W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I

HTML
DOWNLOAD

Wielkość: px

Rozpocząć pokaz od strony:

Download "W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I"

Sabina Krzemińska
6 lat temu
Przeglądów:

1 W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I

2 W A R S Z A W S K A W Y Ż S Z A S Z K O Ł A I N F O R M A T Y K I PRACA MAGISTERSKA Piotr MACIEJEWSKI Numer albumu 2393 Autonormalizujące się bazy danych Promotor: dr hab. Michał GRABOWSKI profesor WWSI

3 CEL PRACY Opracowanie i przetestowanie metody służącej do automatyzacji procesu normalizacji relacyjnych baz danych, wykorzystującej w swoim działaniu wykryte zależności funkcyjne zachodzące pomiędzy atrybutami tabel.

4 OBSZAR DZIAŁANIA

5 Administracja publiczna Instytucje naukowe Instytucje wojskowe Szkolnictwo...

6 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

7 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Dlaczego przechowujemy dane, czyli skąd wypływa źródło tej potrzeby? Wybór rodzaju metody, która zastąpi czynnik ludzki w procesie normalizacji? Określenie niezbędnych środków technicznych do realizacji zadania?

8 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

9 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

10 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

11 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY zbiór danych zorganizowanych zgodnie z pojęciową strukturą opisującą charakterystyki tych danych oraz związki między ich odpowiednimi elementami, stosowany w jednym lub wielu zastosowaniach PN-ISO/IEC :

12 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

13 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

14 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

15 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

Edgar Frank Codd 23 VIII 1923 18 IV 2003 Źródło:

16 Edgar Frank Codd 23 VIII IV 2003 Źródło:

17 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

18 SŁOWNIK OPRACOWANEJ METODY Relacja pierwotna Autonormalizacja Mapowanie atrybutów relacji pierwotnej Tymczasowa relacja mapująca Zmapowana relacja pierwotna Relacja macierzysta / Relacja macierzysta (bis) / Relacja obca Atrybut potomny relacji macierzystej Fundamentalna zależność funkcyjna Współczynnik ziarnistości / Granica ziarnistości

wyznaczajązwiązek atrybutuz pozostałymi atrybutamirelacji. Reguła (4.

19 Fundamentalna zależność funkcyjna Reguła (4.1): Poprzez występujące fundamentalne zależności funkcyjne, krotki wyznaczajązwiązek atrybutuz pozostałymi atrybutamirelacji. Reguła (4.2): Każdy atrybut typu DC fundamentalnej zależności funkcyjnej zostanie przekształcony w atrybut typu IC w przebiegu procesów autonormalizacji.

20 Fundamentalna zależność funkcyjna

22 Współczynnik ziarnistości / Granica ziarnistości seedfactor = s (4.1) Współczynnik ziarnistości lub granulacji atrybutu relacji jest miarą, która określa przeciętną liczność wystąpienia podzbiorów identycznych wartości (inaczej mówiąc: zgrupowanych jednorodnych wartości) rekordów analizowanego atrybutu relacji. Minimalna wartość tego współczynnika zawsze będzie równa jeden, a maksymalna jego wartość jest równa ilości wszystkich rekordów analizowanego atrybutu (jednoznacznie relacji).

23 Współczynnik ziarnistości / Granica ziarnistości seedfactor = s (4.1) s wartość przeciętna elementów s ze zbioru S. S = s : s : = { } sup( P) x x P x i, s S P (4.2) Z + i= 1

24 Współczynnik ziarnistości / Granica ziarnistości seedlimes = P 2 (4.3) Granica ziarnistości empiryczny wskaźnik służący do wyznaczania stopnia granulacji badanych atrybutów relacji. Charakterystyczną jego cechą jest możliwość regulowania czułości dot. wykrywania relacji słownikowych dla nowo tworzonegoschematu bazydanych.

25 Współczynnik ziarnistości / Granica ziarnistości seedlimes P seedlimes = (4.3) 2 oznacza minimalną wartość współczynnika ziarnistości, który rozgranicza średnioziarnistością od gruboziarnistości. P moc zbioru P, ilość wszystkich rekordów pobranych z pola relacji;

27 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Algorytm opracowanej metody

28 1. Mapowanie atrybutów relacji (null 0) 2. Podział atrybutów relacji wg wystąpień 0 3(EC). Separacja atrybutów względem ilości występowania wartości równych 0 (null) Atrybuty EC (0 ) Atrybuty FC (1 ) 4(EC). Separacja atrybutów względem położenia wartości 0 (null) 5(EC). Usunięcie wartości 0 (null) z atrybutów relacji obcych 3(FC). Zgrupowanie atrybutów Relacja macierzysta (1 ) 6. Wyliczenie wsp. ziarnistości Relacje macierzyste (bis) (1 ) 8. Korekta anomalii 7. Wyznaczenie typów fzf atrybutów 9. Redukcja typów fzf DC do IC 10. Budowa schematu DB

29 1. Mapowanie atrybutów relacji pierwotnej

30 1. Mapowanie atrybutów relacji pierwotnej

31 1. Mapowanie atrybutów relacji pierwotnej

32 1. Mapowanie atrybutów relacji pierwotnej

33 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Przykład teoretyczny (ogólny).

35 1.

36 2.

37 3(FC). 3(EC).

38 4(EC).

39 (EC).

40 9.

41 9.

42 9.

43 10.

44 10.

45 10.

46 10.

47 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY

48 ANALIZA PROBLEMU PROJEKT LOGICZNY PROJEKT TECHNOLOGICZNY Opis realnego problemu Analiza struktury danych wejściowych Budowa nowego schematu bazy danych w oparciu o wyniki uzyskane z analizy

55 8.

56 8.

57 2-9.

58 10.

59 10.

60 WIZJA DALSZEGO ROZWOJU

61 PIERWOTNA ANALIZA Brak dostatecznej wiedzy przy postępowaniu z polami posiadającymi wartości null? Występujące anomalie w polach relacji pierwotnej, będące efektem błędnie wprowadzonych danych?

65 WNIOSKI KOŃCOWE Współczynnik ziarnistości atrybutów relacji Granica ziarnistości atrybutów relacji Typ fundamentalnej zależności funkcyjnej

66 WNIOSKI KOŃCOWE ZALETY PRZEDSTAWIONEJ METODY DO AUTONORMALIZACJI Prostota działania opracowanej metody; Wystarczające odtworzenie rzeczywistego schematu bazy danych; Mapowanie relacji zapewnia bezpieczeństwo przetwarzania danych w internetowej chmurze; Zastąpienie w prostych oraz powszechnych problemach wykwalifikowanego personelu analityków; Perspektywa dalszego rozwoju opracowanej metody;...

67 WNIOSKI KOŃCOWE WADY PRZEDSTAWIONEJ METODY DO AUTONORMALIZACJI brak możliwości dokładnego odtworzenia rzeczywistego schematu relacyjnej; wrażliwość podstawowej metody na wielkość próby statystycznej źródłowego zbioru; wrażliwość na anomalie występujące w polach danych źródłowych;

68 WNIOSKI KOŃCOWE Przedstawiona praca przyniosła nowe doświadczenia, które umożliwiły mi poszerzenie posiadanej wiedzy teoretycznej oraz praktycznej z dziedziny baz danych. Szczególnie programowanie w dynamicznym SQL u było źródłem ciekawych i fascynujących odkryć, ponieważ pozwoliło na rozwiązanie zaawansowanych problemów logicznych. W głównej mierze źródłem tej wiedzy było rozwiązywanie problemów cząstkowych w trakcie budowy modelu algorytmu do samoczynnej normalizacji relacyjnejbazy danych. Praca ta umożliwiła, mi także poczuć istotę badania naukowego, w tym sposobów prowadzenia testów eksperymentalnych z wykorzystaniem dostępnych narzędzi informatycznych.

70 Fotografie użyte w prezentacji zostały pobrane ze stron internetowych Zon2PcRCZg4cOw3ZA 8C7hQ8YTbsd672iQ ZOmlYANB90gdj02APJQzZ_Q-5z7 SXZXd3oVk_DtiQ

Podobne dokumenty

Definicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d.

Definicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d. TECHNOLOGIE BAZ DANYCH WYKŁAD 1 Wprowadzenie do baz danych. Normalizacja. (Wybrane materiały) Dr inż. E. Busłowska Definicja bazy danych Uporządkowany zbiór informacji, posiadający własną strukturę i wartość.