Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Verdiskranker Mengdeskranker Underbegreper og underbegrepsskranker Kombinerte totale roller
|
|
- Siv Carlsson
- 8 år siden
- Visninger:
Transkript
1 UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Verdiskranker Mengdeskranker Underbegreper og underbegrepsskranker Kombinerte totale roller Institutt for informatikk INF
2 Et eksempel fra virkeligheten La oss se på setningen «På Blindern klokken 8 målte Jens 9 grader» De tre spørsmålene vi alltid må stille oss, er: Hvilke begreper har vi? Hvilken representasjon bruker vi for disse begrepene? Er setningen elementær i vårt UoD, og hvis den ikke er det, hvordan kan den splittes opp? 2
3 Et eksempel fra virkeligheten «På Blindern klokken 8 målte Jens 9 grader» Blindern er et sted med representasjon stedsnavn 8 er et tidspunkt med representasjon dato og klokkeslett Jens er en person med representasjon personnavn 9 er en temperatur med representasjon C For å avgjøre om setningen er elementær, tyr vi til et forekomstdiagram 3
4 Et eksempel fra virkeligheten Tid (.dato-klokkeslett) Person (.personnav n) Sted (.stedsnav n)...klokken...målte...temperatur... Blindern kl.8:00 Jens 9 V ærnes kl.8:00 Siri 9 Blindern kl.8:00 Lars 11 Blindern kl.8:00 Jens 9 Temperatur (.C ) Er det noen av forekomstene som må strykes? 4
5 Et eksempel fra virkeligheten Tid (.dato-klokkeslett) Person (.personnav n) Sted (.stedsnav n)...klokken...målte...temperatur... Blindern kl.8:00 Jens 9 V ærnes kl.8:00 Siri 9 Blindern kl.8:00 Lars 11 Blindern kl.8:00 Jens 9 Temperatur (.C ) Hvor skal entydighetsskranken(e) stå? 5
6 Et eksempel fra virkeligheten Tid (.dato-klokkeslett) Person (.personnav n) Sted (.stedsnav n)...klokken...målte...temperatur... Blindern kl.8:00 Jens 9 V ærnes kl.8:00 Siri 9 Blindern kl.8:00 Lars 11 Blindern kl.8:00 Jens 9 Temperatur (.C ) Dette er en entydighetsskranke over de to begrepene «Sted» og «Tid» Det gjør at setningen ikke er elementær (se neste lysark) 6
7 n-1-regelen En setning med aritet n er aldri elementær hvis det tilhørende forekomstdiagrammet har en entydighetsskranke som er kortere enn n-1 Hvis korteste entydighetsskranke har lengde n-1, er setningen elementær Hvis korteste entydighetsskranke har lengde n, er setningen nesten alltid elementær Unntakene forekommer svært sjelden i praksis, og de er ikke pensum i INF1300 (men i INF3100) Setninger med aritet 1 eller 2 er alltid elementære 7
8 Et eksempel fra virkeligheten...klokken...måltes... Temperatur (.C ) Sted (.stedsnav n) Tid (.dato-klokkeslett)...klokken...målter... Person (.personnav n) Vi har nå et skjema for elementære ternære setninger med entydighetsskranker av lengde to Entydighetsskrankene sier at Tid og Sted sammen bestemmer Temperatur og sammen bestemmer Person 8
9 Et eksempel fra virkeligheten Sted (.stedsnav n)...klokken...måltes... Tid (.dato-klokkeslett)...klokken...målter... Temperatur (.C ) Person (.personnav n) De to setningene har til felles at Tid og Sted sammen bestemmer en tredje verdi ORM-diagrammet til venstre er korrekt, men tydeliggjør ikke at for både Temperatur og Person er forekomster bestemt av en og samme kombinasjon av Tid og Sted 9
10 Et eksempel fra virkeligheten Sted (.stedsnav n)...klokken...måltes... Tid (.dato-klokkeslett)...klokken...målter... Temperatur (.C ) Person (.personnav n) Vi kan tydeliggjøre dette ved å lage et nytt begrep av kombinasjonen av begrepene Tid og Sted. Det nye begrepet kan vi i vårt UoD kalle Måling. Deretter kan vi knytte forekomster av Temperatur og Person til det nye begrepet. Entydighetsskrankene på rollene med_resultat og gjort_av uttrykker at én forekomst av Måling maksimalt har én forekomst av Temperatur og må være gjort av maksimalt én Person. Dette svarer til entydighetsskrankene over tid+sted i modellen til venstre. 10
11 Begrepsdannelse Et problem er at begrepene Tid og Sted ble borte fra modellen Hvorvidt vi kan tillate det, avhenger av UoD Hvis Tid eller Sted har andre roller enn å være tid og sted for Måling, kan vi ikke fjerne dem fra modellen La oss se nærmere på sammen-hengen mellom Tid, Sted og Måling: Entydighetsskrankene og de totale rollene uttrykker at én forekomst av Måling må være utført på eksakt ett Sted og én Tid 11
12 Begrepsdannelse Tid Måling Sted tid / med kl.8:00 m kl.8:00 m kl.8:00 m3 på / sted m1 Blindern m2 V ærnes m3 Blindern kl.8:00 m4 m4 Blindern Modellen er fortsatt ikke god nok: Den utelukker ikke at to forskjellige målinger (av samme fenomen) kan være foretatt på nøyaktig samme tid og sted 12
13 Begrepsdannelse Tid Måling Sted tid / med kl.8:00 m kl.8:00 m kl.8:00 m kl.8:00 m4 på / sted m1 Blindern m2 V ærnes m3 Blindern m4 Blindern Modellen er fortsatt ikke god nok: Den utelukker ikke at to forskjellige målinger (av samme fenomen) kan være foretatt på nøyaktig samme tid og sted Vi trenger en entydighetsskranke på tvers av faktatypene 13
14 Eksterne entydighetsskranker Entydighet på tvers av faktatyper indikerer vi med en ekstern entydighetsskranke på de involverte rollene tid og sted 14
15 Begrepsdannelse alternativ notasjon 15
16 Eksterne entydighetsskranker Vi kan også uttrykke at en person ikke kan foreta mer enn én måling av gangen Dette gjøres med en ekstern entydighetsskranke på rollene foretok og tid 16
17 Eksempel med aritet 4 På en gitt dag låner en person, kalt debitor, et beløp fra en annen person, kalt kreditor Det nye begrepet, Lån, består av én dag og to personer Hvordan vi modellerer «en annen person», kommer vi tilbake til. Forøvrig ser modellen slik ut: 17
18 Avsluttende om begrepsdannelser Alle entydighetspiler som går over mer enn én rolle i en faktatype, skjuler et (nytt) begrep. Man skal alltid vurdere om det skal lages nye begreper når man får faktatyper med lange entydighetspiler. En faktatype med aritet 3 eller 4 (eller mer) kan gjøres om til binære setninger ved å lage ett eller flere nye begreper. 18
19 Verdiskranker Antall (#) {1..69} Land (.nav n)...v ant...medaljer... {'G','S','B'} Medaljeart (.medaljekode) Begrenser mulige forekomster av et begrep I praksis: Angir en mengde verdier som er lovlige representasjoner f.eks. ved direkte opprams av verdiene, angivelse av en nedre og/eller øvre grense, innebygde kontrollsifre (eks. fødselsnumre) 19
20 Populasjoner Populasjon for en rolle: Hvis r er en rolle, betegner pop(r) mengden av forekomster i kolonnen for r i forekomsttabellen Populasjon for et begrep: Begreper har egentlig ikke forekomster løsrevet fra roller, men vi definerer likevel populasjonen til et begrep A som har roller r 1, r 2,..., r n ved pop(a) = pop(r 1 ) pop(r 2 )... pop(r n ) Merk: Populasjonen til en rolle/et begrep varierer med tiden 20
21 Populasjoner - eksempel Antall (#) {1..69} {'G','S','B'} Person (.nav n) deltar for / har deltaker Land (.nav n)...v ant...medaljer... Medaljeart (.medaljekode) Aamodt Miller Norge U SA Tyskland 11 G Tyskland 12 S Deneriaz Frankerike Tyskland 6 B USA 9 G USA 9 S USA 7 B Østerrike 9 G pop(land som vant) = {Tyskland, USA, Østerrike} pop(land som har_deltaker) = {Norge, USA, Frankrike} pop(land) = {Tyskland, USA, Østerrike, Norge, Frankrike} 21
22 Mengdeskranker Mengdeskrankene begrenser mengden av forekomster i en eller flere roller i forhold til forekomstene i andre roller Finnes i følgende varianter: Likhetsskranke Ulikhetsskranke Delmengdeskranke 22
23 Mengdelikhetsskranken A skal ha rollen r1 hvis og bare hvis A har rollen r2. pop(r1) = pop(r2) for alle tilstander 23
24 Mengdelikhetsskranken, eksempel Konsekvens: Oppdatering av har lønn krever oppdatering av har lønnstrekk og omvendt 24
25 Mengdeulikhetsskranken A skal ikke ha både rollen r1 og r2. pop(r1) pop(r2) = for alle tilstander 25
26 Mengdeulikhetsskranken, eksempel 26
27 Mengdeulikhetsskranken A skal ikke ha både rollen r1 og r2. Det kan være forekomster av A som hverken er i r1 eller r2 A skal ha en og bare en av rollene r1 og r2 27
28 Mengdeulikhetsskranke over to roller Det skal ikke være forekomster av A og B som er relatert gjennom begge faktatypene 28
29 Mengdeulikhetsskranken, eksempel Sag ikke av en gren når du sitter på en annen gren Sag ikke av en gren som noen andre sitter på Sag ikke av den grenen du selv sitter på 29
30 Den generelle mengdeulikhetsskranken pop(r i ) pop(r j ) = for alle i j (1 i k, 1 j k) 30
31 Delmengdeskranken Hvis A har rollen r2, så skal A også ha rollen r1. pop(r2) pop(r1) for alle tilstander 31
32 Delmengdeskranken, eksempel 32
33 Eksempel med aritet 4 forts. På en gitt dag låner en person debitoren - et beløp fra en annen person - kreditoren Oppgave: Hvilken skranke mangler? Hvor skal den plasseres? 33
34 Impliserte skranker skal ikke tegnes Implisert likhetsskranke skal ikke tegnes Implisert delmengdeskranke skal ikke tegnes INF
35 Impliserte skranker skal ikke tegnes Impliserte delmengdeskranker skal ikke tegnes Implisert ulikhetsskranke skal ikke tegnes 35
36 Mengdelikhetsskranke over flere roller er vanligvis ikke lov 36
37 Underbegreper Kjernespørsmål: Kan alle tenkelige forekomster av et begrep spille alle roller som er knyttet til begrepet? Hvis nei: Kan få en mer presis modell ved å innføre underbegreper B er et underbegrep av A hvis vi alltid har at pop(b) pop(a) Notasjon: 37
38 Underbegrepsskranke 38
39 Underbegreper Underbegreper arver representasjon og roller fra superbegrepet. I tillegg har de sine egne roller Underbegrepsskranker brukes til å bestemme hvilket underbegrep hver enkelt forekomst tilhører Underbegreper kan overlappe eller være disjunkte Underbegrepene kan, men må ikke, være uttømmende mhp. sitt superbegrep Resonnementer over entydighetsskranker, totale roller og underbegrepsskrankene avslører om underbegrepene er overlappende og/eller uttømmende 39
40 Eksempel på overlappende og ikke-uttømmende underbegreper 40
41 Underbegreper i flere nivåer Det transitive underbegrepet tegnes ikke inn! 41
42 Kombinert total rolle A skal ha enten rollen r1 eller rollen r2. pop(r1) pop(r2) = pop(a) for alle tilstander 42
43 Eksempel på kombinert total rolle og underbegrep 43
44 Generell kombinert total rolle pop(r1) pop(r2)... pop(rk) = pop(a) 44
45 Se opp for manglende totale roller Mangel på totale roller kan indikere et underbegrep 45
46 Spesialisering og generalisering 46
Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Verdiskranker Mengdeskranker
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Verdiskranker Mengdeskranker Institutt for informatikk 1 Et eksempel fra virkeligheten
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Verdiskranker Mengdeskranker INF1300 1.9.2008 Ellen Munthe-Kaas 1 Et eksempel fra virkeligheten
DetaljerDagens tema: Begrepsdannelse Eksterne entydighetsskranker Representasjon n-1-regelen Verdiskranker Mengdeskranker
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Representasjon n-1-regelen Verdiskranker Mengdeskranker INF1300 29.08.2017 Mathias Stang
DetaljerDagens tema: Begrepsdannelse Eksterne entydighetsskranker
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Institutt for informatikk INF1300 29.8.2016 1 Et eksempel fra virkeligheten La oss se på
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Verdiskranker Underbegreper Underbegrepsskranker Mengdeskranker Delmengdeskranker INF1300-10.9.2007 Ellen Munthe-Kaas 1 Verdiskranker
DetaljerDagens tema: Begrepsdannelse Eksterne entydighetsskranker Representasjon n-1-regelen
UNIVERSITETET I OSLO IN2090 Databaser og datamodellering Dagens tema: Begrepsdannelse Eksterne entydighetsskranker Representasjon n-1-regelen IN2090 05.09.2018 Mathias Stang 1 Opplegget fremover Forelesningene
DetaljerUNIVERSITETET I OSLO INF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper og underbegrepsforklaringer Kombinerte påkrevde roller Undertrykking av begreper Ekvivalente stier og joinskranker Behandling
DetaljerDagens tema: Underbegreper og underbegrepsskranker Kombinerte totale roller Behandling av tid Informasjonsbærende representasjoner Ringskranker
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper og underbegrepsskranker Kombinerte totale roller Behandling av tid Informasjonsbærende representasjoner Ringskranker Institutt
DetaljerInformasjonsbærende representasjoner
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper Underbegrepsskranker Kombinerte totale roller Ekvivalente stier og joinskranker Behandling av tid Informasjonsbærende
DetaljerUNIVERSITETET I OSLO INF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper Underbegrepsskranker Kombinerte totale roller Ekvivalente stier og joinskranker Behandling av tid Informasjonsbærende
DetaljerUNIVERSITETET I OSLO INF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper og underbegrepsskranker Kombinerte totale roller Ekvivalente stier og joinskranker Behandling av tid Informasjonsbærende
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Underbegreper Underbegrepsskranker Ekvivalente stier og joinskranker Behandling av tid Informasjonsbærende representasjoner INF1300
DetaljerFlere skranker i ORM Integritetsregler med «CHECK» i SQL
IN2090 Databaser og datamodellering Flere skranker i ORM Integritetsregler med «CHECK» i SQL Mathias Stang (mjstang@ifi.uio.no) 10. oktober 2018 1 Agenda Verdiskranker Mengdeskranker Ekstern påkrevd rolle
DetaljerNotater: INF1300. Veronika Heimsbakk 8. januar 2013
Notater: INF1300 Veronika Heimsbakk veronahe@student.matnat.uio.no 8. januar 2013 Innhold 1 ORM 3 1.1 Setningers aritet......................... 3 1.2 Faktatyper og broer i ORM................... 3 1.3
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Grunnbegrepene i ORM Sammenheng mellom ORM og vanlig språk Elementære setninger (fakta) Faktatyper og broer Entydighetsskranker og totale
DetaljerDagens tema: Ringskranker Informasjonsbærende representasjoner Behandling av tid Tommelfingerregler
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ringskranker Informasjonsbærende representasjoner Behandling av tid Tommelfingerregler Institutt for informatikk INF1300 21.09.2015
DetaljerDagens tema: Ringskranker Klisjéer (mønstre) Tommelfingerregler
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ringskranker Klisjéer (mønstre) Tommelfingerregler Institutt for informatikk INF1300 26.11.2011 michael@ifi.uio.no 1 Ringskranker INF1300
DetaljerUNIVERSITETET I OSLO INF1300. Dagens tema: Ringskranker. Tommelfingerregler. Institutt for informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ringskranker Klisjéer (mønstre) Tommelfingerregler Institutt for informatikk INF1300 19.10.2009 Ellen Munthe-Kaas 1 Ringskranker INF1300
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Grunnbegrepene i ORM Sammenheng mellom ORM og naturlig språk Elementære setninger (fakta) Faktatyper og broer Entydighetsskranker og
DetaljerRepetisjon: (nesten) alt du trenger å kunne om ORM og realisering
INF1300 Introduksjon til databaser Repetisjon: (nesten) alt du trenger å kunne om ORM og realisering Mathias Stang (mjstang@ifi.uio.no) 21. november 2016 Agenda Hensikten med ORM-modellering Hva er lov
DetaljerForelesning INF1300. Simen Buodd. Plenumstime 8. September 2015
Forelesning INF1300 Simen Buodd Plenumstime 8. September 2015 Agenda Gjennomgå Oblig 3 Realisere Oblig 3 Gjennomgå oppgave side 8 på ORM-slide 3 Gjennomgå oppgave side 33 på ORM-slide 33 Oppgaver med eksterne
DetaljerRepetisjon: (nesten) alt du trenger å kunne om ORM og realisering
INF1300 Introduksjon til databaser Repetisjon: (nesten) alt du trenger å kunne om ORM og realisering Mathias Stang (mjstang@ifi.uio.no) 21. november 2017 Agenda Hensikten med ORM-modellering Hva er lov
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Grunnbegrepene i ORM Sammenheng mellom ORM og vanlig språk Elementære setninger (fakta) Faktatyper og broer Entydighetsskranker og totale
DetaljerVegard Nossum. 21. oktober 2010
ORM, UML og DL-Lite A,id Vegard Nossum 21. oktober 2010 Plan Introduksjon til ORM-modellering Formalisering av ORM og UML Litt om kompleksitet ORM-modellering: Begreper og forekomster Begreper tegnes som
DetaljerIN2090 Databaser og datamodellering ORM 1
IN2090 Databaser og datamodellering ORM 1 Modellere for obliger og eksamen Digital eksamen, men modeller tegnes med penn og papir Det er like greit å tegne for hand også på obligene 2 Dagens tema: Grunnuttrykkene
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Grunnbegrepene i ORM Sammenheng mellom ORM og vanlig språk Elementære setninger (fakta) Faktatyper og broer Entydighetsskranker og totale
DetaljerDataorientert modellering
INF2120 Dataorientert modellering Ragnar Normann 9. mars 2005 INF2120 Prosjekt i modellering 1 Dataorientering og UML UML har som utgangspunkt et objektorientert syn på tilværelsen hvor oppførsel og samspill
DetaljerINF Introduksjon til databaser ORM I
INF1300 - Introduksjon til databaser ORM I Dagens tema: Grunnbegrepene i ORM Sammenheng mellom ORM og naturlig språk Elementære setninger (fakta) Faktatyper og broer Entydighetsskranker og påkrevde roller
DetaljerDagens tema: Relasjonsmodellen (funksjonelle avhengigheter og nøkler, integritetsregler) Realisering: Fra ORM til relasjoner
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Relasjonsmodellen (funksjonelle avhengigheter og nøkler, integritetsregler) Realisering: Fra ORM til relasjoner Institutt for informatikk
DetaljerRepetisjon: (nesten) alt du trenger å kunne om ORM og realisering
IN2090 Databaser og datamodellering Repetisjon: (nesten) alt du trenger å kunne om ORM og realisering Mathias Stang (mjstang@ifi.uio.no) 19. november 2018 Agenda Hensikten med ORM-modellering Hva er lov
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ekvivalente stier Behandling av tid Informasjonsbærende representasjoner INF1300-17.9.2007 Ellen Munthe-Kaas 1 Stier Dette er en sti
DetaljerDagens tema: Ekvivalente stier og joinskranker Ringskranker Informasjonsbærende representasjoner Behandling av tid
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ekvivalente stier og joinskranker Ringskranker Informasjonsbærende representasjoner Behandling av tid Tommelfingerregler ORM som analysemetode
DetaljerDatamodellering med ORM
Figur 5-1. Datamodellen dokumenterer vår oppfatning av virkeligheten Interesset Datamodellering med ORM registrering påvirkning jfr. Systemutvikling fra kjernen og ut, fra skallet og inn kapittel 6 Oppfatningen
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Data, databaser og databasehåndteringssystemer Data versus informasjon Beskrivelse av interesseområdet Begreper og representasjon av
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Informasjonsbærende referansemåter Resten av realiseringsalgoritmen Sterk realisering Realisering versus modellering INF1300-31.10.2016
DetaljerDataorientert modellering
INF2120 Dataorientert modellering Ragnar Normann 1. mars 2006 INF2120 Prosjekt i modellering 1 Dataorientering og UML UML har som utgangspunkt et objektorientert syn på tilværelsen hvor oppførsel og samspill
Detaljer*UXSSHULQJ IRU JUDXWVNDOOHU (QYLVXHOOJXLGHJMHQQRPQRHQ DY1,$0JUXSSHULQJHQV XQGHUIXQGLJKHWHU
*UXSSHULQJ IRU JUDXWVNDOOHU (QYLVXHOOJXLGHJMHQQRPQRHQ DY1,$0JUXSSHULQJHQV XQGHUIXQGLJKHWHU Historikk (Ikke bruk tid på å lese dette, den nyttige informasjonen begynner på neste side...) Ideen til å lage
DetaljerSpråk for dataorientert modellering
Språk for dataorientert modellering Hva forvirrer studentene minst, ORM/NIAM eller UML-stereotyper? (Omkamp mellom «Rundinger» og «Firkanter») Ragnar Normann (med god støtte av Gerhard Skagestein) 1 Bakgrunn
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Relasjonsmodellen Funksjonelle avhengigheter og nøkler Realisering: Fra ORM til relasjoner Institutt for informatikk INF1300--15.9.2009--michael@ifi.uio.no
DetaljerRealiseringsalgoritmen fra ORM til relasjoner Intro til mengdeskranker i ORM
IN2090 Databaser og datamodellering Realiseringsalgoritmen fra ORM til relasjoner Intro til mengdeskranker i ORM Mathias Stang (mjstang@ifi.uio.no) 3. oktober 2018 1 Repetisjon: Relasjoner relasjonsskjema
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Normalformer Institutt for Informatikk INF3100-25.1.2016 Ellen Munthe-Kaas 1 Normalformer Normalformer er et uttrykk for hvor godt vi har lykkes i en dekomposisjon
DetaljerModellenes to formål. Datamodellering med UML (forts.) Ugrupperte og grupperte modeller. Figur 5-2. Ogdens trekant
Modellenes to formål Interesseområdet Dataering med UML (forts.) Beskrivelse jfr. Systemutvikling fra kjernen og ut, fra skallet og inn kapittel 5 Oppfatningen av interesseområdet Foreskrivelse Informasjonssystem
DetaljerINF4170 Logikk. Forelesning 12: Automatisk bevissøk IV matriser og koblingskalkyle. Bjarne Holen. Institutt for informatikk, Universitetet i Oslo
INF4170 Logikk Forelesning 12: matriser og koblingskalkyle Bjarne Holen Institutt for informatikk, Universitetet i Oslo 11. mai 2010 Dagens plan 1 Institutt for informatikk (UiO) INF4170 Logikk 11.05.2010
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Data, databaser og databasehånteringssystemer Data versus informasjon Beskrivelse av interesseområdet 100%-prinsippet og det begrepsmessige
DetaljerINF1300. Grunnbegrepene i ORM: fakta, begreper, roller, faktatyper, broer, entydighetsskranker, totale roller, funksjonelle avhengigheter
INF1300 Grunnbegrepene i ORM: fakta, begreper, roller, faktatyper, broer, entydighetsskranker, totale roller, funksjonelle avhengigheter Ogdens trekant begrep representasjon fenomen i UoD michael@ifi.uio.no
DetaljerModellenes to formål. Datamodellering med UML (forts.) Fra naturlig språk til datamodell. Figur 5-2. Ogdens trekant
Modellenes to formål Interesseområdet Dataering med UML (forts.) Beskrivelse jfr. Systemutvikling fra kjernen og ut, fra skallet og inn kapittel 6 Oppfatningen av interesseområdet Foreskrivelse Informasjonssystem
DetaljerDagens plan. INF3170 Logikk
INF3170 Logikk Dagens plan Forelesning 1: Introduksjon og mengdelære Christian Mahesh Hansen Institutt for informatikk, Universitetet i Oslo 1 Praktisk informasjon 2 Hva skal vi lære? 22. januar 2007 3
DetaljerKonvertering mellom tallsystemer
Konvertering mellom tallsystemer Hans Petter Taugbøl Kragset hpkragse@ifi.uio.no November 2014 1 Introduksjon Dette dokumentet er ment som en referanse for konvertering mellom det desimale, det binære,
DetaljerDagens tema. Den redundansfri datamodellen. Modellenes to formål. Den grunnleggende konstruksjonen det elementære utsagnet
Dagens tema Individer i interesseområdet Den redundansfri dataen Redundansfrihet ingen dobbeltlagringer eller avledninger Gruppering, normalisering eller intuisjon? Begrepsdannelse jfr. Systemutvikling
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Ringskranker Klisjéer Tommelfingerregler ORM og normalisering Denormalisering og splitting ORM som metode INF1300 7.11.2016 Ellen Munthe-Kaas
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO Dagens tema: INF1300 Introduksjon til databaser Relasjonsmodellen (funksjonelle avhengigheter og nøkler, integritetsregler) Institutt for informatikk INF1300 12.9.2016 1 Relasjonsmodellen
DetaljerDagens tema: Realiseringsalgoritmen (også kalt "grupperingsalgoritmen") fra ORM-diagram til relasjonsskjema
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Realiseringsalgoritmen (også kalt "grupperingsalgoritmen") fra ORM-diagram til relasjonsskjema Institutt for informatikk INF1300 15.9.2016
DetaljerINF1800 LOGIKK OG BEREGNBARHET
INF1800 LOGIKK OG BEREGNBARHET FORELESNING 3: MENGDELÆRE, RELASJONER, FUNKSJONER Roger Antonsen Institutt for informatikk Universitetet i Oslo 26. august 2008 (Sist oppdatert: 2008-09-05 12:55) Repetisjon
DetaljerRepetisjon INF1800 LOGIKK OG BEREGNBARHET FORELESNING 3: MENGDELÆRE, RELASJONER, FUNKSJONER. Mengder. Multimengder og tupler.
INF1800 LOGIKK OG BEREGNBARHET FORELESNING 3: MENGDELÆRE, RELASJONER, FUNKSJONER Roger Antonsen Repetisjon Institutt for informatikk Universitetet i Oslo 26. august 2008 (Sist oppdatert: 2008-09-05 12:55)
DetaljerIN2090 Introduksjon til databaser
UNIVERSITETET I OSLO IN2090 Introduksjon til databaser Dagens tema: Relasjonsmodellen (funksjonelle avhengigheter og nøkler, integritetsregler) Institutt for informatikk IN2090 26.9.2018!1 Relasjonsmodellen
DetaljerDagens plan. INF3170 Logikk. Mengder. Definisjon. Notasjon. Forelesning 0: Mengdelære, Induksjon. Martin Giese. 23. januar 2008.
INF3170 Logikk Dagens plan Forelesning 0:, Induksjon Martin Giese 1 Institutt for informatikk, Universitetet i Oslo 2 23. januar 2008 Institutt for informatikk (UiO) INF3170 Logikk 23.01.2008 2 / 47 1
DetaljerOppdateringsanomalier Normalformer
UNIVERSITETET I OSLO INF300 Introduksjon til databaser Dagens tema: Oppdateringsanomalier Normalformer Institutt for informatikk INF300 26.0.2009 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign?
DetaljerDagens plan. INF3170 Logikk. Redundans i LK-utledninger. Bevissøk med koblinger. Forelesning 13: Automatisk bevissøk IV matriser og koblingskalkyle
INF3170 Logikk Dagens plan Forelesning 13: matriser og koblingskalkyle Bjarne Holen 1 Institutt for informatikk, Universitetet i Oslo 7. mai 2007 Institutt for informatikk (UiO) INF3170 Logikk 07.05.2007
DetaljerDatamodellering med UML (forts.)
Datamodellering med UML (forts.) jfr. Systemutvikling fra kjernen og ut, fra skallet og inn kapittel 6 Institutt for informatikk Gerhard Skagestein 4. februar 2007 dmuml2- Modellenes to formål Interesseområdet
DetaljerINF1300 Introduksjon til databaser
INF1300 Introduksjon til databaser Data (transiente, persistente) DBMS databser informasjon interesseområdet informasjonsmodeller informasjonssystemer Transiente og persistente data Når vi programmerer,
DetaljerDagens plan INF3170 Logikk. Obliger og eksamen. Forelesning 1: Introduksjon, mengdelære og utsagnslogikk. Christian Mahesh Hansen og Roger Antonsen
Dagens plan INF3170 Logikk Forelesning 1: Introduksjon, mengdelære og utsagnslogikk Christian Mahesh Hansen og Roger Antonsen Institutt for informatikk, Universitetet i Oslo 1 Praktisk informasjon 2 23.
DetaljerUNIVERSITETET I OSLO. Det matematisk-naturvitenskapelige fakultet. INF1080 Logiske metoder for informatikk
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag:. desember Tid for eksamen:.. INF Logiske metoder for informatikk Oppgave Mengdelære ( poeng) La A = {,, {}}, B =
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF1300 Introduksjon til databaser Eksamensdag: 1. desember 2014 Tid for eksamen: 09.00 15.00 Oppgavesettet er på 5 sider. Vedlegg:
DetaljerINF1800 LOGIKK OG BEREGNBARHET
INF1800 LOGIKK OG BEREGNBARHET FORELESNING 2: MENGDELÆRE Roger Antonsen Institutt for informatikk Universitetet i Oslo 20. august 2008 (Sist oppdatert: 2008-09-03 12:36) Mengdelære Læreboken Det meste
DetaljerDiskret matematikk tirsdag 13. oktober 2015
Eksempler på praktisk bruk av modulo-regning. Tverrsum Tverrsummen til et heltall er summen av tallets sifre. a = 7358. Tverrsummen til a er lik 7 + 3 + 5 + 8 = 23. Setning. La sum(a) stå for tverrsummen
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF Logiske metoder for informatikk Eksamensdag:. desember Tid for eksamen:.. Oppgavesettet er på sider. Vedlegg: Ingen Tillatte
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Plenumsregning 8: Ukeoppgaver Mathias Barra Matematisk institutt, Universitetet i Oslo 6. mars 2009 (Sist oppdatert: 2009-03-06 19:11) Oppgave 5.9 La A = {a, b, c} og B = {p,
DetaljerR for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.
Repetisjon fra siste uke: Relasjoner En relasjon R på en mengde A er en delmengde av produktmengden A A. La R være en relasjon på en mengde A. R er refleksiv hvis R er symmetrisk hvis R er antisymmetrisk
DetaljerEt utsagn (eng: proposition) er en erklærende setning som enten er sann eller usann. Vi kaller det gjerne en påstand.
Utsagnslogikk. Et utsagn (eng: proposition) er en erklærende setning som enten er sann eller usann. Vi kaller det gjerne en påstand. Eksempler: Avgjør om følgende setninger er et utsagn, og i så fall;
DetaljerForelesning 25. MAT1030 Diskret Matematikk. Litt repetisjon. Litt repetisjon. Forelesning 25: Trær. Dag Normann
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo Forelesning 25 27. april 2010 (Sist oppdatert: 2010-04-27 14:16) MAT1030 Diskret Matematikk 27. april
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Flerverdiavhengigheter Høyere normalformer Institutt for Informatikk INF3100-26.1.2012 Ellen Munthe-Kaas 1 Flerverdiavhengigheter Flerverdiavhengigheter gir
DetaljerLØSNINGSFORSLAG UNIVERSITETET I OSLO. Det matematisk-naturvitenskapelige fakultet. Oppgave 1 Mengdelære (10 poeng)
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 9. desember 2010 Tid for eksamen: 09:00 13:00 INF1080 Logiske metoder for informatikk Oppgave 1 Mengdelære (10 poeng)
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 25: Trær Dag Normann Matematisk Institutt, Universitetet i Oslo 27. april 2010 (Sist oppdatert: 2010-04-27 14:15) Forelesning 25 MAT1030 Diskret Matematikk 27. april
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 11: Relasjoner Roger Antonsen Institutt for informatikk, Universitetet i Oslo 25. februar 2009 (Sist oppdatert: 2009-03-03 11:37) Kapittel 5: Relasjoner MAT1030 Diskret
DetaljerKapittel 5: Relasjoner
MAT1030 Diskret Matematikk Forelesning 11: Relasjoner Roger Antonsen Institutt for informatikk, Universitetet i Oslo Kapittel 5: Relasjoner 25. februar 2009 (Sist oppdatert: 2009-03-03 11:37) MAT1030 Diskret
DetaljerModellenes to formål. Datamodellering med UML (forts.) Ugrupperte og grupperte modeller. Figur 5-2. Ogdens trekant
Modellenes to formål Interesseområdet Dataering med UML (forts.) Beskrivelse jfr. Systemutvikling fra kjernen og ut, fra skallet og inn kapittel 5 Oppfatningen av interesseområdet Foreskrivelse Informasjonssystem
DetaljerR for alle a A. (, så er a, En relasjon R på en mengde A er en Ekvivalensrelasjon hvis den er refleksiv, symmetrisk og transitiv.
Repetisjon fra siste uke: Relasjoner En relasjon R på en mengde A er en delmengde av produktmengden A A. La R være en relasjon på en mengde A. R er refleksiv hvis R er symmetrisk hvis R er antisymmetrisk
DetaljerDagens tema: Oppdateringsanomalier Normalformer
UNIVERSITETET I OSLO INF300 Introduksjon til databaser Dagens tema: Oppdateringsanomalier Normalformer Institutt for informatikk INF300 08..0 michael@ifi.uio.no Hva kjennetegner god relasjonsdatabasedesign?
DetaljerBESLUTNINGER UNDER USIKKERHET
24. april 2002 Aanund Hylland: # BESLUTNINGER UNDER USIKKERHET Standard teori og kritikk av denne 1. Innledning En (individuell) beslutning under usikkerhet kan beskrives på følgende måte: Beslutningstakeren
DetaljerLøsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II
Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II 1. En fax-oppgave: a. Et ark med tekst og enkle strektegninger skal sendes pr digital fax over en modemlinje med kapasitet
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo 13. mai 2009 (Sist oppdatert: 2009-05-17 22:38) Forelesning 29: Kompleksitetsteori
DetaljerForelesning 29: Kompleksitetsteori
MAT1030 Diskret Matematikk Forelesning 29: Kompleksitetsteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Forelesning 29: Kompleksitetsteori 13. mai 2009 (Sist oppdatert: 2009-05-17
DetaljerKombinatorikk. MAT1030 Diskret Matematikk. Oppsummering av regneprinsipper
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo Kombinatorikk 14. april 2010 (Sist oppdatert: 2010-04-14 12:43) MAT1030 Diskret Matematikk 14.
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Dag Normann Matematisk Institutt, Universitetet i Oslo 14. april 2010 (Sist oppdatert: 2010-04-14 12:42) Kombinatorikk MAT1030 Diskret Matematikk 14.
DetaljerIN2090 Introduksjon til databaser
UNIVERSITETET I OSLO IN2090 Introduksjon til databaser Dagens tema: Data, databaser og databasehåndteringssystemer Hva er data? Hva er informasjon? Fra idé til informasjonssystem Litt om modellering: Begreper
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Informasjonssystemer 100%-prinsippet: Fra virkelighet til informasjonsmodell Forretningsregler, skranker og integritetsregler: Fra modell
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF300 Introduksjon til databaser Dagens tema: Oppdateringsanomalier Normalformer INF300 7.0.008 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign? Relasjonene samler
DetaljerIntroduksjon. MAT1030 Diskret Matematikk. Introduksjon. En graf. Forelesning 22: Grafteori. Roger Antonsen
MAT1030 Diskret Matematikk Forelesning 22: Grafteori Roger Antonsen Institutt for informatikk, Universitetet i Oslo Introduksjon 21. april 2009 (Sist oppdatert: 2009-04-21 15:13) MAT1030 Diskret Matematikk
DetaljerForelesning 14: Automatisk bevissøk IV matriser og koblingskalkyle Christian Mahesh Hansen mai 2006
Forelesning 14: Automatisk bevissøk IV matriser og koblingskalkyle Christian Mahesh Hansen - 22. mai 2006 1 Automatisk bevissøk IV 1.1 Introduksjon Bevissøk med koblinger Vi har til nå sett på forskjellige
DetaljerMAT1030 Diskret Matematikk
MAT1030 Diskret Matematikk Forelesning 21: Mer kombinatorikk Roger Antonsen Institutt for informatikk, Universitetet i Oslo 15. april 2009 (Sist oppdatert: 2009-04-15 00:05) Kapittel 9: Mer kombinatorikk
DetaljerRepetisjon og mer motivasjon. MAT1030 Diskret matematikk. Repetisjon og mer motivasjon
Repetisjon og mer motivasjon MAT030 Diskret matematikk Forelesning 22: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 4. april 2008 Først litt repetisjon En graf består av noder og
DetaljerAvsnitt 6.1 Opptelling forts.
Avsnitt 6.1 Opptelling forts. Sumregelen. Anta at en oppgave kan løses ved hjelp av kun en av to teknikker. Oppgaven kan løses på m måter ved hjelp av første teknikk og n måter ved hjelp av andre teknikk.
DetaljerUNIVERSITETET I OSLO. Relasjonsmodellen. Relasjoner og funksjonelle avhengigheter. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO Relasjonsmodellen Relasjoner og funksjonelle avhengigheter Institutt for Informatikk INF3100-23.1.2007 Ellen Munthe-Kaas 1 Relasjonsdatabasemodellen Datamodell Mengde av begreper for
DetaljerIntroduksjon. MAT1030 Diskret matematikk. Søkealgoritmer for grafer. En graf
Introduksjon MAT13 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 28 Vi skal nå over til kapittel 1 & grafteori. Grafer fins overalt rundt
DetaljerMAT1030 Diskret matematikk
MAT1030 Diskret matematikk Forelesning 21: Grafteori Roger Antonsen Matematisk Institutt, Universitetet i Oslo 9. april 2008 Introduksjon Vi skal nå over til kapittel 10 & grafteori. Grafer fins overalt
DetaljerKorteste vei i en vektet graf uten negative kanter
Dagens plan: IN - Algoritmer og datastrukturer HØSTEN 7 Institutt for informatikk, Universitetet i Oslo IN, forelesning 7: Grafer II Korteste vei, en-til-alle, for: Vektet rettet graf uten negative kanter
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Oppdateringsanomalier Dekomponering Normalformer Institutt for Informatikk INF300-9..007 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign? Beslektet
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Funksjonelle avhengigheter Oppdateringsanomalier Dekomponering Institutt for Informatikk INF300-6..00 Ellen Munthe-Kaas Definisjon av nøkler Gitt et relasjonsskjema
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF1080 Logiske metoder for informatikk Eksamensdag: 27. november 2012 Tid for eksamen: 13:00 16:00 Oppgave 1 Mengdelære (15 poeng)
DetaljerRelasjonsdatabasedesign
UNIVERSITETET IOSLO Relasjonsdatabasedesign Flerverdiavhengigheter Høyere normalformer Institutt for Informatikk INF3100-1.2.2011 Ellen Munthe-Kaas 1 Flerverdiavhengigheter Generalisering av FDer Flerverdiavhengigheter
Detaljer