Upload
lamar-tate
View
48
Download
0
Embed Size (px)
DESCRIPTION
Bazy danych 2.Relacyjny model baz danych Algebra relacji P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2007/08. Relacyjne systemy baz danych. …zdominowały rynek. Systemy nierelacyjne mają status eksperymentalny, lub stosowane są w bardzo specjalistycznych kontekstach. - PowerPoint PPT Presentation
Citation preview
Bazy danych
2.Relacyjny model baz danych
Algebra relacjiP. F. Góra
http://th-www.if.uj.edu.pl/zfs/gora/
semestr letni 2007/08
Bazy danych - wykład 2 2
Relacyjne systemy baz danych
…zdominowały rynek. Systemy nierelacyjne mają status eksperymentalny, lub stosowane są w
bardzo specjalistycznych kontekstach.
Dlatego zdecydowana większość tego, o czym będziemy mówić, dotyczyć będzie systemów
relacyjnych.
Bazy danych - wykład 2 3
Tylko jeden sposób reprezentowania danych:
dwuwymiarowa tabela
(Ullman i Widom nazywają ją „relacją”)
TOsoba
ImięNazwisko DataUr Płeć
Ignacy Janowski 17.03.1936 M
Karol Janowski 23.11.1957 M
Ludwik Janowski 03.02.1983 M
Patrycja Janowska 07.01.2005 K
… … …
Nazwa tabeli
Nazwy kolumn
(atrybuty)
Krotka
Składowa krotki
Bazy danych - wykład 2 4
Intuicja, jaką niesie słowo „tabela”, może być myląca:
W modelu relacyjnym „tabela” nie jest listą, ale zbiorem
•W jednej tabeli nie mogą wystąpić dwie takie same krotki
•Kolejność, w jakiej występują krotki, nie ma znaczenia
Tyle teoria.
W praktyce różnie to bywa, RDBMS niekiedy dopuszcza powtarzające się
krotki. Wówczas tabela nie jest zbiorem, ale wielozbiorem.
Bazy danych - wykład 2 5
Trochę terminologii:Więzy
• Klucze
• Więzy jednoznaczności
• Więzy integralności referencyjnej
• Więzy domenowe (zakresu)
• Więzy ogólne
Bazy danych - wykład 2 6
KluczeKlucz — atrybut lub zbiór atrybutów, który
jednoznacznie definiuje krotkę w tabeli lub encję wewnątrz zbioru encji.
W danej tabeli nie występują dwie krotki, które miałyby identyczne wartości wszystkich
atrybutów tworzących klucz.
A jeśli występują i są różne, to znaczy, że „klucz” nie jest kluczem.
Uwaga: abstrakcyjny obiekt w pamięci komputera nie musi mieć klucza, bo jest jednoznacznie identyfikowany przez adres
przydzielonego mu obszaru pamięci.
Nie jest to ścisła definicja klucza —
definicję ścisłą poznamy w przyszłości.
Bazy danych - wykład 2 7
Gdybyśmy próbowali utworzyć w
jednej klasie dwa różne obiekty o
takich samych kluczach, DBMS
powinien to uniemożliwić.
Bazy danych - wykład 2 8
Właściwy dobór kluczy jest trudny, bo muszą one dobrze odpowiadać
rzeczywistości
Osoba: Imię i Nazwisko?
Nie wystarczy.
Osoba: Imię, Drugie Imię i Nazwisko?
Nie wystarczy.
Osoba: Imię, Drugie Imię, Nazwisko i Data Urodzenia?
W bazie reprezentującej odpowiedno duży zbiór ludzi nie wystarczy.
Czasami wprowadza się nowe pole tylko po to, aby mogło służyć jako indeks
Studenci:
Numer Indeksu
„Rządowa” baza danych:
PESEL
Ściśle rzecz biorąc, PESEL nie służy tylko
jako indeks, ale to jest zupełnie inna historia…
Bazy danych - wykład 2 9
Inny przykład — faktury
Firma ma bazę gromadzącą dane o wystawianych fakturach. Co będzie kluczem?
•Numer Faktury.
•Jeśli numeracja zaczyna się od początku w każdym roku, Numer Faktury i Rok.
•Jeśli poszczególne działy stosują własną numerację faktur, Numer Faktury i Nazwa Działu lub
Numer Faktury, Nazwa Działu i Rok.
Jak widać, właściwy dobór klucza zależy od rzeczywistości, którą chcemy przedstawić w bazie
danych.
Bazy danych - wykład 2 10
Ważna uwaga:
Przypuśćmy, że mamy „rządową” bazę danych osobowych, w której kluczem jest
atrybut PESEL.
Wówczas zbiór atrybutów {PESEL, Nazwisko} także jest kluczem!
Bazy danych - wykład 2 11
Podobnie, jeśli tworzymy bazę danych szkół podstawowych, zbiór atrybutów {Ulica, NrDomu, NrSzkoły} będzie kluczem. Załóżmy, że tak jest. Jeśli rozszerzymy ten zbiór do {Miasto, Ulica, NrDomu, NrSzkoły}, także otrzymamy klucz. Podobnie będzie jeśli dodamy informację o województwie.
W rzeczywistości trzebaby to sprawdzić…
Bazy danych - wykład 2 12
Klucze minimalne. Nadklucze.W poprzednim przykładzie może się zdarzyć, że w dwu różnych miastach będą istnieć ulice Kościuszki i w dodatku na każdej z tych ulic pod numerem 1 będzie mieścić się szkoła podstawowa.
Podobnie w dwu miastach na ulicy Dąbrowskiego (ale w budynkach o różnych numerach!) mogą się mieścić szkoły podstawowe o numerze 16.
Wreszcie może się zdarzyć, że szkoły o numerze 53 (w różnych miastach) będą się mieścić w budynku o numerze 8 (przy ulicach o różnych nazwach).
Zbiór {Ulica, NrDomu, NrSzkoły} nazywamy w tej sytuacji kluczem minimalnym. Jego nadzbiór
nazywamy nadkluczem.W innej terminologii
„klucz minimalny” zwany jest po prostu „kluczem”
Bazy danych - wykład 2 13
Dygresja: Zbiory słabych encjiJeśli niektóre (lub wszystkie) elementy klucza pewnego zbioru
encji wybiera się spośród atrybutów innego zbioru encji, zbiór o tak utworzonym kluczu nazywa się zbiorem słabych
encji. Typowo
1. Przy strukturze hierarchicznej nazwa (czy inny atrybut) obiektu może identyfikować go w podhierarchii, ale nie w całej hierarchii. Na przykład Numer Szkoły identyfikuje szkołę w mieście, ale nie w województwie. Zbiór encji szkoły będzie musiał brać część swojego klucza z innego zbioru encji (miasta), więc będzie to słaba encja.
2. Zbiór łączący, powstały w celu wyeliminowania relacji wieloargumentowych, prawie zawsze będzie słaby.
Bazy danych - wykład 2 14
Reprezentacja graficzna zbiorów słabych encji
Szkoły
numer
Leży w mieście
Miasto
…nazwa
Klucz zbioru Szkoły
Liczne inne atrybuty Miasta
Zbiór słabych encji i związki łączące go z „dostarczycielami”
(części) klucza oznaczam podwójną
linią.
Bazy danych - wykład 2 15
Dane a metadaneTabela (realcja) to obiekt abstrakcyjny. Ma swoje
atrybuty i więzy. Zbiór wszystkich takich „projektów” tabel nazywa się schematem bazy
danych. Schemat wraz z informacjami o użytkownikach i ich uprawnieniach stanowi
metadane („dane o danych”). Schemat tabeli w zasadzie — w czasie normalnego użytkowania —
nie zmienia się w czasie.
Zbiór wszystkich krotek danej tabeli („zawartość tabeli”) może się zmieniać w czasie. Zbiór taki nazywa się instancją tabeli (relacji). Instancję istniejącą teraz nazywa się instancją bieżącą.
Bazy danych - wykład 2 16
Więzy jednoznaczności
A R B
Istnieje co najwyżej jeden obiekt z klasy B, który wchodzi w relację R z pewnym
obiektem klasy A.
Ten obiekt z klasy B nie musi istnieć, może być obiektem pustym. Innymi
słowy, nie wszystkie obiekty z A muszą wchodzić w związek R.
Bazy danych - wykład 2 17
Więzy integralności referencyjnej
A R B
Istnieje dokładnie jeden obiekt z klasy B, który wchodzi w relację R z pewnym
obiektem klasy A.
Ten obiekt z klasy B musi istnieć, nie może być obiektem pustym. Innymi słowy, wszystkie obiekty z A muszą wchodzić w związek R z obiektami B.
W książce oznaczają to przez półokrąg.
Na przykład każda informacja o dostawie towarów do magazynu musi być powiązana z
dostawcą
Bazy danych - wykład 2 18
Więzy integralności referencyjnej wymuszają istnienie wskazywanego obiektu. Jeślibyśmy więc zażądali
usunięcia obiektu związanego więzami integralności referencyjnej, DBMS
1. Uniemożliwi usunięcie takiego obiektu lub
2. Usunie także wszystkie obiekty, które na obiekt usuwany wskazują. Jeśli one też są związane więzami integralności referencyjnej, usunięte zostaną obiekty, które na nie wskazują. I tak dalej.
Usuwanie kaskadowe.
Bardzo niebezpieczne — nie każdego stać na zatrudnienie stu osób do wklepywania
utraconych danych.
Bazy danych - wykład 2 19
Inne rodzaje więzów
1. Więzy domenowe (zakresu) — atrybut może przyjąć wartości tylko z pewnego zakresu.
2. Więzy ogólne — na przykład ograniczenie stopnia związku, to jest ilości „partnerów” w relacji.
Filmy GwiazdyGwiazdy-w10
Nie więcej niż 10 gwiazd w jednym
filmie
Bazy danych - wykład 2 20
Dwanaście zasad Codda dla RDBMS
1. Informacje są reprezentowane logicznie w tabelach.
2. Dane są logicznie dostępne przez podanie nazwy tabeli, wartości klucza podstawowego i nazwy kolumny.
3. Wartości null są traktowane w jednolity sposób jako „brakujące informacje”. Nie mogą być traktowane jako puste łańcuchy czy zera.
Bazy danych - wykład 2 21
Dwanaście zasad Codda dla RDBMS (cd)
4. Metadane są umieszczone w bazie danych tak, jak zwykłe dane.
5. Język obsługi danych ma możliwość definiowania danych i perspektyw, więzów integralności, przeprowadzania autoryzacji, obsługi transakcji i manipulacji danymi.
6. Perspektywy reagują na zmiany swoich tabel bazowych. Zmiana w perspektywie powoduje zmianę w tabeli bazowej.
Bazy danych - wykład 2 22
Dwanaście zasad Codda dla RDBMS (cd)
7. Istnieją pojedyncze operacje pozwalające na wyszukanie, wstawienie, uaktualnienie i usunięcie danych.
8. Operacje użytkownika są logicznie oddzielone od fizycznych danych i metod dostępu.
9. Operacje użytkownika pozwalają na zmianę schematu bazy danych bez konieczności tworzenia bazy od nowa.
W praktyce w systemach komercyjnych robi się to bardzo rzadko. Z całą pewnością nie jest to operacja, jaką rutynowo przeprowadza zwykły
użytkownik!
Bazy danych - wykład 2 23
Dwanaście zasad Codda dla RDBMS (cd)
10.Więzy integralności są umieszczone w metadanych, nie w zewnętrznej aplikacji.
11. Język manipulacji danymi powinien działać bez względu na to jak i gdzie są rozmieszczone fizyczne dane oraz nie powinien wymagać zmian, gdy fizyczne dane są centralizowane lub rozpraszane.
Bazy danych - wykład 2 24
Dwanaście zasad Codda dla RDBMS (cd)
12.Operacje na pojedynczych rekordach przeprowadzane w systemie podlegają tym samym zasadom i więzom, co operacje na zbiorach danych.
Różnica wobec programowania proceduralnego, gdzie zawsze
trzeba powiedzieć jak manipulować danymi.
Bazy danych - wykład 2 25
Dziesiąta zasada CoddaWięzy integralności są umieszczone w
metadanych, nie w zewnętrznej aplikacji.
Bardzo ważna zasada!
Jeśli modelowany fragment rzeczywistości zawiera jakieś ograniczenia, powinny one
się znaleźć w samym projekcie bazy danych, nie w aplikacji obsługującej tę
bazę.
Bazy danych - wykład 2 26
Dlaczego ograniczenia umieszczamy w metadanych, nie w aplikacji?
•Bo osoba pisząca aplikację może nie wiedzieć o tych ograniczeniach, może nie uznać je za istotne i może nie umieścić ich w swoim projekcie.
•Bo osoba pisząca kolejną aplikację może nie umieścić ich w swoim projekcie (z powodów jak wyżej).
•Bo doświadczenie uczy, że jeśli ograniczenia nie są wbudowane w projekt bazy, prędzej czy później zdarzy się jakieś nieszczęście…
Bazy danych - wykład 2 27
Przykład
Dobrze zaprojektowana baza danych studentów i grup ćwiczeniowych musi mieć wbudowane ograniczenie stanowiące, że do jednej grupy
mającej zajęcia w pracowni komputerowej A, nie można zapisać więcej niż 21 studentów.
Ostatnio na zajęcia zgłosiło się 40 osób, wszystkie legalnie wpisane w systemie USOS
Bazy danych - wykład 2 28
Jak realizujemy więzy?
Zgodnie z pierwotną ideą Codda, więzy powinny być zawarte w samej strukturze tabel — metadane same w sobie stanowią część dokumentacji projektu bazodanowego.
Niekiedy robi się też tak: Baza danych nie udostępnia swoich tabel zewnętrznym aplikacjom bezpośrednio, a jedynie za
pomocą procedur składowanych.
Złożone zapytania warto jest umieszczać w samej bazie danych, na przykład w postaci perspektyw.
Bazy danych - wykład 2 29
Zasady projektowania
• Dokładność — projekt powinien odpowiadać specyfikacji, tabele lub zbiory encji powinny odzwierciedlać świat rzeczywisty.
• Unikanie redundancji — bo zajmuje się zbyt wiele miejsca i ryzykuje się, że nie wszystkie wystąpienia danej informacji będą uaktualnione.
• Prostota — tylko tyle elementów, ile naprawdę potrzeba.
• Dobór właściwych elementów — nie wszystko modelujemy jako atrybuty!
Bazy danych - wykład 2 30
Projekt ma odpowiadać rzeczywistości, nie widzimisię lub
(na ogół błędnej) intuicji projektanta
Projektowanie bazy danych to PRACA, za którą twórca
powinien być odpowiednio wynagradzany
Projekt musi być zatwierdzony przed realizacją
Zmiana projektu w takcie realizacji jest bardzo bolesna;
powinno się jej dokonywać tylko wtedy, gdy jest ona
naprawdę konieczna
Bazy danych - wykład 2 31
Relacyjne języki zapytań(Relational Query Languages)
• Pozwalają na manipulacje danymi i pobieranie danych z bazy
• Mają mocne podstawy teoretyczne (algebra relacji!)
• Pozwalają na znaczną optymalizację• Nie są zwykłymi językami programowania,
przeznaczonymi do skomplikowanych obliczeń• Pozwalają użytkownikom zdefiniować co chcą
osiągnąć, nie zaś jak to trzeba obliczyć (Non-operational, declarative)
Choć w w praktyce na ogół zawierają pokaźny zestaw „niebazodanowych”
funkcji
Bazy danych - wykład 2 32
• Zrozumienie algebry relacji jest konieczne dla zrozumienia i prawidłowego posługiwania się SQL
• Zapytania odnoszą się do wystąpień (instancji) tabel. Wynikiem zapytań też są wystąpienia (instancje) tabel.– Schematy tabel wejściowych zapytania są
ustalone.– Schematy tabel wyjściowych zapytania są
określone przez definicje języka zapytań.• Zapytanie odnosi się do konkretnego
wystąpienia tabeli (lub tabel) o ustalonym schemacie.
Bazy danych - wykład 2 33
Przykładowe wsytąpienia tabel w
pewnej bazie
Sid Imię Rating Wiek
22 Daniel 7 45
31 Leon 8 55
58 Rysiek 10 35
Sid Bid Dzień
22 101 10.07.2008
58 103 11.08.2008
Rezerwacje R1
Sid Imię Rating Wiek
28 Jurek 9 35
31 Leon 8 55
44 Henio 5 35
58 Rysiek 10 35
Bid Nazwa Kolor
101 Szperacz Niebieska
103 Ścigacz czerwona
Łódki B1
Żeglarze S1
Żeglarze S2
Anglojęzyczna wersja tego przykładu jest dostępna w co najmniej dwu niezależnych
miejscach w sieci…
Bazy danych - wykład 2 34
Podstawowe operacje• Działania teoriomnogościowe:
• Suma mnogościowa (unia) • Przecięcie (iloczyn) zbiorów • Różnica zbiorów
• Iloczyn kartezjański • Rzutowanie • Selekcja • Przemianowanie • Złączenie
Technicznie rzecz biorąc, to też nie jest podstawowa
operacja, ale występuje w praktyce tak często, że jest osobno implementowana
Wynikiem każdej operacji jest tabela (relacja), można więc tworzyć operacje złożone.
Algebra relacji jest domknięta!
Bazy danych - wykład 2 35
Operacje teoriomnogościowe
• Schematy obu tabel (relacji) wejściowych muszą mieć identyczne zbiory atrybutów
• Zanim zostanie obliczona suma mnogościowa, przecięcie lub różnica zbiorów, należy uporządkować atrybuty obu tabel tak, aby kolejnośc atrybutów była taka sama.
Bazy danych - wykład 2 36
Suma mnogościowa
R S — zbiór krotek, z których każda należy do R lub do S (lub do obu jednocześnie)
Sid Imię Rating Wiek
22 Daniel 7 45
28 Jurek 9 35
31 Leon 8 55
44 Henio 5 35
58 Rysiek 10 35
S1 S2
Ponieważ jest to zbiór, kolejność krotek nie
ma znaczenia.
Bazy danych - wykład 2 37
Przecięcie mnogościoweR S — zbiór krotek, z których każda należy jednocześnie do R i S
Sid Imię Rating Wiek
31 Leon 8 55
58 Rysiek 10 35
S1 S2
Różnica mnogościowaR - S — zbiór tych krotek z R, które nie należą do S
Sid Imię Rating Wiek
22 Daniel 7 45
S1 – S2
Bazy danych - wykład 2 38
Uwaga na wielozbiory!Tabele (relacje) w modelu relacyjny powinny być zbiorami (krotki nie mogą się powtarzać), ale niekiedy nie są — jeśli dopuszczamy powtórzenia krotek, czyli zbiory zastępujemy wielozbiorami, zmieniają się definicje operacji mnogościowych.
Suma R S — krotka w wyniku występuje tyle razy, ile występuje w R plus tyle razy, ile występuje w S. Uwaga: jeśli nawet R i S są zbiorami, R S może być wielozbiorem!
Iloczyn R S — krotka w wyniku występuje tyle razy, ile wynosi minimum jej wystąpień w R i S.
Różnica R–S — krotka w wyniku występuje tyle razy, ile występuje ona w R minus tyle razy, ile występuje ona w S, ale nie mniej niż 0 razy.
Bazy danych - wykład 2 39
Przykład:
R = {A,B,B}, S = {A,B,C,C}
R S = {A,A,B,B,B,C,C}
R S = {A,B}
R–S = {B}
Bazy danych - wykład 2 40
Uwaga na wielozbiory (cd)!Tabele (relacje) w modelu relacyjny powinny być
zbiorami (krotki nie mogą się powtarzać), ale niekiedy nie są.
W dobrze zaprojektowanej relacyjnej bazie danych tabele muszą być zbiorami. Kiedy mogą pojawiać się
wielozbiory?
Wielozbiory w dobrze zaprojektowanych relacyjnych bazach danych pojawiają się (i to dość często) jako tabele wynikowe pewnych zapytań. Tabele te mogą
być tabelami wejściowymi kolejnych zapytań…
Bazy danych - wykład 2 41
Selekcja C(R)
• Wybierz z tabeli R tylko te wiersze, które spełniają warunek wyboru C.– W warunku wyboru mogą pojawiać się
operatory logiczne!• Schemat wyjściowej relacji jest taki sam, jak
relacje wejściowej.• Jeśli R jest zbiorem, nie ma duplikatów.
– W praktyce duplikaty niekiedy się pojawiająW SQL rozróżnienie SELECT vs SELECT
DISTINCT.
Bazy danych - wykład 2 42
Przykład
Sid Imię Rating Wiek
28 Jurek 9 35
31 Leon 8 55
44 Henio 5 35
58 Rysiek 10 35
S2
Sid Imię Rating Wiek
28 Jurek 9 35
58 Rysiek 10 35
Rating > 8(S2)
Wybierz tylko te wiersze z tabeli S2, dla
których Rating > 8
Bazy danych - wykład 2 43
Rzutowanie A1,A2,…(R)
• Utwórz nową relację, która zawiera tylko te kolumny relacji R, które wymienione są na liście rzutowania A1,A2,…
• Schemat rejacji wyjściowej zawiera tylko kolumny występujące na liście rzutowania.
• W formalizmie matematycznym operator rzutowania eliminuje duplikaty– W praktyce (SQL) eliminowania
duplikatów trzeba zażądać explicite.
Bazy danych - wykład 2 44
Przykład
Sid Imię Rating Wiek
28 Jurek 9 35
31 Leon 8 55
44 Henio 5 35
58 Rysiek 10 35
S2
Imię Rating
Jurek 9
Leon 8
Henio 5
Rysiek 10
Imię,Rating(S2)
Wiek
35
55
Wiek(S2)Usunięto duplikaty!
Wybierz tylko kolumny Imię, Rating z tabeli S2
Bazy danych - wykład 2 45
Składanie operatorów
Relacja wyjściowa jednego zapytania może stać się relacją wejściową kolejnego zapytania — powstaje
operator złożony.
Sid Imię Rating Wiek
28 Jurek 9 35
31 Leon 8 55
44 Henio 5 35
58 Rysiek 10 35
S2
Imię Rating
Jurek 9
Rysiek 10
Imię,Rating (Rating > 8(S2))
Bazy danych - wykład 2 46
Przemianowanie S(A1,A2,…,An)(R)
W wyniku operacji S(A1,A2,…,An)(R) z relacji R otrzymujemy
relację S, mającą tyle samo atrybutów, co R. Nowymi nazwami atrybutów stają się A1, A2, …, An. Kolejność atrybutów zostaje
zachowana.
Jeśli chcemy tylko zmienić nazwę samej relacji, bez zmiany
nazw atrybutów, piszemy S(R) .
Bazy danych - wykład 2 47
Jak zapamiętać te oznaczenia?
— sigma — select — pi — project — rho — rename
Bazy danych - wykład 2 48
Iloczyn kartezjański• R S — każda krotka (wiersz) z R zostaje połączona z
każdą krotką (wierszem) S• Schemat wyniku ma po jednym atrybucie (kolmnie) na
każdy atrybut R i po jednym atrybucie na każdy atrybut S. Nazwy atrybutów są, o ile to możliwe, dziedziczone.
(Sid) Imię Rating Wiek (Sid) Bid Dzień 22 Daniel 7 45 22 101 10.07.2005 22 Daniel 7 45 58 103 11.08.2005 31 Leon 8 55 22 101 10.07.2005 31 Leon 8 55 58 103 11.08.2005 58 Rysiek 10 35 22 101 10.07.2005 58 Rysiek 10 35 58 103 11.08.2005
S1 R1
Konflikt między nazwami kolumn, który trzeba rozwiązać przez przemianowanie
Bazy danych - wykład 2 49
Złączenie warunkowe (złączenie theta)
• Z iloczynu kartezjańskiego R S wybieramy tylko te krotki, które spełniają warunek C.
• (Na ogół) mniej krotek niż w iloczynie kartezjańskim.• Schemat wyniku taki, jak schemat iloczynu kartezjańskiego.
)( SRcScR
(Sid) Imię Rating Wiek (Sid) Bid Dzień 22 Daniel 7 45 58 103 11.08.2005 31 Leon 8 55 58 103 11.08.2005
11
Sid.1Sid.1RS
RS
Bazy danych - wykład 2 50
Złączenie równościowe(equi-join)
• Złączenie warunkowe, w którym warunek C zawiera same równości.
• Schemat wyniku podobny do schematu iloczynu kartezjańskiego, ale zawiera tylko jedno wystąpienie każdej kolumny, dla której zażądano równości.
Sid Imię Rating Wiek Bid Dzień 22 Daniel 7 45 101 10.07.2005 58 Rysiek 10 35 103 11.08.2005
11SidRS
Złączenie naturalne — złączenie równościowe, dla którego zażądano równości we wszystkich
wspólnych kolumnach.
Bazy danych - wykład 2 51
Ważna uwaga
Złączenie jest definiowane jako podzbiór iloczynu kartezjańskiego tabel.
Nie oznacza to jednak, że złączenie jest w praktyce realizowane przez RDBMS w ten
sposób, iż najpierw tworzy się iloczyn kartezjański, a później wybiera z niego krotki
spełniające warunek złączenia.
Bazy danych - wykład 2 52
Znajdź imiona żeglarzy, którzy zarezerwowali łódkę nr 103
• Rozw. 1:
• Rozw. 2:
• Rozw. 3:
)Żeglarze)Rezerwacje((103BidImię
))ŻeglarzeRezerwacje((103BidImię
2Imię
12Tmp
103Bid1Tmp
Tmp
ŻeglarzeTmp
Rezerwacje
Bazy danych - wykład 2 53
PodsumowanieModel relacyjny ma ściśłe, formalnie
zdefiniowane reguły zadawania zapytań, proste, ale potężne.
Algebra relacji jest bardzo użyteczna do reprezentowania planów wykonania zapytań.
Jedno zapytanie zazwyczaj można zrealizować na kilka sposobów. Optymalizator dobrego RDBMS powinien wybrać sposób najlepszy, ale niekiedy trzeba to zrobić ręcznie.