Databases I (H.15) Normaliseren Wiebren de Jonge Vrije Universiteit, Amsterdam voorlopige versie 2003 sheets 1-54 stabiel !?
Overzicht Reeds behandeld: –hoe herken je normaalvormen resp. bepaalde vormen van redundantie? Te behandelen: –hoe moet je zulke redundantie vermijden resp. een hogere normaalvorm bereiken? –wat zijn de valkuilen?
Voorbeeld Normaliseren (1/2) F = {sofinr naam, sofinr adres, sofinr gdatum } Key: {sofinr, vmiddel} Alle FD’s in F = F RR = m.c. van F zijn r_partiëel naar niet-primaire attributen Dus: wel in 1NF, maar niet in 2NF
Introductie Normaliseren (5/5) F = { sofinr naam, sofinr adres, sofinr gdatum } Key R 1 : {sofinr}Key R 2 : {sofinr, vmiddel} F 1 = FF 2 = R 1 is in BCNFR 2 is in BCNF (dus het hele schema is in BCNF)
Spurious tupels & dangling tupels Spurious tupels leveren een ècht probleem: Het is niet meer mogelijk om vanuit de decompositie de oorspronkelijke relatie te reconstrueren Dangling tupels leveren geen ècht probleem: Het betekent simpelweg dat in de decompositie informatie kan worden opgeslagen die bij het joinen “verloren” kan gaan. M.a.w.: de decompositie biedt je extra mogelijkheden, n.l. om “losse” informatie op te slaan.
Lossless-join eigenschap {R 1, R 2, …, R n } is een decompositie van een relationeel schema R indien: n i=1 R i = R (Dus indien alle R i ’s samen de attributen van R bevatten) Definitie van “lossless”: Zij R een relationeel schema, zij C een verzameling constraints en zij {R 1, R 2, …, R n } een decompositie van R. {R 1, R 2, …, R n } heeft de lossless-join eigenschap m.b.t. C d.e.s.d.a. ( ) voor elke mogelijke extensie r van R die aan de constraints van C voldoet geldt: r = R1 (r) join R2 (r) join … join Rn (r) (d.w.z. als er, wanneer voldaan wordt aan de constraints van C, door “joinen v.d. projecties” nooit spurious tupels zullen ontstaan)
Eigenschappen “join van projecties” “join van projecties” kan soms meer tupels teruggeven, maar nooit minder als je de “join van projecties” opnieuw projecteert, krijg je hetzelfde resultaat als direct na het projecteren van de oorspronkelijke relatie meerdere keren uitvoeren van “join van projecties” levert precies hetzelfde resultaat op als één keer “join van projecties” (S 1, P 1, J 1 ) (S 2, P 1, J 2 ) (S 1, P 1 )(P 1, J 1 ) (S 2, P 1 )(P 1, J 2 ) (S 1, P 1, J 1 ) (S 2, P 1, J 2 ) (S 1, P 1, J 2 ) (S 2, P 1, J 1 )
Controleren lossless-join (als 2 proj.) Zij D = {R 1, R 2 } een decompositie van R en zij F een verzameling FD’s. D is een lossless join decompositie m.b.t. F d.e.s.d.a. 1) (R 1 R 2 ) (R 1 - R 2 ) F +, òf 2) (R 1 R 2 ) (R 2 - R 1 ) F + Merk op: (R 1 R 2 ) (R 1 - R 2 ) F + (R 1 R 2 ) R 1 F + “ ”: augmentatie met R 1 R 2 (voeg links en rechts R 1 R 2 toe) “ ”: decompositie-regel (R 1 - R 2 is een deelverz. van R 1 ) Dus, D is een lossless join decompositie m.b.t. F d.e.s.d.a. 1) (R 1 R 2 ) R 1 F +, òf 2) (R 1 R 2 ) R 2 F + oftewel: d.e.s.d.a. R 1 R 2 een supersleutel is van R 1 of R 2
Voorbeeld Database DPD_EMP E# 1 DPD_N 1 REL EMP_NBDATED# E2Barbarawife Joe D1 E3Marydaughter Jack D1 E3Suewife Jack D1 E4Tomson Will D2 E4Marywife Will D2 DPD EMP E# 1 DPD_N 1 REL E# 1 EMP_N BDATE D# E2Barbara wife E2Joe D1 E3Mary daughter E3Jack D1 E3Sue wife E4Will D2 E4Tom son E4Mary wife
Vb. lossless-join (splitsing in 2 projecties) D is een lossless join decompositie m.b.t. F d.e.s.d.a. 1) (R 1 R 2 ) R 1 F +, òf 2) (R 1 R 2 ) R 2 F + R = DPD_EMP = {E#, DPD_N, REL, EMP_N, BDATE, D#} met F = {{E#, DPD_N} REL, E# EMP_N, E# BDATE, E# D#} R 1 = DPD = {E#, DPD_N, REL} R 2 = EMP = {E#, EMP_N, BDATE, D#} R 1 R 2 = {E#} èn E# {E#, EMP_N, BDATE, D#} (=EMP) Dus: deze decompositie van DPD_EMP is lossless m.b.t. F
Vb. lossless-join (met n projecties) (1/3) DPD_EMP_DPM (E#, DPD_N, REL, EMP_N, BDATE, D#, DPM_N, BUDGET) met F = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE,DPM_N D#, E# D#, DPM_N BUDGET } DPD (E#, DPD_N, REL) EMP (E#, EMP_N, BDATE, D#) DEPT (D#, DPM_N, BUDGET)
Vb. lossless-join (met n projecties) (2/3) DPD_EMP_DPM (E#, DPD_N, REL, EMP_N, BDATE, D#, DPM_N, BUDGET) met F = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE,DPM_N D#, E# D#, DPM_N BUDGET } E#DPD_NRELEMP_NBDATED# DPM_N BUDGET DPD a 1 a 2 a 3 b 14 b 15 b 16 b 17 b 18 EMP a 1 b 22 b 23 a 4 a 5 a 6 b 27 b 28 DEPT b 31 b 32 b 33 b 34 b 35 a 6 a 7 a 8
Vb. lossless-join (met n projecties) (3/3) DPD_EMP_DPM (E#, DPD_N, REL, EMP_N, BDATE, D#, DPM_N, BUDGET) met F = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE,DPM_N D#, E# D#, DPM_N BUDGET } E#DPD_NRELEMP_NBDATED#DPM_NBUDGET DPD a 1 a 2 a 3 a 4 a 5 a 6 a 7 a 8 EMP a 1 b 22 b 23 a 4 a 5 a 6 a 7 a 8 DEPT b 31 b 32 b 33 b 34 b 35 a 6 a 7 a 8 N.B. situatie na “toepassing” van E# {EMP_N, BDATE, D#} en van D# {DPM_N, BUDGET}
Algoritme lossless-join Heeft een decompositie R 1, …, R k van R de lossless-join eigenschap m.b.t. een verzameling FD’s F? 1) maak een tabel met k rijen (voor iedere R 1, …, R k een rij) en n kolommen (voor ieder attribuut A 1, …, A n een kolom) 2) i j: zet in rij i en kolom j: het symbool a j als A j R i het symbool b ij als A j R i 3) “verwerk” nu telkens opnieuw alle FD’s X Y F totdat – òfwel één van de rijen gelijk is geworden aan a 1, …, a n – òfwel de tabel niet meer gewijzigd kan worden 4) deze decompositie is lossless er is een rij gelijk aan a 1, …, a n “verwerken” van een FD X Y: telkens als een aantal rijen ‘dezelfde X-waarden’ hebben, geef ze dan ook ‘dezelfde Y-waarden’ (en kies zo mogelijk voor een a j ) Let op: telkens als je een symbool wijzigt, moet je alle instanties van dat symbool wijzigen (dus ook instanties in heel andere rijen)
Voorbeeld lossless-join algoritme (1/7) R = {A,B,C,D,E} = ABCDE R 1 =AD R 2 =AB R 3 =BE R 4 =CDE R 5 =AE F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 b 13 a 4 b 15 R 2 a 1 a 2 b 23 b 24 b 25 R 3 b 31 a 2 b 33 b 34 a 5 R 4 b 41 b 42 a 3 a 4 a 5 R 5 a 1 b 52 b 53 b 54 a 5
Voorbeeld lossless-join algoritme (2/7) F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 b 13 a 4 b 15 R 2 a 1 a 2 b 13 b 24 b 25 R 3 b 31 a 2 b 33 b 34 a 5 R 4 b 41 b 42 a 3 a 4 a 5 R 5 a 1 b 52 b 13 b 54 a 5
Voorbeeld lossless-join algoritme (3/7) F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 b 33 a 4 b 15 R 2 a 1 a 2 b 33 b 24 b 25 R 3 b 31 a 2 b 33 b 34 a 5 R 4 b 41 b 42 a 3 a 4 a 5 R 5 a 1 b 52 b 33 b 54 a 5
Voorbeeld lossless-join algoritme (4/7) F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 b 33 a 4 b 15 R 2 a 1 a 2 b 33 a 4 b 25 R 3 b 31 a 2 b 33 a 4 a 5 R 4 b 41 b 42 a 3 a 4 a 5 R 5 a 1 b 52 b 33 a 4 a 5
Voorbeeld lossless-join algoritme (5/7) F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 a 3 a 4 b 15 R 2 a 1 a 2 a 3 a 4 b 25 R 3 b 31 a 2 a 3 a 4 a 5 R 4 b 41 b 42 a 3 a 4 a 5 R 5 a 1 b 52 a 3 a 4 a 5
Voorbeeld lossless-join algoritme (6/7) F = {A C, B C, C D, DE C, CE A} ABCDE R 1 a 1 b 12 a 3 a 4 b 15 R 2 a 1 a 2 a 3 a 4 b 25 R 3 a 1 a 2 a 3 a 4 a 5 R 4 a 1 b 42 a 3 a 4 a 5 R 5 a 1 b 52 a 3 a 4 a 5
Voorbeeld lossless-join algoritme (7/7) Opmerking We hebben de FD’s in dit vb. “toevallig” in een gunstige volgorde verwerkt zodat we na één ronde al klaar zijn. In het algemeen moet de gehele verzameling van FD’s meerdere malen doorlopen worden (namelijk, net zolang totdat er: ofwel een rij a’s uitkomt, ofwel er niets meer in de tabel veranderd kan worden)
Vb. 1: Dependency Preserving ? (1/3) R = { Stad, Straat, Huisnr, Postcode, Vraagprijs } F = { {Stad, Straat, Huisnr} Postcode, {Stad, Straat, Huisnr} Vraagprijs, {Postcode, Huisnr} Vraagprijs, Postcode Stad, Postcode Straat } Stad 1 Straat 1 Huisnr 1,2 Postcode 2 Vraagprijs AmsterdamWesterstr MK Den HaagLaan DT Den HaagHoefkade CA AppingedamBroerstr EK AppingedamBroerstr EK Keys: { {Stad, Straat, Huisnr}, {Postcode, Huisnr} }
Vb. 1: Dependency Preserving ? (2/3) R = { Stad, Straat, Huisnr, Postcode, Vraagprijs} F = { {Stad, Straat, Huisnr} Postcode, {Stad, Straat, Huisnr} Vraagprijs, {Postcode, Huisnr} Vraagprijs, Postcode Stad, Postcode Straat } R 1 R 2 Postcode 1 Huisnr 1 VraagprijsPostcode 1 StadStraat 1015 MK MKAmsterdamWesterstr 1212 DT DTDen HaagLaan 2526 CA CADen HaagHoefkade 9901 EK EKAppingedamBroerstaat 9901 EK
Vb. 1: Dependency Preserving ? (3/3) R = { Stad, Straat, Huisnr, Postcode, Vraagprijs } F = { {Stad, Straat, Huisnr} Postcode, {Stad, Straat, Huisnr} Vraagprijs, {Postcode, Huisnr} Vraagprijs, Postcode Stad, Postcode Straat } R 1 = {Postcode, Huisnr, Vraagprijs} R 2 = {Postcode, Stad, Straat} Er geldt: R 1 R 2 = Postcode èn Postcode {Stad, Straat} F + dus de decompositie heeft de lossless-join eigenschap Echter, de volgende FD’s zijn beide “tussen wal en schip gevallen”: {Stad, Straat, Huisnr} Postcode {Stad, Straat, Huisnr} Vraagprijs (dus join nodig om ze te checken, want niet afleidbaar uit rest; zie vb.2)
Vb. 2: Dependency Preserving ? R = {A, B, C} = ABC (keys: {A} = A) F = { A B, (r_sleutel) A C, (r_sleutel) B C } (r_transitief) R 1 = AB (= {A, B}) R 2 = BC (= {B, C}) Er geldt: R 1 R 2 = B en B BC F + (dus lossless-join eigenschap) De FD A C lijkt “tussen wal en schip te vallen”, doch: A C volgt uit A B en B C A B kan efficiënt in R 1 gecontroleerd/afgedwongen worden B C kan efficiënt in R 2 gecontroleerd/afgedwongen worden Dus: als A B en B C beide afgedwongen worden, dan wordt daarmee automatisch ook A C afgedwongen
Dependency Preserving De projectie van F op een verzameling attributen Z: Z (F) = { X Y F + | XY Z } Let op: Z (F) = Z (F + ) !! (dus eig. ongelukkig gekozen definitie) Een decompositie {R 1, R 2, … R k } heet dependency preserving d.e.s.d.a. ( k i=1 Ri (F (+) )) F M.b.v.: F G F + = G + F G + èn G F + kan afgeleid worden: afh. bewarend F + = ( k i=1 Ri (F)) + F ( k i=1 Ri (F)) + Want de tweede eis G F +, oftewel: ( k i=1 Ri (F)) F +, volgt in dit geval uit het feit dat een proj ie van F per def ie alleen afhankelijkheden uit F + bevat.
Vb. 2: Dependency Preserving m.b.v. F + (1/3) F = {A B, A C, B C} R 1 = {A,B} = AB R 2 = {B,C} = BC deze decompositie is dependency preserving d.e.s.d.a.: F ( R1 (F) R2 (F) ) + oftewel: F ( R1 (F + ) R2 (F + ) ) + eerst maar eens F + uitrekenen...
Vb. 2: Dependency Preserving m.b.v. F + (2/3) F + = {A A, AB A,AC A,ABC A A B,B B, AB B,BC B,AC B,ABC B A C,B C,C C, AB C,BC C,AC C,ABC C A AB, AB AB,AC AB,ABC AB A BC,B BC, AB BC,BC BC,AC BC,ABC BC A AC, AB AC,AC AC,ABC AC A ABC, AB ABC, AC ABC,ABC ABC} Kortom, i.h.a. ondoenlijk! Met dit kleine voorbeeld kan het ‘nog net’. We gaan dan ook ‘braaf’ (resp. ‘domweg’) verder met de uitwerking van dit vb. om een beter beeld te krijgen van waar het om gaat.
Vb. 2: Dependency Preserving m.b.v. F + (3/3) F = {A B, A C, B C} R 1 = {A,B} = AB R 2 = {B,C} = BC als deze decompositie dependency preserving is, dan zou moeten gelden: F ( R1 (F) R2 (F) ) + R1 (F) = {A A, A B, A AB, B B, AB A, AB B, AB AB} R2 (F) = {B B, B C, B BC, C C, BC B, BC C, BC BC} dus er zou moeten gelden –A B ( R1 (F) R2 (F) ) + (klopt, want A B R1 (F) ) –B C ( R1 (F) R2 (F) ) + (klopt, want B C R2 (F) ) –A C ( R1 (F) R2 (F) ) + (klopt, want uit A B R1 (F) en B C R2 (F) volgt: A C ( R1 (F) R2 (F) ) + ) Dus: deze decompositie is dependency preserving
Vb. 1: Dependency Preserving m.b.v. F + F = {{Stad, Straat, Huisnr} Postcode, {Stad, Straat, Huisnr} Vraagprijs, {Postcode, Huisnr} Vraagprijs, Postcode Stad, Postcode Straat } R 1 = {Postcode, Huisnr, Vraagprijs} R 2 = {Postcode, Stad, Straat} als deze decompositie is dependency preserving is, dan zou moeten gelden: F ( R1 (F) R2 (F) ) + echter, er geldt o.a. (maar hoe zie je dat?) : {Stad, Straat, Huisnr} Vraagprijs ( R1 (F) R2 (F) ) + Dus: deze decompositie is niet dependency preserving
Problemen met: Dependency Preserving? afh. bewarend F + = ( k i=1 Ri (F)) + F ( k i=1 Ri (F)) + Neem: G = k i=1 Ri (F) Merk op:1) G bepalen door eerst F + uit te rekenen is i.h.a. ondoenlijk 2) G + uitrekenen i.h.a. ook ondoenlijk Oplossing voor 2): check voor elke FD X Y F of ook geldt:X Y G + d.w.z. of:Y X + G Dit laatste kan zonder G uit te hoeven rekenen! (M.a.w.: het eerste probleem kan ook omzeild worden. Er bestaat een algoritme wat, althans dit jaar, niet tot de stof behoort. )
Dependency Preserving met F* i.p.v. F + Maar ook zonder dat algoritme te gebruiken kan het slimmer! E.e.a. kan efficiënter met gebruik van F* i.p.v. F + Kan o.a. m.b.v. een ‘zuiniger’ vorm van projectie van F: * Z (F) = { X Y F* | XY Z } afh.bewarend F ( k i=1 Ri (F)) + F ( k i=1 * Ri (F)) + dus nu:check voor elke FD X Y F of ook geldt:X Y ( k i=1 * Ri (F)) +
Vb. 2: Dependency Preserving met F* F = {A B, A C, B C} R 1 = {A,B} = AB R 2 = {B,C} = BC deze decompositie is dependency preserving d.e.s.d.a.: F ( * R1 (F) * R2 (F) ) + in dit vb.: F* = F * R1 (F) = {A B} * R2 (F) = {B C} dus er zou moeten gelden –A B ( * R1 (F) * R2 (F) ) + ? Ja, want A B * R1 (F) ) –B C ( * R1 (F) * R2 (F) ) + ? Ja, want B C * R2 (F) ) –A C ( * R1 (F) * R2 (F) ) + ? Ja, want uit A B * R1 (F) en B C * R2 (F) volgt: A C ( * R1 (F) * R2 (F) ) + ) Dus: deze decompositie is dependency preserving
Vb. 1: Dependency Preserving m.b.v. F* F = {{Stad, Straat, Huisnr} Postcode, {Stad, Straat, Huisnr} Vraagprijs, {Postcode, Huisnr} Vraagprijs, Postcode Stad, Postcode Straat } = F* R 1 = {Postcode, Huisnr, Vraagprijs} R 2 = {Postcode, Stad, Straat} als deze decompositie is dependency preserving is, dan zou moeten gelden: F ( * R1 (F) * R2 (F) ) + echter, er geldt o.a.: {Stad, Straat, Huisnr} Vraagprijs ( * R1 (F) * R2 (F) ) + Dus: deze decompositie is niet dependency preserving
Normaalvormen Een database-ontwerp (db-schema) R 1, R 2, …, R n is in ?NF t.o.v. een verzameling FD’s F d.e.s.d.a. iedere relatie R i in ?NF is t.o.v. Ri (F) ( N.B. in de praktijk natuurlijk: t.o.v. * Ri (F) )
‘Tussenstand’ We weten nu hoe we in een relatie-schema en/of db-schema potentiële redundantie kunnen herkennen (normaalvorm bepalen) Van een decompositie kunnen we nu beoordelen: –hoe goed in de decompositie redundantie wordt voorkomen (i.e. hoe hoog de normaalvorm is) –of de decompositie dezelfde informatie kan bevatten als de oorspronkelijke tabel(via “lossless join” algoritme) –of de FD’s ( {“gewenste constraints”}) in de decompositie op een efficiënte manier kunnen worden afgedwongen (via “dependency preserving” algoritme dat niet is behandeld of door dat ‘handmatige controle’ m.b.v. F* zoals geschetst)
Gewenste eigenschappen database-ontwerp Beslist de lossless-join eigenschap, want anders verlies van info B.v.k. een hoge normaalvorm, want anders potentiële redundantie, etc. B.v.k. dependency preserving, want anders is er veel werk (n.l. ‘dure’ joins) nodig om de opgelegde constraints (zoals FD’s) af te dwingen Bestaat er een decompositie die aan de wensen voldoet? Hoe vind je zo’n decompositie? (zonder alle mogelijke decomposities te hoeven uitproberen)
Wat is er mogelijk en wat (soms) niet? BCNF + dependency preserving + lossless: soms onmogelijk BCNF + dependency preserving: soms onmogelijk BCNF + lossless: altijd mogelijk 3NF + dependency preserving + lossless: altijd mogelijk
Twee decompositie-algoritmes 3NF decompositie algoritme (lossless + dependency preserving) BCNF decompositie algoritme (lossless, doch niet altijd dependency preserving) In dit college gaan we uitsluitend het 3NF algoritme behandelen! (Het BCNF decompositie algoritme valt dit jaar nog buiten de tentamenstof, o.a. i.v.m. complexiteit van projecteren van F + of van berekenen van F* en i.v.m. overslaan van het algoritme voor het testen van de “dependency preserving” eigenschap)
3NF decompositie algoritme (lossless + d.p.) Gegeven een relatie-schema R en een verzameling FD’s F: 1)Bepaal een minimal cover van F en noem die m.c. G. 2)Splits R op in alle relatie-schema’s X i A i die corresponderen met een afhankelijkheid X i A i in G 3)Telkens als X i = X j mogen we de twee bijbehorende schema’s (X i A i en X j A j ) samenvoegen tot X i A i A j. 4)Om de lossless-join eigenschap te verzekeren voegen we één relatie-schema X toe, waarbij X een sleutel moet zijn van R. 5)Verwijder eventueel een aantal overbodige schema’s (± schema’s die bevat zijn in een ander schema). N.B. stappen 2 en 3 kun je ook makkelijk in één klap uitvoeren
Voorbeeld 3NF decompositie algoritme (1/5) Gegeven: DPD_EMP_DPM = {E#, DPD_N, REL, EMP_N, BDATE, D#, DPM_N, BUDGET} met F = {{E#, DPD_N} REL, E# {EMP_N, BDATE, D#}, D# {BUDGET, DPM_N}, DPM_N {D#, BUDGET} } Stap 1: Bepaal een minimal cover van F (en noem die G) G = {{E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE, DPM_N D#, E# D# }
Voorbeeld 3NF decompositie algoritme (2/5) We hebben: G = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE, DPM_N D#, E# D# } Stap 2: Splitsen in losse relatieschema’s (maak voor iedere FD in G een ‘bijpassend’ relatieschema) {E#, DPD_N, REL},{D#, DPM_N}, {E#, EMP_N},{D#, BUDGET}, {E#, BDATE},{DPM_N, D#}, {E#, D#}
Voorbeeld 3NF decompositie algoritme (3/5) We hebben: G = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE, DPM_N D#, E# D# } en schema’s: {E#, DPD_N, REL}, {D#, DPM_N}, {E#, EMP_N}, {D#, BUDGET}, {E#, BDATE}, {DPM_N, D#}, {E#, D#} Stap 3: Samenvoegen van schema’s {E#, DPD_N, REL}, {E#, EMP_N, BDATE, D#}, {D#, DPM_N, BUDGET}, {DPM_N, D#}
Voorbeeld 3NF decompositie algoritme (4/5) We hebben: G = { {E#, DPD_N} REL, D# DPM_N, E# EMP_N, D# BUDGET, E# BDATE, DPM_N D#, E# D# } en schema’s: {E#, DPD_N, REL}, {E#, EMP_N, BDATE, D#}, {D#, DPM_N, BUDGET}, {DPM_N, D#} Stap 4: Relatie-schema voor een sleutel toevoegen Op basis van G kunnen we een sleutel vinden: {E#, DPD_N} (In dit vb. is het zelfs de enige sleutel) Dus voeg nu toe: {E#, DPD_N}
Voorbeeld 3NF decompositie algoritme (5/5) We hebben: {E#, DPD_N, REL}, {E#, EMP_N, BDATE, D#}, {D#, DPM_N, BUDGET}, {DPM_N, D#}, {E#, DPD_N} Stap 5: Verwijderen overbodige relatie-schema’s (± schema’s die in een ander relatie-schema bevat zijn) {E#, DPD_N, REL}(=DPD) {E#, EMP_N, BDATE, D#}(=EMP) {D#, DPM_N, BUDGET}(=DEPT) N.B.:Het eindresultaat is dus precies gelijk aan onze voorbeeld-DB met de 3 tabellen DPD, EMP en DEPT
Hogere normaalvormen: 4NF (1/3) voorbeeld: dating-bureau houdt van iedere zoekende de volgende informatie bij: naam, hobby’s, huisdieren –personen kunnen meerdere hobby's en/of huisdieren hebben –er is geen verband tussen hobby’s en huisdieren ZOEKENDE_HOBBY ZOEKENDE_HUISDIER NAAMHOBBY NAAMHUISDIER Truusbridgen Truuskat Truuspuzzelen Truusgoudvis Teunsjoelen TeunHond TeunKanarie
Hogere normaalvormen: 4NF (2/3) Stel, je stopt al deze informatie in slechts één tabel. Kun je dan d.m.v. FD’s vooraf detecteren dat je hiermee redundantie kunt introduceren? (antwoord: nee, want F = ) ZOEKENDE NAAMHOBBYHUISDIER Truusbridgenkat Truusbridgengoudvis Truuspuzzelenkat Truuspuzzelengoudvis Teunsjoelenhond Teunsjoelenkanarie
Hogere normaalvormen: 4NF (3/3) ZOEKENDE NAAMHOBBYHUISDIER Truusbridgenkat Truusbridgengoudvis Truuspuzzelenkat Truuspuzzelengoudvis Teunsjoelenhond Teunsjoelenkanarie Multi-valued dependencies (MVD’s): 1)naam --->> hobby 2)naam --->> huisdier 4NF: gebaseerd op MVD’s (betreffen ‘onafh.’ many-many relationships) N.B. ZOEKENDE is wel in BCNF, maar niet in 4NF
Hoogste normaalvorm: 5NF (=PJNF) FD’s: beschrijven many-one relationships (tussen attr.waarden) MVD’s: betreffen “onafhankelijke” many-many relationships (...) JD’s: beschrijven relationships (tussen attr.waarden) die de lossless-join eigenschap garanderen Join Dependency (JD): een constraint die inhoudt dat de betreffende relatie gelijk is aan de join van een aantal projecties (voor iedere toegestane extensie!) N.B.: {FD’s} {MVD’s} {JD’s} 5NF (=PJNF): – gebaseerd op ‘èchte’ join dependencies (i.e. ook splitsen als ‘èchte’ JD aanwezig) – de ultieme normaalvorm (althans op basis van projectie en join, i.e. ‘knippen’ en ‘plakken’)
Voorbeeld van een join-dependency (JD) In de context van de “SPJ” database”: “Als een supplier iets levert aan een bepaald project, dan levert hij aan dat project ook alles wat hij kan leveren en wat bij dat project gebruikt wordt.” Als deze join dependency geldt in het SPJ-voorbeeld dan is de tabel SPJ niet in 5NF De decompositie {SP, PJ, JS} is dan wel in 5NF (èn lossless)
Enkele nuttige stellingen Als een relatie-schema in 3NF is en als elke sleutel bestaat uit slechts één enkel attribuut (i.e. er is geen enkele samengestelde sleutel), dan is het relatie-schema ook in 5NF Als een relatie-schema in BCNF is en als er tenminste één sleutel is bestaande uit een enkel attribuut, dan is het relatie-schema ook in 4NF Elke relatie met twee attributen is in BCNF
Bewijs laatste stelling Stelling:Elke relatie R met twee attributen is in BCNF (BCNF: iedere relevante FD is een r_sleutelafh) Bewijs: Neem een minimal cover G van R Er zijn 4 mogelijkheden voor G: 1)G = dan is inderdaad iedere relevante FD een r_sleutelafh (triviaal) 2)G = {A B} dan is A een key, dus A B een r_sleutelafh 3)G = {B A} dan is B een key, dus B A een r_sleutelafh 4)G = {A B, B A} dan zijn A en B key’s en zijn A B en B A r_sleutelafh
Slotopmerking m.b.t. normaliseren Met de in dit college behandelde theorie is men in staat om gegeven een schema potentiële redundantie te herkennen en te vermijden (tot op zekere hoogte) Het is echter aan de Database-ontwerper om te beslissen of normalisering ook echt wenselijk is (denk hierbij b.v. aan zaken als performance bij retrieval, i.e. leesoperaties)