Adatbázis rendszerek. 4. előadás Redundancia, normalizálás

Adatbázis rendszerek 4. előadás Redundancia, normalizálás Molnár Bence

Szerkesztette: Koppányi Zoltán

HF tapasztalatok

HF tapasztalatok — [ABR]

az email címbe!

— Ne

emailbe küldjük a házikat, töltsétek fel a weboldalra.

— Olvassátok

hanem

el a mintákat, és a hibalistát

Hibalista —

Az adatbázis kapcsolódik?

témája

—

Feladat megfogalmazása érthető, jól körülhatárolt?

—

Input, Output adatok megfelelőek, valósságosak, nem csak helyet töltenek ki (pl. speciális lekérdezések)?

—

Output adatok levezethetőek az Input adatokból?

—

Az Input egymáshoz?

adatok

építőmérnöki

logikailag

szakmához

kapcsolódnak

Hibalista —

A feladat lehetőséget ad-e 4 entitás kialakítására?

—

Az adatok nyers, de érthető formátumban vannak? Kulcsok és azonosítók létrehozása később történik, ahogy az adatok normalizálása és a dekompozíció is (adatok táblákba rakása, azok darabolása).

—

A nyers adatok tartalmaznak-e legalább 100 rekordot? Túl sok nyers adat csatolása a feladatot átvevőkre helyez nagy terhet!

—

Ha több állományban találhatóak a nyers adatok, azok egy fájlba tömörítendőek. Új verzió feltöltésekor a korábbi (és még aktuális) állományok is becsomagolandóak, hiszen mindig csak az utolsó verzió érhető el!

Adat generálás —

Pilot projekthez (vagy HF)

—

Teszteléshez – váratlan adatok

—

Excel —

RAND() / VÉL()

—

RANDBETWEEN() / VÉLETLEN.KÖZÖTT()

—

Webes generátorok

—

Máshonnan szerzett adatok

Nyers adatok feldolgozása —

Normalizált adatbázisból

—

—

SQL lekérdezés

Átalakítandó, de kezelhető táblázatos formátum

—

Copy-paste, Import

—

Átalakító lekérdezés

—

Hibák keresése lekérdezéssel

—

PDF, kép

—

—

Karakterfelismerő

Weboldalak

—

Kézi klikkelgetéssel kinyerhető értékek

—

Programozói ismeretekkel automatizálható

—

Folyó szöveg

—

Emberi feldolgozás

Adat beolvasás —

Excel CSV

—

Elválasztó — Idézőjel — Karakter kódolás – különleges karakterek — Sorvége — Üres mezők PDF —

—

Copy - Paste

—

Text to columns (Szövegből oszlopok)

—

—

OCR —

Optikai karakter felismerés

A relációs adatbázis séma kérdései

Egy rossz tábla! érvénytelen érték

(nincs kulcs)

Név

Utónév

Életkor

ID

Szem.Ig

Gipsz Jakab

Jakab

23

1

101

Hallgató Bálint

Béla

-1

2

102

Gipsz Jakab

Jakab

23

1

101

redundancia

(ha kulcs lenne, akkor is dupla kulcs szerepel)

Egy rossz tábla! duplikált sor

inkonzisztencia

Név

Utónév

Életkor

ID

Szem.Ig

Gipsz Jakab

Jakab

23

1

101

Hallgató Bálint

Béla

-1

2

102

Gipsz Jakab

Jakab

23

1

101

Vezeték névre nem tudunk keresni

Mikre kell odafigyelni? —

Konzisztencia biztosítása: az adatbázis ne tartalmazzon egymásnak ellentmondó tényeket

—

Adatok érvényességének biztosítása: az adatok csak a megfelelő halmazból vehetnek fel értékeket

—

Redundancia: valamely tényt vagy a többi adatból levezethető mennyiséget többszörösen tároljuk —

Többszörösen tároljuk az adatokat

—

Nehéz az adatokat konzisztensen tartani

—

Duplikált sorok szükséges)

—

Duplikált adatok szükséges)

tárolásának tárolásának

elkerülése

(ha

ez

elkerülése

(ha

ez

Hogyan küszöbölhető ki? — Konzisztencia

biztosítása: normalizálás

— Adatok

érvényességének biztosítása: attribútumok típusának kiválasztása

— Redundancia

normalizálás

— Duplikált

előírása

— Duplikált

csökkentése, megszüntetése:

sorok tárolásának elkerülése: kulcs

adatok tárolásának elkerülése: megfelelő tervezés, normalizálás

Redundancia, adatbázis anomáliák

Redundancia —A

redundancia a következőeket okozhatja

—

Módosítási anomália

—

Beszúrási anomália

—

Törlési anomália

Módosítási anomália Név Kiss Pista Kiss Pista Nagy Péter

Életkor 23 23 21

MitVett? Csoki Sör Sör

Kiss Pista nevét meg akarom változtatni, és azt az összes előforduló helyen meg kell tennem!

Beszúrási anomália Név Kiss Pista Kiss Pista Nagy Péter

Életkor 23 22 21

MitVett? Csoki Sör Sör

Kiss Pista felvételénél elrontjuk a bevitelt és véletlenül 22-t viszünk be életkornak. Ekkor nem tudhatjuk biztosan hány éves Pista.

Törlési anomália Név Kiss Pista Kiss Pista Nagy Péter

Életkor 23 23 21

MitVett? Csoki Sör Sör

Ha valami okból kitöröljük Kiss Pista sorait, akkor az eddig már felvitt adatokat (pl. életkor) elveszítjük!

Redundancia elkerülése —A

redundancia elkerülésére a tervezés során a táblákat normalizálni kell.

— Az

egyes normalizálási lépések esetén azt mondjuk, hogy akkor az adatbázis egy meghatározott normál formán van.

— Előtte

azonban ismerkedjünk meg a funkcionális függőségekkel!

Funkcionális függőségek

Funkcionális függőség — Ha

a reláció valamely 2 sora megegyezik valamilyen attribútum(ok)-on (A), és abból következnek (egyértelműen meghatároz) más attribútum(ok) (B) akkor azt mondjuk hogy B funkcionálisan függ A-tól. Név Kiss Pista Kiss Pista

Életkor 23 23

Név → Életkor Jelölés

Vétel Csoki Sör

Funkcionális függőség - Kulcs — Vegyük

észre, hogy a funkcionális függőség a kulcs fogalom általánosítása: —

Amennyiben egy vagy több attribútum funkcionálisan meghatározza az összes többi attribútumot, akkor az szuperkulcs

—

Ha ez a halmaz minimális, akkor kulcsról beszélünk

Funkcionális függőség - Példa — Adjuk

meg a következő relációk függőségi halmazait! —

Dolgozók(SzemIg., Név, Jövedelem, Beosztás)

Funkcionális függőség - Példa — Adjuk

meg a következő relációk függőségi halmazait! —

Dolgozók(SzemIg., Név, Jövedelem, Beosztás) —

SzemIg. → Név, Jövedelem, Beosztás

Funkcionális függőség - Példa — Adjuk

meg a következő relációk függőségi halmazait! —

Dolgozók(SzemIg., Név, Jövedelem, Beosztás)

SzemIg. → Név, Jövedelem, Beosztás — Beosztás → Jövedelem (?) — Eredmények(TantárgyNév, Neptun-kód, Név, Osztályzat) —

Funkcionális függőség - Példa — Adjuk

meg a következő relációk függőségi halmazait! —

Dolgozók(SzemIg., Név, Jövedelem, Beosztás)

SzemIg. → Név, Jövedelem, Beosztás — Beosztás → Jövedelem (?) — Eredmények(TantárgyNév, Neptun-kód, Név, Osztályzat) —

—

TantárgyNév, Neptun-kód → Osztályzat

Normál formák

Első normál forma (1NF) — Minden

sora különböző (van kulcs)

—

Van egy kulcs, amitől az összes többi attribútum funkcionálisan függ

—

Ekkor a kulcs lehet a reláció összes attribútuma is

— Oszlopok — Minden

száma és sorrendje minden sorban azonos

oszlopnak csak egy attribútuma lehet

—

Minden attribútum egyszerű

—

Ennek eldöntése tervezési kérdés

nem

mindig

egyértelmű

→

Második normál forma (2NF) — Második

normál forma definíciója:

—

Első normál formán vagyunk +

—

Minden nem kulcs attribútum teljesen függ a kulcstól, de nem függ a kulcs bármely részhalmazától

—

Teljesen függ: az attribútum a egyetlen részhalmazától sem függ

— Ha

egy attribútumú a összetett) akkor rendben

kulcs

(azaz

kulcs nem

Dekompozíció (2NF) Neptun ABCD1 ABCD2 ABCD1

Neptun ABCD1 ABCD2

SzemIg. 100AA 101AA 100AA

ZH 1 1 2

Eredmény 4 5 3

SzemIg. 100AA 101AA Neptun ABCD1 ABCD2 ABCD1

ZH 1 1 2

Eredmény 4 5 3

Harmadik normál forma (3NF) — Harmadik

normál forma definíciója:

—

Második normál formán vagyunk +

—

Minden olyan attribútuma, mely nem része a kulcsnak, funkcionálisan teljesen függ a kulcstól, és csak attól. (Nincs tranzitív függőség)

—

Tranzitív függés esetén minden, nem kulcs mező függ a kulcstól, de van olyan mező, esetleg mezők, amely a kulcson kívül más mezőtől is függnek.

Dekompozíció (3NF) VételID 1 2

VételID 1 2

Vétel Csoki Sör

Vétel Csoki Sör

Ár 100 300

Termék Csoki Sör

Ár 100 300

Magasabb normál formák —A

gyakorlatban a 3NF már elegendő

—A

legtöbb esetben ez már redundancia mentességet biztosít

— BCNF, —A

4NF, 5NF

magasabb normál formák hátrányai:

—

Nehezen átlátható az adatbázis szerkezete

—

Bonyolult lekérdezések

—

Csökkenti a lekérdezések hatékonyságát

A gyakorlat „A teljesség kedvéért megemlíthető, hogy bizonyos műveletek hatékonyabb végrehajtása érdekében egyes esetekben a tervezők inkább lemondanak a tisztaságról, áttekinthetőségről, s összevonnak egy relációba olyan adatokat is, amelyek a normalizálás elmélete szerint külön relációkban kellene helyet foglalniuk.”

Esettanulmány

WebDLT — Web

alapú fotogrammetria

—

Ha egy pontot két képen azonosítani tudok, annak térbeli koordinátája számítható

—

Képkoordináták és egyéb adatok tárolása adatbázisban

—

MySQL DBMS + PhpMyAdmin + PHP + HTML + CSS

—

—

Input: —

Felhasználói adatok

—

Képkoordináták (2D)

—

Számítási eredmények

Output: —

Képenkénti pontok adott projekten belül

—

3D pontok adott projekten belül

—

Minősítő számok megjelenítése

E/K diagram

Relációs adatbázis séma

Teljes séma

Lekérdezések — πprid,pname(σuid=10(projects⋈projects_users)) — πpoints_2d.pid(σpid=100&phid=200&prid=2(points_2d⋈points)) — σeid=100&prid=2(edges⋈edges.pid1=points.pidpoints)

ABR Házirendszer

Ötletek

Források —

Wikipedia

—

http://www.kobakbt.hu/jegyzet/AdatbazisElmelet/ora4_index.htm l

—

http://support.microsoft.com/kb/283878/hu

—

http://www.fuvesi.com/adatbazisok/normalformak.html

—

http://www.tankonyvtar.hu/en/tartalom/tamop425/0005_25_adat bazis_kezeles_scorm_03/361_mezk_viszonya_a_relcis_adatbzis_ tbliban.html

—

Köszönöm a figyelmet!