Entwurfstheorie

Relationale Entwurfstheorie
Katrin Seyr
Institut fu r Informationssysteme Technische Universit at Wien
Katrin Seyr
Seite 1
1. Uberblick
Uberblick
1 2 3
Uberblick Ziele Funktionale Abh angigkeiten

Denitionen Kanonische Uberdeckung
Entwurfstheorie und Zerlegung

Schlechte Relationenschemata Zerlegung von Relationenschemata Kriterien fu r eine sinnvolle Zerlegung
Normalformen (1., 2., 3., Boyce-Codd)

Normalisierung durch Synthesealgorithmus Normalisierung durch Dekomposition
Katrin Seyr
Seite 2
2. Ziele
Ziele
Finetuning des relationalen Schemas Qualit at eines Relationenschemas:

Einhaltung von Konsistenzbedingungen Vermeidung von Redundanzen
Bisher: Modellierung mittels Constraints Nun: zus atzlich Modellierung mittels Datenabh angigkeiten
Funktionale Abh angigkeiten Inklusionsabh angigkeiten Verbundabh angigkeiten
Katrin Seyr
Seite 3
2. Ziele
Ziele
Grundlage: Funktionale Abh angigkeiten (FDs)

Denition Schlu ssel Bestimmung Kanonische Uberdeckung
Normalformen als Gu tekriterium Ggs. Verbesserung eines Relationenschemas

Synthesealgorithmus Dekomposition
Katrin Seyr
Seite 4
3. Funktionale Abh angigkeiten
Funktionale Abh angigkeiten

Schema R = {A, B , C , D } Attribute A, B , C , . . . Attributmengen: , , . . . Relation R , Tupel r , s , t
Denition (Funktionale Abh angigkeit)

Seien R, R. Eine Relation R erfu angigkeit (FD) llt eine funktionale Abh genau dann, wenn r , t R mit r . = t . gilt, r . = t . .
: wenn zwei Tupel die gleichen Werte fu r alle Attribute in haben, so haben sie die gleichen Werte auch fu r alle Attribute in . Die -Werte bestimmen die -Werte eindeutig (funktional)
Katrin Seyr
Seite 5

Beispiel
Ein Familienstammbaum impliziert folgende FDs:
Kind Vater, Mutter Kind, Oma Opa Kind, Opa Oma
Stammbaum Kind Soe Soe Niklas Niklas Soe Mutter Sabine Sabine Sabine Sabine ... Vater Alfons Alfons Alfons Alfons ... Oma Linde Lisa Linde Lisa Linde Opa Lothar Hubert Lothar Hubert Willi
Katrin Seyr
Seite 6

Beispiel
Schema R = {A, B , C , D } der Relation R Frage: sind folgende FDs auf der Relation R gu ltig oder nicht:
R
{A} {B } {C , D } {B } {B } {C } {A, B } {C } {B , C } {A} {B } {A}
ja ja nein ja nein nein
A a4 a1 a1 a2 a3
B b2 b1 b1 b2 b2
C c4 c1 c1 c3 c4
D d3 d1 d2 d2 d3
Katrin Seyr
Seite 7
3.1. Einhaltung einer FD
Einhaltung einer FD
Gesucht: Algorithmus zur Uberpr u fung, ob eine gegebene Relation R die FD erfu llt:
Input: (R , ), Relation R und eine FD Output: ja, wenn FD erfu llt, nein sonst Einhaltung (R , ) sortiere R nach den Werten von falls alle Gruppen von Tupeln mit gleichen Werten die gleichen Werte aufweisen: output(ja) sonst output(nein)
Laufzeit von Einhaltung ist bestimmt durch Aufwand fu r die Sortierung O (nlogn)
Katrin Seyr
Seite 8
3.2. Schl ussel
Schlu ssel
Denition (Schlu ssel)
R ist ein Kandidatenschlu ssel oder Schlu ssel, falls die beiden folgenden Bedingungen erfu llt sind:
1 2
R ist minimal, d.h. A : ( {A}) R
Im Relationenmodell: Auszeichnung eines Schlu arschlu ssels als Prim ssel zur Verknu ar- und Fremdschlu pfung von Tabellen mittels Prim ssel
Denition (Superschlu ssel)

R ist ein Superschlu ssel (Oberschlu ssel), falls R keine Minimalit at bei Superschlu sseln ein Superschlu ssel ist eine Obermenge eines Schlu ssels
Katrin Seyr
Seite 9
3.3. Schl usselbestimmung
Schlu sselbestimmung
Beispiel
Eine Stadt wird beschrieben durch ihren Namen (Name), das Bundesland (BLand) in dem sie liegt, die Vorwahl (VW) und die Einwohnerzahl (EW). Frage: Welche FDs ergeben sich aufgrund der Semantik der zu modellierenden Miniwelt? Ortsnamen sind innerhalb eines Bundeslandes eindeutig d.h. {Name, BLand} VW, EW mehrere St adte k onnen dieselbe Vorwahl haben, aber nur, wenn sie einen unterschiedlichen Namen haben d.h. {Name, VW} BLand, EW Frage: Welche Kandidatenschlu ssel ergeben sich aufgrund der gefundenen FDs? {Name, BLand} {Name, VW}
Katrin Seyr
Seite 10
3.3. Schl usselbestimmung
Schlu sselbestimmung
St adte Name Frankfurt Frankfurt Mu nchen Passau Garching ... BLand Hessen Brandenburg Bayern Bayern Bayern ... Vorwahl 069 0335 089 0851 089 ... EW 650.000 84.000 1.200.000 50.000 15.200 ...
Katrin Seyr
Seite 11
3.4. Bestimmung von FDs
Bestimmung von FDs

Beispiel
Gegeben: Information u ber Professoren anhand folgender Attribute: Professoren:{[PersNr, Name, Rang, Raum, Ort, Strae, PLZ, Vorwahl, BLand, EW, Landesregierung]} Frage: Welche funktionalen Abh angigkeiten lassen sich aufgrund der Semantik der zu modellierenden Miniwelt nden? PersNr ist ein Kandidatenschlu ssel: {PersNr} {PersNr, Name, Rang, Raum, Ort, Strae, PLZ, Vorwahl, BLand, EW, Landesregierung} Ortsnamen sind innerhalb eines Bundeslandes eindeutig: {Ort, BLand} {EW, Vorwahl}
Katrin Seyr
Seite 12
3.4. Bestimmung von FDs
Bestimmung von FDs

Beispiel
Die Postleitzahl identiziert einen Ort, das Bundesland und die Einwohnerzahl: {PLZ} {BLand, Ort, EW} Die Postleitzahl andert sich innerhalb der Strae eines Ortes nicht: {BLand, Ort, Strae} {PLZ} Landesregierung speichert die Partei des Ministerpr asidenten: {BLand} {Landesregierung} In einem Raum kann nur ein Professor sitzen: {Raum} {PersNr}
Katrin Seyr
Seite 13
3.5. H ulle von FDs
Hu lle von FDs

Problem: F Menge von FDs. Welche weiteren FDs k onnen daraus abgeleitet werden? Beispiel: Raum PersNr, PersNr Name Raum Name
Denition (Hu lle von FDs)

Die Menge aller aus F ableitbaren FDs wird Hu lle F + von F genannt.
Verst andnishilfe aus der Mathematik: V eine Menge von Vektoren. Die Menge aller Vektoren, die aus V mittels Linearkombinationen erhalten werden: lineare Hu lle von V.
Berechnung der Hu lle F + von F mittels der Armstrong Axiome (1974).
Theorem
Die Armstrong Axiome sind vollst andig (erzeugen alle implizierten FDs) und korrekt (erzeugen nur gu ltige FDs)
Katrin Seyr
Seite 14
3.6. Die Armstrong Axiome
Die Armstrong Axiome
Reexivit at: Sei eine Teilmenge von ( ) dann gilt immer . Insbesondere gilt . Verst arkung: Falls gilt, dann gilt auch . Transitivit at: Falls , gelten, dann gilt auch . Zus atzliche Axiome, die die Herleitung der Hu lle erleichtern: Vereinigung: und . Dekomposition: und
wichtig: kann immer erreichen, dass rechts nur ein Attribut steht.
Pseudotransitivit at: und .
Katrin Seyr
Seite 15
3.6. Die Armstrong Axiome
Die Armstrong Axiome

Beispiel
Herleitung der FD {PLZ} {Landesregierung} aus den restlichen FDs im Beispielschema Professoren: Es gelten: {PLZ} {Bland, Ort, EW} und {BLand} {Landesregierung} Dekomposition von {PLZ} {Bland, Ort, EW}: {PLZ} {Bland}, {PLZ} {Ort}, {PLZ} {EW} Transitivit at von {PLZ} {BLand}, {BLand} {Landesregierung}: {PLZ} {Landesregierung }
Katrin Seyr
Seite 16
3.7. Aquivalenz von Mengen von FDs
Aquivalenz von Mengen von FDs
Denition (Aquivalenz von FDs)

Zwei Mengen F , G von FDs sind aquivalent (F G ), wenn sie dieselbe Hu lle besitzen, d.h. F + = G +
Mathematik: zwei Mengen von Vektoren sind aquivalent, wenn sie denselben Vektorraum aufspannen
Problem: gesucht ist eine m oglichst knappe Darstellung von FDs (Basis) Lo sung: die Kanonische Uberdeckung
Mathematik: Basis eines Vektorraumes
Katrin Seyr
Seite 17
3.8. Kanonische Uberdeckung
Kanonische Uberdeckung
Denition (Kanonische Uberdeckung)
FC heit kanonische Uberdeckung einer Menge von FDs F , wenn die folgenden drei Kriterien erfu llt sind:
1 2 3 + FC = F + (FC ist aquivalent zu F ) In FC existieren keine FDs, die u beru ssige Attribute enthalten Jede linke Seite einer FD in FC ist einzigartig.
Theorem
Zu jeder Menge von funktionalen Abh angigkeiten F gibt es eine kanonische Uberdeckung FC .
Mathematik: Zu jeder Menge von Vektoren, die einen Vektorraum aufspannen, gibt es eine Basis.
Katrin Seyr
Seite 18
3.9. Berechnung Kanonische Uberdeckung (1)
Berechnung Kanonische Uberdeckung (1)

Die Berechnung der Kanonischen Uberdechung ergibt sich direkt aus der Denition: 1 Zerlege alle FDs mittels Dekomposition auf der rechten Seite (Aquivalenz gew ahrleistet) 2 Ku rze u beru ssige Attribute wie folgt:
1
Fu hre fu r jede FD B F die Linksreduktion durch, also: kann aus ein Attribut geku aquivalent zur rzt werden, sodass das Ergebnis urspru nglichen Menge von FDs bleibt? Fu hre fu r jede (verbliebene) FD B F die Rechtsreduktion durch, also: kann B geku aquivalent zur rzt werden, sodass das Ergebnis urspru nglichen Menge von FDs bleibt?
Fasse mittels der Vereinigungsregel FDs zusammen (Aquivalenz gew ahrleistet).
Damit in den Ku aquivalente rzungsschritten sichergestellt bleibt, dass nur Ergebnisse erhalten werden, verwenden wir den Algorithmus AttrHu lle
Katrin Seyr
Seite 19
3.10. Algorithmus AttrH ulle
Algorithmus AttrHu lle

Gegeben: eine Menge von Attributen und F eine Menge von FDs. Frage: Welche Attribute kann ich aus aufgrund von F herleiten?
Denition (Hu lle einer Attributmenge)

Die Menge + der Attribute, die aus einer Menge von Attributen aufgrund einer Menge von FDs F hergeleitet werden k onnen, nennt man die Hu lle der Attributmenge . Input: (F , ), Menge F von FDs und Menge von Attributen Output: Menge der Attribute + . AttrHu lle (F , ) + = while ( ) F mit + und + do + := + return(+ )
Katrin Seyr Seite 20
1 2
Zerlege alle FDs mittels Dekomposition auf der rechten Seite Ku rze u beru ssige Attribute wie folgt:
1
Fu hre fu r jede FD B F die Linksreduktion durch: A : gilt B AttrHu lle(F , A) (ist A u beru ssig?) wenn ja: ersetze B durch ( A) B .
Fu hre fu r jede (verbliebene) FD B F die Rechtsreduktion durch: gilt B AttrHu lle(F ( B ), ) (ist B bzw. B u beru ssig?) wenn ja: streiche B
Fasse mittels der Vereinigungsregel FDs zusammen.
Katrin Seyr
Seite 21

Beispiel
F = {A B , B C , AB C }
1 2
Dekomposition nicht notwendig Ku rzen

1
Linksreduktion: A B : bereits reduziert B C : bereits reduziert AB C : C AttrHu lle(F , A) ja F := {A B , B C , A C } Rechtsreduktion: A B : B AttrHu lle(F \ A B , A) nein B C : C AttrHu lle(F \ B C , B ) nein A C : C AttrHu lle(F \ A C , A) ja F := {A B , B C }
Vereinigungsregel nicht anwendbar FC := {A B , B C }
Katrin Seyr
Seite 22

Beispiel
F = {A BD , AC E , CD E , E A, D C }
1
Dekomposition: F = {A B , A D , AC E , CD E , E A, D C } Linksreduktion: A B : ok A D : ok E A: ok D C : ok AC E : E AttrHu lle(F , A) ja F = {A B , A D , A E , CD E , E A, D C } CD E : E AttrHu lle(F , C ) nein E AttrHu lle(F , D ) ja F = {A B , A D , A E , D E , E A, D C }


Beispiel
F = {A B , A D , A E , D E , E A, D C }
3
Rechtsreduktion: A B : B AttrHu lle(F \ A B , A) nein A D : D AttrHu lle(F \ A D , A) nein A E : E AttrHu lle(F \ A E , A) ja F = {A B , A D , D E , E A, D C } D E : E AttrHu lle(F \ D E , D ) nein E A: A AttrHu lle(F \ E A, E ) nein D C : C AttrHu lle(F \ D C , D ) nein Zusammenfassen: FC = {A BD , D EC , E A}
Katrin Seyr
Seite 24
3.12. Schl usselbestimmung mittels AttrH ulle
Schlu sselbestimmung mittels AttrHu lle

Problem: Suche nach Kandidatenschlu sseln einer Relation R aufgrund der vorhandenen FDs.
Denition (Schlu ssel - Wiederholung)

R ist ein Kandidatenschlu ssel oder Schlu ssel, falls die beiden folgenden Bedingungen erfu llt sind:
1 2
R ist minimal, d.h. A : ( {A}) R R, wenn AttrHu lle(F , ) = R die Minimalit at ist erfu llt, wenn fu r jedes Attribut A aus gilt: AttrHu lle(F , A) = R
1 2
Katrin Seyr
Seite 25

Beispiel
R = {ABCDEF }, F = {C BDAE } Zeitraubende Vorgehensweise: Durchprobieren aller einelementigen, aller zweielementigen, aller dreielementigen Schlu sselkandidaten mittels AttrHu lle Alternativ: Verwendung der folgenden Heuristik: Alle Attribute, die nicht auf der rechten Seite vorkommen, k onnen mittels AttrHu lle nicht hergeleitet werden und mu ssen daher im Schlu ssel enthalten sein. Hier: C und F kommen rechts nicht vor, daher folgender Versuch: AttrHu lle(C BDAE , CF ) = {C , F , B , D , A, E } CF ist Schlu ssel von R
Katrin Seyr
Seite 26

Beispiel
R = {ABCDEF }, F = {C BD , D AE , E CF , F E } Heuristik hier nicht zielfu hrend, da alle Attribute hergeleitet werden ko nnen. C: AttrHu lle(F , C ) = {C , B , D , A, E , F } C ist Schlu ssel von R Achtung: C kann aus E hergeleitet werden also: E: AttrHu lle(F , E ) = {E , C , B , D , A, F } E ist auch Schlu ssel von R Achtung: E kann aus D oder F hergeleitet werden also: D: AttrHu lle(F , D ) = {D , A, E , C , F , B } D ist Schlu ssel von R, F: AttrHu lle(F , F ) = {F , E , C , B , D , A} F ist Schlu ssel von R C , D , E , F sind Schlu ssel von R
Katrin Seyr
Seite 27
3. Uberblick Wh.
Uberblick Wh.
Ziele Funktionale Abh angigkeiten

Denitionen Kanonische Uberdeckung

Normalformen (1., 2., 3., Boyce-Codd)

Normalisierung durch Synthesealgorithmus Normalisierung durch Dekomposition
Katrin Seyr
Seite 28
4. Entwurfstheorie und Zerlegung

Verlustlosigkeit Abh angigkeitstreue
Katrin Seyr
Seite 29
4.1. Schlechte Relationenschemata
Schlechte Relationenschemata
ProfVorl PersNr 2125 2125 2125 ... 2132 2137 Name Sokrates Sokrates Sokrates ... Popper Kant Rang C4 C4 C4 ... C3 C4 Raum 226 226 226 ... 52 7 VorlNr 5041 5049 4052 ... 5295 4630 Titel Ethik M aeutik Logik ... Der Wiener Kreis Die drei Kritiken SWS 4 2 4 ... 2 4
Update-Anomalie: Sokrates zieht um L osch-Anomalie: Bsp: Die 3 Kritikenf allt weg Einfu geanomalie: Bsp: Curie ist neu und liest noch keine Vorlesungen (hat keinen Schlu ssel?!)
Katrin Seyr
Seite 30
4.2. Zerlegung von Relationenschemata
Zerlegung von Relationenschemata (1)
Anomalien beruhen auf der Tatsache, dass nicht zusammenpassende Informationen zusammen gespeichert wurden. Intuitiv:
alle Informationen zu Professoren werden in einer Relation gespeichert, alle Informationen zu Vorlesungen werden in einer Relation gespeichert, die Information u ber die Verknu pfung beider Relationen wird in einer
Relation gespeichert.
L osung: Zerlegung des Schemas in Teilschemata Frage: was ist eine sinnvolle Zerlegung?
Katrin Seyr
Seite 31
Zerlegung von Relationenschemata

Beispiel
Zerlegung von ProfVorl(PersNr, Name, Rang, Raum, VorlNr, Titel, SWS) in Teilschemata Versuch 1: Zerlegung in: Prof(PersNr, Name, Rang, Raum) Vorlesung(VorlNr, Titel, SWS) Problem: wer h alt welche LVA ? Ursache: Teilschemata k onnen nicht mehr korrekt verknu pft werden Versuch 2: Zerlegung in: Prof(PersNr, Name, Raum, VorlNr, Titel, SWS ) Titel(Name, Rang) Problem: Titel von Professoren gleichen Namens Ursache: die FD {PersNr} {Rang} ist verlorengegangen
Katrin Seyr
Seite 32

Es gibt zwei Korrektheitskriterien fu r die Zerlegung von Relationenschemata: Verlustlosigkeit (Verlust von Information) Abh angigkeitstreue (Verlust von Metainformation)
Denition (Verlustlosigkeit - intuitiv)

Die in der Auspr agung R des Schemas R enthaltenen Informationen mu ssen aus den Auspr agungen R1 , . . . Rn der neuen Schemata R1 , . . . Rn rekonstruierbar sein.
Denition (Abh angigkeitstreue - intuitiv)

Die auf R geltenden funktionalen Abh angigkeiten mu ssen auf die Schemata R1 , . . . Rn u bertragbar sein.
Katrin Seyr
Seite 33

Denition (Verlustlosigheit)
Gegeben ein Schema R = R1 R2 , mit den Auspr agungen R , R1 := R1 (R ) und R2 := R2 (R ) Die Zerlegung von R in R1 und R2 ist verlustlos, falls fu ogliche r jede m (gu agung R von R gilt: ltige) Auspr R = R1 R2
Theorem (Hinreichende Bedingung fu r Verlustlosigkeit)

Eine Zerlegung von R in R1 und R2 ist verlustlos, wenn die Joinattribute in einer der Teilrelationen Schlu ssel sind.
Katrin Seyr
Seite 34

Beispiel (Verlustlose Zerlegung 1)
Zerlegung von ProfVorl(PersNr, Name, Rang, VorlNr, Titel, SWS) in mehrere Teilschemata:
ProfVorl PersNr 2125 2125 2125 ... 2132 2137 Name Sokrates Sokrates Sokrates ... Popper Kant Rang C4 C4 C4 ... C3 C4 VorlNr 5041 5049 4052 ... 5295 4630 Titel Ethik M aeutik Logik ... Der Wiener Kreis Die drei Kritiken SWS 4 2 4 ... 2 4
Katrin Seyr
Seite 35

Versuch 1:
Professoren PersNr 2125 2132 2137 ... Name Sokrates Popper Kant ... Rang C4 C3 C4 ... VorlNr 5041 5049 4052 5295 4630 ... Vorlesungen Titel Ethik M aeutik Logik Der Wiener Kreis Die drei Kritiken ... SWS 4 2 4 2 4 ...
Frage: gilt ProfVorl = Professoren
Vorlesungen ?
Nein: die Verknu pfung mittels Join wird mangels Joinattributs zum Karthesischen Produkt.

Versuch 2:
Professoren PersNr 2125 2132 2137 ... Name Sokrates Popper Kant ... Rang C4 C3 C4 ... VorlNr 5041 5049 4052 5295 4630 ... Titel Ethik M aeutik Logik Der Wiener Kreis Die drei Kritiken ... Vorlesungen SWS 4 2 4 2 4 ... PersNr 2125 2125 2125 2132 2137 ...
Frage: gilt ProfVorl = Professoren Vorlesungen ? Ja: das Joinattribut PersNr ist Schlu ssel in Professoren hinreichende Bedingung ist erfu llt Zerlegung ist verlustlos

Zerlege Relation Eltern: {[Vater, Mutter, Kind]} in zwei Teilrelationen: R1 V ater: {[Vater, Kind]} R2 Mu tter: {[Mutter, Kind]} Frage: ist die Zerlegung verlustlos? Ja: das Joinattribut von V ater mit Mu tter ist Kind Verlustlosigkeit ist garantiert Bemerkung: Die Zerlegung von Eltern ist zwar verlustlos, aber auch unn otig, da die Relation in sehr gutem Zustand (Normalform) ist
Katrin Seyr
Seite 38
4.3. Zerlegung von Relationenschemata (3)
Denition (Abh angigkeitstreue)

Gegeben ein Schema R = R1 Rn . Die Zerlegung von R in R1 . . . Rn ist abh angigkeitstreu, wenn FR (FR1 FRn )
+ bzw. FR = (FR1 FRn )+
Katrin Seyr
Seite 39

Beispiel (Abh angigkeitstreue Zerlegung)
Gegeben ein Relationenschema PLZverzeichnis:{[Strae, Ort, BLand, PLZ]} und folgenden Annahmen: Orte werden durch Namen und Bundesland eindeutig identiziert. PLZgebiete gehen nicht u ber Ortsgrenzen hinweg {PLZ} {Ort, BLand} Innerhalb einer Strae andert sich die PLZ nicht {Strae, Ort, BLand} {PLZ}. Zerlegung in: R1 Straen: {[PLZ, Strae]} R2 Orte: {[PLZ, Ort, BLand]} mit FD {PLZ} {Ort, BLand} ABER: {Strae, Ort, BLand} {PLZ} ist verloren gegangen. (Zerlegung ist verlustlos, da PLZ Schlu ssel in Orte)
Katrin Seyr
Seite 40

Beispiel (Abh angigkeitstreue Zerlegung)
PLZVerzeichnis Ort Frankfurt Frankfurt Frankfurt Straen PLZ 60313 60437 15234 15235 Strae Goethestrae Schillerstrae Goethestrae Goethestrae Ort Frankfurt Frankfurt Frankfurt Frankfurt BLand Hessen Hessen Brandenburg Strae Goethestrae Schillerstrae Goethestrae Orte BLand Hessen Hessen Brandenburg Brandenburg PLZ 60313 60437 15234 15235 PLZ 60313 60437 15234
Katrin Seyr
Seite 41
5. Normalformen
Normalformen
1. Normalform
NF2 Relationen
2. Normalform 3. Normalform
Zerlegung in 3NF Synthesealgorithmus
Boyce-Codd Normalform
Zerlegung in BCNF Dekompositionsalgorithmus
Katrin Seyr
Seite 42
5. Normalformen
5.1. 1. Normalform
1. Normalform
Denition (1. Normalform)
Ein Relationenschema R ist in 1. Normalform, wenn die Dom anen von R atomar sind.
Eltern Vater Johann Heinz Mutter Martha Martha Eltern Vater Johann Johann Heinz Mutter Martha Martha Martha Kind Else Lucie Cleo Kinder {Else, Lucie} {Cleo}
nicht in 1NF
in 1NF
Katrin Seyr
Seite 43
5. Normalformen
5.2. NF2 Relationen
NF2 Relationen
Non-First Normal Form Relationen Attribut einer Relation kann selbst eine Relation sein im SQL2003 Standard enthalten
Eltern Vater Johann Johann Heinz Mutter Martha Maria Martha Else Lucie Theo Josef Cleo Kinder KName KAlter 5 3 3 1 9
Katrin Seyr
Seite 44
5. Normalformen
5.3. 2. Normalform
2. Normalform
Intuitiv: Relationenschema R verletzt die 2. Normalform, wenn in der Relation Informationen u ber mehr als ein Konzept modelliert werden. Nur von historischem Interesse, da es immer noch zu Anomalien kommen kann.
Katrin Seyr
Seite 45
5. Normalformen
5.4. 3. Normalform
3. Normalform
Denition (3. Normalform)

Ein Relationenschema R ist in dritter Normalform, wenn fu r jede auf R geltende funktionale Abh angigkeit der Form B mit R und B R eine der folgenden drei Bedingungen gilt:
1 2 3
B , d.h., die FD ist trivial das Attribut B ist in einem der Schlu ssel von R enthalten ist Superschlu ssel von R.
Katrin Seyr
Seite 46
5. Normalformen
5.4. 3. Normalform
3. Normalform
Beispiel (Check auf 3NF 1)
R = (ABCDEF ), F = {C BDAE } = {C B , C D , C A, C E }. Der Schlu ssel von R ist: CF (R, F ) ist in 3NF, wenn fu r jede FD eine der drei NF-Bedingungen gilt:
1 2
Keine FD ist trivial: Bedingung 1 gilt nicht Ist das Attribut auf der rechten Seite der FDs in einem der Schlu ssel von R enthalten? Nein, Bedingung 2 gilt fu r keine FD. Ist die Attributmenge auf der linken Seite der FDs ein Superschlu ssel von R? Nein, Bedingung 3 gilt fu r keine FD.
Mindestens eine FD (C B ) verletzt die 3NF R ist nicht in 3NF.
Katrin Seyr
Seite 47
5. Normalformen
5.4. 3. Normalform
3. Normalform
Beispiel (Check auf 3NF 2)
R = (ABCDEF ) F = {C B , C D , D A, D E , E C , E F , F E } Die Schlu ssel von R sind: C , E , F , D
1 2
Keine FD ist trivial: Bedingung 1 gilt nicht Ist das Attribut auf der rechten Seite der FDs in einem der Schlu ssel von R enthalten? OK fu r C D , D E , E CF , F E , gilt aber nicht fu r C B, D A Ist die Attributmenge auf der linker Seite der FDs ein Superschlu ssel von R? OK fu r C B , D A.
Keine FD verletzt die 3NF in 3NF
Katrin Seyr
Seite 48
5. Normalformen
5.5. Zerlegung in 3NF
Zerlegung in 3NF
Theorem
Ein Relationenschema R = R1 Rn ist in dritter Normalform, wenn alle Ri in dritter Normalform sind. Gegeben Relationenschema R mit FDs F . Gesucht: Zerlegung in Teilschemata R1 . . . Rn , fu r die gilt:
Zerlegung in R1 . . . Rn ist verlustlos, Zerlegung in R1 . . . Rn ist abh angigkeitstreu, alle R1 . . . Rn sind in dritter Normalform.
L osung: Synthesealgorithmus
Katrin Seyr
Seite 49
5. Normalformen
5.6. Der Synthesealgorithmus
Der Synthesealgorithmus
1 2
Bestimme kanonische Uberdeckung Fc zu F . Fu angigkeit Fc : r jede funktionale Abh

Erstelle ein Relationenschema R := Ordne R die FDs F := { Fc | R } zu. Informell: aus jeder FD wird ein eigenes Schema (Bedingung fu r Abh angigkeitstreue erfu wichtig, um nicht zu viele llt) - kanonische Uberdeckung Teilschemata zu generieren
Enth alt eines der in Schritt 2. erzeugten Teilschemata einen Schlu ssel von R bzgl. Fc fertig andernfalls: w ahle einen Schlu ssel R aus und deniere folgendes zus atzliche Schema: R := mit F :=
Informell: erzeuge ein Schema zum Verknu pfen der Teilschemata (Bedingung fu r Verlustfreiheit erfu llt)
Eliminiere die in einem anderen Schema R enthaltenen Schemata R .

Informell: ku rze u beru ssige Schemata
Katrin Seyr
Seite 50
5. Normalformen
Beispiel (Synthesealgorithmus 1)
R = {PersNr , Name , Rang , Raum, Ort , Strae , PLZ , Vorwahl , BLand , EW , Landesregierung } = {P , N , R , Z , O , S , Plz , V , B , E , L} und die FDs von fru her. 1 Kanonische Uberdeckung: P NRZOSB , Z P , SBO Plz , OB EV , B L, Plz BO
2
Generierung der Teilschemata und Zuordnung aller FDs: {PNRZOSB } es gelten: P NRZOSB und Z P {ZP } es gelten: Z P und P Z {SBOPlz } es gelten: SBO Plz und Plz BO {OBEV } es gilt: OB EV {BL} es gilt: B L {PlzBO } es gilt: Plz BO
Katrin Seyr
Seite 51
5. Normalformen
3
Enth alt eines der Teilschemata einen Schlu ssel von R bezu glich F ? Ja: P war Schlu ssel und ist in {PNRZOSB } enthalten fertig Schemaelimination: {ZP } ist schon in {PNRZOSB } enthalten ku rzen {PlzBO } ist schon in {SBOPlz } enthalten ku rzen
Ergebnis: Professoren: PLZListe: St adte: Regierung:
{[PersNr, Name, Rang, Raum, Ort, Strae, BLand]} {[Strae, Ort, BLand,PLZ]} {[Ort, BLand, EW, Vorwahl]} {[BLand, Landesregierung]}
Katrin Seyr
Seite 52
5. Normalformen
R = (ABCDEF ), F = {A EC , BC F , D B }
1 2
ist schon kanonisch R1 = (AEC ), R2 = (BCF ), R3 = (DB ) keine (nichttrivialen) Zuordnungen m oglich Schlu ssel von R: AD hinzufu gen von R4 = (AD ) Nichts ist zu eliminieren. R = (AEC ) (BCF ) (DB ) (AD )
3 4
Katrin Seyr
Seite 53
5. Normalformen
5.7. Boyce-Codd Normalform
Denition (Boyce-CoddNormalform)
Ein Relationenschema R ist in Boyce-Codd Normalform, wenn fu r jede auf R geltende funktionale Abh angigkeit der Form B mit R und B R eine der folgenden zwei Bedingungen gilt:
1 2
B , d.h., die FD ist trivial ist Superschlu ssel von R.
Theorem (Normalformen Zusammenhang)

Die Normalformen h angen wie folgt zusammen: BCNF 3NF 2NF 1NF
Katrin Seyr
Seite 54
5. Normalformen
Beispiel (Check auf BCNF 1)

R = (ABCDEF ) F = {C B , C D , D A, D E , E C , E F , F E } Die Schlu ssel von R sind: C , E , D , F (R, F ) ist in BCNF, wenn fu r jede FD eine der zwei NF-Bedingungen gilt:
1 2
Keine FD ist trivial: Bedingung 1 gilt nicht Ist die Attributmenge auf der linken Seite der FDs ein Superschlu ssel von R? Ja, Bedingung 2 gilt fu r alle FDs.
Keine FD verletzt die BCNF in BCNF
Katrin Seyr
Seite 55
5. Normalformen
Beispiel (Check auf BCNF 2)
R = St adte:{Ort, BLand, Ministerpr asident/in, EW} F = {Ort, BLand EW, BLand Ministerpr asident/in, Ministerpr asident/in BLand} Schlu asident/in} ssel: {Ort, BLand} bzw. {Ort, Ministerpr
1 2
keine FD ist trivial ist die Attributmenge auf der linken Seite der FDs ein Superschlu ssel? Nein fu asident/in, Ministerpr asident/in BLand r BLand Ministerpr
R nicht in BCNF Aber: in 3NF, da Bedingung 2 (3NF): auf der rechten Seite steht ein Schlu sselattribut erfu llt ist.
Katrin Seyr
Seite 56
5. Normalformen
5.8. Zerlegung in BCNF
Zerlegung in BCNF
Theorem
Ein Relationenschema R = R1 Rn ist in Boyce-Codd Normalform, wenn alle Ri in Boyce-Codd Normalform sind. Gegeben Relationenschema R mit FDs F . Gesucht: Zerlegung in Teilschemata R1 . . . Rn , fu r die gilt:
Zerlegung in R1 . . . Rn ist verlustlos, Zerlegung in R1 . . . Rn ist abh angigkeitstreu, alle R1 . . . Rn sind in Boyce-Codd Normalform.
nur die BCNF garantiert v ollige Anomaliefreiheit Problem: eine verlustlose Zerlegung in BCNF ist immer m oglich, aber die Abh angigkeitstreue ist nicht immer erzielbar in der Praxis: 3NF wegen Abh angigkeitstreue Lo angigkeitstreue) sung: Dekompositionsalgorithmus (ohne Abh
Katrin Seyr
Seite 57
5. Normalformen
5.9. Dekompositionsalgorithmus
Dekompositionsalgorithmus
Starte mit Z = R Solange es ein Relationenschema Ri in Z gibt, das die BCNF verletzt d.h. es gibt eine FD in Ri mit oder ( Ri ): W ahle eine solche FD aus und zerlege wie folgt:
Ri1 := ( ) und Ri2 := Ri Entferne Ri aus Z und fu ge Ri1 und Ri2 ein:
Z := (Z {Ri }) Ri1 Ri2
Ri und weitere FDs
Ri1 = ( )
Katrin Seyr
Ri2 = Ri FDs ohne

Seite 58
5. Normalformen
Beispiel (Dekompositionsalgorithmus 1)
R = St adte:{Ort, BLand, Ministerpr asident/in, EW} F = {Ort BLand EW, BLand Ministerpr asident/in, Ministerpr asident/in BLand} Z := R BLand Ministerpr asident/in verletzt die BCNF
R1 := (BLand, Ministerpr asident/in) und R2 := (Ort, BLand, EW) Z := {BLand, Ministerpr asident/in} {Ort, BLand, EW}
die Zerlegung ist verlustfrei und abh angigkeitstreu
Katrin Seyr
Seite 59
5. Normalformen
Beispiel (Dekompositionsalgorithmus 2)
R = PLZListe:{Strae, Ort, BLand, PLZ} F = {PLZ Ort BLand, Strae Ort BLand PLZ} Z := R {PLZ Ort BLand} verletzt die BCNF
R1 := (PLZ, Ort, BLand) und R2 := (PLZ, Strae) Z := Orte:{PLZ, Ort, BLand} Straen:{PLZ, Strae}
die Zerlegung ist verlustfrei aber die Abh angigkeit {Strae Ort BLand PLZ} ist verloren gegangen
Katrin Seyr
Seite 60

Sprache

Entwurfstheorie

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Entwurfstheorie

Hochgeladen von

Copyright:

Verfügbare Formate

Relationale Entwurfstheorie

Uberblick Ziele Funktionale Abh angigkeiten

Entwurfstheorie und Zerlegung

Normalformen (1., 2., 3., Boyce-Codd)

Finetuning des relationalen Schemas Qualit at eines Relationenschemas:

Grundlage: Funktionale Abh angigkeiten (FDs)

Denition Schlu ssel Bestimmung Kanonische Uberdeckung

Normalformen als Gu tekriterium Ggs. Verbesserung eines Relationenschemas

3. Funktionale Abh angigkeiten

Funktionale Abh angigkeiten

Denition (Funktionale Abh angigkeit)

3. Funktionale Abh angigkeiten

Funktionale Abh angigkeiten

3. Funktionale Abh angigkeiten

Funktionale Abh angigkeiten

{A} {B } {C , D } {B } {B } {C } {A, B } {C } {B , C } {A} {B } {A}

ja ja nein ja nein nein

3. Funktionale Abh angigkeiten

3.1. Einhaltung einer FD

3. Funktionale Abh angigkeiten

3.2. Schl ussel

R ist minimal, d.h. A : ( {A}) R

Denition (Superschlu ssel)

3. Funktionale Abh angigkeiten

3.3. Schl usselbestimmung

3. Funktionale Abh angigkeiten

3.3. Schl usselbestimmung

3. Funktionale Abh angigkeiten

3.4. Bestimmung von FDs

Bestimmung von FDs

3. Funktionale Abh angigkeiten

3.4. Bestimmung von FDs

Bestimmung von FDs

3. Funktionale Abh angigkeiten

3.5. H ulle von FDs

Hu lle von FDs

Denition (Hu lle von FDs)

Berechnung der Hu lle F + von F mittels der Armstrong Axiome (1974).

3. Funktionale Abh angigkeiten

3.6. Die Armstrong Axiome

Die Armstrong Axiome

Pseudotransitivit at: und .

3. Funktionale Abh angigkeiten

3.6. Die Armstrong Axiome

Die Armstrong Axiome

3. Funktionale Abh angigkeiten

3.7. Aquivalenz von Mengen von FDs

Aquivalenz von Mengen von FDs

Denition (Aquivalenz von FDs)

3. Funktionale Abh angigkeiten

3.8. Kanonische Uberdeckung

3. Funktionale Abh angigkeiten

3.9. Berechnung Kanonische Uberdeckung (1)

Berechnung Kanonische Uberdeckung (1)

Fasse mittels der Vereinigungsregel FDs zusammen (Aquivalenz gew ahrleistet).

3. Funktionale Abh angigkeiten

3.10. Algorithmus AttrH ulle

Algorithmus AttrHu lle

Denition (Hu lle einer Attributmenge)

3. Funktionale Abh angigkeiten

3.11. Berechnung Kanonische Uberdeckung (2)

Berechnung Kanonische Uberdeckung (2)