Adatbázis tervezése (Database Design II.)

Mehr dazu

FÉMEK

von Szűcs Tibor

Építőanyagok-Fa

von Baglé Dávid

Szőke Mónika

von Szőke Mónika

Kozák Kitti

von Kozák Kitti

Vállalatok, cégek

Adatbányászat

Olyan elemző eszközök és technológiák, amelyek lehetővé teszik a felhasználó számára fontos, új információk meghatározását az adatbázisok, illetve adattárházak adataiból.

Az adatbányászat célja az, hogy miként lehet nagy

adatbázisokban

• rejtett tudást,

• új összefüggéseket,

• eddig nem ismert szabályokat,

• nem várt mintákat felfedezni.

Forrás: Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Adatforrások

Az adattárházba különböző forrásokból, tranzakciós adatbázisokból,

különféle adatfájlokból, esetenként közvetlen inputból kerülnek be az adatok. Ugyancsak innen kerülnek be az adatok értelmezésére szolgáló adatleírások, az úgynevezett metaadatok is.

Forrás:

Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Független adatpiacok

Egy olyan adattár, mely egy lokális, jól körülhatárolt témájú, meghatározott felhasználói csoport részére konkrét feladatot lát el.

Forrás:

https://www.academia.edu/7922006/Adatb%C3%A1ny%C3%A1szat_a_hat%C3%A9konys%C3%A1g_eszk%C3%B6ze

Külső adatforrás

A vállalathoz közvetlenül nem kötődő adatokat jelenítenek

meg, mint az időjárási vagy gazdasági információk.

Forrás: https://www.academia.edu/7922006/Adatb%C3%A1ny%C3%A1szat_a_hat%C3%A9konys%C3%A1g_eszk%C3%B6ze

ETL (extract, transform and load)

Az ETL fő folyamatai:

• az adatok kinyerése az operatív rendszerekből;
• az adatok transzformálása (különböző adatformátumok, nyelvek, stb.);
• az adatok tisztítása, minőségének ellenőrzése, előösszegzése

továbbá

• indexek eldobása majd újraépítése
• materalizált nézetek frissítése
• statisztikák kiszámítása

Ezeket követően az adatok adattárházba való betöltése jön.

 A végfelhasználók nem érik el a legfrissebb adatokat, csak azokat, amik már bekerültek az adattárházba. Jellemzően nem online adatokat tartalmaz, hanem "tegnapi" adatokat.

Jellemzően éjszaka történik ezzel optimalizálva a rendszer erőforrások terhelését.

Forrás: előadás

https://dea.lib.unideb.hu/dea/bitstream/handle/2437/85131/IntelligensAdatt%E1rh%E1zak.pdf;jsessionid=DFD42DA9879CA67006B0C48588C92F6C?sequence=1

Összehasonlítás

Adatpiacok(Data Mart)

Az egyszerűbb és gyorsabb használhatóság érdekében a rengeteg adatot tartalmazó adattárházakból gyakran redundánsan duplikálnak olyan részeket, melyek kizárólag egyes alkalmazási területek információs igényeit elégítik ki, ezeket nevezzük adatpiacnak.

Az adatpiacok már az adattárházból kapják az adatokat, de olyan szerkezetben, összetételben, hogy az optimálisan megfeleljen az adott részterület (pl. eladás, beszerzés) feldolgozási igényeinek.

Forrás: Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Adminisztrációt végző alkalmazottak

Dimenzionális

Az adattár tervezésének egy speciális adatmodellje, ahol a ténytáblákban rögzítjük a mérőszámokat, dimenziótáblákban a mérőszámok különböző csoportosításait (dimenzióit), és rögzítjük a ténytáblák és dimenziótáblák összefüggéseit.

Forrás: http://www.tankonyvtar.hu/en/tartalom/tkt/avir-kezikonyv-avir/go01.html

Hópehely

A dimenziókon belüli hierarchiát is beépíthetjük a modellbe. Az így kibővített ábrázolási módot hívjuk hópehely (Snowflake) modellnek.

Forrás: Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Csillag

Középpontjában áll a minden elemi adatot és azok kereshető összegzéseit, származtatott adatait tartalmazó ténytáblázat (Fact table). A tény-táblázat normalizált.

A központi ténytáblázathoz kapcsolódnak idegen kulccsal a dimenziók (dimension), melyek a különböző lekérdezési szempontokat írják le. Ezek nem normalizált táblázatok.

Grafikusan ábrázolva a ténytáblázatot és az azt körbevevő dimenziókat egy csillagszerű alakzat rajzolódik ki.

Könnyen kiterjeszthető, bővíthető, hatékony adatbázistervet szolgáltat ez a modell.

Forrás: előadás

Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Learning séma

Az 1NF és 2NF teljesül ebben a sémában, viszont vannak benne tranzitív függőségek.

Hibák, észrevételek

1.Az Orders relációban lévő Total_Amount attribútum nem triviális, hogy teljes funkcionális függőségben van az elsődleges kulccsal.

2. A Customer relációban két hibát vélhetünk felfedezni.

• Az Adress attribútuma nem triviálisan atomi.
• Van olyan alternatív(nem elsődleges) kulcsa (Adress) amitől más oszlopok (City) funkcionálisan függnek.

Megoldás II.

A Customer táblában lévő hibák megoldási javaslataként létre lehetne hozni egy City táblát, a mellékelt ábrán látható módon.

Megoldás I.

Ki lehetne egészíteni a Learning sémát egy Product és Order_Item relációval, így már biztosan teljesülne a 3NF.

PRODUCT(product_ID, product_name, ...,)

ORDERS(order_ID, date_ordered, ...,)

ORDER_ITEM(product_ID, order_ID, total_amount, one_price)

Adatmodell létrehozása

Meg kell állapítani:

• modell egyedtípusait, entitásait.
• az egyedtípusok tulajdonságait, attribútumait.
• a különböző egyedtípusok között milyen kapcsolatok állnak fenn.

Forrás: 5. előadás

Adatbázis létrehozása

5. Táblák létrehozása a normalizált relációk alapján

4. Az egyes entitások legfontosabb tulajdonságainak meghatározása

Az adattípus, hossz, alapértelmezés, korlátozó

feltételek részletes meghatározása.

Forrás:

Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

3. Normalizálás

A relációk magasabb fokú normál formába történő átalakítása.

Forrás: gyakorlat

2. Elsődleges és idegen kulcsok meghatározása

A relációk közötti kapcsolatok biztosítása miatt definiáljuk az idegen kulcsokat.

Forrás: gyakorlati óra jegyzet

1. E-R diagram megtervezése

A szükséges adatok kiválasztása után, meghatározzuk az entitásokat, az entitások tulajdonságait meg a közöttük lévő kapcsolatokat. A több-több kapcsolatokat felbontjuk újabb relációk segítségével. A relációk legalább első normál formában való definiálása (ez szinte magától értetődő)

Forrás: gyakorlat jegyzet

Quittner Pál, Baksa-Haskó Gabriella :ADATBÁZISOK, ADATBÁZIS-KEZELŐ RENDSZEREK

Debrecen, 2007.

Eszközök

Példák

Oracle: SQL Developer Data Modeller, Oracle9i Designer

SAP: PowerDesigner

Microsoft: SQL Server Management Studio

Forrás: előadás

https://en.wikipedia.org/wiki/Comparison_of_data_modeling_tools

Funkciók

• Adatmodellek grafikus ábráinak elkészítése, karbantartása
• Nem grafikus információk rögzítése
• Adatmodellből fizikai adatbázisterv generálása
• Szabványok alkalmazása
• Dokumentáció

Forrás: előadás

Adatelemzők/adatbányászok

Adatmodellezés (Data modeling)

Az adatmodellezés egy módszer, mellyel meghatározzuk, mi kerüljön be az adatbázisba. Segíti megérteni az adatok szerkezetét. Célja, hogy olyan adatmodellt hozzunk létre, amely a megoldandó feladat szempontjából valósághűen, egyértelműen, a szükséges adatok tárolásával ábrázolja a valós világ adatait és kapcsolatait.

Forrás: előadás

https://en.wikipedia.org/wiki/Data_modeling

"Összeférhetetlenség"

Üzleti szempontból az lenne hasznos (olcsó és praktikus), ha ugyanaz az adatbázis szolgálná ki az OLTP és adattárház jellegű igényeket.

Megvalósítás problémái:

• Sok egyidejű kicsiny tranzakció ellehetetleníti a nagy lekérdezéseket
• OLTP és adattárház is más adatmodellt igényel

(normalizált vs. csillag-séma)

• Indexelés is másképp működik a két rendszerben
• Adattárházban nem probléma a konzisztencia, az OLTP-ben igen

Az ORACLE kísérletet tett ennek a kettő rendszernek a sikeres kombinációjára(Oracle Database InMemory Option), de még nem terjedt el. ( http://3.bp.blogspot.com/-Ees_h094u4w/VC8T1BLTCOI/AAAAAAAAHIk/LCwOlS_aZfg/s1600/Dual+Purpose+in+memory.PNG)

Forrás: előadás

Adatmodell

OLTP-re jellemző adatmodell: A legelterjedtebb módszer a tárolandó objektumok leírására az Egyed/Kapcsolat diagramm (Entity/Relationship Diagram) ami aztán könnyen transzponálható az adatbázis relációs adatmodelljébe.

Normalizáltság: 1NF, 2NF, 3NF betartása kötelező ezekben a rendszerekben a módosítási, törlési és beszúrási anomáliák miatt.

A tervezés során már normalizált adatszerkezetben gondolkodunk. A jobb teljesítmény érdekében néha szelektíven denormalizálunk.

Olyan adatmodellt választunk, amely hűen tükrözi a „világ azon darabkájáról” alkotott fogalmainkat.

Forrás: előadás

http://scs.web.elte.hu/Work/DW/adattarhazak.htm#5

OLAP

 On Line Analitical Processing, az online analitikai feldolgozás. A kilencvenes évek elején erősödött fel az igény az elemző, analitikai alkalmazások iránt, és ezzel együtt egy egységes módszertan és követelményrendszer felállítására.

Fő célja az adatkinyerés.

Forrás: http://scs.web.elte.hu/Work/DW/adattarhazak.htm#5

Orientáció

Felhasználás jellege.

Az adatmodell nagyban függ attól, hogy milyen célokat szolgál az adatbázis.

Az előadáson két adatbázis típust ismertünk meg ezek alapján:

• online tranzakció feldolgozó rendszer
• adattárház (lekérdezés, elemzés végrehajtása részben tranzakciós adatokból nyert hisztorikus adatok feldolgozása)

Emlékeztető:

Tranzakció:  Több SQL-utasítás egy csoportja, amelyeket egymás után egy egységként kell végrehajtani. Annak biztosítása, hogy akár több tranzakció egyidejű végrehajtása helyesen fusson le, a tranzakció-kezelő feladata. DML utasítások (INSERT, UPDATE, DELETE) sorozata, mely kétféleképpen zárható le: vagy a COMMIT, vagy pedig ROLLBACK utasítással.

Forrás: előadás

http://www.agt.bme.hu/szakm/adatb/db6.htm

http://centroszet.hu/tananyag/adatb_sql%20NEW/32_tranzakcik.html

http://www.agt.bme.hu/szakm/adatb/db6.htm

OLTP

• A hagyományos online adatbázis-rendszerek fő feladata az online tranzakciók és lekérdezések megvalósítása. Ezeket a rendszereket online tranzakció feldolgozó (OLTP, on-line transaction processing) rendszereknek nevezzük. Ide sorolhatók pl. a raktárnyilvántartások, szállítási nyilvántartások, könyvtár kölcsönzési adatbázisa, számlanyilvántartó rendszerek, filmkatalógusok és így tovább.
• Központi fogalmuk a tranzakció végrehajtás, a következő értelemben: az adatbázis objektumainak állapotát a felhasználók konkurens módon végrehajtott és egyenkénti, kis tranzakciók gyakori végrehajtásával módosítják és kérdezik le.
• Rengeteg SQL utasítás

Forrás: előadás

https://www.researchgate.net/profile/Janos_Abonyi/publication/264441999_Adatbanyaszat_a_hatekonysag_eszkoze/links/53df9baa0cf27a7b83068f52.pdf?inViewer=0&pdfJsDownload=0&origin=publication_detail

Gondoljunk egy olyan alkalmazásra melyben egy vállalati vezetés számára kell különböző mélységű és különböző tartalmú jelentéseket készíteni a vállalat eddigi teljesítményére, tevékenységére vonatkozóan. 

A következő problémák merülhetnek fel:

• A lekérdezések tartalma gyakran változhat ezért fontos lenne, hogy a felhasználó is meg tudjon fogalmazni a gép által érthető módon kérdéseket de mivel a lekérdező felületük a relációs algebrán alapszik erre nem alkalmas.
• A normalizált adattárolás következtében az egyes összekapcsolódó információ elemek szétdaraboltan, több különböző táblázatba szétosztva helyezkednek el

Forrás: http://www.tankonyvtar.hu/hu/tartalom/tamop425/0049_29_adatmodellezesi_es_adatkezelesi_technikak/3339/index.scorml



Előnyei:

• Hatékony adatkezelés. Nagy adatmennyiség esetében is gyors végrehajtás
• Biztosított integritási elvek betartása
• Rugalmas tervezési és kezelési felület

Forrás:

http://www.tankonyvtar.hu/hu/tartalom/tamop425/0049_29_adatmodellezesi_es_adatkezelesi_technikak/3339/index.scorml

OLTP rendszerek legfontosabb tulajdonságai:

1. Az adatkezelés adatmódosítás orientált
2. Az adatbázis a modellezett rendszer aktuális állapotát tartalmazza. Egy helyjegyfoglaló rendszer esetében például az éppen foglalt és szabad helyeket tartalmazza az információs rendszer adatbázisa.
3. Nagy a konkurencia. Például egy banki információs rendszer esetében több ügyfél is vehet ki pénzt párhuzamosan a különböző banki automatáknál.
4. Lényeges az adatrendszer konzisztenciájának megőrzése
5. Az adatok normalizáltan kerülnek letárolásra. Ez azt jelenti, hogy az adatbázis megtervezése során az egymástól függetlennek tekinthető adatelemek külön táblázatba kerülnek.

Forrás: http://www.tankonyvtar.hu/hu/tartalom/tamop425/0049_29_adatmodellezesi_es_adatkezelesi_technikak/3339/index.scorml

Adattárház

Különböző tranzakciós adatokból származtatott adatokat tárol egységes formában időbeli változásuk és felhasználási területük szerint csoportosítva.

„Az adattárház egy témaorientált, integrált, történeti, nem változó adatgyűjtemény, amelyet elsősorban a döntéshozatalban használnak” (W.H. Inmon).

1. Adatkinyerés a tranzakciós (vagy más vállalat-működtetési) rendszerekből
2. A kinyert adatok átformálása riport (beszámoló) készítés számára
3. A riportok, beszámolók elérhetővé tétele a döntéshozók számára.

Az adattárházat egészen kis mérettől kifizetődő építeni (kisebb adattárház kisebb költségbe is kerül). Elkészítését az iparág határozza meg leginkább, azonban egy 50-100 fős cégnél már előnyökkel járhat.

Forrás: előadás

 http://www.uni-corvinus.hu/index.php?id=41618&type=p&file_id=542

https://nws.niif.hu/ncd2002/docs/ehu/84/

.

Hátrány

1. Nagy adattárházak esetén a problémát a megfelelő teljesítmény nyújtása adja. Nem ritka, hogy az adattárházban található adatbázisok összmérete több 10 terabájtos értéket érnek el
2. Operatív döntéshozatalra nem célszerű, mert az elemzések hosszú ideig is elhúzódhatnak
3. Rendkívüli erőforrásigénye miatt csak nehezen és költségesen valósítható meg

Forrás:

http://docplayer.hu/208310-Az-adatta-rha-z-technolo-gia-elo-nyei-e-s-ha-tra-nyai-gyakorlati-szempontok-figyelembe-ve-tele-vel.html

Előny

1. Jó lehetőséget biztosít a vállalatnak arra, hogy a meglévő adathalmazt elemezve segítse a döntéshozatalai folyamatokat
2. Jó alapot biztosít az üzleti intelligencia(BI) megoldásokhoz, mivel biztosítja számukra a jó minőségű adatokat
3. Támogatja az adatelemzést ezáltal a vállalat hatékony tudásra tehet szert, ami jobbá teheti a későbbi működést

Forrás: http://docplayer.hu/208310-Az-adatta-rha-z-technolo-gia-elo-nyei-e-s-ha-tra-nyai-gyakorlati-szempontok-figyelembe-ve-tele-vel.html

Tulajdonságok

Tárgyorientált: Cél hogy segítsen az adatok elemzésében. Témakörök, felhasználók (pl. beszerzés, eladás, árukészlet,) szerint orientált.

Integrált: Különböző forrásból származó adatokat egységes formába kell transzformálnia.

Nem illékony: Amelyik adat egyszer bekerült az adattárházba, azok a továbbiakban nem fognak változni. Ez logikus, hiszen az adattárház célja, hogy lehetővé tegye számunkra, hogy az adatok elemzésével következtessünk múltbéli történésekre

Időben változó: Annak érdekében, hogy trendeket fedezhessenek fel, az elemzőknek nagy mennyiségű adatra van szükségük. Ez teljesen ellentétes az online tranzakció feldolgozó rendszerekkel (OLTP), ahol a teljesítmény megköveteli azt az igényt, hogy a hisztorikus adatokat archiváljuk.

Forrás:

https://dea.lib.unideb.hu/dea/bitstream/handle/2437/85131/IntelligensAdatt%E1rh%E1zak.pdf;jsessionid=DFD42DA9879CA67006B0C48588C92F6C?sequence=1

Adatbázis tervezése (Database Design II.)

Logikai adatbázis

Emlékeztető: Ez nem más, mint a való világ egy darabjának leképezése, egy sajátos modell, ahogyan az adatbázis tükrözi a valóság egy részét. A fogalmi adatbázis van szorosabb kapcsolatban azzal, ahogyan az adatokat értelmezni kell.

(Lásd: előző előadás)

Fizikai adatbázis

A fizikai adatbázis tervezés a fizikai adatbázis struktúra felépítésére fekteti a hangsúlyt, beleértve az adatbázis környezet beállítását valamint a megfelelő biztonságnyújtást.

A fizikai adatbázisról és tervezéséről a következő előadáson lesz szó.

Forrás: https://dea.lib.unideb.hu/dea/bitstream/handle/2437/85131/IntelligensAdatt%E1rh%E1zak.pdf;jsessionid=DFD42DA9879CA67006B0C48588C92F6C?sequence=1