Проектирование баз данных

данных (БД):
1. Корректность схемы БД.
2. Обеспечение ограничений на ресурсы
вычислительной системы.
3.

Эффективность функционирования.
4. Обеспечение защиты данных.
5. Гибкость.
6. Простота и удобство эксплуатации.
Удовлетворение первых 4-х требований обязательно
для принятия проекта.

этапы:
• Предпроектная подготовка.
• Проектирование базы данных.
• Реализация (создание базы данных

и прикладного программного обеспечения, ППО).

предметной области).
Пользователи – те работники, для которых создаётся АИС.
Проектировщики

(разработчики базы данных).
Администраторы (системные, базы данных, безопасности и др.)
Программисты (разработчики программного обеспечения).

принятие результатов анализа.
3. Определение критических факторов успеха.
4. Оценка системных ограничений.
5.

Определение целевой архитектуры.

производительности зависят от режима, в котором будет функционировать система:
Интерактивный режим.
Пакетный

режим.
Режим реального времени.
7. Согласование стандартов проектирования
8. Выбор программных средств для проектирования и реализации системы

основные этапы:
1. Информационно-логическое (инфологическое) проектирование.
2. Определение требований к операционной обстановке,

в которой будет функционировать информационная система.
3. Выбор СУБД и других инструментальных программных средств.
4. Логическое проектирование БД.
5. Физическое проектирование БД.

После того, как проект базы данных создан, наступает этап реализации проекта. Он разбивается на следующие шаги:

1. Создание прототипа БД и его отладка.
2. Разработка и отладка приложений.
3. Конвертирование и загрузка данных в БД.

целом. Различают такие виды тестов, как:
автономные;
тесты связей;
регрессивные;
нагрузочные;

системные;
приёмо-сдаточные.
5. Эксплуатация и сопровождение АИС.

обстановке:
III. Выбор СУБД и других инструментальных программных средств.
IV. Логическое проектирование

БД (даталогическое):
V. Физическое проектирование БД:

ПрО,
характера информационных потребностей пользователей системы
Обратите внимание: инфологическая модель ПрО не

должна зависеть от модели данных, которая будет использована при создании БД.
1. Определение границ предметной области (ПрО).
2. Анализ ПрО.

entity-relation method, ER-метод.
4. ER-метод (сущность-связь), основные понятия:
сущность;
атрибут;
связь.

выражается в терминах не отдельных сущностей и связей между ними,

а их типов, связанных с ними ограничений целостности и тех процессов, которые приводят к переходу ПО из одного состояния в другое. Выделяют понятия тип сущности и экземпляр сущности.
Тип позволяет выделить из всего множества сущностей ПрО группу
сущностей, однородных по структуре и поведению (относительно рамок рассматриваемой ПрО).
Данные в БД представлены экземплярами сущностей.

простые атрибуты.
3.Однозначные и многозначные атрибуты.
4. Основные и производные атрибуты.

5.Обязательные и необязательные.
Для каждого атрибута необходимо определить название, указать тип данных и
описать ограничения целостности – множество значений, которые может принимать данный атрибут.

(факультативная или обязательная),




кардинальность (1:1, 1:n или m:n),
степень (унарная, бинарная, тернарная

или n-арная).
Различают тип связи и экземпляр связи.

(m:n).

тернарная:

характеризует
структуру предметной области.
Собственно данные представлены экземплярами сущностей и связей
между ними.

Данные экземпляров сущностей и связей хранятся в базе
данных информационной системы, а описание типов сущностей и связей
является метаданными.
Множества экземпляров сущностей, значения атрибутов сущностей и
экземпляры связей между ними могут изменяться во времени. Поэтому
каждому моменту времени можно сопоставить некоторое состояние
предметной области.
Ограничения целостности – это правила, которым должны
удовлетворять значения данных в БД.

то она разбивается на
ряд локальных областей (локальных представлений) по 6-7
сущностей.
Каждое

локальное представление включает в себя информацию,
достаточную для обеспечения информационных потребностей одной
группы будущих пользователей.
Каждое локальное представление моделируется отдельно.
При объединении локальных представлений используют концепции:
Идентичность..
Агрегация.
Обобщение.
На этапе объединения локальных представлений необходимо устранить
все противоречия.

СОБСТВЕННОГО ПРОИЗВОДСТВА
ДЕТАЛИ ПОКУПНЫЕ
СБОРОЧНЫЕ ЕДИНИЦЫ ПОКУПНЫЕ
СБОРОЧНЫЕ ЕДИНИЦЫ СОБСТВЕННОГО ПРОИЗВОДСТВА
Их можно объединить

так :

а)Сборочные единицы
б)Детали
2.Собственного

производства
а)Сборочные единицы
б) Детали

общей ER-диаграммы предметной области.
Модели локальных представлений .

На этапе анализа

ПрО решаются следующие задачи:

Правила (ограничения) целостности.

Перечень групп пользователей системы.

Внешние спецификации функций (процессов).

вычислительным ресурсам, необходимым для функционирования системы;
2.выбор типа и конфигурации ЭВМ;

3. выбор типа и версии операционной системы (ОС).

Выбор зависит от таких показателей, как:
- примерный объём данных в БД;
- динамика роста объёма данных;
- характер запросов к данным;
- интенсивность запросов к данным по типам запросов;
- требования ко времени отклика системы по типам запросов;
- режим работы.

- адекватность модели данных структуре рассматриваемой ПО;
- характеристики производительности

СУБД;
- запас функциональных возможностей для дальнейшего развития
информационной системы;
- степень оснащённости СУБД инструментарием для персонала
администрирования данными;
- удобство и надежность СУБД в эксплуатации;
- наличие специалистов по работе с конкретной СУБД;
- стоимость СУБД и дополнительного программного обеспечения.

тип сущности преобразуется в таблицу БД.
2. Бинарная связь 1:n

(между сущностями разных типов) реализуется с помощью внешнего ключа между двумя таблицами

связь со степенью больше двух и связь, имеющая атрибуты, преобразуется

в таблицу БД.

1:1 реализуется в рамках одной таблицы.
5. Унарная связь 1:n (между

сущностями одного типа) реализуется с помощью внешнего ключа, определённого в той же таблице, что и первичный ключ.

связь типа n:m реализуется с помощью промежуточной таблицы.

связь n:m реализуется с помощью промежуточной таблицы.
На этом этапе возможно

ещё выявление нереализуемых и необычных связей (связи 1:n, обязательные в обе стороны; взаимоисключающие связи и др.).

ключей ПК выбирается из них.
2. Если потенциальных ключей нет, назначается

суррогатный ПК
3. Составной ПК назначается в том случае, если необходимо реализовать ограничение целостности "уникальность".

символьных значений и символьных строк фиксированной длины следует выбирать тип

CHAR.
- Для символьных строк переменной длины нужно выбирать тип VARCHAR с указанием максимально возможной длины хранимого значения.
- Для числовых атрибутов, не участвующих в сложных расчётах, нужно
использовать основной числовой тип реляционных СУБД – тип NUMBER.
- Для числовых атрибутов, которые участвуют в сложных расчётах, следует использовать такие числовые типы, которые хранят данные в машинном (двоичном) представлении.
- Для числовых атрибутов, имеющих ведущие нули, следует выбирать тип CHAR, а не числовой тип, иначе ведущие нули будут потеряны.
- Для хранения дат нужно выбирать тип DATE или его варианты (DATETIME, например).
- Для хранения больших объектов (графических, звуковых и т.п.) следует выбирать специальные типы данных, перечень которых зависит от СУБД.
- Для семантически одинаковых полей разных таблиц нужно выбирать одинаковые типы данных.

целостности в языке SQL:
- Уникальность значения первичного ключа (PRIMARY KEY).
-

Уникальность ключевого поля или комбинации значений ключевых полей (UNIQUE).
- Обязательность/необязательность значения (NOT NULL/NULL).
- Задание условия на значения атрибутов (CHECK).
- Определение домена атрибута на основе значений другого атрибута:
(внешний ключ, FOREIGN KEY).

(ОЦ) нельзя реализовать средствами DCL, то возможны следующие способы его

реализации:
С помощью процедурных объектов БД .
Программно (т.е. через приложение).
Вручную.
Необходимо обратить особое внимание на поля таблиц, для которых домен определён как список возможных значений. Это ограничение целостности можно реализовать в виде: CHECK(<поле> IN (<список значений>)).
Но такой подход имеет следующий недостаток: добавление нового значения в список потребует изменения схемы отношения.
Можно поступить до-другому: вынести этот список значений в отдельное отношение.

Создание БД.
2. Создание пользователей .
3. Создание пользовательских типов.
4. Создание кластеров

и таблиц.
5. Создание представлений.
6. Создание синонимов.
7. Создание последовательностей.
8. Назначение прав доступа.
9. Заливка данных.
10.Создание индексов.
11.Создание процедур и функций.
12.Создание триггеров.

одной из наиболее широко востребованных информационных технологий. Некоторые авторы утверждают,

что появление баз данных стало самым важным достижением в области программного обеспечения. Системы баз данных коренным образом изменили работу многих организаций, и практически нет такой области деятельности, которую они не затронули.

отнести следующие:
Хранилища данных и OLAP-обработка.
Работа с неточными данными.

Новые пользовательские интерфейсы
Проблемы оптимизации запросов
Интеграция разнородных и слабо формализованных данных
Организация доступа к базам данных через Internet.
Самоадаптация.
Использование GRID.
Сохранность данных
Технологии разработки данных и знаний

ко времени и неизменяемый набор данных, предназначенный для поддержки принятия

решений. Хранилище данных позволяют сохранять исторические данные с целью анализа и прогнозирования развития ситуаций. При правильном проектировании хранилище данных даёт высокую отдачу за счёт более качественного управления работой организации.

ошибки или является неполной. Результаты запроса по такой БД могут

сильно отличаться от реального положения дел.

информационных технологий. Конечные пользователи не знают язык запросов (SQL), и

для получения информации из БД вынуждены пользоваться интерфейсами, которые для них создают программисты.
Для того, чтобы воспользоваться конструктором, пользователь должен знать структуру базы данных и хорошо разбираться в предложенном ему формализме ПО.

на естественном языке (ЕЯ). Но для таких запросов характерны неточности

и неоднозначность. Решение этой задачи невозможно без использования знаний о предметной области и о структуре языка. Одним из вариантов решения этой проблемы являются онтологии. Интеграция онтологий и баз данных позволит пользователям задавать запросы в собственной терминологии с использованием ограниченного естественного языка.

новых способов оптимизации, можно выделить ещё две серьёзные проблемы оптимизации:

- обработка неструктурированных запросов,
- оптимизация группы запросов.
Работа с неструктурированными запросами особенно актуальна в свете использования баз данных в поисковых системах (в том числе, при поиске в Internet).

для хранения и обработки фактографических хорошо структурированных данных. Но огромное

количество данных представлено в различных графических и мультимедийных форматах. Включение в СУБД способов обработки подобных данных позволяет использовать технологии баз данных в разных сферах.

динамическую информацию, например, о товарах и ценах в Internet-магазинах. В

локальных системах такая информация традиционно хранится в базах данных.

Организация эффективного интерфейса;
Оптимизация запросов;

Повышение производительности СУБД в многопользовательском режиме работы.

под конкретную предметную область и аппаратные средства. Но использование этих

возможностей – достаточно сложная задача, которая требует наличия высококвалифицированного администратора БД.

при возникновении потребности в вычислениях пользователь должен просто подключаться к

GRID и получать вычислительные ресурсы. Преимущества этого подхода очевидны: возможность решать более ресурсоёмкие задачи и перераспределять нагрузку на узлы сети.

но поддерживают они только базы данных: это системы Oracle 10G

и Oracle 11G (G – это сокращение от GRID). Они динамически выделяют ресурсы для выполнения задач пользователя по доступу к БД.

Использование GRID.

со временем устаревают и форматы хранения данных, и средства доступа

к ним.
Даже архивированные данные могут стать недоступными, особенно если нет устройства для чтения устаревшего носителя. Решить эту проблему могут средства, обеспечивающие миграцию данных в новые форматы с сохранением их описания (т.е. метаданных).

поиска неочевидных тенденций и скрытых закономерностей в больших объёмах данных.

А knowledge mining – это извлечение знаний из баз данных. Здесь используются как формальные методы, так и методы интеллектуальной обработки данных, основанные на моделировании познавательных механизмов – индукции, дедукции, абдукции.

с этим расширяются наши представления о сферах применимости баз данных.

Растущие информационные потребности общества отчетливо выявляют ограничения существующих технологий СУБД, и задача исследовательского сообщества – самым энергичным образом устремить свои усилия на эти новые направления. Спектр возможностей и потребностей здесь широк, как никогда, – от сугубо теоретических изысканий в области создания новых моделей и алгоритмических основ до реализации прототипов новаторских систем.