APPUNTI DI DATABASE - 25/10/2018

Transcript

1 APPUNTI DI DATABASE - 25/10/2018 INTRODUZIONE Lo scopo principale per cui viene progettato e realizzato un database è quello di gestire, manipolare e conservare permanentemente delle informazioni, le quali devono poter essere estratte all occorrenza. Il linguaggio standardizzato ed utilizzato per fare tutto ciò è SQL (Structured Query Language). Innanzitutto, è bene comprendere che SQL non è un linguaggio di programmazione come Java, Python, Visual Basic, C, C++, C# e molti altri. Infatti, questi ultimi utilizzano un paradigma di programmazione imperativo procedurale: è il programmatore ad ordinare alla macchina le operazioni da svolgere (imperativo) e l azione complessiva viene spezzata in una serie di azioni elementari, facendo diventare l algoritmo una sequenza di operazioni elementari (procedurale). SQL, invece, si avvale di un paradigma dichiarativo: si deve solo specificare quali sono le informazioni desiderate, e non le operazioni che devono essere svolte per generarle. Esistono anche altri paradigmi di programmazione: il paradigma funzionale utilizzato, ad esempio, dal linguaggio F#, che prevede che tutto debba essere scritto in termini di funzioni; il paradigma a liste utilizzato dal linguaggio LISP (List Processing) in cui tutto viene descritto in termini di liste ed operazioni sulle liste, e molti altri. In SQL è necessario solo specificare quali sono le informazioni di cui si ha bisogno perché nel DBMS (Database Management System) è stato già definito il modo ottimale per estrarle, grazie alla teoria relazionale, che è l algebra delle relazioni, cioè che agisce sulle tabelle (intese come un particolare tipo di insiemi). Il linguaggio SQL si colloca al livello del modello fisico e permette la realizzazione vera e propria del database; il modello relazionale è presente al livello logico, ed il diagramma EER al modello concettuale. Uno dei principali utilizzi di SQL è il ciclo CRUD (Create Read Update Delete) di un database. Ad esempio, il modo generico per scrivere una Read è il seguente: SELECT <*> FROM <R> WHERE <condizione> Questa struttura di base si usa per tutti i comandi di SQL. Si evince che il programmatore deve concentrarsi solo sulle informazioni da estrarre, e non sul modo per poterlo fare (approccio dichiarativo). SQL è un linguaggio che opera sugli insiemi: non si scrivono procedure; qualunque operazione è ottenuta scrivendo una sola istruzione. Allora, in realtà, un linguaggio dichiarativo è un linguaggio interpretato: le istruzioni sono scritte in SQL, e poi il DBMS le decodifica e le esegue. Quindi, è importante comprendere che la programmazione dichiarativa è molto differente dalla programmazione procedurale, e questa differenza è la fonte del problema di impedance mismatching: il software (che stabilisce come devono essere organizzate le operazioni) e le strutture dati (che definiscono il modo in cui i dati rappresentano un certo mondo) sono dei concetti fra loro ortogonali.

2 Dal punto di vista intuitivo, una query è un percorso che viene disegnato sul grafo delle relazioni. È molto interessante osservare che se si riesce a connettere due informazioni tramite un percorso, allora vuol dire che quel dato è presente nel database. Quindi, si tratta di un calcolo insiemistico che si esegue in un solo colpo: bisogna estrarre un oggetto e tutti quelli che ad esso sono collegati nel database. Perciò, con SQL non è necessario realizzare degli algoritmi di manipolazione sui dati, poiché tutte le possibili operazioni sono eseguite direttamente dal DBMS. SQL permette di effettuare tutte le operazioni di cui si può aver bisogno, al pari di C, Java, ecc. In tal caso, però, bisogna fare una precisazione di natura pratica. Infatti, si preferisce scrivere codice in Java, C, JavaScript, ecc. e non in SQL nei casi in cui i dati risiedono su un unico server in maniera centralizzata, al fine di evitare la ridondanza. Però, nel momento in cui su un server vengono eseguite diversi milioni di queries al secondo, siccome ogni query richiede un certo tempo per essere elaborata, il carico di lavoro per il singolo server risulta indubbiamente eccessivo. Allora, la classica architettura client-server viene resa un po più complessa, aggiungendo un Data Server, un Load Balancer e diversi Application Servers che sono collegati ad Internet, i quali rappresentano il frontend. Fare i calcoli negli Application Servers (Java) e gestire i dati nel Data Server consente di alleggerire il carico di lavoro del server e renderlo scalabile, infatti viene aggiunto un certo numero di Application Servers in base alle esigenze. Inoltre, in questo tipo di architettura, fino a circa utenti connessi, possono essere tranquillamente utilizzati i database relazionali che sono molto precisi e robusti, i quali offrono la massima garanzia e robustezza. Altrimenti, si fa uso dei database non relazionali che, al contrario, sono molto veloci e poco precisi: a volte, possono generare informazioni addirittura contraddittorie.

3 TEORIA DELL ALGEBRA RELAZIONALE La tabella sottostante rappresenta la relazione R definita sugli attributi r j, la cui notazione è: R{ r j } Sulle tabelle è possibile eseguire delle operazioni, combinando i dati in esse contenuti in maniera insiemistica. di effettuare operazioni algebriche tra le relazioni. È necessario tenere a mente che esiste una sostanziale differenza tra i diagrammi EER (Enhanced Entity Relationship) e l algebra relazionale: i primi presentano le entità e le relazioni, quindi mettono in evidenza quali informazioni sono contenute nel database e come sono legate tra loro; la seconda, invece, permette Le operazioni più elementari che l algebra relazionale permette di eseguire sulle tabelle sono la SELECT e la PROJECT: σ <ci >(R) Operazione di Select eseguita sulla relazione R e sulla condizione c i π <aj >(R) Operazione di Project, eseguita sugli attributi a j della relazione R L operazione di Select filtra le righe in accordo con la condizione c i. L operazione di Project filtra solo le colonne a j, creando così una nuova tabella che estrae dalla precedente solo gli attributi a j. ESEMPIO: Si supponga di avere la relazione Persona definita sugli attributi SSN (chiave primaria), Nome, Cognome, B_date. Selezionare solo le righe in cui la persona si chiama Francesco. L operazione da effettuare è la seguente: σ <Persona.Nome="Francesco"> (Persona) OSSERVAZIONE: È stata utilizzata la Notazione Punto, scrivendo Persona.Nome, che permette di specificare che ci si riferisce all attributo Nome della relazione Persona. In tal caso, tale notazione non era strettamente necessaria, perché la relazione coinvolta è solo una e quindi l attributo Nome è univoco. Ma ci sono dei casi in cui in un operazione sono coinvolte più di una relazione con attributi che hanno nomi uguali, e quindi si necessita della Notazione Punto.

4 ESEMPIO: Si faccia riferimento alla relazione definita precedentemente. Creare una nuova tabella che abbia solo le colonne di Persona corrispondenti a SSN, Nome, B_date. L operazione da effettuare è: π <SSN,Nome,B_date> (Persona) ATTENZIONE: Project è un operazione molto delicata perché, nel caso in cui fra gli attributi non sia inserita anche la chiave primaria, si rischia di ottenere una nuova tabella con dei records che risultano ripetuti, in quanto aventi gli stessi valori. Ad esempio, π <Nome> (Persona) potrebbe generare una tabella in cui sono presenti delle righe ripetute. In casi come questo, in SQL è importante specificare il vincolo DISTINCT, che impone che eventuali ripetizioni di un record all interno delle tabelle siano fuse in un unica riga. Nell algebra relazionale si assume che non possano mai essere presenti due n-uple che hanno gli stessi valori, perché altrimenti essa non produce più valori coerenti. Un altra semplice operazione è quella di RENAME, che non viene mai usata da sola, ma unitamente ad altre operazioni: ρ(r{r i }) Operazione di Rename eseguita sugli attributi r i Serve per rinominare attributi o una tabella. Può essere utilizzata, ad esempio, in combinazione con una Project: ρ <B> ( π <SSN,Nome,B_date> (Persona) ) In tal caso, la Project sulla relazione Persona ha creato una tabella, la quale viene rinominata B. Gli operatori enunciati finora si definiscono operatori unari, poiché lavorano solo su una relazione per volta. OPERAZIONI INSIEMISTICHE Le operazioni insiemistiche sono: Unione Intersezione Differenza

5 Si supponga di avere due insiemi: A e B. L insieme unione (A B) è l insieme degli elementi di A e di B. Nel caso di due relazioni, l unione può essere eseguita solo se esse sono UNION COMPATIBLE, cioè definite sugli stessi attributi, a prescindere dall ordine. L ordine con cui gli attributi compaiono nelle due relazioni non è rilevante perché, nel caso in cui fosse diverso, attraverso una Select è possibile estrarre le colonne delle due relazioni nell ordine desiderato, in tal modo riordinandole. In tal caso, se sono presenti records con gli stessi valori nelle due relazioni, essi compariranno solo una volta nella relazione unione. L insieme intersezione (A B) è l insieme degli elementi presenti sia in A sia in B. Nel caso di due relazioni, è l insieme dei records comuni, cioè presenti contemporaneamente in entrambe. L insieme differenza (A-B) è l insieme degli elementi presenti in A, ma non in B. Equivalentemente, nel caso di due relazioni, la differenza rappresenta l insieme dei records presenti nella relazione A, ma non in B. Oltre che per l unione, anche per effettuare intersezione e differenza tra relazioni è necessario che esse siano union compatible. Gli operatori appena introdotti sono chiamati operatori binari poiché eseguono operazioni contemporaneamente su due relazioni distinte. Si considerino l insieme A che contiene gli elementi a1, a2, a3, e l insieme B che contiene gli elementi b1, b2, b3. Insieme a tutte le operazioni insiemistiche elementari, è possibile definire anche il PRODOTTO CARTESIANO, come l insieme C di tutte le possibili coppie { ai, bj }. Eseguire il prodotto cartesiano fra due relazioni A e B vuol dire creare una relazione C costituita da tutti i records ai di A affiancati da tutti i records bj di B. ESEMPIO: nel caso Cliente-Acquista-Prodotto, il prodotto cartesiano fra le relazioni Cliente e Prodotto è il seguente:

6 Nella relazione ottenuta compaiono tutte le possibili coppie fra i clienti ed i prodotti che sono stati acquistati. In genere, non è molto utile effettuare un singolo prodotto cartesiano. Ciò che si fa quasi sempre è la seguente operazione: σ <C> ( A*B ) Select sulla condizione C del prodotto cartesiano A*B Questa operazione corrisponde al costrutto SELECT FROM A, B WHERE <C> in SQL, e prende il nome di JOIN fra la relazione A e la relazione B: A <c j >B = σ <C> ( A*B ) Eseguire una Join fra due relazioni significa crearne una terza in cui non si inseriscono tutte le possibili coppie di records di una relazione e dell altra, ma solo quelle in corrispondenza in base alla condizione specificata. In genere, la condizione cj di Join corrisponde al vincolo di chiave esterna. È per questo motivo che viene eseguita la Join al posto di un singolo prodotto cartesiano: non si è interessati a tutte le coppie possibili fra due relazioni, ma solo a quelle collegate da un vincolo di chiave esterna. ESEMPIO: Considerando in Cliente-Acquista-Prodotto la seguente operazione di Join: CLIENTE <PRODOTTO.SSN_ACQUIRENTE=CLIENTE.SSN>PRODOTTO Tale operazione analizza tutte le possibili coppie di records di CLIENTE e di PRODOTTO, e considera solo quelle in cui gli attributi PRODOTTO.SSN_ACQUIRENTE e CLIENTE.SSN coincidono, e cioè solo le coppie in cui la persona ha effettivamente acquistato il prodotto. Viene generata la tabella contenente contiene tutti i clienti ed i prodotti acquistati per ogni cliente. L operazione di Join concretizza il fatto che se è presente un percorso che collega delle informazioni nel diagramma delle relazioni, allora quelle informazioni possono essere estratte. ESEMPIO: Market-Basket Analysis Determinare, dato un prodotto, quali sono i clienti che lo hanno acquistato e quali sono gli altri prodotti comprati da tali clienti. PRODOTTO <C>CLIENTE <D>CLIENTE

7 ATTENZIONE: La Join può essere effettuata anche su più di due relazioni contemporaneamente. La Join presenta anche alcune varianti: LEFT JOIN: estrae tutti gli elementi di A e solo gli elementi corrispondenti di B; RIGHT JOIN: estrae tutti gli elementi di B e solo gli elementi corrispondenti di A; FULL OUTER JOIN: estrae tutti gli elementi di A, tutti gli elementi di B e trova le corrispondenze. ESEMPIO (Left Join): Estrarre tutti gli studenti e, se qualcuno di essi ha sostenuto un esame, i voti degli esami. Con una Join potrebbero essere estratti solo gli studenti che hanno fatto e superato l esame, perché è necessaria la corrispondenza fra gli elementi. OSSERVAZIONE: Con una Full Outer Join si possono ottenere degli elenchi che a sinistra sono pieni e a destra sono in parte vuoti ed in parte pieni, o viceversa. Inoltre, in diversi contesti come quello aziendale, è necessario avere informazioni aggregate sui dati contenuti nel database, le quali sono indispensabili per i sistemi di supporto alle decisioni, ad esempio. Pertanto, un altra operazione fondamentale dell algebra relazionale è la FUNZIONE DI AGGREGAZIONE: F<f()>(A) Funzione di aggregazione definita sulla funzione f() e sulla relazione A Tale operazione estrae, per mezzo della relazione A, tutti gli elementi sui quali deve essere eseguita la funzione f(). Le possibili funzioni f() sono le FUNZIONI STATISTICHE DI AGGREGAZIONE: COUNT() Conta gli elementi estratti SUM() Somma il valore degli elementi estratti AVG() Calcola la media degli elementi estratti VAR() Calcola lo scarto all interno degli elementi estratti. Alessandro Caniglia Francesco Immorlano