Basi di dati, modulo 2

Transcript

1 Basi di dati, modulo 2 Riassunto di Eugenio Rustico A. Progetto di una base di dati 1.Fa parte del ciclo di vita del sistema informativo 2.Consiste in: Raccolta e analisi requisiti Raccolta requisiti: si analizza il sistema informativo precedente si raccolgono frasi in linguaggio naturale si eliminano omonimie, sinonimie, ambiguità, contraddizioni si produce un glossario di entità coinvolte e relazioni si verificano completezza e consistenza Analisi dei requisiti: produce uno studio di fattibilità (costo in termini di tempo e budget) e un piano di sviluppo dettagliato I requisiti definiscono Le funzionalità del sistema I dati coinvolti e le operazioni su di essi I requisiti hw e sw Progettazione Implementazione Validazione e collaudo Manutenzione 3.Si distinguono Progettazione concettuale

2 E' la traduzione delle specifiche informali in un linguaggio formale che faccia riferimento ad un modello concettuale ben preciso; il modello concettuale + usato è il modello Entità Relazione (E R) Il modello E R si compone di entità (classi di oggetti che hanno proprietà comuni; sono conoscenze astratte; le istanze di esse, che esistono realmente nel dominio applicativo, sono conoscenze concrete) relazioni (legami logici fra due o più entità; possono esserci delle auto associazioni, cioè relazioni tra istanze della medesima entità) attributi (proprietà) caratteristiche delle entità e delle relazioni gli attributi delle istanze assumono valori multipli se hanno una cardinalità massima maggiore di 1 composti se formati da più sottoproprietà (possono anche essere multipli) se la carinalità minima è zero l'attributo è opzionale) possono essere espliciti o calcolati (cioè ottenibili da altre proprietà tramite algoritmi, che non sono esprimibili tramite il modello E R) possono essere di sintesi (per es. quando sono la media o il max/min di un insieme di valori) unici se tutte le istanze hanno un valore differente una proprietà obbligatoria, unica, esplicita (in

3 genere non modificabile) che identifichi una istanza in modo univoco è una chiave la chiave di una associazione è definita come l'insieme delle chiavi delle entità partecipanti cardinalità (numero di volte che una istanza di entità può partecipare ad una relazione; ha un minimo e un massimo predefiniti che è 1) identificatori (identificano univocamente le istanze di una entità) interni se sono composti da una o più proprietà dell'entità stessa esterni se collegano l'entità ad un'altra entità (a patto che non si creino cicli di identificazione e che la cardinalità tra le due entità sia uno ad uno) generalizzatori (definiscono la gerarchia di specializzazione, detta gerarchia ISA ) una istanza dell'entità figlia è anche istanza valida dell'entità padre, ma non sempre è vero il viceversa l'entità figlia eredita tutti gli attributi dell'entità padre la gerarchia può essere totale (t) se ogni istanza dell'entità padre dev'essere anche istanza di un'entità fliglia, non totale (nt) altrimenti la gerarchia può essere esclusiva (e) se ogni istanza dell'entità padre può essere istanza di una sola delle entità fliglie, non esclusiva (ne) altrimenti sottoinsiemi

4 utilizza simboli grafici ai quali si possono aggiungere descrizioni per esprimere caratteristiche non modellabili altrimenti; di solito è accompagnato da un dizionario delle entità e dalla descrizione di vincoli non esprimibili col modello Inizialmente si compone di schemi scheletro che non specificano il tipo delle entità e delle relazioni Abbiamo vari tipi di vincoli: Statici (es. il valore di un attributo deve ex compreso tra x e y) Statici multiproprietà (es. se il valore di un attributo soddisfa l'espressione x allora una altro attributo deve soddisfare y) Dinamici (es. il valore dell'attributo x deve ex =/</> dell'attributo y) Qualità dello schema concettuale: correttezza: niente errori sintattici né semantici completezza: sono rappresentate tutte le entità e tutte le operazioni leggibilità: i requisiti sono rappresentati in maniera naturale e comprensibile; consigli per gli schemi E R: disporre al centro gli elementi con più legami minimizzare le intersezioni disporre i padri sopra ai figli minimalità: ogni requisito è rappresentato una sola volta; non ci sono ridondanze Progettazione logica E' la codifica in maniera corretta ed efficiente (non una semplice traduzione) del modello concettuale nel modello logico usato dal DBMS in uso (per esempio il modello

5 relazionale); il risultato è uno schema logico Servirà l'analisi delle prestazioni, che si basa su due indici: costo di ogni operazione: numero di occorrenze di entità e relazioni che verranno visitate per soddisfare l'operazione per calcolarlo. Viene stilata una tavola delle operazioni con i risultati. dobbiamo conoscere: il tipo di operazione (interattiva o batch?) la frequenza (quante esecuzioni x unità di tempo) i dati coinvolti (entità e associazioni) occupazione di memoria: misura in byte dell'occupazione dei dati previsti dallo schema. Verrà stilata una tavola dei volumi per calcolarla dobbiamo conoscere le dimensioni di ciascun attributo e il numero di occorrenze dello stesso Per ogni operazione possiamo definire anche una tavola degli accessi in cui specifichiamo il numero di accessi a ciascuna entità e a ciascuna relazione e il tipo degli stessi (se scrittura, di solito più onerosa anche per il locking del db, o lettura) Consta di due fasi: Ristrutturazione richiede lo schema E R inziale e il carico applicativo previsto si divide in analisi delle ridondanze: si decide quali eliminare e quali no sulla base dell'analisi delle prestazioni le ridondanze di solito sono causate da attributi derivabili (da altri attributi o da operazioni di conteggio) o associazioni derivabili (da altre

6 associazioni, spesso avviene quando ci sono cicli). Per stabilire se si devono eliminare o no si effettua un'analisi delle prestazioni con e senza la ridondanza e si opera una scelta eliminazione delle generalizzazioni: è necessaria quando si usa il modello logico relazionale perchè tale modello non prevede gerarchie. E' possibile eliminare le gerarchie in tre modi: mantenere le entità: non si elimina niente; si associa ogni figlio al padre e lo si identifica esternamente tramite tale identificazione collassamento verso l'alto: si accorpano i figli al padre. Qualche attributo diventerà opzionale, spesso NULL; appare un attributo selettore che specifica se una istanza fa parte di un figlio collassamento verso il basso: si accorpa il padre ai figli. Non è possibile se la copertura del padre non è totale ed esclusiva partizionamento/accorpamento di entità e relazioni: gli attributi multipli non sono previsti nel modello relazione; inoltre è utile e riduce gli accessi......accorpare entità alle quali si accede dalle stesse operazioni (in genere si accorpano relazioni uno ad uno), oppure...separare entità alle quali accedono operazioni diverse. separazione verticale: gli attributi vengono suddivisi separazione orizzontale: gli attributi vengono duplicati

7 scelta degli identificatori primari delle entità che ne hanno pià di uno meglio scegliere la chiave con cui si accede più spesso preferire chiavi semplici a composte, interne ad esterne a volte è bene trasformare le relazioni uno ad uno in chiavi primarie trasportate (vedi esempio impiegato/stabilimento) include la normalizzazione Traduzione nel modello logico (e, nella fattispecie, nel modello relazionale; attenzione al termine relazione in questo paragrafo, indica quella che in SQL è definita tabella): traduzione standard, sempre possibile: ogni entità è tradotta con una relazione tra le sue proprietà ogni associazione è tradotta come una entità con in più gli identificatori di tutte le entità associate per le associazioni molti a molti si deve procedere come sopra associazioni uno a molti: un'associazionepuò essere accorpata ad un'entità che partecipa con cardinalità 1,1 (includendo le sue proprietà) se la cardinalità è 0,1 i campi aggiunti possono assumere valori nulli se era presente una chiave esterna, la nuova chiave includerà l'identificatore dell'entità identificante

8 associazioni uno a uno: se le cardinalità sono entrambe (1,1) si può accorpare tutto in una relazione scegliendo la chiave più significativa se una delle cardinalità è (0,1) la chiave scelta sarà quella dell'altra entità (per evitare valori nulli) se le cardinalità sono entrambe (0,1) si può accorpare la relazione a una delle due entità ma c'è la possibilità che i valori rimangano nulli perchè la relazione è opzionale; sarebbe meglio procedere col metodo tradizionale (tre relazioni, quella che rappresenta l'associazione può avere indifferentemente una delle due chiavi) in caso di relazioni ricorsive occorre per forza rinominare una delle due voci; a volte la ridenominazione è utile per meri motivi di chiarezza una rappresentazione grafica della traduzione aiuta ad evidenziare i vincoli referenziali Progettazione fisica Si completa lo schema logico con i parametri fisici di memorizzazione del DB; dipende dal DBMS scelto e produce lo schema fisico 4.Le principali strategie di progetto sono: Top Down Raffinamenti successivi ad uno schema inziale generale molto astratto Pro: è graduale Contro: non va bene per schemi complessi Bottom Up

9 Si stilano dei sottoprogetti limitati e infine si fondono insieme Pro: è facile distribuire la progettazione tra più progettisti Contro: è difficile alla fine fondere tutto Inside Out Variante di Bottom Up: si aggiungono via via schemi parziali a schemi già definiti Pro: non richiede integrazioni successive Contro: occorre rileggere i requisiti ad ogni passo Mista Il progettista divide i requisiti in componenti separate ma allo stesso tempo stila uno schema scheletro con i concetti principali. Pro: molto flessibile, è applicabile ai grandi sistemi anche quando parte delle specifiche non è ancora disponibile B. Oggetti SQL avanzati 1.Sono oggetti che non hanno corrispondenti nell'algebra relazionale 2.Ecco i principali: Vincoli d'integrità Sono intrarezionali quando riguardano solo attributi della medesima relazione interrelazionali (referenziali) altrimenti Possono definire i valori ammissibili per gli attributi di una tupla o indicare che il valore immesso deve essere presente in un'altra tabella (NULL per evitare il controllo

10 del vincolo) Vengono controllati durante le tre possibili operazioni di modifica (INSERT, DELETE e UPDATE); se non sono soddisfatti la transazione fallisce, oppure può scattare una procedura correttiva definita dall'utente, x esempio dopo una eliminazione: eliminare a cascata tutte le tuple che ora violano i vincoli settare a NULL tutti i campi interessati nessuna azione Servono a migliorare la qualità dei dati e la semantica della loro struttura Sono usati dal sistema per ottimizzazioni La loro definizione avviene in progettazione Esempi: NOT NULL, DEFAULT valore, CHECK condizione, PRIMARY KEY chiave, UNIQUE attributi Viste Sono delle tabelle ausiliare virtuali create al volo Servono a semplificare query complesse ( es. SELECT AVG(COUNT(*)) FROM... non si può fare), a proteggere dei dati, a riorganizzare i dati secondo nuovi schemi Vengono definite con il comando SQL CREATE VIEW, quindi si usano come se fossero normali tabelle Possono essere eliminate con DROP VIEW nome_vista (RESTRICT CASCADE) RESTRICT indica di non eliminarla se serve ad altre vist e CASCADE indica di eliminare tutte le viste che si basavano su questa ll comportamento di default dipende dal DBMS in uso I nuovi DBMS permettono di eseguire le normali

11 operazioni di INSERT, DELETE e UPDATE sulle VIEW; i valori non usati verranno settati a NULL, se non ci sono vincoli che indicano il contrario Si potrebbe tentare di inserire una tupla valida nella tabella originale ma non nella VIEW corrente (perchè sarebbe scartata dalla SELECT che genera la VIEW); i DBMS lo permettono (ovviamente non sarà visible se non nella tabella originale) a meno che in fase di definizione della VIEW non sia stata usata l'opzione WITH CHECK OPTION Il comportamento del DBMS a fronte del tentativo di inserimento di una tupla che richiederebbe la modifica di più tabelle con chiavi esterne dipende fortemente dal DBMS In genere la modifica su una VIEW è permessa se ad ogni riga della VIEW corrisponde una ed una sola riga in una tabella; di solito è permessa se tra gli attributi visibili c'è la chiave primaria. VIEW che utilizzino operatori aggregati non possono essere modificate Aspetti procedurali I programmi nei DBMS Possono......consistere di comandi SQL puri...consistere in azioni esterne (es. spedire un' )...essere scritte in altri linguaggi (Java, C++)...essere scrite linguaggi SQL proprietari più potenti dell'sql puro (PL/SQL, DB2, ecc.) I linguaggi procedurali arricchiscono l'sql, che è dichiarativo, con comandi di controllo del flusso: IF, WHILE, FOR, ecc. Vantaggi:

12 si possono controllare vincoli di integrità altrimenti difficilmente controllabili si riduce il traffico sulla rete perchè parte dell'elaborazione è demandata al server DB garantiscono una certa sicurezza dei dati automatizzando in parte il processo di manipolazione Le procedure sono programmi memorizzati nel DBMS che vengono eseguiti su esplicita richiesta dell'utente I trigger sono programmi memorizzati nel DBMS che vengono attivati da determinate azioni di modifca delle tabelle Seguono il paradigma Event Condition Action (ECA): when event if condition [opzionale] then action I maggiori DBMS prevedono i trigger fin dagli anni '80 ma la loro sintassi è stata standardizzata in SQL solo nel 1999; per questo motivo c'è notevole difformità tra un sistema e l'altro Regole tipiche: automazione vendite invio solleciti aggiornamento automatico tabelle storico delle modifiche per recupero dati (undo) duplicazione database trasparente implementazione database distribuiti E' possibile che il trigger modifichi una tabella che richiama lo stesso trigger (ricorsione); alcuni DBMS permettono di limitare automaticamente il fenomeno, altri non lo permettono

13 Durante l'esecuzione del trigger (sia nella condizione che nell'azione) sono visibili alcune tuple o tabelle temporanee che contengono: Nel caso di un DELETE le tuple/tabelle cancellate Nel caso di un INSERT le tuple/tabelle inserite Nel caso di un UPDATE le tuple/tabelle vecchie e, separatamente, qulle nuove Due tipi di granularità: Row level: il trigger viene eseguito una volta per ogni tupla modificata ci sono tabelle temporanee con singole tuple Statement level: il trigger viene eseguito solo una volta per tutta la transazione ci sono tabelle temporanee Un trigger può essere definito come AFTER, cioè eseguito dopo la transazione, oppure BEFORE, cioè prima della stessa (in genere è un po' più limitato) A seconda del DBMS, si può scegliere un'esecuzione immediata o differita, inclusa nella transazione corrente (quindi non effettuata se la transazione fallisce) o separata (quindi effettuata comunque) Vantaggi dei trigger: semplificano le applicazioni centralizzano i controlli Difetti: rigidità: non si possono definire eccezioni complessità: occhio ai trigger a cascata! come fare il debugging?

14 C. Aspetti sistemistici dell'sql 1.Schemi, cataloghi, cluster Uno schema è una collezione di tabelle, viste, trigger. E' l'unità di base della struttura gerarchica dei DBMS Un catalogo è una collezione di schemi; c'è almeno uno schema chiamato INFORMATION_SCHEMA che contiene informazioni su tutti gli altri schemi In SQL l'information_schema contiene tutti i metadati del DB: utenti, permessi, files, struttura delle tabelle, ecc; alcune tabelle di questo schema riguardano statistiche quantitative sul DB per ottimizzazioni Normalmente sono consultabili ma non modificabili dagli utenti; per questo sono autoreferenziati, cioè descrivono anche sé stessi Un cluster è una collezione di cataloghi consultabili da un singolo utente 2.Transazioni (Locking) Il locking nel precludere temporaneamente ad altri processi l'accesso a un dato prima che noi abbiamo finito di eseguire con esso un'operazione complessa. Una transazione è una sequenza di operazioni che vanno eseguite tutte insieme (oppure non va eseguita nessuna di esse) Sono previsti due comandi particolari: COMMIT esegue tutte le operazioni richieste e la procedura termina normalmente ROLLBACK annulla tutte le operazioni richieste e fa terminare prematuramente la transazione

15 Sono previsti diversi livelli di isolamento di una transazione per evitare che molti processi concorrenti blocchino il DB per molto tempo (e per evitare in alcuni casi situazioni di stallo) In SQL abbiamo il comando SET TRANSACTION che prevede diversi livelli di isolamento: READ UNCOMMITTED serve per transazioni che fanno solo operazioni di lettura; restituisce la versione meno recente possibile dei dati correnti, quindi permette di leggere dati che altre transazioni non hanno ancora finito di scrivere! READ COMMITTED fa sì che i blocchi in lettura vengano rilasciati immediatamente, mentre i blocchi in scrittura siano rilasciati solo alla fine della transazione; [inoltre è possibile inserire tuple prima di quelle correnti, alterando gli indici] REPEATABLE READ blocca in lettura e scrittura solo le tuple della tabella in uso. Si verifica il fenomeno dei fantasmi (dati inseriti nella tabella non sono visti) perchè la transazione vede solo dati consistenti: è come fare una foto alle tabelle all'inizio delle tabelle e poi lavorare su questa SERIALIZABLE consiste nel blocco temporaneo della tabella corrente; per certe applicazioni è troppo restrittivo D. Normalizzazione 1.Forme normali Una forma normale è una proprietà di una base di dati che assicura l'assenza di Ridondanze

16 Anomali di aggiornamento, di inserimento e di cancellazione (es. dipendenze fra campi o dati) La normalizzazione è la procedura che permette di trasformare schemi non normalizzati in schemi normalizzati Per formalizzare la normalizzazione introduciamo un nuovo vincolo di integrità nel modello relazionale: la dipendenza funzionale (FD) Data una relazione su X R(X) e due sottoinsiemi di X non vuoti Y e Z, si ha una dipendenza funzionale Y Z se ogni coppia di tuple in R con gli stessi valori di su Y ha gli stessi valori anche su Z La dipendenza funzionale si dice non banale se nessun attributo in Z compare anche in Y; le dipendenze funzionali banali in genere non vengono considerate In pratica, c'è una dipendenza funzionale se uno o più attributi dipendono da uno o più attributi,e sono calcolabili tramite una certa funzione; è banale se è sempre soddisfatta (se è un'identità), o in genere se uno degli attributi compare sia in Y che in Z Le dipendenze funzionali devono essere identificate in fase di progettazione (sul modello relazionale o anche sul modello E R), ma non basta guardare a un'istanza del DB per evincerle Le anomalie funzionali di solito sono prodotte da dipendenze funzionali, ma non sempre una dipendenza funzionale genera un'anomalia; le anomalie in genere sono causate dalla presenza di concetti eterogenei rappresentati con un'unica relazionale Se Y è una chiave, difficilmente Y Z comporterà un'anomalia

17 La normalizzazione non è una strategia di progettazione ma uno strumento di verifica degli schemi prodotti dalla progettazione logica; può anche essere usata per verificare la qualità degli schemi concettuali 2.Forma normale di Boyce e Codd Una relazionale R è in forma normale di Boyce e Codd (BCNF) se per ogni dipendenza funzionale non banale Y Z si ha che Y contiene una chiave k di R In pratica, questo è vero se i concetti di una relazione sono omogenei Per portare in BCNF una relazione non in BCNF dobbiamo ristrutturare lo schema e separare dei concetti Succede che scomponiamo una relazione e quando la ricomponiamo con un JOIN appaiono tuple che prima non c'erano. Come evitare questo problema? Definiamo decomposizione senza perdita di R nelle proiezioni (sottoinsiemi di attributi) X e Y una decomposizione tale che se il JOIN tra X e Y dà R stessa senza tuple in più La decomposizione senza perdita è garantita se l'insieme degli attributi comuni a X e Y è una chiave per almeno uno dei due Una decomposizione conserva le dipendenze se ciascuna delle dipendenze funzionali dello schema iniziale coinvolge attributi che si trovano tutti insieme in uno degli schemi decomposti In pratica se c'è una dipendenza funzionale X Y non dobbiamo spezzarla e posizionare X e Y in sottoschemi separati o, quando proviamo ad aggiundere

18 delle tuple, potremmo violare la dipendenza Una decomposizione è di qualità se è senza perdita e conserva le dipendenze Non sempre è possibile trovare una decomposizione di qualità; in questi casi si dice che la BCNF non è raggiungibile 3.Terza forma normale E' una forma normale sempre raggiungibile, al contrario della BCNF; è meno restrittiva e permette schemi con alcune anomalie Una relazione R è in terza forma normale se per ogni FD X Y definita su R si verifica almeno una delle seguenti condizioni: X contiene una chiave K di R Ogni attributo di Y è contenuto in almeno una chiave di R Procedimento Si crea una relazione per ogni gruppo di attributi coinvolti in una dipendenza funzionale Si verifica che una delle relazioni contenga una chiave della relazione originaria [nel libro e nelle slide c'è scritto così ma non capisco perchè così vengono soddisfatte entrambe le condizioni!] A volte è meglio provare la terza formale normale prima ancora di verificare che sia anche BCNF Se una relazione ha solo una chiave, la terza forma normale e quella di Boyce Codd coincidono E. Linguaggi ospitanti

19 1.PHP MySQL Connession al server MySQL con mysql_connect(host [user [pwd [...]]]) Scelta del DB con mysql_select_db(db [...]) Query con mysql_query(query [...]) Lettura del risultato con mysql_fetch_array(result [type]) Restituisce ad ogni chiamata la riga successiva del risultato. Il parametro type può assumere i seguenti valori; MYSQL_ASSOC: gli attributi della riga corrente saranno accessibli tramite il nome dell'attributo MYSQL_NUM: gli attributi della riga corrente saranno accessibli tramite l'indice numerico MYSQL_BOTH: entrambi i precedenti DB2 Usare le chiamate ODBC Oracle Usare le apposite chiamate; occorre abilitarle nel file php.ini 2.Java (JDBC) Sun sostiene che JDBC non sia una sigla (sembra Java DataBase Connectivity) JDBC permette di collegarsi ad un db da qualsiasi programma Java ed eseguire comandi SQL Ogni produttore fornisce il proprio driver di basso livello, per

20 poterlo ottimizzare al meglio Quattro tipi di driver Tipo 1, ponte ODBC: traduzione JDBC in ODBC e interfacciamento tramite driver ODBC Tipo 2, driver Java proprietario: librerie scritte in Java e in codice nativo; occorre installare delle librerire binarie dipendenti dalla piattaforma e in genere fornite dal produttore DBMS Tipo 3, pure Java middleware: c'è un server scritto in Java che converte le richieste di JDBC nel formato del DB in uso Tipo 4, driver nativo: driver Java che converte le richieste JDBC nel protocollo specifico del DB I package utilizzati sono java.sql e javax.sql Accesso ai dati Registare il driver JDBC Si deve conoscere l'url del DB (è usato un formato molto simile alle URL di internet) Si deve conoscere il nome delle classi java usate come driver Il percorso della libreria driver deve essere contenuto nel classpath corrente Si può creare un file database.properties in cui specificare vari parametri del DB Connettersi al DB Connection con = DriverManager.getConnection(url,username,password); Tramite la classe Properties è possibile caricare vari parametri dal file database.properties Definire una query SQL

21 Si definisce un oggetto Statement tramite l'oggetto Connection Si inviano comandi SQL tramite lo Statement, E' possibile preparare gli statement prima dell'esecuzione, per velocizzarla (utile per comandi eseguiti molte volte); per questo si usa l'oggetto PreparedStatement Si possono lasciare nella stringa dello statement dei parametri cui verrà assegnato un valore successivamente Gli statement distinguono il tipo di comando: Per eseguire query: stmt.executequery( SELECT..."); Per eseguire operazioni di aggiornamento (istruzioni DDL o UPDATE, INSERT, DELETE, CREATE ecc.): stmt.executeupdate( DROP TABLE... ) Processare i risultati Si manipolano i risultati di una query tramite l'oggetto ResultSet Permette di accere alle righe una per volta col metodo next(), ma ha anche metodi per accedere a righe con posizioni assolute o relative Possiede vari metodo get###() che permettono di accedere a singoli attributi ed effettuare il casting Ha metodi che servono per aggiornare i dati del database (possono essere disabilitati in fase di creazione dello statement) L'output di comandi che non siano una query è solo un intero (# tuple modificate) e non un ResultSet

22 Chiudere la connessione Connection.close(); E' possibile ricavare dei metadati sul db corrente tramite l'oggetto DatabaseMetaData, che può essere usato col database intero, con una singola tabella, con un ResultSet, ecc. Altro: metodo getwarnings() eccezioni ad hoc F. In bocca al lupo!