Relaatiotietokantojen perusteista. Harri Laine Helsingin yliopisto

Transkriptio

1 Harri Laine Helsingin yliopisto

2 Suosion syy? Yksinkertaisuus vähän käsitteitä helppo hahmottaa Selkeä matemaattinen perusta ei tulkintaongelmia kuten esim. UML:ssä

3 teoria käytäntö kaavio: R(A 1 :D 1, A 2 :D 2,, A n :D n ) ilmentymä R D 1 D 2 D n {(a,b,,c), } R A 1 A 2 A n a b c relaatio=taulu attribuutti=sarakenimi monikko=rivi D 1

4 Keskeistä relaatiomallissa Taulun kaikki rivit ovat keskenään erilaisia Rivien järjestyksellä ei ole merkitystä Rivit voidaan identifioida vain sisältämänsä datan avulla Taululla on aina vähintään yksi avain = rivien identifiointiin kaikissa tilanteissa riittävä sarakeyhdistelmä Taululla voi olla useita avaimia

5 Pääavain = taulun rivien ensisijaiseksi identifiointitavaksi valittu avain Rivejä voidaan kytkeä toisiinsa vain sisällyttämällä yhteen riviin toisen rivin identifiointitieto eli (pää)avain. Kytkennän toteuttavia sarakkeita kutsutaan viiteavaimeksi.

6 Relaatiotietokannan kelpoisuusvaatimukset: arvojoukkoeheys= sarakkeessa on vain sen arvojoukkoon kuuluvia arvoja avaineheys = avaimen mikään sarake ei voi sisältää tyhjäarvoja viite-eheys = viiteavaimen arvona voi olla vain tyhjäarvo tai olemassa olevan rivin avainarvo

7 Suunnitteluteoria pyrkimys toisteettomuuteen ja ylläpidon helppouteen perustana tietojen väliset riippuvuudet relaatiomallin taulut aina 1. normaalimuodossa funktionaalinen riippuvuus: sarakkeen arvot ovat yksikäsitteisiä suhteessa jonkin toisen sarakkeen (määrääjän) arvoihin esim. henkilönimet yksikäsitteisiä suhteessa henkilötunnuksiin

8 Funktionaalisiin riippuvuuksiin perustuvana ylimpänä tavoitetilana Boyce-Codd normaalimuoto: Taulu on Boyce-Codd normaalimuodossa, jos kaikissa siihen liittyvissä ei triviaaleissa funktionaalisissa riippuvuuksissa määräjä sisältää taulun avaimen, eli kaikki riippuvuudet muotoa: avain jotain Boyce-Codd normaalimuodossa olevissa tauluissa ei esiinny tiedon toistoa

9 Hieman lievempi 3. normaalimuoto sallii avainriippuvuuksien lisäksi riippuvuudet, joissa jokin ei-avain määrä avainsarakkeen jokin X, avain X : X avain X, avain Z : avain Z jokin

10 Taulurakenne saatetaan tavoitetilaan jakamalla taulun sarakkeet useaksi tauluksi (= normalisointi) Riippuvuudet ohjaavat jakoa, mutta ennen jakoon ryhtymistä tulisi riippuvuusjoukkoa analysoida ja karsia joukosta pääteltävissä olevat riippuvuudet päättelyn perustana säännöstö ns. Armstrongin aksiomat. analyysin tuloksena pitäisi saada aikaan minimipeite = minimaalinen joukko riippuvuuksia, joista voidaan päätellä samat riippuvuudet kuin alkuperäisestä riippuvuusjoukosta

11 Lähtökohtana normalisoinnille on yleensä käsiteanalyysin tuloksesta muunnoksen avulla tuotettu taulurakenne. Ongelmallisia voivat tällöin olla erityisesti taulut, joihin kertyy useita viiteavaimia

12 Normalisointi (yleensä BCNF, mutta vähintään 3NF) Määrää riippuvuuksien minimipeite (~karsi pääteltävät riippuvuudet) Jaa riippuvuudet ryhmiin yhteisen määrääjän perusteella Muodosta taulu kunkin riippuvuusryhmän attribuuteista Jos jonkin taulun kaavio on toisen osajoukko karsi taulu. Jos alkuperäisen taulun yksikään avain ei sisälly mihinkään uuteen tauluun, valitse avaimista jokin ja tee sen sarakkeista oma taulu.

13 lomakenumero tilaajan tunnus tilaajan nimi tilaajan osoite tilaajan puhelinnumero toimitusosoite rivinumero tavaran koodi tavaran nimi tilattu määrä tilauspäivä

14 Tilausrivi lomakenumero rivinumero tavaran koodi tilattu määrä Tavara tavaran koodi tavaran nimi Tilaus lomakenumero tilaajan tunnus toimitusosoite tilauspäivä Tilaaja tilaajan tunnus tilaajan nimi tilaajan osoite tilaajan puhelinnumero

15 Taulujen normalisointi tuottaa toisiinsa kytkettyjä tauluja Tietojen kokoamiseen tarvitaan liitosoperaatioita jos liitoksia tarvitaan kovin usein, voi olla tarpeen huonontaa rakennetta (denormalisoida)

16 Relaatioalgebra operaatiot tauluilla laskemiseen joukko-opista: yhdiste, erotus, ristitulo, leikkaus omat operaatiot: valinta, projektio, liitos tkhj:ssä näiden kaltaiset perusoperaatiot hoitavat kyselyn käsittelyn kyselyn optimoinnin ja kustannuslaskennan perusta

17 kyselyn suoritus = sarja operaatioita, jotka kohdistuvat perustauluihin tai välituloksiin optimaalinen suoritus= suoritus joka on nopein tai muuten edullisin

18 rivi i/o osa operaatioista vaihdannaisia eli järjestys voidaan vaihtaa vaikuttamatta lopputulokseen

19 eri suoritusjärjestyksillä eri kustannukset kustannuksiin vaikuttavat indeksit, algoritmit järjestelmäarkkitehtuuri puskurit

20 Pitäisikö kyselyn tekijän kyetä arvioimaan kyselyn kokoluokka? Pitäisikö kokoluokka kyetä arvioimaan tietämättä käytettävää optimoijaa? Mikä olisi mittari? käsiteltävien rivien vähimmäismäärä?

21 Arvioinnin ongelmat: SQL:n purkaminen relaatioalgebran operaatioiksi ja optimaaliseksi kyselypuuksi Operaatiosta voidaan ilman tiedostorakenne- ja algoritmioletuksia arvioida vain tuloksen koko, Esimerkiksi valinta-operaation kustannus voi olla suhteessa lähtötaulun kokoon tai tuloksen kokoon riippuen indekseistä vaihteluväli voidaan kuitenkin määrätä.