TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů"

Transkript

1 TÉMATICKÝ OKRUH Teorie zpracování dat, Databázové a informační systémy a Teorie informačních systémů Číslo otázky : 14. Otázka : Návrh struktury relační databáze, funkční závislosti. Obsah :

2 1. Návrh struktury relační databáze relační datový model(rdm) Převod konceptuálního schématu zapsaného v nějakém konceptuálním modelu není jediným způsobem, jak navrhnout relační schéma databáze. Současně se vznikem teorie relačního modelu dat vznikla také metoda návrhu relačních schémat, založená na jiných principech, než intuitivním návrhem konceptuálního modelu, a to pomocí funkčních závislostí. Podívejme se na úlohu návrhu struktury databáze takto: z reálného světa máme dánu množinu atributů, které chceme rozmístit do jednotlivých schémat relací. Názvy těchto relací (názvy typů entit) ani jejich počet předem neznáme. Úkolem je navrhnout schéma databáze bez redundancí. Ukážeme si to na konkrétním případě. Mějme relaci R (Přednáška, Učitel, Místnost, Hodina, Student, Známka). Prvkem tohoto schématu je přednáška, učitel, který ji přednáší v uvedené místnosti a uvedenou hodinu, student, který přednášce naslouchá a známka, kterou dostane po vykonání zkoušky z daného předmětu. Klíčem tohoto schématu je (Hodina,Student). Snadno si všimneme následujících nedostatků a potíží: redundance, pro každého studenta navštěvujícího přednášku se opakují hodnoty přednáška, učitel, místnost, hodina nebezpečí vzniku nekonzistence při modifikacích jako důsledek redundance, anomálie při vkládání záznamů: nemůžeme vložit učitele, který nepřednáší, neboť by nebyly obsazeny klíčové atributy anomálie při vypouštění záznamů: přestane-li učitel přednášet, vypustíme prvky tohoto učitele, tím ztratíme informaci i o jeho jménu. Je zřejmě nutné schéma databáze změnit, atributy rozdělit do více relačních schémat. V následujícím seznamu jsou uvedena různá relační schémata databáze, popisující původní situaci. Pro jednoduchost místo atributů píšeme jen jejich počáteční písmena: R1 = {PU, HMP, HUM, PSZ, HSM } R4 = {PU, HMP, PSZ, HSP } R2 = {PU, HSP, PSZ, HSM } R5 = {HMPU, PSZ, HSM } R3 = {PU, HSM, PSZ, HMP } R6 = {PU, HMP, HSM } R7 = {PSUHM, PSZ } Po rozboru uvidíme, že všechna schémata jsou smysluplná, avšak nedovedeme říci, čím se vlastně od sebe liší, je-li některé z nich lepší než ostatní. Jediným zdrojem informací pro upřesnění sémantiky mohou být IO. Čím více jich budeme mít k dispozici, tím lépe můžeme provést návrh schématu. Současně se vznikem teorie relačního modelu dat vznikla také metoda návrhu relačních schémat, založená na jiných principech, než intuitivním návrhem konceptuálního modelu, a to pomocí funkčních závislostí.

3 2. Funkční závislosti Funkční závislost je definovaná mezi dvěma podmnožinami atributů v rámci jednoho schématu relace. Jde tedy o vztahy mezi atributy nikoliv mezi entitami. Definice: Nechť R({A1,A2,...,An}, f) je relační schéma, nechť X, Y jsou podmnožiny množiny jmen atributů {A1,A2,...,An}. Řekneme, že Y je funkčně závislá na X, píšeme X Y, když pro každou možnou aktuální relaci R(A1,A2,...,An) platí, že mají-li libovolné dva prvky (= dva řádky) relace R stejné hodnoty atributů X, pak mají i stejné hodnoty atributů Y. Je-li Y X říkáme, že závislost X Y je triviální. Jak plyne z definice funkční závislost je definována na základě všech možných aktuálních relací, není tedy možné soudit na funkční závislost z vlastností jediné (třeba aktuální) relace. Tak můžeme poznat pouze neplatnost funkční závislosti. Funkční závislosti jsou tvrzení o reálném světě, o významu atributů nebo vztahů mezi entitami (jako každé IO), je nutné je brát v úvahu při návrhu schématu databáze. Ukážeme si opět příklad: Je dána aktuální relace dle relačního schématu z minulého příkladu. Podívejme se podrobněji na obsah tabulky: Všimneme si vztahu mezi podmnožinami X = {místnost, hodina} a Y = {předmět}. Vždy, když 2 řádky tabulky mají stejné hodnoty atributů X, mají i stejné hodnoty atributů Y. V tabulce jsou vyznačeny stejnou barvou, X světlejším, Y tmavším odstínem. Slovně to můžeme formulovat takto: v dané místnosti a v danou hodinu v týdnu se učí jediný předmět. Tedy existuje funkční závislost M H P. Tuto funkční závislost známe obecně z reality. Funkční závislost nám také plyne z integritního omezení IO - v uvažované škole platí, že každý předmět přednáší jeden učitel - P U. Celkem v příkladě můžeme určit tuto množinu funkčních závislostí F - F = { MH P, P U, HU M, PS Z, HS M} Z aktuální relace by se mohlo usuzovat na platnost funkční závislosti M H, ovšem obecně to zřejmě není pravda. Nelze tedy z jedné relace dokázat platnost funkčního vztahu. Naopak negativní fakta mohou být zjistitelná, protože tvoří protipříklad: není pravda PU M, protože TZD se učí ve dvou posluchárnách v týdnu. Uvedeme ještě další pojmy, které jsou důležité pro další použití. Nechť F je množina funkčních závislostí pro relační schéma R, nechť X Y je funkční závislost. Řekneme, že F logicky implikuje X Y, jestliže v každé relaci R, v níž jsou splněny závislosti z F, je splněna i závislost X Y. Množinu všech závislostí, které jsou logicky

4 implikovány množinou F, nazýváme uzávěrem množiny F, označujeme F+. Nechť X, Y jsou podmnožiny atributů schématu R s množinou závislostí F. Říkáme, že Y úplně závisí na X, jestliže X Y a pro žádnou vlastní podmnožinu X' X není X' Y. Jinými slovy Y je funkčně závislá na X, ale není funkčně závislá na žádné vlastní podmnožině X. Nechť R ({A1,A2,...,An},f) je relační schéma s množinou funkčních závislostí F, nechť X {A1,A2,...,An}. Řekneme, že X je klíč schématu R, jestliže 1. X A1...An F+ 2. pro každou vlastní podmnožinu Y X je Y A1...An F Přidali jsme tedy podmínku minimality. Zřejmě můžeme klíč schématu definovat také jako takovou X A, že A je úplně závislá na X. V relačním schématu může být více klíčů, z nich obvykle vybíráme jeden a označujeme jako primární klíč. Atribut relačního schématu R se nazývá primární, je-li podmnožinou alespoň jednoho klíče schématu R. Ostatní atributy nazveme sekundárními. 2.1 Amstrongovy axiomy K určení klíče relačního schématu a k hledání logických implikací množiny závislostí potřebujeme nalézt uzávěr F+, nebo určit, zda daná závislost X Y je prvkem F+. K tomu existují pravidla zvaná Armstrongovy axiomy. Tato pravidla jsou úplná (dovolují odvodit z dané množiny závislostí F všechny závislosti patřící do F+) a bezesporná (dovolují z F odvodit pouze závislosti patřící do F+). Nechť A je množina atributů daného relačního schématu, F množina funkčních závislostí mezi atributy A. V následujících pravidlech označujeme sjednocení X Y jako XY. Následující odvozovací pravidla se obvykle nazývají Armstrongovými axiomy jsou: A1: jestliže Y X A, pak F logicky implikuje X Y (reflexivita, triviální fční závislost) A2: jestliže X Y a Z A, pak XZ YZ (rozšíření) A3: jestliže X Y a Y Z, pak X Z (tranzitivita) A4: jestliže X Y a X Z, pak X YZ (sjednocení) A5: jestliže X Y a WY Z, pak XW Z (pseudotranzitivita) A6: jestliže X Y a Z Y, pak X Z (zúžení) A7: jestliže X YZ, pak X Y a X Z (dekompozice) Důsledkem sjednocení a dekompozice je: X A 1...A n právě tehdy, když X A i pro všechna i. Příklad: Určete klíč relačního schématu R(Jméno, Katedra, Předmět, Úvazek) se závislostmi F = {Jméno Katedra, Jméno Předmět Úvazek}. Pro stručnost zapíšeme zadání i další odvozování opět jen prvními písmeny atributů: Zadání: A = {J, K, P, U }, F = {J K, JP U } Odvození klíče: 1. J K ( dáno v F ) 2. JP KP ( aplikace rozšíření na 1. ) 3. JP U ( dáno v F ) 4. JP KPU ( aplikace sjednocení na 2. a 3. ) 5. JP JKPU ( aplikace reflexivity na 4. ) Neplatí například J P, P K, podle důsledků pravidel je JP minimální a tedy klíč. Platí, že F lze nahradit závislostmi, které vzniknou dekompozicí pravých stran závislostí na

5 jednotlivé atributy. Závislost, která má na pravé straně pouze jeden atribut, nazýváme elementární. Je-li F' množina elementárních závislostí, které vzniknou z F uvedeným způsobem, platí F+ = F '+ Z F' lze odstraňovat závislosti, které jsou odvoditelné ze zbytku F'. Říkáme, že závislost f je redundandní v F', jestliže platí (F' - {f})+ = F'+ Odstraněním všech redundandních závislostí z F' vznikne tzv. neredundandní pokrytí F. Definice: Pokrytí množiny funkčních závislostí F je taková množina G funkčních závislostí, pro niž platí G+ = F+. Neredundandní pokrytí je takové pokrytí, které neobsahuje redundandní závislosti. Neredundandní pokrytí není dáno jednoznačně, závisí na pořadí, ve kterém odebíráme neredundandní závislosti. Obecně tedy nemusí být podmnožinou původní množiny F, pokud vycházíme z F+, ne z F. Příklad Určete neredundandní pokrytí množiny funkčních závislostí F: F = {X Y, Y X, Y Z, X Z} Řešení: 1. Uzávěr celé množiny F je : F+ = { X XYZ, Y YXZ, Z Z } 2. (F - {X Y})+ = {X XZ,... }... menší než F+, vyloučení závislost není redundandní, 3. (F - {Y X})+ = {X XZY, Y YZ... }... menší než F+, 4. (F - {Y Z})+ = {X XZY, Y YXZ, Z Z... }... stejný jako F+, Y Z je redundandní, 5. (F - {X Z})+ = {X XZY, Y YXZ, Z Z... }... stejný jako F+, X Z je redundandní, ale ne obě (Y Z i X Z) současně. Výsledek tedy není jednoznačný, záleží na pořadí odebírání redundandních závislostí: buď Fnered = { X Y, Y X, X Z } nebo Fnered = { X Y, Y X, Y Z } Příklad 5.8. Určete neredundandní pokrytí množiny funkčních závislostí F: F: AB C, C A, BC D, ACD B, D EG, BE C, CG BD, CE AG 1)Nejprve upravíme F, aby obsahovala jen elementární závislosti F': AB C, C A, BC D, ACD B, D E, D G, BE C, CG B, CG D, CE A, CE G Zde CE A, CG B jsou redundandní, vyloučíme je v uvedeném pořadí a dostaneme výsledek: F1: AB C, C A, BC D, ACD B, D E, D G, BE C, CG D, CE G 2)Jestliže zvolíme jiné pořadí při odstraňování redundandních závislostí v pořadí CE A, CG D, ACD B, obdržíme: F2: AB C, C A, BC D, D E, D G, BE C, CG B, CE G Při provádění dekompozicí univerzálního schématu R(A) se zadanou množinou funkčních závislostí F často není nutné znát celý uzávěr F+, ale stačí uzávěr podmnožiny atributů X A vzhledem k F. Tento uzávěr tvoří množina všech atributů funkčně závislých na X a označíme jej X+. Jestliže X Y a pro nějaké C X platí (X - C)+ = X+, říkáme, že atribut C je redundandní pro zadanou závislost. Pokrytí, v jehož závislostech neexistují žádné redundandní atributy, nazýváme minimálním pokrytím. Význam minimálního pokrytí je v tom, že pro manipulaci s IO (např. testování jejich splnění při aktualizaci relací) jich má být co nejméně.

6 Příklad Je dáno schéma R(A,B,C,D,E). Určete minimální pokrytí Fmin množiny funkčních závislostí F = {ABC D, E C, AB E, C D} Řešení: A+ = {A}, B+ = {B}, C+ = {CD}, D+ = {D}, E+ = {EA} AB+ = {ABECD}... v ABC D je C redundandní Výsledek: Fmin = {AB DEC, E C, C D} Příklad 5.9. Uvažme opět neredundandní pokrytí F1 z dŕívějšího příkladu: F1: AB C, C A, BC D, ACD B, D E, D G, BE C, CG D, CE G. Z C A lze odvodit CD AD a CD ACD. Protože ACD B, platí dále CD B. Tak získáme minimální pokrytí Fmin: AB C, C A, BC D, CD B, D E, D G, BE C, CG D, CE G Při eliminaci redundandních atributů se nenaruší uzávěr množiny funkčních závislostí, z redukovaných závislostí je možno získat původní. Z redukovaných závislostí se také nedají získat jiné závislosti, než ty původní. Platí tedy F+ = F1+ = F2+ = Fmin+ Obě transformace (odstranění redundandních závislostí a redundandních atributů) nelze provádět v libovolném pořadí. Pro získání minimálního pokrytí je nutno odstranit nejprve redundandní atributy a potom závislosti. 3. Normální formy 3.1 První normální forma - 1NF Relace je v první normální formě, pokud každý její atribut obsahuje jen atomické hodnoty. Tedy hodnoty z pohledu databáze již dále nedělitelné. Například v relaci obsahující data o nějaké osobě budeme chtít mít více telefonních čísel: Osoba Jméno Přijmení Adresa Telefony Jan Novák Havlíčkova 2 Praha ; ; Petr Kovář Svatoplukova 15 Brno ; ; Pavel Pavel Papalášova 25 Kocourkov ; ; S takovouto tabulkou by byla spousta problémů, například by se dost špatně prováděly změny čísel, případně vyhledávání podle telefonního čísla. Aby tabulka byla v 1NF musíme buďto rozdělit atribut telefon do více atributů (pouze za předpokladu, že jsme si jisti, že se množství telefonních čísel nezvýší), nebo oddělit telefoní čísla do samostatné tabulky, což já osobně preferuji, protože je to podstatně flexibilnější řešení: Osoba ID Jméno Příjmení Adresa 1 Jan Novák Havlíčkova 2 Praha 3 2 Petr Kovář Svatoplukova 15 Brno 3 Pavel Pavel Papalášova 25 Kocourkov

7 Telefon ID_osoby Cislo Zjednodušeno(jiný zdroj): Vyžaduje, aby všem atributovým jménům byly jako domény přiřazeny jednoduché datové typy. Tedy vlastně nic extra. 1NF asi nelze nesplnit. 3.2 Druhá normální forma - 2NF Relace se nachází v druhé normální formě, jestliže je v první normální formě a každý neklíčový atribut je plně závislý na primárním klíči, a to na celém klíči a nejen na nějaké jeho podmnožině. Z čehož vyplívá, že druhou normální formu musíme řešit pouze v případě, že máme vícehodnotový primární klíč. Zní to poněkud složitě, ale nic na tom není, opět pomůže příklad: V tabulce zboží v obchodě bude název zboží, výrobce, telefon na výrobce, cena zboží a množství na skladě. Sklad Název Výrobce Telefon Výrobce Cena Množství Mléčná čokoláda Milka Kč 2500 Oříšková čokoláda Milka Kč 2800 Tyčinka milkyway Milka Kč 7000 Mléčná čokoláda Orion Kč 5800 Oříšková horalka Horalka Kč 4560 Klíčem této relace je kombinace atributů Název a Výrobce. Telefon výrobce ovšem není závislí na celém klíči, ale pouze na atributu výrobce. To by vedlo k aktualizační anomálii a to k té, že pokud by se vymazaly veškeré výrobky od výrobce Milka, ztratilo by se telefoní číslo na výrobce Milka, což není zrovna žádané. Řešením je opět rozpad na dvě tabulky: Výrobek Název Výrobce_ID Cena Množství Mléčná čokoláda 1 30Kč 2500 Oříšková čokoláda 1 30Kč 2800 Tyčinka milkyway 1 10Kč 7000 Mléčná čokoláda 2 25Kč 5800 Oříšková horalka 3 7Kč 4560

8 ýrobce Vyrobce_ID Vyrobce Telefon 1 Milka Orion Horalka Zjednodušeno(jiný zdroj): Zakazuje míšení různých údajů v jedné tabulce. Formálně se to řekne: žádný neklíčový atribut (něco, co se v tab. vyhledává) není funkčně závislý jen na části libovolného klíče. Nesmím být tedy schopen najít nějaký údaj v tabulce podle informace, která je menší než klíč. (Jinak bych tabulku měl rozdělit na dvě.) 3.3 Třetí normální forma - 3NF V této formě se nachází tabulka, splňuje-li předchází dvě formy a žádný z jejich atributů není tranzitivně závislý na klíči. Jiné vyjádření téhož říká, že relace je v 3.NF, pokud je ve 2.NF a všechny neklíčové atributy jsou navzájem nezávislé. Opět definice, která zní nesrozumitelně, ale její použití je vlastně jednoduché. Tranzitivní závislost je taková závislost, mezi minimálně dvěma atributy a klíčem, kde jeden atribut je funkčně závislý na klíči a druhý atribut je funkčně závislý na prvním. Koukám, že jsem tomu opět moc nepomohl, takže nejlepší bude příklad: Řekněme, že firma chce uchovávat informace o zaměstnancích, takže vytvoříme relaci Zaměstnanec s atributy r.č. (primární klíč), Jméno, Příjmení, Město, PSČ, Funkce a Plat, zbytek adresy vynecháme, protože pro příklad není důležitý. Zaměstnanec r.č Jméno Příjmení Město PSČ Funkce Plat 1 Jack Smith Jihlava CEO Franta Vomáčka Praha Senior Software Architect Pepa František Plzeň Senior Software Architect Pavel Novák Kocourkov Junior Developer Petr Koukal Praha Database Designer Honza Novák Plzeň Junior Developer Z této tabulky je vidět kromě závislosti všech atributů na klíči ještě závislost PSČ a Města a závislost Platu na Funkci. Aby jsme si to ukázali pomocí obou vyjádření definic. Závislost r.č -> Město -> PSČ je tranzitivní závislost PSČ na klíči, stejně tak závislost r.č. -> Funkce ->Plat. Pochopitelnější je asi druhé vyjádření, podle něj jsou závislosti Město -> PSČ a Funkce ->Plat přesně ty, které porušují sousloví: "všechny neklíčové atributy jsou navzájem nezávislé". Řešením problému je opět rozpad na více relací, v tomto případě dokonce na 3, protože jsme 3.NF porušily rovnou dvakrát.

9 Zaměstnanec r.č Jméno Příjmení Město_ID Funkce_ID 1 Jack Smith Franta Vomáčka Pepa František Pavel Novák Petr Koukal Honza Novák 4 4 Město Město_ID Město PSČ 1 Jihlava Praha Kocourkov Plzeň Funkce Funkce_ID Funkce Plat 1 CEO Senior Software Architect Database Designer Junior Developer Zjednodušeno(jiný zdroj): Zakazuje tranzitivní funkční závislosti. Formálně: neexistuje klíč Klíč schématu R, podmnožina P schématu R a neklíčový atribut X, který není v P obsažen, aby Klič->P->X, ale přitom neplatilo P- >Klíč ani x->klíč. V tabulce Zaměstnanec( RČ, Č_Vedoucího, Č_Oddělení) lze Č_Vedoucího odvodit z Č_Oddělení. Klíčem do tabulky je přitom RČ zaměstance. (Nešikovné je to, protože při změně vedoucího nějakého oddělení budu muset projít všechny zaměstnance toho oddělení a vedoucího u nich upravit.) 3.4 Boyce Coddova normální forma - BCNF Boyce/Coddova normální forma se pokládá za variaci třetí normální formy a dokonce je původní definicí 3.NF tak jak byla publikována v 70 letech. Je vymezena stejnými pravidli jako 3.NF forma, říká, že musí platit i mezi hodnotami uvnitř složeného primárního klíče. Relace se nachází v BCNF, jestliže pro každou netriviální závislost X -> Y platí, že X je nadmnožinou nějakého klíče schématu R. Zní to poněkud šíleně, ale ničeho se nebojte, k tomu, aby byla porušena BCNF musí být splněno několik podmínek a to poměrně specifických: Relace musí mít více kandidátních klíčů Minimálně 2 kandidátní klíče musí být složené z více atributů Některé složené kandidátní klíče musí mít společný atribut. Nejsnáze Boyce/Coddovu normální formu pochopíme s pomocí funkčních závislostí. Boyce/Coddova normální forma v podstatě říká, že mezi kandidátními klíči nesmí být žádná funkční závislost. Jak známo, nejlépe se definice chápou na příkladech, takže mějme relaci adresář:

10 Původní příklad byl odstraněn, byl chybný, tento jsem si vypůjčil ze script Databázové systémy, Prof. RNDr. Jaroslav Pokorný CSc., Ing Ivan Halška Adresa Město Ulice PSČ Praha 10 Černokostelecká Jihlava Žižkova Praha 10 Vrátkovská Brno Dvořákova Praha 6 Chaloupeckého V této relaci platí dvě netriviální funkční závislosti: {Město,Ulice} -> PSČ a PSČ -> Město Protože neplatí Ulice -> PSČ ani Město -> PSČ, tvoří dvojice {Město, Ulice} klíč schématu. Klíčem je ale i {Ulice, PSČ} platí totiž PSČ -> Město, nikoliv však PSČ -> Ulice. Tudíž je {PSČ, Ulice} kandidátním klíčem schématu. Schéma má všechny atributy atomické a nemá žádný neklíčový atribut a tudíž je v 3.NF, ale není v BCNF. Tento fakt vede k tomu, že nelze evidovat města s PSČ bez znalosti Ulice a krom toho jsou v relaci redundantní data, pokud by se evidovalo velké množství ulic v jednom městě, začal by to být problém. Klasické řešení, rozpad na dvě tabulky. Vzhledem k tomu, že neplatí PSČ -> Ulice, musíme spojit PSČ a Ulice. Výsledkem tudíž budou relace Města(PSČ, Město) a Ulice(PSČ, Ulice) Město PSČ Město Praha Praha Jihlava Brno Adresa Ulice PSČ Černokostelecká Vrátkovská Dvořákova Chaloupeckého Dvořákova Zjednodušeno(jiný zdroj): Nedovoluje ani tranzitivní závislost klíčových atributů, tj. obsahuje pouze body 1. a 2. : 1. závislost je triviální, tj. atribut x je obsažn v Y, 2. Y je nadklíč schématu A 3.5 Čtvrtá normální forma - 4NF Tabulka je ve čtvrté normální formě, je-li v BCNF a popisuje pouze příčinnou souvislost (jeden fakt). Sice jednoduché vyjádření bez složitých definic, ale poněkud nicneříkající, takže zkusíme jinou definici: " Relace je ve čtvrté normální formě, pokud je v Boyce/Coddově normální formě, a navíc všechny vícehodnotové závislosti jsou zároveň funkčními závislostmi z kandidátních klíčů. " Mno koukám, že jsem tomu moc nepomohl, tak zkusíme definici a příklad ze skript Tvorba datového modelu v prostředí strategických informačních systému, Prof. Ing. Jindřich Kaluža, CSc. :

11 "ve čtvrté normální formě je relace tehdy, je-li v BCNF a všechny vícehodnotové závislosti obsažené v relaci jsou zároveň funkčními závislostmi. Vícehodnotovou závislost atributů lze definovat následovně: V relaci R, která je v BCNF, s atributy A, B, C nastává vícehodnotová závislost atributu B na atributu A právě tehdy, jestliže množina hodnot B přiřazená dvojici hodnot A, C závisí jen na hodnotě atributu A a je nezávislá na hodnotě atributu C." Tak teď už je to definice přesná a všeříkající, ale bez perfektní znalosti všech použitých pojmů je opět špatně pochopitelná, tudíž příklad si vypůjčím vysvětlení a příklad ze skript Databázové systémy, Vostrovský, Merunka: Čtvrtá normální forma se zabývá vztahy uvnitř složeného primárního klíč. Pokud je v tabulce složený primární klíč, může se stát, že některé hodnoty tohoto klíče jsou na sobě nezávislé, ale tím, že spolu tvoří klíč, vzniká falešná souvislost mezi těmito hodnotami a nemohou existovat nezávisle na sobě, což není v souladu s modelovanou realitou. 4.NF proto vyžaduje, aby klíč tvořily jen ty hodnoty, které mají skutečnou vzájemnou souvislost. Mějme relaci zachycující vztah zaměstnance, kvalifikace a úkolu: Pracovní zařazení(zaměstnanec, Úkol, Kvalifikace) Pracovní zařazení Zaměstnanec Úkol Kvalifikace Ing Petr Pastyňák Tvorba webu Webdeveloper Ing PetrPastyňák Návrh databáze podnikového IS Database Specialist Eva Petrželová Asistentka Ing Pastyňáka Psaní na stroji Eva Petrželová Asistentka Pastyňáka ECDL Pavel Mrkvička Analytik podnikového IS Aanalyst Pavel Mrkvička Analytik podnikového IS UML Všechny atributy dohromady tvoří klíč schématu a neexistuje mezi nimi žádná funkční závislost, tudíž je v BCNF a všechno vypadá ideálně, ale není tomu tak. I když se dá předpokládat, že atributy Kvalifikace a Úkol jsou na sobě nezávislé, tak tabulka neumožňuje zachytit kvalifikaci zaměstnance, který nemá přiřazen žádný úkol (a úkolujte někoho o kom netušíte co umí) a nelze ani úkolovat zaměstnance bez kvalifikace. Krom ztráty informací se rozkladem vyvarujeme i redundance dat. Tudíž je opět nutno tabulku rozdělit a to na dvojici: Kvalifikace (Zaměstnanec, Kvalifikace), Úkol (Zaměstnanec, Úkol). Kvalifikace Zaměstnanec Kvalifikace Ing Petr Pastyňák Webdeveloper Ing Petr Pastyňák Database Specialist Eva Petrželová Psaní na stroji Eva Petrželová ECDL Pavel Mrkvička Aanalyst Pavel Mrkvička UML Ing Petr Cibula Project manager Ing Petr Cibula RUP Specialist

12 Úkol Zaměstnanec Úkol Ing Petr Pastyňák Tvorba webu Ing Petr Pastyňák Návrh databáze podnikového IS Eva Petrželová Asistentka Ing Pastyňáka Pavel Mrkvička Analytik podnikového IS Jan Celer Kopání odvodňovacího kanálu Do rozložených relací jsem záměrně přidal data, která v původní relaci nebyla, ale měla by být. Krásně se tím ukazuje, jak snadné je teď najít project m,anagera na tvorbu podnikového IS, ale zkuste si to v nenormalizované tabulce, když pan Cibula zrovna nemá přidělen žádný úkol.

UDBS Cvičení 10 Funkční závislosti

UDBS Cvičení 10 Funkční závislosti UDBS Cvičení 10 Funkční závislosti Ing. Miroslav Valečko Zimní semestr 2014/2015 25. 11. 2014 Návrh schématu databáze Existuje mnoho způsobů, jak navrhnout schéma databáze Některá jsou lepší, jiná zase

Více

5. Formalizace návrhu databáze

5. Formalizace návrhu databáze 5. Formalizace návrhu databáze 5.1. Úvod do teorie závislostí... 2 5.1.1. Funkční závislost... 2 5.1.2. Vícehodnotová závislost (multizávislost)... 7 5.1.3. Závislosti na spojení... 9 5.2. Využití teorie

Více

Kapitola 7: Návrh relačních databází. Nástrahy relačního návrhu. Příklad. Rozklad (dekompozice)

Kapitola 7: Návrh relačních databází. Nástrahy relačního návrhu. Příklad. Rozklad (dekompozice) - 7.1 - Kapitola 7: Návrh relačních databází Nástrahy návrhu relačních databází Dekompozice (rozklad) Normalizace použitím funkčních závislostí Nástrahy relačního návrhu Návrh relačních databází vyžaduje

Více

Analýza a modelování dat 3. přednáška. Helena Palovská

Analýza a modelování dat 3. přednáška. Helena Palovská Analýza a modelování dat 3. přednáška Helena Palovská Historie databázových modelů Relační model dat Codd, E.F. (1970). "A Relational Model of Data for Large Shared Data Banks". Communications of the ACM

Více

7. Normální formy. PŘ: POJIŠŤOVNA Povinné ručení relace Platby

7. Normální formy. PŘ: POJIŠŤOVNA Povinné ručení relace Platby 7. Normální formy PŘ: POJIŠŤOVNA Povinné ručení relace Platby Rodné číslo 7407111234 7407111234 7407111234 7407111234 481123123 481123123 481123123 481123123 Jméno majitele Dvořák Petr Dvořák Petr Dvořák

Více

Zadání. Slovníček pojmů. Otázka 19 A7B36DBS

Zadání. Slovníček pojmů. Otázka 19 A7B36DBS Otázka 19 A7B36DBS Zadání... 1 Slovníček pojmů... 1 Návrh relačního schématu... 2 Normalizace schématu formou dekompozice... 5 Kritéria kvality dekompozice... 15 Návrh schématu relační databáze přímou

Více

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů. Modely datové Existují různé úrovně pohledu na data. Nejvyšší úroveň je úroveň, která zachycuje pouze vztahy a struktury dat samotných. Konceptuální model - E-R model. Další úrovní je logická úroveň Databázové

Více

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou:

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou: Relační databáze Pojem databáze, druhy databází Databází se myslí uložiště dat. V době začátků využívání databází byly tyto členěny hlavně hierarchicky, případně síťově (rozšíření hierarchického modelu).

Více

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace

Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace RELACE Pojem binární relace patří mezi nejzákladnější matematické pojmy. Binární relace slouží k vyjádření vztahů mezi prvky nějakých množin. Vztahy mohou být různé povahy. Patří sem vztah býti potomkem,

Více

4IT218 Databáze. 4IT218 Databáze

4IT218 Databáze. 4IT218 Databáze 4IT218 Databáze Osmá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Osmá přednáška Normalizace dat - dokončení Transakce v databázovém zpracování Program přednášek

Více

Jiří Mašek BIVŠ V Pra r ha 20 2 08

Jiří Mašek BIVŠ V Pra r ha 20 2 08 Jiří Mašek BIVŠ Praha 2008 Procesvývoje IS Unifiedprocess(UP) Iterace vývoje Rysy CASE nástrojů Podpora metodických přístupů modelování Integrační mechanismy propojení modelů Podpora etap vývoje Generování

Více

Terminologie v relačním modelu

Terminologie v relačním modelu 3. RELAČNÍ MODEL Relační model reprezentuje databázi jako soubor relací. Každá relace představuje tabulku nebo soubor ( ve smyslu soubor na nosiči dat ). Terminologie v relačním modelu řádek n-tice ( n-tuple,

Více

Konceptuální modelování. Pavel Tyl 21. 3. 2013

Konceptuální modelování. Pavel Tyl 21. 3. 2013 Konceptuální modelování Pavel Tyl 21. 3. 2013 Vytváření IS Vytváření IS Analýza Návrh Implementace Testování Předání Jednotlivé fáze mezi sebou iterují Proč modelovat a analyzovat? Standardizované pracovní

Více

Jaký je rozdíl v definicicíh VARCHAR2(20 BYTE) a VARCHAR2(20 CHAR):

Jaký je rozdíl v definicicíh VARCHAR2(20 BYTE) a VARCHAR2(20 CHAR): Mezi příkazy pro manipulaci s daty (DML) patří : 1. SELECT 2. ALTER 3. DELETE 4. REVOKE Jaké vlastnosti má identifikující relace: 1. Je relace, která se využívá pouze v případě modelovaní odvozených entit

Více

Výroková logika dokazatelnost

Výroková logika dokazatelnost Výroková logika dokazatelnost Ke zjištění, zda formule sémanticky plyne z dané teorie (množiny formulí), máme k dispozici tabulkovou metodu. Velikost tabulky však roste exponenciálně vzhledem k počtu výrokových

Více

Fakulta elektrotechniky a informatiky Vysoká škola báňská - Technická univerzita Ostrava. Úvod do databázových systémů 2012/2013 IS MHD

Fakulta elektrotechniky a informatiky Vysoká škola báňská - Technická univerzita Ostrava. Úvod do databázových systémů 2012/2013 IS MHD Fakulta elektrotechniky a informatiky Vysoká škola báňská - Technická univerzita Ostrava Úvod do databázových systémů 2012/2013 IS MHD Jiří Znoj, (zno0011) Ostrava, 29. listopadu 2012 I. Obsah I. Obsah...

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY (doplňující text ke konzultacím v 3. ročníku kombinovaného bakalářského studia oboru Aplikovaná

Více

Hierarchický databázový model

Hierarchický databázový model 12. Základy relačních databází Když před desítkami let doktor E. F. Codd zavedl pojem relační databáze, pohlíželo se na tabulky jako na relace, se kterými se daly provádět různé operace. Z matematického

Více

Databázové systémy. Tomáš Skopal. - úvod do relačního modelu. - převod konceptuálního schématu do relačního

Databázové systémy. Tomáš Skopal. - úvod do relačního modelu. - převod konceptuálního schématu do relačního Databázové systémy - úvod do relačního modelu Tomáš Skopal - převod konceptuálního schématu do relačního Osnova přednášky relační model převod ER diagramu do relačního modelu tvorba univerzálního relačního

Více

Vlastnosti regulárních jazyků

Vlastnosti regulárních jazyků Vlastnosti regulárních jazyků Podobně jako u dalších tříd jazyků budeme nyní zkoumat následující vlastnosti regulárních jazyků: vlastnosti strukturální, vlastnosti uzávěrové a rozhodnutelné problémy pro

Více

Databáze Bc. Veronika Tomsová

Databáze Bc. Veronika Tomsová Databáze Bc. Veronika Tomsová Databázové schéma Mapování konceptuálního modelu do (relačního) databázového schématu. 2/21 Fyzické ik schéma databáze Určuje č jakým způsobem ů jsou data v databázi ukládána

Více

DBS Konceptuální modelování

DBS Konceptuální modelování DBS Konceptuální modelování Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze Michal.Valenta@fit.cvut.cz c Michal Valenta, 2010 BIVŠ DBS I, ZS 2010/11 https://users.fit.cvut.cz/

Více

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH Jindřich Kaluža Ludmila Kalužová Recenzenti: prof. Ing. Milan Turčáni, CSc. prof. Ing. Ivan Vrana, DrSc. Tato kniha vznikla za finanční podpory Studentské grantové

Více

Kapitola 2: Entitně-vztahový model (Entity-Relationship model) Množiny entit (entitní množiny) Atributy

Kapitola 2: Entitně-vztahový model (Entity-Relationship model) Množiny entit (entitní množiny) Atributy - 2.1 - Kapitola 2: Entitně-vztahový model (Entity-Relationship model) Množiny entit Množiny vztahů Otázky návrhu Plánování mezí Klíče E-R diagram Rozšířené E-R rysy Návrh E-R databázového schématu Redukce

Více

Oproti definici ekvivalence jsme tedy pouze zaměnili symetričnost za antisymetričnost.

Oproti definici ekvivalence jsme tedy pouze zaměnili symetričnost za antisymetričnost. Kapitola 3 Uspořádání a svazy Pojem uspořádání, který je tématem této kapitoly, představuje (vedle zobrazení a ekvivalence) další zajímavý a důležitý speciální případ pojmu relace. 3.1 Uspořádání Definice

Více

J. Zendulka: Databázové systémy 4 Relační model dat 1

J. Zendulka: Databázové systémy 4 Relační model dat 1 4. Relační model dat 4.1. Relační struktura dat... 3 4.2. Integritní pravidla v relačním modelu... 9 4.2.1. Primární klíč... 9 4.2.2. Cizí klíč... 11 4.2.3. Relační schéma databáze... 13 4.3. Relační algebra...

Více

Výroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0).

Výroková logika II. Negace. Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Výroková logika II Negace Již víme, že negace je změna pravdivostní hodnoty výroku (0 1; 1 0). Na konkrétních příkladech si ukážeme, jak se dají výroky negovat. Obecně se výrok dá negovat tak, že před

Více

Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola

Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Co je to databáze? Jaké

Více

TEORIE ZPRACOVÁNÍ DAT

TEORIE ZPRACOVÁNÍ DAT Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky TEORIE ZPRACOVÁNÍ DAT pro kombinované a distanční studium Jana Šarmanová Ostrava 2003 Jana Šarmanová, 2003 Fakulta

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav automatizace a informatiky DATABÁZOVÉ SYSTÉMY (doplňující text ke konzultacím v 3. ročníku kombinovaného bakalářského studia oboru Aplikovaná

Více

S databázemi se v běžném životě setkáváme velmi často. Uvádíme běžné použití databází velkého rozsahu:

S databázemi se v běžném životě setkáváme velmi často. Uvádíme běžné použití databází velkého rozsahu: Úvod do databází Základní pojmy Databáze je množina záznamů, kterou shromažďujeme za nějakým konkrétním účelem. Databáze používáme zejména pro ukládání obsáhlých informací. Databázové systémy jsou k dispozici

Více

Databázové systémy IDS

Databázové systémy IDS Databázové systémy IDS Studijní opora doc. Ing. Jaroslav Zendulka Ing. Ivana Rudolfová Verze: 18. 7. 2006 Tato publikace je určena výhradně jako podpůrný text pro potřeby výuky. Bude užita výhradně v přednáškách

Více

Logický důsledek. Petr Kuchyňka (7765@mail.muni.cz)

Logický důsledek. Petr Kuchyňka (7765@mail.muni.cz) Logický důsledek Petr Kuchyňka (7765@mail.muni.cz) Úvod P 1 Logický důsledek je hlavním předmětem zájmu logiky. Je to relace mezi premisami a závěry logicky platných úsudků: v logicky platném úsudku závěr

Více

postaveny výhradně na syntaktické bázi: jazyk logiky neinterpretujeme, provádíme s ním pouze syntaktické manipulace důkazy

postaveny výhradně na syntaktické bázi: jazyk logiky neinterpretujeme, provádíme s ním pouze syntaktické manipulace důkazy Formální systémy (výrokové) logiky postaveny výhradně na syntaktické bázi: jazyk logiky neinterpretujeme, provádíme s ním pouze syntaktické manipulace důkazy cíl: získat formální teorii jako souhrn dokazatelných

Více

2 Konceptuální modelování a návrh databáze

2 Konceptuální modelování a návrh databáze 2 Konceptuální modelování a návrh databáze 2.1. Úloha konceptuálního modelování v procesu návrhu databáze... 2 2.2. E - R modely... 6 2.3. Doporučení pro modelování a tvorbu ER diagramu... 22 2.4. Transformace

Více

8.2 Používání a tvorba databází

8.2 Používání a tvorba databází 8.2 Používání a tvorba databází Slide 1 8.2.1 Základní pojmy z oblasti relačních databází Slide 2 Databáze ~ Evidence lidí peněz věcí... výběry, výpisy, početní úkony Slide 3 Pojmy tabulka, pole, záznam

Více

Relační model reprezentuje databázi jako soubor relací. Kaţdá relace představuje tabulku nebo soubor (ve smyslu soubor na nosiči dat).

Relační model reprezentuje databázi jako soubor relací. Kaţdá relace představuje tabulku nebo soubor (ve smyslu soubor na nosiči dat). 3. Relační model Relační model reprezentuje databázi jako soubor relací. Kaţdá relace představuje tabulku nebo soubor (ve smyslu soubor na nosiči dat). Příklad 3.1: Filmová databáze relace: FILM REŢISÉR

Více

Strukturované metodologie

Strukturované metodologie Strukturované metodologie Strukturovaný přístup aplikace má podobu hierarchie funkcí, která je realizována strukturovanými programy styl práce: AKCE OBJEKT Entitně relační model (ERA) alternativní názvy:

Více

2 Konceptuální modelování a návrh databáze

2 Konceptuální modelování a návrh databáze 2 Konceptuální modelování a návrh databáze 2.. Úloha konceptuálního modelování v procesu návrhu databáze... 2 2.2. E - R modely... 6 2.3. Doporučení pro modelování a tvorbu ER diagramu... 22 2.4. Transformace

Více

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují

Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují Definice. Vektorový prostor V nad tělesem T je množina s operacemi + : V V V, tj. u, v V : u + v V : T V V, tj. ( u V )( a T ) : a u V které splňují 1. u + v = v + u, u, v V 2. (u + v) + w = u + (v + w),

Více

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat)

DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS. (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 61 DATABÁZE - ACCESS (příprava k vykonání testu ECDL Modul 5 Databáze a systémy pro zpracování dat) DATABÁZE A SYSTÉMY PRO UCHOVÁNÍ DAT 62 Databáze a systémy pro uchování

Více

Úvod do logiky (VL): 13. Axiomatické systémy VL a pojem důkazu

Úvod do logiky (VL): 13. Axiomatické systémy VL a pojem důkazu Logika: systémový rámec rozvoje oboru v ČR a koncepce logických propedeutik pro mezioborová studia (reg. č. CZ.1.07/2.2.00/28.0216, OPVK) Úvod do logiky (VL): 13. Axiomatické systémy VL a pojem důkazu

Více

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací

Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz. Algebra Struktury s jednou operací Teoretická informatika Tomáš Foltýnek foltynek@pef.mendelu.cz Algebra Struktury s jednou operací Teoretická informatika 2 Proč zavádíme algebru hledáme nástroj pro popis objektů reálného světa (zejména

Více

Téma 9 Databáze úvod, modelování dat

Téma 9 Databáze úvod, modelování dat Téma 9 Databáze úvod, modelování dat Obsah 1. Základní pojmy databází 2. Abstrakce, schémata, pohledy 3. Databázové modely 4. Modelování reálného světa 5. Entity a vztahy 6. Entity-elationship (E-) model

Více

Databázové patterny. MI-DSP 2013/14 RNDr. Ondřej Zýka, ondrej.zyka@profinit.eu

Databázové patterny. MI-DSP 2013/14 RNDr. Ondřej Zýka, ondrej.zyka@profinit.eu Databázové patterny MI-DSP 2013/14 RNDr. Ondřej Zýka, ondrej.zyka@profinit.eu Obsah o Co je databázový pattern o Pattern: Přiřazení rolí o Pattern: Klasifikace Databázové patterny o Odzkoušené a doporučené

Více

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy:

1. Několik základních pojmů ze středoškolské matematiky. Na začátku si připomeneme následující pojmy: Opakování středoškolské matematiky Slovo úvodem: Tato pomůcka je určena zejména těm studentům presenčního i kombinovaného studia na VŠFS, kteří na středních školách neprošli dostatečnou průpravou z matematiky

Více

Téma 9 Databáze úvod, modelovánídat

Téma 9 Databáze úvod, modelovánídat Téma 9 Databáze úvod, modelovánídat Obsah 1. Základní pojmy databází 2. Abstrakce, schémata, pohledy 3. Databázové modely 4. Modelování reálného světa 5. Entity a vztahy 6. Entity-Relationship (E-R) model

Více

Datové modelování II

Datové modelování II Datové modelování II Atributy Převod DM do schématu SŘBD Dotazovací jazyk SQL Multidimenzionální modelování Principy Doc. Miniberger, BIVŠ Atributy Atributem entity budeme rozumět název záznamu či informace,

Více

1 Linearní prostory nad komplexními čísly

1 Linearní prostory nad komplexními čísly 1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)

Více

1. Množiny, zobrazení, relace

1. Množiny, zobrazení, relace Matematická analýza I přednášky M. Málka cvičení A. Hakové a R. Otáhalové Zimní semestr 2004/05 1. Množiny, zobrazení, relace První kapitola je věnována základním pojmům teorie množin. Pojednává o množinách

Více

1. ZPRACOVÁNÍ DAT. Čas ke studiu kapitoly: 2 hodiny. 1.1. Úlohy zpracování dat. Cíl Po prostudování tohoto odstavce budete umět.

1. ZPRACOVÁNÍ DAT. Čas ke studiu kapitoly: 2 hodiny. 1.1. Úlohy zpracování dat. Cíl Po prostudování tohoto odstavce budete umět. 1.1. Úlohy zpracování dat 1. ZPRACOVÁNÍ DAT Čas ke studiu kapitoly: 2 hodiny 1.1. Úlohy zpracování dat Cíl Po prostudování tohoto odstavce budete umět popsat problém evidence a zpracování velkého množství

Více

Kapitola 3: Relační model. Základní struktura. Relační schéma. Instance relace

Kapitola 3: Relační model. Základní struktura. Relační schéma. Instance relace - 3.1 - Struktura relačních databází Relační algebra n-ticový relační kalkul Doménový relační kalkul Rozšířené operace relační algebry Modifikace databáze Pohledy Kapitola 3: Relační model Základní struktura

Více

První kroky v tvorbě databáze v Access 2007

První kroky v tvorbě databáze v Access 2007 První kroky v tvorbě databáze v Access 2007 Daný dokument nabízí plán prezentování úvodní informace k aplikaci Access 2007. Příprava k tvorbě databáze Pro lepší orientace v následující práci představme

Více

POKROČILÉ POUŽITÍ DATABÁZÍ

POKROČILÉ POUŽITÍ DATABÁZÍ POKROČILÉ POUŽITÍ DATABÁZÍ Barbora Tesařová Cíle kurzu Po ukončení tohoto kurzu budete schopni pochopit podstatu koncepce databází, navrhnout relační databázi s využitím pokročilých metod, navrhovat a

Více

3. Celistvé výrazy a jejich úprava 3.1. Číselné výrazy

3. Celistvé výrazy a jejich úprava 3.1. Číselné výrazy . Celistvé výrazy a jejich úprava.1. Číselné výrazy 8. ročník. Celistvé výrazy a jejich úprava Proměnná je znak, zpravidla ve tvaru písmene, který zastupuje čísla z dané množiny čísel. Většinou se setkáváme

Více

Zhodnocení architektury podniku. Jiří Mach 28. 8. 2014

Zhodnocení architektury podniku. Jiří Mach 28. 8. 2014 Zhodnocení architektury podniku Jiří Mach 28. 8. 2014 Obsah Zhodnocení architektury podniku Zahájení projektu Metodika/framework Harmonogram projektu 1. fáze: vytvoření popisu AS-IS stavu 2. fáze: analýza

Více

RELAČNÍ DATABÁZE ACCESS

RELAČNÍ DATABÁZE ACCESS RELAČNÍ DATABÁZE ACCESS 1. Úvod... 2 2. Základní pojmy... 3 3. Vytvoření databáze... 5 4. Základní objekty databáze... 6 5. Návrhové zobrazení tabulky... 7 6. Vytváření tabulek... 7 6.1. Vytvoření tabulky

Více

9. Může dojít k situaci, že ZP je nutno aktualizovat (změna vzhledu, změna příjmení, změna -1- dále ZP).

9. Může dojít k situaci, že ZP je nutno aktualizovat (změna vzhledu, změna příjmení, změna -1- dále ZP). 1 Popis ucelené problémové domény Následující komplexní příklad se týká domény soukromých zbraní v ČR (SSZ v ČR) Ukážeme nejdříve její obecný popis, ale nebudeme se přísně držet současně platného zákona

Více

Numerace. Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo.

Numerace. Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo. Numerace Numerace je nauka, jejímž cílem je osvojení pojmu přirozené číslo. Numerace má tyto dílčí úkoly: 1) Naučit žáky číst číslice a správně vyslovovat názvy čísel. 2) Naučit žáky zapisovat čísla v

Více

2. Teorie databázových systémů

2. Teorie databázových systémů - 1-1. Úvod Zpracování dat můžeme definovat jako obsažné a účelné sestavení dat provedené strojem ze zadaných údajů. Cílem je nejen ušetřit lidskou práci a čas, ale zejména zabránit možným chybám. Výsledkem

Více

IMPORT DAT DO DATABÁZE

IMPORT DAT DO DATABÁZE Úvod do problematiky IMPORT DAT DO DATABÁZE Databázové tabulky lze naplňovat i již dříve pořízenými údaji. Můžeme tak snadno načíst do databáze data pořízená v textovém editoru WORD nebo v tabulkovém procesoru

Více

NP-úplnost problému SAT

NP-úplnost problému SAT Problém SAT je definován následovně: SAT(splnitelnost booleovských formulí) Vstup: Booleovská formule ϕ. Otázka: Je ϕ splnitelná? Příklad: Formule ϕ 1 =x 1 ( x 2 x 3 )jesplnitelná: např.přiohodnocení ν,kde[x

Více

MS Excel Filtr automatický, rozšířený

MS Excel Filtr automatický, rozšířený MS Excel Filtr automatický, rozšířený Obsah kapitoly V této lekci se seznámíme s nástrojem, který se používá pro výběry dat z rozsáhlých tabulek s filtrem automatickým a rozšířeným. Studijní cíle Studenti

Více

Hromadná korespondence

Hromadná korespondence Hromadná korespondence Funkce hromadné korespondence se v aplikaci Word používá k vytvoření např. Formulářového dopisu zasílaného mnoha zákazníkům. Každý takový dopis obsahuje stejný druh informací, ale

Více

Marketingová komunikace. 1. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)

Marketingová komunikace. 1. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph) Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 1. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká I. Úvod do teorie DB systémů

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

množinu definujeme axiomaticky: nesnažíme se ji zkonstruovat (dokonce se ani nezabýváme otázkou,

množinu definujeme axiomaticky: nesnažíme se ji zkonstruovat (dokonce se ani nezabýváme otázkou, Matematická analýza I přednášky M. Málka cvičení A. Hakové a R. Otáhalové Zimní semestr 2004/05 2. Reálná čísla, funkce reálné proměnné V této kapitole zavádíme množinu, na níž stojí celá matematická analýza:

Více

Databázové systémy 2. Studijní opora. Ing. Zbyněk Bureš. Ph.D.

Databázové systémy 2. Studijní opora. Ing. Zbyněk Bureš. Ph.D. Databázové systémy 2 Studijní opora Ing. Zbyněk Bureš. Ph.D. Zbyněk Bureš DATABÁZOVÉ SYSTÉMY 2 1. vydání ISBN 978-80-87035-89-4 Vydala Vysoká škola polytechnická Jihlava, Tolstého 16, Jihlava, 2014 Tisk

Více

NAUČTE SE MALOVAT SI INSTANCE!

NAUČTE SE MALOVAT SI INSTANCE! NAUČTE SE MALOVAT SI INSTANCE! část 2. RNDr. Ilja Kraval, září 2009 http://www.objects.cz ÚVOD V předešlém článku jsme otevřeli jeden ze základních problémů, který musí analytik řešit: Jak vypadá skladba

Více

Databázové a informační systémy Jana Šarmanová

Databázové a informační systémy Jana Šarmanová Databázové a informační systémy Jana Šarmanová Obsah Úloha evidence údajů, způsoby evidování Databázové technologie datové modely, dotazovací jazyky. Informační systémy Datové sklady Metody analýzy dat

Více

Fuzzy logika a reálný svět, aneb jsou všechny hromady skutečně malé?

Fuzzy logika a reálný svět, aneb jsou všechny hromady skutečně malé? Fuzzy logika a reálný svět, aneb jsou všechny hromady skutečně malé? Jiří Močkoř University of Ostrava Department of Mathematics Institute for Research and Applications of Fuzzy Modeling 30. dubna 22,

Více

Databázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi.

Databázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi. Databáze Základní pojmy Pojem databáze označuje obecně souhrn informací, údajů, dat o nějakých objektech. Úkolem databáze je hlídat dodržení všech omezení a dále poskytovat data při operacích. Objekty

Více

Automatická segmentace slov s pomocí nástroje Affisix. Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz

Automatická segmentace slov s pomocí nástroje Affisix. Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz Automatická segmentace slov s pomocí nástroje Affisix Michal Hrušecký, Jaroslava Hlaváčová Michal@Hrusecky.net, Hlavacova@ufal.mff.cuni.cz Motivace Při zpracování přirozeného jazyka nikdy nemůžeme mít

Více

Matematická vsuvka I. trojčlenka. http://www.matematika.cz/

Matematická vsuvka I. trojčlenka. http://www.matematika.cz/ Matematická vsuvka I. trojčlenka http://www.matematika.cz/ Trojčlenka přímá úměra Pokud platí, že čím více tím více, jedná se o přímou úměru. Čím více kopáčů bude kopat, tím více toho vykopají. Čím déle

Více

5 Minimální kostry, Hladový algoritmus

5 Minimální kostry, Hladový algoritmus 5 Minimální kostry, Hladový algoritmus Kromě teoretických hrátek mají kostry grafů (Oddíl 4.4) následující důležité praktické použití: Dříve jsme uvažovali spojení v grafech cestami jdoucími z jednoho

Více

9. blok Fáze návrhu databáze, konceptuální modelování

9. blok Fáze návrhu databáze, konceptuální modelování 9. blok Fáze návrhu databáze, konceptuální modelování Studijní cíl Tento blok je věnován základům databázového modelování. V základu budou probrány jednotlivé fáze návrhu databáze. Dále bude student tohoto

Více

analytické geometrie v prostoru s počátkem 18. stol.

analytické geometrie v prostoru s počátkem 18. stol. 4.. Funkce více proměnných, definice, vlastnosti Funkce více proměnných Funkce více proměnných se v matematice začal používat v rámci rozvoje analtické geometrie v prostoru s počátkem 8. stol. I v sami

Více

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0.

(ne)závislost. α 1 x 1 + α 2 x 2 + + α n x n. x + ( 1) x Vektoru y = ( 1) y říkáme opačný vektor k vektoru y. x x = 1. x = x = 0. Lineární (ne)závislost [1] Odečítání vektorů, asociativita BI-LIN, zavislost, 3, P. Olšák [2] Místo, abychom psali zdlouhavě: x + ( 1) y, píšeme stručněji x y. Vektoru y = ( 1) y říkáme opačný vektor k

Více

S M Ě R N I C E č. 6/2014 ministra financí ------------------------------------------------------------------------

S M Ě R N I C E č. 6/2014 ministra financí ------------------------------------------------------------------------ MINISTERSTVO FINANCÍ Praha 1, Letenská 15 V Praze dne 12. prosince 2014 Č.j.: MF 69 949/2014/4703-2 S M Ě R N I C E č. 6/2014 ministra financí ------------------------------------------------------------------------

Více

POUŽITÍ DATABÁZÍ. Po ukončení tohoto kurzu budete schopni

POUŽITÍ DATABÁZÍ. Po ukončení tohoto kurzu budete schopni POUŽITÍ DATABÁZÍ Barbora Tesařová Cíle kurzu Po ukončení tohoto kurzu budete schopni chápat základní principy databáze, vytvořit novou databázi, vytvořit a upravit tabulky, řadit a filtrovat data v tabulkách,

Více

Základní pojmy teorie grafů [Graph theory]

Základní pojmy teorie grafů [Graph theory] Část I Základní pojmy teorie grafů [Graph theory] V matematice grafem obvykle rozumíme grafické znázornění funkční závislosti. Pro tento předmět je však podstatnější pohled jiný. V teorii grafů rozumíme

Více

4. Topologické vlastnosti množiny reálných

4. Topologické vlastnosti množiny reálných Matematická analýza I přednášky M. Málka cvičení A. Hakové a R. Otáhalové Zimní semestr 2004/05 4. Topologické vlastnosti množiny reálných čísel V této kapitole definujeme přirozenou topologii na množině

Více

Analytické myšlení TSP MU výroková logika II.

Analytické myšlení TSP MU výroková logika II. Analytické myšlení TSP MU výroková logika II. Lehký úvod do výrokové logiky pro všechny, kdo se hlásí na Masarykovu univerzitu Tento materiál vznikl v rámci realizace projektu: Globální vzdělávání pro

Více

Jsme firma, která už působí na trhu několik let. Za tu dobu jsme nasbírali

Jsme firma, která už působí na trhu několik let. Za tu dobu jsme nasbírali K.O.D.A. s.r.o Jsme firma, která už působí na trhu několik let. Za tu dobu jsme nasbírali dost zkušeností v našem oboru. Zabýváme se vývojem informačního systému pro výrobní podniky a dále konzultačními

Více

Databáze ArcView) Databázový systém

Databáze ArcView) Databázový systém Databázový systém Databáze (pro začínaj nající uživatele ArcView) Přednáška. Datová základna: soubor všech uživatelských dat uložených v databázi Databázový systém = data + nástroje pro práci s daty. Access.

Více

Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly.

Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly. Kapitola Reprezentace grafu V kapitole?? jsme se dozvěděli, co to jsou grafy a k čemu jsou dobré. rzo budeme chtít napsat nějaký program, který s grafy pracuje. le jak si takový graf uložit do počítače?

Více

Modelování založené na faktech (FactBasedModeling -FBM)

Modelování založené na faktech (FactBasedModeling -FBM) EO_02 Obsah přednášky Pojem faktu modelování založené na faktech. Model založený na faktech (konceptuální model) & datový model. Modelovací nástroj pro modelování faktů: ObjectRole Modeling (Modelování

Více

ÚVOD DO DATABÁZÍ I (DISTANČNÍ VÝUKOVÁ OPORA)

ÚVOD DO DATABÁZÍ I (DISTANČNÍ VÝUKOVÁ OPORA) UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ÚVOD DO DATABÁZÍ I (DISTANČNÍ VÝUKOVÁ OPORA) Zdeňka Telnarová Ostravská univerzita 1 Modul 1... 5 1.1 Základní systémové pojmy... 5 1.1.1 Systém...5

Více

1 Tabulky Příklad 3 Access 2010

1 Tabulky Příklad 3 Access 2010 TÉMA: Vytvoření tabulky v návrhovém zobrazení Pro společnost Naše zahrada je třeba vytvořit databázi pro evidenci objednávek o konkrétní struktuře tabulek. Do databáze je potřeba ještě přidat tabulku Platby,

Více

INFORMATIKA. Jindřich Kaluža. Ludmila Kalužová

INFORMATIKA. Jindřich Kaluža. Ludmila Kalužová INFORMATIKA Jindřich Kaluža Ludmila Kalužová Recenzenti: doc. RNDr. František Koliba, CSc. prof. RNDr. Peter Mikulecký, PhD. Vydání knihy bylo schváleno vědeckou radou nakladatelství. Všechna práva vyhrazena.

Více

O FUNKCÍCH. Obsah. Petr Šedivý www.e-matematika.cz Šedivá matematika

O FUNKCÍCH. Obsah. Petr Šedivý www.e-matematika.cz Šedivá matematika O FUNKCÍCH Obsah Nezbytně nutná kapitola, kterou musíte znát pro studium limit, derivací a integrálů. Základ, bez kterého se neobejdete. Nejprve se seznámíte se všemi typy funkcí, které budete potřebovat,

Více

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1

Řešení. Hledaná dimenze je (podle definice) rovna hodnosti matice. a 1 2. 1 + a 2 2 1 Příklad 1. Určete všechna řešení následující soustavy rovnic nad Z 2 : 0 0 0 1 1 1 0 1 0 1 1 1 1 1 0 1 0 1 0 1 1 Gaussovou eliminací převedeme zadanou soustavu na ekvivalentní soustavu v odstupňovaném

Více

DATABÁZE MS ACCESS 2010

DATABÁZE MS ACCESS 2010 DATABÁZE MS ACCESS 2010 KAPITOLA 5 PRAKTICKÁ ČÁST TABULKY POPIS PROSTŘEDÍ Spuštění MS Access nadefinovat název databáze a cestu k uložení databáze POPIS PROSTŘEDÍ Nahoře záložky: Soubor (k uložení souboru,

Více

Historie matematiky a informatiky Cvičení 2

Historie matematiky a informatiky Cvičení 2 Historie matematiky a informatiky Cvičení 2 Doc. RNDr. Alena Šolcová, Ph. D., KAM, FIT ČVUT v Praze 2014 Evropský sociální fond Investujeme do vaší budoucnosti Alena Šolcová Číselně teoretické funkce (Number-Theoretic

Více

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce

Více

Ing. Roman Danel, Ph.D. 2010

Ing. Roman Danel, Ph.D. 2010 Datový sklad Ing. Roman Danel, Ph.D. 2010 Co je to datový sklad a kdy se používá? Pojmem datový sklad (anglicky Data Warehouse) označujeme zvláštní typ databáze, určený primárně pro analýzy dat v rámci

Více

Uživatelský manuál: Modul Nové kontakty

Uživatelský manuál: Modul Nové kontakty Uživatelský manuál: Modul Nové kontakty Se zapnutím nových kontaktů souvisí nasazení nové aplikace Těžká podatelna a nový formulář pro evidenci externí písemnosti (dokumentu). Zapnutí nových kontaktů lze

Více

Microsoft Office. Word hromadná korespondence

Microsoft Office. Word hromadná korespondence Microsoft Office Word hromadná korespondence Karel Dvořák 2011 Hromadná korespondence Hromadná korespondence je způsob, jak určitý jeden dokument propojit s tabulkou obsahující více záznamů. Tímto propojením

Více