| برنامه ریزی درسی و مواد درسی | 8 کلاس | برنامه ریزی دروس برای سال تحصیلی | مدل های جدولی

درس 12
مدل های جدولی

مدل های جدولی

موضوعات مورد مطالعه:

جداول از نوع "اشیاء - مال".
- یک جدول از نوع "شیء - شی".
- ماتریس های باینری

جداول شی - خواص

شکل رایج دیگر مدل اطلاعاتی است میز مستطیلیمتشکل از سطرها و ستون ها استفاده از جداول به قدری رایج است که معمولاً برای درک آنها نیازی به توضیح اضافی نیست.

به عنوان مثال، جدول 2.1 را در نظر بگیرید.

هنگام جمع آوری جدول، تنها اطلاعات مورد علاقه کاربر در آن گنجانده می شود. به عنوان مثال، علاوه بر اطلاعات مربوط به کتاب هایی که در جدول 2.1 آمده است، موارد دیگری نیز وجود دارد: ناشر، تعداد صفحات، هزینه. با این حال، برای گردآورنده جدول 2.1، اطلاعات کافی در مورد نویسنده، عنوان و سال انتشار کتاب (ستون‌های "نویسنده"، "عنوان"، "سال") و اطلاعاتی که امکان یافتن کتاب را در قفسه‌های کتاب فراهم می‌کرد، وجود داشت. قفسه کتاب (ستون "قفسه"). فرض بر این است که تمام قفسه ها شماره گذاری شده اند و علاوه بر این، هر کتاب شماره موجودی خود را دارد (ستون "تعداد").

جدول 2.1 - این یک مدل اطلاعاتی از صندوق کتاب یک کتابخانه خانگی است.

جدول ممکن است منعکس کننده فرآیند خاصی باشد که در طول زمان اتفاق می افتد (جدول 2.2).

قرائت ها، که در جدول 2.2 فهرست شده اند، در مدت پنج روز در همان زمان روز گرفته شده اند. با نگاهی به جدول به راحتی می توان روزهای مختلف را از نظر دما، رطوبت و ... مقایسه کرد که این جدول را می توان مدل اطلاعاتی از روند تغییر وضعیت آب و هوا در نظر گرفت.

جداول 2.1 و 2.2 به متداول ترین نوع جدول اشاره دارد. به آنها جداول "ویژگی شی" می گویند..

یک خط از چنین جدولی حاوی اطلاعاتی در مورد یک شی است (یک کتاب در کتابخانه یا وضعیت آب و هوا در ساعت 12:00 در یک روز معین). ستون ها - ویژگی های فردی (خواص) اشیاء.

البته سطرها و ستون های جداول 2.1 و 2.2 را می توان با چرخش 90 درجه تعویض کرد. گاهی این کار را می کنند. سپس سطرها با ویژگی ها مطابقت دارند و ستون ها با اشیاء مطابقت دارند. اما اغلب جداول به گونه ای ساخته می شوند که تعداد ردیف ها بیشتر از ستون ها باشد. به عنوان یک قاعده، تعداد اشیاء بیشتر از خواص است.

انواع روابط بین اشیاء حوزه موضوعی

روابط چندگانه می تواند چهار نوع باشد - یک به یک، یک به چند، چند به چند و چند به یک.

یک رابطه یک به یک (1: 1) زمانی وجود دارد که یک نمونه از یک شی با یک نمونه واحد از شی دیگر مرتبط باشد. این رابطه از چپ به راست و از راست به چپ منحصر به فرد است.

منجر می شود

مدیر سازمانی

یک رابطه یک به چند (1: M) زمانی وجود دارد که یک نمونه از شی اول با یک (یا چند) نمونه از شی دوم مرتبط باشد، اما هر نمونه از شی دوم فقط با یک نمونه از اولی مرتبط باشد. . رابطه از راست به چپ منحصر به فرد است.

شامل

ناحیه شهر

یک رابطه چند به چند (M: M) زمانی وجود دارد که یک نمونه از شی اول با یک یا چند نمونه از دومی و هر نمونه از دومی با یک یا چند نمونه از اولی مرتبط باشد.

دانشجو (نام خانوادگی، شماره کتاب نمره. دانشکده) موضوع (نام، تعداد ساعت)

رابطه چند به یک (M: 1) شبیه رابطه یک به چند است. پیوند فقط از چپ به راست منحصر به فرد است.

نام خانوادگی دانشجو (M: 1) شماره گروه

مدل مفهومی... مدل اشیاء با ویژگی های توصیف کننده آنها و روابط بین آنها نامیده می شود مدل مفهومی... این مدل اشیا و روابط آنها را بدون مشخص کردن نحوه ذخیره فیزیکی آنها نشان می دهد.

این به صورت گرافیکی در قالب یک نمودار ویژه ارائه شده توسط متخصص پایگاه داده آمریکایی سی. باخمن ارائه شده است. در نمودارهای باخمن، اشیاء با رئوس یک نمودار ریاضی مشخص، پیوندها با قوس های نمودار نشان داده می شوند. به عنوان مثال، مدل داده خرید را در نظر بگیرید (شکل 48 را ببینید).

برنج. 48 نمونه ای از مدل مفهومی

این مدل از سه شی تشکیل شده است: تامین کننده، سفارش، آیتم. رابطه صادر شده که بین اشیاء تامین کننده و سفارش وجود دارد، کاردینالیتی یک به چند دارد، زیرا هر سفارش به یک تامین کننده انجام می شود، اما می توان چندین سفارش را به این تامین کننده انجام داد. . رابطه بین اشیاء Order و Item دارای کاردینالیتی چند به چند است، زیرا یک سفارش شامل چندین آیتم است و یک آیتم می تواند در چندین مرتبه رخ دهد.

مدل اینفولوژیک (مدل اطلاعاتی-منطقی)- انسان محور و مستقل از نوع مدل دامنه DBMS که مجموعه اشیاء اطلاعاتی، ویژگی ها و روابط بین اشیاء، پویایی تغییرات در دامنه و همچنین ماهیت نیازهای اطلاعاتی کاربران را تعیین می کند. مدل درون‌شناختی حوزه موضوعی را می‌توان با مدل «موجود-رابطه» توصیف کرد (مدل چن)، که مبتنی بر تقسیم دنیای واقعی به موجودیت‌های قابل تشخیص جداگانه است که در روابط مشخصی با یکدیگر هستند و هر دو دسته - ذات و رابطه مفاهیم اولیه و نامعین فرض می شوند ...

هدف از مدل سازی اینفولوژیک

• ارائه طبیعی ترین راه ها برای جمع آوری و ارائه اطلاعاتی که قرار است در پایگاه داده در حال ایجاد ذخیره شود. بنابراین، آنها سعی می کنند یک مدل داده اینفولوژیک را با قیاس با زبان طبیعی بسازند (به دلیل پیچیدگی پردازش رایانه ای متون و ابهام هر زبان طبیعی، نمی توان از زبان طبیعی به شکل خالص استفاده کرد). عناصر سازنده اصلی مدل های اینفولوژیک موجودیت ها، روابط بین آنها و ویژگی های آنها (ویژگی ها) هستند.

مفاهیم اساسی

• اصل- هر شی قابل تشخیص (شئی که می توانیم از دیگری تشخیص دهیم)، که اطلاعات مربوط به آن باید در پایگاه داده ذخیره شود. موجودیت ها می توانند افراد، مکان ها، هواپیماها، پروازها، طعم، رنگ و غیره باشند. لازم است بین مفاهیمی مانند نوع موجودیت و نمونه موجود تمایز قائل شد. اصطلاح نوع موجودیت به مجموعه ای از افراد، اشیاء، رویدادها یا ایده های همگن اشاره دارد که به عنوان یک کل عمل می کنند. یک نمونه موجود به یک چیز خاص در یک مجموعه اشاره دارد. به عنوان مثال، یک نوع موجودیت می تواند CITY، و یک نمونه می تواند مسکو، کیف و غیره باشد.
• صفت- ویژگی نامگذاری شده موجودیت. نام آن باید برای نوع خاصی از موجودیت منحصر به فرد باشد، اما می تواند برای انواع مختلف موجودیت ها یکسان باشد (به عنوان مثال، COLOR را می توان برای بسیاری از موجودیت ها تعریف کرد: DOG، CAR، SMOKE و غیره). ویژگی ها برای تعیین اینکه چه اطلاعاتی باید در مورد یک موجودیت جمع آوری شود استفاده می شود. نمونه هایی از ویژگی های موجودیت وسیله نقلیه عبارتند از TYPE، BRAND، NUMBER PLATE، COLOR و غیره. در اینجا بین نوع و نمونه نیز تمایز وجود دارد. نوع مشخصه COLOR نمونه ها یا مقادیر زیادی دارد: قرمز، آبی، موزی، سفید شب و غیره، با این حال، تنها یک مقدار مشخصه به هر نمونه از یک موجودیت اختصاص داده می شود.

هیچ تمایز مطلقی بین انواع موجودیت و ویژگی ها وجود ندارد. یک ویژگی فقط در رابطه با نوع موجودیت چنین است. در زمینه دیگری، یک ویژگی می تواند به عنوان یک موجودیت مستقل عمل کند. به عنوان مثال، برای یک کارخانه خودروسازی، رنگ تنها ویژگی یک محصول تولیدی است و برای یک کارخانه رنگ، رنگ یک نوع موجود است.

• کلید- حداقل مجموعه ای از ویژگی ها، که از مقادیر آن می توان برای یافتن نمونه موجودیت مورد نیاز به طور منحصر به فرد استفاده کرد. حداقل بودن به این معنی است که حذف هر ویژگی از مجموعه اجازه نمی دهد موجودیت توسط بقیه شناسایی شود. برای موجودیت Schedule، کلید ویژگی Flight_number یا مجموعه است: Departure_point، Departure_time، و Destination_point (به شرطی که یک هواپیما در یک زمان از نقطه ای به نقطه دیگر حرکت کند).

• ارتباط- انجمن دو یا چند نهاد. اگر هدف پایگاه داده فقط ذخیره داده های مجزا و نامرتبط باشد، ساختار آن می تواند بسیار ساده باشد. با این حال، یکی از الزامات اصلی برای سازماندهی پایگاه داده، اطمینان از امکان یافتن برخی از نهادها با ارزش های دیگران است، که برای آن لازم است پیوندهای خاصی بین آنها ایجاد شود. و از آنجایی که پایگاه های داده واقعی اغلب شامل صدها یا حتی هزاران موجودیت هستند، از نظر تئوری می توان بیش از یک میلیون اتصال بین آنها برقرار کرد. وجود چنین مجموعه ای از اتصالات پیچیدگی مدل های اینفولوژیک را تعیین می کند.

الزامات یک مدل اینفولوژیک

• نمایش مناسب منطقه موضوع
• اجتناب از تفسیر مبهم از مدل
• تعریف واضح دامنه شبیه سازی شده (تناهی بودن مدل)
• توسعه پذیری آسان، امکان ورود داده های جدید بدون تغییر تعریف قبلی، همین امر در مورد حذف داده ها نیز صدق می کند.
• امکان ترکیب و تجزیه مدل به دلیل ابعاد بزرگ مدل های اینفولوژیکی واقعی
• درک آسان توسط دسته های مختلف کاربران؛ مطلوب است که مدل اینفولوژیک توسط متخصصی که در این زمینه کار می کند ساخته شود (یا حداقل در ایجاد آن مشارکت داشته باشد) و نه فقط یک طراح سیستم های پردازش داده ماشینی.
• کاربرد زبان مشخصات مدل برای طراحی دستی و کامپیوتری سیستم های اطلاعاتی

اجزای مدل Infological

• توصیف اشیاء و روابط بین آنها، به نام ER-model (مخفف مدل "Entity-relationship")
• شرح نیازهای اطلاعاتی کاربران
• پیوندهای ویژگی الگوریتمی
• روابط زبانی به دلیل ویژگی های بازنمایی حوزه موضوعی در محیط زبانی
• محدودیت های یکپارچگی

ساختن شی - ملک - مدل رابطه

کلاس های شی

در حوزه موضوعی، در فرآیند بررسی و تحلیل آن، وجود دارد کلاس های شی... کلاس شی مجموعه ای از اشیاء است که دارای مجموعه ای از خصوصیات یکسان هستند. به عنوان مثال، اگر یک دانشگاه را به عنوان یک حوزه موضوعی در نظر بگیریم، می توان طبقات زیر را از اشیاء در آن متمایز کرد: دانشجویان، معلمان، سالن ها و غیره. موضوعاتی که دانش آموزان مطالعه می کنند.

هنگامی که در سیستم اطلاعات منعکس می شود، هر شی با شناسه خود نشان داده می شود که یک شی از کلاس را از دیگری متمایز می کند و هر کلاس از اشیا با نام این کلاس نشان داده می شود. بنابراین، برای اشیاء کلاس "STUDYED SUBJECTS" شناسه هر شی "NAME OF THE SUBJECT" خواهد بود. شناسه باید منحصر به فرد باشد.

هر شی دارای مجموعه خاصی از خواص است. برای اشیاء هم کلاس، مجموعه این ویژگی ها یکسان است و البته مقادیر آنها ممکن است متفاوت باشد. به عنوان مثال، برای اشیاء کلاس "STUDENT"، چنین مجموعه ای از ویژگی ها که اشیاء کلاس را توصیف می کنند می توانند "YEAR OF BIRTH"، "GIND" و غیره باشند.

هنگام توصیف ناحیه موضوع، لازم است هر یک از کلاس های موجود از اشیاء و مجموعه ای از ویژگی های ثابت برای اشیاء این کلاس را به تصویر بکشید.

ما از عناوین زیر برای نمایش اشیا و خصوصیات آنها استفاده خواهیم کرد.

به هر کلاس ویژگی در مدل اینفولوژیک یک نام منحصر به فرد اختصاص داده می شود. نام کلاس مفعول گردش گرامری اسم است (اسمی که می تواند صفت و حرف اضافه داشته باشد). اگر نام از چند کلمه تشکیل شده باشد، پس مطلوب است که اسم اول باشد. اسم باید به صورت مفرد استفاده شود نه به صورت جمع. بنابراین، برای کلاس اشیاء "STUDYED DISCIPLINES" در نظر گرفته شده در بالا، بهتر است نام "DISCIPLINE STUDYED" گذاشته شود. اگر در حوزه موضوع به طور سنتی از نام های مختلفی برای تعیین هر کلاسی از اشیاء استفاده می شود (یعنی مترادف وجود دارد)، باید همه آنها در توضیحات سیستم ثابت شوند، سپس یکی از آنها به عنوان اصلی انتخاب می شود. و فقط این نام باید در آینده استفاده شود.در ILM. علاوه بر نام کلاس شی در ILM، از کد کوتاه آن نیز می توان استفاده کرد.

هنگام ساخت یک مدل اینفولوژیک، مطلوب است که تفسیر شفاهی از هر موجودیت ارائه شود، به خصوص اگر تفسیر مبهم از مفهوم امکان پذیر باشد.

روابط بین یک شی و خصوصیات آن

هنگام توصیف منطقه موضوع، لازم است که ارتباطات بین شی و خصوصیاتی که آن را مشخص می کند، منعکس شود. این به سادگی به عنوان خطی نشان داده می شود که تعیین شی و ویژگی های آن را به هم متصل می کند.

رابطه بین یک شی و ویژگی آن می تواند متفاوت باشد. یک شی می تواند تنها یک مقدار برای یک ویژگی داشته باشد. به عنوان مثال، هر فرد تنها می تواند یک تاریخ تولد داشته باشد. اجازه دهید چنین ویژگی هایی را بنامیم تنها... برای خصوصیات دیگر، ممکن است چندین مقدار برای یک شی به طور همزمان وجود داشته باشد. برای مثال، فرض کنید هنگام توصیف "کارمند"، "زبان خارجی" که مالک آن است به عنوان دارایی او ثابت شده است. از آنجایی که یک کارمند می تواند چندین زبان خارجی را بداند، چنین ویژگی نامیده می شود جمع... هنگامی که رابطه بین یک شی و خصوصیات آن را به تصویر می‌کشیم، از یک فلش برای خصوصیات منفرد و از یک فلش دوتایی برای چندین ویژگی استفاده می‌کنیم.

علاوه بر این، برخی از خواص دائمی هستند، ارزش آنها نمی تواند در طول زمان تغییر کند. اجازه دهید چنین ویژگی هایی را بنامیم استاتیک، و آن ویژگی هایی که مقدار آنها با گذشت زمان تغییر می کند، فراخوانی می شوند پویا.

یکی دیگر از ویژگی های رابطه بین یک شی و ویژگی آن، این است که آیا این ویژگی در همه اشیاء یک کلاس وجود دارد یا در برخی از اشیاء وجود ندارد. به عنوان مثال، برای کارمندان فردی، ممکن است ویژگی "ACADEMIC DEGREE" وجود داشته باشد، و سایر اشیاء این کلاس ممکن است ویژگی مشخص شده را نداشته باشند. اجازه دهید چنین خصوصیاتی را مشروط بنامیم.

هنگام به تصویر کشیدن ارتباط یک ویژگی شرطی با یک شی، از یک خط نقطه چین و برای نشان دادن ویژگی های پویا و استاتیک، از حروف D و S در بالای خط مربوطه استفاده می کنیم.

گاهی اوقات در یک مدل اینفولوژیک معرفی مفهوم "مالکیت ترکیبی" مفید است. نمونه‌هایی از این املاک عبارتند از ADDRESS، شامل شهر، خیابان، خانه و آپارتمان، و تاریخ تولد، متشکل از NUMBER، MONTH و YEAR. در ILM، ما از مربع برای نشان دادن یک ویژگی ترکیبی استفاده می کنیم که خطوطی که آن را با نام های عناصر تشکیل دهنده آن به هم متصل می کند، از آن منشاء می گیرند.

روابط بین اشیاء

علاوه بر ارتباط بین یک شی و ویژگی های آن، مدل اینفولوژیک ارتباطات بین اشیاء کلاس های مختلف را ثبت می کند. پیوندهایی از نوع وجود دارد:

• "یک به یک" (1: 1): در هر لحظه از زمان، هر نماینده (نمونه) موجودیت A با 1 یا 0 نماینده موجودیت B مطابقت دارد:

دانشجو ممکن است "کمک هزینه تحصیلی" دریافت نکند، بورسیه عادی یا یکی از بورسیه های افزایش یافته را دریافت کند.

• "یک به بسیاری" (1: M): یک نماینده از موجودیت A با 0، 1 یا چند نماینده از موجودیت B مطابقت دارد.

آپارتمان ممکن است خالی باشد، یک یا چند مستاجر ممکن است در آن زندگی کنند.

• «خیلی به یک» (M: 1)

گاهی اوقات به این نوع روابط به عنوان درجه رابطه نیز گفته می شود. علاوه بر درجه ارتباط در مدل اینفولوژیک، برای مشخص کردن ارتباط بین موجودات مختلف، لازم است به اصطلاح "طبقه تعلق" نشان داده شود، که نشان می دهد آیا نمی توان ارتباطی بین یک شی از این کلاس وجود داشت یا خیر. هر شی از کلاس دیگر کلاس موجودیت باید یا الزامی یا اختیاری باشد.

اجازه دهید آنچه گفته شد را با مثال های خاص توضیح دهیم. همانطور که در بالا ذکر شد، مدل infological برای یک شی جداگانه ساخته نشده است، بلکه کلاس های اشیاء و روابط بین آنها را نمایش می دهد. نمودار مربوطه ای که این را نشان می دهد، نمودار نوع ER نامیده می شود (این نام به این دلیل است که در انگلیسی کلمه "entity" "Entity" نوشته می شود و رابطه "رابطه" است). با این حال، گاهی اوقات، علاوه بر نمودارهای نوع ER، از نمودارهای نمونه ER نیز استفاده می شود.

فرض کنید که مدل اینفولوژیک رابطه ای بین دو دسته از اشیاء را نشان می دهد: "شخصیت" و "زبان خارجی". -

فرض کنید حوزه موضوع کارخانه ای است که برخی از کارمندان آن یک زبان خارجی می دانند، اما هیچ یک از آنها به بیش از یک زبان مسلط نیستند. طبیعتاً زبان های زیادی وجود دارد که هیچ یک از کارمندان به آنها صحبت نمی کنند و همچنین برخی از کارمندان به همان زبان خارجی صحبت می کنند.

اجازه دهید فرض کنیم که حوزه موضوعی یک مؤسسه است و شی «PERSONALITY» منعکس کننده متقاضیان ورود به این مؤسسه است. هر یک از متقاضیان الزاما باید به یک زبان خارجی صحبت کنند، اما هیچکس بیش از یک زبان صحبت نمی کند.

هم در مورد اول و هم در مورد دوم، رابطه M: 1 بین موجودیت ها مشاهده می شود. در نمودار، این از سمت شی "PERSONALITY" با یک فلش دوتایی، و از سمت شی "FREIGN LANGUAGE" با یک فلش منفرد در خط نشان داده شده است که رابطه بین این موجودات را نشان می دهد.

تفاوت در موقعیت های در نظر گرفته شده این است که در حالت اول، کلاس متعلق برای هر دو موجودیت اختیاری است و در حالت دوم، برای موجودیت "PERSONALITY"، کلاس متعلق اجباری است. این در نمودار با یک نقطه در مستطیل مربوط به شی "PERSONALITY" نشان داده شده است.

بگذارید حوزه موضوع مانند مورد قبلی باشد، اما شرایطی وجود دارد که برخی از متقاضیان چندین زبان خارجی را می دانند. در این صورت پیوند بین اشیا از نوع M: M خواهد بود.

فرض کنید حوزه موضوعی یک مؤسسه زبان شناسی است که هر یک از کارمندان لزوماً چندین زبان خارجی را می دانند و برای هر یک از زبان های شناخته شده برای علم در این مؤسسه حداقل یک متخصص وجود دارد که به آن صحبت می کند.

در این مورد، رابطه بین اشیاء "M: M خواهد بود و کلاس تعلق هر دو موجودیت اجباری است."

اشیاء ساده و پیچیده

به شیئی ساده گفته می شود که غیر قابل تقسیم در نظر گرفته شود. یک شیء پیچیده ترکیبی از سایر اشیاء ساده یا پیچیده است که در سیستم اطلاعاتی نیز نمایش داده می شوند. مفهوم شیء «ساده» و «پیچیده» نسبی است. در یک دیدگاه می توان یک شی را ساده و در دیدگاهی دیگر همان شی را پیچیده در نظر گرفت. به عنوان مثال، شی "صندلی" در زیر سیستم حسابداری دارایی های مادی به عنوان یک شی ساده در نظر گرفته می شود، اما برای یک شرکت تولید کننده صندلی، یک شی ترکیبی (شامل "پاها"، "پشت"، "نشیمنگاه"، و غیره.).

انواع مختلفی از اشیاء پیچیده وجود دارد: اشیاء مرکب، اشیاء تعمیم یافته و اشیاء تجمیع شده.

شی مرکب با نگاشت رابطه کل بخش مطابقت دارد. نمونه هایی از اشیاء ترکیبی عبارتند از NODES - DETAILS، CLASS - STUDENTS و غیره.

مدل‌های Infological معمولاً از هیچ قرارداد خاصی برای نمایش اشیاء پیچیده استفاده نمی‌کنند. رابطه بین کامپوزیت و اشیاء تشکیل دهنده آن به همان شکلی که در بالا توضیح داده شد نمایش داده می شود. علاوه بر این، ماهیت اتصال نیز می تواند متفاوت باشد: به عنوان مثال، "DETAILS" و "KNOTS" با یک رابطه از نوع M: M، و "GROUP" و "STUDENTS" - با یک رابطه 1: M به هم متصل می شوند. .

شی تعمیم یافته حضور رابطه "جنس - گونه" را بین اشیاء منطقه موضوعی منعکس می کند. به عنوان مثال، اشیاء STUDENT، SCHOOLBOY، GRADUATE، STUDENT STUDENTS یک شی تعمیم یافته STUDENTS را تشکیل می دهند. اشیایی که یک شی تعمیم یافته را می سازند دسته های آن نامیده می شوند.

هم یک شی "عمومی" و هم اشیای "خاص" می توانند مجموعه خاصی از ویژگی ها را داشته باشند. علاوه بر این، به اصطلاح وراثت ویژگی ها مشاهده می شود، یعنی یک شی "خاص" تمام ویژگی هایی را دارد که یک شی "عمومی" دارد، به علاوه ویژگی هایی که فقط ذاتی اشیایی از این نوع هستند.

اشیاء انباشته معمولاً با فرآیندی مطابقت دارند که در آن اشیاء دیگر "درگیر" هستند. به عنوان مثال، شی جمع آوری شده "SUPPLY" اشیاء "SUPPLIER" که محصولات را تامین می کند، "Consumer" که این محصولات را دریافت می کند و همچنین "محصول" ارائه شده را ترکیب می کند. شی اصلی "تاریخ تحویل" است. یک شیء تجمیع شده می تواند مانند یک شیء ساده دارای ویژگی هایی باشد که آن را مشخص می کند. در مثال مورد بررسی، چنین ویژگی می تواند اندازه تحویل باشد.

مقایسه روش‌های ساخت مدل‌های ER

مدل های ER به طور گسترده در طراحی پایگاه داده استفاده می شوند. علاوه بر این، آنها هم در طراحی دستی و هم در طراحی به کمک کامپیوتر استفاده می شوند. روش‌های ارائه گرافیکی مدل‌های ER تا حدودی در سیستم‌های اتوماسیون طراحی مختلف و در منابع مختلف ادبی متفاوت است.

در ادامه، ویژگی‌های ارائه مدل‌های ER را در سه سیستم اتوماسیون طراحی معروف (CASE-systems) بررسی خواهیم کرد: Prokit * WORKBENCH، Desing / IDEF و CASE ORACLE، و همچنین در برخی منابع ادبی.

چندین دسته از تفاوت ها در به تصویر کشیدن مدل های ER وجود دارد.

1. تفاوت های ناچیز مرتبط با استفاده از نمادهای مختلف برای نمایش موجودیت های یکسان. بنابراین می توان از مستطیل ها، بلوک هایی با گوشه های گرد، بیضی ها و غیره برای نشان دادن یک شی استفاده کرد.

مجموعه بعدی تفاوت ها به روشی که در آن روابط بین اشیاء به تصویر کشیده می شود و نامگذاری روابط مربوط می شود. بنابراین در برخی تکنیک ها برای نمایش یک اتصال در کانکتور خطی که این اتصال را نشان می دهد، پیشنهاد می شود یک لوزی رسم کرده و نام اتصال را در داخل یا کنار آن بنویسید (مدل چن). از آنجایی که پیوندها دو طرفه هستند، نام پیوند بسته به اینکه از کدام طرف مشاهده شود تغییر می کند. بنابراین، اغلب در ILM پیشنهاد می‌شود که هر دوی این نام‌ها را نشان دهند (مثلاً در سیستم‌های CASE ORACLE، Prokit). علاوه بر این، برای اینکه مشخص شود کدام نام به کدام جهت ارتباطی اشاره دارد، توافقات خاصی در مورد نحوه قرار دادن این نام ها در نمودارها انجام شده است. به عنوان مثال، در بالای خط، نام های مربوط به سمت چپ پیوند و در زیر خط - به سمت راست قرار دهید. وجود چنین تعداد زیادی از نمادها و برچسب ها مدل را به هم می زند. علاوه بر این، تخصیص نام ها اغلب تا حدودی دشوار است، که کار سخت مدل سازی اینفولوژیک را افزایش می دهد. بنابراین در مواردی که این امر منجر به ابهام و ابهام نمی شود، در صورت اجازه سیستم، می توان عدم استفاده از عناوین و نام های خاص برای لینک ها را توصیه کرد.

قراردادهای مختلفی برای تصویر نوع پیوند استفاده می شود (1: 1، 1: M، M: M). برخی از سیستم‌های اتوماسیون طراحی، به عنوان مثال Prokit، این فرصت را در اختیار کاربر قرار می‌دهند که از میان انواع مختلف نام‌های ممکن، مواردی را که دوست دارد یا با آن‌ها آشناتر است انتخاب کند. در این سیستم می توان از قراردادهای زیر برای نشان دادن نوع پیوند بین اشیا استفاده کرد.

قراردادهای مختلفی نیز برای نشان دادن وقوع اجباری اشیاء در یک رابطه استفاده می شود ("طبقه عضویت / عضویت"). بنابراین، در CASE ORACLE، کلاس عضویت به صورت زیر منتقل می شود. از خط نقطه چین در کنار پیوند استفاده می شود که ممکن است عنصر لزوماً در پیوند نباشد و در جایی که عضویت لازم است، خط ثابت. با در نظر گرفتن کلاس عضویت، انواع روابط نشان داده شده در شکل امکان پذیر است.

نام‌گذاری‌های مورد استفاده در CASE ORACLE راحت‌تر هستند، زیرا اگر شی در تعداد زیادی پیوند شرکت کند، مستطیل‌های اضافی با نقطه برای قرار دادن در شکل ناخوشایند می‌شوند.

در Desing IDEF، ماهیت عضویت رابطه همانطور که در شکل نشان داده شده است نشان داده شده است.

2. تفاوت ها، همچنین با نحوه به تصویر کشیدن موقعیت های خاص، اما مهم تر، که منجر به تفاوت در خود مدل ها می شود. به عنوان مثال، در سیستم 3RACLE، یک شی تعمیم یافته با بلوک های "تودرتو" نشان دهنده اشیاء "ویژه" در داخل یک بلوک نشان دهنده یک شی "عمومی" به تصویر کشیده می شود. شکل تصویری از شی PERSONALITY را نشان می دهد که در بالا در قراردادهای مورد استفاده در CASE ORACLE مورد بحث قرار گرفت.

همانطور که از مقایسه شکل ها بر می آید، تصویر اشیاء تعمیم یافته در روش های مقایسه شده نه تنها در شکل ارائه متفاوت است. بنابراین، اگر یک شی بر اساس معیارهای مختلف طبقه بندی شود، پس هنگام استفاده از اولین روش در نظر گرفته شده برای به تصویر کشیدن اشیاء تعمیم یافته، به وضوح قابل مشاهده است که طبقه بندی بر چه اساسی انجام می شود. روش تصویر دوم این را فراهم نمی کند. به عبارت دیگر، روش به تصویر کشیدن اشیاء تعمیم یافته در ابتدای فصل از نظر معنایی معنادارتر و آموزنده تر است.

شکل همان شی PERSONALITY عمومی را با استفاده از نحو سیستم IDEF1X نشان می دهد. از نظر معنایی، این روش تصویری به روش اصلی تصویر ILM که توسط ما پیشنهاد شده است نزدیکتر است. تفاوت این است که برای موجودیت های دسته و موجودیت های "عمومی" در IDEF1X، از همان نام گذاری ها استفاده می شود -

3. علاوه بر تفاوت در نمایش نهادهای خاص، در تئوری مدل‌سازی اینفولوژیک، در اصطلاحات مورد استفاده اختلاف وجود دارد. به عنوان مثال، در CASE ORACLE، یک شیء عمومی را syper-type، و یک شیء خاص را sub-type می نامند. این تفاوت ها در اصطلاح بسیار زیاد است، اما هدف ما اکنون این نیست.

4. دایره بعدی تفاوت ها با تصویر فضایی اجزای خاصی از ILM همراه است. به عنوان مثال، گاهی اوقات خصوصیات یک شی در نمودار مشابهی با اشیا و روابط بین آنها نمایش داده نمی شود و توضیحات آنها به طور جداگانه انجام می شود. اغلب «نوشتن خواص به صورت جدولی یا تحلیلی دیگر ارائه می شود و نه به صورت گرافیکی.

ILM، حتی برای یک حوزه موضوعی کوچک و بدون پیچیدگی، شامل توصیف تعداد قابل توجهی از مؤلفه ها و روابط بین آنها است. این مشکل وضوح طرح کلی را ایجاد می کند. این مشکل با ساخت دستی و خودکار یک مدل اینفولوژیک به روش های مختلف حل می شود. در سیستم‌های خودکار، اغلب یک تصویر واحد از مدل ER ساخته می‌شود و از تکنیک مقیاس‌بندی استفاده می‌شود، زمانی که با کاهش یا افزایش مقیاس تصویر، می‌توانید هم کل نمودار و هم تکه تکه آن را روی صفحه ببینید.

تکنیک های مختلفی نیز برای کاهش تعداد خطوط عبوری در نمودار استفاده می شود. بنابراین، در سیستم Prokit، برای این منظور، مجاز است که تصویر یک شی را کپی کرده و آن را در کنار شی ای که باید با آن پیوند داده شود، قرار دهید. به منظور نشان دادن اینکه این یک شی جدید نیست، از برخی نامگذاری های معمولی استفاده می شود، به عنوان مثال، گوشه ای برای بلوک های مربوطه مشخص شده است.

در طراحی دستی، معمولاً نمی توان کل مدل ER را به صورت یک نمودار به تصویر کشید. در این مورد، می‌توانیم تکنیک زیر را توصیه کنیم: هر شی را به طور مستقل به تصویر بکشید و توصیف کنید، به هر شی یک کد کوتاه اختصاص دهید. با استفاده از این کدها، برای هر شی، ارتباط آن با سایر اشیاء را نشان می دهد.

5. برخی از قابلیت های موجود در برخی سیستم ها یا تکنیک ها در برخی دیگر وجود ندارد. در این موارد، گزینه‌های مختلفی امکان‌پذیر است: الف) برای به تصویر کشیدن موقعیت، از امکانات ارائه شده توسط مدل استفاده می‌شود، اما این امر مستلزم استفاده از تکنیک‌های خاصی است که اغلب تا حدی مصنوعی برای نشان دادن آنهاست. ب) وضعیت به سادگی در مدل نمایش داده نمی شود.

به عنوان مثال، در بسیاری از سیستم‌های مدل‌سازی اینفولوژیک، فرض بر این است که ویژگی‌های یک شی فقط می‌توانند منفرد باشند. در این حالت، هر ویژگی چندگانه باید به عنوان یک شی مستقل نشان داده شود و رابطه بین این شی جدید معرفی شده و شی اصلی باید به تصویر کشیده شود.

در IDEF، ویژگی های شی فقط می توانند تک و همیشه تعریف شوند (نه مشروط). اگر یک ویژگی ممکن است در هیچ شیئی وجود نداشته باشد، باید نهادهای جداگانه انتخاب شوند، به عنوان مثال، یک کارمند شخصی با ویژگی SALARY و HOURS، که چنین ویژگی را ندارد. این امر منجر به نیاز به انتخاب تعداد زیادی از اشیا و پیوندها در ILM می شود تا دید مدل کاهش یابد. برای مثال، نمونه‌های فردی شیء PERSONALITY ممکن است دارای عنوان علمی، مدرک تحصیلی، سال فارغ‌التحصیلی و بسیاری ویژگی‌های دیگر باشند یا نداشته باشند. برای هر یک از این ویژگی ها، شما باید زیر کلاس بندی کنید.

برخی از متدولوژی ها یک شی انباشته شده را به عنوان یک دسته مستقل معرفی نمی کنند. در این حالت، شی جمع‌آوری‌شده به صورت ساده نشان داده می‌شود و کاربر باید ابتدا شناسه و ویژگی‌های آن را تعریف کند. اگر مدل اجازه می دهد فقط پیوندهای باینری نمایش داده شوند، طراح باید پیوند n-ary را به مجموعه ای از پیوندهای باینری تبدیل کند.

علاوه بر مشکلات ذکر شده در تعیین شناسه یک موجودیت انبوه، مشکلاتی ممکن است هنگام انتقال از HLM به یک مدل دیتالوژیکی ایجاد شود.

زمانی که وضعیت نمی تواند در ILM منعکس شود را می توان با موارد زیر نشان داد: اگر روش ساخت مدل به معنای ثابت کردن کلاس عضویت در اتصال نباشد، این اطلاعات به سادگی از بین می رود.

در برخی از سیستم های CASE، شرایطی وجود دارد که برخی از ساختارها به عنوان یک ساختار میانی در سیستم مجاز هستند. به عنوان مثال، در IDEF و CASE ORACLE، رابطه M: M به عنوان یک رابطه غیر اختصاصی مجاز است. حضور آن در مراحل اولیه توسعه پروژه مجاز است و در آینده باید با معرفی یک نهاد سوم با یک رابطه خاص جایگزین شود. این یک نقطه ضعف سیستم است، زیرا اولاً، همه DBMS ها به چنین تبدیلی نیاز ندارند (برخی از سیستم ها رابطه M: M را صریحاً پشتیبانی می کنند)، و ثانیاً، اگر چنین تبدیلی مورد نیاز باشد، می تواند به طور کامل توسط طراحی انجام شود. سیستم اتوماسیون به صورت خودکار در مرحله طراحی دیتالوژیک. حتی اگر طراحی "دستی" انجام شود، تغییر شکل مشخص شده باید توسط طراح در مرحله طراحی دیتالوژیک انجام شود، نه در هنگام توصیف منطقه موضوع. علاوه بر این، در طول تحول مورد بررسی در مرحله طراحی اینفولوژیک، دسته جدیدی از موجودیت ها در IDEF - موجودیت های تقاطع یا موجودیت های انجمنی معرفی می شوند. معرفی موجودیت های جدید مستلزم معرفی ILM و روابط اضافی است. همه اینها در کنار هم، کار دشوار طراحی اینفولوژیک را پیچیده می کند.

در حوزه موضوعی، می‌توانند موجودیت‌هایی باشند که شناسه‌های آن‌ها به شناسه یک شی دیگر وابسته است. به عنوان مثال، اگر سایت های یک شرکت در یک کارگاه شماره گذاری شده باشند، شناسه سایت شامل کد کارگاه و کد سایت ترکیبی خواهد بود. در یک مدل اینفولوژیک، می توانید خود را به تعیین این شناسه ترکیبی محدود کنید. برخی از تکنیک‌ها برای ساخت مدل‌های ER (به عنوان مثال، روش IDEFIX، Prokit) انواع خاصی از موجودیت‌ها و انواع خاصی از روابط را برای نمایش چنین موقعیت‌هایی ارائه می‌کنند. بنابراین، در IDEF، موجودی است که برای شناسایی آن لازم است ارتباط آن با سایر موجودیت ها در نظر گرفته شود. یک موجودیت وابسته به ID نامیده می شود و از کادری با گوشه های گرد برای نمایش آن استفاده می کند. یک مستطیل برای نشان دادن یک موجودیت مستقل از شناسایی استفاده می شود. برای اتصال اشیایی که یکی از آنها برای شناسایی کامل دیگری مورد نیاز است، مفهوم رابطه شناسایی معرفی شده است. برای آن نماد خودش نیز معرفی شده است. در IDEF از یک خط توپر برای یک رابطه شناسایی و از یک خط چین برای یک رابطه غیر شناسایی استفاده می شود.

6. همانطور که در بالا ذکر شد هنگام در نظر گرفتن اصول مدل سازی اینفولوژیک، مفاهیم "شیء"، "ملاک"، "رابطه" نسبی هستند. بنابراین، در مدل اولیه اینفولوژیکی پیشنهادی ما، انواع مختلفی از اشیاء متمایز می شوند: ساده، ترکیبی، تجمیع شده، تعمیم یافته. برخی از سیستم ها مانند IDEF چنین طبقه بندی ای از اشیا ندارند و در عوض از انواع روابط استفاده می کنند.

و او و رویکرد دیگر حق وجود دارند. هیچ تفاوت اساسی که پیامدهای قابل توجهی در رویکردهای مقایسه شده داشته باشد وجود ندارد.

2. 2. ساخت مدل "اشیاء - ملک - رابطه"

برای توصیف ILM، هم از زبان‌های تحلیلی (توصیفی) و هم از ابزارهای گرافیکی استفاده می‌شود؛ در آینده، از روش گرافیکی نمایش مدل «شئی-مخصوص-رابطه» استفاده می‌شود. در حوزه موضوعی در فرآیند بررسی و تحلیل آن، طبقاتی از اشیاء متمایز می شوند. کلاس شیمجموعه ای از اشیاء را که دارای مجموعه ای از ویژگی های یکسان هستند فراخوانی کنید. به عنوان مثال، اگر دانشگاه را به عنوان یک حوزه موضوعی در نظر بگیریم، می توان طبقات زیر را از اشیاء در آن تشخیص داد: دانشجویان، معلمان، مخاطبان و غیره. موضوعاتی که دانش آموزان مطالعه می کنند.

هنگامی که در سیستم اطلاعات منعکس می شود، هر شی با شناسه خود نشان داده می شود که یک شی از کلاس را از دیگری متمایز می کند و هر کلاس از اشیا با نام این کلاس نشان داده می شود. بنابراین، برای اشیاء کلاس "STUDYED SUBJECTS"، شناسه هر شی "NAME OF THE SUBJECT" خواهد بود. شناسه باید منحصر به فرد باشد.

هر شی دارای مجموعه خاصی از خواص است. برای اشیاء هم کلاس، مجموعه این ویژگی ها یکسان است و البته مقادیر آنها ممکن است متفاوت باشد. به عنوان مثال، برای اشیاء کلاس "STUDENT"، چنین مجموعه ای از ویژگی ها که اشیاء کلاس را توصیف می کنند می توانند "YEAR OF BIRTH"، "GIND" و غیره باشند.

هنگام توصیف ناحیه موضوع، لازم است هر یک از کلاس های موجود از اشیاء و مجموعه ای از ویژگی های ثابت برای اشیاء این کلاس را به تصویر بکشید.

ما از عناوین زیر برای نمایش اشیا و خصوصیات آنها استفاده خواهیم کرد (شکل و 2. 3).

ویژگی

برنج. 2.3 تعیین اشیاء و خواص آنها

به هر کلاس ویژگی در مدل اینفولوژیک یک نام منحصر به فرد اختصاص داده می شود.

هنگام ساخت یک مدل اینفولوژیک، مطلوب است که تفسیر شفاهی از هر موجودیت ارائه شود، به خصوص اگر تفسیر مبهم از مفهوم امکان پذیر باشد.

برنج. 2.4 تصویر رابطه «شی ـ خصلت».

هنگام توصیف منطقه موضوع، لازم است که ارتباطات بین شی و خصوصیاتی که آن را مشخص می کند، منعکس شود. این به سادگی به عنوان خطی نشان داده می شود که تعیین شی و ویژگی های آن را به هم متصل می کند.

رابطه بین یک شی و ویژگی آن می تواند متفاوت باشد. یک شی می تواند تنها یک مقدار برای یک ویژگی داشته باشد. به عنوان مثال، هر فرد تنها می تواند یک تاریخ تولد داشته باشد. اجازه دهید چنین ویژگی هایی را بنامیم تنها.برای خصوصیات دیگر، ممکن است چندین مقدار برای یک شی به طور همزمان وجود داشته باشد. برای مثال، فرض کنید هنگام توصیف یک "کارمند"، "زبان خارجی" که مالک آن است به عنوان دارایی او ثابت شده است. از آنجایی که یک کارمند می تواند چندین زبان خارجی را بداند، چنین ویژگی نامیده می شود جمع.هنگامی که رابطه بین یک شی و خصوصیات آن را به تصویر می‌کشیم، از یک فلش برای خصوصیات منفرد و از یک فلش دوتایی برای چندین ویژگی استفاده می‌کنیم.

علاوه بر این، برخی از خواص دائمی هستند، ارزش آنها نمی تواند در طول زمان تغییر کند. اجازه دهید چنین ویژگی هایی را بنامیم ایستا،و آن خصوصیاتی که ارزش آنها در طول زمان تغییر می کند، فراخوانی می شوند پویا

یکی دیگر از ویژگی های رابطه بین یک شی و ویژگی آن، این است که آیا این ویژگی در همه اشیاء یک کلاس وجود دارد یا در برخی از اشیاء وجود ندارد. به عنوان مثال، برای برخی از کارمندان ممکن است ویژگی "ACADEMIC DEGREE" وجود داشته باشد، و سایر اشیاء این کلاس ممکن است ویژگی مشخص شده را نداشته باشند. اجازه دهید چنین ویژگی هایی را بنامیم مشروط

هنگام به تصویر کشیدن ارتباط یک ویژگی شرطی با یک شی، از یک خط نقطه چین و برای نشان دادن ویژگی های پویا و استاتیک، از حروف D و S در بالای خط مربوطه استفاده می کنیم.

گاهی اوقات در یک مدل اینفولوژیک معرفی مفهوم مفید است "مالکیت مرکب".نمونه هایی از این املاک عبارتند از "ADDRESS"، شامل "شهر"، "خیابان"، "خانه" و "آپارتمان"، و "تاریخ تولد"، متشکل از "شماره"، "ماه" و "سال". ما در ILM برای تعیین یک ویژگی مرکب از مربع استفاده می کنیم که خطوطی که آن را با نامگذاری عناصر تشکیل دهنده آن وصل می کند از آن منشاء می گیرند (شکل 2.4).

مدل اینفولوژیک نمونه‌های تکی اشیاء را نشان نمی‌دهد، بلکه کلاس‌هایی از اشیاء را نشان می‌دهد. هنگامی که نام یک شی در ILM نشان داده می شود، واضح است که ما در مورد کلاسی از اشیاء صحبت می کنیم که دارای ویژگی های توصیف شده هستند. بنابراین، در اغلب موارد، نمی توان به طور صریح برای یک کلاس از اشیاء نامگذاری را در یک مدل اینفولوژیک معرفی کرد. یک تصویر صریح از یک کلاس از اشیاء فقط در صورتی ضروری است که نرم افزار برای یک کلاس معین از اشیاء نه تنها ویژگی های مربوط به اشیاء منفرد این کلاس، بلکه برخی از ویژگی های انتگرال مربوط به کل کلاس را به عنوان یک کل ثبت کند. به عنوان مثال، اگر برای کلاس شی "EMPLOYEES" نه تنها سن هر کارمند، بلکه میانگین سن همه کارمندان نیز ثبت شود، در مدل اینفولوژیک لازم است نه تنها شی "EMPLOYEE" منعکس شود، بلکه همچنین کلاس شی "EMPLOYEES". برای نمایش یک کلاس از اشیاء، می توانید از یک نام خاص یا همان نامی که برای اشیا استفاده می شود استفاده کنید (شکل 2. 5).

برنج. 2.5 تصویر یک کلاس از اشیاء و ویژگی های یکپارچه کلاس.

علاوه بر ارتباط بین یک شی و ویژگی های آن، مدل اینفولوژیک ارتباطات بین اشیاء کلاس های مختلف را ثبت می کند. پیوندهایی از نوع "یک به یک" (1: 1)، "یک به بسیاری" (1: M)، "بسیاری به بسیاری" (M: M) وجود دارد. گاهی اوقات به این نوع روابط به عنوان درجه رابطه نیز گفته می شود.

علاوه بر میزان ارتباط در مدل اینفولوژیک، برای مشخص کردن ارتباط بین موجودات مختلف، لازم است به اصطلاح "طبقه تعلق"،که نشان می دهد که آیا هیچ ارتباطی بین یک شی از این کلاس با هیچ شی از کلاس دیگر وجود ندارد یا خیر. کلاس موجودیت باید یا الزامی یا اختیاری باشد.

اجازه دهید آنچه گفته شد را با مثال های خاص توضیح دهیم. همانطور که در بالا ذکر شد، مدل infological برای یک شی جداگانه ساخته نشده است، بلکه کلاس های اشیاء و روابط بین آنها را نمایش می دهد. نمودار مربوطه ای که این را نشان می دهد، نمودار نوع ER نامیده می شود (این نام به این دلیل است که در انگلیسی کلمه "entity" "Entity" نوشته می شود و رابطه "رابطه" است). با این حال، گاهی اوقات، علاوه بر نمودارهای نوع ER، از نمودارهای نمونه ER نیز استفاده می شود.

فرض کنید که مدل اینفولوژیک رابطه ای بین دو دسته از اشیاء را نشان می دهد: "کارمند" و "زبان خارجی".

فرض کنید حوزه موضوع کارخانه ای است که برخی از کارمندان آن یک زبان خارجی می دانند، اما هیچ یک از آنها به بیش از یک زبان مسلط نیستند. طبیعتاً زبان های زیادی وجود دارد که هیچ یک از کارمندان به آنها صحبت نمی کنند و همچنین برخی از کارمندان به همان زبان خارجی صحبت می کنند (شکل 2. 6).

c1. .ya1

c2. .ya2

ج3. .я3

ج4. .ya4

ج5. .ya5

ج6. .ya6

ج7. .ya7

برنج. 2.6 نمودار ER - نمونه

در این حالت، نمودار نمونه های ER مانند شکل نشان داده شده در شکل خواهد بود. 2. 6، و نمودار انواع ER مانند شکل است. 2.7.

برنج. 2. 7. نمودار انواع E - R

اجازه دهید فرض کنیم که حوزه موضوعی یک مؤسسه است و شی «PERSONALITY» منعکس کننده متقاضیانی است که وارد این مؤسسه می شوند. هر یک از متقاضیان لزوما باید به یک زبان خارجی صحبت کنند، اما هیچ کس بیش از یک زبان صحبت نمی کند (شکل 2. 8). در این حالت، نمودار نمونه های ER مانند شکل نشان داده شده در شکل خواهد بود. 2. 8، و نمودار انواع ER مانند شکل است. 2.9.

زبان شخصیت

l1 i1

l2 i2

l3 i3

l4 z4

l5 i5

l6 i6

l7 i7

هم در مورد اول و هم در مورد دوم در نظر گرفته شده، رابطه M بین موجودات مشاهده می شود: 1. در نمودار، این از سمت شی "PERSONALITY" با یک فلش دوتایی و از سمت "نمایش داده می شود. FOREIGN LANGUAGE" - توسط یک فلش منفرد روی خط که رابطه بین موجودیت های داده را نشان می دهد.

تفاوت در موقعیت های در نظر گرفته شده این است که در حالت اول، کلاس متعلق برای هر دو موجودیت اختیاری است و در حالت دوم، برای موجودیت "PERSONALITY"، کلاس متعلق اجباری است. در نمودار (شکل 2. 9) این با یک نقطه در مستطیل مربوط به شی "PERSONALITY" نشان داده شده است.

بگذارید حوزه موضوع مانند مورد قبلی باشد، اما شرایطی وجود دارد که برخی از متقاضیان چندین زبان خارجی را می دانند. در این صورت پیوند بین اشیا از نوع M: M خواهد بود.

برای چنین دامنه ای، نمودار نمونه های ER مانند شکل نشان داده شده در شکل 2 خواهد بود. 2. 10، و نمودار انواع ER مانند شکل است. 2.11.

زبان شخصیت

l1 i1

l2 i2

l3 i3

l4 z4

l5 i5

l6 i6

l7 i7

فرض کنید حوزه موضوعی یک مؤسسه زبان‌شناسی است که در آن هر یک و: کارمندان لزوماً چندین زبان خارجی می‌دانند و برای هر یک از زبان‌های شناخته شده برای علم در این مؤسسه حداقل یک متخصص وجود دارد که به آن صحبت می‌کند.

در این صورت رابطه بین اشیا M: M خواهد بود و طبقه مالکیت هر دو موجودیت اجباری است.

(می توان مثال زد، اما موضوع روشن است).

در بالا، ما اشیا را بدون بررسی پیچیدگی آنها در نظر گرفتیم. در واقع چندین نوع اشیا وجود دارد.

اول از همه، اینها اشیاء ساده و پیچیده هستند. شی نامیده می شود ساده،اگر غیرقابل تقسیم دیده شود. بغرنجیک شی ترکیبی از اشیاء دیگر، ساده یا پیچیده است که در سیستم اطلاعاتی نیز نمایش داده می شود. مفهوم شی «ساده» و «پیچیده» نسبی است. در یک دیدگاه می توان یک شی را ساده و در دیدگاهی دیگر همان شی را پیچیده در نظر گرفت. به عنوان مثال، شیء "صندلی" در زیر سیستم حسابداری دارایی های مادی به عنوان یک شی ساده در نظر گرفته می شود، اما برای شرکتی که صندلی تولید می کند، یک شی ترکیبی خواهد بود (شامل "پاها"، "پشت"، "صندلی"، و غیره.).

انواع مختلفی از اشیاء پیچیده وجود دارد: اشیاء مرکب، اشیاء تعمیم یافته و اشیاء تجمیع شده.

جسم مرکبمربوط به نگاشت رابطه کل بخش است. نمونه هایی از اشیاء ترکیبی عبارتند از NODES-DETAILS، CLASS-STUDENTS و غیره.

مدل‌های Infological معمولاً از هیچ قرارداد خاصی برای نمایش اشیاء پیچیده استفاده نمی‌کنند. رابطه بین کامپوزیت و اشیاء تشکیل دهنده آن به همان شکلی که در بالا توضیح داده شد نمایش داده می شود. علاوه بر این، ماهیت اتصال نیز می تواند متفاوت باشد: به عنوان مثال، "DETAILS" و "NOTS" با یک رابطه از نوع M: M، و "GROUP" و "STUDENTS" - با رابطه 1 به یکدیگر مرتبط هستند. : م.

شی تعمیم یافتهمنعکس کننده وجود رابطه "جنس-گونه" بین اشیاء منطقه موضوعی است. به عنوان مثال، اشیاء STUDENT، SCHOOLBOY، GRADUATE، STUDENT STUDENTS یک شی تعمیم یافته STUDENTS را تشکیل می دهند. اشیایی که یک شی تعمیم یافته را می سازند دسته های آن نامیده می شوند.

هم یک شی "عمومی" و هم اشیای "خاص" می توانند مجموعه خاصی از ویژگی ها را داشته باشند. علاوه بر این، به اصطلاح وراثت ویژگی ها مشاهده می شود، یعنی یک شی "خاص" تمام ویژگی هایی را دارد که یک شی "عمومی" دارد، به علاوه ویژگی هایی که فقط ذاتی اشیایی از این نوع هستند.

تعیین جنس - روابط خاص به معنای طبقه بندی اشیاء منطقه موضوع بر اساس یک یا ویژگی دیگر است. زیر کلاس ها را می توان در یک مدل اینفولوژیک به صورت صریح و ضمنی تشخیص داد. در حالت اول، یک نام ویژه برای زیر کلاس در نمایش گرافیکی معرفی شده است. در شکل 2. 14 بخشی از مدل اینفولوژیک را نشان می دهد که منعکس کننده شی تعمیم یافته "شخصیت" برای یک موسسه آموزش عالی است. چندین دسته برای او وجود دارد: TEACHER، STUDENT، STUDENT. یک مثلث برای نشان دادن زیر کلاس در مدار استفاده شد.

به طور طبیعی، طبقه بندی می تواند چند سطحی باشد. بنابراین، در مثال در نظر گرفته شده، شی تعمیم یافته "PERSONALITY" را می توان به دو زیر کلاس تقسیم کرد: EMPLOYEE و STUDENT. کارکنان به نوبه خود می توانند به کارکنان آموزشی، مدیریت و غیره طبقه بندی شوند.

شخصیت

برنج. 2.14 تصویر شیء عمومی

کلاس های اشیاء انتخاب شده در دامنه می توانند همپوشانی یا غیر همپوشانی داشته باشند. برای نمایش این اطلاعات در یک مدل اینفولوژیک، می‌توانید از یک نمودار تقاطع استفاده کنید که رئوس آن با کلاس‌های (زیر کلاس‌ها) اشیاء مطابقت دارد و لبه‌ها تنها در صورتی یک جفت رئوس را به هم متصل می‌کنند که طبقات مربوطه از اشیاء متقاطع باشند. می توانید از نمودار وزنی برای نمایش درجه تقاطع استفاده کنید. در این حالت، وزن یک راس نشان‌دهنده کاردینالیته مجموعه اجسام مربوطه، و وزن یک یال نشان‌دهنده کاردینالیته مجموعه‌ای است که محل تلاقی مجموعه‌های متصل به این یال است (شکل 2.15).

برنج. 2.15 نمودار تقاطع

نمودار تقاطع حاوی اطلاعات اضافی در مورد منطقه موضوعی است و به کلاس مدل های ER تعلق ندارد.

اشیاء انباشته شدهمعمولاً با فرآیندی مطابقت دارد که در آن اشیاء دیگر "درگیر" هستند. به عنوان مثال، شی جمع آوری شده "SUPPLY" اشیاء "SUPPLIER" که محصولات را تامین می کند، "Consumer" که این محصولات را دریافت می کند و همچنین "محصولات" ارائه شده را ترکیب می کند. شی اصلی "تاریخ تحویل" است. یک شیء تجمیع شده می تواند مانند یک شیء ساده دارای ویژگی هایی باشد که آن را مشخص می کند. در مثال مورد بررسی، چنین ویژگی می تواند اندازه تحویل باشد.

اشیاء انباشته معمولاً اسمهای لفظی نامیده می شوند (مثلاً عرضه-تامین، انتشار-آزاد کردن، فروش-فروش و غیره).

برنج. 2.16 تصویر شی جمع شده

برای نمایش یک شی جمع‌آوری شده در یک مدل اینفولوژیک، از قراردادهای زیر استفاده می‌کنیم:

خود شیء تجمیع شده با یک لوزی نشان داده می شود که در کنار آن نام شی مربوطه نشان داده می شود. این الماس باید با افسانه اشیایی که این شی انباشته را تشکیل می دهند مرتبط باشد. ویژگی های یک شی انباشته شده به همان شکلی که برای یک شی ساده نمایش داده می شود. بربرنج. 2.16 شیء تجمیع شده "تامین محصول" را نشان می دهد.

مرحله دوم تجزیه و تحلیل حوزه موضوعی شامل انتخاب اشیاء اطلاعاتی، تنظیم ویژگی های لازم برای هر شی، شناسایی پیوندهای بین اشیاء، تعیین محدودیت های اعمال شده بر اشیاء اطلاعاتی، انواع پیوندهای بین آنها، ویژگی های اشیاء اطلاعاتی است.

هنگام انتخاب اشیاء اطلاعاتی، لازم است به تعدادی سوال پاسخ داده شود:

1. از چه جداول می توان برای تقسیم داده های ذخیره شده در پایگاه داده استفاده کرد؟

2. چه نامی را می توان به هر جدول اختصاص داد؟

3. جالب ترین خصوصیات (از نظر کاربر) که قابل تشخیص هستند کدامند؟

4. چه نام هایی می توان برای ویژگی های انتخاب شده گذاشت؟

در مورد ما، قرار است جداول زیر را داشته باشد (شکل 4):

بیایید اتصالات بین اشیاء اطلاعاتی را انتخاب کنیم (شکل 5)

در طول این فرآیند، شما باید به سوالات زیر پاسخ دهید:

1. انواع پیوند بین اشیاء اطلاعاتی چیست؟

2. برای هر نوع رابطه چه نامی می توان گذاشت؟

3. انواع پیوندهایی که می توان بعداً مورد استفاده قرار داد چیست؟

تلاش برای ایجاد محدودیت برای اشیا، ویژگی ها و روابط آنها منجر به نیاز به پاسخ به سؤالات زیر می شود:

1. محدوده مقادیر مشخصه های عددی چقدر است؟

2. وابستگی های عملکردی بین ویژگی های یک شی اطلاعات چیست؟

3. چه نوع نمایشی با هر نوع پیوند مطابقت دارد؟

هنگام طراحی یک پایگاه داده، روابط بین اشیاء اطلاعاتی از سه نوع وجود دارد: "یک به یک"، "یک به بسیاری"، "بسیار به بسیاری" (شکل 6).

مثلا:

ساخت یک مدل مفهومی

در موارد ساده، از روش‌های سنتی تجمیع و تعمیم برای ساخت یک نمودار مفهومی استفاده می‌شود. تجمیع اشیاء اطلاعاتی (عناصر داده) را مطابق با روابط معنایی بین اشیاء در یکی می‌کند. به عنوان مثال، درس تاریخ در کلاس 10 "الف" در اتاق 7 با شروع ساعت 9:30 صبح برگزار می شود. با استفاده از روش تجمیع، یک شیء اطلاعاتی (نهاد) SCHEDULE با ویژگی های زیر ایجاد کنید: "کلاس"، "موضوع"، "دفتر"، "زمان". هنگام تعمیم، اشیاء اطلاعاتی (عناصر داده) در یک شیء عمومی ترکیب می شوند (شکل 7):

انتخاب یک مدل در درجه اول به دلیل ماهیت حوزه موضوعی و الزامات پایگاه داده تعیین می شود. یکی دیگر از شرایط مهم استقلال مدل مفهومی از DBMS است که باید پس از ساخت طرح مفهومی انتخاب شود.

مدل‌های رابطه نهادی که نمایش ساختار و محدودیت‌های دنیای واقعی را ممکن می‌سازد و سپس آنها را مطابق با قابلیت‌های DBMS صنعتی تغییر می‌دهد، بسیار رایج هستند.

ماهیت به عنوان محتوای اصلی پدیده، فرآیند یا شیئی است که اطلاعات مربوط به آن برای پایگاه داده جمع آوری می شود. مکان، چیز، شخصیت، پدیده و غیره می توانند به عنوان یک موجودیت عمل کنند. در این حالت بین نوع موجودیت و نمونه موجود تمایز قائل می شود. نوع موجودیت معمولاً به عنوان مجموعه ای از اشیاء همگن درک می شود که به عنوان یک کل عمل می کنند. یک نمونه از یک موجودیت به یک آیتم خاص اشاره دارد. مثلا:

نوع نهاد - شاگرد

نمونه نهاد - ایوانف، پتروف، سیدوروف و غیره.

در مثال ما، مدرسه، کلاس، افراد، دانش‌آموزان، معلمان، نمرات موجودیت‌هایی هستند. بیایید روابط بین موجودیت ها را تجزیه و تحلیل کنیم (شکل 8).

اکنون می توانید به طراحی طرح واره پایگاه داده اطلاعات (مفهومی) ادامه دهید (ویژگی های موجودیت در نمودار نشان داده نشده اند) (شکل 9).

متعلق است		مدرسه
کلاس		مطالعات		دانشجو
آثار				بررسی می کند
معلم		آموزش می دهد		مورد
			امتحان
			بولتن

طراحی منطقی

طراحی منطقی گامی ضروری در ایجاد پایگاه داده است. وظیفه اصلی طراحی منطقی توسعه یک طرح منطقی متمرکز بر سیستم مدیریت پایگاه داده انتخاب شده است. فرآیند طراحی منطقی شامل مراحل زیر است:

1. انتخاب یک DBMS خاص.

2. نگاشت یک نمودار مفهومی به یک نمودار منطقی.

3. انتخاب زبان دستکاری داده ها.

انتخاب یک DBMS خاص

یکی از معیارهای اصلی برای انتخاب یک DBMS ارزیابی این است که چگونه مدل داده داخلی پشتیبانی شده توسط سیستم قادر به توصیف طرح مفهومی است. سیستم های مدیریت پایگاه داده متمرکز بر رایانه های شخصی معمولاً از مدل داده های رابطه ای یا شبکه ای پشتیبانی می کنند. اکثریت قریب به اتفاق DBMS های مدرن رابطه ای هستند.

طراحی پایگاه داده بر اساس مدل رابطه ای چندین مزیت مهم نسبت به مدل های دیگر دارد.

· استقلال ساختار منطقی از ارائه فیزیکی و کاربر.

· انعطاف پذیری ساختار پایگاه داده - راه حل های طراحی توانایی توسعه دهنده پایگاه داده را برای انجام طیف گسترده ای از پرس و جوها در آینده محدود نمی کند.

از آنجایی که مدل رابطه‌ای نیازی به توصیف همه روابط احتمالی بین داده‌ها ندارد، پس از آن توسعه‌دهنده می‌تواند در مورد هر رابطه منطقی موجود در پایگاه داده و نه تنها در مورد روابطی که در ابتدا برنامه‌ریزی شده بودند، سؤال بپرسد.