Kap 04 Datamodellering. Datamodellering -Et språk for å analysere og beskrive virkeligheten. -En metode for å beskrive naturlige sammenhenger i data som.

Slides:



Advertisements
Liknende presentasjoner
Ebus Management Center En liten bruksanvisning for de enkleste funksjonene.
Advertisements

SuperOffice - Visma Global ERP link - Tilbud/Ordre SuperOffice - Visma Global integrasjonen består av 3 produkter. ERP link SuperOffice - Visma Global.
Høgskolen i Sør-Trøndelag, Avdeling for informatikk og e-læring
LC238D Datamodellering og databaser Else Lervik, september 2012 Forelesning 6, Uke 39 Objektorientering i ER-modeller.
Leksjon 3 - mekanikk - s. 79– 95 Konstruksjoner i likevekt - grafisk analyse
Kap 02 Relasjonsdatabaser
Høgskolen i Oslo Webprogrammering SQL og databaser del 3.
Introduksjon til objektorientert programmering i PHP
Normalisering Formell teori for å forbedre relasjonsskjema design, unngå redundans. 2 hovedretninger : Syntese og Dekomposisjon Basert på funksjonelle.
Målinger generelt •I et moderne samfunn brukes målinger i mange ulike sammenhenger •Eksempler: –Sammenligne priser, lønninger –Høyde: størrelse på klær.
Velkommen til NorgesCup i Vannhopp, Vågen - Stavanger 6-7 Juli 2012.
Kap. 3 - Likevekt Statisk likevekt Grafisk Analytisk.
Databaseteori.
1 Kap 04 Datamodellering. 2 Datamodellering -Et språk for å analysere og beskrive virkeligheten. -En metode for å beskrive naturlige sammenhenger i data.
Normalformer – avleggs?
Prototyping & Use Case Software Engineering Gruppe
Tips og triks Strukturering av større applikasjoner Automatiserte tester. Kristian Johannessen
Databasehåndtering med MySQL
Geometri Konstruksjonens form (utseende)
Eksempel AOA (Activity On Arc)
Datavarehus i skatteetaten -
Oppgave gjennomgang Kap. 3 og 4.
Normalisering Framstillingen avviker noe fra læreboka,
Se ellers læreboka, kap , side
LC238D Datamodellering og databaser Else Lervik, september 2012 Forelesning 6, Uke 39 Objektorientering i ER-modeller.
Siste forelesning ER/EER-modellering
Prosjekt 56E - Videreutvikling av Intranett hos Riis Bilglass AS
In 135 Datamodellering og databaser Introduksjon, Enkeltentiteten, Informasjon Ola Bø.
Om øvelse 9 Vedlikehold av data Databaser. Øvelse 9 I øvelse 8 så vi på: –Registrering av informasjon om hjelpere To små utvidelser av øvelse 8: –Endring.
LC238D Datamodellering og databaser Else Lervik, september 2011 Forelesning 6, Uke 38 Objektorientering i ER-modeller.
1 Kap 02 Relasjonsdatabaser. Data-organisering - Manuelt Ansatte Pasienter Utstyr Økonomi Avdelinger RøntgenOnkologisk.
Del- operator Egenskaper. Del-operator Definisjon Notasjon Del-operator.
1 Kap 05 Modellator Datamodelleringsverktøy. Modellator - Enkelt eksempel EntitetRelasjon.
Kap. 3 - Likevekt Statisk likevekt Grafisk Analytisk.
Oppgaver 1)Vi anser hvert av de seks utfallene på en terning for å være like sannsynlig og at to ulike terningkast er uavhengige. a)Hva er sannsynligheten.
Kap 02 Tabeller / Tabelloperasjoner. Enkeltvariable Les inn nedbørmengde for årets 12 måneder: Les n1 Les n2 … Les n12 n1 n2 n12.
Hvordan uttrykke krav Kapittel 4.4. Innledning Målet er å samles rundt ett entydig språk som ikke kan misforståes eller feiltolkes. Gjør sporbarheten.
Presentasjon av ROS PP Trykk pil for neste bilde.
PowerPoint laget av Bendik S. Søvegjarto Konsept, tekst og regler av Skage Hansen.
PowerPoint laget av Bendik S. Søvegjarto Konsept, tekst og regler av Skage Hansen.
1. Bjørn Olav Raasok Født: Posisjon: Keeper Høyde: 193
1. Ole Andre Lerang Født: Posisjon: Målvakt Høyde: 199
1. Guro Rundbråten Født: Posisjon: Målvakt Høyde:
ER-modellen, notasjon ENTITETS- Attributter TYPE Relasjon
Eksempel på SQL ”SQL-setninger” har en struktur som likner på ”naturlig språk”, med ”verb, subjekter og adjektiver”. SQL-setningene begynner alltid med.
DATABASE: Oppgave 2 et medlemsregister for en idrettsklubb med flere idrettsgrener (fotball, håndball, osv). klubben ønsker å lagre informasjon om medlemmenes.
Forskningsrapporten: Sjekkliste (empirisk rapport)
Introduksjon I126 Databaser og datamodellering Høsten 2000 Institutt for informatikk Universitet i Bergen.
Hopp til første side Konseptuell Skjema Design Prosedyre (KSDP) 1. Omform kjente dataeksempler til grunnleggende fakta, og anvend kvalitetskontroller.
Konfigurasjonsstyring Configuration Management
LIKEVEKT x y F1 > F2 F2 F1 Institutt for maskin- og marinfag.
Linq To SQL Fagdag 20. November DataContext  DataContexten er mappingen mot databasen –Generer objekter for alle entiteter (tabeller), med properties.
Diskrete stokastiske variable
Skjemaendringer i systemer bestående av XML-data i relasjonsdatabaser Høgskolen i Gjøvik Master i Medieteknikk, Marianne Brattrud.
Ballens spretthøyde En ball er rund, og de aller fleste ballene spretter. Hvor høyt den spretter avhenger av dens vekt, størrelse og hvordan den er laget.
Se ellers læreboka, kap , side
1 Mathias Kolstad Holm Født: Posisjon: Målvakt Høyde: 191.
NOEA/IT FEN - Databaser/modellering 1 Datamodellering Hvorfor? E/R-modellen Begreber Fremgangsmåde Diagrammering.
Objektorientert utforming In 140 Sommerville kap. 12.
Ortering Mål: Se på forskjellige måter for sortering.
Mål: Sortere materialer i klasser ut fra lengde.
Leksjon 3 - mekanikk - s. 79– 95 Konstruksjoner i likevekt - grafisk analyse Opplagring av konstruksjoner Fritt opplagret (fastlager) FAx y x FAy.
Objektorientert utforming In 140 Forelesning Nr 11 Sommerville kap 12 – del 1.
Bompasseringer Mål: Slå sammen data om bompasseringer fra mange bomselskap. Sende ut en samlefaktura til hver bileier.
1 Utvikling av kritiske systemer Kort sammendrag Kap. 1 og 2.
Objektorientert design In 140 Sommerville kap 12 – del 1.
A2A / A2B M1 årskurs 4. november 2009
Bompasseringer Mål: Slå sammen data om bompasseringer fra mange bomselskap. Sende ut en samlefaktura til hver bileier.
INF1300 Introduksjon til databaser
Utskrift av presentasjonen:

Kap 04 Datamodellering

Datamodellering -Et språk for å analysere og beskrive virkeligheten. -En metode for å beskrive naturlige sammenhenger i data som skal benyttes i et informasjons-system.

Objekt ä Et Objekt er en gjenstand eller et begrep som er entydig identifiserbar. Eks:En Bil er et objekt. Denne bilen kan vi identifisere eller gjenkjenne ved identifikasjonen bilnummer siden biler har ulikt bilnummer. Vi sier at ID = bilnummer En Person er et objekt. Personen kan vi identifisere ved hjelp av navn hvis den gruppe personer vi betrakter er slik at ingen har samme navn. Eller vi kan sette ID = fødselsnummer siden dette er unikt. En Vare (eller produkt) er et objekt. ID kan være et varenummer. En Avdeling kan vi betrakte som et objekt. ID kan være avdelingsnummer. Et Tidspunkt kan vi betrakte som et objekt. Her kan vi sette ID = Dato + Klokkeslett.

Attributt ä Attributt :Med Attributt mener vi en egenskap knyttet til et objekt. Eks:Attributter (egenskaper) knyttet til en Bil kan være: Farge, Vekt, Pris, Årsmodell,... Attributter knyttet til en Person kan være: Alder, Høyde, Vekt, Yrke,... Attributter knyttet til Avdeling kan være: Avdelingsnavn, Salgsbudsjett, Etasje,...

Verdi ä Med Verdi mener vi verdier som et attributt kan anta. Eks:Attributtet Farge kan anta verdiene: Rød, Blå, Grønn,... Attriubuttet Yrke kan anta verdiene: Fisker, Lege, Snekker,... Attributtet Høyde kan anta verdiene: 180 cm, 150 cm,...

Entitet ä Med en Entitet mener vi et objekt tilknyttet dets attributter og verdier.

Objekt / Attributt / Verdi / Entitet Objekt Attributt Verdi Entitet Verdi En gjenstand eller et begrep som er entydig identifiserbar En gjenstand eller et begrep som er entydig identifiserbar Egenskap knyttet til et objekt Egenskap knyttet til et objekt Verdien til et attributt Et objekt tilknyttet dets attributter og verdier Et objekt tilknyttet dets attributter og verdier Bil ID = BilNr Farge Rød PC 12345Rød BegrepFigurDefinisjonEks

Relasjoner( Sammenhenger ) Nils PC23718 EierEies av

Relasjoner PersonBil EierEies av EierEies av PersonBil Objekter Entiteter

Relasjoner 11 1n nm En-til-en1:1 En-til-mange1:n Mange-til-mangen:m

1:n relasjon 1n Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen Olsen Nilsen PC23718 PN11900 DA30980 PN12000 PC10550

1:n relasjon 1n Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen Olsen Nilsen PC23718 PN11900 PC23718 PN12000 PC10550 Galt: Samme bilnummer forekommer flere ganger

1:n relasjon n1 Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen PC23718 PN11900 PC23718

1:n relasjon n1 Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Nilsen PC23718 PN11900 PN12000 Galt: Samme navn forekommer flere ganger

n:m relasjon nm Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen Olsen Nilsen Knutsen PC23718 PN11900 DA30980 PN12000 PC10550 PN11900

n:m relasjon nm Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen Olsen Nilsen Knutsen PC23718 PN11900 DA30980 PN12000 PC23718 PN11900 Galt: Samme kombinasjon av navn og bilnummer forekommer flere ganger

1:1 relasjon 11 Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Andersen Knutsen PC23718 PN11900 DA30980 LH20000

1:1 relasjon 11 Person (Navn) Bil (BilNr) BilNrNavn Nilsen Olsen Nilsen Knutsen PC23718 PN11900 DA30980 PN11900 Galt: Samme bilnummer forekommer flere ganger Galt: Samme navn forekommer flere ganger

Relasjoner 1:1 1:n n:m

Objektering av relasjoner Person (Navn) Bil (BilNr) BilNrNavn Ved en mange-til-mange-relasjon ( n:m ) mellom to objekter lager vi et nytt objekt av relasjonen. ID i det nye objektet vil være samlingen av ID-ene fra de to opprinnelige objektene. Dette nye objektet vil seinere gi opphav til en ny entitet og en ny tabell i relasjons-databasen.

n:m relasjon Eksempel Nilsen Storgt 3 Olsen Havnegt 7 Hansen Ekornv 8 Knutsen Tiurv 9 PC Ford PC Volvo PC Renault PC Saab PC Ford PC Ford PC Toyota Person Bil BilEier Nilsen PC Hansen PC Nilsen PC Olsen PC Olsen PC n 1 n

Objektering av relasjoner FirmaVare Lev FVL En n:m relasjon mellom Firma og Vare gir opphav til et nytt objekt FV. Lev (Leverandør) inngår i en n:m relasjon til FV. Slutt-resultatet blir som vist i figuren til høyre.

Entiteter-Tabeller Person (PNr) Avd (ANr) Adr Navn Budsj. 1. Grupper sammen objekter til entiteter 2. Overfør entitetene og relasjonene mellom disse til tabeller.

Entiteter-Tabeller PNRnavnadrANRnavnbudsjett PNRanr PNRnavnadravdANRnavnbudsjett PersonAvd PersonAvd

Datamodell / Entiteter / Tabeller-Eks 1 A B E F C G D A c d eB f g aB A c d e B f g a AB A B

Datamodell / Entiteter / Tabeller-Eks 2 A B E F C G D A c d eB f gA B A c d eB f gA B H AHB

Datamodell / Entiteter / Tabeller-Eks 3 A B E F D G A d eB f gA B C I AICB C H C hC Tabellene blir de samme som entitetene

Datamodell / Entiteter / Tabeller-Eks 4 A B F H D G E A d e f K A C JI A B K C j C B g B H i H A d e f A A B cKC jCB g hBH iH

Kino Et litt større eksempel - Oppgave

Kino Et litt større eksempel - Involverte objekter Kinosal Film Kino Pris Alders- grense Tidspunkt Hoved- rolle Bi- rolle Varighet

Kino Et litt større eksempel - Starter med Kinosal og film Kinosal Film

Kino Starter med objektene Kinosal og Film Kinosal Film K1 K2 K3 K1 F1 F2 F3 F2 Feil iflg. datamodell. Medfører at en kinosal ikke kan vise en film hvis det tidligere er blitt vist film i samme kinosal. Feil iflg. datamodell. Medfører at en film ikke kan vises om igjen hvis den tidligere er vist et eller annet sted.

Kino Starter med objektene Kinosal og Film Kinosal Film K1 K2 K3 K1 F1 F2 F3 F2 Feil iflg. datamodell. Medfører at en kinosal ikke kan vise en film hvis det tidligere er blitt vist film i samme kinosal.

Kino Starter med objektene Kinosal og Film Kinosal Film K1 K2 K3 K1 F1 F2 F3 F2 Feil iflg. datamodell. Medfører at en film ikke kan vises om igjen hvis den tidligere er vist et eller annet sted.

Kino Starter med objektene Kinosal og Film Kinosal Film

Kino Starter med objektene Kinosal og Film Kinosal Film Tid K1 K2 K3 K1 K2 F1 F2 F1 T1 T2 T3 T4 Feil iflg. datamodell. Medfører at en film ikke kan vises til et gitt tidspunkt hvis det vises film andre steder til samme tidspunkt. Feil iflg. datamodell. Medfører at en kinosal ikke kan vise samme film mer enn en gang.

Kino Starter med objektene Kinosal og Film Kinosal Film Tid K1 K2 K3 K1 K2 F1 F2 F1 T1 T2 T3 T4 Feil iflg. datamodell. Medfører at en kinosal ikke kan vise samme film mer enn en gang.

Kino Starter med objektene Kinosal og Film Kinosal Film Tid Feil iflg. datamodell. Medfører at en film ikke kan vises til et gitt tidspunkt hvis det vises film andre steder til samme tidspunkt. K1 K2 K3 K1 K2 F1 F2 F1 T1 T2 T3 T4

Kino Starter med objektene Kinosal og Film Kinosal Film Tid

Kino Starter med objektene Kinosal og Film Kinosal Film Tid KFT

Kino Starter med objektene Kinosal og Film KFT K1 K2 K3 K4 F1 F2 F1 F2 F1 T1 T2 T3 T2 Ok iflg datamodell. Men medfører at to forskjellige filmer kan vises samtidig i samme kinosal. Konklusjon:Uakseptabel datamodell

Kino Starter med objektene Film og Tid FilmTid

Kino Starter med objektene Film og Tid FilmTid F1 F2 F3 F1 T1 T2 T3 T2 Feil iflg. datamodell. Medføret at en film kan ikke vises mer enn en gang

Kino Starter med objektene Film og Tid FilmTid F1 F2 F3 F4 T1 T2 T3 T2 Feil iflg. datamodell. Medfører at en kinosal ikke kan vise en film hvis det på samme tidspunkt vises film i en annen kinosal.

Kino Starter med objektene Film og Tid FilmTid

Kino Starter med objektene Film og Tid FilmTid Kinosal

Kino Starter med objektene Film og Tid FilmTid Kinosal FTK F1 F2 F3 T1 T2 K1 K2 Konklusjon:Uakseptabel datamodell Ok iflg datamodell. Men medfører at to forskjellige filmer kan vises samtidig i samme kinosal.

Kino Starter med objektene Kinosal og Tid KinosalTid Forestilling

Kino Starter med objektene Kinosal og Tid - Grunnleggende datamodell KinosalTid Forestilling Film Kino Hovedregel: Hvis vi skal unngå at to ulike begivenheter inntreffer på samme sted til samme tid, start med objektene Sted og Tid (her Kinosal og Tid).

End