Adatbázis rendszerek. Molnár Bence. Szerkesztette: Koppányi Zoltán és Berényi Attila

Adatbázis rendszerek Molnár Bence

Szerkesztette: Koppányi Zoltán és Berényi Attila

A tárgyról

A tárgyról —1

házi feladat

— http://web.fmt.bme.hu/abr — http://www.fmt.bme.hu/fmt/htdocs/oktat

as/tantargy.php?tantargy_azon=BMEEOFTM KT3 — Molnár Bence [email protected]

A tárgy célja — Az

adatbázisok elméletével kapcsolatos alapvető fogalmak megismertetése

— Az

adatbázisok használatának bemutatása mérnöki alkalmazásokban

— MS

Access alapjainak használatának elsajátítása

— Az

bemutatása,

ún. objektum relációs téradatbázisok alapjainak és használatának elsajátítása PostgreSQL + PostGIS eszközökkel

Tematika (lite) — Adatbázisok

elmélete

—

alapfogalmak

—

relációs algebra

—

adatbázis-tervezés

— Adatbázisok

gyakorlati alkalmazása

—

SQL

—

térinformatikai adatbázisok

Házi feladat (földmérő) — Adatbázis —

tervezés: gyakorlati adatbázis tervezése

—

megvalósítás: —

—

térinformatikai

megtervezett adatbázis létrehozása, feltöltése, és térbeli lekérdezések (PostgreSQL + PostGIS, ehhez szervert biztosítunk) megjelenítés QGIS-ben

Miből tanulhattok?

Jeffrey D. Ullmann - Jennifer Widom : Adatbázisrendszerek, Alapvetés, PANEM, 2008

Miből tanulhattok? —A

diasorokat folyamatosan (előadás után) feltöltöm a honlapra

— Segédlet

és video)

a házi feladatokhoz (dokumentum

— PostgreSQL: — PostGIS: — Google...

http://www.postgresql.org/

http://postgis.refractions.net/

Adatbázisok a mindennapokban

Adatbázisok a hétköznapokban — Hol

használjuk őket?

—

mindenhol...

—

vásárlás, utazás, telefonálás, internetezés, sportolás, stb...

— Jelentőségük —

Knight Capital Group

—

...

Adatbázisok a hétköznapokban

Adatbázisok a hétköznapokban A világ legnagyobb adatbázisai Helyezés Név

Cél

1

Max Planck Intézet

Tudományos kutatás

2

NERSC

Tudományos kutatás

3

AT&T

Távközlés

4

Google

Internetes keresés

5

Sprint

Távközlés

6

ChoicePoint

Kormányzati, közösségi és üzleti jellegű információk megosztása

7

YouTube

Videomegosztás

8

Amazon

Kiskereskedelem

9

CIA

Titkosszolgálat

10

USA Kongresszusi Könyvtár Könyvtári szolgáltatások

Adatbázisok az építőmérnöki gyakorlatban —

Folyóiratok, cikkek adatbázisai: —

ASCE: http://cedb.asce.org/

—

Szabványok (IEEE, ISO, EN, MSz, ...)

—

Szakági adatbázisok:

—

Talajtani: http://mta-taki.hu/hu/osztalyok/kornyezetin formatikai-osztaly/terkepi-adatszolgaltatas http://www.geoshop.hu

—

kutatás

—

Táblázatkezelőktől az adatbázisokig

Hogyan néz ki egy táblázat? Név

Lakcím

Telefonszám

Holnap Péter

Budapest 999-9999

Gépészmérnök Szerszámgyártó Zrt.

Tóth István

Cegléd

Építőmérnök

Út kivitelező Nyrt.

Nagy Ferenc

Budapest 999-9954

Közgazdász

Elszámolok Kft.

Kiss Pista

Budapest 999-5864

Érettségi


999-9928

Végzettség

Munkahely

Hogyan nézz ki egy táblázat? Oszlop=Attribútum

Név

Lakcím

Holnap Péter

Telefonszá m

Végzettség

Munkahely

Budapest 999-9999

Gépészmérnök

Szerszámgyártó Zrt.

Tóth István

Cegléd

Építőmérnök


Nagy Ferenc

Budapest 999-9954

Közgazdász

Elszámolok Kft.

Kiss Pista

Budapest 999-5864

Érettségi


999-9928

Sor=Rekord

Cella=Mező

Mit könnyű benne csinálni? (azaz előnyök :) — Kitölteni — Oszlopot — Sort

törölni, hozzáadni

törölni, hozzáadni

— Származtatott

cellákat számítani

— Keresni,

bonyolult számításokat végezni, speciális adatok levezetni?

— Nagy

adathalmazokat kezelni?

Problémák a táblázatokkal — Nagyméretű —

sok oszlop

—

sok sor

— Nehézkes

tábla nehezen kezelhető

keresés a táblában

— Különböző

táblák összekapcsolása

— Konzisztencia — Speciális

keresések (lekérdezések)

Adatbázis? — Az

adatbázisok használata indokolt, ha:

—

nagy mennyiségű adatunk van,

—

az adatoknak sok attribútuma definiált,

—

fontos a konzisztencia,

—

inhomogén típusú adatok,

—

összetett lekérdezéseket végrehajtani.

—A

kívánunk

gyakorlatban nem csak nagy adattömegek esetén alkalmazzák.

Alapfogalmak

Alapfogalmak —

—

Adat: (adatbázisban tárolt) érték. —

statikus: kézi vagy automatikus beavatkozásig változatlan (pl. bankszámla-egyenleg).

—

önmagában nincs jelentése.

Információ: olyan adat, amely a feldolgozás során értelmet nyer. —

—

Dinamikus: a tárolt adatok függvényében és a feldolgozás, megjelenítés (képernyő/nyomtatott jelentés) hatására is változik/változhat.

Összefoglalva: az adat az, amit tárolunk, az információ pedig, amit kinyerünk (GIS – új adat levezetése).

Alapfogalmak —

Metaadat: adat az adatról. —

„A metaadat koncepció általában az elektronikusan archivált vagy megjelenített adatra vonatkozik és leírja az adat fájlok definícióját, struktúráját és kezelésének módját, hogy a rögzített és archivált adatok használatát megkönnyítse”.

—

Adatbázisok esetén pl.: az adatbázisban található összes tábla nevét, méretét és sorainak számát tartalmazó tábla.

Alapfogalmak —

Adatmodell: tulajdonképpen szerkezetének a leírása

az

adatok

logikai

—

Az adatmodell a logikai adatbázis szerkezeti leírását foglalja magában, nevezetesen azonos jellemzőjű információk logikai modellezését a rajtuk végezhető logikai műveletek meghatározását tartalmazza. Az adatmodell tehát mindig szerkezeti és műveleti részből tevődik össze. Az adatmodell feladata, hogy a világban található dolgokról, individuumokról számítógéppel könnyen feldolgozható formálisan leírható adatok tárolásához megfelelő szerkezetet, keretet adjon, illetve ezek lekérdezhetőségét, visszakeresését is biztosítani tudja zárt matematikai alakban. (Wikipédia)

Adatmodellek — Hierarchikus — Hálós — Relációs — Objektum

orientált

Adatbázis vs. Adatbázis kezelő — Adatbázis

(AB, vagy Database, DB): az adatok és azok rendszere. —

németül adatbank: Datenbank

— Adatbázis

kezelő rendszer (ABKR vagy Database Managment System, DBMS): az adatok manipulálást, tárolását, létrehozását, stb... végző programok.

— Gyakorlatban

az adatbázisokat ABKR-rel hozzuk létre. Az egyes ABKR-ek bizonyos adatmodelleket támogatnak, így az ABKR meghatározza az adatbázis adatmodelljét is.

Példák —

Adatbázisok: világ legnagyobb adatbázisai dia

— Adatbázis

kezelő rendszerek:

—

MS Access, SQL Server (Microsoft)

—

PostgreSQL (Open Source, közösségi)

—

MySQL (GPL, kereskedelmi, Oracle)

—

Oracle (kereskedelmi, Oracle)

—

CouchDB (Open Source, Apache)

—

SQLite (Open Source, Richard Hipp)

Adatbázis szintjei - fizikai

A fizikai szinten az adatok tényleges tárolása és elérése történik hagyományosan a háttértáron (merevlemezen).

Adatbázis szintjei - fogalmi

A fogalmi (logikai) szinten írjuk le a az adatok típusát, kapcsolódási módját, stb..., melyeket az adatmodell határoz meg. Vagyis az adatmodell segítségével írjuk le az adatbázis fogalmi modelljét (értsd: ami a táblák tulajdonságai, oszlopnév, típusok, kapcsolatok, stb...).

Adatbázis szintjei - nézet

A megalkotott adatmodellen keresztül az adatokat különböző módon tudjuk megjeleníteni; ezek a nézetek. A nézetek megválasztásának a módját a konkrét alkalmazás dönti el ill. az igények specifikálják.

Adatbázis!

„No widely accepted exact definition exists for DBMS” (Wikipedia)

Adatbázisok története

Adatbázisok története — Mikortól? — 1960-as

évek eleje (első „hivatalos” említés 1962, Oxford szótár: data-base)

— Az

adatbázisok történetét a hozzájuk kapcsolódó adatmodellekkel mutatjuk be.

Korai adatbázismodellek — hierarchikus

modell

Korai adatbázismodellek — hálós

adatmodell

Relációs adatmodell — 1969

(1980-)

— rugalmas, — széles

könnyen bővíthető

körben elterjedt

— áttekinthető —a

kapcsolatok nem definiáltak a modellben

— matematikailag

jól definiált (relációs algebra), halmazelméletből levezetett

Objektum orientált adatmodell —A

gyakorlati adatbázis kezelő rendszerekben (ABKR) az adatok tárolására félig, vagy ritkán alkalmazott paradigma (nem elég hatékony – tárolás, keresés)

—A

programozási gyakorlatban terjedt el

NoSQL adatbázisok —

—

„Not only SQL” —

napjainkban indultak hódító útjukra

—

eltérő tárolási módszerek

—

nem SQL alapú lekérdezések

Példák: —

dokumentum adatbázisok: félig strukturált adatok tárolására, a web (2.0) inspirálta;

—

gráf adatbázisok.

Gráf adatbázisok

CouchDB — „Apache

CouchDB has started. Time to relax.”

— dokumentum

alapú

— web-es

környezetben alkalmazott — curl http://127.0.0.1:5984/ —{

"couchdb": "Welcome", "version":"1.1.0" }

Forrás —

Wikipedia —

http://hu.wikipedia.org/wiki/Adatb%C3%A1zis

—

http://en.wikipedia.org/wiki/Graph_database

—

http://en.wikipedia.org/wiki/Database

—

http://guide.couchdb.org

—

J. D. Ullman – J. Widom: Adatbázisrendszerek

—

M. J. Hernandez: Adatbázis-tervezés

—

Gajdos Sándor: Adatbázisok

—

Dominich Sándor: Adatbáziskezelő rendszerek

—

http://www.bigonehost.com

Relációs algebra általában A relációs algebra néhány tulajdonsága: —

Matematikailag jól definiált —

Halmazelméletből építkezik

—

Bevezethető az Armstrong axiómákon keresztül

— Gyakorlati

—

jelentősége:

—

RDBMSek lekérdező nyelvének alapja

—

Adatbázis tervezés

Didaktikai jelentősége: sokkal könnyebb lesz megérteni az SQL nyelvet

Relációs séma

Relációs séma Adott a következő táblázat: Jegyek reláció Azonosító

Név

Jegy

1

Kiss Pista

3

2

Nagy Péter

4

3

Varga Ferenc

5

4

Kiss Pista

1

Reláció sémája: Jegyek(Azonosító, Név, Jegy) Miért nevezzük relációnak?

Relációs séma - elnevezések A táblázat a reláció egy előfordulása! Jegyek reláció Azonosító Név 1 Kiss Pista 2 Nagy Péter 3 Varga Ferenc 4 Kiss Pista

Reláció sémája: Jegyek(Azonosító, Név, Jegy) Reláció neve

Attribútumok, együtt attribútumok halmaza

Jegy 3 4 5 1

Relációs séma - tulajdonságok —

A reláció és előfordulásának tulajdonságai —

Az attribútumok (oszlopok) sorrendje nem számít, tetszőlegesen felcserélhetőek

—

A rekordok sorrendje nem számít, tetszőlegesen felcserélhetőek

—

Egy attribútumhoz, és egy adott sorhoz egy és csak egy komponens tartozhat

—

A mi esetünkben megengedjük, hogy egy adott sor ugyanazon attribútum értékekkel többször is előforduljon (halmaz vs. multihalmaz)

Néhány séma példa — Idom(Azonosító,

Elnevezés, Keresztmetszet, Inercia, Ár)

— Gömb(Azonosító, — Közút(Azonosító,

X, Y, Z, R) Elnevezés, Rendűség)

— Földrészlet(Azonosító,

Helyrajziszám, Tulajdonos, Terület, AK_érték)

— Adjunk

meg hozzájuk előfordulásokat (azaz készítsünk hozzá táblázatot)

Attribútumok típusa

Attribútumok típusa — Az

attribútumok esetén meghatározhatjuk, hogy azok milyen halmazból vehetnek fel értékeket, azaz megadhatjuk azok típusát

— Egyszerű —

típusok (példák):

Szám

Egész — Valós — Szöveg —

—

Logikai

—

Számláló

Attribútumok típusa — Összetett

típusok (példák):

—

Maszk: 000-000-000, XXXXX

—

Vonallánc, gömb, geometriai elemek

—

Binary Large Object (BLOB)

Kép, MP3, stb... — Ezeket beépíthetjük leírásába: —

a

relációs

Jegyek(Azonosító : Felsoroló, Név : Szöveg, Jegy: Egész szám)

séma

További példák — Idom(Azonosító

: Számláló, Elnevezés: Szöveg, Keresztmetszet : Valós, Inercia : Valós, Ár : Egész)

— Gömb(ID

: Számláló, X : Valós, Valós, Z : Valós, R : Valós)

— Közút(Azonosító,

Y

:

Elnevezés, Rendűség)

— Földrészlet(Azonosító,

Helyrajziszám, Tulajdonos, Terület, AK_érték)

— Az

utolsó két séma esetén is adjuk meg az attribútumok típusát!

— Több

fajta jó megoldás is létezhet!

Kulcs, szuperkulcs

Szuperkulcs — Szuperkulcs:

azon attribútumok halmaza, mely egyértelműen meghatároz egy rekordot

Név Szemig Kiss Pista 123

Kor 18

Kiss Pista 124

18

SzK2=SzK1 U {{kor}, {kor, név}}

SzK1={{szemig}, {szemig, név}, {szemig, kor}, {szemig, név, kor}} Név Szemig Kiss Pista 123 Kiss Pista 124

Kor 18 19

Kulcs — Kulcs:

a szuperkulcsok közül a minimális

Név

Szemig

Életkor

Kiss Pista

123

18

Kiss Pista

124

18

K2={{szemig}, {életkor}}

K1={{szemig}}

Név

Szemig

Életkor

Kiss Pista

123

18

Kiss Pista

124

19

Kulcs – még egy példa Név

Szemig Tantárgy

Jegy

Kiss Pista Kiss Pista Kiss Pista

123 123 124

5 5 5

Matek Biosz Matek

SzK={{szemig, tantárgy}, {név, szemig, tantárgy}, …} K={szemig, tantárgy} Összetett kulcs

Kulcsok a relációs sémában — Eddig

a szuperkulcs vizsgálatát egy vagy esetén vizsgáltuk.

illetve a kulcs több előfordulás

— De

ezt elő is írhatjuk, így biztosítjuk, hogy egy adott attribútumra a kulcs tulajdonság mindig igaz legyen!

— Ezt

a következő relációs sémában

módon

Jegyek(Azonosító, Név, Jegy)

jelölhetjük

a

További példák — Idom(Elnevezés:Szöveg,

Keresztmetszet : Valós, Ár : Egész)

Valós,

Inercia

:

— Gömb(X

: Valós, Y : Valós, Z : Valós, R : Valós)

— Közút(Elnevezés,

Rendűség)

— Földrészlet(Helyrajziszám,

Terület, AK_érték)

— Az

Tulajdonos,

utolsó két séma esetén határozza meg a szuperkulcs és kulcs halmazokat!

— Miért

nincs azonosító?

Műveletek

Műveletek két változós halmaz műveletekhez a következőeknek kell teljesülni mindkét (R, és S) relációra

—A

—

Az R és S relációknak attribútumhalmazt kell tárolnia

ugyanazt

az

—

Az attribútumokat rendezni kell úgy, hogy az R i-ik oszlopa megegyezzen S i-ik oszlopával

Halmazművelet 1 - Unió — Jele:

S∪R

Név

Jegy

Kiss Pista

2

Nagy Péter 3 Vál Péter

5

Nagy Ákos

3

U

Név

Jegy

Kiss Lajos

2

Nagy Lajos 3

=

Név

Jegy

Kiss Pista

2


5

Nagy Ákos

3

Kiss Lajos

2

Nagy Lajos 3

Halmazművelet 2 - Metszet — Jele:

S∩R

Név

Jegy

Kiss Pista

2


5

Nagy Ákos

3

Név

Jegy

Kiss Pista

2

S ∩R \

=

Nagy Lajos 3 Név

Jegy

Kiss Pista

2

Halmazművelet 3 - Különbség — Jele:

S\R

Név

Jegy

Kiss Pista

2


5

Nagy Ákos

3

\

Név

Jegy

Kiss Pista

2

Nagy Lajos 3 Név

= Jegy


5

Nagy Ákos

3

Vetítés (Projekció) — Jele:

π név (

π név , jegy(

π attr1 , attr2 , ... (S ) Név

Jegy

Kiss Pista

2

Név

)=

Nagy Péter 3

Kiss Pista Nagy Péter

Vál Péter

5

Vál Péter

Nagy Ákos

3

Nagy Ákos

Név

Jegy Jelenlét

Név

Jegy

Kiss Pista

2

14

Kiss Pista

2

Nagy Péter 3

14

Nagy Péter

3

Vál Péter

5

13

Vál Péter

5

Nagy Ákos

3

10

Nagy Ákos

3

)=

Kiválasztás (Szelekció) — Jele:

σ attr1 R value R attr2 R value R ... (S )

R∈('=' ,' <' ,' >' ,'≠' ,'≤' ,'≥' ,'∧' ,'∨')

σ jegy=3

(

Név

Jegy

Kiss Pista

2

Név

) = Nagy Péter


5

Kiss Pista

3

σ jegy>1∧ jelenlét >10 (

Kiss Pista

Név

Jegy Jelenlét

Kiss Pista

1

14

Nagy Péter 3

14

Vál Péter

5

13

Nagy Ákos

3

10

Jegy 3 3

) = Táblán

Descartes-szorzat — Jele:

A×B

Név

Jegy

Kiss Pista

2

Nagy Péter 3

Név

Jelenlét

Kiss Pista

10

A×B

Nagy Péter 14

=

R.Név

Jegy

S.Név

Jelenlét

Kiss Pista

2

Kiss Pista

10

Kiss Pista

2

Nagy Péter 14

Nagy Péter 3

Kiss Pista

10

Nagy Péter 3

Nagy Péter 14

Természetes összekapcsolás — Jele:

A

B

Név

Jegy

Név

Jelenlét

Kiss Pista

2

Kiss Pista

10

Nagy Péter 3

Nagy Péter 14 Nagy Lajos 5

Név

Jegy

Jelenlét

Kiss Pista

2

10

Nagy Péter 3

14

=

Théta összekapcsolás — Jele:

A

B

attr1 R attr2 R ...

R∈('=' ,'<' ,' >' ,'≠' ,'≤' ,'≥' ,'∧' ,'∨') Név

Jegy

Kiss Pista

2

Jelenlét> 10

Nagy Péter 3

Név

Jelenlét

Kiss Pista

10

Nagy Péter 14 Nagy Lajos 5

Név

Jegy

Nagy Péter 3

Jelenlét 14

=

Példa 1 S Név

Jegy

Jelenlét

Kiss Pista

3

8

Kiss István 2

14

Nagy Irán

5

10

Nagy Péter 1

14

— Adjuk

meg relációs algebrai műveletekkel, azon hallgatók neveit, akik átmentek a tárgyból.

π név (σ jegy >1∧ jelenlét >10 (S ))

Példa 2 A Név

Tantárgy

Kiss Pista

Matek

50

8

Kiss Pista

Rajz

60

14

Nagy Iván

Statika

45

10

15

14

Nagy Péter Matek

Pontszám

Jelenlét

B Név

Évfolyam

Kiss Pista

1

C Tantárgy

MinPont

Kiss István 2

Matek

40

Nagy Iván

Rajz

60

Statika

50

1

Nagy Péter 1

Példa 2 1) Adjuk meg, azon hallgatókat, akik Rajzra járnak! 2) Adjuk meg az elsős hallgatók neveit! 3) Adjuk meg azon tárgyakat, amelyek teljesítéséhez több mint 45 pont kell! 4) Adjuk meg azon hallgatókat, és évfolyamukat, akik Matekra járnak! 5) Adjuk meg, hogy mely hallgatóknak milyen tantárgyuk sikerült! 6) Adjuk meg, hogy az elsős hallgatóknak milyen tantárgyak sikerültek!

Példa 2 1) π név (σ Tantárgy=' Rajz ' ( A)) 2) π név (σ Évfolyam=1 ( B)) 3) πtantárgy (σ MinPont >45 (C )) 4) π név , évfolyam (σ Tantárgy=' Matek ' ( B) 5) π név , tantárgy ( A

A)

C ) PontSzám> MinPont

6)

π név , tantárgy (σ Évfolyam=1 ( B)

(A

PontSzám> MinPont

C ))

Ismétlés - Adatbázis szintjei

A fogalmi (logikai) szinten írjuk le a az adatok típusát, kapcsolódási módját, stb..., melyeket az adatmodell határoz meg. Vagyis az adatmodell segítségével írjuk le az adatbázis fogalmi modelljét (értsd: ami a táblák tulajdonságai, oszlopnév, típusok, kapcsolatok, stb...). Itt történik az adatbázis tervezés!

Tervezés A tervezés mindig olyan jövőre irányuló cselekvés, amely valamilyen szempont szerint kívánatosnak tartott jövőbeni állapot felvázolását, valamint az elérését lehetővé tevő út és feltételek meghatározását jelenti. A tervezés során mindig több lehetőség közül kell választani, így a tervezés sajátos döntésnek fogható fel. — A tervezés időben megelőzi a cselekvést, azaz a döntés nem vonja maga után az azonnali végrehajtást. — A tervezési problémák nem bonthatók szét, egymástól jól elkülöníthető, egymástól független részekre. — Ebből következően a tervezés egységes döntési folyamat, amely a döntések egymásra épülő sorozatként fogható fel.

—

Tervezés — Mivel

a tervezés a jövőbe mutat, ezért a megfelelő döntéshez ismerünk kéne a jövőt!

— Ez

viszont nyilvánvalóan nem ismert!

— Mit

tehetünk? Mivel igazolunk egy-egy döntést?

— Vagy

korábbi ismereteinkre támaszkodunk: saját tapasztalataink, mások tapasztalatai → szabványok, előírások, tervezési minták, stb...

— Mérnöki

tervezés során a természettudományokhoz fordulunk: matematika, fizika, statisztika, stb..., mely során absztrakciókat alkalmazunk!

Absztrakció — Ahhoz

hogy a bonyolult világ leírható legyen egyszerűsítjük azt, absztraháljuk.

Világ

Absztrakció 1.

Föld

Geoid

Talaj

Diszkrét modell

Szerkezet Valóság

Absztrakció 2.

Ellipszis

Kontinuum

VEM modell Tábla

Absztrakció 3.

Gömb Szerkesztés Szerkesztési szabályok

10010011

Absztrakció —E

folyamat során dolgok (tárgyak, fogalmak) egy összességét tekintve elvonatkoztatunk azon tulajdonságoktól, melyek a vizsgálat szempontjából lényegtelenek, és csak bizonyos kiemelt tulajdonságokat veszünk figyelembe.

— Három

legfontosabb absztrakció:

—

Dolog (objektum, tárgyak, fogalmak)

—

Tulajdonság

—

Viszony

Világ → Tábla —

Tehát van a probléma amit meg akarok oldani!

—

Szeretném tárolni a kölcsönzött könyveket a könyvtárból.

—

Szeretném nyomon követni a kiadásaimat egy hónapban.

—

Szeretném tárolni a katalógusban lévő termékek adatait.

—

Szeretném tudni, mikor milyen munkát végeztem.

—

Szeretném tudni mekkora egy híd lehajlása egy adott időpontban egy adott helyen.

—

Ehhez egy táblázatot (táblázatokat) készítek. Jó de hogyan?

—

Azt az absztrakciós folyamatot ahogyan a valóságos világot táblára leképezzük adatmodellezésnek hívjuk az adatbázis tervezés során!

Relációs adatbázis tervezés egy lehetséges folyamata — Célok,

követelmények összeírása (követelmény specifikáció)

— Egyed-kapcsolat — Relációs

(E/K) diagram

adatbázis séma

Adat modellezés

— Megvalósítás — Adatfeltöltés — Finomítás,

Valóság

tesztelés

E/K diagram

Relációs adatbázis séma Megvalósítás

Követelmény specifikáció

Követelmény specifikáció —A

feladat pontos megfogalmazása

—

Egyrészről a megrendelői, felhasználói igények

—

másrészről a technika által adott lehetőségek figyelembevételével érdemes a feladatot kitűzni

—

Célok megértése, megfogalmazása: milyen űrlap, milyen jelentések kellenek, milyen kérdésekre kell választ adnia az adatbázisnak

—

Mi az input (bemenő adatok), mi az output (funkcionális kérdések)?

—

Módszertanok kiválasztása

—

Többnyire szükséges az alkalmazandó eszközök kiválasztása is már ezen a szinten (milyen eszközöket fogok használni?)

A példa — Feladat:

Kiépítésre kerül egy olyan monitoring rendszer, mely egy híd lehajlásait figyeli, és az adatokat adatbázisba tölti.

— Célok:

Amennyiben valamilyen előre meghatározott határértéket túl lép a lehajlás a rendszernek figyelmeztetnie kell. Ezen kívül az értékek kerüljenek eltárolásra korábbi elemzés céljára.

A példa — Input —

A szenzoroktól érkező jelek, már a tényleges értékekkel

—

Határállapotok szakértők által meghatározva

—

A határállapotokat osztályokba lehet sorolni, és a figyelmeztető jelzés ennek megfelelő

— Output —

Jelentés az épp aktuális állapotról

—

Figyelmeztető jelzés

—

Múltbeli események visszakeresése

E/K diagram

Egyed-kapcsolat diagram — Egyed-kapcsolat

E/R)

— Absztrakt

diagram (Entity-Relationship,

leírás, így is kezeljük

— Részei: —

Egyed: Valami, amit modellezek, a valós világ egy körülhatárolt része

—

Tulajdonság (Attribútum): Az egyedre vonatkozó valamilyen adat, információ

—

Kapcsolat: Az egyedek közötti viszonyok

Egyed — Egyed

Híd

Szenzor

Mérések

Tulajdonság, attribútum — Tulajdonság,

attribútum

—

Egyszerű

—

Összetett attribútum: a tulajdonság további attribútumokra bontható. Név

Érték

Kereszt Vezeték — Többértékű attribútum: halmaz, vagy lista Nem

Tulajdonság — Tulajdonság

Név

ID

Híd

Szenzor Hely

ID Mérések Érték

Típus

HatárÉr. Osztály

Érték

Kapcsolatok (1:1) — Kapcsolatok:

leírása. —

az egyedek közötti viszony

Egy-egy kapcsolat (1:1): Egy nyak csak egy fejet tarthat, és fordítva egy fejet egy nyak tart

Nyak

Tart

Fej

Kapcsolatok (1:N) — Kapcsolatok:

leírása. —


Egy-több kapcsolat (1:N): Egy apának több fia lehet, de egy fiúnak csak egy apja

Apa

Rokon

Fiú

Kapcsolatok (N:M) — Kapcsolatok:

leírása. —


Több-több kapcsolat (N:M): Egy személy több ingatlannal is rendelkezhet, és egy ingatlant több személy is birtokolhat

Személy

Birtokol

Ingatlan

Többágú kapcsolat — Több

ágú kapcsolat: A hallgatók több vizsgaalkalmakat vehetnek fel egy kurzus esetén. Helyettesíthető kétágú kapcsolatokkal. Vizsgaalkalom

Hallgató

Felvesz

Kurzus

Kapcsolatok és attribútumaik Név Híd

Mióta? Tartalmaz

ID

Mikor?

Típus

Szenzor Hely

Végez Mérések

Érték

ID

HatárÉr. Osztály

Érték

Mivel rajzolhatom meg? — Microsoft

PowerPoint

— LibreOffice — yEd — Dia

Impress

(Ajánlott, Palette → Entity Relationship)

Relációs adatbázis séma

Relációs adatbázis séma — Relációs

séma: Tábla(ID: Felsoroló, Név: Szöveg, Kor: Szám)

— Relációs

adatbázis séma: Tábla ID: Felsoroló Név: Szöveg Kor: Szám ...

Kiindulás az E/K diagramból Név Híd

Mióta? Tartalmaz

ID

Mikor?

Típus

Szenzor Hely

Végez Mérések

Érték

ID

HatárÉr. Osztály

Érték

Attribútumok leképezése ID

Lakcím

Személy Név Kereszt

Vezeték

Személy ID: Felsoroló Lakcím: Szöveg KeresztNév:Szöveg VezetékNév:Szöveg


Típus

Szenzor Hely

Szenzor ID: Felsoroló Típus: Szöveg Hely: Pont(X,Y) Osztály: Szöveg HatárEr.: Valós

HatárÉr. Osztály

Érték

Többszörös tárolás

Attribútumok leképezése Szenzor ID

Típus

ID: Felsoroló Típus: Szöveg Hely: Pont(X,Y) NHatárÉr.: Egész (IK)

Szenzor Hely HatárÉr. Osztály

Érték

Határérték

1 Osztály: Fels. Érték: Valós Kapcsolat muliplicítása


Típus

Hely

HatárÉr

1

Bélyeg

P(0,0)

1

2

Bélyeg

O(0,100)

1

3

Gyorsulás

P(100,0)

2

Osztály

Érték

1

100

2

200

3

300

Szenzor ID: Felsoroló Típus: Szöveg Hely: Pont(X,Y) NHatárÉr.: Egész (IK)

Határérték

1 Osztály: Fels. Érték: Valós

Kapcsolatok leképezése (1:1) — 1:1

kapcsolat leképezése ID

Férfi Név Házastárs

Mikortól?

ID Nő Név

Házastársak ID: Felsoroló FérjNév:Szöveg FeleségNév:Szöveg Időpont: Dátum



ID: Felsoroló 1 Név: Szöveg

Személy Név Birtokol Mikortól?

Szem.Ig. Szám

Személyek

1

Szem.Ig. Szám: Szöveg Birtokol

1 1 Szám:Szöveg (IK) SzemélyID:Szám (IK) Időpont: Dátum



Férfi Név Házastárs

1

Személyek ID: Felsoroló Név: Szöveg Házastársak

Mikortól?

ID Nő Név

1 FérjID:Szám (IK) 1 FeleségID:Szám (IK) Időpont: Dátum



Személyek Név Házastárs Mikortól?

1

Személyek

ID: Felsoroló Név: Szöveg 1 HázastársId: Szám

Kapcsolatok leképezése (1:N) — 1:N


Személy Név Birtokol

ID: Felsoroló N Név:Szöveg AutóRsz: Szöveg(IK) Mikortól?: Dátum

Mikortól?

1 Rsz. Autó Típus

Személy

Autó Rsz: Szöveg Név:Szöveg

Kapcsolatok leképezése (1:N) — 1:N


1


N Autó Típus

ID: Felsoroló Név:Szöveg

Birtokol

1 Mikortól? Rsz.

Személy

1

ID: Felsoroló SzemélyID: Szám (IK) Rsz:Szöveg (IK) Mikortól? : Dátum

Autó Rsz: Szöveg Név:Szöveg

Kapcsolatok leképezése (N:M) — N:M


1


Mikortól?

ID: Felsoroló N SzemélyID: Szám (IK) Hrsz:Szöveg (IK) N Mikortól? : Dátum

1 Terület

ID: Felsoroló Név:Szöveg

Birtokol

Hrsz.

Ingatlan

Személy

Ingatlan Hrsz: Szöveg Terület:Szám

A példa Mérés ID: Felsoroló Érték: Valós Időpont: Dátum+Idő N SzenzorID: Szám

Híd Név: Szöveg

1

1

Szenzor

ID: Felsoroló Típus: Szöveg N Hely: Pont(X,Y) HídID:Szám (IK) TelepítésIdő:Dátum N HatárÉr.: Egész (IK)

Határérték 1 Osztály: Felsoroló Érték: Valós

A példa ID 1 2 3 4

Érték 10 11 15 10

Mérés Időpont 2009.02.10 09:10:01 2009.02.10 09:10:03 2009.02.10 09:10:06 2009.02.10 09:10:01

SzenzorID 1 1 1 2

Szenzor ID

Típus

Hely

HídID

TelepítésIdő

HatárÉr.

1

Bélyeg

P(100,100)

Megyeri

2009.01.10

1

2

Gyorsulás

P(0,0)

Megyeri

2009.01.10

2

Híd ID Megyeri

Határérték Osztály 1 2

Érték 13 15

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 csökkentése, megszüntetése: valamely tényt vagy a többi adatból levezethető mennyiséget többszörösen tároljuk —

Többszörösen tároljuk az adatokat

—

Nehéz az adatokat konzisztensen tartani

—

Duplikált sorok tárolásának elkerülése (ha ez szükséges)

—

Duplikált adatok szükséges)

tárolásának

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

Források —

Wikipedia —

http://hu.wikipedia.org/wiki/Adatb%C3%A1zis-tervez%C3%A 9s

—

http://gorbem.uw.hu/Access/Adatbazis1/sld002.htm

—

http://penzugy.erettsegi.org/2010/03/a-penzugyi-tervezes-fogalma -forgalmi-es-allomanyi-szemleletu-penzugyi-tervezes-folyamatos-l ikviditasi-terv-osszeallitasa/ http://www.itb.hu/ajanlasok/a4/html/a4_3-4.htm

—

http://www.bigonehost.com

—

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


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


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)



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

SzemIg. → Név, Jövedelem, Beosztás




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




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)

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 adatbázis + PHP + HTML + CSS

—

DBMS: PhpMyAdmin

—

—

Input: —

Felhasználói adatok

—

Képkoordináták (2D)

—

Számítási eredmények

Output: —

Képenkénti pontok adott projekten belül

—

3D pontok adott projekten belül

—

Minősítő számok megjelenítése

E/K diagramm

Relációs adatbázis séma

Teljes séma

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

Köszönöm a figyelmet! Adatbázis rendszerek

Adatbázis rendszerek. Molnár Bence. Szerkesztette: Koppányi Zoltán és Berényi Attila

Recommend Documents