2. Redundans 3. Normalformer
|
|
- Monica Lundqvist
- för 6 år sedan
- Visningar:
Transkript
1 FÖ 6: Databaskursen 1. Normalisering 2. Redundans 3. Normalformer 4. UNF, 1NF, 2NF och 3NF 5. Funktionellt beroende 6. Determinanter 7. Datamodellering 8. Notation 9. Olika modeller 10. Begreppslista 11. Termkatalog 12. Bra och dåliga datamodeller 1 Pär Douhan, pdo@du.se
2 Normalisering Vi börjar med normalisering 2
3 Normalisering Normalisering i samband med datamodellering: Normalisering är en process för att avgöra vilka attribut som skall grupperas tillsammans i en tabell. Bygger på Ted Codd's normaliseringsregler. Det är en teori som används för att undvika dålig design på sin databas. Där dålig design medför problem vid borttag och uppdatering av data, dt samt en massa fysisk ik redundans. 3
4 Redundans redundans [-ah s el. -an s] subst. ~en Ordled: red-und-ans-en överflöd Bet.nyans: spec. överskott av information <term inom informationsteori, språkvetenskap m.m.> Det finns olika typer av redundans: 1. Fysisk redundans: När vi lagrar samma data på flera rader i en tabell (dubbellagring). Detta betraktas som någonting dåligt i samband med datamodellering. När vi får den här typen av redundans har vi för låg grad av normalisering. 2. Infologisk redundans: Data som kan härledas ur redan lagrad data. Ett exempel kan vara om vi lagrar data om egenskapen diameter hos olika bollar. Om vi även skulle lagra data om egenskapen volym så skulle detta vara exempel på infologisk redundans. Detta då vi lätt kan beräkna volymen hos en boll om vi vet dess diameter, d.v.s. volymen kan härledas utifrån diametern. 4
5 UNF UNF, Unnormalized Form: Tabell som innehåller en eller flera rader med icke atomära värden i celler. HYRDA_FILMER knr fnamn enamn mobil filmnr titel genre speltid åldersgräns 1 Eik Erik Olsson , Ouija, Horror, 89, 18, 856 Unbroken Drama Sven Eriksson Unbroken Drama Maria Ek Duplex Komedi 89 7 Tabellen e befinner e sig i UNF.. Det finns flera ea celler cee som innehåller eåe icke atomära a värden. Om vi tittar på kund med knr = 1, så ser vi exempel på detta i cellerna titel, genre, speltid och åldersgräns. Detta kommer inte att fungera i en relationsdatabas. 5
6 1NF 1NF, Första Normalformen: Unika rader HYRDA_FILMER Atomära värden i celler knr fnamn enamn mobil filmnr titel genre speltid åldersgräns 1 Erik Olsson Ouija Horror Erik Olsson Unbroken Drama Sven Eriksson Unbroken Drama Maria Ek Duplex Komedi 89 7 Tabellen uppfyller nu kraven för INF. Alla celler innehåller atomiska värden och varje rad är unik. Men det finns fortfarande problem: 6 1. Fysisk redundans, t. ex. är Erik Olssons mobilnummer är dubbellagrat (redundant). 2. Svårt att se vad tabellen betyder. Innehåller den information om kunder? Filmer? Uthyrda filmer? Det blir problem att ge tabellen ett bra namn.
7 FB, Funktionellt beroende X -> Y "Y är funktionellt beroende av X" "X determinerar (bestämmer) Y" "X är en determinant (då den determinerar) Y" "På varje rad, i en tabell Bil, där regnr = 'FND770', så kommer det alltid att stå 'mörkgrön' ö ' i kolumnen färg". Exempel på determinanter: personnummer -> förnamn postnummer -> stad ordernummer -> orderdatum ISBN -> boktitel 7
8 2NF 2NF, Andra Normalformen: INF Varje icke nyckelattribut ska vara beroende av hela PK STUDENT studnr fnamn enamn mobil 20 Vincent Ortiz Lena Ek Carl Björk KURS kursnr kursnamn poäng ämne 400 Java med swing 7.5 Informatik 450 Databaser 7.5 Informatik 800 Redovisning 15 Ekonomi TENTAMEN id studnr kursnr datum ects tolkas E tillräckligt B mycket bra E tillräckligt 8
9 FB - 2NF Vi ritar de funktionella beroenden som finns i föregående exempel på 2NF: datum ects id studnr fnamn enamn mobil kursnr kursnamn tolkas poäng Definition av 3NF: ämne 2NF Får inte innehålla några inbördes beroenden mellan icke-nyckelattribut (transitiva beroenden) ects tolkas För att uppfylla 3NF måste delberoendet bort! 9
10 3NF 3NF, Tredje Normalformen: 2NF Får inte innehålla några inbördes beroenden mellan ickenyckelattribut (transitiva beroenden) STUDENT studnr fnamn enamn mobil 20 Vincent Juares Lena Ek Carl Björk KURS kursnr kursnamn poäng ämne 400 Java med swing 7.5 Informatik 450 Databaser 7.5 Informatik 800 Redovisning 15 Ekonomi TENTAMEN id studnr kursnr datum ects E B BETYG ects tolkas ugvg A Utmärkt VG B Mycket bra VG E C Bra G 10
11 Växa i sidled När vi skapar en datamodell ska vi se till att tabeller inte behöver växa i sidled. D.v.s. vi ska inte behöva lägga till kolumner under driften av systemet. Studera följande exempel: LEVERANTÖR levnr namn kontaktperson1 kontaktperson2 20 ICA Urban Karlsson Roger Nyberg 30 COOP Maria Ekholm Om det tillkommer fler kontaktpersoner, så måste vi lägga till nya kolumner till tabellen. Detta är en dålig konstruktion. 11
12 Växa i sidled Vi konstruerar datamodellen så att vi lägger till nya rader, istället för kolumner. Vi ska kunna lösa problemet med DML (insert) och inte med DDL (alter). LEVERANTÖR levnr namn 20 ICA 30 COOP KONTAKTPERSON kontaktnr levnr kontaktperson 1 20 Urban Karlsson 2 20 Roger Nyberg Om det finns behov av att lägga till fler kontaktpersoner, så kan vi lösa detta genom att lägga till ny data i 3 30 Maria Ekholm tabellen Kontaktperson. 12
13 Slutsatser om normalisering Se till att din datamodell alltid uppfyller 3NF. Detta innebär att en tabell ska lagra information i om en företeelse, t. ex. kunder, fordon, fakturor, offerter etc. Alla kolumner som inte är PK eller FK ska beskriva (beteckna) denna företeelse och ingenting annat. Detta kommer att medföra att datamodellen blir flexibel. D.v.s. den går lätt att anpassa till nya situationer. ti Det kommer att vara enkelt att ge tabellerna bra namn. Datamodellen blir tydlig och lätt att förstå. 13
14 Datamodeller Vi fortsätter med datamodeller 14
15 Konceptuella modeller (repetition) Man bör inleda den infologiska delen av systemutvecklingsarbetet genom att modellera det stycke verklighet som IS (informationssystemet) ska handla om, och den verksamhet som IS ska understödja. Denna verklighet och verksamhet kallar vi också för objektsystemet. Objektsystemet t t = Object system = Reality of interest t = Universe of Discourse 15
16 Användarens bild av verkligheten Objektsystemet eller Universe of Discourse är användarens bild av en bit verklighet. 16
17 Repetition PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE # id (#) persnr (#) regnr * datum 1 M M 1 FORDON # regnr * färg * märke * modell # Primary key (#) Foreign key * Mandatory o Optional M M M PK bildar FK i gaffelns riktning (vänster-höger) 17
18 Alternativ notation PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE # id (#) persnr (#) regnr * datum 1 M M 1 FORDON # regnr * färg * märke * modell Pilar och gafflar används på motsatt sätt. En pil används för att peka ut varifrån en FK kommer, d.v.s. var den har sin parent-tabell bll(pk) (PK) M 18
19 Alternativ notation PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE # id (#) persnr (#) regnr * datum 1 M M 1 FORDON # regnr * färg * märke * modell Ofta brukar bägge notationssätten kombineras för bästa tydlighet. 1 M 19
20 1:1 KUND # knr * fnamn * enamn o mobil 1 1 MEDLEM # mnr * regdatum En kund kan ha ett medlemskap. Ett medlemskap kan bara tillhöra en kund. Detta är ett exempel på ett 1:1 förhållande. I vilken tabell ska vi lägga en FK? Ska knr bilda FK i tabellen Medlem eller ska mnr bilda FK i tabellen Kund? 20
21 Undvik att skapa NULL-värden KUND # knr * fnamn * enamn o mobil 1 1 MEDLEM # mnr (#) knr * regdatum Vi kan välja vilket vi vill, men vi ska undvika att skapa onödiga NULLvärden. Om vi lägger in mnr som FK i tabellen Kund så kommer varje kund som inte vill bli medlem att få ett NULL-värde i kolumnen mnr. I detta fall är alltså den bästa lösningen att skapa en FK knr i tabellen Medlem. På detta sätt slipper vi NULL-värden. Detta då alla medlemmar som skapas måste ha en referens till en kund. 21
22 Olika modeller Olika metoder för att skapa datamodeller: 1 Top Down (OPR Framework) Identifiera viktiga entitet, begrepp eller verksamhetsobjekt samt relationer mellan dessa. M:M relationer bildar nya tabeller. 2 Action-oriented Conceptual modelling Här identifieras även handlingar som egna objekt direkt utan att gå omvägen via en relation. Dessa objekt brukar kallas för kommunikativa objekt eller institutionella objekt. Exempel på objekt kan vara: orderbekräftelse, olika erbjudanden, en begäran om att få betalt (faktura). Ibland närmar man sig detta tankesätt i OPR-modellen genom att säga att man objektifierar en relation. 3 Bottom Up 22 Vi kan studera funktionella beroenden mellan olika attribut.
23 Gemensamt Gemensamt för alla modeller är: Begreppslista och termkatalog brukar användas för att dokumentera modellen. I begreppslistan dokumenteras verksamhetsobjekten. Vi ger begreppen bra namn som alla i verksamheten känner till. Vi beskriver vilket syfte som begreppet har i vårt system. Varför finns denna tabell? Vilken funktion fyller den? I termkatalogen dokumenterar vi alla egenskaper eller attribut för verksamhetsobjekten. Vi bestämmer vilka attribut som ska identifiera objekten. Vi bestämmer vilka attribut som krävs för att beteckna (beskriva objekten) på ett tillräckligt bra sätt för att verksamheten ska fungera. Beskriv och vilken funktion som attributen har. Varför finns just detta attribut med i vår tabell? Denna dokumentation o utgör grunden för ett gemensamt e verksamhetsspråk. etssp. Detta är mycket viktigt! 23
24 Begreppslista Exempel på hur en begreppslista (begrepp = tabell) kan se ut: Begrepp Definition Identifierare System Kund Tabellen lagrar information om kunder. kundnr WeSell Kundorder d En kundorder d ordernr WeSell Sll medför att en kund kan beställa artiklar vid olika tidpunkter. Faktura En begäran att få betalt av en kund för varor som kunden fått levererade. fakturanr WeSell Alla IT-system ska ha ett namn! 24
25 Termkatalog Exempel på hur en termkatalog (term = attribut) kan se ut: Term Definition Identifierare Begrepp ordernr Används för att unikt identifiera en kundorder. ja Kundorder kundnr Beskriver vilken nej Kundorder d kund det är som äger kundordern. orderdatum Beskriver när nej Kundorder kundordern skapades. År, dag och tidpunkt. kundnr Används för att ja Kund unikt identifiera en kund. 25
26 Rita tydliga modeller Förslag från Bo Sundgren: Actors, aktiva objekt Complex Objects, objekt (Handlingar) ad ga) obje t Utilities, Passiva objekt Person Activity (Process) Resource, (Tjänst) Organisation Event Product Relation Atomic objects, things, concrete or abstract 26
27 Exempel på en dålig modell 27
28 Exempel på en bra modell Aktiva objekt Komplexa objekt Passiva objekt 28
29 Exempel Vi skall nu studera hur man kan komma fram till nedanstående exempelmodell genom att använda de tre metoderna. PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE # id (#) persnr (#) regnr * datum FORDON # regnr * färg * märke * modell * datum modell Verksamhetsbeskrivning: En person kan vara registrerad ägare till flera fordon. Ett fordon kan, om vi betraktar tiden som ett tidsintervall, ägas av flera personer. När ett ägarbyte inträffar så registreras detta av en tjänsteman på Trafikverket. 29
30 Exempel på Top Down PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE # id (#) persnr (#) regnr * datum FORDON # regnr * färg * märke * modell Vi identifierar verksamhetsobjekten Person och Fordon. Vidare finner vi att relationen Person - Fordon är av typen M:M. Detta innebär en ny tabell för att få bort M:M relationen. PK bildar FK i gaffelns riktning: Person -> Ägarbyte, Fordon -> Ägarbyte. PK -> FK. 30
31 Exempel på funktionella beroenden datum id persnr fnamn enamn mobil regnr färg märke modell Tre determinanter medför tre tabeller. 31
32 Action-orientedoriented Genom att läsa verksamhetsbeskrivningen ser att handlingen registrera ägarbyte utförs av en tjänsteman på Trafikverket. PERSON # persnr * fnamn * enamn o mobil ÄGARBYTE FORDON # id (#) persnr # regnr * färg (#) regnr * märke * datum * modell När vi skapar en ny instans av klassen ägarbyte, d.v.s. när vi gör en insert i tabellen Ägarbyte så innebär det att ett ägarbyte registreras. Detta ägarbyte innebär att ett visst fordon får en ny ägare. Det krävs alltså referenser (FK) till både ett fordon och en person samt en tidpunkt när bytet ägde rum. 32
33 The End 33
2. Objekt, operatorer och integritetsregler 3. Databasobjekt
FÖ 3: Databaskursen 1. Relationsdatabaskomponenter 2. Objekt, operatorer och integritetsregler 3. Databasobjekt 4. Objektet tabell 5. Synonymer 6. Schema 7. Integritetsregler och constraints: PK, FK, Unique,
Läs merDatabaser och databasdesign. Den relationella modellen, normalisering och modellering (2)
Databaser och databasdesign Den relationella modellen, normalisering och modellering (2) Varför databaser (DB)? Vi vill och måste kunna lagra data på sätt som motsvarar olika verksamheters behov Vad är
Läs mer1. Datamodellering 2. Hierarkier 3. S
FÖ 7: Databaskursen 1. Datamodellering 2. Hierarkier 3. Specialisering i 4. Generalisering 5. Gruppering 6. Typ och instansnivå 7. Använda principen för e-meddelande för att modellera förändringar 8. Hemläxa:
Läs merLogisk databasdesign
NORMALISERING Peter Bellström Logisk databasdesign 2 Arbetssteget vars syfte är att konstruera en modell (diagram, schema), baserad på en specifik datamodell, över verksamhetens begrepp och samband. Modellen
Läs merDatabaser och Datamodellering Foreläsning IV
Webbprogrammering - 725G54 Databaser och Datamodellering Foreläsning IV Agenda Databaser ERD SQL MySQL phpmyadmin Labb 4 Databaser Databas - samling med data Databashanterare Enkelt Kraftfullt Flexibelt
Läs mer1. SQL 2. Utsökningar mot flera tabeller. 4. IN-operatorn 5. Join 6. Kartesisk produkt 7. Tabellalias
FÖ 9: Databaskursen 1. SQL 2. Utsökningar mot flera tabeller 3. Nästlad sökning eller sub queries 4. IN-operatorn 5. Join 6. Kartesisk produkt 7. Tabellalias 8. Distincti 9. Group by 10. Having 11. In
Läs merLite om databasdesign och modellering
Lite om databasdesign och modellering Konceptuell databasdesign Med konceptuell databasdesign avses processen att konstruera en datamodell för en verksamhet, oberoende av fysiska villkor. Modelleringen
Läs merWebbprogrammering, grundkurs 725G54
Webbprogrammering, grundkurs 725G54 Bootstrap jquery SEO RWD MuddyCards. Tidigare Muddycards Många positiva kommentarer Ibland för högt tempo på föreläsning Lägg ut labbar tidigare Mer föreläsningar (2
Läs mer1. SQL DDL (Data Definition Language) 2. Skapa tabell
FÖ 4: Databaskursen 1. SQL DDL (Data Definition Language) 2. Skapa tabell 3. Lägga till PK 4. Data Dictionary Views 5. Namn på constraints 6. Lägga till FK 7. Lägga till en kolumn 8. Objektet sekvens 9.
Läs merNORMALISERING. Mahmud Al Hakim
NORMALISERING Mahmud Al Hakim mahmud@webacademy.se 1 SCHEMA Schema eller databasschema är en beskrivning av vilka data som kan finnas i en databas, oberoende av vilka data (innehållet) som råkar finnas
Läs merAnalytisk relationsdatabasdesign
Analytisk relationsdatabasdesign Att förbättra kvaliteten i databaser Presenter s Name Organization name www.horton.com Domän-regler och främmande nyckel regler via DDL Datatyp! Datatyp! Maxvärde! Maxvärde!
Läs merEtt arbetsexempel Faktureringsrutin
Ett arbetsexempel Faktureringsrutin Detta dokument är skrivet för att i första hand förstå den process som äger rum och vilka steg som man ska genomföra och att förstå vad som utförs i de tre viktiga stegen
Läs merKonceptuella datamodeller
Databasdesign Relationer, Nycklar och Normalisering Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Konceptuella datamodeller Om man ska skapa en databas som beskriver en del av verkligheten
Läs merTentamen 4,5 hp Delkurs: Databaser och databasdesign 7,5hp Tentander: VIP2, MMD2, INF 31-60, ASP
Tentamen 4,5 hp Delkurs: Databaser och databasdesign 7,5hp Tentander: VIP2, MMD2, INF 31-60, ASP Skrivtid: 14.30-18.30 Hjälpmedel: papper, penna och radergummi Betygsgränser: G = 36p (60 %), VG = 48p (80
Läs merTentamen ISGB01, ISGB24. Databasdesign 7,5 Poäng
Tentamen ISGB01, ISGB24 Databasdesign 7,5 Poäng Datum: 2016-09-30 Tid: 08.15-13.15 Lärare: Peter Bellström, Katarina Groth, Johan Högberg Tentamen är på 40 poäng. Gränsen för Godkänd (G) är 20 poäng. Gränsen
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-12-18 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merTER3. Försättsblad till skriftlig tentamen vid Linköpings universitet G28 TEN1 Webprogrammering och databaser Tentamen IDA 1 (7)
1 (7) Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen Sal (1) Tid Kurskod Provkod Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som ingår i tentamen
Läs merModul DB1-1 Databasmodellering
Modul DB1-1 Databasmodellering Antal föreläsningar: 2 Antal laborationer: 1 Förkunskapskrav: Databasintroduktion Kurslitteratur: Referenslitteratur: Praktisk datamodellering ISBN: 91-44-38001-1 1 Innehållsförteckning
Läs merModul DB1-2 Datamodellering
Modul DB- Datamodellering Antal föreläsningar: Antal laborationer: Förkunskapskrav: Grundläggande kännedom om databaser (Modul DB-) Kurslitteratur: Referenslitteratur: Praktisk datamodellering ISBN: 9-44-800-
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-08-20 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-11-07 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merTENTAMEN För kursen. Databasteknik. Ansvarig för tentamen: Anna Palmquist. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2015-11-06 TID: 14 19 Ansvarig för tentamen: Anna Palmquist Förfrågningar: 0734-612003 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merWebprogrammering och databaser. Konceptuell datamodellering med ER-modellen
Webprogrammering och databaser Konceptuell datamodellering med ER-modellen 2 Programutveckling Interaktionsdesign, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign
Läs merWebprogrammering och databaser. Konceptuell datamodellering med ER-modellen
Webprogrammering och databaser Konceptuell datamodellering med ER-modellen 2 Programutveckling Interaktionsdesign, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign
Läs merFöreläsning 6: Normalisering & funktionella beroenden
Föreläsning 6: Normalisering & funktionella beroenden DVA234 Databaser IDT Akademin för Innovation, Design och Teknik Innehåll Föreläsningens mål: Att ge en överblick över hur normalisering fungerar Önskvärda
Läs merFöreläsning 3 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Vad är ett databashanteringssystem?
Föreläsning 3 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Vad är ett databashanteringssystem? En mängd program som tillåter användaren att skapa och underhålla
Läs merDatabasteori. Övningar
Databasteori Övningar Erik Prytz Uppdaterad november 2014, november 2015 Eva L. Ragnemalm November 2009, uppdaterad april 2010 Kapitel 1: ER- modellering Skapa ER- diagram för nedanstående övningar (läs
Läs merDatabaser och. SQL, utsökningar mot flera tabeller TENTA. # radnr (#) studnr (#) kursnr * tentadatum * betyg
Databaser och Informationssystem 15 hp IK1008 Föreläsning 8 SQL, utsökningar mot flera tabeller Övningsuppgifter STUDENT TENTA KURS # studnr * fnamn * enamn o regdatum # radnr (#) studnr (#) kursnr * tentadatum
Läs merDatabaser design och programmering. Fö 2: Design processen, ER-modellering
Databaser design och programmering Fö 2: Design processen, ER-modellering 2 Programutveckling Interaktionsdesign, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign
Läs merNormalisering. Christer Stuxberg Institutionen för Informatik och Media
Normalisering Christer Stuxberg christer.stuxberg@im.uu.se Institutionen för Informatik och Media Översikt Normalisering Dataredundans och Uppdateringsanomalier Anomalier vid insättning Anomalier vid borttagning
Läs merDesign och underhåll av databaser
Design och underhåll av databaser 1. Modell av verkligheten 2. Normalformer 3. Introduktion till DDL 4. Skapa databaser 5. Skapa tabeller 6. Skapa index 7. Restriktioner 8. Ta bort databaser, tabeller
Läs merProgramdesign, databasdesign. Databaser - Design och programmering. Funktioner. Relationsmodellen. Relation = generaliserad funktion.
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Programdesign, databasdesign Databasdesign Konceptuell design Förstudie, behovsanalys
Läs mer1. SQL DML (Data Manipulation Language) 2. Lägga till data. 4. Uppdatera data 5. Aktivera default value 6. Hantera datum 7.
FÖ 5: Databaskursen 1 1. SQL DML (Data Manipulation Language) 2. Lägga till data 3. Kopiera tabell 4. Uppdatera data 5. Aktivera default value 6. Hantera datum 7. Ta bort data 8. SQL TCL (Transaction Control
Läs merTentamen ISGB01 (delkurs i ISGB24) Databasdesign 7,5 Poäng
Tentamen ISGB01 (delkurs i ISGB24) Databasdesign 7,5 Poäng Datum: 2016-11-02 Tid: 08:15 13:15 Lärare: Peter Bellström, Katarina Groth, Remigijus Gustas Hjälpmedel: Inga Tentamen är på 40 poäng. Gränsen
Läs merDatabaser design och programmering. Design processen ER- modellering
Databaser design och programmering Design processen ER- modellering 2 Programutveckling Förstudie, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign Databasdesign
Läs mer9. Between 10. Group by 11. Aggregatfunktionerna max, min, sum och avg 12. Nästlade sökningar
FÖ 8: Databaskursen 1. SQL 2. Utsökningar mot en tabell 3. Od Order by 4. Funktionerna upper, lower och initcap 5. Konkatenering 6. Kolumnalias 7. Distinct 8. Hantera nullvärden med nvl-funktionen 9. Between
Läs merKarlstads Universitet, Datavetenskap 1
DAV B04 - Databasteknik KaU - Datavetenskap - DAV B04 - MGö 1 Normalisering Förut sunt förnuft Nu formell metod riktlinjer för att hjälpa till att gruppera attributen (egenskaperna) för varje relation
Läs merDatabasteori Övningar
Databasteori Övningar Eva L. Ragnemalm November 2009, uppdaterad april 2010 Kapitel 1: ER-modellering Skapa ER-diagram för nedanstående övningar (läs om ERmodeller i boken) 1. Universitetet (Detta är samma
Läs merUniversitetet: ER-diagram
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning Varför normalisera? Metod att skydda
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2013-12-12 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merDatabaser Design och programmering
Databaser Design och programmering Fortsättning på relationsmodellen: Normalisering funktionella beroenden normalformer informationsbevarande relationsschemauppdelning 2 Varför normalisera? Metod att skydda
Läs merD0004N 2008-11-24 Databaser I. Greenline. Petter Hedlin / epeehi-4 Rikard Stenmark / rikste-8 Markus Almberg / maralm-5
D0004N 2008-11-24 Databaser I Greenline Petter Hedlin / epeehi-4 Rikard Stenmark / rikste-8 Markus Almberg / maralm-5 Inledning Det här är en mindre rapport om datamodellering. Vi blev tilldelade en kravspecifikation
Läs merTentamen DATABASTEKNIK - 1DL116
Uppsala universitet Institutionen för informationsteknologi Kjell Orsborn Tentamen 2003-05-20 DATABASTEKNIK - 1DL116 Datum...Tisdagen den 20 Maj, 2003 Tid...12:00-17:00 Jourhavande lärare...kjell Orsborn,
Läs mer! Teori och praktik. ! Ändringar från förra året. ! Examination (tenta, projekt) LiU. ! Varför ni? ! Varför överhuvudtaget? LiU
Databaser Design och programmering, IDA Kursen, diverse praktiskt Varför databaser? Vad är en databas? Andra viktiga begrepp Kursöversikt Teori och praktik Fö och bok lektioner, labbar i projekt (3,5hp=100h)
Läs merDatabaser - Design och programmering. Relationsmodellen. Relationer - som tabeller. Relationer som tabeller. Alternativa notationer: Relationsschema
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Relationsmodellen Introducerades av Edward Codd 970 Mycket vanlig Stödjer kraftfulla
Läs merDatabasdesignspecifikation för Mätvärdeshanteringssystem
Högskolan i Gävle Maria Eriksson nd98meo N-institutionen nd98mln Databasteknik B 5p nd98llg 200-02-20 DVP3 Databasdesignspecifikation för Mätvärdeshanteringssystem Godkännande Namn Signatur Betyg Datum
Läs merIdag. Databaskvalitet(??) Databaskvalitet... Databaskvalitet...
Idag Databaskvalitet(??) Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? Det finns metoder
Läs merLogisk modell. Fysisk modell. Datamodeller Konceptuell modell
Datamodeller Konceptuell modell Logisk modell Fysisk modell En modell som återspeglar verksamheten (verkligheten). Identifiera objekten, viktiga för verksamheten Indentifiera relationerna Indentifiera
Läs mer732G16: Databaser - Design och programmering
732G16: Databaser - Design och programmering Eva L. Ragnemalm, IDA (eva.ragnemalm@liu.se) Johan Falkenjack, IDA (johan.falkenjack@liu.se) Fö 1 Introduktion 2 Kursöversikt Teori och praktik Kursbok, lektionshäfte,
Läs merLaboration 1, Datamodellering. Observera. Tips. Förberedelse. Genomförande
Laboration 1, Datamodellering Observera Det är fullt tillåtet att göra laborationen innan laborationstillfället. Observera dock att alla uppgifter måste kunna redovisas på redovisningstillfället. Laborationen
Läs merTentamen EIT:DB Databastmetodik 11/1 2013 kl. 13 17 + Lösningsförslag
Tentamen EIT:DB Databastmetodik 11/1 2013 kl. 13 17 + Lösningsförslag Inga hjälpmedel är tillåtna (annat än ordbok). Kort syntaxsamling för delar av SQL samt lista med symboler för relationsalgebraiska
Läs merDatabaser - Design och programmering
Databaser - Design och programmering Eva L. Ragnemalm, IDA (eva.ragnemalm@liu.se) Fö 1; introduktion Kursen, diverse praktiskt Varför databaser? Vad är en databas? Andra viktiga begrepp 2 Kursöversikt
Läs merInformationssystem och databasteknik
Informationssystem och databasteknik Föreläsning 5 Analytisk databasdesign F5! Funktionellt beroende: Pnr Namn Funktion (i vanlig mat. betydelse): 610321 11111 22222 33333 Maria Eva Sture Olle För varje
Läs merKompendium till databaser och informationssystem 10p för SY2 2000
Högskolan Dalarna Anders Forsman tel: 023-778956 email: afm@blg.du.se Kompendium till databaser och informationssystem 10p för SY2 2000 2000-09-04 Innehållsförteckning INNEHÅLLSFÖRTECKNING... 2 1 DATAMODELLERING...
Läs merRättningsmall tenta den 25e oktober Uppgift 1. Uppgift 2. se slides
Rättningsmall tenta den 25e oktober 2011 Uppgift 1 A) Null (Connolly/Begg, p.103) Represents a null value for an attribute that is currently unknown or is not applicable for this tuple. Its not a value
Läs merDatabaser - Design och programmering. Kursöversikt. Exempel: telefonbok. Varför databaser?
Databaser Design och programmering! Diverse praktiskt! Varför databaser?! Vad är en databas?! Andra viktiga begrepp Kursöversikt! Teori och praktik! Samläsning! Olika projekt! Examination (tenta, labb
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 24 Augusti 2015 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje
Läs merKarlstads Universitet, Datavetenskap 1
* * * * DAV B04 - Databasteknik! "# $ %'&( ) KaU - Datavetenskap - DAV B04 - MGö 132 Riktlinjer när man vill skapa en databas 1) Designa så att det är lätt att förstå innebörden. Kombinera inte attribut
Läs mer1. PLSQL 2 2. Select into
FÖ 11: Databaskursen 1 1. PLSQL 2 2. Select into 3. Anchored declaration 4. Cursorvariabler 5. Olika typer av cursors 6. Cursorattribut 7. Cursorloop 8. Datatypen record: %rowtype 9. Cursor for loop 10.
Läs merTentamenskod: Tentamensdatum: Tid: 14:00-19:00. Inga hjälpmedel är tillåtna
Databasteknik 7,5 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen NDA01G Öppen för alla Tentamenskod: Tentamensdatum: 2017-11-02 Tid: 14:00-19:00 Hjälpmedel: Inga hjälpmedel är tillåtna
Läs mer1.Lär känna MS SQL Observera. Tips. Förberedelse
1.Lär känna MS SQL 2008 Observera Övningar som finns tillgängliga är till för att du ska kunna testa dina kunskaper och träna på dem. Det är helt upp till dig när du vill genomföra och om du vill genomföra
Läs mer! Webprogrammering. ! Databasteori och praktik. ! Fö, le, la + projekt. ! Examination (tenta, dugga + labb, ! Studera användarna och deras problem
Webprogrammering och databaser! Idag: Diverse praktiskt om kursen Webprogrammering Databaser, terminogi Start på ER-modellering! Webprogrammering Kursöversikt! Databasteori och praktik! Fö, le, la + projekt!
Läs merRelationell databasdesign
Relationell databasdesign Kapitel 7 Relationell databasdesign sid Uppdelning m.h.a. funktionella beroenden 3 Funktionella beroenden - teori 12 Uppdelningsalgoritmer 27 Designprocess 33 Relational oath
Läs merTentamen NDA01G Öppen för alla. Tentamenskod: Inga hjälpmedel är tillåtna
Databasteknik 7,5 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Tentamen NDA01G Öppen för alla Tentamenskod: Tentamensdatum: 2016-11-04 Tid: 14:00-19:00 Hjälpmedel: Inga hjälpmedel är tillåtna
Läs merIT i organisationer och databasteknik
IT i organisationer och databasteknik Föreläsning 5 Analytisk databasdesign Arkitektur hos ett informationssystem Presentation Användargränssnitt via en browser Applikationslogik Data Java servlets som
Läs merInnehåll MySQL Intro. Ex på ett index Index typer ISAM Balanserat träd Pk och Fk i MySQL Eget index För o nackdelar med index
Innehåll MySQL Intro Ex på ett index Index typer ISAM Balanserat träd Pk och Fk i MySQL Eget index För o nackdelar med index Institutionen Institutionen för Datavetenskap, för Kommunikation Fysik o och
Läs merLär känna MS SQL 2008 / Övning. Observera. Tips. Förberedelse
Lär känna MS SQL 2008 / Övning Observera Övningar som finns tillgängliga är till för att du ska kunna testa dina kunskaper och träna på dem. Det är helt upp till dig när du vill genomföra och om du vill
Läs merTENTAMEN DATABASKUNSKAP ITEK12
TENTAMEN DATABASKUNSKAP ITEK12 Tid: Fredag den 19 oktober kl. 9-00-12.00, sal D409 Tillåtna hjälpmedel: Endast papper och penna. Poäng: Maxpoäng: 56. Gräns för G: 50%. Gräns för VG: 75%. Om något som verkar
Läs merSkriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18
LiTH, Tekniska högskolan vid Linköpings universitet 1(5) IDA, Institutionen för datavetenskap Juha Takkinen Skriftlig tentamen i kurserna TDDD12 och TDDB48 Databasteknik 2008-08-11 kl. 14 18 Lokal T2 och
Läs merWebprogrammering och databaser. 729G28 Webprogrammering och databaser. Kursöversikt. Praktisk info. Webprogrammering. Ändringar mot förra året
729G28 Webprogrammering och databaser Föreläsning 1: Diverse praktiskt om kursen Webprogrammering Databaser, terminogi Webprogrammering och databaser Personal: Examinator Jalal Maleki, jalma@ida.liu.se
Läs merSQL. Structured Query Language. Frågespråk för att används för. Kommandon. data åtkomst data manipulation
SQL Structured Query Language Frågespråk för att används för data åtkomst data manipulation Kommandon Lägga in ny data, INSERT Ändra data, UPDATE Radera data, DELETE Hämta data, SELECT mfl 2005-10-13 Gk/ÖK:ITO,
Läs merModul DB1-3 Datamodellering
Modul DB1-3 Datamodellering Antal föreläsningar: 2 Antal laborationer: 1 Förkunskapskrav: Grundläggande kännedom om databaser (Modul DB1-2) Kurslitteratur: Referenslitteratur: Praktisk datamodellering
Läs merAvvikelserapport. Avvikelserapport. Fantastic Four Page 1
Avvikelserapport Fantastic Four Page 1 Innehållsförteckning Revisionshistorik... 3 Konceptuell databasmodell - avvikelser... 3 Konceptuell databasmodell samt attributlista... 4 Logisk databasmodell avvikelser...
Läs merSQLs delar. Idag. Att utplåna en databas. Skapa en databas
Idag SQLs delar Hur skapar vi och underhåller en databas? Hur skapar man tabeller? Hur får man in data i tabellerna? Hur ändrar man innehållet i en tabell? Index? Vad är det och varför behövs de? Behöver
Läs merExempel-Tentamen III
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Exempel-Tentamen III Inga hjälpmedel tillåtna (syntaxsammanställning behövs inte på denna tentamen) Skriv bara på en sida av
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merDatabaskunskap 7,5 högskolepoäng Provmoment: Ladokkod: Tentamen ges för:
Databaskunskap 7,5 högskolepoäng Provmoment: Ladokkod: Tentamen ges för: Namn: Personnummer: Individuell prövning 41E03B Öppen för alla Tentamensdatum: 2013-08-20 Tid: 09:00-13:00 Hjälpmedel: Inga hjälpmedel
Läs merInformatik med systemvetenskaplig inriktning A, 30 högskolepoäng Informatics, Basic Course, 30 Credits
1(5) Denna kursplan är nedlagd eller ersatt av ny kursplan. Kursplan Handelshögskolan vid Örebro universitet Informatik med systemvetenskaplig inriktning A, 30 högskolepoäng Informatics, Basic Course,
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 13 Mars 2014 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje blad.
Läs merLösningar till tentamen i EDAF75
Lösningar till tentamen i EDAF75 4 april 2018 Lösning 1 (a) Här är ett förslag till E/R-modell: Det finns flera rimliga alternativa sätt att modellera, så du behöver inte vara orolig bara för att du inte
Läs merTENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18 Jourhavande lärare: Jose M. Peña (1651) Poäng: Tentan består av 2 delar. För godkänd krävs
Läs mer(Data)Modellering. nikos dimitrakas rum 2423
(Data)Modellering nikosd@kth.se 08-161295 rum 2423 Connolly/Begg (3rd edition) Kapitel 11, 12 och 14 (4th edition) Kapitel 11, 12 och 15 (5th edition) Kapitel 12, 13 och 16 (6th edition) Kapitel 12, 13
Läs merFöreläsning 4 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Normalisering (Analytisk databasdesign)
Föreläsning 4 Transformation från konceptuell datamodell till relationsschema ( Syntetisk databasdesign ) Normalisering (Analytisk databasdesign) 1 Vad är en databas? Logiskt sammanhängande mängd av data,
Läs merTabeller och kolumner SQL. Lägga till en ny post. Lägga till en ny post
SQL Structured Query Language Frågespråk för att används för data åtkomst data manipulation Kommandon Lägga in ny data, INSERT Ändra data, UPDATE Radera data, DELETE Hämta data, SELECT mfl Rader Tabeller
Läs merLösningsförslag Tentamen, 25 april 03
Lösningsförslag Tentamen, 25 april 03 Uppgift 1 Kommentar: Svårigheterna ligger i att differentiera mellan BIL och BILMODELL och MOTOR och MOTORTYP. Båda avbildare ett sk. powertype-förhållande (templatecopy)
Läs merTentamen plus lösningsförslag
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Tentamen plus lösningsförslag 2I-1100 Informationssystem och databasteknik Skriv bara på en sida av pappret Skriv namn på varje
Läs merUppstart Inloggning SSMS Skapa Databas Skapa Tabell Skapa Diagram, Fk, RI Hantering av Index, Pk, Fk, Ix Constraints Beräknande fält Några funktioner
INNEHÅLL Uppstart Inloggning SSMS Skapa Databas Skapa Tabell Skapa Diagram, Fk, RI Hantering av Index, Pk, Fk, Ix Constraints Beräknande fält Några funktioner Kapitel 5 och 6. Beginning SQL Server 008
Läs merStarta MySQL Query Browser
Starta MySQL Query Browser 1. Starta MySQL Query Browser genom att antingen välja i Startmenyn: 2. eller leta upp ikonen på skrivbordet för start av MySQL Query Browser och dubbelklicka på den. 3. Du bör
Läs merTENTAMEN TDDB77 Databaser och Bioinformatik 24 april 2004, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDB77 Databaser och Bioinformatik 24 april 2004, kl 14-18 Jourhavande lärare: Pawel Pietrzak (013/28 24 10, 013/21 01 17) Poäng: Tentan
Läs merViktigt! Glöm inte att skriva Tentamenskod på alla blad du lämnar in.
Databaser och Affärssystem Provmoment: Ladokkod: Tentamen ges för: 7,5 högskolepoäng Tentamen 41F08A Itek14 TentamensKod: Tentamensdatum: Tid: 2015-10-29 14-17 (3 timmar) Hjälpmedel: Inga hjälpmedel är
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 16 Januari 2015 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje
Läs merFunktionella beroenden - teori
Relationell databasdesign, FB Teori 7-12 Funktionella beroenden - teori Vid utformning av databassystem är det av största vikt att man kan resonera systematiskt om funktionella beroenden bl.a. för att
Läs merTENTAMEN TDDB77 Databaser och Bioinformatik 15 mars 2002, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDB77 Databaser och Bioinformatik 15 mars 2002, kl 14-18 Jourhavande lärare: Patrick Lambrix, 2605 Poäng: Tentan består ut av 2 delar. För
Läs merDatamodellering 1 Hemsida : Hemsida släktforskning :
Datamodellering DATAMODELLERING Copyright Björn Lindholm 204 version.0 Datamodellering 2 Förord Syftet med denna anvisning är att den ska vara enkel och lätt att förstå för de som vill skapa en hållbar
Läs merKonceptuell modellering
Konceptuell modellering En konceptuell modell beskriver data och datasamband på ett representationsoberoende sätt. Vad modellen sen ska implementeras som/i får inte påverka modellens utformning! Grundbegrepp:
Läs mer1. Ämnet informatik 2. Data, information, kunskap och visdom 3. Den infologiska ekvationen
FÖ 1: Databaskursen 1. Ämnet informatik 2. Data, information, kunskap och visdom 3. Den infologiska ekvationen 4. Den semiotiska triangeln 5. Olika typer av modeller 6. Frame of reference eller kunskapsbas
Läs mer