۰
subtitle
ارسال: #۱
  
تجزیه بدون گمشدگی
سلام دوستان
میشه تجزیه بدون گمشدگی رو با مثال زیر توضیح بدید ؟
اینکه میگه عضو مشترک تو یکی باید کلید کاندید باشه و شرط دوم تمام وابستگی ها رو بده یعنی چی؟
باید وابستگی ها رو بکشیم نرمال کنیم بعد هرچی مونده میشه بدون گمشدگی؟
میشه تجزیه بدون گمشدگی رو با مثال زیر توضیح بدید ؟
اینکه میگه عضو مشترک تو یکی باید کلید کاندید باشه و شرط دوم تمام وابستگی ها رو بده یعنی چی؟
باید وابستگی ها رو بکشیم نرمال کنیم بعد هرچی مونده میشه بدون گمشدگی؟
۰
ارسال: #۲
  
RE: تجزیه بدون گمشدگی
سلام و وقت بخیر ...
وقتی هدف نرمال کردن بهینه جدول است ، منظور این است که تا جایی نرمال کنیم که آنومالی از بین برود ، یکی از راه های حل این سوال این است که ببینیم این وابستگی های تابعی چه حرفی میزنند و به چقدر نرمال شدن نیاز دارند .
منظور از گمشدگی اینه که هیچ ارتباطی در جداول نهایی با توجه به داده های اولیه و ارتباطات اولیه از بین نرود ...
ابتدا وابستگی های پوششی را مشخص کنید که من برایتان نوشتم ، تنها کلید کاندید این وابستگی ها [tex]AB[/tex] است .پس کلید اصلی هم خودش میباشد . ( ذکر این نکته هم خوبه که همین جا BCNF بودن این رابطه نقض میشه ، پس حداکثر نرمال سازی ممکنه تا سطح ۳NF باشه . )
اگر نمودار وابستگی را رسم کنیم میبینیم که اولا فرم نرمال اول رعایت شده ، ثانیا غیر کلیدی به کلید اصلی وابسته نیست ، یعنی در ۲NF هم است ، ثالثا برای تعیین جدول ها ، جدول اول با کلید اصلی ( A,B) با وابسته هایش ( فقط C ) به جز وابسته های انتقالی غیر کلیدی D و E ، جدول دوم با کلید اصلی D و صفت E و جدول سوم کلید اصلی A و صفت D یعنی سه جدول زیر ...
[tex]R1(A,B,C)\: \: \: \: \: \: \: \: \: \: \: R2(A,D)\: \: \: \: \: \: \: \: \: \: \: \: \: \: R3(D,E)[/tex] یعنی گزینه دوم.
وقتی هدف نرمال کردن بهینه جدول است ، منظور این است که تا جایی نرمال کنیم که آنومالی از بین برود ، یکی از راه های حل این سوال این است که ببینیم این وابستگی های تابعی چه حرفی میزنند و به چقدر نرمال شدن نیاز دارند .
منظور از گمشدگی اینه که هیچ ارتباطی در جداول نهایی با توجه به داده های اولیه و ارتباطات اولیه از بین نرود ...
ابتدا وابستگی های پوششی را مشخص کنید که من برایتان نوشتم ، تنها کلید کاندید این وابستگی ها [tex]AB[/tex] است .پس کلید اصلی هم خودش میباشد . ( ذکر این نکته هم خوبه که همین جا BCNF بودن این رابطه نقض میشه ، پس حداکثر نرمال سازی ممکنه تا سطح ۳NF باشه . )
[tex]A^+=\{A,D,E\}\: \: \: \: ,\: \: \: D^+=\{D,E\}\: \: \: \: \: ,\: \: \: AB^+=\{A,B,C,D,E\}[/tex]
اگر نمودار وابستگی را رسم کنیم میبینیم که اولا فرم نرمال اول رعایت شده ، ثانیا غیر کلیدی به کلید اصلی وابسته نیست ، یعنی در ۲NF هم است ، ثالثا برای تعیین جدول ها ، جدول اول با کلید اصلی ( A,B) با وابسته هایش ( فقط C ) به جز وابسته های انتقالی غیر کلیدی D و E ، جدول دوم با کلید اصلی D و صفت E و جدول سوم کلید اصلی A و صفت D یعنی سه جدول زیر ...
[tex]R1(A,B,C)\: \: \: \: \: \: \: \: \: \: \: R2(A,D)\: \: \: \: \: \: \: \: \: \: \: \: \: \: R3(D,E)[/tex] یعنی گزینه دوم.
Can I see some ID?
Feeling left out?
نگران نباش، فقط روی این لینک برای ثبت نام کلیک کن. رمزت رو فراموش کردی؟ اینجا به یادت میاریم! close