Базы данных. Основные понятия

Тема:

Базы данных. Основные понятия.

Объекты, атрибуты и связи.

Основные определения.

База данных – это совокупность сведений о конкретных объектах реального мира в какой-либо предметной области (экономика, менеджмент, химия и т.д.).

В теории БД объекты называют сущностями, а данные о них – атрибутами. Целью информационной системы является не просто хранение данных об объектах, но и манипулирование этими данными, учитывая связи между объектами. Объект, атрибут и связь – фундаментальные понятия ИС.

Объект (или сущность) – это "нечто" существующее и однозначно различимое, т.е. под объектом понимается то, что имеет свое название и способ отличить один объект от другого. Объектами могут быть фирма, город, человек, химический элемент и т.д. Например, каждая компания, торгующая нефтепродуктами (Лукойл, Юкос, ТНК) – это объект. Объектами могут быть не только материальные предметы, но и более абстрактные понятия, отражающие реальный мир. Например, события, правовые нормы, философские теории и проч.

Группа подобных (объединенных по какому-либо признаку или группе признаков) объектов образует класс (набор) объектов. Например, классом могут быть фирмы, автомобили, товары и т.п. В сфере торговли – это, например, фирмы торгующие нефтепродуктами, компьютерами, сотовыми телефонами и т.д.

Каждый объект характеризуется каким-либо набором данных (свойств), которые в БД называются атрибутами.

Атрибут – это показатель (признак, свойство), который характеризует конкретный объект, с помощью числового, текстового или иного значения. При выборе атрибута необходимо приписать ему имя, а также тип данных – текстовые, числовые и т.д.

Например, при проектировании базы данных по учету поставок нефтепродуктов названию нефтепродукта можно присвоить имя Продукт и задать тип – текстовый.

Списки возможных значений атрибутов образуют классификаторы или справочники (например, список марок топлива – бензин Аи-95, бензин Аи-93, бензин Аи-76 – и есть справочник).

В дальнейшем вместо термина "атрибут" будем использовать синоним - "данное" или термин баз данных – "поле".

Модели данных и построение двумерных таблиц.

При проектировании баз данных в первую очередь решается проблема отображения объектов предметной области в абстрактные объекты моделей данных наилучшим образом (эффективным, удобным и т.п.). Т.е. построение информационной модели реального мира, в которой выделяются объекты, свойства (атрибуты) объектов и связь между объектами. Такое описание данных иногда называют логическим проектированием. Рассмотрим три типа моделей данных: иерархическую, сетевую и реляционную.

Простая двумерная структура.

Самой простым и очевидным способом организации данных является простая двумерная таблица. Примером такой таблицы (табл. 1.1) может быть телефонный справочник.

Справочник состоит из однородных объектов (номеров телефонов). Атрибутами (данными) для объекта являются: номер телефона; имя абонента; адрес абонента.

Таблица 1.1.

Номер	Имя_аб	Адрес
233-08-19	Петров Евгений	Садовая, 18
265-04-15	Дядя Коля	Зеленый пр-т, 10
338-15-48	Химчистка	Профсоюзная, 144
981-10-45	Спорттовары	Ленинский пр-т, 23
245-21-12	Кафедра ИТ	М.Пироговская, 1
. . .	. . .	. . .

Итак, базу данных образует простая двумерная таблица с фиксированным числом столбцов-данных (4) и переменным числом строк. Такое представление данных является наиболее простым и наглядным для человека и самым удобным для машины. Если поместить такие таблицы под управление, например, системы Access, можно мгновенно получить любые выборки из списка абонентов (например, только химчистки или абоненты, находящиеся на Ленинском пр-те).

Иерархическая структура данных.

В телефонном справочнике набор выбранных объектов (телефонов) описывается группой не связанных между собой данных. Но во многих случаях данные объектов связаны между собой и тогда исходная структура оказывается более сложной.

Пусть имеются две нефтеперерабатывающие компании, поставляющие топливо
(5 марок) на бензоколонки города. Мы хотим построить и поместить в память машины справочник цен, который содержит все компании, все бензоколонки, все виды топлива и их цены. Такую структуру данных можно представить себе как дерево, ствол которого – это набор объектов (рис. 1.1). В качестве корневой структуры выбрано название компании, торгующей нефтепродуктами, например, Юкос и ТНК. Далее располагаются ветви древовидной структуры, где размещены адреса бензоколонок, марки топлива на каждой бензоколонке и цена этого топлива.

Рис. 1.1. Пример иерархической базы данных.

Такая структура данных называется иерархической. Исходные элементы (фирмы) порождают следующие элементы (бензоколонки), причем эти элементы, в свою очередь, порождают следующие элементы (цены). Такое дерево можно представить в виде простой двумерной таблицы, если пройти по всем веткам дерева до каждого листочка (цены) персонально (рис 1.2). При этом каждый листочек (цена) займет отдельную строку в таблице.

Фирма	Адрес бензоколонки	Марка	Цена
ЮКОС	А1	Аи-95	13
ЮКОС	А1	Аи-92	12
ЮКОС	А1	Аи-76	10
ЮКОС	А2	Аи-95	13,1
ЮКОС	А2	Аи-92	12,2
ЮКОС	А2	Аи-76	9,9
ЮКОС	А3	Аи-95	13
ЮКОС	А3	Аи-92	12
ЮКОС	А3	Аи-76	10
ЮКОС	А3	ДТ	8,9
ТНК	В1	Аи-98	14
ТНК	В1	ДТ	9
ТНК	В2	Аи-95	13,2
ТНК	В2	Аи-92	12,1
ТНК	В2	ДТ	9

Рис. 1.2. Табличное представление данных из иерархической БД.

Очевидно, что значения некоторых данных (фирма, адрес бензоколонки) повторяются в таблице несколько раз.

Исторически БД с иерархической структурой данных относят к 1-му поколению баз данных.

Сетевая структура данных.

Существуют и более сложные – сетевые – структуры данных (рис 1.3), в которых каждый порожденный элемент может иметь более одного порождающего элемента (например, бензоколонка В1 может получать нефтепродукты и от ЮКОС, и от ТНК). БД с сетевой структурой тоже относятся к 1-му поколению баз данных и также могут быть преобразованы в простую двумерную таблицу.

Рис. 1.3. Сетевая база данных.

Реляционная модель данных, нормализация формы представления данных.

Реляционный подход.

Итак, сетевую и иерархическую структуру данных можно преобразовать в простую двумерную таблицу. Базы данных, которые состоят из двумерных таблиц, называют реляционными (relational database).

Реляционные базы данных – это БД 2-го поколения и появились они во 2-ой половине 70-ых годов, практически вытеснив БД 1-го поколения. Теория БД – это сложная математическая дисциплина, основы которой разработал в 70-х годах доктор Э. Кодд (США).

Основная идея реляционного подхода состоит в том, чтобы представить произвольную структуру данных в виде простой двумерной таблицы, или, как говорят, нормализовать структуру.

Подробнее процесс нормализации рассмотрим далее, а пока сформулируем основные понятия реляционных БД:

В реляционных БД любые совокупности данных представляются в виде двумерных таблиц (в теории БД – отношений).
Каждая таблица состоит из фиксированного числа столбцов и некоторого (переменного) количества строк. Описание столбцов, составляемое разработчиком, называют макетом таблицы.
Столбцы таблицы называются полями (в теории БД – атрибутами), причем для каждого поля должно быть определено:

уникальное имя поля;
тип поля (тип данных);
дополнительные характеристики (например, длину, формат).

Каждая строка таблицы называется записью (в теории БД - кортежем). Число записей в таблице в процессе эксплуатации БД может как угодно меняться.
Каждое поле может входить в несколько таблиц.

Создание БД следует начинать с ее логического проектирования, т.е. с описания предметной области. Рассмотрим реляционный подход и принципы создания БД для СУБД MS Access на простом примере учета поставок нефтепродуктов некоторой фирмы.

Построение макета таблиц БД

Пусть некоторая фирма занимается поставкой нефтепродуктов в городе (бензин, дизельное топливо). Клиентами (покупателями) фирмы являются бензоколонки, промышленные и торговые предприятия и т.п. Для учета и анализа поставок фирма может вести таблицу с именем ПОСТАВКИ и со следующими полями (табл. 1.2):

Таблица 1.2.

№	Имя поля	Дополнительная информация	Тип данных
	Код_поставки	Учетный номер поставки	числовые
	Клиент	Название фирмы-клиента	текстовые
	Адрес_клиента	Адрес фирмы-клиента	текстовые
	Телефон_клиента	Контактный телефон	текстовые
	Продукт	Марка поставляемого топлива	текстовые
	Объем_поставки	т	числовые
	Дата_поставки	ДД.ММ.ГГГГ	данные типа даты
	Цена_продукта	руб. / т	числовые
	Стоимость_поставки	руб.	числовые

Каждому полю (атрибуту) приписано уникальное имя, а также тип данных (формат) - текстовые, числовые, формат даты и т.д. Например, названию нефтепродукта присвоено имя Продукт и задан тип – текстовый.

Кроме того, при заполнении БД о поставках нефтепродуктов нужно каждую марку бензина (значение поля Продукт) обозначать одинаково, например АИ-95. Если в одном случае использовать значение АИ-95, а в другом – значение Бензин_Аи-95, то при одинаковой информативности для человека, для компьютера – это совершенно разные значения поля Продукт. Процесс приспособления форматов и значений данных к нуждам автомата, т.е. уничтожение произвола в представлении данных носит название структурирования информации. Другими словами, структурирование – это просто введение каких-то соглашений о способах представления информации.

Каждая строка такой таблицы ПОСТАВКИ содержит полную информацию о конкретном заказе, а вся таблица позволяет вести учет и анализировать деятельность фирмы по объемам продукции, стоимости, датам и т.п. Таким образом, описав поля, мы разработали макет таблицы для СУБД.

Кодирование информации.

Часто вместе с наименованиями (названиями) атрибутов вводят коды – обычно это цифровые или буквенные обозначения информации. Например, табл. 1.2 можно дополнить полями с кодами Клиента и Продукта (см. табл.1.3)

Таблица 1.3.

№	Имя поля	Дополнительная информация	Тип данных
	Код_поставки	Номер поставки	числовые
	Клиент	Название фирмы-клиента	текстовые
	Код_клиента	Числовой код	числовые
	Адрес_клиента	Адрес фирмы-клиента	текстовые
	Телефон_клиента	Контактный телефон	текстовые
	Продукт	Марка поставляемого топлива	текстовые
	Код_продукта	Числовой код	числовые
	Объем_поставки	т	числовые
	Дата_поставки	ДД.ММ.ГГГГ	данные типа даты
	Цена_продукта	руб. / т	числовые
	Стоимость_поставки	руб.	числовые

Во-первых, это уменьшит объем вводимой информации (если поле входит в несколько таблиц).

Во-вторых, позволит избежать ошибок при многократном вводе длинных названий (в примере: клиент может быть назван и Кондитерская ф-ка, и Конд. ф.).

Для расшифровки кодов в БД необходимо включить специальную таблицу (классификатор, словарь, справочник), в которой эти коды расшифровываются. Расшифровки используются при выдаче информации на печать или экран в удобочитаемой форме.

Код должен быть уникальным. Это означает, что если вы присвоили код 01 Автобазе № 3, то этот код не может принадлежать никакому другому клиенту фирмы.

Первичный ключ таблицы.

Каждая запись в таблице должна иметь первичный ключ, т.е. идентификатор, значение которого однозначно определяет эту и только эту запись. Ключ может состоять из одного (в примере Код_поставки) или нескольких полей.

Первичный ключ должен обладать двумя свойствами:

Однозначная идентификация записи.
Отсутствие избыточности: никакое поле нельзя удалить из ключа, не нарушив при этом свойства однозначности.

Каждое значение первичного ключа в пределах таблицы должно быть уникальным. В противном случае нельзя отличить одну запись от другой. Например, в кадровых БД, в качестве идентификатора не может использоваться ФИО, т.к. они могут повторяться, а используется табельный номер или какой-то другой индивидуальный номер (например, для абитуриентов в информационной системе "Абитуриент", действующей во всех вузах, это регистрационный номер).

Нормализация.

Вернемся к рассмотрению процесса нормализации исходной структуры данных. Уже упоминалось, что нормализация - это процесс превращения иерархической или сетевой структуры в реляционную. Существует строгая теория нормализации, но мы разберем этот процесс на простом примере макета таблицы ПОСТАВКИ.

Первичным ключом составленной таблицы является поле Код_поставки, который не повторяется в пределах таблицы и позволяет отличить одну запись от другой. Очевидно, что такие поля как Клиент и Адрес_клиента не зависят от первичного ключа, а зависят только от Кода_клиента. Поэтому следует удалить поля Клиент и Адрес_клиента из таблицы ПОСТАВКИ и включить их в классификатор (словарь) – таблицу КЛИЕНТЫ, имеющей три поля: Код_клиента, Клиент, Адрес_клиента. Аналогичным образом составляется классификатор ПРОДУКТЫ (Код_продукта, Продукт, Цена_продукта). Естественно, поля Код_продукта и Цена_продукта из таблицы ПОСТАВКИ исключаются.

Значение поля Стоимость_поставки вообще не следует включать в таблицы, т.к. она легко вычисляется как произведение цены на количество (объем).

Таким образом, в результате нормализации исходной таблицы получено три таблицы: оперативная ПОСТАВКИ и две справочные КЛИЕНТЫ и ПРОДУКТЫ (рис.1.4).

ПОСТАВКИ.

№	Имя поля	Дополнительная информация	Тип данных
	Код_поставки	-	числовые
	Код_клиента	-	числовые
	Код._продукта	-	числовые
	Объем_поставки	т	числовые
	Дата_поставки	ДД.ММ.ГГГГ	данные типа даты

КЛИЕНТЫ.

№	Имя поля	Дополнительная информация	Тип данных
	Код_клиента	-	текстовые
	Клиент	-	числовые
	Телефон_клиента	-	текстовые
	Адрес_клиента	-	текстовые

ПРОДУКТЫ

№	Имя поля	Дополнительная информация	Тип данных
	Код_продукта	-	текстовые
	Продукт	-	числовые
	Цена_продукта	руб. / т	числовые

Рис.1.4. Результат нормализации исходной таблицы ПОСТАВКИ.

Разбиение (декомпозиция, реорганизация) исходной структуры производится таким образом, чтобы справочные таблицы менялись достаточно редко, а основные изменения и дополнения записей приходились бы на оперативную таблицу.

Связь таблиц: главная и подчиненные таблицы.

Таблица КЛИЕНТЫ связана с таблицей ПОСТАВКИ по полю Код_клиента. Первая таблица считается главной, а вторая – подчиненной. Поле Код_клиента для первой таблицы является первичным ключом, а для второй таблицы – внешним ключом. Кроме того, вторая таблица имеет собственный первичный ключ (Код_поставки).

В таблицу КЛИЕНТЫ в принципе можно включить потенциальных клиентов и тогда каждому клиенту в подчиненной таблице ПОСТАВКИ будет соответствовать одна, несколько или ни одной записи. Такое отношение между двумя таблицами называется связью "Один-ко-многим". Реже встречается другое отношение: "Один-к-одному" (например, в кадровых таблицах каждый работник занесен в главную таблицу, но не каждый занесен в таблицу доступа к какой-либо секретной информации). Существует также отношение "Много-ко-многим", но мы его не рассматриваем.

Итак, для пары связанных таблиц (одна из которых главная, а другая подчиненная) всегда определен один из двух взаимоисключающих типов связи: "Один-ко-многим" или "Один-к-одному". Одна из функций ИС, которая обеспечивает согласованность информации в связанных таблицах, называется поддержкой целостности данных. Нельзя ввести в подчиненную таблицу ПОСТАВКИ строку с несуществующим в таблице КЛИЕНТЫ кодом клиента.

Основы алгебры логики и принципы поиска информации.

Постановка задачи.

Итак, пусть некая база данных создана и заполнена. Как выбрать из нее нужную в данный момент информацию?

Известно, что компьютер способен легко проводить расчеты (например, арифметические действия) с заданными значениями числовых данных. Однако обязанности ИС отнюдь не ограничиваются механическими расчетами по заданным формулам. Более того, многие системы вообще не предназначены для вычислений в общепринятом смысле, - например телефонный справочник. Одна из основных функций ИС – обслуживание операций поиска и выборки (а точнее – отбора) данных.

При поиске и отборе данных информационной системе приходится решать две связанные, но принципиально разные задачи.

Если таблица невелика, система без ущерба для времени ответа может просто перебрать все записи. Однако если таблица содержит миллионы записей, простой перебор даже у мощного компьютера может занять слишком много времени. (Наверное, вы видели, как полицейские по заданному номеру автомобиля почти мгновенно получают сведения о его владельце из списка в десятки миллионов записей.) Иными словами, ИС должна находить нужную информацию, не просматривая все записи.
1. Прочитав, некую строку таблицы, ИС система должна решить, удовлетворяет ли эта строка сформулированному запросу. Если да, включить строку в выборку, если нет – пропустить.

Рассмотрим один из способов решения этих задач в ИС.

Просмотр информации и индексы.

Рассмотрим первую задачу отбора данных – быстрый поиск в таблицах.

Чтобы система могла достаточно быстро найти нужные записи, таблицу следует упорядочить по значениям ключа поиска (по возрастанию или убыванию).

Рассмотрим простейший случай: найти адрес друга, телефон которого вы помните наизусть. Таблица (1.2) должна быть упорядочена по возрастанию первичного ключа – по номеру телефона. Допустим, надо найти телефон 339-18-45 в таблице из 526 строк. Система знает: (1) значения ключа (телефона) – уникальны; (2) всего в справочнике 526 записей. Прежде всего, система заглядывает в середину таблицы и читает 263 запись. Возможны три случая:

телефон в этой записи равен искомому – запись найдена сразу;
телефон в этой записи меньше искомого (например, 133-14-52 – значит, искомые данные находятся в верхней половине таблицы);
телефон в этой записи больше искомого (например, 943-78-90 – значит, искомые данные находятся в нижней половине таблицы).

Таким образом, с первого захода система исключает из области поиска сразу половину таблицы. Следующая запись берется из середины верхней или нижней половины таблицы (в зависимости от результата сравнения на первом этапе) и т.д. Выполнив всего несколько шагов, система найдет искомый номер телефона или убедится, что его нет. Это самый простой метод поиска и называется он двоичным (или бинарным).

Списки телефонов можно упорядочить (сортировать) по разным ключам – по имени абонента, по категории и т.д. От ключа сортировки зависит не только время поиска по определенному запросу, но и сама возможность ответить на запрос, не перебирая все записи.

Как упорядочивают записи таблиц в информационных системах? Как правило, таблицу не трогают, но создают для нее специальный массив данных, который называется индексом.

Индекс – это набор указателей на строки таблицы, упорядоченный по значениям ключа. Каждый элемент этого набора состоит из двух частей: порядкового номера записи в таблице и значения ключа сортировки.

Например, индекс для таблицы ТЕЛЕФОНЫ при сортировке по возрастанию может выглядеть так:

Номер записи	Телефон
145	245-21-12
264	246-46-45
45	338-34-89
. . . .	. . . .

В разных системах индексы формируются по-разному. Мы рассмотрели частный случай индексирования – применительно к структурированным базам данных. Однако индексирование широко применяется для поиска в неструктурированных документах, например в глобальной сети Internet. В этом случае в качестве значений ключа индекса используются так называемые ключевые слова, т.е. фрагменты текста, каким-то образом отражающие содержание документа. Вместо номера записи указывается адрес документа, в котором обнаружено данное ключевое слово.

Алгебра логики.

Рассмотрим вторую задачу – отбор строк. Английский математик Дж. Буль еще в XIX веке, изучая законы логики, создал систему исчисления, называемую алгеброй логики. Основными элементами алгебры логики являются логические выражения. Элементы логического выражения соединяются знаками отношения:

= (равно)	<> (не равно)
> (больше)	>= (больше или равно)
< (меньше)	<= (меньше или равно)

и образуют условные выражения, например a>b.

Условные выражения (или операнды) соединяются знаками логических операций: AND, OR, XOR, EQV, IMP, NOT.

Логическая (или булева) переменная в логических выражениях может принимать только два значения: TRUE ("истина") или FALSE ("ложь").

Вычислив значение логического выражения, машина может присвоить его булевой переменной и использовать в дальнейших логических операциях.

Простой пример логического выражения (фильтра) для БД ЗАКАЗЫ: Код_клиента=02 AND Дата_поставки>=01.07.2003 (выбрать все заказы для клиента с кодом 02 сделанные за второе полугодие).

Аппарат алгебры логики лежит в основе всех механизмов отбора в информационных системах. Информация как бы фильтруется: в выборку включаются только те записи таблицы, для которых значение фильтра истинно.

Системы управления реляционными базами данных (СУБД).

Итак, мы рассмотрели основные принципы фактографических ИС:

структурирование данных и построение двумерных таблиц;
основы реляционного подхода;
основы алгебры логики и принципы поиска информации.

Инструментальными средствами, позволяющими проектировать, наполнять и модифицировать базы данных, вести поиск информации, являются системы управления базами данных (СУБД).

В ИС, которые работают на ПК, большое распространение получили так называемые dBASE-подобные СУБД. Это dBASE, FoxPro, Clipper, их версии и модификации. Для пользователей существенным является то, что все эти СУБД используют одни и те же оперативные файлы с расширением .DBF, и этот формат стал на некоторое время стандартом баз данных. Характерной особенностью файла .DBF является простота и наглядность: физическое представление данных на диске в точности соответствует представлению таблицы на бумаге.

Однако в целом системы, построенные на основе файлов .DBF, следует считать устаревшими. Многие механизмы реляционных баз данных в dBASE-подобных системах не поддерживаются.

Большую популярность до сего времени имеют и другие СУБД (с другим форматом файлов) – Paradox, Clarion, db_Vista и т.д. Перечисленные системы разрабатывались для работы под MS-DOS, однако почти все они имеют версии для Windows.

Среди современных реляционных систем наиболее популярны СУБД для Windows – Access фирмы Microsoft, Approach фирмы Lotus, Paradox фирмы Borland. Многие из этих систем поддерживают технологию OLE и могут манипулировать не только числовой и текстовой информацией, но и графическими образами (рисунками, фотографиями) и даже звуковыми фрагментами и видеоклипами.

Перечисленные СУБД часто называют настольными, имея в виду сравнительно небольшой объем данных, обслуживаемых этими системами. Однако с ними работают не только индивидуальные пользователи, но и целые коллективы (особенно в локальных вычислительных сетях).

Вместе с тем, в центр современной информационной технологии постепенно перемещаются более мощные реляционные СУБД с SQL-доступом (SQL – это язык запросов). В основе этих СУБД лежит так называемая технология "клиент-сервер". Среди ведущих производителей таких систем - Oracle, Centura (Gupta), Sybase, Informix, Microsoft и другие. Появились также объектные и объектно-реляционные СУБД.

В дальнейшем Вы научитесь проектировать простейшие ИС в своей предметной области, наполнять и модифицировать базы данных, вести поиск информации и составлять отчеты в среде СУБД Access, входящей в пакет Microsoft Office. Эти знания позволят вам свободно общаться с любой профессиональной СУБД, независимо от ее конкретного вида и версии.

PAGE 9

8,9

13,2

12,1

13,1

12,2

9,9

Аи-95

Аи-92

Аи-76

Аи-95

Аи-92

Аи-76

Аи-95

Аи-92

Аи-76

ДТ

Аи-95

Аи-92

ДТ

Аи-98

В1

ДТ

Марка и цена имеющегося топлива

Адреса бензоколонок

Фирмы, продающие топливо

ТНК

А3

А2

ЮКОС

А1

Базы данных. Основные понятия