B0B36DBS Webové stránky předmětu

• Konceptuální modelování – ER (entitní typy, atributy, identifikátory, vztahové typy, n-ární, rekurzivní, slabé entitní typy, ISA hierarchie). Logické modely (tabulkový, objektový, stromový, grafový). Relační model (definice, klíč, nadklíč, cizí klíč), transformace ER schématu do relačního schématu.
• Relační databáze – datový model, NULL hodnoty, tříhodnotová logika, integritní omezení (NOT NULL, UNIQUE, PRIMARY KEY, CHECK, FOREIGN KEY a referenční akce), umělé identifikátory.
• Jazyk SQL – definice schématu. Manipulace s daty (SELECT, INSERT, UPDATE, DELETE). Spojování tabulek, predikáty, řazení, seskupování a agregace, množinové operace, vnořené dotazy. Pohledy (aktualizovatelnost, CHECK OPTION). Procedurální rozšíření (funkce, kurzory, triggery).
• Fyzická vrstva – bloky, sloty, buffer management. Organizace záznamů (halda, seřazený soubor, hašovaný soubor, složitost operací), indexové struktury (B+-stromy, hašované indexy, bitmapové indexy).
• Funkční závislosti – definice, Armstrongovy axiomy, úpravy závislostí (funkční uzávěr, pokrytí, kanonické pokrytí, redundantní závislost, neredundantní pokrytí, atributový uzávěr, redukovaná závislost, minimální pokrytí). Hledání klíčů (nalezení prvního klíče, Lucchesi-Osborn). Normální formy (první, druhá, třetí, Boyceho-Coddova).
• Transakce – základní pojmy, ACID vlastnosti, BEGIN a COMMIT, rozvrh / historie, uspořádatelnost / serializovatelnost. Konfliktová uspořádatelnost (konflikty WR, RW, WW, precedenční graf), zamykací protokoly (dvoufázové a striktní dvoufázové zamykání), uváznutí (deadlock, graf čekání, Coffmanovy podmínky, strategie wait-die a wound-wait), fantom.

ER (entitní typy, atributy, identifikátory, vztahové typy, n-ární, rekurzivní, slabé entitní typy, ISA hierarchie). Logické modely (tabulkový, objektový, stromový, grafový). Relační model (definice, klíč, nadklíč, cizí klíč), transformace ER schématu do relačního schématu.

• ER diagramy - diagramy zobrazující realnou strukturu systému, pomáhají uvědomit si co je potřeba zavést do databáze.
• ER - Entity-relationship model
• Nemá standardy - takže si každý z prdele tahá notaci a je to uplně k hovnu
• Méně využíván než UML (for good fucking reason too)

Entita je obecně osoba, projekt, nějaký objekt = třída v UML.

• Silní entitní typ - má alespoň jeden plný identifikátor (např. název u projektu)
• Slabý entitní typ - nemá plný identifikátor, má jeden nebo více částečných id → jeho identifikace závisí na jiné entitě

• Vlastnost entity

• Mají název a kardinalitu (množství)
• Složené atributy - basically více atributů složené do jednoho (např. adresa)
• mají datový typ

• Atribut nebo skuipina atributů, která jednoznačně určuje entitu
• Rozdělení
  • Plné - atribut nebo skupina atributů jedné entity

• Částečné - pomocí vazby na jinou entitu, dovoluje pouze kardinalitu (1,1)

• Mají název, entity a kardinalitu
• Binární - 2 entity
• N-ární - více než 2 entity, mohou být nahrazeny třídou, která má binární vztahy se všemi entitami ve vztahu
• Rekurzivní - typ vztahu mezi entitami stejného typu

specifický vztah bez názvu a kardinalit

• Vytváří hierarchii parent-child
• typ entity, která je speicalizací jiné enity
• child může mít max jednoho parent

• Proces logického modelování
  • Výběr modelu podle charakteristik dat, možností dotazování, použití, požadavky
  • Tvorba logického schématu - transformace z konceptuálního schématu do logického

• Struktura - řádky pro entitry a sloupce pro atributy
• Operace - selection, projection, join
• např.: sql

• Struktura - objekty s atributy, používá ukazatele mezi objekty
• Operace - navigation

• Struktura - vrchol s atributy, hrany mezi vrcholy
• Hieararchie, kategorizace, semi-strukturovaná data
• např.: xml dokumenty, json

• Struktura vrcholy, hrany, atributy
• Opearce - Obhcázení, porovnávání vzorů, grafové algoritmy
• Např.: síťovy model, REsource Description Framework, FlockDB

• Databáze - Logicky uspořádaný soubor souvisejících dat, obsahuje data, metadata, schéma, omezení integrity atd.
• Database management system (DBMS) - Softwarový systém umožňující přístup do databáze, poskytuje mechanismy pro zajištění bezpečnosti a
• spolehlivosti, souběžnost, integritu uložených dat, …
• Databázový systém - informační systém obsahující databázi, DBMS, hardware, procesy, osoby…
• Relační databáze - množina relací

• Vyjadřuje vhybející informaci
• Operace s null
• 3 + null = null
• 3 < null = uknown

==== Integritní omezení (NOT NULL, UNIQUE, PRIMARY KEY, CHECK, FOREIGN KEY a referenční akce) *

• Entitní – každý záznam v tabulce má platný a jedinečný primární klíč.
• Doménová – zajišťují dodržování datových typů/domén definovaných u sloupců databázové tabulky
• Referenční – zabývají se vztahy dvou tabulek, kde jejich relace je určena vazbou primárního a cizího klíč
  • NOT NULL - hodnoty nesmí být null
  • UNIQUE - hodnoty musí být unikátní
  • PRIMARY KEY = NOT NULL + UNIQUE
  • FOREIGN KEY - hodnoty klíče v odkazující tabulce musí být v odkazované tabulce
  • CHECK - definuje se podmínka, která musí být splněna

Pokud nejsou nastavené referenční akce a zároveň by operace v odkazované tabulce způsobila porušení cizího klíče v odkazující tabulce, tak by operace byla blokována a generoval by se error message

• Trigger - různé případy změn v tabulce
  • ON UPDATE
  • ON DELETE
• Akce - co se provede po změne v tabulce
  • CASCADE - hodnota je také změněna / odstraněna
  • SET NULL - hodnota nastavena na NULL
  • SET DEFAULT - hodnota nastavena na výchozí
  • NO ACTION - zabraňuje provedení operace
  • RESTRICT - podobný no action

• Zcela automatizované
• Obvykle se jedná o celočíselné řady a každý novější záznam dostává číslo vždy o jednotku vyšší než je číslo u posledního vloženého záznamu
• (číselné označení záznamů s časem stoupá).

Structured Query Language (SQL) je jazyk pro kladení dotazů do databáze. Obsahuje jak příkazy DML (Data manipulation Language), tak i DDL příkazy (Data Definition Language). SQL je case insensitive (nerozlišuje mezi velkými a malými písmeny).

• Transaction management
• Administrace Databáze

CREATE TABLE *

• Název tabulky
• Definování sloupců (atributů) - názvy, datové typy, výchozí hodnota
• Definování integritních omezení v rozsahu tabulky

• ALTER TABLE – změny existujících objektů.
  • RENAME TO
  • ADD COLUMN
  • ALTER COLUMN
  • DROP COLUMN
  • ADD (constraint definition)
  • DROP CONSTRAINT
• DROP TABLE

• Příkazy pro získání dat z databáze a pro jejich úpravy
• DML – Data Manipulation Language
• INSERT INTO – vkládá do databáze nové řádky (záznamy)
• UPDATE – mění data v databázi (editace záznamu)
• MERGE – kombinace INSERT a UPDATE – data buď vloží (pokud neexistuje odpovídající klíč), pokud existuje, pak je upraví ve stylu UPDATE.
• DELETE FROM – odstraňuje data (záznamy) z databáze
• EXPLAIN – speciální příkaz, který zobrazuje postup zpracování SQL příkazu. Pomáhá uživateli optimalizovat příkazy tak, aby byly rychlejší.
• SHOW - méně častý příkaz, umožňující zobrazit databáze, tabulky nebo jejich definice
• SELECT - Vybírá data z databáze, umožňuje výběr podmnožiny a řazení dat
  • SELECT + názvy sloupců, nebo * , nebo definování nových a agregovaných sloupců
    • nové pojmenování sloupců pomocí AS
    • ALL - vše
    • DISTINCT - odstranění duplicit
    • FROM - z které tabulky, poddotazu nebo pohledu
    • WHERE - podmínka
      • AND, OR, NOT
      • predikáty
    • GROUP BY - volba atributů pro agregaci
    • HAVING - podmínka pro agregovaná data
    • ORDER BY - řazení

• JOIN
  • CROSS JOIN - kartézský součin všech řádků z obou tabulek (všechny kombinace)
  • NATURAL JOIN - výsledkem pouze řádky, které mají stejné hodnoty atributů
  • INNER JOIN - defaultní JOIN
    • podmínka ON
    • USING atribut - odpovídá natural join
    • pokud bez ON nebo USING - odpovídá cross join
  • OUTER JOIN - řádky z inner joinu a řádky, které nemohou být spojeny (hodnoty doplněny NULL)
  • LEFT / RIGHT - řádky z levé / pravé tabulky
  • FULL - z obou
  • UNION JOIN - řádky jsou integrovány do jedné tabulky, žádné řádky nejsou spojeny

Fyzická vrstva (bloky, sloty, buffer management). Organizace záznamů (halda, seřazený soubor, hašovaný soubor, složitost operací), indexové struktury (B$^+$-stromy, hašované indexy, bitmapové indexy).

• Specifikuje jak jsou databázové struktury implementovány ve specifickém prostředí
• Zahrnuje soubory, indexovací struktury a tak dále

• Záznamy jsou uloženy na disku v blocích (angl. page) fixní velikosti
• Hardware přistupuje pouze k celým stránkám uloženým na disku (čtení i zápis)
• Čas, který trvá jedna I/O operace se na rotačním pevném disku spočítá jako součet doby hledání, rotačního zpoždění a přenosu dat
• stránky bývají rozděleny na sloty ve kterých jsou uložené záznamy, které jsou identifikované číslem stránky + číslem záznamu
• Záznamy mohou mít fixní nebo variabilní velikost
• Každá stránka má ještě hlavičku, která obsahuje informace o využití slotů, případně jejich velikosti pokud stránka obsahuje záznamy variabilní velikosti

• Buffer je část hlavní paměti, kde jsou dočasně uloženy celé stránky z disku, stránky jsou mapovány na paměťové rámce
• Každý rámec si drží počet referencí na stránku v rámci a dirty flag, který označuje změněný záznam, který nebyl zapsán na disk

• Halda je druh souboru, kde záznamy nejsou v blocích řazené a záznamy tedy mohou být vyhledávány pouze sekvenčně, vkládat nové záznamy je snadné, ale při mazání může vznikat nevyužité místo

  • Prázdné stránky jsou udržovány pomocí spojového seznamu nebo tabulky stránek
  • Všechny operace mají lineární složitost, až na vkládání, které je konstantní
• Řazený soubor je druh souboru, kde jsou záznamy řazeny na základě nějakého klíče

  • Rychlé vyhledávání (logaritmická složitost)
  • Pro vkládání má každá stránka prázdný overhead, pokud je zaplněn jsou použity nové stránky
  • Ve všem kromě vyhledávání je pomalejší než halda

• Soubor je organizovaný do tzv. kapes (anglicky buckets)
• To v jaké kapse je záznam uložený je rozhodnuto na základě hashovací funkce $f$
• Pokud je kapsa plná, je alokována nová stránka a propojena s kapsou formou spojového seznamu
• Výhodou je rychlé vyhledávání, nevýhodou je ale paměťová náročnost (řešeno dynamickým hashováním)
• Většina operací má přibližně složitost $N/K$, kde $K$ je počet kapes

• Index je pomocná struktura, která poskytuje rychlé vyhledávání na základě hledaných klíčů
• Obsahuje typicky jenom klíče a odkazy k záznamům, vyžaduje proto výrazně méně místa než datové soubory
• Index může obsahovat celý záznam, pár klíče a odkazu na záznam, nebo pár klíče a seznamu odkazů na záznam
• Řazení indexovaných předmětů může být zachováno (clustered indexing) nebo nemusí (unclustered indexing)

• Rozšířený B-strom
• Logaritmická složitost pro vkládání, vyhledávání podle rovnosti a mazání podle rovnosti
• Garantuje využití alespoň 50% stránek

  • Oproti B-stromu jsou všechny data (klíču jsou stále v B strom struktuře) v listech a stránky příslušné listům jsou provázány pro vykonávání dotazů založených na intervalech

• Stejné jako hašovaný soubor, ale obsahuje pouze odkazy na záznamy

• Vhodné pro atributy, které mohou nabývat malého množství hodnot
• Každý atribut je realizován jako vektor bitů, kde $i$-tý bit popisuje jestli atribut nabývá $i$-té hodnoty nebo ne
• Dotazy lze pak provádět pomocí bitových masek a bitwise operací
• Výhody - efektivní, kompaktní, rychlé, snadno paralelizovatelné
• Nevýhody - Pouze pro atributy s doménou malé kardinality, pomalé dotazy na základě rozsahu (lineární v šířce rozsahu)