Le basi di dati. Base di dati = dati + DBMS.

Transcript

1 Le basi di dati. Lo scopo di una base di dati è la gestione dell informazione (in genere una grande quantità di informazione). L informazione è difficile da definire, dal momento che i database vengono utilizzati in applicazioni molto diverse tra di loro. Ad esempio, si può pensare ai dati anagrafici e fiscali dei dipendenti di un azienda, ai conti correnti di una banca, ai dati degli studenti di un università, etc Con gestione dell informazione si intendono varie cose, in particolare: aggiunta di nuovi dati, aggiornamento dati, cancellazione di dati, richiesta di informazioni, elaborazioni statistiche dei dati Per eseguire tali operazioni di gestione, l organizzazione che utilizza la base di dati deve allocare delle risorse. Si definisce sistema informativo l insieme delle risorse (persone, macchine, ) di un organizzazione dedicate alla gestione dell informazione. Il concetto di sistema informativo in sé esiste da secoli (es. anagrafi, biblioteche, ). All interno dei sitemi informativi moderni riconosciamo il sistema informatico: è quella parte del sistema informativo che gestisce l informazione automaticamente (formato da calcolatori, reti, software,...). All interno di un database sono contenuti dei dati. Questi vengono registrati utilizzando un opportuna codifica (caratteri, stringhe, suoni, ). I dati veicolano l informazione, cioè interpretando i dati nella maniera corretta si estrae l informazione. Ad esempio Paolo, Rossi, sono dati contenuti in un database; una loro interpretazione potrebbe essere Nome del dirigente, Cog del dirigente, Stipendio del dirigente. Quindi, quando consideriamo un sistema informatico, possiamo fare riferimento al seguente schema: Sistema Informazione DATI Informazione Rappresentazione Interpretazione Vi è dell informazione che deve essere immagazzinata in una base di dati. Dell informazione viene fornita una rappresentazione mediante un opportuna codifica (es. codifica mediante stringhe dei nomi dei dipendenti); ciò costituisce i dati che vengono memorizzati nel sistema informatico. Quando si accede ai dati, il sistema fornisce i dati utilizzando la codifica opportuna; l interpretazione dei dati permette di estrarre l informazione. Ma perché sono utili i database? Pensiamo al modo di funzionare dei programma tradizionali: ogni programma che viene caricato in memoria alloca dello spazio per i propri dati (variabili del programma). Se pensiamo a più programmi che devono elaborare gli stessi dati (es. più programmi che girano sullo stesso PC, più computer connessi in rete, ) abbiamo che ciascun programma alloca in memoria lo spazio per i dati. Ciò pone due problemi fondamentali: Inconsistenza: se il programma A elabora i dati D per ottenere i dati D ed il programma B, allo stesso tempo, elabora gli stessi dati D (ma in modo diverso da A!) ed ottiene i dati D all istante successivo i programmi A e B operano su dati diversi tra di loro! Per fare un esempio concreto: sia D un database che contiene i nomi degli N studenti Unimi; l utente A usa il programma A per aggiungere un nuovo studente a D; nel frattempo, l utente B usa il programma B per aggiungere due nuovi studenti a D; quanti studenti ha Unimi? Secondo A ne ha N+1, secondo B ne ha N+2, in realtà ne ha N+3! Ridondanza: dal momento che i dati vengono allocati in memoria per ogni utente / programma che gira sui dati, abbiamo uno spreco di memoria Nell esempio precedenti, i dati relativi ai primi N studenti Unimi sono replicati in memoria dal programma A e dal programma B! La soluzione ottimale è allora quella di mettere a disposizione i dati per ogni programma che li voglia utilizzare, senza effettuare inutili e pericolose copie dei dati (un unica risorsa di dati accessibile a più programmi). In questo caso, il gestore dei dati garantisce che i problemi di ridondanza e inconsistenza non sussistano, dal momento che c è una sola copia dei dati. I Data Base Management System (DBMS) sono sistemi software per la gestione di collezioni di dati che siano: grandi, condivise (più programmi lavorano sugli stessi dati), persistenti (non volatili). Essi assicurano: affidabilità e privatezza. Si parla allora di base di dati quando c è una collezione di dati gestita da un DBMS. Base di dati = dati + DBMS. Si parlerà poi di modello logico dei dati, che include le regole per strutturare i dati secondo certe proprietà + operazioni sui dati. Vi è anche un modello fisico dei dati, rappresentazione dello schema logico mediante strutture fisiche di memorizzazione (es. file, liste, alberi,...). L utente esterno si interfaccia con il solo modello logico dei dati, in quanto è

2 poi il solo DBMS a dover tener conto del modello fisico dei dati. Lo schema logico può essere visto come un interfaccia del database verso l esterno. Vediamo allora quali sono i linguaggi utilizzati per i DBMS. Si parla di: DDL: data definition language, definisce gli schemi esterni, logici, fisici e le autorizzazioni d accesso. DML: data manipulation language, consente di interrogare e di aggiornare la base di dati. Nelle basi di dati relazionali (che vedremo di seguito), SQL contiene entrambe le funzionalità Quali sono i problemi che si affrontano quando si deve progettare una base di dati? Il problema fondamentale è definire quali informazioni inserire in una base di dati e quali legami esistono tra di esse. E quindi necessario creare uno schema concettuale di una base di dati, dal quale è possibile derivare la struttura dei dati secondo il modello logico del DBMS (schema logico). Uno strumento per esprimere schemi concettuali sono i diagrammi Entità-Relazione (E-R). Nei diagrammi ER vi sono tre elementi: Entità: classi di oggetti rilevanti Relazioni: legami tra entità Attributi: descrivono proprietà rilevanti di entità e relazioni ENTITA RELAZIONE attributo Le entità sono le classi di oggetti rilevanti nel database. Le relazioni descrivono i legami esistenti tra le verie entità. Gli attributi descrivono proprietà rilevanti sia delle entità che delle relazioni. Ad esempio: E-R per una base di dati in cui archiviare studenti, materie e relativi esami matricola cog data voto titolare All entità studente vengono dati alcuni attributi che lo caratterizzano (matricola,, cog). Lo studente è in relazione con una materia attraverso un esame. La materia è caratterizzata dal della materia e dal titolare del corso. Nell esame, gli attributi sono la data ed il voto. L esame lega uno studente ad una materia attraverso la data ed il voto. Chiamiamo identificatori i gruppi di attributi che identificano univocamente le occorrenze di un entità. Vi sono identificatori singoli ed identificatori multipli. Ad esempio: identificatore singolo identificatore multiplo matricola cog data voto titolare Uno studente viene identificato in modo univoco attraverso il suo numero di matricola identificatore singolo. Una materia viene identificata univocamente attraverso una coppia di attributi: il del docente ed il della materia (lo stesso corso può essere tenuto da diversi docenti, un docente può tenere più di un corso) identificatore multiplo. Le relazioni sono caratterizzate dalla cardinalità: ad esempio, la cardinalità può essere: - molti a molti (es. relazione esame ogni studente può avere sostenuto più di un esame, ogni esame può essere dato da più studenti); - uno a molti (es. relazione iscrizione, ogni studente è iscritto ad un solo corso di laurea, ogni corso di laurea può avere N iscritti);

3 - uno a uno (es. essere direttore di, ogni direttore dirige un solo dipartimento, ogni dipartimento ha un solo direttore). Come possono essere allora strutturati i dati nel database per tenere conto del modello relazionale, cioè delle relazioni che intercorrono tra le diverse entità? Il modo naturale per la registrazione dei dati è l organizzazione in tabelle. Per ogni riga della tabella abbiamo un entità con i suoi attributi. Ogni riga della tabella è detta Record, e contiene gli attributi (eventualmente eterogenei, es. stringa, numero matricola) di un entità. Ogni colonna della tabella è associata con un attributo diverso dell entità. Si parla di campi (ogni record è formato da un insieme di campi). Tabella: STUDENTI(matr,, cog) STUDENTI matr cog Carlo Rossi Mario Verdi Franco Verdi Daniele Rossi Campi: colonne della tabella Record: righe della tabella Dobbiamo distinguere tra schema e istanza. Uno schema descrive in modo generale un entità oppure una relazione, elencano gli attributi possibili. Sono esempi di schema: (Matricola, Cog, Nome, Data di Nascita); schema dell entità studente CORSO(Codice, Titolo, Docente); schema dell entità corso (Studente, Voto, Corso). schema della relazione esame Le istanze sono invece delle particolari realizzazioni degli schemi (quando si assegnano i valori agli attributi si passa dallo schema all istanza), ad esempio: Matricola Cog Nome Data di Nascita 6554 Rossi Mario 5/12/ Neri Paolo 3/11/ Verdi Luisa 12/11/ Rossi Maria 1/2/1978 Codice Titolo Docente 01 Analisi Neri 02 Chimica Bruni 04 Chimica Verdi Istanza Studente Voto Corso Il modello relazione identifica poi le relazioni tra le entità utilizzando i valori, ad esempio: Matricola Cog Nome Data di Nascita 6554 Rossi Mario 5/12/ Neri Paolo 3/11/ Verdi Luisa 12/11/ Rossi Maria 1/2/1978 Codice Titolo Docente 01 Analisi Neri 02 Chimica Bruni 04 Chimica Verdi Studente Voto Corso Ci dice che lo studente Rossi Maria, matricola 3456, ha fatto l esame 04, cioè Chimica tenuto da Verdi, ottenendo il voto di 30. Le istanze devono soddisfare alcuni vincoli affinché l intero apparato del database funzioni correttamente. I vincoli possono essere: intrarelazionali (vincoli sui campi, sui record, su tabella); oppure interrelazionali (vincoli che includono più tabelle, si parla di integrità referenziale). Ad esempio: - nella tabella degli studenti, due istanze (=studenti) diversi non possono avere lo stesso numero di matricola vincolo intrarelazionale, lo verifichiamo facendo un analisi della tabella degli studenti [vincolo su tabella ]. - Nella tabella degli esami, non può esserci il voto 28 e la lode nella colonna della lode vincolo intrarelazionale, lo verifichiamo facendo un analisi del record [vincolo su record]. - Nella tabella degli esami, non può esserci il voto 32 vincolo intrarelazionale, lo verifichiamo facendo un analisi della campo [vincolo su campo].

4 - Nella tabella degli esami, non può figurare un record in cui il numero di matricola non corrisponda ad alun numero di matricola nella tabella degli studenti (studente inesistente!) vincolo interrelazione, lo verifichiamo confrontando due tabelle diverse. Un altro concetto fondamentale per un database è il concetto di chiave. Una chiave è un insieme minimale di attributi che identifica univocamente i record di una tabella. Ad esempio, il campo matricola è una chiave, in quanto identifica univocamente gli studenti nella tabella degli studenti. Nella tabella degli esami, una chiave è composta dall insieme di matricola + esame, in quanto queste due informazioni combinate permettono di identificare in maniera univoca una riga (cioè un record) della tabella degli esami, cioè di identificare quando lo studente X ha dato l esame Y e con che voto. Un attributo in una tabella T è infine definito chiave esterna quando tale attributo costituisce la chiave di un altra tabella. Ad esempio, nella tabella degli esami il numero di matricola è una chiave esterna, in quanto tale attributo è utilizzato nella tabella studenti per identificare in modo univoco uno studente. Le chiavi esterne hanno un ruolo importante nella verifica dell integrità relazionale (vincoli interrelazionali). Una volta stabiliti questi concetti, vediamo come sia possibile passare da un diagramma ER ad una tabella. Nel caso di relazione N/N: Una tabella viene costruita per ogni entità / relazione, il numero di colonne della tabella è pari al numero di attributi dell entità / relazione, nella tabella, conviene segnare le chiavi esterne, che servono per il database relazionale. Nel caso di relazione 1/N: non c è bisogno della tabella per la relazione, gli attributi della relazione vengono accorpati nella tabella dell entità dal lato 1 della relazione ad esempio, lo studente può essere iscritto nell anno X al solo corso di laurea Y tanto vale riportare l anno X ed il corso di laurea a fianco delle informazioni relative allo studente! Comunque, anche nel caso 1/N possiamo utilizzare la stessa codifica N/N (cioè utilizzare anche una tabella per la relazione). Nel caso di relazione 1/1: in questo caso, basta un unica tabella Ma possiamo comunque tradurre come nel caso 1/N o N/N per generalità. Abbiamo dunque visto come progettare il database e come immagazzinare le informazioni al suo interno mediante le tabelle. Vediamo ora quali sono le operazioni possibili. L operazione fondamentale con un database è una query (interrogazione), nella quale si chiede di accedere / elaborare ad un qualche dato al database. Vi sono diversi modi di esprimere un query usando: SQL: Structured Query Language QBE: Query by Example di Access Algebra relazionale: un linguaggio formale In ogni caso, vi sono in comune un insieme di operatori. Tra gli operatori, abbiamo: Operatori su tabelle: - operatori insiemistici: o unione di tabelle; o intersezione di tabelle; o differenza di tabelle; o - operatori relazionali: o proiezione; o selezione; o join Quindi, per esempio, possiamo pensare di unire due tabelle con attributi compatibili (es. giocatori di calcio, ciclisti) otteniamo una tabella con giocatori di calcio e ciclisti. O di farne l intersezione, per trovare i giocatori di calcio che vanno in bici. O di farne la differenza (in senso insiemistico) differenza tra giocatori di calcio e ciclisti = giocatori di calcio che non vanno in bici. Proiezione significa estrarre solo alcuni attributi di una tabella, quelli ritenuti interessanti. Selezione significa estrarre da una tabella tutti i record per i quali sono soddisfatti alcuni particolari vincoli sugli attributi, es. tutti i ciclisti con Marco. Prodotto cartesiano si ottengono tutte le pssibile combinazioni tra i record della prima tabella e i record della seconda tabella (es. studenti e esami si ottiene l elenco di tutti gli esami che ogni studente dovrebbe sostenere).

5 Join accorpa due tabelle costruendo dei record più lunghi. (Vedere slide per esempi).