شرح اشیا و ارتباطات بین آنها. نمای ثابت چندگانه از اشیا

پیوند بین اشیاء

نام پارامتر	معنی
موضوع مقاله:	پیوند بین اشیاء
دسته (رده موضوعی)	ارتباط

در دنیای واقعی، به ویژه در سیستم های پیچیده، روابط متفاوتی بین اشیا وجود دارد. در مدل سازی، اشیا به عنوان اشیا و رابطه بین آنها به عنوان پیوند نمایش داده می شوند. هر نوع اتصالاتدر مدل نام خاص خود را دارد. در شکل گرافیکی، یک پیوند به عنوان یک خط بین اشیاء مرتبط با نشانی از شناسه پیوند نمایش داده می شود.

سه نوع رابطه ابتدایی وجود دارد: یک به یک (شکل 4.1.)، یک به چند (شکل 4.2.) و چند به چند (شکل 4.3.).

یک رابطه یک به یک زمانی وجود دارد که یک نمونه از یک شی با یک نمونه واحد از شی دیگر مرتبط باشد. یک رابطه یک به یک با فلش های ← یا → نشان داده می شود.

منجر می شود

برنج. 4.1. نمونه ای از رابطه یک به یک.

یک رابطه یک به چند زمانی وجود دارد که یک نمونه از شی اول با بیش از یک نمونه از شی دوم مرتبط باشد. این رابطه با یک فلش دوتایی → → نشان داده شده است.

شامل

برنج. 4 . 2. نمونه ای از رابطه یک به چند.

یک رابطه چند به چند زمانی وجود دارد که هر نمونه از اولین شی با یک یا مرتبط باشد مقدار زیادنمونه های دوم، و هر نمونه از دوم با یک یا چند نمونه از اولی همراه است. این نوع رابطه با یک فلش دو طرفه ↔ نشان داده می شود.

مطالعات

برنج. 4.3 . نمونه ای از رابطه چند به چند.

علاوه بر کثرت، اتصالات را می توان به غیر مشروط و مشروط تقسیم کرد. هر نمونه از یک شی درگیر یک ارتباط بدون قید و شرط است. همه نمونه های شی در یک پیوند شرطی شرکت نمی کنند. اتصال باید هم از یک طرف و هم در دو طرف مشروط باشد.

همه پیوندها در مدل اطلاعاتی نیاز به توضیح دارند، حداقل شامل موارد زیر است:

‣‣‣ شناسه ارتباطی؛

‣‣‣ نوع اتصال (تکثر و قرارداد آن).

اتصالات ابتدایی هستند قطعات تشکیل دهنده ساختارهای پیوند... توالی بدون قید و شرط ارتباطات یک به یک معمولاً ساختار صف نامیده می شود و به صورت گرافیکی در شکل 4.4.a نشان داده شده است. تعمیم ساختار نوع صف، ساختار دایره ای است که در شکل 1 نشان داده شده است. 4.4.b.

خیلی نقش مهمدرخت مانند مدل اطلاعاتیکه یکی از رایج ترین انواع سازه های طبقه بندی می باشد.
ارسال شده در ref.rf
رابطه درختی یک رابطه بدون قید و شرط یک به چند است و به صورت گرافیکی در شکل 1 نشان داده شده است. 4.4. v . یکی از ویژگی های این ساختار این است که هر شی نمی تواند بیش از یک جد داشته باشد، تعداد دلخواه فرزندان. به شیئی که فرزندی ندارد شیء برگ می گویند. یک درخت سلسله مراتبی با یک شی منفرد به نام شی ریشه شروع می شود. بسیار مهم است که هر شی باید نام یا شناسه منحصر به فرد خود را داشته باشد.
ارسال شده در ref.rf
به این ساختار ارتباطی سلسله مراتبی نیز می گویند. در شکل 4.4. v . مستطیل R شی ریشه است. اشیاء B1،. ... .، B8 برگی هستند. مدل سلسله مراتبی برای نمایش حوزه های موضوعی کاملاً مناسب است، زیرا روابط سلسله مراتبی بین موجودیت ها در دنیای واقعی کاملاً رایج است. اما مدل سلسله مراتبی زمانی که بسیاری از اشیاء از یک نوع به بسیاری از اشیاء از نوع دیگر مرتبط هستند، از روابط چند به چند پشتیبانی نمی کند. فرض کنید می خواهید رابطه بین مجموعه ای از معلمان و مجموعه ای از موضوعات را مدل کنید. ساختار درختی سلسله مراتبی برای مدلسازی چنین روابطی مناسب نیست.

ز

V

آ

آ) . ... ...

ز

ب

ب)

سی

آر

v)

A1

A2 [ایمیل محافظت شده]@

A3

A4

B1

B4

B5

B6

B7

B8

شکل 4.4. مدل های اطلاعاتی از نوع "صف" (الف)، "چرخه" (ب)، "درخت" (ج).

مدل اینفولوژیک (مدل اطلاعاتی-منطقی)- یک مدل انسان محور و مستقل از نوع مدل دامنه DBMS که مجموعه ها را تعریف می کند اشیاء اطلاعاتی، ویژگی ها و روابط آنها بین اشیاء، پویایی تغییرات در حوزه موضوعی و همچنین ماهیت نیازهای اطلاعاتی کاربران. مدل انفولوژیکی حوزه موضوعی را می توان با مدل «موجود-رابطه» (مدل چن) توصیف کرد که مبتنی بر تقسیم دنیای واقعی به موجودیت های قابل تشخیص جداگانه است که در روابط خاصی با یکدیگر قرار دارند 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 آن ذخیره شود پایگاه در حال ایجادداده ها. بنابراین، آنها سعی می کنند یک مدل داده های اینفولوژیک را با قیاس با زبان طبیعی بسازند (این دومی نمی تواند در شکل خالصبه دلیل پیچیدگی پردازش کامپیوتریمتون و ابهام هر زبان طبیعی). 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 یک نوع خاص 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. نمونه‌هایی از ویژگی‌های موجودیت VEHICLE عبارتند از TYPE، BRAND، NUMBER PLATE، COLOR و غیره. در اینجا بین نوع و نمونه نیز تمایز وجود دارد. نوع مشخصه COLOR دارای نمونه ها یا مقادیر زیادی است: 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 اتومبیل، رنگ تنها یک ویژگی محصول تولیدی است و برای یک کارخانه رنگ، رنگ یک نوع موجود است.

• کلید – مجموعه حداقلویژگی‌هایی که مقادیر آن‌ها را می‌توان برای یافتن نمونه موجود مورد نیاز به‌طور منحصربه‌فرد استفاده کرد. حداقل 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 با توجه به 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.
• قابلیت کاربرد زبان مشخصات مدل برای هر دو حالت دستی و طراحی به کمک کامپیوترسیستم های اطلاعاتی

اجزای مدل Infological

• شرح 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 تشخیص داد: دانشجویان، معلمان، تالارها 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 منطقه موضوع، لازم است هر یک از کلاس های موجود از اشیاء و مجموعه ای از ویژگی های ثابت برای اشیا را به تصویر بکشید. از این کلاس.

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

برای هر کلاس از اشیاء در اطلاعات مدل منطقییک نام منحصر به فرد اختصاص داده شده است. 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 در 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 نام‌های مختلفی برای تعیین هر کلاسی از اشیاء استفاده می‌شود (یعنی مترادف وجود دارد)، باید همه آنها در توضیحات سیستم ثابت شوند، سپس یکی از آنها به عنوان اصلی انتخاب می‌شود. 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 ممکن است چندین مورد را بشناسد زبان های خارجی، سپس چنین خاصیتی 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 آن استفاده خواهیم کرد خط نقطه چینو برای تعیین خصوصیات پویا و استاتیک از حروف D و S بالای خط مربوطه استفاده خواهیم کرد.

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 را که در آن گفته شد توضیح دهیم نمونه های خاص... 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" نشان داده شده است - یک فلش منفرد در خطی 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 مورد 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 موسسه زبان شناسی است که در آن هر یک از کارمندان لزوماً چندین زبان خارجی می دانند و برای هر یک از زبان های شناخته شده برای علم در این موسسه 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، شیء "صندلی" در زیر سیستم حسابداری دارایی های مادی به عنوان یک شیء ساده در نظر گرفته می شود، اما برای شرکتی که صندلی تولید می کند، یک شی ترکیبی (شامل "پاها"، "پشت"، "صندلی"، و غیره.).

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

جسم مرکببا نگاشت رابطه مطابقت دارد " تمام بخش". 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، به‌اصطلاح وراثت خواص مشاهده می‌شود، یعنی یک شی «مشخص» تمام ویژگی‌هایی را دارد که یک شی «عمومی» دارد، به علاوه ویژگی‌هایی 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 در نظر گرفته شده، 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. روش شناسی ارائه گرافیکیمدل های ER کمی متفاوت هستند سیستم های مختلفاتوماسیون طراحی و در منابع مختلف ادبی.

در ادامه، ویژگی های ارائه مدل های ER را در سه مورد بیشتر در نظر خواهیم گرفت سیستم های شناخته شدهاتوماسیون طراحی (CASE-systems): 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، برای تعیین یک شی، مستطیل ها، بلوک ها با گوشه های گرد، بیضی و غیره

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 می شود که هر دوی این نام ها را نشان دهند (به عنوان مثال، در سیستم های CASEاوراکل، پروکیت). 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. حضور چنین تعداد زیادینمادها و زیرنویس ها مدل را به هم می ریزند. 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 توصیه کرد که از عناوین و نام های خاص برای لینک ها استفاده نکنید.

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. در طرف رابطه ای که عنصر ممکن است لزوماً در رابطه نباشد، از خط نقطه استفاده می شود، و در جایی که عضویت اجباری است، - خط توپر... با در نظر گرفتن کلاس عضویت، انواع روابط نشان داده شده در شکل امکان پذیر است.

نماد استفاده شده در CASE ORACLE راحت تر است، زیرا اگر یک شی در آن شرکت کند تعداد زیادیاتصالات، قرار دادن مستطیل های اضافی با نقاط در شکل ناخوشایند می شود.

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 پیشنهادی ما نزدیکتر است. راه اساسیتصاویر ILM 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 را ایجاد می کند طرح کلی... این مشکل با ساخت دستی و خودکار یک مدل اینفولوژیک به روش های مختلف حل می شود. در سیستم های خودکار، اغلب ساخته می شود تک تصویرمدل ER و تکنیک مقیاس‌بندی زمانی استفاده می‌شود 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، ما می توانیم تکنیک زیر را توصیه کنیم: هر شی را به طور مستقل به تصویر بکشید و توصیف کنید، به هر شی اختصاص دهید کد کوتاه... 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 امکان پذیر است گزینه های مختلف: الف) برای به تصویر کشیدن موقعیت، از امکانات ارائه شده توسط مدل استفاده می شود، اما این مستلزم استفاده از تکنیک های 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 ممکن است یک ویژگی در برخی از اشیاء 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.

گزینه زمانی که وضعیت نمی تواند در ILM منعکس شود را می توان با موارد زیر نشان داد: اگر روش ساخت مدل به معنی 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، IDEF معرفی می کند دسته بندی جدیدموجودیت ها - موجودیت های تقاطع یا موجودیت های انجمنی. معرفی موجودیت های جدید مستلزم معرفی ILM و لینک های اضافی... 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 زبان های تحلیلی (توصیفی) استفاده می شود و هم از ابزارهای گرافیکی بیشتر استفاده می شود. روش گرافیکینمایش مدل "ابژه - ویژگی - رابطه". 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 مربعی استفاده می کنیم که خطوطی که آن را با نامگذاری عناصر تشکیل دهنده آن وصل می کند از آن منشاء می گیرد (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 را که گفته شد 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. دشواریک 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 خواص ذاتی فقط برای اشیاء از این نوع.

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 مورد اول، برای تصویر گرافیکییک نماد ویژه برای زیر کلاس معرفی شده است. در شکل 2.14 بخشی از مدل اینفولوژیک را به تصویر می کشد که شی تعمیم یافته "PERSONALITY" را برای بالاتر منعکس می کند. موسسه تحصیلی... 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 مدل اینفولوژیک می‌توان از نمودار تقاطع استفاده کرد که رئوس آن با کلاس‌های (زیر کلاس‌ها) اشیا مطابقت دارد و لبه‌ها فقط 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 در نظر گرفته شده، چنین ویژگی می تواند اندازه تحویل باشد.

اشیاء انباشته معمولاً اسمهای لفظی نامیده می شوند (مثلاً عرضه- عرضه، رها کردن - رها کردن، فروش و 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 کنوانسیون هاآن اشیایی که این شیء انباشته را تشکیل می دهند. ویژگی های شی انباشته شده به همان شکلی نمایش داده می شود که برای شی ساده. دربرنج. 2.16 شیء تجمیع شده "تامین محصول" را نشان می دهد.

1. مفاهیم و اصطلاحات اساسی برای موضوع
"مدل اطلاعاتی - اساس ساخت و ساز
سیستم های مدیریت پایگاه داده.

هر تمدنی باید با پردازش اطلاعات سر و کار داشته باشد. با توسعه اقتصاد و افزایش جمعیت، حجم داده های به هم پیوسته مورد نیاز برای حل مشکلات تجاری و اداری نیز افزایش می یابد.

@ مدل جمع آوری، ذخیره سازی، پردازش و استفاده از داده های مرتبط به هم به منظور مدیریت بهینه جریان اطلاعات و حل وظایف محول شده در یک حوزه موضوعی معین، سیستم اطلاعاتی نامیده می شود. ... چنین سیستمی اساساً برای تسهیل کار انسان طراحی شده است، اما برای این کار باید تا حد امکان با یک مدل بسیار پیچیده از دنیای واقعی مطابقت داشته باشد.

@ هسته سیستم اطلاعاتداده های ذخیره شده در آن هستند ... در هر سازمانی، داده های بخش های مختلف، به عنوان یک قاعده، همپوشانی دارند، یعنی در چندین بخش استفاده می شوند یا به طور کلی به اشتراک گذاشته می شوند. به عنوان مثال، اهداف مدیریتی اغلب به اطلاعات در کل سازمان نیاز دارند. سفارش قطعات بدون در دسترس بودن اطلاعات موجودی امکان پذیر نیست.داده های ذخیره شده در سیستم اطلاعاتی باید به راحتی به شکلی که برای یک مورد خاص مورد نیاز است قابل دسترسی باشد فعالیت های تولیدیشرکت ها در این مورد، نحوه ذخیره سازی داده ها ضروری نیست. امروز در شرکت ما می توانیم سیستم پردازش داده را ملاقات کنیم نوع سنتی، که در آن یک کارمند به صورت دستی داده ها را در یک کلاسور قرار می دهد و در کنار آن - یک سیستم مدرن با استفاده از سریع ترین رایانه ها، پیچیده ترین سخت افزار و نرم افزار. با وجود تفاوت قابل توجه، هر دوی این سیستم ها باید ارائه شوند اطلاعات قابل اعتماددر یک زمان خاص، برای یک فرد خاص، در یک مکان خاص و با هزینه محدود.

برای درک فرآیند ساخت یک سیستم اطلاعاتی، باید تعدادی اصطلاح را بدانید که برای توصیف و ارائه داده ها استفاده می شود.

@ موضوعقطعه نامیده می شود سیستم واقعیمورد علاقه برای این مطالعه

هنگام طراحی سیستم‌های اطلاعات خودکار، حوزه موضوعی توسط مدل‌های داده چند سطحی نمایش داده می‌شود. تعداد سطوح استفاده شده به پیچیدگی سیستم بستگی دارد، اما در هر صورت شامل سطوح منطقی و فیزیکی می شود. یک حوزه موضوعی می تواند به هر نوع سازمانی (به عنوان مثال، بانک، دانشگاه، بیمارستان یا کارخانه) اشاره داشته باشد.

لازم است بین حوزه موضوعی کامل (شرکت تولیدی بزرگ، انبار، فروشگاه بزرگ و غیره) و واحد سازمانی این حوزه موضوعی تمایز قائل شد. یک واحد سازمانی به نوبه خود می تواند حوزه موضوعی خود را نشان دهد (به عنوان مثال، کارگاهی برای تولید بدنه یک کارخانه خودروسازی یا بخش پردازش داده های یک شرکت تولید رایانه). در این مورد، کارگاه‌ها و دپارتمان‌ها ممکن است با حوزه‌های موضوعی خاصی مطابقت داشته باشند.

اطلاعات مورد نیاز برای توصیف حوزه موضوعی بستگی به مدل واقعی دارد و ممکن است شامل اطلاعاتی در مورد پرسنل، دستمزدها، کالاها، فاکتورها، فاکتورها، گزارش های فروش، تست های آزمایشگاهی، تراکنش های مالی، سوابق پزشکی، یعنی اطلاعاتی در مورد افراد، مکان ها، اشیاء باشد. ، رویدادها و مفاهیم.

@ هدف - شیعنصری از سیستم اطلاعاتی است که اطلاعاتی را در مورد آن ذخیره می کنیم. در تئوری پایگاه داده رابطه ای، یک شی یک موجودیت نامیده می شود.

شی می تواند باشد واقعی(مثلاً یک شخص، یک شی یا محل) و چکیده(به عنوان مثال، یک رویداد، یک حساب مشتری، یا یک دوره در حال گذراندن توسط دانش آموزان). بنابراین در زمینه فروش خودرو نمونه هایی از آبجکت ها CAR MODEL، CLIENT و ACCOUNT می باشد. در یک انبار، یک SUPPLIER، GOODS، SENDING و غیره است. هر شی دارای مجموعه خاصی از خواص است که در سیستم اطلاعات ذخیره می شود. هنگام پردازش داده ها، اغلب باید با مجموعه ای از اشیاء همگن، مانند کارمندان، سر و کار داشته باشید و اطلاعات مربوط به ویژگی های یکسان را برای هر یک از آنها ثبت کنید.

@ کلاس شیمجموعه ای از اشیاء را که دارای مجموعه ای از ویژگی های یکسان هستند فراخوانی کنید.

بنابراین، برای اشیاء از همان کلاس، مجموعه ای از ویژگی ها یکسان خواهد بود، اگرچه مقادیر این ویژگی ها برای هر شی، البته ممکن است متفاوت باشد. برای مثال، ویژگی‌های کلاس شیء MODEL برای هر شی می‌تواند متفاوت باشد. به عنوان مثال، کلاس شیء CAR MODEL دارای مجموعه ای از ویژگی ها خواهد بود که ویژگی های اتومبیل ها را توصیف می کند و هر مدل دارای معانی مختلفاین ویژگی ها

اشیاء و خصوصیات آنها مفاهیم دنیای واقعی هستند. در دنیای اطلاعاتی که از دید برنامه نویس وجود دارد، از ویژگی های اشیا صحبت می شود.

@ صفتیک نمایش اطلاعاتی از خصوصیات شی است. هر شی با تعدادی ویژگی اساسی مشخص می شود.

به عنوان مثال، یک مدل ماشین با نوع بدنه، جابجایی موتور، تعداد سیلندر، قدرت، ابعاد، نام و غیره مشخص می شود. مشتری یک فروشگاه خودرو دارای ویژگی هایی مانند نام خانوادگی، نام، نام خانوادگی، آدرس و احتمالاً شماره شناسایی است.هر ویژگی در مدل باید یک نام منحصر به فرد داشته باشد - یک شناسه. یک ویژگی در اجرای یک مدل اطلاعاتی بر روی هر حامل اطلاعات اغلب نامیده می شود مورد داده, فیلد داده یا فقط یک فیلد.

برنج. 1.1. سه حوزه ارائه داده ها

@ جدولساختاری منظم متشکل از مجموعه محدودی از رکوردهای یکسان است. در برخی منابع، جدول را رابطه می نامند.

ما سعی خواهیم کرد از اصطلاح اخیر اجتناب کنیم، زیرا با توسعه نظریه رابطه، "رابطه" همراه با اصطلاح "رابطه" اغلب شروع به نامیدن روابط بین جداول کردند. هر رکورد یک جدول از تعداد محدود (و یکسان!) فیلدها تشکیل شده است، و فیلد خاص هر رکورد یک جدول فقط می تواند شامل داده های یک نوع باشد.

@ مقادیر داده هانشان دهنده داده های واقعی موجود در هر آیتم داده است.

مورد داده «MODEL NAME» می‌تواند مقادیری مانند «Voyager» 96 3.8 Grand، «Continental 4.6» یا «Crown Victoria 4.6» داشته باشد. «بسته به نحوه توصیف اقلام داده، مقادیر آنها می‌تواند کمی باشد. ، اطلاعات کیفی یا توصیفی در مورد یک حوزه موضوعی خاص را می توان با استفاده از چندین شی نشان داد که هر کدام با چندین آیتم داده توصیف می شوند. داده ها.

@ مجموعه واحدی از مقادیر پذیرفته شده توسط اقلام داده نامیده می شود نمونه ای از یک شی... اشیاء به روش خاصی با یکدیگر ارتباط برقرار می کنند.

@ مدل متناظر اشیاء با عناصر داده و روابط تشکیل دهنده آنها نامیده می شود مدل مفهومیموضوع. مدل مفهومی ایده ای از جریان داده در دامنه می دهد.

برخی از عناصر داده دارای خاصیتی هستند که برای ساخت یک مدل اطلاعاتی مهم است. اگر مقداری را که چنین آیتم داده ای از یک شی می گیرد بدانیم، می توانیم مقادیری را که سایر اقلام داده از همان شی می گیرند، شناسایی کنیم. به عنوان مثال، با دانستن شماره مدل منحصر به فرد خودرو - 7، می توانیم تعیین کنیم که این "Voyager" 96 "است و جابجایی موتور برای این مدل "3778" است.

@ عنصر کلیدیداده به عنصری گفته می شود که توسط آن می توانید مقادیر سایر عناصر داده را تعیین کنید.

دو یا چند آیتم داده می توانند به طور منحصر به فرد یک شی را شناسایی کنند. در این مورد، آنها را "کاندیدا" برای اقلام داده های کلیدی می نامند. سوال این است , کاربر یا طراح سیستم تصمیم می گیرد که کدام یک از نامزدها برای دسترسی به شی مورد استفاده قرار گیرد. عناصر کلیدی داده را با دقت انتخاب کنید زیرا انتخاب صحیحبه ایجاد حق کمک می کند مدل مفهومیداده ها.

@ کلید اصلییک ویژگی (یا گروهی از ویژگی ها) است که به طور منحصر به فرد هر ردیف را در جدول مشخص می کند.

مفهوم کلید اولیه فوق العاده مهم استدر ارتباط با مفهوم یکپارچگی پایگاه داده که در پایان این قسمت به تفصیل به آن خواهیم پرداخت.

@ کلید جایگزینیک ویژگی (یا گروهی از ویژگی ها) است که با کلید اصلی مطابقت ندارد و به طور منحصر به فرد نمونه ای از یک شی را شناسایی می کند.

به عنوان مثال، برای شی "کارمند" که دارای ویژگی های "شناسه کارمند"، "نام خانوادگی"، "نام" و "نام خانوادگی" است، گروه ویژگی "SURNAME"، "FIRST NAME"، "SATURNESS" می تواند یک کلید جایگزین در رابطه با ویژگی "EMPLOYEE ID" (با فرض اینکه شرکت دارای نام های کامل نیست).

@ کلید خارجییک ویژگی جدول است که کلید اصلی جدول دیگری است.

به عنوان مثال، ویژگی "MODEL NUMBER" یک شی VEHICLE می تواند یک کلید خارجی برای یک شی "MODEL" باشد.

@ ثبت داده هامجموعه ای از مقادیر اقلام داده مرتبط است.

در شکل 1.2. این موارد عبارتند از: نام کلید و مدل منحصر به فرد، جابجایی، تعداد سیلندرها و قدرت موتور. به عنوان مثال، یکی از ورودی ها - “7 Voyager'96 3.8 Grand 3778 6 164.0”.این رشته مقادیری را نشان می دهد که آیتم های داده شی MODEL می گیرند. رکوردها در برخی رسانه ها ذخیره می شوند که می تواند باشد مغز انسان، ورق کاغذ، حافظه کامپیوتر، دستگاه ذخیره سازی خارجی و غیره.

مدل
کلید مدل منحصر به فرد	نام مدل	حجم کاری (سانتی متر مکعب)	قدرت (اسب بخار)
	جی ام سی جیمی 4.3
7	Voyager'96 3.8 Grand	3778	164,0
	Stealth 3.0
	348 عنکبوت 3.4

شکل 1.2. رکوردهای داده شی MODEL.

هر رکورد یک جدول از تعداد محدود (و یکسان!) فیلدها تشکیل شده است، و فیلد خاص هر رکورد یک جدول فقط می تواند شامل داده های یک نوع باشد

@ نوع دادهنوع داده های ذخیره شده را مشخص می کند.

مفهوم نوع داده در مدل اطلاعاتی با مفهوم نوع داده در زبان های برنامه نویسی کاملاً مناسب است. معمولاً DBMS های مدرن امکان ذخیره کاراکترها، داده های عددی، رشته های بیت، داده های عددی تخصصی (به عنوان مثال، مقادیر در واحدهای پولی)، و همچنین داده هایی با فرمت خاص (تاریخ، زمان، فاصله زمانی و غیره) را می دهند. در هر صورت هنگام انتخاب نوع داده باید به قابلیت های DBMS که مدل فیزیکی سیستم اطلاعاتی با آن پیاده سازی می شود، توجه داشت.

@ ارتباطیک رابطه عملکردی بین موجودیت ها است.

اگر بین برخی از موجودیت ها رابطه وجود داشته باشد، آنگاه به حقایق یک موجودیت ارجاع داده می شود یا به نحوی با واقعیت های موجودیت دیگر مرتبط می شود. حفظ ثبات وابستگی های عملکردیبین موجودیت ها یکپارچگی ارجاعی نامیده می شود. از آنجایی که روابط "داخل" مدل رابطه ای هستند، پیاده سازی یکپارچگی ارجاعی را می توان هم توسط برنامه کاربردی و هم توسط خود DBMS (با استفاده از مکانیزم ها و محرک های یکپارچگی ارجاعی اعلامی) انجام داد.

پیوندها را می توان با پنج ویژگی اصلی نشان داد:

نوع پیوند (شناسایی، غیر شناسایی)

نهاد اصلی؛

کودک (وابسته) نهاد؛

قدرت ارتباط (صمیمیت)؛

مقادیر تهی مجاز هستند.

این رابطه را شناسایی می گوینداگر نمونه موجودیت فرزند از طریق ارتباط آن با نهاد اصلی شناسایی شود (به طور منحصر به فرد شناسایی شود). ویژگی هایی که کلید اصلی موجودیت اصلی را تشکیل می دهند نیز در کلید اولیه موجودیت فرزند گنجانده شده است. موجودیت کودک با یک رابطه شناسایی همیشه وابسته.

این رابطه را غیر شناسایی می نامنداگر نمونه موجودیت فرزند متفاوت از رابطه با موجودیت اصلی شناسایی شود. ویژگی هایی که کلید اصلی موجودیت اصلی را تشکیل می دهند بخشی از آن نیستند ویژگی های کلیدیموجودیت کودک

قدرت ارتباطینسبت تعداد نمونه های موجودیت اصلی به تعداد متناظر از نمونه های موجودیت فرزند است. برای هر رابطه ای غیر از غیر اختصاصی، این رابطه به صورت نوشته می شود 1: n.

@ رویه های ذخیره شدهیک برنامه کاربردی (برنامه) است که پرس و جوها و منطق رویه ای (عبارات انتساب، انشعاب منطقی و غیره) را ترکیب می کند و در یک پایگاه داده ذخیره می شود.

رویه های ذخیره شده به شما این امکان را می دهند که همراه با پایگاه داده، برنامه های نسبتاً پیچیده ای داشته باشید که حجم زیادی از کار را بدون انتقال داده ها از طریق شبکه و تعامل با مشتری انجام می دهند. به طور معمول، برنامه های نوشته شده در رویه های ذخیره شده با پردازش داده ها مرتبط هستند. بنابراین، پایگاه داده می تواند عملکردی باشد سطح مستقلبرنامه‌ای که می‌تواند با سطوح دیگر برای دریافت پرسش‌ها یا به‌روزرسانی داده‌ها تعامل داشته باشد.

@ قوانینبه شما اجازه می دهد تا اجرا را فراخوانی کنید اقدامات داده شدههنگام تغییر یا افزودن داده ها به پایگاه داده (DB) و از این طریق صحت داده های قرار داده شده در آن را کنترل کنید.

به طور معمول، یک عمل فراخوانی به یک رویه یا عملکرد خاص است. قوانین می توانند با یک فیلد یا رکورد مرتبط شوند و بر این اساس، زمانی که داده های یک فیلد خاص یا رکورد جدول تغییر می کنند، فعال شوند. هنگام حذف داده ها نمی توانید از قوانین استفاده کنید. برخلاف محدودیت ها که فقط وسیله ای برای کنترل هستند شرایط سادهدر مورد صحت ورود داده ها، قوانین به شما اجازه می دهد تا روابط پیچیده دلخواه بین عناصر داده در پایگاه داده را بررسی و حفظ کنید.

@ تمامیت ارجاعیاین اطمینان حاصل می شود که مقدار کلید خارجی نمونه موجودیت فرزند با مقادیر کلید اصلی موجودیت اصلی مطابقت دارد.

یکپارچگی ارجاع را می توان برای تمام عملیاتی که داده ها را تغییر می دهد، نظارت کرد.

@ عادی سازی روابطفرآیند ساخت ساختار بهینه جداول و روابط در یک پایگاه داده رابطه ای است.

در فرآیند عادی سازی، اقلام داده در جداولی گروه بندی می شوند که اشیا و روابط آنها را نشان می دهند. نظریه عادی سازی بر این واقعیت استوار است که مجموعه خاصی از جداول دارای ویژگی های بهتری برای گنجاندن، اصلاح و حذف داده ها نسبت به هر مجموعه جدول دیگری است که می تواند همان داده ها را نشان دهد. معرفی عادی سازی روابط در توسعه یک مدل اطلاعاتی، حداقل مقدار فیزیکی، یعنی ثبت شده در هر رسانه، پایگاه داده و حداکثر عملکرد آن را تضمین می کند که به طور مستقیم بر کیفیت سیستم اطلاعاتی تأثیر می گذارد. نرمال سازی مدل اطلاعات در چند مرحله (فرم های نرمال 1، 2 و 3) انجام می شود.

@ فرهنگ لغت دادهیک مخزن متمرکز اطلاعات در مورد اشیا، عناصر داده تشکیل دهنده آنها، روابط بین اشیا، منابع، مقادیر، استفاده و فرمت های ارائه آنها است.

@ تضمین یکپارچگیپایگاه داده به سیستمی از اقدامات با هدف حفظ صحت داده ها در پایگاه داده در هر زمان معین گفته می شود.

هزینه های بررسی و حفظ دقت داده ها می تواند بخش قابل توجهی از کل را نشان دهد عملیاتیهزینه ها به عنوان مثال، در شرکت های حمل و نقل، برای کنترل صحت ورود اطلاعات از اسناد سفر، ورود موازی همان داده ها توسط چندین اپراتور انجام می شود. اعتقاد بر این است که احتمال خطای مشابه در این مورد بسیار کم خواهد بود و یک مقایسه ساده از نتایج ورودی اپراتورهای مختلفبه دستیابی به داده های بدون خطا کمک می کند. در DBMS، یکپارچگی داده ها توسط مجموعه تضمین می شود پیشنهادهای ویژهمحدودیت های یکپارچگی نامیده می شود.

@ محدودیت های یکپارچگیمجموعه ای از قوانین تعریف شده است که اعتبار داده ها و روابط بین آنها را تعیین می کند.

یک سیستم پردازش خودکار داده مبتنی بر استفاده از یک مدل داده یا مدل اطلاعاتی خاص است. مدل داده روابط بین اشیاء را منعکس می کند.

2. توالی ایجاد یک مدل اطلاعاتی

فرآیند ایجاد مدل اطلاعاتی با تعریف الزامات مفهومی تعدادی از کاربران آغاز می شود (شکل 2.1). الزامات مفهومی را نیز می توان برای برخی از وظایف (کاربردها) تعریف کرد که برای اجرای آنها در آینده نزدیک برنامه ریزی نشده است. این ممکن است کمی پیچیدگی کار را افزایش دهد، اما به در نظر گرفتن کامل تمام تفاوت های ظریف عملکرد مورد نیاز برای سیستم در حال توسعه کمک می کند و احتمال تغییر آن را در آینده کاهش می دهد. الزامات فردی کاربر در یک "نمای عمومی" واحد یکپارچه شده است. دومی مدل مفهومی نامیده می شود.

@ مدل مفهومیاشیا و روابط آنها را بدون مشخص کردن نحوه ذخیره فیزیکی آنها نشان می دهد.

بنابراین، مدل مفهومی اساساً یک مدل دامنه است. هنگام طراحی یک مدل مفهومی، تمام تلاش توسعه‌دهنده باید عمدتاً به سمت ساختار داده‌ها و شناسایی روابط بین آنها بدون در نظر گرفتن ویژگی‌های پیاده‌سازی و مسائل مربوط به کارایی پردازش باشد. طراحی مدل مفهومی بر اساس تجزیه و تحلیل وظایف پردازش داده در حال حل در این شرکت است. مدل مفهومی شامل توصیفی از اشیاء و روابط متقابل آنها است که در حوزه موضوعی مورد توجه قرار می گیرد و در نتیجه تجزیه و تحلیل داده ها شناسایی می شود. این به داده های مورد استفاده در داده های قبلاً توسعه یافته اشاره دارد برنامه های کاربردیو آنهایی که فقط اجرا خواهند شد.

سپس مدل مفهومی به یک مدل داده سازگار با DBMS انتخاب شده ترجمه می شود. این امکان وجود دارد که روابط بین اشیاء منعکس شده در مدل مفهومی متعاقباً با استفاده از DBMS انتخاب شده غیرقابل تحقق باشد. این امر مستلزم تغییر در مدل مفهومی است. نسخه ای از مدل مفهومی که می تواند توسط یک DBMS خاص ارائه شود، مدل منطقی نامیده می شود.

@ مدل منطقیارتباط منطقی بین اقلام داده را بدون توجه به محتوا و رسانه ذخیره سازی آنها منعکس می کند.

مدل داده های منطقی می تواند رابطه ای، سلسله مراتبی یا شبکه ای باشد ... به کاربران زیر مجموعه‌هایی از این مدل منطقی اختصاص داده می‌شود که مدل‌های خارجی نامیده می‌شوند (در برخی منابع، آنها را طرح‌های فرعی نیز می‌نامند)، که نشان دهنده درک آنها از دامنه است. مدل خارجی مطابق با دیدگاه هایی است که کاربران بر اساس مدل منطقی دریافت می کنند، در حالی که الزامات مفهومی منعکس کننده ادراکاتی است که کاربران در ابتدا می خواستند و اساس توسعه مدل مفهومی را تشکیل می دادند. مدل منطقی در نمایش داده می شود حافظه فیزیکیمانند دیسک، نوار، یا هر وسیله ذخیره سازی دیگری.

@ مدل فیزیکی که قرار دادن داده ها، روش های دسترسی و تکنیک های نمایه سازی را تعریف می کند، مدل داخلی سیستم نامیده می شود.

از نقطه نظر برنامه نویسی کاربردی، استقلال داده نه با تکنیک برنامه نویسی، بلکه توسط رشته آن تعیین می شود. به عنوان مثال، برای جلوگیری از کامپایل مجدد برنامه در هر گونه تغییر سیستم، توصیه می شود که ثابت (مقادیر داده های ثابت) را در برنامه تعریف نکنید. بهترین راه حل این است که مقادیر را به عنوان پارامتر به برنامه منتقل کنید.

تمام الزامات واقعی حوزه موضوعی و الزامات "پنهان" مربوطه در مرحله طراحی باید در مدل مفهومی منعکس شود. البته نمی توان هر گونه استفاده و اصلاح احتمالی پایگاه داده را در نظر گرفت. اما در بیشتر حوزه های موضوعی، داده های اساسی مانند اشیا و روابط آنها نسبتاً پایدار هستند. فقط تغییر دهید الزامات اطلاعاتی، یعنی روش های استفاده از داده ها برای به دست آوردن اطلاعات.

درجه استقلال داده ها با طراحی دقیق پایگاه داده تعیین می شود. تجزیه و تحلیل جامع اشیاء دامنه و روابط آنها تأثیر تغییر الزامات داده در یک برنامه را بر برنامه های دیگر به حداقل می رساند. این استقلال داده همه جانبه است.

3. روابط در مدل

یک رابطه نمایش یا رابطه بین دو مجموعه داده را بیان می کند. روابط از نوع وجود دارد " یک به یک», « یک به بسیاری"و «خیلی به خیلی ها". در مشکل در نظر گرفته شده خودکارسازی مدیریت کار یک نمایندگی خودرو، اگر مشتری برای اولین بار سفارش خرید خودرو را بدهد، ثبت اولیه داده ها و اطلاعات او در مورد سفارش انجام می شود. در صورت سفارش مجدد مشتری فقط این سفارش ثبت می شود. صرف نظر از اینکه یک مشتری چند بار سفارش داده است، یک شماره شناسایی منحصر به فرد (کلید مشتری منحصر به فرد) دارد. اطلاعات مربوط به هر مشتری شامل نام مشتری، آدرس، تلفن، فکس، نام خانوادگی، نام، نام خانوادگی، ویژگی است. نهاد قانونیو یک یادداشت بنابراین، ویژگی های شی CLIENT عبارتند از "UNIQUE CLIENT KEY"، "CLIENT NAME"، "CLIENT ADDRESS"، و غیره. شی بعدی مورد توجه ما CAR MODEL است. این شی دارای ویژگی های "کلید مدل منحصر به فرد"، "نام مدل" و غیره است. سومین شی مورد بررسی ORDER است. ویژگی های آن عبارتند از "ORDER NUMBER"، "CLIENT KEY" و "MODEL KEY". و چهارمین شی مورد نظر فروشنده است. ویژگی های آن عبارتند از "کلید منحصر به فرد فروشنده"، "نام فروشنده"، "نام خانوادگی" و "حامی".

رابطه یک به یک (بین دو نوع شی)

بگذارید ذهنی به روزهای اقتصاد برنامه ریزی شده-توزیعی برگردیم. فرض کنید یک مشتری می تواند در یک زمان معین فقط یک سفارش بدهد. در این حالت، رابطه ای بین اشیاء CLIENT و ORDER برقرار می شود. یک به یک"، همانطور که در شکل نشان داده شده است با فلش های منفرد نشان داده شده است. 2.2، الف.

برنج. 2.2. رابطه بین دو شیء: الف) «یک به یک»; ب) «یک به چند»؛ ج) "بسیاری به بسیاری"

برنج. 2.3. رابطه بین داده ها در یک رابطه یک به یک.

رابطه یک به چند (بین دو نوع شی).

در یک مقطع زمانی مشخص، یک مشتری می تواند مالک چندین مدل خودرو شود، در حالی که چندین مشتری نمی توانند مالک یک خودرو باشند. همانطور که در شکل 4-2 نشان داده شده است، می توان یک رابطه یک به چند را با استفاده از یک فلش منفرد به سمت یک و یک فلش دوتایی که به سمت بسیاری نشان می دهد نشان داد. 2.2، ب

در این مورد، چندین رکورد از شیء دوم (فرزند یا زیردستان) با یک رکورد داده از شی اول مطابقت دارد (اغلب به آن والد یا اصلی می گویند). روابط یک به چند در طراحی پایگاه داده رابطه ای بسیار رایج است. فرهنگ لغت اغلب به عنوان یک شی والد استفاده می شود و کلیدهای منحصر به فرد برای دسترسی به رکوردهای فرهنگ لغت در کودک ذخیره می شود. در مثال ما، به عنوان یک مرجع، می توانید شی CLIENT را تصور کنید که اطلاعات مربوط به همه مشتریان را ذخیره می کند. همانطور که در شکل نشان داده شده است، هنگام دسترسی به یک رکورد برای یک مشتری خاص، لیستی از تمام خریدهایی که او انجام داده و اطلاعات مربوط به آنها در شیء CAR MODEL ذخیره می شود، داریم. 2.4. اگر رکوردهایی در شی فرزند وجود داشته باشد که هیچ رکوردی برای آنها در شیء CLIENT وجود نداشته باشد، ما آنها را نخواهیم دید. در این مورد گفته می شود که شی حاوی رکوردهای گمشده (تنها) است. این کار جایز نیست و در آینده یاد خواهید گرفت که چگونه از چنین موقعیت هایی اجتناب کنید.

برنج. 2.4. رابطه بین داده ها در رابطه یک به چند.

اگر به سوابق شیء CAR MODEL نگاه کنیم، در شیء CLIENT می توانیم اطلاعاتی در مورد مشتری که این مورد را خریده است، بدست آوریم. ماشین (شکل 2.4 را ببینید). لطفاً توجه داشته باشید که ما اطلاعات مشتری را برای سوابق از دست رفته دریافت نخواهیم کرد.

رابطه چند به چند (بین دو نوع شی).

در این مثال، هر فروشنده می تواند به چندین مشتری خدمات ارائه دهد. از سوی دیگر، با خرید خودرو در زمان‌های مختلف، ممکن است به هر مشتری توسط فروشندگان مختلف خدمات داده شود. یک رابطه چند به چند بین اشیاء CLIENT و SELLER وجود دارد. این رابطه همانطور که در شکل نشان داده شده است با فلش های دوتایی نشان داده شده است. 2.2، ج.

در شکل 2.5 نموداری را نشان می دهد که بر اساس آن داده ها در این مورد به هم متصل می شوند. با مشاهده داده های موجود در شی CLIENT، ما قادر خواهیم بود دریابیم که کدام فروشنده به یک مشتری خاص خدمات ارائه کرده است. اما در شیء SELLER در این حالت باید برای هر فروشنده چندین رکورد ایجاد کنیم. هر خط با هر خدمات مشتری توسط فروشنده مطابقت دارد. با این رویکرد با مشکلات جدی مواجه خواهیم شد. به عنوان مثال، نمی‌توانیم یک کلید منحصر به فرد برای هر فروشنده در شی SELLER وارد کنیم، زیرا به ناچار یک فروشنده به چندین مشتری خدمات می‌دهد و در این حالت چندین رکورد برای یک فروشنده خواهیم داشت.

برنج. 2.5. رابطه بین داده ها در رابطه چند به چند

بر اساس تئوری پایگاه داده رابطه ای، ذخیره یک رابطه چند به چند به سه شی نیاز دارد: یکی برای هر موجودیت و دیگری برای ذخیره روابط بین آنها (یک شی واسطه). همانطور که در شکل نشان داده شده است، شیء میانی شامل شناسه های اشیاء مرتبط خواهد بود. 2.6.

برنج. 2.6. نمایش رابطه بین داده ها در یک رابطه چند به چند با استفاده از یک شی میانی

روابط بین اشیا بخشی از مدل مفهومی است و باید در پایگاه داده نمایش داده شود. همراه با روابط بین اشیاء، روابط بین ویژگی های یک شی وجود دارد. همچنین بین روابط یک به یک، یک به چند و چند به چند تمایز قائل می شود.

رابطه یک به یک (بین دو ویژگی)

ما فرض می کنیم که کلید (شماره) مشتری شناسه منحصر به فرد اوست، یعنی با سفارشات بعدی از طرف مشتری تغییر نمی کند. این مشتری. اگر همراه با شماره مشتری، شناسه منحصر به فرد دیگری در پایگاه داده ذخیره شود (مثلاً شماره گذرنامه)، در این صورت بین این دو شناسه منحصر به فرد رابطه یک به یک برقرار می شود. در شکل 2.7، الفاین رابطه با فلش های تک نشان داده می شود.

رابطه یک به چند (بین دو ویژگی)

نام مشتری و شماره مشتری با هم وجود دارند. مشتریان با همین نام هاممکن است تعداد زیادی وجود داشته باشد، اما همه آنها اعداد متفاوتی دارند. به هر مشتری یک شماره منحصر به فرد اختصاص داده می شود. این بدان معناست که تنها یک نام برای یک شماره مشتری مشخص وجود دارد. رابطه "یک به بسیاری" با یک فلش واحد در جهت "یک" و یک فلش دوتایی در جهت "بسیاری" نشان داده می شود (شکل 2.7، b.).

رابطه چند به چند (بین دو ویژگی)

چندین مشتری با یک نام می توانند توسط چندین فروشنده خدمات ارائه دهند. ممکن است چندین فروشنده با همین نام از چندین مشتری سفارش دریافت کرده باشند. بین نام مشتری و ویژگی های نام فروشنده رابطه بسیار به چند وجود دارد. ما این رابطه را با فلش های دوتایی نشان می دهیم (شکل 2.7، در).

آ)

ب)

v)

برنج. 2.7. روابط بین دو صفت:
الف) رابطه "یک به یک"؛ ب) رابطه یک به چند» ج) رابطه «بسیاری از بسیاری»

انواع مدل های داده

مدل‌های داده‌های سلسله مراتبی و شبکه در اوایل دهه 60 در سیستم‌های مدیریت پایگاه‌داده مورد استفاده قرار گرفتند. در اوایل دهه 70، یک مدل داده رابطه ای پیشنهاد شد. این سه مدل عمدتاً در نحوه نمایش روابط بین اشیاء متفاوت هستند.

مدل داده سلسله مراتبی بر اساس اصل سلسله مراتبی از انواع شی ساخته شده است، یعنی یک نوع شی اصلی است و بقیه در واقع در سطوح پایین ترسلسله مراتب - زیردستان (شکل 2.8). یک رابطه یک به چند بین اشیاء اصلی و فرعی برقرار می شود. به عبارت دیگر، چندین نوع شیء فرعی برای یک نوع شی اصلی معین وجود دارد. در عین حال، برای هر نمونه از شیء اصلی، می توان چندین نمونه از انواع شیء فرعی وجود داشت. بنابراین، روابط بین اشیاء مشابه روابط در یک شجره خانوادگی است با یک استثنا: برای هر نوع شیء تخم ریزی شده (o فرعی) فقط یک نوع شی اصلی (اصلی) می تواند وجود داشته باشد. در برنج. 2.8 گره و شاخه یک ساختار درختی سلسله مراتبی را تشکیل می دهند. گره مجموعه ای از صفات است که یک شی را توصیف می کند. بالاترین گره در سلسله مراتب، گره ریشه نامیده می شود (این نوع شی اصلی است). گره ریشه در سطح اول قرار دارد. گره های وابسته (انواع شیء تابعه) در سطوح دوم، سوم و غیره قرار دارند.

برنج. 2.8. طرح واره مدل داده سلسله مراتبی.

در مدل داده شبکه، مفاهیم اصلی و اشیاء فرعی تا حدودی گسترش یافته است. هر شی می تواند هم اصلی و هم تابع باشد (در مدل شبکه، شی اصلی با عبارت «صاحب مجموعه» و زیردست با عبارت «عضو مجموعه» مشخص می شود). یک شیء یکسان می تواند همزمان مالک و عضو مجموعه باشد. این بدان معنی است که هر شی می تواند در هر تعداد رابطه شرکت کند. نموداری از مدل شبکه در شکل 2.9 نشان داده شده است.

شکل 2.9. نمودار مدل داده های شبکه

در مدل داده‌های رابطه‌ای، اشیا و روابط بین آنها با استفاده از جداول نشان داده می‌شوند، همانطور که در شکل نشان داده شده است. 2.10. روابط نیز به عنوان ابژه در نظر گرفته می شوند. هر جدول یک شی را نشان می دهد و از سطر و ستون تشکیل شده است. در یک پایگاه داده رابطه ای، هر جدول باید یک کلید اصلی داشته باشد ( عنصر کلیدی) یک فیلد یا ترکیبی از فیلدها است که هر ردیف را در جدول به طور منحصر به فرد مشخص می کند. به دلیل سادگی و طبیعی بودن ارائه، مدل رابطه ای بیشترین استفاده را در DBMS برای رایانه های شخصی دارد.

برنج. 2.10. طرح واره مدل داده های رابطه ای

نمودار نوع ER:

ساده سازی ها:

1. فقط ساکنانی که دارای آپارتمان هستند در نظر گرفته می شوند.

2. یک ساکن فقط در یک آپارتمان می تواند ثبت نام کند.

3. فقط آپارتمان های مسکونی که ساکنان آنها ثبت نام کرده اند در نظر گرفته می شود.

4. چند نفر از ساکنان را می توان در یک آپارتمان ثبت نام کرد.

5. یک شماره تلفن برای یک آپارتمان.

6. هر آپارتمانی نمی تواند تلفن داشته باشد.

7. ساکنین بدون منبع درآمد (فرزندان) هستند.

8. یک ساکن می تواند چندین منبع درآمد داشته باشد.

9. انواع مختلفدرآمد از ساکنان مختلف

10. انواع درآمدی وجود دارد که استفاده نمی شود.

پایان کار -

این موضوع متعلق به بخش:

مقایسه پایگاه داده های تک جدولی و چند جدولی

در سایت بخوانید: "مقایسه بانک های اطلاعاتی تک جدولی و چند جدولی"

اگر لازم داری مواد اضافیدر مورد این موضوع، یا آنچه را که به دنبال آن بودید پیدا نکردید، توصیه می کنیم از جستجو در پایگاه داده آثار ما استفاده کنید:

با مطالب دریافتی چه خواهیم کرد:

اگر این مطالب برای شما مفید بود، می توانید آن را در صفحه خود در شبکه های اجتماعی ذخیره کنید:

توییت

تمامی موضوعات این بخش:

اجزای BnD
دیکشنری داده یک "مخزن" متا اطلاعات است. اطلاعات متا - اطلاعات

مرحله تعریف مدار فرعی
در برخی از DBMS ها می توان ساختار منطقی پایگاه داده را از دیدگاه یک گروه کاربری خاص توصیف کرد. چنین مدلی خارجی نامیده می شود و توصیف آن subsche است

مدل سازی اینفولوژیک حوزه موضوعی. ترکیب مدل اینفولوژیک (ILM)
1-2. توصیف حوزه موضوعی با استفاده از نوعی سیستم نشانه ارائه شده است، بنابراین، در

شرح اشیا و خواص آنها. انواع خواص شی
کلاس شی مجموعه ای از اشیاء است که دارای مجموعه ای از خصوصیات یکسان هستند. کلاس های شی می توانند هم مادی و هم انتزاعی باشند (به عنوان مثال، اشیایی که

نمودار نوع ER
نوع ارتباط 1 تا 1. کلاس اشیاء متعلق به هر دو P و K اختیاری است

انواع اجسام پیچیده
1. شی مرکب. 2. شیء تعمیم یافته. 3. شیء تجمیع شده. جسم مرکب

تعیین ترکیب پایگاه داده
یکی از رویکردهای تعیین ترکیب پایگاه داده، اصل سنتز است. نتیجه نهایی: فقط شاخص های اولیه باید در پایگاه داده ذخیره شوند. همه شاخص های مشتق شده باید

انواع مدل های داده شناسی (DLM)
مدل های زیر با روش ایجاد پیوند بین داده ها متمایز می شوند: مدل رابطه ایمدل سلسله مراتبی، مدل شبکهمدل شی گرا. رابطه ای

نمایه سازی فایل ها (جدول) در پایگاه داده. فایل های فهرست و کلیدهای فهرست
برای سرعت بخشیدن به دسترسی به اطلاعات یک فایل، فایل ایندکس می شود. یک ویژگی یا مجموعه ای از ویژگی های تعریف شده در یک رابطه به عنوان کلید شاخص در طول نمایه سازی استفاده می شود. در بخش

روش طراحی برای RDB بر اساس ILM (قوانین 1-12)
1. برای هر شی ساده و ویژگی های واحد آن، یک رابطه ساخته می شود که ویژگی های آن شناسه شی هستند و جزئیات مربوط به هر یک از ویژگی های واحد است.

تعیین ترکیب و روابط پایگاه داده
اصل سنتز: پایگاه داده شامل ویژگی های همه نهادها + مجموع درآمد محاسبه شده است. پایگاه داده از 5 رابطه تشکیل شده است: PERSON (Nom، FIO، Rdate، Pol، S

مقایسه پایگاه داده های تک جدولی و چند جدولی
ممکن است مشکلاتی در درج، به روز رسانی، حذف وجود داشته باشد. مشکل درج هیچ پایگاه داده ای نباید دارای فیلدهایی با مقادیر خالی یا خالی باشد. به عنوان مثال: برای od

زبان پرس و جو ساختاریافته
پیاده سازی SQL خاص به الزامات استاندارد احترام می گذارد، اما همچنین ارائه می دهد ویژگی های اضافی(SQL1, SQL2 (1992), SQL3 (1999)) SQL را می توان در 2 حالت استفاده کرد: 1. Int

بند را انتخاب کنید
همانطور که TPK می تواند یک نام ستون، ثابت، عبارت باشد. نام ستون یکی از ستون های موجود در جدول مشخص شده در عبارت FROM را مشخص می کند. می توان آن را مشخص کرد

مشخص می کند که کدام خطوط را انتخاب کنید. شرط جستجو به عنوان یک معیار انتخاب تنظیم شده است. انواع عبارات جستجو: 1. مقایسه. =،<>, <, >, <=, >= 2. ثابت کنید

عبارات جستجوی مرکب جداول حقیقت
AND true false null یا true

توابع جمع SQL
پرس و جوهای خلاصه را می توان از عملگرهای مختلف و توابع کلزبان همه توابع یک ستون از داده ها را به طور کامل به عنوان آرگومان می گیرند و یک مقدار خلاصه شده را برمی گردانند

پرس و جوها و محدودیت های گروه بندی شده بر روی آنها
ADR، AVG (SUMD) FROM PERSON GROUP BY ADR را انتخاب کنید 1. اطلاعات مربوط به ساکنان در جدول Person به گروه ها تقسیم می شود - یک گروه برای هر آپارتمان. در هر گروه، تمام آپارتمان ها دارای 1

محدودیت در لیست ستون های برگشتی
در یک پرس و جو گروه بندی شده، همه موارد موجود در لیست ستون های برگشتی باید برای هر گروه از کلمات مقدار یکسانی داشته باشند. => به عنوان عناصر لیست ستون های برگشتی، می توانید استفاده کنید

رویه اجرای یک پرس و جو که حاوی یک زیرپرسش مرتبط است
1) ردیفی را از جدول انتخاب کنید که نام آن در کوئری اصلی مشخص شده است. 2) پرس و جو فرعی را با در نظر گرفتن مقادیر موجود در ردیف انتخاب شده اجرا کنید 3) عبارات جستجو را محاسبه کنید d

بررسی نتایج Subquery برای وجود
SELECT * FROM PERSON WHERE EXISTS (انتخاب شناسه از HAVE_D، PROVIT WHERE PROVIT.ID

افزودن عناصر جدید
کوچکترین واحد اطلاعاتی که می توان به پایگاه داده اضافه کرد یک خط است. 2 راه برای افزودن ردیف های جدید وجود دارد: 1) یک دستور INSERT یک خطی شامل

حذف داده های موجود
کوچکترین واحد اطلاعاتی که می توان از پایگاه داده حذف کرد 1 ردیف است. دستور DELETE برای حذف ردیف ها از جدول 1 استفاده می شود. حذف از - جدول_نام -------------------

شرایط منحصر به فرد داده ها
جدول PERSON را بگیرید، ساختار آن را شرح دهید: CREATE TABLE PERSON (INTERBASE) (NOM Integer NOT N)

تغییر تعریف جدول
ALTER TABLE برای: 1. اضافه کردن یک تعریف ستون جدید استفاده می شود. 2. مقدار پیش فرض را تغییر دهید. 3. تغییر یا حذف کلید اصلی جدول.

شاخص ها
Index ابزاری است که فراهم می کند دسترسی سریعبه ردیف های جدول بر اساس مقدار 1 یا چند ستون. ایندکس مقادیر داده ها و نشانگرهای ردیف ها را ذخیره می کند