• Articles
• admin

Inledning

Data lagras i tabeller i en databas. Den kan lagras i en enda tabell (kallas en platt databas – som visas i Figur 2.1) eller i flera anslutna tabeller (kallas en relationsdatabas – som visas i Figur 2.2).

varje tabell består av fält och poster. Fält är de kategorier som du vill spela in data för. Till exempel innehåller musiktabellen som visas ovan fält som titel, Artist, varaktighet och Album. Poster hänvisar till de faktiska data som fångas, där varje post innehåller data för ett enda objekt. Till exempel i Sångtabellen representerar varje post en enda låt, med all information (som artist och varaktighet) relaterad till den låten.

varje tabell kan ha ett obligatoriskt fält, kallat en primärnyckel, som innehåller en unik identifierare för varje post i databasen. Detta gör att du kan hänvisa till en specifik post på ett bord på ett sådant sätt att det bara kan hänvisa till en post. Även om det är möjligt att göra ett befintligt fält i en tabell till ett nyckelfält, skapar databasskapare vanligtvis ett nytt fält specifikt för detta ändamål. Detta gör att de kan se till att det inte finns några dubbletter.

ibland finns det anomalier med databaser, du lär dig att bli av med dessa anomalier.

i det här kapitlet kommer du att designa och skapa en relationsdatabas. Ibland finns det avvikelser med databaser, du kommer att lära dig att bli av med dessa och nå normalisering.

databaser i ett nötskal

Data, i princip, lagras i 1s och 0s. Datorn behöver fortfarande veta hur dessa 1s och 0s är organiserade och hur de ska tolkas. För att göra detta använder datorer datastrukturer som beskriver en specifik sekvens för data som ska organiseras. Detta gör det möjligt för datorn att förstå hur de olika bitarna av data är relaterade och att tolka data korrekt.

vi vet att varje bokstav i alfabetet representerar ett tecken. När du lägger till tillräckligt många tecken tillsammans bildar de ett ord (som’ orange ’eller’ kärlek’) som representerar ett koncept. Därför tillåter kommunikation av användbar information mellan två eller flera personer – även över avstånd.

för att kommunicera data och instruktioner omvandlas data som siffror, bokstäver, tecken, specialsymbol, ljud/fonik och bilder till datorläsbar form (binär). När behandlingen av dessa data är klar omvandlas den till mänskligt läsbart format, de bearbetade uppgifterna blir meningsfull information. Informationen blir kunskap och kan förstås och användas av människor för olika ändamål.

UNIT2.1 Egenskaper hos en bra databas

alla bra databaser bör börja med värdefulla metadata och data. I kapitel 1 tittade vi på egenskaperna hos värdefulla data och hur man hanterar dessa data. Dessa illustreras i Figur 2.3 nedan:

Låt oss nu titta på egenskaperna hos en bra databas:

• databasen ska vara tillräckligt stark för att lagra alla relevanta data och krav.
• ska kunna relatera tabellerna i databasen med hjälp av en relation, till exempel arbetar en anställd för en avdelning så att arbetstagaren är relaterad till en viss avdelning. Vi borde kunna definiera ett sådant förhållande mellan två enheter i databasen.
• flera användare ska kunna komma åt samma databas utan att påverka den andra användaren. Till exempel kan flera lärare arbeta i en databas för att uppdatera elevernas betyg samtidigt. Lärare bör också få uppdatera märkena för sina ämnen utan att ändra andra ämnesmärken.
• en enda databas ger olika vyer för olika användare, Den stöder flera vyer för användaren, beroende på hans roll. I en skoldatabas kan till exempel lärare se fördelningen av elevernas betyg; föräldrar kan dock bara se bara sitt barns rapport – så föräldrarnas tillgång skulle endast läsas. Samtidigt kommer lärare att ha tillgång till alla elevers information och bedömningsuppgifter med modifieringsrättigheter. Allt detta kan hända i samma databas.
• dataintegritet avser hur exakt och konsekvent data i en databas är. Databaser med massor avsaknande information och felaktig information sägs ha låg dataintegritet.
• dataoberoende avser separationen mellan data och applikationen (eller applikationerna) där den används. Detta gör att du kan uppdatera data i din applikation (till exempel att fixa ett stavfel)utan att behöva kompilera om hela applikationen.
• dataredundans avser att ha exakt samma data på olika platser i databasen. Dataredundans ökar databasens storlek, skapar integritetsproblem, minskar effektiviteten och leder till avvikelser. Data ska lagras så att de inte upprepas i flera tabeller.
• datasäkerhet avser hur väl data i databasen skyddas från krascher, Hack ochoavsiktlig radering.
• dataunderhåll avser månatliga, dagliga eller timliga uppgifter som körs för att åtgärda fel i en databasoch förhindra att avvikelser uppstår. Databasunderhåll fixar inte bara fel, men det upptäcker också potentiella fel och förhindrar att framtida fel uppstår.

det finns också många som arbetar med att organisera en välskött databas. Dessa är:

• utvecklarna, som designar och utvecklar databasen för att passa behoven hos ett företag
• administratören, som:
• kontrollerar databasen för dess användningsområden
• vem kontrollerar den
• ger tillgång till andra användningsområden
• ger alla andra Underhållsarbeten som krävs för att hålla databasen uppe hittills
• slutanvändaren, som använder databasen, till exempel lärare eller föräldrar.

ENHET2.2 Problem med databaser

om en plattfilsdatabas är dåligt planerad, denormaliserad och inkonsekvent, kommer det att skapa problem när man försöker infoga, ta bort eller ändra posterna (tabellerna) i databasen. Detta orsakar avvikelser, vilket gör hanteringen av data allt svårare när databasen växer. Det gör också dataintegriteten svårare att upprätthålla. Att försöka göra data konsekventa när en anomali inträffar kan bli ganska svårt.

det finns tre typer av problem som kan uppstå i databaser:

• insättning anomali: Databasen har skapats på ett sådant sätt att nödvändiga data inte kan läggas till om inte en annan del av otillgängliga data också läggs till. Till exempel en sjukhusdatabas som inte kan lagra detaljerna för en ny medlem förrän den medlemmen har sett av en läkare.
• Borttagningsavvikelse: den legitima raderingen av en datapost kan orsaka radering av vissa nödvändiga data. Om du till exempel tar bort några av patientens detaljer kan du ta bort alla detaljer om patienten från sjukhusdatabasen.
• ändring anomali: Felaktiga data kan behöva ändras, vilket kan innebära att många poster måste ändras, vilket leder till att vissa ändringar görs felaktigt.

exempel 2.1 problem som uppstår i en databas

UNIT2.3 Hur man kan bli av med avvikelser

för att förhindra avvikelser måste du normalisera databasen genom att effektivt organisera data i en databas.
Enligt Edgar F Codd, uppfinnaren av relationsdatabaser, inkluderar målen för normalisering:

• ta bort alla överflödiga (eller upprepade) data från databasen
• ta bort oönskade Infogningar, uppdateringar och raderingsberoenden
• minska behovet av att omstrukturera hela databasen varje gång nya fält läggs till den
• gör relationerna mellan tabeller mer användbara och begripliga.

normalisering är ett systematiskt tillvägagångssätt för att sönderdela tabeller för att eliminera dataredundans och Infognings -, modifierings-och Raderingsavvikelser. Databasdesignern strukturerar data på ett sätt som eliminerar onödig duplicering(er) och ger en snabb sökväg till all nödvändig information. Det är en process i flera steg som sätter data i tabellform och tar bort duplicerade data från relationstabellerna. Denna process för att specificera och definiera tabeller, nycklar, kolumner och relationer för att skapa en effektiv databas kallas normalisering.

normalisering minskar mängden utrymme en databas använder och säkerställer att data lagras effektivt. Utan normalisering kan databassystem vara felaktiga, långsamma och ineffektiva. De kanske inte producerar de data som du förväntar dig.

i praktiken innebär det att du ändrar din databas så att följande krav uppfylls:

• varje tabell måste ha en primärnyckel
• varje post ska ha enstaka värderade attribut / kolumner (Atom)
• det bör inte finnas några upprepande grupper av information.

nycklar används för att upprätta och identifiera relationer mellan tabeller och även för att unikt identifiera alla poster eller rader med data i en tabell. En nyckel kan vara ett enda attribut eller en grupp attribut (compositeprimary key), där kombinationen kan fungera som en nyckel. Nycklar hjälper oss att identifiera alla rader med data.

när du utformar en databas är de fyra typerna av nyckelfält:

• primärnyckel: fältet som valts av databasskaparen för att unikt identifiera varje post på en tabell. Till exempel kan varje låt i din musikdatabas ha ett primärnyckelfält som heter ”song_id”.
• alternativ nyckel: ett fält som innehåller unika värden som kan användas som primärnyckel men som för närvarande inte anges som primärnyckel, till exempel artist_id.
• utländsk nyckel: ett fält som innehåller värden från en annan tabells primära nyckelfält. Främmande nycklar används för att visa förhållandet mellan olika tabeller. Till exempel kan varje låt i din musikdatabas ha ett främmande nyckelfält som heter ”artist_id” som länkar låten till en viss artist på en ”artists” – tabell.
• sammansatt nyckel: en kombination av mer än ett fält som unikt identifierar varje post på en tabell, till exempel song_id och artist_id.

Låt oss använda detta exempel för att förstå de fyra huvudtyperna av nycklar:

Normaliseringsregler är indelade i följande normala former:

första normala formen (1NF)

för att en tabell ska vara i den första normala formen bör den följa följande fyra regler:

• varje kolumn måste ha ett separat fält / attribut. Varje kolumn i tabellen bör inte innehålla flera värden. Föreställ dig till exempel databasen för Facebook-statusuppdateringar, särskilt tabellen relaterad till likes. För att posterna ska vara odelbara bör varje liknande lagras i en separat post. På detta sätt skulle varje post antingen ha inträffat eller inte inträffat. Det finns inget sätt att säga att endast en liten del av liknande inträffade, medan en annan del inte gjorde det. Men om alla likes för en statusuppdatering lagras i en enda post, skulle posten vara delbar, eftersom det skulle vara möjligt för några av likes att ha inträffat medan andra inte inträffade.
• värden som lagras i en kolumn ska vara av samma typ eller typ (domän). I varje kolumn måste de lagrade värdena vara av samma typ eller typ.
• alla kolumner i en tabell ska ha unika namn. Varje kolumn i en tabell ska ha ett unikt namn för att undvika förvirring vid tidpunkten för att hämta data eller utföra någon annan åtgärd på den lagrade data. Ange till exempel barnets namn och förälderns namn, använd inte ’namn’.
• den ordning i vilken data lagras, spelar ingen roll. Till exempel

• tabellen följer tre regler av de fyra reglerna: kolumnnamnen är unika, de lagrade data är i rätt ordning och det finns inga blandade olika typer av data i kolumnerna. Eleverna i tabellen har dock valt mer än ett ämne. Dessa data har lagrats i ämnesnamnen i en enda kolumn. Enligt 1NF måste varje kolumn innehålla ett enda värde.

andra NORMALFORMEN (2NF)

för att en tabell ska vara i den andra normala formen:

• det ska vara i den första normala formen.
• och det borde inte ha partiellt beroende.

det är här ett attribut i en tabell beror på endast en del av primärnyckeln och inte på hela nyckeln. Till exempel registrerar en tabell primärnycklarna som student_id och subject_id för varje elev. Endast lärarens namn beror på ämnet. Så, subject_id, och har ingenting att göra med student_id.

tredje NORMALFORMEN (3NF)

en tabell sägs vara i den tredje normala formen när:

• det är i den andra normala formen.
• det har inte transitivt beroende. Transitivt beroende uppstår när ett attribut/fält beror på andra attribut/fält snarare än beroende på primärnyckeln.

detta är ett indirekt förhållande mellan värden i samma tabell.