolách, které byly provedeny v souvislosti se zavedením
zdravotních pojišťoven), aby dva různí pacienti měli totožné rodné číslo. Proto Rodné číslo je
kandidátem primárního klíče. Dá se předpokládat, že rovněž složený atribut (Jméno,
Příjmení, Datum narození) by mohl být kandidátem primárního klíče. Při rozhodování, který
ze dvou kandidátů bude vhodnějším primárním klíčem, rozhoduje jednoduchost a tudíž jako
PK vybereme Rodné číslo.
3.2.2 Cizí klíč (Foreig Key)
Cizí klíč je atribut nebo množina atributů, které jsou v nadřazené relaci primárním klíčem.
Nadřazenou relací budeme označovat takovou relaci, která vznikla z nadřazené entity,
podřízenou relaci, která vznikla z podřízené entity. Existence vztahu mezi entitami v
konceptuálním modelu je v relačním modelu zachycena právě cizím klíčem. Obsahuje-li
relace cizí klíč znamená to, že je v podřízeném vztahu s jinou relací.
Příklad:
Mějme relaci Pacient z předchozího příkladu a relaci Pojišťovna, která bude mít následující
atributy:
Kód pojišťovny
Název
Ulice
Číslo
Město
Telefon
V konceptuálním modelu platilo, že entita Pacient je existenčně závislá na entitě Pojišťovna,
tzn., že nemůže existovat žádná instance entity Pacient, která by nevstupovala do vztahu s
entitou Pojišťovna. Jednoduše řečeno všichni pacienti musí být pojištěni u nějaké pojišťovny.
Tato skutečnost byla zakreslena existenčním typem vztahu.
Relační model disponuje pouze jediným konstruktem a tím je relace, vztah se modeluje cizím
klíčem (FK). Proto primární klíč nadřazené relace se stane cizím klíčem podřízené relace.
Nadřazená relace je Pojišťovna (její PK je Kód pojišťovny)
Podřízená relace je Pacient (její PK je Rodné číslo). Kód pojišťovny je FK v relaci Pacient.
Výsledná definice klíčů:
Pojišťovna
Kód pojišťovny PK
Název
Ulice
Číslo
Město
Telefon
Pacient
Rodné číslo PK
Jméno
Příjmení
Datum narození
Ulice
Číslo domu
Město
Telefon
Kód pojišťovny FK
3.2.3 Vyhledávací klíče
Vyhledávací klíč je atribut nebo množina atributů, které složí k rychlému vyhledávání v
databázi. Na tyto klíče se vytvoří pomocné datové struktury, tzn. indexy a ty způsobí, že
záznam se zadanou hodnotou vyhledávacího klíče se najde v databázi rychleji. Více
informací o indexech najdete v následujících kapitolách, proto se zde omezíme pouze na
definici vyhledávacích klíčů.
Vyhledávací klíče mohou být dvojího typu:
Alternativní klíč (Alternate Key)
Je vyhledávací klíč, jehož hodnoty nesmí být duplicitní. Jedná se v podstatě o nevybraného
kandidáta primárního klíče. Alternativní klíč (AK) totiž musí, stejně jako primární klíč,
splňovat podmínku jednoznačné identifikace.
Příklad:
Složený kandidát primárního klíče z relace Pacient (Jméno, Příjmení, Datum narození) by
mohl být alternativním klíčem.
Inverzní klíč (Inverse Key)
Inverzní klíč (IE) je atribut nebo množina atributů k rychlejšímu vyhledávání v databázi. Jeho
hodnoty mohou být duplicitní.
Příklad:
Příkladem by mohl být atribut jakýkoliv atribut relace Pacient, podle jehož hodnot chceme v
databázi hledat záznamy. Obvykle chceme najít pacienta podle Příjmení.
Úkol k zamyšlení:
Popište neformálně výsek reality, ve kterém nalezněte aspoň dvě entity, které spolu vstupují
do vztahu. Zamyslete se na těmito entitami a nalezněte kekich primární klíče, alternativní
klíče, inverzní klíče a určete, která z nich bude obsahovat cizí klíč a jak bude tento cizí klíč
vypadat.
3.3 NORMALIZACE RELAČNÍCH SCHÉMAT
Cíl:
Cílem kapitoly Normalizace relačních schémat je objasnit, jak lze nalézt v navržených
relacích zdroje redundancí dat a jak tyto zdroje redundance odstranit. Čtenář po
prostudování kapitoly bude schopen posuzovat jednotlivé atributy v rámci navržené relace z
pohledu funkčních závislostí a bude schopen stanovit, ve které normální formě se relace
nachází. Bude schopen nalézt uzávěr množiny funkčních závislostí s využitím
Armstrongových axiomů a dodatečných deduktivních pravidel.
Klíčová slova:
funkční závislosti atributů, 1NF, 2NF, 3NF, BCNF, dekompozice relačních schémat, uzávěr
množiny funkčních závislostí, Armstrongovy axiomy, dodatečná deduktivní pravidla.
Průvodce studiem:
Relační databázové modely disponují aparátem pro odstranění redundantních dat z
databáze. Redundance v databázi jsou potencionálně velkým problémem. Ne proto, že by
data zbytečně zabírala místo na paměťových médiích, ale hlavně proto, že redundantně
vyskytující se data se jen velmi těžko dají uchovávat v konzistentním stavu. Z tohoto pohledu odstranění redundancí je základní podmínkou pro udržení konzistence databáze.
Prostředkem pro návrh databáze bez redundancí je tzv. normalizace relačních schémat.
Každý krok směrem k vyšší normalizaci relačních schémat je zároveň krokem ke kvalitnějším
a spolehlivějším datům. proto je problematika normalizace velmi důležitá. K čemu by nám
byla data, o kterých bychom věděli, že se na jejich správnost nedá spoléhat?
3.3.1 První normální forma relace
Báze dat je nejjednodušší a nejpřehlednější, jsou-li relace, které ji reprezentují, definovány
nad doménami, jejichž prvky jsou jednoduché (nejsou to opět relace). O takových relacích se
říká, že jsou v první normální formě a příslušné atributy se nazývají jednoduchými
(atomickými, dále nedělitelnými).
Relace je v první normální formě (1NF), jsou-li všechny její atributy atomické
(nedělitelné)
Atributy, které nejsou jednoduché, jsou složené. Některé relace v první normální formě však
mají i negativní vlastnosti z hlediska redundance a konzistence dat. Problémy spojené s
redundancí dat vyplývají zpravidla ze skutečnosti, že hodnota některého atributu může zcela
určovat hodnoty jiných atributů. Sdružování takových atributů v jedné relaci se ukazuje jako
nevhodné. Problematice dekompozice relací neboli jejich normalizaci budou proto věnovány
následující odstavce.
Příklad:
Příkladem relace, která je v 1NF, ale není v žádné vyšší NF je relace, která nemá primární
klíč.
Relace dodavatelů automobilů
Název Stát Město Název auta Počet
D1 ČR Mladá Boleslav Škoda Favorit 67
D1 ČR Mladá Boleslav Škoda Favorit 80
D3 SRN Kolín n.Rýnem Opel Vectra 9
D3 SRN Kolín n.Rýnem Opel Vectra 44
D3 SRN Kolín n.Rýnem Opel Vectra 48
D6 Francie Paříž Renault 19 10
Relace je nejvýše v 1NF, protože má atomické atributy, ale nemá PK.
3.3.2 Funkční závislosti atributů
Problém, který byl nastíněn v předcházejícím odstavci, spočívá ve vzájemných závislostech
atributů jedné relace. Pro tuto závislost se zpravidla používá termínu funkční závislost, i když
z hlediska matematického nejde o funkci, stejně jako pojem relace zcela neodpovídá
matematickému pojetí (v databázovém pojetí se totiž relace stejně jako funkční závislosti
mění v čase ).
Nechť R(A:D) je relační schéma a X, Y jsou jednoduché nebo složené atributy. Atribut Y je
funkčně závislý na atributu X, ( X -> Y ), platí-li pro každou instanci relace R, že pro libovolné
dva prvky relace, které se shodují v hodnotě atributu X, platí, že se shodují i v atributu Y.
Atribut Y je úplně funkčně závislý na složeném atributu X, je-li na X funkčně závislý a
zároveň není funkčně závislý na žádné z jeho složek.
3.3.3 Druhá normální forma relace
Požadavek, aby se relace nacházela v první normální formě, tj. aby každý atribut relace byl
definován na jednoduché doméně, nevede vždy k nejžádanějším výsledkům.
Relace R je ve druhé normální formě (2NF), je-li v první normální formě a jestliže pro
každý neklíčový atribut platí, že je úplně funkčně závislý na primárním klíči.
Proces redukce relace v nižší normální formě (zde v 1.NF) na relaci ve vyšší normální formě
(zde ve 2.NF) se nazývá normalizace relace. Relace v některé z vyšších normálních forem je
zároveň relací ve všech vůči ní nižších normálních formách. Je zřejmé, že vyšší normální
formu relace lze vytvořit vhodnou dekompozicí relace původní. Požaduje se však, aby
výchozí relace byla z výsledných komponent rekonstruovatelná, tj. aby při dekompozici
nedošlo ke ztrátě informace.
Příklad:
Relace dodavatelů automobilů
Název Stát Město Název auta Počet
D1 ČR Mladá Boleslav Škoda Favorit 67
D2 ČR Praha Škoda Favorit 50
D3 SRN Kolín n.Rýnem Opel Vectra 9
D4 SRN Wolfsburg VW Golf 22
D5 SRN Mnichov VW Golf 14
D6 Francie Paříž Renault 19 10
Název je PK v relaci → relace je aspoň ve 2NF.
Funkční závislosti atributů:
Název → Stát
Název → Město
Název → Název auta
Název → Počet
Město → Stát
Název →Město & Město → Stát ⇒ Název → Stát
Stát je tranzitivně závislý na Názvu.
Proto relace není v 3NF, ale pouze v 2NF.
Příklad:
Relace stromů v lese:
Číslo Typ Druh Výška
1 smrk jehličnatý 5
2 jedle jehličnatý 3
3 smrk jehličnatý 8
4 dub listnatý 12
5 dub listnatý 8
Číslo je PK
Funkční závislosti atributů:
Číslo → Typ
Číslo → Druh
Číslo → Výška
Typ → Druh
Číslo → Typ & Typ → Druh ⇒ Číslo → Druh
relace není v 3NF – tranzitivní závislost
Úkoly k zamyšlení:
1. Pokuste se navrhnout relaci, která bude v 1NF a zároveň nebude v 2NF z toho
důvodu, že její atributy nebudou úplně funkčně závislé na primárním klíči.
2. Navrhněte relaci, která bude v 2NF.
3.3.4 Třetí normální forma relace
Nechť X, Y, Z jsou atributy (jednoduché nebo složené) daného relačního schématu a nechť
mezi dvojicemi atributů platí:
Pak je atribut Z tranzitivně závislý na atributu X.
Nutnost podmínky nezávislosti X na Y vyplývá ze skutečnosti, že v opačném případě by v
každém relačním schématu se dvěma a více možnými klíči byly všechny neklíčové atributy
tranzitivně závislé na kterémkoliv z klíčů.
Relace R je v třetí normální formě (3NF), je-li ve druhé normální formě a platí-li, že žádný
neklíčový atribut není tranzitivně závislý na žádném klíči relace R.
Z definice relace ve třetí normální formě vyplývají tyto její vlastnosti :
- Žádný neklíčový atribut relace není ani částečně ani tranzitivně závislý na nějakém
klíči relace, jsou tedy úplně závislé na primárním klíči.
- Neklíčové atributy jsou navzájem nezávislé.
Problémy, které mohou u relací v třetí normální formě nastat, mohou však vyplynout ze
vzájemně částečně nebo tranzitivně závislých klíčových atributů. Kandidátní klíče, pokud
klíče nejsou jednoduché, se totiž mohou částečně překrývat. Dekompozice relací, které
vedou ke třetí normální formě, mohou navíc být nejednoznačné a vést k nestejně kvalitním
výsledkům.
Příklad:
Dekompozicí relace v 2NF dostaneme relace v 3NF.
Číslo Typ Výška
1 smrk 5
2 jedle 3
3 smrk 8
4 dub 12
5 dub 8
Číslo je PK
Typ Druh
smrk jehličnatý
jedle jehličnatý
dub listnatý
Typ je PK
Obě relace obsahují pouze závislosti neklíčových atributů na primárním klíči. Jsou
odstraněny všechny tranzitivní závislosti. Proto jsou obě relace ve 3NF.
Úkoly k zamyšlení:
1. Navrhněte relaci, ve které bude existovat tranzitivní závislost atributu(ů) na primárním
klíči.
2. Navrhněte vhodnou dekompozici.
3.3.5 Boyce-Coddova normální forma relace
Nedostatky plynoucí ze vzájemných závislostí klíčových atributů eliminuje Boyce - Coddova
normální forma BCNF, která vylučuje všechny netriviální funkční závislosti atributů kromě
závislostí na klíčích relace.
Schéma relace R(A:D) je v Boyce-Coddově normální formě ( BCNF), je-li v první normální
formě a platí-li pro každou funkční závislost atributu A na atributu X , která není triviální, že X
je klíčem v R a A je neklíčový atribut.
Je zřejmé, že každé relační schéma, které je v BCNF je též ve třetí normální formě, nikoliv
však naopak. Existují relační schémata ve třetí normální formě, která nejsou v BCNF.
Příklad:
Zaměstnanec (Číslo_zam, RČ, Jméno, Příjmení, Funkce)
Kandidáti PK: Číslo_zam a RČ
Funkční závislosti:
Kromě všech závislostí neklíčových atributů na kandidátech PK, ex. i závislost kandidátů PK
navzájem. Proto relace není v BCNF.
Pro převedení relace do BCNF je vhodné jeden z atributů (Číslo_zam, resp. RČ) vypustit a
tím zajistit jediný typ úplné funkční závislosti. Totiž závislosti, kdy neklíčový atribut je závislý
na klíč.
Relace v BCNF by potom mohla vypadat takto:
Zaměstnanec (Číslo_zam, Jméno, Příjmení, Funkce)
Pokud v databázi potřebujeme oba atributy, pak je vhodné je umístit do různých relací.
3.3.6. Další funkční závislosti
3.3.6.1. Množina funkčních závislostí
Nechť R je relační schéma a A, B, C je podmnožina jeho atributů. Dále předpokládejme
funkční závislosti A → B a B → C. Z těchto závislostí lze předpokládat A → C (tranzitivita).
Označme F jako množinu funkčních závislostí pro R (A → B a B → C) a X → Y jako
libovolnou funkční závislost. Řekneme-li, že F logicky implikuje X → Y, pak každý prvek
relačního schématu R, který splňuje závislosti v F, splňuje i závislost X → Y a zapisujeme
F |= X → Y
V našem případě relačního schématu R pak tuto skutečnost zapíšeme:
{ A → B, B → C}|= A → C
3.3.6.2. Uzávěr množiny funkčních závislostí
F+ je uzávěrem F tehdy, platí-li, že všechny závislosti v F+ jsou logickými důsledky v F. Tuto
skutečnost zapisujeme:
F+ = { X → Y | F |= X → Y}
3.3.6.3. Kandidáti primárního klíče a funkční závislosti
Mějme schéma R(A1,A2,....,An) a funkční závislosti F. Nechť X je podmnožina {A1, A2, ....,
An}. Pak o X lze říci, že je kandidátem primárního klíče v R, jestliže:
1. X → A1A2,....An je v F+
Závislost všech atributů A1,A2,....,An na atributu X je daná nebo logicky vyplývá.
2. Neexistuje Y ⊂ X, pro které by platilo Y → A1A2,....An v F+.
3.3.6.4. Armstrongovy axiomy
1. Reflexivita
Jestliže Y ⊆ X ⊆ U, pak závislost X → Y je logicky implikována. Na složeném atributu
A1A2,....An je funkčně závislý každý atribut Ai, který je jeho složkou.
2. Augmentace
Jestliže platí X → Y ve schématu R a Z je podmnožinou atributů U, pak taky platí:
XZ → YZ (XZ je zkrácené označení X ∪ Z).
3. Tranzitivita
Jestliže platí X → Y a zároveň Y → Z, pak taky platí X → Z
Příklad:
Mějme schéma R(A,B,C,D) s funkčními závislostmi A →C, B → D. Zvolme primárním klíčem
složený atribut AB jako jediný. Dokažte, že AB je jediným kandidátem primárního klíče.
1. A → C daná závislost
2. AB → ABC augmentace atributy AB
3. B → D daná závislost
4. ABC → ABCD augmentace atributy ABC
5. AB → ABCD tranzitivita
Všechny atributy relačního schématu R jsou závislé na klíči AB a přitom nejsou závislé na
jeho složkách A, B.
3.3.6.5. Dodatečná deduktivní pravidla
1. Pravidlo spojení
{ X → Y, X → Z} |= X → YZ
2. Pravidlo pseudotranzitivity
{ X → Y, WY → Z} |= WX → Z
3. Dekompoziční pravidlo
Jestliže X → Y & Z ⊆ Y, pak X → Z
Úkoly k zamyšlení:
Pokuste se s využitím Armstrongových axiomů dokázat výše uvedená tři dodatečná pravidla.
Řešení:
Pravidlo 1
X → Y daná závislost
X → XY augmentace X
X → Z daná závislost
XY → YZ augmentace Y
X → XY & X Z→ YZ ⇒ X → YZ
Pravidlo 2
X → Y daná závislost
WX → WY augmentace W
WY → Z daná závislost
WX → Z tranzitivita
Pravidlo 3
Y → Z vyplývá z reflexivity
X → Y daná závislost
X → Z tranzitivita
Příklad:
Mějme schéma R(A,B,C) a F = { A → B, B → C}. Určete F+.
Řešení:
1. Za X dosaďte postupně všechny atributy, obsahující A.
ABC → AB dekompoziční pravidlo
A → C tranzitivita, vyplývající z F
ABC→ BC augmentace B
2. Za X dosaďte postupně všechny atributy, které obsahují B, ale neobsahují A.
BC → B dekompoziční pravidlo
B → C předpoklad
B → 0 reflexivita
3. Za X dosaďte všechny atributy, které obsahují C, ale neobsahují ani A, ani B.
C → C reflexivita
C → 0 reflexivita
0 → 0 reflexivita
Shrnutí:
Problematika normalizace relačních schémat je velmi důležitá a není možné se jí vyhnout,
chceme-li navrhnout smysluplné schéma databáze. Jejím hlavním úkolem je nalézt zdroje
redundance dat, které v konečném důsledku vedou k nekonzistenci databáze. Pro stanovení,
ve které normální formě se relace nachází, je třeba nalézt všechny funkční závislosti atributů.
Kromě triviální funkční závislosti (atribut je závislý sám na sobě) sledujeme tranzitivní funkční
závislost a úplnou funkční závislost. Při každé závislost musíme stanovit, zda se jedná o
závislost na primárním klíči, na jeho složce či na neklíčovém atributu. Ideální situace je,
pokud všechny navržené relace se vyskytují v BCNF. Někdy je ovšem těžké tohoto stavu
docílit a můžeme připustit 3NF. V žádném případě však není možné, aby byly relace v nižší
než 3NF. Pro účinné nalezení všech funkčních závislostí (uzávěr množiny funkčních
závislostí) lze s úspěchem použít tzv. Armstrongových axiomů a dodatečných deduktivních
pravidel.
Kontrolní otázky:
1. Kdy se nachází relace v 1NF, 2NF, 3NF, CBNF?
2. Kdy můžeme říci, že atribut A je funkčně závislý na atributu B?
3. Čeho musíme dbát při dekompozici relačních schémat?
4. Co je to uzávěr množiny funkčních závislostí?
5. K čemu slouží a z čeho jsou odvozena dodatečná deduktivní pravidla?
Pojmy k zapamatování:
Funkční závislost atributů
Úplná funkční závislost
Tranzitivní funkční závislost
1NF, 2NF, 3NF, BCNF
Dekompozice relačních schémat
Uzávěr množiny funkčních závislostí
Armstrongovy axiomy
Dodatečná deduktivní pravidla
Průvodce studiem:
Pro úplnost ještě uvádím, že v problematice normalizace relačních schémat se rovněž
vyskytuje pojem 4NF, jehož vysvětlení je nad rámec tohoto textu. Pokud má čtenář zájem se
s problematikou seznámit, může sáhnout např. po publikaci [1].
3.4 TRANSFORMACE KONCEPTUÁLNÍCH SCHÉMAT
Cíl:
Jak již z předcházejících kapitol vyplynulo, postup při vytváření schématu databáze je
následující:
1. Vytvoření konceptuálního schématu modelované reality.
2. Transformace konceptuálního modelu na model datový (my jsme se zabývali pouze
relačním datovým modelem).
3. Vygenerování schématu do příslušného systému řízení báze dat.
Následující kapitola shrnuje, jakými problémy se musí návrhář zabývat, když transformuje
konceptuální model na relační datový model. Cílem kapitoly je zopakovat probrané učivo z
předcházejících kapitol a systematizovat postup při transformaci konceptuálního modelu na
datový. Čtenář si musí osvojit postup při vytváření schématu databáze a musí se řídit
principy, definovanými v této kapitole.
Klíčová slova:
Entita, vztah, atribut, identifikační klíč, relace, primární klíč, alternativní klíč, inverzní klíč, cizí
klíč, silné entity, slabé entity, reprezentace entit, reprezentace vztahů.
Průvodce studiem:
Z předcházejících kapitol již bylo zřejmé, že po vytvoření konceptuálního modelu je třeba se
rozhodnout, do jakého datového modelu budeme konceptuální model transformovat.
Naznačili jsme, že se v dalším textu budeme zabývat pouze datovými modely relačními, i
když existují i jiné datové modely, které jsou však v současné době rozšířeny v podstatně
menší míře. Pozorný čtenář již získal představu o tom, jak konceptuální model na model
relační transformovat. Nicméně mohou vzniknout situace, kdy si nebudete vědět rady. Proto
je pro Vás připravena následující kapitola, která diskutuje případy, které při transformaci
mohou nastat. Zároveň chápejte tuto kapitolu jako poslední, která se problematice
modelování zabývá. Proto ji prostudujte velmi pozorně a pokud Vám bude něco nejasné,
vraťte se k předcházejícím kapitolám a znovu si je pozorně pročtěte. Pokud budou
pochybnosti či nejasnosti přetrvávat, kontaktujte tutora.
3.4.1 Nejpoužívanější konstruktory E - R modelu
Systematický přístup k transformaci konceptuálního modelu na relační datový model
vyžaduje, abychom se zabývali všemi konstrukty, které se v obou typech modelů vyskytují.
konceptuální model disponuje dvěma základními konstrukty, kterými jsou entita a vztah.
Relační model disponuje pouze jediným konstruktem a tím je databázová relace. Nejdříve si
vyjmenujme, jaké entity, vztahy a atributy se mohou vyskytnout v konceptuálním modelu.
ENTITA
- Obecná = bez rozlišení druhu.
- Silná (kmenová, základní, regulární) = existuje nezávisle na jiných entitách.
- Slabá (popisná) = identifikačně závislá na jiných entitách.
- Vazební (asociativní) = realizuje vazbu mezi entitami.
- Generalizace (nadtyp).
- Specializace (podtyp).
VZTAH
- N -ární = mezi více než dvěma entitami.
- Binární.
- Kardinalita (max. a min. počet výskytů zúčastněné entity ve vztahu).
- Výlučnost (exkluzivita) = pro jeden výskyt entity může být realizován právě jeden
ze vztahů.
- Existenční závislost (povinné členství).
- Identifikační závislost .
ATTRIBUT
- Jednoduchý (atomický) = dále nedělitelný.
- Složený.
- Základní = který nelze odvodit z jiných atributů.
- Odvoditelný.
- Vícehodnotový.
KLÍČ
- Identifikační.
- Alternativní.
- Cizí.
- Inverzní.
3.4.2 Principy transformace E-R schématu do relačního datového modelu
Základním problémem je skutečnost, že konceptuální model disponuje dvěma základními
konstrukty, kterými jsou entita a vztah, kdežto relační datový model disponuje jediným
konstruktem, kterým je databázová relace. Je třeba se tedy zabývat, jak konstrukty E-R
modelu převést na relace. Entitní a vztahové typy se převádějí na relace. Čtenář relačního
schématu, který nezná konceptuální schéma tedy obecně nemusí být schopen rozlišit, která
relace odpovídá entitnímu a které vztahovému typu.
3.4.3 Převedení silného entitního typu
- Entita se převede na relaci.
- Identifikační klíč se převede na primární klíč.
- Popisné atributy definují domény relace.
Problém může nastat v souvislosti s normalizací relací. Cílem je, aby výsledná tabulka byla
aspoň v 3. NF nebo v BCNF. Dekompozice pak způsobí nárůst relací, které neznají
odpovídající entitu v E-R diagramu. Do jisté míry toto lze řešit pohledy.
3.4.4 Reprezentace vztahů
vztahy 1 : 1
a) Mějme entity E1 a E2, které vstupují do vztahu V. Má-li E1 i E2 nepovinné členství ve
vztahu V, vzniknou transformací 3 relace E1 - R1 , E2 - R2 , V - R. R bude
obsahovat klíče schémat R1 a R2 ,jako cizí klíče. Libovolný z nich může v R být
primárním klíčem. Další atributy v R budou odpovídat atributům ve V.
b) Má-li E1 nepovinné a E2 povinné (nebo obráceně), budou se vytvářet pouze relace
R1 a R2. Existenční závislost E2 na E1 vyjádříme tak, že k R2 připojíme jako cizí
klíč klíčové atributy R1. Atributy vztahu V budou umístěny do R2.
c) Mají-li obě entity povinné členství, můžeme vytvořit jediné schéma relace R, které
vznikne z těchto dvou entit. Primárním klíčem bude libovolný z identifikačních klíčů,
přidáme atributy V.
vztahy 1 : N
Ve vztahu s kardinalitou 1 : N je entita, vstupující n instancemi do vztahu, nazývána
determinantem vztahu.
a) Má-li determinant (E1) povinnou účast ve vztahu V, definujeme 2 relace R1 a R2. Ke
schématu R1 připojíme klíčové atributy R2. Primární klíč R1 odpovídá identifikačnímu
klíči determinantu E1. K ještě připojíme atributy vztahu V.
b) Má-li determinant (E1) nepovinnou účast ve vztahu V, definujeme tři relace R1, R2,
R. R bude obsahovat klíče schémat R1 a R2 jako cizí klíče. Klíč schématu R1 bude v
R primárním klíčem. Další atributy budou odpovídat atributům vztahu V.
3.4.5 Reprezentace vícehodnotových atributů
Analytik může sestavit konceptuální schéma tak, že použije vícehodnotový atribut. Tuto
skutečnost konceptuální model připouští, nepřipouští ji však relační datový model. Jak
převést takovou entitu na relaci (relace)?
1. Některé relační SŘBD připouštějí tabulky s vícehodnotovými sloupci (výjimečný
případ).
2. Jestliže se vícehodnotový atribut váže na maximální počet výskytů m a databázový
model připouští hodnotu NULL ve sloupci tabulky, budou vícehodnotové atributy
transformovány na m atributů a nevyužité atributy budou mít hodnotu NULL.
3. Většinou je třeba provést dekompozici entity na dvě relace.
Příklad:
ZAMĚSTNANEC (OSOBNÍ ČÍSLO, ..... RODNÉ_ČÍSLO_DÍTĚTE: Multi)
RODNÉ_ČÍSLO_DÍTĚTE je vícehodnotový atribut. Obecně nevíme, kolik dětí zaměstnanec
má. Tuto situaci vyřešíme tak, že provedeme dekompozici na dvě relace:
ZAMĚSTNANEC (OSOBNÍ ČÍSLO, ....)
DATA_NAROZENÍ (OSOBNÍ ČÍSLO, RODNÉ ČÍSLO DÍTĚTE)
Každému dítěti bude odpovídat jedna n -tice v relaci data_narození.
Konstrukce klíče je nejednoznačná:
a) Klíčem může být složený klíč např. OSOBNÍ ČÍSLO, RODNÉ ČÍSLO DÍTĚTE.
b) Klíčem může být pouze vícehodnotový atribut RODNÉ ČÍSLO DÍTĚTE.
3.4.6 Reprezentace skupinových atributů
Skupinové atributy mohou být navrženy např. v případě, kdy u jedné entity jsou atributy více
používané a atributy, které více nejsou pominutelné, ale jsou méně používané.
Příklad:
E(KLIČ_E, FREKV_ATR1, FREKV_ATR2,...., LEŽÁKY (L_ATR1, L_ATR2,...))
Tuto situaci musíme převést na 2 relace:
E1 (KLÍČ_E, FREKV_ATR1,...)
LEŽÁKY (KLÍČ_E, L_ATR1,...)
Na úrovni pohledu je pak možno používat schéma E se všemi atributy, na databázové úrovni
však jsou dvě relace E1 a LEŽAKY.
3.4.7 Reprezentace slabého entitního typu
Slabý entitní typ je reprezentován relací, která kromě svých atributů má i atributy
identifikačního vlastníka. Je třeba dbát na to, aby identifikační vlastník byl pouze jeden.
Identifikační klíč je pak tvořen množinou atributů slabého entitního typu + atributy
identifikačního vlastníka.
3.4.8 Rozdíl mezi entitním podtypem a slabým entitním typem
Entitní podtyp nemá obecně žádný parciální identifikační klíč. Dědí klíč zdroje ISA hierarchie,
který musí být pouze jeden. Definujeme tedy schéma, obsahující atributy odpovídající
vlastním atributům entitního podtypu, a k nim přidáme atributy odpovídající identifikačnímu
klíči zdroje ISA hierarchie. Primární klíče relací, vzniklých z jedné ISA hierarchie, jsou tedy
všechny stejné.
Shrnutí:
Chceme-li vytvořit korektní datové schéma, které jediné je zárukou kvalitní databáze,
musíme postupovat následujícím způsobem:
1. Vytvoříme konceptuální model reality. Při tvorbě modelu musíme znát modelovanou
realitu a požadavky budoucího uživatele. Jedině tehdy správně navrhneme entity,
vztahy a atributy konceptuálního modelu.
2. Vybereme vhodný SŘBD, který bude budovanou bázi dat spravovat. Při výběru se
řídíme hlavně tím, jak robustní bude budovaná databáze, jaké nároky budou kladeny
na komunikaci, kolik uživatelů bude s bází dat pracovat, jaké budou požadavky na
bezpečnost dat, atd. Při rozhodování hraje rovněž roli cena jednotlivých SŘBD.
3. Výběrem SŘBD již jsou dány podmínky pro tvorbu modelu datového. Při transformaci
konceptuálního modelu na datový se řídíme zásadami, definovanými v této kapitole.
Kontrolní otázky:
1. Jaké typy entit znáte?
2. Jaké typy vztahů znáte?
3. Jak lze transformovat 2 entity na relace, má-li pouze jedna z nich povinně členství ve
vztahu?
4. Jaké máme možnosti při transformaci vícehodnotového atributu?
Pojmy k zapamatování:
Entita
Vztah
Atribut
Identifikační klíč
Relace
Primární klíč
Alternativní klíč
Inverzní klíč
Cizí klíč
Silné entity
Slabé entity
Reprezentace entit
Reprezentace vztahů
3.5 INTEGRITA RELAČNÍCH SCHÉMAT
Cíl:
Cílem této kapitoly je znovu čtenáře přimět k zamyšlení nad nutností správného definování
integritních omezení. Bází dat v relačním pojetí je totiž chápána jako množina relací a
integritních omezení. Čtenář po prostudování této kapitoly bude vědět, jaká existují integritní
omezení, k čemu slouží a kdy a jak je správně definovat. Déle bude umět vyjmenovat, jaké
existují způsoby zachování referenční integrity.
Klíčová slova:
Doménová integrita, entitní integrita, referenční integrita, restrict, cascade, set null.
3.5.1 Úvod
Požadavek integrity dat v databázi (jejich souladu se zobrazovaným světem objektů) vede k
nutnosti definovat pro domény atributů jednotlivých relačních schémat a jejich vzájemné
vztahy jistá omezení, která zabraňují možnostem atributů nabývat nereálných hodnot. Tato
omezení se formulují pomocí soustavy uzavřených logických formulí v jazyce predikátové
logiky. Pro relační báze dat je kromě skutečnost,že entity i vztahy se reprezentují stejným
způsobem, tj. pomocí relací, charakteristickým rysem i to, že splňují tři pravidla integrity.
Prvním z těchto pravidel je pravidlo entitní integrity pro relační báze dat a spočívá v
požadavku, aby primární klíč relace měl pro všechny její prvky (n-tice) svou hodnotu.
Druhé pravidlo integrity je doménová integrita, která požaduje, aby hodnoty atributů
odpovídaly předem definovaným doménám (množinám hodnot atributů).
Třetí je pravidlo referenční integrity (vztahové), které se týká možností používání "cizích"
klíčů relací a spočívá v požadavku, aby ke každé definované hodnotě cizího klíče existoval
odpovídající prvek nadřazené (nezávislé) relace.
Jednou z podstatných výhod SŘBD je ta skutečnost, že uživatel se nemusí starat o to, jak
jsou integritní omezení kontrolována. Kontrola IO je plně v kompetenci SŘBD. Uživatel
(správce databáze) má povinnost integritní omezení správně definovat. Při všech
aktualizačních operacích, u kterých by mohlo dojít k narušení integrity, jsou pak tato omezení
automaticky kontrolována systémem řízení báze dat ( SŘBD)..
3.5.2 Doménové integritní omezení
Doménové integritní omezení je především definováno přiřazením datových typů pro
jednotlivé atributy a dále podmínek platnosti, které musí hodnoty atributů splňovat.
Příklad:
Atribut Jméno je datového typu text s délkou max. 15 znaků, přičemž jednotlivé znaky jsou
pouze alfabetické. Atribut Věk je datového typu celé číslo, které je kladné a není větší než
130.
3.5.3 Entitní integritní omezení
Entitní integritní omezení je definována primárním klíčem. Primární klíč zajišťuje entitní IO.
Proto je naprosto nutné, aby každá relace měla primární klíč.
Příklad:
Relace Pacient, která má atributy Rodné číslo, Jméno, Příjmení, atd. bude mít Rodné číslo
definováno jako primární klíč. Tento atribut totiž splňuje podmínky pro PK, že hodnota PK
jednoznačně identifikuje instanci (výskyt, n-titu) relace.
Na primární klíč jsou kladeny následující podmínky:
- Hodnota primárního klíče musí být unikátní.
- Entitní typ může mít pouze jeden primární klíč.
- Primární klíč může být i složený klíč, tj. složený z více atributů.
- Každá složka primárního klíče musí být definována jako NOT NULL.
3.5.4 Referenční integritní omezení
K definování referenční integrity slouží primární klíč(Primary Key) nezávislé entity a cizí klíč
(Foreign Key) závislé entity. Nadefinováním cizího klíče jsme již vytvořili referenční IO. SŘBD
se bude při aktualizačních operacích starat o to, zda hodnota cizího klíče je správná.
Podmínky kladené na cizí klíč:
- Cizí klíč a primární klíč se musí skládat ze stejného počtu atributů.
- Pokud primární klíč nezávislého entitního typu slouží k definování vztahu, musí být
na tento primární klíč vytvořen unikátní index.
- Atributy musí být definovány nad stejnými doménami a jejich pořadí musí být stejné.
- Závislý entitní typ může mít více cizích klíčů a tím i odkazy na více entit.
- Cizí klíč může nabývat hodnoty NULL, pokud definuje existenční typ vztahu.
- Cizí klíč nesmí nabývat hodnoty NULL, pokud definuje identifikační typ vztahu.
- Cizí klíč nabývá hodnoty NULL, pokud aspoň jedna jeho složka nabývá hodnoty
NULL.
Pro nezávislé entitní typy je referenční integrita hlídána u operací DELETE a UPDATE. Pro
závislé entitní typy je hlídána operace INSERT a UPDATE.
3.5.5 Způsoby zachování referenční integrity
RESTRICT - při mazání a aktualizaci v nezávislém entitním typu se restriktivně vyžaduje,
aby v podřízeném entitním typu byla nejdříve vymazána nebo aktualizována svázaná
instance. Není-li tomu tak, mazání resp. aktualizace v nadřazeném entitním typu je
zakázáno. Zápis nové instance do podřízeného entitního typu je zakázán, nenachází-li se
odpovídající instance v nadřazeném entitním typu.
CASCADE - způsobí kaskádovou aktualizaci resp. mazání v podřízeném entitním typu při
aktualizaci resp. mazání v entitním typu nadřízeném. Tento způsob může způsobit
kaskádovité mazání velkého počtu instancí, proto je třeba jeho použití bedlivě zvážit.
SET NULL - při aktualizačních operacích je možno z důvodu zachování referenční integrity
použít nastavení cizího klíče na hodnotu NULL. Tento způsob nelze použít u identifikačního
typu vztahu, kde cizí klíč podřízeného entitního typu je součástí primárního klíče. Primární
klíč (a to žádná jeho složka, pokud se jedná o složený klíč) nesmí nabývat hodnoty NULL.
Příklad:
Příklad nastavení pravidel pro zachování referenční integrity:
Typ entity/operace Identifikační vztah Existenční vztah
Závislá/Delete Bez omezení Bez emezení
Závislá/Insert Restrict Set Null
Závislá/Update Restrict Set Null
Nezávislá/Delete Cascade Set Null
Nezávislá/Insert Bez omezení Bez omezení
Nezávislá/Update Cascade Set Null
Shrnutí:
Hlavním cílem této kapitoly mělo být vysvětlit čtenáři, jak bezpodmínečně nutné je
nadefinovat všechna integritní omezení. Jedná se o doménové IO, entitní IO a referenční
IO. Po nadefinování všech IO je již v kompetenci SŘBD se starat o to, aby data uvedená IO
splňovala. SŘBD tedy při každé aktualizační operaci (vkládání dat, mazání dat a změně dat)
kontroluje, zda data splňují podmínky integrity.
Doménová integrita je definována datovými typy jednotlivých atributů a podmínkami
platnosti.
Entitní integrita je definována primárním klíčem.
Referenční integrita je definována cizím klíčem a tzv. způsobem zachování referenční
integrity (restrict, cascade, set null).
Otázka k zamyšlení:
Pokuste se najít v realitě několik příkladů dvou entit, které spolu vstupují do vztahu a pokuste
se definovat integritní omezení pro tento vztah. Hlavně se zamyslete nad tím, která z obou
entit je závislá a která nezávislá, kolika instancemi entity vstupují do vztahu, jaký typ vztahu
mezi entitami je a jak má být zabráněno narušení referenční integrity.
Pojmy k zapamatování:
Doménová integrita
Entitní integrita
Referenční integrita
Restrict
Cascade
Set Null
3.6 TRANSFORMACE KONCEPTUÁLNÍHO MODELU
Cíl:
Cílem této kapitoly je na řešených příkladech demonstrovat proces transformace
konceptuálního modelu na relační datový model. Čtenář by se měl zamýšlet hlavně nad tím,
jak:
- Transformovat entity na relace.
- Transformovat vztahy se zvláštním zřetelem na vztah s kardinalitou N:M.
- Definovat datové typy jednotlivých atributů.
- Definovat alternativní a inverzní klíče, které mají za následek tvorbu pomocných
datových struktur, kterými jsou indexy.
- Dále je třeba podrobit navržené relace procesu normalizace. Každá navržená relace
musí být minimálně v 3NF.
Klíčová slova:
Relace, dekompozice, datové typy, vyhledávací (alternativní a inverzní) klíče, normalizace.
Průvodce studiem:
Věnujte, prosím, této kapitole mimořádnou pozornost. Jakmile Vám bude řešení uvedených
příkladů jasné, můžete přistoupit ke korespondenčnímu úkolu, jehož zadání najdete v
následující kapitole.
Příklad:
Realita – ordinace u lékaře
Vytvořte model lékařské ordinace, který bude postihovat následující skutečnosti. Lékaři mají
smlouvy s pojišťovnami a to tak, že více lékařů může mít smlouvu s toutéž pojišťovnou a
zároveň jeden lékař může uzavřít smlouvu s více pojišťovnami. Pacienti jsou pojištěni vždy u
jedné pojišťovny. Pacienti chodí na návštěvy k lékařům, na kterých lékaři stanoví diagnózu a
předepíší recepty na léky. Atributy a klíče volte dle vlastní zkušenosti. Následuje jedno z
možných řešení.
Konceptuální model ordinace
Relační datový model
Příklad:
Realita – lázně
Vytvořte model lázeňské péče. Hosté jezdí do lázní a jejich pobyty jsou evidovány v knize
hostů. Bude se jednat o lázně, kde bude u pacientů hlavně sledována jejich hmotnost v
souvislosti s jejich konstitucí. Informace o různých konstitucích se nachází v hmotnostní
tabulce. Hosté budou pravidelně váženi a naměřené hmotnosti budou zapisovány do tabulky
vážení. Host si bude moci připlatit dodatečnou péči, která je nad rámec běžného programu.
Bude nás zajímat, na kterých pokojích jsou kteří hosté umístěni. Následuje jedno z možných
řešení.
Konceptuální model lázní
Relační datový model
Příklad:
Realita – knihovna
Vytvořte model půjčovny knih v knihovně. Knihovna vlastní exempláře mnoha různých knih.
Tyto knihy si mohou půjčovat čtenáři, kteří mají u této knihovny zřízen čtenářský průkaz. Je-li
kniha k dispozici, čtenář si půjčí odpovídající exemplář. Pokud kniha momentálně k dispozici
není, čtenář si může na tuto knihu vytvořit záznam, pomoci kterého si ji rezervuje, až k
dispozici bude. Následuje jedno z možných řešení.
Konceptuální model knihovny
4 MODUL 4
4.1 ZÁKLADNÍ ORGANIZACE DATOVÉ STRUKTURY SOUBOR
Cíl:
Cílem kapitoly je seznámit čtenáře se základy implementačních technik, tj. technik ukládání
dat na vnější paměťová média. Po prostudování této kapitoly bude čtenář schopen
vyjmenovat typy souborů a vysvětlit základní rozdíly mezi nimi. Dále bude znát způsob
ukládání dat ne vnějších paměťových médiích a způsobem čtení dat do operační paměti.
Klíčová slova:
Primární soubor, index, buffer, sekvenční soubor, indexový soubor, soubor s přímým
přístupem.
Průvodce studiem:
Následující kapitola je úplně z jiného soudku, než kapitoly předchozí. Zavádí nás do
problematiky úzce spjaté s fyzickým ukládáním dat na paměťová média. V předchozích
kapitolách jsme se zabývali databázovou problematikou z naprosto jiného úhlu pohledu
(úrovně abstrakce). Zajímala nás realita, o které chceme uchovávat data, zajímalo nás, jak
navrhnout struktury, do kterých by se dala data o realitě ukládat. Vysvětlili jsme si, že
nejpoužívanějšími strukturami pro ukládání dat jsou databázové relace. Jak ale ve
skutečnosti jsou tyto relace uloženy na disku? Následující kapitola se pokusí Vám ozřejmit,
jak navržené databázové relace jsou převedeny (mapovány) na soubory dat. Jak již určitě
víte, veškerá data, která se na vnějších pamětech ukládají, se ukládají do souborů. Čili
naším tématem nyní bude, jak převést (mapovat) relace na soubory. Samozřejmě si musíme
nejdříve definovat základní pojmy, pak na příkladech bude ukázáno, jak si lze představit
sekvenční soubor, index, atd.
4.1.1 Úvod
Soubor je považován jako základní konstrukt, se kterým je schopen pracovat operační
systém. Veškerá data, která jsou uložena na vnějších pamětech počítačů, jsou uložena v
souborech. Soubor je logicky organizován jako posloupnost záznamů, které se skládají z
položek. Záznamy jednotlivých souborů jsou ukládány (mapovány) do diskových bloků. Na
úrovni operačního systému mají bloky konstantní délku (fyzický blok se obvykle rovná 512
B). Ve skutečnosti však jednotlivé výskyty objektů a tedy i instance různých relací mají délku
různou.
Existuje několik přístupů, jak tento rozpor vyřešit. Jednou možností je mapovat databázi do
několika různých souborů, přičemž jednotlivé soubory budou mít pevnou délku záznamu.
Další možností je strukturovat databázový soubor tak, abychom mohli využívat proměnnou
délku záznamu. Implementace pevné délky je snadnejší, ovšem většina současných
systémů využívá proměnnou délku záznamu z důvodu efektivnějšího přístupu k datům. Při
mapování relačních dat do souboru je tedy využíváno dvou technologií. Jedna z nich vytváří
pro každou relaci zvláštní soubor s pevnou délkou záznamu. Mnoho rozsáhlých
databázových systému však využívá vlastních správců ukládání dat a mapuje celou relační
databázi do jednoho souboru. Všechny relace jsou uloženy v jednom souboru. Tento způsob
zpracování muže podstatným způsobem urychlit vyhledávání dat v souboru tím, že
umožňuje ukládat záznamy z různých relací do stejného bloku souboru.
Na soubor nahlížíme jako na kolekci záznamu. Data mezi vnější a vnitřní pamětí jsou
přenášena po logických blocích, které mohou obsahovat různý počet záznamů. Logický blok
(cluster, stránka, page) se může skládat z více fyzických bloků. Máme-li soubor vytvořen
jako kolekci záznamů s různou délkou, můžeme uchovávat několik záznamů s různou délkou
v jednom bloku. Důležité je, že jeden záznam nemůže být uložen ve dvou různých logických
blocích.
Výkonnost databázového zpracování je závislá především na minimalizaci počtu přístupů na
vnější paměťové médium, tzn. uchovávání co možná největšího počtu bloků v operační
paměti. Cílem je maximalizovat šanci, že jsou-li potřebná data, pak jsou přítomna v operační
paměti. Paměťový prostor, určený pro ukládání bloků souboru, se nazývá vyrovnávací paměť
neboli buffer.
Buffer je část operační paměti, dostupná k ukládání kopií bloků souboru na vnějším
paměťovém médiu. Subsystém, zodpovědný za efektivní přidělování paměti, se nazývá
buffer manager. Buffer manager interpretuje všechny požadavky na bloky databáze a
zjišťuje, je-li požadovaný blok v bufferu, či nikoli. Není-li blok v bufferu, zajistí jeho načtení z
disku a umístění do bufferu. Žadateli poskytne adresu bloku v operační paměti. Není-li v
bufferu dostatek místa pro načítaný blok, musí být před tímto čtením uvolněn prostor.
Obvykle bývá odstraněn ten blok, na něhož nebyl vznesen nejdéle žádný požadavek. Tento
blok je zapsán z bufferu do souboru na disk. Cílem celé strategie je minimalizace přístupu na
disk. Jednou z nejčastěji používaných částí databáze je katalog (viz. níže). Ten bývá
permanentně umístěn v operační paměti.
V klasickém zpracování dat jsou nejpoužívanější sekvenční, indexsekvenční, indexové
soubory a soubory s přímým přístupem.
4.1.2 Sekvenční soubor
Je kolekce záznamu, obvykle pevné délky, umísťovaných ve vymezeném prostoru na
vnějším paměťovém médiu sekvenčně za sebou. Sekvenční soubor muže být neuspořádaný
nebo uspořádaný podle klíče (nejčastěji podle primárního klíče). Vkládání záznamu do
uspořádaného sekvenčního souboru se provede zařazením vkládaného záznamu na
příslušné místo (dle hodnoty klíče), je-li toto místo volné. Jestliže je místo obsazeno jiným
záznamem, vkládaný záznam se umístí do přetokové oblasti. Jestliže je pouze relativně málo
záznamu umístěno v přetokové oblasti, rychlost přístupu k záznamům to podstatně neovlivní.
Při velkém počtu záznamů v přetokové oblasti je třeba provést reorganizaci souboru, tj.
řazení záznamu souboru sekvenčně setříděně podle klíče.
4.1.3 Mapovaní relačních dat do sekvenčního souboru
Některé relační databázové systémy uchovávají každou relaci ve zvláštním souboru. V tomto
případě mohou být n-tice relace ukládány do záznamu pevné délky. Tato jednoduchá
struktura umožňuje plně využívat služeb operačního systému ke správě datových souborů.
Ovšem většina rozsáhlých databázových systémů uchovává mnoho relací v jednom souboru
s proměnnou délkou záznamu. Řízení takového souboru je plně v kompetenci systému
řízení báze dat.
Příklad:
Následující příklad demonstruje způsob uložení záznamů v sekvenčním souboru. Soubor je
setříděn podle hodnoty primárního klíče.
4.1.4 Ukládání datového slovníku
Kromě dat, která jsou v relacích a ukládají se do souboru, relační databázový systém
potřebuje ukládat i data o relacích, která se nazývají metadata (datový slovník, systémový
katalog).
Je třeba uchovávat tyto typy informací:
- Jména relací.
- Jména atributu každé relace.
- Domény atributu.
- Jména a definice pohledu na databázi.
- Integritní omezení na všechny relace.
- Jméno indexu.
- Jméno relace, na kterou je vytvořen index.
- Jména atributu, na které je vytvořen index.
- Typ indexu.
Navíc mnoho systému udržuje dodatečné informace:
- Jména autorizovaných uživatelů.
- Počet n-tic v každé relaci.
- Metoda ukládání dat (např. clustered, nonclustered).
4.1.5 Indexování
Je metoda, která umožňuje zrychlit přístup k datům na disku. Kromě primárního souboru,
obsahujícího všechna data databáze, který je výsledkem mapování relací, databáze může
obsahovat přídavnou datovou strukturu, spojenou vždy s vybranou položkou (položkami)
primárního souboru. Tato položka (atribut) se nazývá vyhledávací klíč a datová struktura se
nazývá index.
Existují dva typy indexu:
- hustý index
je taková datová struktura, která obsahuje všechny hodnoty vyhledávacího klíče a příslušné
odkazy do primárního souboru
- řídký
je vytvořen pouze na některé hodnoty vyhledávacího klíče. Při hledání záznamu s hodnotou
vyhledávacího klíče, která se v indexu nenachází, se použije odkaz přirazený nejbližší nižší
hodnotě vyhledávacího klíče a v primárním souboru se hledaný záznam dohledá
sekvenčním způsobem.
Příklad:
Příklad hustého indexu:
Index Primární soubor
Příklad:
Příklad řídkého indexu:
4.1.6 Index-sekvenční soubor
Je soubor tvořen primárním souborem, tj. setříděným sekvenčním souborem (setříděným
podle primárního klíče) a přídavnou datovou strukturou nazývanou index. Vyhledávacím
klíčem muže být libovolný atribut a lze vytvářet libovolné množství indexů. Protože velikost
indexu je závislá na počtu záznamů primárního souboru, bývají indexy rozsáhlých souboru
velké, což kromě nároků na paměť způsobuje i zpomalování aktualizačních operací.
Aktualizace záznamu v primárním souboru totiž vyžaduje i aktualizace indexu. Aby nebylo
nutno v souvislosti s aktualizačními operacemi měnit uložení záznamu v primárním souboru,
využívají se přetokové oblasti.
Přetoková oblast je přídavný prostor pro ukládání záznamu do primárního souboru. Je
svázána s primárním souborem prostřednictvím směrníků. To vyžaduje, aby fyzické
záznamy primárního souboru obsahovaly položku "ukazatel" pro umístění směrníku do
přetokové oblasti. Po mnoha aktualizačních operacích (mazání záznamu, vkládání záznamu)
s využitím přetokových oblastí se soubor stává příliš komplikovaný. To má za následek
zpomalení přístupu k záznamům souboru. Proto je třeba soubor přeorganizovat, tj. uložit
nově zařazené záznamy na patřičné místo v primárním souboru. Počet přístupů na disk je
možno snížit umístěním indexu do operační paměti, avšak v souvislosti s dostupnou
operační pamětí a počtem a rozsahem indexu.
4.1.6.1 Implementace index-sekvenčního souboru metodou kapes (BUCKETS)
Základní charakteristiky:
- Primární soubor je rozmístěn do kapes.
- V kapse je předem definovaný počet záznamů.
- Informace o obsazených pozicích se uchovává v bitové mapě.
- "0" na i-té pozici označuje volné místo pro i-tý záznam.
- Prázdná kapsa je rezervována pro záznamy s klíčem menším než klíč prvního
záznamu v primárním souboru.
- Počet záznamů (počet pozic) v kapse se nazývá blokovací faktor.
Příklad:
Mějme soubor indexů:
Hodnoty klíče Adresy bloků
00
Adámek 10
Král 20
Dále mějme primární soubor rozmístěn do kapes:
Bitová mapa Záznam Záznam Záznam Záznam Záznam Ukazatel
(00)00000 0
(10)11111 Adámek Dlouhý Čížek Frič Hynek 0
(20)11110 Král Křivý Malý Kyselý 0
Proveďme aktualizační operace: D(Dlouhý), I(Dvořák), I(Březina), I(Novák), I(Adam)
Dostaneme následující soubor indexů:
Hodnoty klíče Adresy bloků
00
Adámek 10
Král 20
A následující primární soubor:
Bitová mapa Záznam Záznam Záznam Záznam Záznam Ukazatel
(00)10000 Adam 0
(10)11111 Adámek Dvořák Čížek Frič Hynek 30
(20)11111 Král Křivý Malý Kyselý Novák 0
(30)10000 Březina 0
4.1.7 Indexový soubor
Je tvořen primárním souborem a indexy pro různé vyhledávací klíče. Indexovány jsou
záznamy (hustý index), proto na rozdíl od index-sekvenčního souboru nemusí být primární
soubor setříděn a nevyžaduje umístění do souvislé části paměti počítače. Rovněž neuvažuje
přetokové oblasti. Je-li index vytvořen na inverzní klíč (tj. takový, který připouští duplicitní
hodnoty), může se v indexu opakovat stejná hodnota vícekrát.
4.1.8 Soubor s přímým přístupem
Metoda přímého přístupu umožňuje rychlý způsob vyhledávání záznamů podle hodnoty
primárního klíče i jeho aktualizaci. Princip souborů s přímým přístupem spočívá v tom, že při
jeho ukládání do paměti se podle určitého algoritmu vypočte z hodnoty primárního klíče
adresa bloku (stránky) disku, na níž má být daný výskyt záznamu uložen. Hodnota
primárního klíče je vstupem a adresa stránky je výstupem algoritmů, které se nazývají
hašovací algoritmy.
Soubor s přímým přístupem má primární záznamy rozptýleny v paměťovém prostoru velikosti
M * R, kde M >= N (N … počet záznamu v souboru, R … velikost záznamu v bytech) pomocí
hašovací funkce f definované z K do {0,1, …, M-1}. Interval <0, M-1> se nazývá adresový
prostor a množina K je množina všech hodnot primárního klíče. Hašovací funkce je
výpočetně jednoduchý předpis, který transformuje hodnotu klíče do relativních adres.
Absolutní adresy se vypočtou lineární transformací.
Jednou z nejefektivnějších transformací je funkce f = k mod M', kde M' je nejbližší prvočíslo
menší než M a k je číselná hodnota klíče. Funkce f není obvykle prostá. Tato skutečnost
může způsobit kolize, tzn. že několik záznamů má být umístěno na stejné adrese. Kolize lze
řešit tzv. otevřeným hašováním, kdy kolidovaný záznam se umístí na nejbližší volné místo s
vyšší adresou, rehašováním, kdy kolidovaná adresa se stane vstupem do hašovací funkce a
výstupem je rehašovaná adresa, eventuálně lze využít přetokových oblastí, kdy kolidující
záznamy jsou zřetězeny pomocí ukazatelů. Je-li hašovací funkce prostá, hovoříme o
perfektním hašování.
Při použití statických hašovacích metod musíme vyřešit při zakládání souboru některé volby.
Jedná se o výběr hašovací funkce na danou velikost souboru. Toto může způsobit problémy,
jakmile se databáze rozroste. Lze sice horní odhad udělat tak, aby nemohlo dojít k zaplnění
vyhrazeného prostoru, ale tím se plýtvá místem na disku. Obvykle je velikost prostoru volena
N = 0,8 M
Nutnost pevného stanovení prostoru pro ukládání záznamu souboru je tedy vážným
problémem statických hašovacích technik. Statické hašování vede ke třem třídám voleb a to
k výběru hašovací funkce založeném na současné velikosti souboru, výběru hašovací funkce
založeném na předpokládané velikosti souboru a na periodické reorganizaci hašovací
struktury v důsledku růstu souboru dat. Reorganizace zahrnuje výběr nové hašovací funkce,
přepočtení hašovací funkce pro všechny záznamy v souboru a generování nových adres .
Tato operace je velmi časově náročná a navíc po dobu reorganizace je zakázán přístup k
souboru pro jakékoli operace.
Z praktických důvodů je vhodnější využívat takové struktury, které umožňují pružnou změnu
externí paměti potřebné pro uložení databáze. Takovéto techniky jsou nazývány dynamické
hašovací funkce.
Shrnutí:
Základní strukturou pro ukládání dat na vnější paměťové médium je soubor. Soubor se skládá z jednotlivých záznamů, které se skládají z položek. Můžeme mít soubor s pevnou délkou nebo soubory s proměnnou délkou. Co se týká typu souborů, je možno používat soubory sekvenční, index-sekvenční, indexové a soubory s přímým přístupem. Data, uložená v souborech se dají zpracovávat pouze v operační paměti. Přesouvání dat z vnější do operační paměti se děje prostřednictvím bufferů (vyrovnávacích pamětí). Jednotkou přenosu dat je tzv. logický blok (cluster, page, stránka). Základní ideou při fyzické implementaci souborů a databází je minimalizace přístupů na disk při zpracování dat. Přístupy na disk totiž nejvíce zpomalují celý proces zpracování dat. Počet přístupů na disk je samozřejmě závislý na tom, s jak robustní databází pracujeme, záleží ovšem rovněž na tom, jak jsou data organizována, jakým postupem se příslušná data vyhledávají, atd. Nejsnadnější, ovšem nejpomalejší způsob je ukládání dat do sekvenčních souborů. Zrychlení představuje setřídění záznamů podle primárního klíčem vytvoření indexů na různé vyhledávací klíče, vytvoření souboru s přímým přístupem, atd.
Kontrolní otázky:
1. Co je to buffer a k čemu se používá?
2. Jaký je rozdíl mezi fyzickým a logickým blokem?
3. Jak je možno ukládat primární soubor?
4. Co je to index a jaké typy indeků znáte?
Pojmy k zapamatování:
Primární soubor
Index
Buffer
Logický blok (cluster, page, stránka)
Sekvenční soubor
Indexový soubor
Soubor s přímým přístupem.
Průvodce studiem:
Výborně! Zvládli jste to, prokousali jste se tímto textem a tak Vám blahopřeji! Pokud navíc umíte odpovědět na kontrolní otázky, je to úplně skvělé. Určitě si odpočiňte, než začnete studovat následující kapitolu.
4.2 PŘÍSTUPOVÉ TECHNIKY
Cíl:
Cílem kapitoly je rozšířit čtenáři vědomosti o možnostech rychlejšího vyhledání záznamů v souborech. Jsou zde popsány dvě statické organizace, řetězená organizace a indexy. Obě organizace jdou vylepšením klasických sekvenčních souborů. Po prostudování kapitoly by měl čtenář dokázat vysvětlit rozdíl mezi pojmem klíč a index a měl by umět popsat algoritmus tvorby řetězené a invertované organizace (indexy).
Klíčová slova:
Řetězení, hustý index, řídký index, vyhledávací klíč.
4.2.1 Úvod
Jak již bylo uvedeno v kapitole 4.1., problematika uložení záznamů do souborů a způsoby vyhledání příslušných záznamů na vnějším paměťovém médiu podstatně ovlivní celkovou dobu zpracování dat. Sekvenční soubory mohou být vylepšeny tzv. řetězenou organizací, která pro daný vyhledávací klíč vytváří směrníky na příslušné (podle daného klíče setříděné)
záznamy. Další zrychlení vyhledávání je možno realizovat vytvořením přídavných datových struktur, tzv. indexů. V této kapitole se budeme věnovat technice řetězení. Indexy, které jsme již uvedli v kapitole předchozí, ještě doplníme. Techniky, které jsou popsány v této kapitole se nazývají technikami statickými. Důvodem je ta skutečnost, že záznam, jednou zapsaný na
určitou adresu na vnější paměťové médium, na této adrese zůstává až do okamžiku, kdy je smazán nebo kdy je celý soubor tzv. reorganizován. Reorganizace je operace, která čte jednotlivé záznamy souboru a zapisuje je setříděně podle hodnoty (většinou) primárního klíče.
4.2.2 Řetězení
je spojení záznamů pomocí nasměrování na následující záznam. Řetězení realizují směrníky (poiters). Směrníky jsou položky záznamu, které oznamují, kde se nachází následující záznam se stejnou hodnotou alternativního resp. inverzního klíče. Logický směrník je tedy přidanou položkou do záznamu. První záznam s danou hodnotou alternativního klíče se nazývá záhlavím a je označen zvláštním směrníkem. Poslední záznam řetězu má hodnotu směrníku rovnu NULL. K provozování zřetězeného seznamu je třeba zadat vstupní směrník, který ukazuje na záhlaví seznamu a při každém nalezení dalšího záznamu testovat, zda směrník nemá hodnotu NULL.
4.2.2.1 Databázové operace ve zřetězených organizacích
Operace FETCH (operace načítání logických bloků do bufferu) znamená u řetězené organizace postupné sledování směrníků a testování, zda-li jde o hledaný záznam.
Operace UPDATE (operace změny hodnota databázové položky) se uskuteční tak, že potřebné položky změní svou hodnotu a směrník zůstane stejný.
Operace DELETE (operace smazání záznamu) musí dbát na to, aby směrník záznamu ukazujícího na rušený záznam se nahradil směrníkem rušeného záznamu. Záznam určený ke smazání se označí za neplatný. Řetězec se zkrátí o jeden záznam - vznikne prázdný prostor (díra), do kterého je možno operací Insert zapsat záznam, který logicky na toto místo
patří.
Operace INSERT (operace vložení záznamu) způsobí, že se řetězec prodlužuje o jeden záznam včetně příslušného směrníku. Na vkládaný záznam bude ukazovat směrník dosud posledního záznamu, kde nahradí koncovou hodnotu NULL. Nově vzniklý směrník je adresa prvního volného prostoru (díry).
Příklad:
Mějme relaci R(id_v, jméno_v, stát_v, město_v)
Vyhledávací klíč: stát_v
Vytvořte zřetězení pro výrobce ze SRN
Záhlaví pro stát_v = SRN je V4 - směrník na první záznam, kde stát_v = SRN
Zřetězená organizace je následující:
id_v jméno_v stát_v město_v směrník
V1 Škoda ČR M.Boleslav
V2 Renault Francie Paříž
V3 Opel USA Detroid
V4 Ford SRN Kolín n/R V5
V5 Volksw. SRN Wolfsburg V27
.
.
.
.
V27 .............................. NULL
4.2.3 Invertované seznamy - indexy
Nejjednodušší způsob indexu je tzv. hustý index, který tvoří tabulka se dvěma sloupci. První sloupec je sloupec hodnot vyhledávacího klíče a druhý sloupec je odkaz na záznam do primárního souboru - adresa záznamu v primárním souboru. Tato tabulka tvoří pomocnou datovou strukturu a její záznamy jsou setříděny podle hodnoty vyhledávacího klíče. Je možno vytvořit libovolně mnoho indexů na libovolné atributy (vyhledávací klíče). Pokud atribut nebo skupina atributů nepřipouští duplicitu hodnot, jedná se o alternativní klíč a index na alternativní klíč. Pokud atribut nebo skupina atributů duplicitu připouští, jedná se o klíč inverzní.
Nehusté indexování je takové, kdy směrník neukazuje na adresu záznamu, ale na adresu logického bloku, který je zaveden do operační paměti. V tom případě je třeba po zavedení bloku prohledat obsah bloku a nalézt požadovaný záznam. Nehusté indexy jsou zpravidla méně náročné na paměť.
Výše popsané indexy jsou tzv. statickými strukturami a to proto, že jednotlivé záznamy v indexové struktuře nemění své místo po celou dobu existence indexu, resp. po dobu existence příslušného záznamu v indexu. Výjimku tvoří reorganizace souboru, která provede celkové přeorganizování záznamů jak vprimárním souboru, tak ve všech indexech. Operace
reorganizace je velmi náročná a po dobu této operace je celá databáze uzamčena pro jakékoli další operace.
Úkoly k zamyšlení:
1. Mějme relaci Student (Osobní_čislo, Jméno, Příjmení, Ročník, Skupina). Navrhněte několik instancí této relace a proveďt mapování relace do sekvenčního souboru s využitím řetězené organizace pro vyhledávací klíč Příjmení.
2. Na výše popsanou relaci vytvořte hustý index na Osobní_číslo.
3. Na výše popsanou relaci vytvořte řídký index na Příjmení.
4.3 DYNAMICKÉ ORGANIZACE
Cíl:
Základním cílem kapitoly je ukázat čtenáři rozdíl mezi statickými a dynamickými strukturami a poukázat na výhody dynamických struktur. Dynamické struktury jsou demonstrovány na indexu a souboru s přímým přístupem. V případě indexu je dynamicko strukturou tzv. Bstrom, v případě primárního souboru s přímým přístupem je dynamickou strukturou tzv.
dynamické hašování. Po prostudování kapitoly by měl být čtenář schopen vysvětlit rozdíly statické a dynamické struktury, vysvětlit výhody dynamických struktur. Dále by měl být schopen sestrojit B-strom a aktualizovat jej v souvislosti s operacemi Insert a Delete (štěpení a slévání uzlů).
Klíčová slova:
Statická struktura, dynamická struktura, B-strom, neredundantní B-strom, dynamické
hašování.
4.3.1 Úvod
Dynamickými organizacemi budeme rozumět takové struktury, které se v čase mění, tzn. Že pozice záznamu v takové struktuře není neměnná, ale mění se podle toho, jak probíhají aktualizační operace. Jednou zapsaný záznam na nějaké adrese může tuto adresu opustit z toho důvodu, že na tuto adresu logicky patří jiný záznam. Dynamické organizace proto nemusí využívat přetokových oblastí a časová náročnost vyhledávání záznamů není tudíž zvětšována nutností hledání záznamů v přetokových oblastech. Z dynamických organizací, kterých je samozřejmě více typů, se budeme zabývat pouze B-stromy a krátce se zmíním o dynamickém hašování.
4.3.2 B – stromy
B-strom je dynamická indexová struktura. Z důvodu efektivity operací INSERT a DELETE je tato struktura nejpoužívanější indexovou strukturou. Struktura je založena na vyváženém stromu, ve kterém každá cesta od kořene k listu má stejnou délku, což znamená, že doba vyhledání libovolného záznamu je stejná. B-strom se chová dynamicky, tzn. dochází při aktualizačních operacích ke štěpení uzlů (bloků záznamů), se kterou souvisí alokace dalších uzlů a ke slévání uzlů. B – stromy jsou víceúrovňové indexy, přičemž jednotlivé úrovně se vytvářejí následujícím způsobem:
1. Primární soubor je indexován podle dané položky (vyhledávací klíč) a tím je vytvořen
index I1.
2. Vytvořený index I1 je znovu indexován a tím je vytvořen index I2.
3. Druhý krok je možno podle potřeby opakovat.
B – stromy obsahují tři typy údajů:
1. Směrníky na indexy.
2. Hodnoty vyhledávacího klíče, podle něhož je soubor indexován.
3. Směrníky na výskyty záznamu, tj. odkazy do primárního souboru.
Algoritmus vytváření B – stromu začíná od listu, tj. uzlu stromu, který obsahuje pouze odkazy na záznamy primárního souboru. Algoritmus musí zachovávat vyváženost stromu. Mějme B
– strom, který bude obsahovat n-1 hodnot vyhledávacího klíče a označme je K1, K2, …., Kn-
1 a n ukazatelů P1, P2, …,Pn . Hodnoty vyhledávacího klíče jsou setříděné, tzn. je-li i < j, je
taky Ki < Kj.
Struktura listu je pak následující:
Příklad:
Následující příklad Vám ukáže, jak dochází k postupnému vzniku B-stromu. Všimněte si, kdy dochází ke štěpení uzlu a jaký to má dopad na celou B-strukturu. Rovněž si všimněte, kdy dochází ke zvýšení počtu úrovní B-stromu. Označení 0, 1, 2, … jsou odkazy na další uzel B
– stromu, označení Z0, Z1, … jsou odkazy do primárního souboru.
Vložení záznamu s hodnotou vyhledávacího klíče Matějka způsobilo alokaci dalších dvou bloků o adresách 1 a 2.
Neredundantní B-stromy
Neredundantní B – stromy jsou modifikací B – stromů. Neredundantní B-strom je sice vyvážený strom, odkaz do primárního souboru však lze najít dříve než v listu stromu. Doba vyhledání záznamu je pak stejná jako u redundantních B-stromů, pouze je-li hodnota vyhledávacího klíče rovna hodnotě uvedené v uzlu, je doba vyhledání kratší. Neredundantní B-strom je tedy vylepšením B-stromu. Vyžaduje však přidání odkazu do primárního souboru do všech uzlů B-stromu, tedy ne jen do listu, jak je tomu u B-stromu. Prohledávání v neredundantních B – stromech nemusí dospět až do listu. Odkaz na záznam do primárním
souboru se může vyskytovat v kterémkoli uzlu.
Příklad:
Následující příklad ukazuje, jak může vypadat neredundantní B-strom. Je-li hodnota vyhledávacího klíče menší než Konvička, postupujeme ve vyhledávání na adrese 0 (další blok B-stromu). Je-li hodnota vyhledávacího klíče větší než Konvička, postupujeme ve vyhledávání na adrese 3 (další blok B-stromu). Je-li hodnota vyhledávacího klíče rovna
Konvička, najdeme v uzlu B-stromu přímo odkaz do primárního souboru (adresa Z0).
4.3.4 Dynamické hašování
Cíl
Základním cílem kapitoly je seznámit studenta se základními myšlenkami rozšiřitelného hašování. Po prostudování této kapitoly bude student umět rozlišovat mezi statickými a dynamickými organizacemi souborů a databází, bude umět sestavit algoritmus zápisu záznamů do souboru s využitím rozšiřitelného hašování.
Klíčová slova
Rozšiřitelné hašování, hašovací funkce, adresář, logický blok (kapsa) primárního souboru. Dynamické hašování je metoda průběžné rekonstrukce (reorganizace) datových struktur. Poprvé popsána v roce 1981.
Jedná se o modifikaci periodické rekonstrukce, která se liší:
V průběhu rekonstrukce se nezastaví zpracování (modifikace databáze, vyhledávací operace, atd.).
Operace se provádějí nad původní strukturou a paralelně probíhá reorganizace (vzniká nová datová struktura).
Po vytvoření nové struktury se stará „zapomene" a operace se provádějí nad touto novou strukturou.
Základní důvody pro přechod na dynamické hašování:
Velikost externí paměti, potřebné pro ukládání dat, by se měla pružně měnit podle stávajícího objemu dat.
Počet přístupů na disk pro většinu požadavků by měl být konstantní.
ROZŠIŘITELNÉ HAŠOVÁNÍ
Zavádí pomocnou strukturu - adresář.
Záznamy adresáře obsahují odkazy do primárního souboru. Některé záznamy adresáře mohou obsahovat totožné odkazy (odkazy do totožných logických bloků tzv. kapes).
Hašovací funkce h
Transformuje hodnotu primárního klíče k na adresu, která spadá do intervalu <0,2r+1-1>
r+1 Délka reprezentace hodnoty h(k) v bitech (počet bitů). Typická hodnota je 32.
Mějme klíč k a hašovací funkci
h(k) = brbr-1 .... bo
Z adresy brbr-1 .... bo vybereme pouze část (d bitů) a těchto d bitů se jako offset adresy vloží
do přidané struktury, adresáře. Velikost d se mění v souvislosti s nárůstem záznamů v
databázi.
Prázdný soubor
Adresář Logický blok (kapsa) primárního souboru
Je-li i=1, pak adresář obsahuje pouze dva záznamy:
0 Odkaz na záznamy, jejichž adresa začíná 0.
1 Odkaz na záznamy, jejichž adresa začíná 1.
Příklad:
Mějme následující záznamy, které se budou zapisovat do databáze pomocí rozšiřitelného hašování.
Předpokládejme, že primárním klíčem je atribut Město a hašovací funkce h generuje následující adresy:
Dále předpokládejme, že každá kapsa smí obsahovat (pro jednoduchost) maximálně 2
záznamy.
Uložte záznamy (Opava, Lipová 5), (Zlín, Úzká 8), (Lipník, Anglická 142/a)
Zatím jsme vystačili s jedním bitem offsetu. Záznamy se ukládaly do dvou různých kapes. V jedné kapse jsou záznamy, jejichž adresa začíná 0, v druhé kapse záznamy, jejichž adresa začíná 1(tato kapsa je plná).
Uložte záznam (Ostrava, Nádražní 128), přičemž kapsa, kde se má záznam ukládat je zaplněna. Je nutno alokovat další kapsu (logický blok) a přeorganizovat záznamy včetně úpravy adresáře.
Uložte záznam (Brno, Dlouhá 25)
Uložte záznam (Kroměříž, Jánská 100)
Uložte záznam (Olomouc, Francouzská 1725). Kapsa, do které je nutno umístit záznam, je zaplněna. Proto dojde ke štěpení kapsy a zároveň se zvětší offset.
OBECNÉ SCHÉMA ROZŠIŘITELNÉHO HAŠOVÁNÍ
Adresář Kapsy primárního souboru
i Počet bitů offsetu (adresy, která je umístěna v adresáři).
ji Počet bitů, v kolika se shodují adresy záznamů, uložených v i-té kapse.
Je-li ji =1, v dané kapse je uložena polovina všech záznamů souboru.
S nárůstem záznamů se zvětšuje zaplněnost kapes. Je-li kapsa zaplněna, musí se alokovat
nová kapsa (logický blok). Zároveň se musí zvětšit počet bitů v adresáři o 1 a dynamicky se
musí přesunout (reorganizovat) příslušné záznamy v primárním souboru.
Shrnutí
Dynamické struktury jsou v databázové technologii velmi důležité, protože zajišťují konstantní počet přístupů na vnější paměťová média a zajišťují pružnou změnu uložení záznamů v souborech v závislosti na aktualizaci databáze. V současných systémech řízení báze dat převazují dynamické organizace nad organizacemi statickými. K velmi efektivním metodám patří tzv. dynamick hašování. Dynamika spočívá v postupném aktualizaci adresáře a v závislosti na změně adresáře se i mění umístění záznamů souboru do logických bloků. Reorganizace tedy probíhá paralelně s aktualizačními operacemi (delete,
insert, update).
Kontrolní otázky
Jaký je rozdíl mezi statickou a dynamickou organizací dat?
Popište algoritmus zápisu záznamů do souboru s využitím rozšiřitelného hašování.
V čem spočívá dynamické hašování?
4.4 REDUKCE DAT
Cíl:
Základním cílem kapitoly je seznámit čtenáře s příčinami redundance dat a základními principy a metodami redukce dat. P prostudování této kapitoly bude čtenář umět rozlišovat mezi kompresí a kompakcí, bude umět vypočítat délku kódového slova při metodách komprese s pevnou délkou kódového slova a bude umět stanovit kódová slova s využitím
Huffmanova kódování a kódování pomocí adaptivního slovníku.
Klíčová slova:
Redundance, redukce, kód, kódové slovo, komprese, kompakce, adaptivní slovník, regál.
4.4.1 Úvod
Díváme-li se na soubory jako na texty, pak jsou tyto texty redundantní. Redundance dat je situace, která v žádném případě nepřispívá ke kvalitě databáze. Redundance ovšem může být způsobena několika příčinami. V předcházejících kapitolách jsem se věnovali redundanci vyplývající z nekorektně navrženého schématu databáze. Pokud se v rámci jedné relace vyskytují atributy, které jsou na sobě závislé a přitom nejsou ve vztahu Primární
klíč - neklíčový atribut. Takovému typu redundance je třeba se vyvarovat a provést
příslušnou normalizaci relačních schémat. Redundance však může mít i jiné příčiny. Těmito příčinami a jejich řešením se budeme zabývat v kapitole Redukce dat.
4.4.2 Příčiny redundance
Redundance dat také vyplývá z toho, že:
- Některé fráze nebo slova v textu se opakují.
- Existuje závislost mezi po sobě následujícími znaky v textu.
Existuje řada technik, jak redukovat množství ukládaných dat, aniž by došlo ke ztrátě informace. Uvědomme si, že podstatnou vlastností databáze je smysluplné poskytování pravdivých, relevantních informací. Kolik dat k tomu potřebujeme mít explicitně uloženo v databázi, to je již druhá vět. Je jasné, že méně dat, které poskytují totéž kvantum informací, je výhodné.
Výhody redukce
- Snížení velikosti vnějších médií.
- Zkrácení času přístupu k datům.
- Zkrácení času přenosu dat.
Nevýhody redukce
- Přídavná složitost odpovídajících algoritmů.
- Manipulace s proměnnou délkou kódu.
- Manipulace s jednotlivými bity.
4.4.3 Základní pojmy redukce dat
Metody redukce jsou z větší části založeny na kódování.
KÓDOVÉ SLOVO je symbol či posloupnost symbolů, kterými kódujeme zdrojový objekt (jednotku). KÓD je množina všech kódových slov. Důležitá vlastnost kódu je jednoznačná dekódovatelnost. Kódy s pevnou délkou jsou snadno dekódovatelné. U kódů s proměnnou délkou se posuzuje bezprostřední rozhodnutelnost. Kód je bezprostředně rozhodnutelný, jestliže poznáme konec kódového slova bezprostředně po příjmu jeho posledního znaku. Kódy jsou bezprostředně rozhodnutelné, když mají tzv.
prefixovou vlastnost. Prefixová vlastnost znamená, že žádné kódové slovo kódu není předponou nějakého jiného kódového slova kódu. Pro měření vhodnosti kompresní techniky slouží kompresní poměr (v %). Kompresní poměr je relativní množství paměti ušetřené po kódování.
D...velikost původního zdrojového řetězce
D´... velikost zakódovaného řetězce
Kompresní poměr K = (D - D´) / D
4.4.4 Metody redukce
KOMPRESE je takový způsob redukce dat, kdy vždy existuje možnost dekomprese, při které se neztrácí informace. U KOMPAKCE je zachována pouze jistá nutná informace, neexistuje inverzní proces dekódování. Např. zkracování klíčů v souborech indexů, kdy pro rozlišení stačí pouze některá místa klíče.
4.4.5 Kódy s pevnou délkou
Chceme-li zakódovat (m výskytu) n jednotek, lze to udělat kódovými slovy délky I a platí: I =
log2n
n ... počet jednotek
Příklad:
Uvažujeme text složený z 10 slov (n = 10), THE, OF, AND, TO, A, IN, THAT, IS, IT, ON Původní délka textu při délce pro 1 znak= 1 byte, byla 23 bytů, tj. 23x8=184 bitů. Délka textu po zakódování s pevnou délkou kódového slova:
I = log210
Délka kódového slova (v bitech) je nejbližší celé číslo, vetší než l a to je 4 bity. Celý text je
tedy zakódován do délky 4x10=40 bitů. Známe-li pravděpodobnosti výskytu jednotlivých slov, pak kompresní poměr vypočteme
podle vzorce:
Ii ..... délky slov
pi .... pravděpodobnosti výskytu
4.4.6 Huffmanovo kódování
Používá kódy proměnné délky, bylo vyřešeno v r. 1952. Huffmanovo kódování je založeno neorientovaných binárních stromech.
Vstup: n jednotek ke kódování a pravděpodobností pi jejich výskytu. Pro každou jednotku i vytvoříme list o(pi) binárního stromu, tj. uzel ohodnocený pi. Z pravděpodobností se vyberou dvě nejmenší nenulové pr a ps a vypočte se q = pr + ps.
Vytvoří se uzel o ohodnocený q a hrany se ohodnotí 0 resp. 1. Tímto způsobem se sestrojí binární strom.
Příklad
Jsou dána slova: THE, OF, AND, TO, A, IN, THAT, IS, IT, ON, která se vyskytují s pravděpodobností (po řadě): 0,270, 0,170, 0,131, 0,099, 0,088, 0,074, 0,052, 0,043, 0,040, 0,033. Sestrojte binární strom a naznačte sestavení kódových slov pro jednotlivá slova textu.
Např. Slovo of se zakóduje 00
is 1101
Kód se čte od kořene k listu. Huffmanovo kódování vyžaduj známé a neměnící se pi.
Příklad
Nechť (setříděné) četnosti slov 9ti znakové abecedy v textu tvoří posloupnost (1,1,1,1,3,3,3,3,7). Sestrojte binární strom a
k němu Huffmanův kód.
4.4.7 Komprese dat adaptivním slovníkem
Techniku vynalezl Jakobsson. Jedná se o techniku komprese obecných textových řetězců pomocí slovníku, který vzniká v paměti souběžně s kódovaným textem. Slovník je po zakódování z paměti odstraněn a při dekódování je opět paralelně generován.
Experimentálně byl zjištěn kompresní poměr 50 %. Podstatou metod je konstrukce datové struktury - lesu. Ke každému znaku použité n-prvkové abecedy je přirazen jeden odpovídající kořen stromu. Stromy jsou n-ární a mají hloubku h (parametr metody). Pro daný řetězec S se definuje regál slovníku Fh(S), kde každá cesta z kořene odpovídá podřetězci z S a
naopak. Každý podřetězec délky menší nebo rovné h lze v lese nalézt jako cestu z nějakého
kořene. Uzly jsou ohodnoceny znaky abecedy. Kódování řetězce S spočívá v náhradě podřetězců adresami, které odpovídají adrese posledního znaku podřetězce, který ještě existuje ve slovníku. Metoda je jednoprůchodová, tj. text se čte sekvenčně znak po znaku pouze jednou.
Příklad
Nechť h = 3, abeceda = (a, b, c)
S = abbbcabbbbbcb
Regál slovníku má tvar:
Pojmy k zapamatování:
Statická struktura
Dynamická struktura
B-strom
Neredundantní B-strom
Dynamické hašování
4.5 ŘEŠENÉ PŘÍKLADY B-STROMŮ
Cíl:
Cílem této kapitoly je na řešených příkladech demonstrovat proces postupného vkládání záznamů do B-stromu a s tím souvisejícího štěpení uzlů. Čtenář by se měl zamýšlet hlavně nad tím, jak:
- Vypadá struktura B-stromu.
- Lze provádět odkazy na další uzly B-stromu.
- Lze provádět odkazy na záznamy primárního souboru.
- Dochází ke štěpení uzlů.
- Zajistit vyváženost B-stromu.
Klíčová slova:
B-strom, Insert, Delete, štěpení uzlu, alokace uzlu.
Příklad:
Na primární soubor, obsahující 6 záznamů vkládaných v pořadí Z0, Z1, …
Matka Karla Poklad Babička Pustina F.L.Věk
Z0 Z1 Z2 Z3 Z4 Z5
vytvořte B-strom, jestliže velikost uzlu = 3. V tabulce jsou uvedeny pouze hodnoty
vyhledávacího klíče Příjmení.
Úkoly k zamyšlení:
Pokuste se navrhnout primární sekvenční soubor a zkonstruujte na něj B-strom. Dále se pokuste primární soubor aktualizovat přidáváním a mazáním záznamů a ukažte, jaký vliv tyto operace mají na B-strom.
Průvodce studiem:
Pokud jste pochopili jak teoretickou část modulu o B-stromech, tak všechny uvedené příklady, dá se předpokládat, že nebudete mít potíže s vypracováním korespondenčního úkolu, který obsahuje problematiku B-stromu. Pokud Vám je ještě něco nejasné, prostudujte příslušné kapitoly ještě jednou, ev. kontaktujte tutora. Určitě však zasloužíte pochvalu za snahu. Věřte, že Vás chápu a dokážu se vžít do Vaší situace. Studium distanční formou určitě není nic snadného.