Banco de Dados, Notas de estudo de Análise de Sistemas de Engenharia

Baixe Banco de Dados e outras Notas de estudo em PDF para Análise de Sistemas de Engenharia, somente na Docsity! D ad os INTRODUÇÃO A BANCO DADOS 2 1 INTRODUÇÃO.........................................................................................6 1.1 Modelos de Dados ................................................................................................................... 6 1.1.1 Modelo Hierárquico ............................................................................................................. 6 1.1.2 Modelo em Rede.................................................................................................................. 7 1.1.3 Modelo Relacional ............................................................................................................... 7 1.1.4 Modelo Orientado Objetos ...................................................................................................8 1.1.5 Sistemas Objeto-Relacionais ................................................................................................9 1.2 Arquiteturas de Banco Dados.................................................................................................9 1.2.1 Introdução............................................................................................................................9 1.2.2 Arquiteturas .........................................................................................................................9 1.2.3 Resumo das arquiteturas de SGBDs.................................................................................... 10 1.3 Ambiente de Implementação Cliente-Servidor .................................................................... 12 2 DEFINIÇÃO GERAL..............................................................................14 2.1 Propriedades:........................................................................................................................ 14 2.2 Características da Abordagem da Base de Dados x Processamento tradicional de Arquivos 15 2.3 Profissionais e Atividades envolvidas em um SGBD............................................................ 15 2.4 Profissionais de Apoio........................................................................................................... 16 2.5 Capacidades do SGBD.......................................................................................................... 16 2.6 Vantagens Adicionais da Abordagem da Base de Dados ..................................................... 17 2.7 Quando não utilizar um SGBD ............................................................................................ 18 3 CONCEITOS E ARQUITETURAS DE SGBD’S ....................................19 3.1 Modelos de Dados, Esquemas e Instâncias........................................................................... 19 3.1.1 Categorias de Modelos de Dados........................................................................................ 19 3.1.2 Esquemas e Instâncias ........................................................................................................ 19 3.2 Arquitetura e Independência de Dados de SGBD’s ............................................................. 20 3.2.1 Arquitetura “Three-Schema” (conhecida como arquitetura ANSI/SPARC - Tsichritzis e Klug, 1978) 20 3.2.2 Independência de dados...................................................................................................... 21 3.3 Linguagens de Base de Dados............................................................................................... 21 4 MODELAGEM DE DADOS USANDO O MODELO ENTIDADE- RELACIONAMENTO (MER) ............................................................................22 4.1 Modelo de Dados Conceitual de Alto-Nível e Projeto de Base Dados.................................. 22 4.2 Um Exemplo ......................................................................................................................... 22 4.3 Conceitos do Modelo Entidade-Relacionamento.................................................................. 23 5 Prefácio Esta apostila foi desenvolvida para ajudar na aprendizagem e desenvolvimento dos alunos nas disciplinas de introdução a Banco de Dados do IME-USP. Seu conteúdo é uma pesquisa de vários autores, sendo em partes transcrições e traduções dos mesmos. Esta apostila visa ser uma primeira leitura para os alunos e tenta sempre mostrar os temas abordados de forma simples e clara. Todas as referências bibliográficas utilizadas na construção desta apostila se encontram no final do texto. 6 Base de Dados 1 Introdução O primeiro Sistema Gerenciador de Banco de Dados(SGBD) comercial surgiu no final de 1960. Este evoluiu dos sistemas de arquivos. Entretanto os sistemas de arquivos não controlavam o acesso concorrente por vários usuários ou processos. Os SGBDs evoluíram dos sistemas de armazenamento em disco criando novas estruturas de dados para armazenamento de informações. Esses SGBD's usam vários modelos de dados diferentes para descrever a estrutura de informação nos banco de dados tais como: os modelos hierárquicos, de redes, modelo relacional, que é amplamente usado, e o modelo orientado a objetos. 1.1 Modelos de Dados 1.1.1 Modelo Hierárquico É o primeiro reconhecido como modelo de dados. Foi desenvolvida devido à consolidação dos discos de armazenamento endereçáveis, sua estrutura utiliza as organizações de endereçamento físicos dos discos. Os dados estão estruturados em hierarquias ou árvores. Os nós das hierarquias contêm ocorrências de registros, onde cada registro é uma coleção de campos (atributos) cada um contendo apenas uma informação. O registro que em uma hierarquia precede outros, designa-se registro-pai dos outros registros que são chamados de registros-filhos. Uma ligação é uma associação entre dois registros. O relacionamento entre um registro-pai e registros-filhos é de 1:N. Os dados estão organizados e podem ser acessados segundo uma seqüência hierárquica com uma navegação do topo para as folhas e da esquerda para a direita. Um registro pode estar associado a vários registros diferentes. Para que exista esta condição este registro deve ser replicado. A replicação possui duas grandes desvantagens: pode causar inconsistência de dados quando houver atualização e o desperdício de espaço é inevitável. O Sistema comercial mais divulgado no modelo hierárquico foi Informativo Management System da IBM Corp(IMS). Grande parte das restrições e consistências de dados estavam contidas dentro nos programas escritos para as aplicações. Era necessário escrever programas na ordem para acessar o banco de dados. Um diagrama de estrutura da árvore é o esquema para um banco de dados hierárquico. Tal diagrama consiste em dois componentes básicos: Caixas - que correspondem ao tipo de registro e Linhas - que correspondem às ligações. Exemplo: Figura 1.1 - Diagrama de estrutura de árvore Cliente - Conta Corrente 7 1.1.2 Modelo em Rede Aparece como uma extensão do modelo hierárquico. Elimina o conceito de hierarquia e permite que um mesmo registro esteja envolvido em várias associações. No modelo em rede os registros estão organizados em grafos. Nele aparece um único tipo de associação(set), que define uma relação de 1: N entre 2 tipos de registros: proprietário e membro. Desta maneira dados dois relacionamentos 1:N entre os registros A e D e entre os registros C e D é possível construir um relacionamento M:N entre A e D. O gerenciador Data Base Task Group (DBTG) da CODASYL (Committee on Data Systems and Languages) estabeleceu uma norma para este modelo de banco de dados, com linguagem própria para definição e manipulação de dados. Os dados tinham uma forma limitada de independência física. A única garantia era que o sistema deveria recuperar os dados para as aplicações como se eles estivessem armazenados na maneira indicada nos esquemas. Os geradores do relatório da CODASYL também definiram sintaxes para dois aspectos chaves dos sistemas gerenciadores de dados: Concorrência e segurança. O mecanismo de segurança fornecia uma facilidade na qual parte do banco de dados (áreas) pudessem ser bloqueadas para prevenir acessos simultâneos quando isto fosse necessário. A sintaxe da segurança permitia que uma senha fosse associada com cada objeto descrito no esquema. Ao contrário do Modelo Hierárquico, em que qualquer acesso aos dados passa pela raiz, o modelo em rede pode-se ter acesso a qualquer nó da rede. Estes dois modelos: Hierárquico e Rede são Orientados a Registros, isto é qualquer acesso à base de dados, inserção, consulta, alteração ou remoção é feito com um registro de cada vez. No Modelo em Rede o sistema comercial mais divulgado CA-IDMS da Computer Associates. O diagrama para representar os conceitos do modelo de rede consiste em dois componentes básicos: Caixas - as quais correspondem os registros e Linhas - as quais correspondem as associações. Exemplo: Figura 1.2 - Diagrama de estrutura de dados Cliente - Conta Corrente 1.1.3 Modelo Relacional O modelo relacional apareceu devido a seguintes necessidades: aumentar a independência de dados nos sistemas gerenciadores de banco de dados; prover um conjunto de funções apoiadas em álgebra relacional para armazenamento e recuperação de dados; permitir processamento ad hoc1. O modelo relacional resultou de um estudo teórico realizado por CODD[Codd70] (investigador da IBM), tendo por base a teoria dos conjuntos e álgebra relacional. O modelo foi apresentado num artigo publicado em 1970, mas que só nos anos 80, foi implementado. O Modelo relacional revelou-se ser o mais flexível e adequado ao solucionar os vários problemas que se colocam ao nível da concepção e implementação da base de dados. A estrutura fundamental do modelo relacional é a relação. Uma relação é constituída por um ou mais atributos (campos), que traduzem o tipo de dados a armazenar. Cada instância 1 processamento dedicado, exclusivo 10 processamento da interface do usuário eram executados em apenas uma máquina. Gradualmente os SGBDs começaram a explorar a disponibilidade do poder de processamento no lado do usuário, o que levou a arquitetura cliente-servidor. A arquitetura cliente-servidor foi desenvolvida para dividir ambientes de computação onde um grande número de PCs, estações de trabalho, servidores de arquivos, impressoras, servidores de banco de dados e outros equipamentos estão conectados juntos por uma rede. A idéia é definir servidores especializados tais como servidor de arquivos que mantém os arquivos de máquinas clientes ou servidores de impressão que podem estar conectados a várias impressoras, assim quando se deseja imprimir, todas as requisições de impressão são enviadas a este servidor. As máquinas clientes disponibilizam para o usuário as interfaces apropriadas para utilizar esses servidores, bem como poder de processamento para executar aplicações locais. Esta arquitetura se tornou muito popular por algumas razões. Primeiro a facilidade de implementação dada à clara separação de funcionalidade e o servidor. Segundo um servidor é inteligentemente utilizado porque as tarefas mais simples são delegadas as máquinas clientes mais baratas. Terceiro o usuário pode executar uma interface gráfica que já lhe é familiar ao invés de usar a interface do servidor. Desta maneira a arquitetura cliente- servidor foi incorporada nos SGBDs comerciais. Diferentes técnicas foram propostas sendo uma bastante adotada por muitos Sistemas Gerenciadores de Banco de Dados Relacionais (SGBDRs) comerciais a inclusão da funcionalidade de um SGBD centralizado no lado do servidor. As consultas e a funcionalidade transacional permanecem no servidor, sendo que este é chamado de servidor de consulta ou servidor de transação. Desta maneira um servidor de SQL é fornecido para os clientes. Cada cliente tem que formular suas consultas SQL, e prover a interface do usuário e a funções de interface para linguagem de programação. O cliente pode também se referir a um dicionário de dados que incluem informações sobre a distribuição dos dados em vários servidores SQL, bem como os módulos para a decomposição de uma consulta global em um número de consultas locais que podem ser executadas em vários sítios. Comumente o servidor SQL também é chamado de back-end machine e o cliente de front-end machine. Como SQL provê uma linguagem padrão para SGBDRs, ele criou o ponto de divisão lógica entre o cliente e o servidor. Existem várias tendências para Banco de Dados atualmente, nas mais diversas direções. 1.2.3 Resumo das arquiteturas de SGBDs • Plataformas centralizadas . Na arquitetura centralizada, existe um computador com grande capacidade de processamento que é o hospedeiro do SGBD e emuladores para os vários aplicativos. Esta arquitetura tem como principal vantagem a segurança em poder manipular grande volume de dados com muitos usuários. Sua principal desvantagem está no fato de se ter alto custo, pois se deve ter ambiente especial para mainframes e soluções centralizadas. • Sistemas de Computador Pessoal - PC. Os computadores pessoais trabalham em sistema stand-alone, ou seja fazem seus processamentos sozinhos. No começo esse processamento era bastante limitado, porém com a evolução do hardware temos hoje PCs com grande capacidade de processamento. Eles utilizam o padrão Xbase e quando se trata de SGBDs funcionam como hospedeiros e terminais, desta maneira possuem um único aplicativo a ser executado na máquina. A principal vantagem desta arquitetura é a simplicidade. • Banco de Dados Cliente-Servidor. Na arquitetura Cliente-Servidor o cliente (front_end) executa as tarefas do aplicativo, ou seja fornece a interface com o usuário (tela, e processamento de entrada e saída). O servidor (back_end) executa as consultas no DBMS e retorna os resultados ao cliente. Apesar de ser uma arquitetura bastante popular, para poder implementá-la são necessárias soluções de softwares sofisticados que possibilitem: tratamento de transações, confirmações de transações (commits), desfazer uma transação (rollbacks), linguagens de consultas (stored procedures) e gatilhos (triggers). A principal vantagem desta arquitetura é dividir o processamento entre dois sistemas reduzindo o tráfego de dados na rede. • Banco de Dados Distribuídos (N camadas). Nesta arquitetura a informação esta distribuída em diversos servidores. Cada servidor atua como no sistema cliente-servidor, porém as 11 consultas oriundas dos aplicativos são feitas para qualquer servidor indistintamente. Caso a informação solicitada seja mantida por outro servidor ou servidores, o sistema encarrega-se de obter a informação necessária, de maneira transparente para o aplicativo, que passa a atuar consultando a rede, independente de conhecer seus servidores. Exemplos típicos são bases de dados corporativas, em que o volume de informação é muito grande e deve ser distribuído por diversos servidores. Porém não é dependente de aspectos lógicos de carga de acesso aos dados, ou base de dados fracamente acopladas, em que uma informação solicitada vai sendo coletada numa propagação da consulta numa cadeia de servidores. A característica básica é a existência de diversos programas aplicativos consultando a rede para acessar os dados necessários, sem o conhecimento explícito de quais servidores dispõem desses dados. Figura 1.5 - Arquitetura Distribuída N camadas 12 1.3 Ambiente de Implementação Cliente-Servidor Figura 1.6 - Ambiente genérico para desenvolvimento de aplicativos A figura 1.6 ilustra um ambiente genérico de desenvolvimento de aplicativos. Nesta figura, a diferença (gap semântico) entre os paradigmas utilizados para a construção de interfaces, para o armazenamento de informações e para a programação dos aplicativos, é detalhada para ressaltar a importância de estruturas " Case" e "Cursores". As estruturas "Case" são utilizadas para converter as alterações e solicitações ocorridas na interface do aplicativo em uma linguagem que seja capaz de ser processada pelos servidores de dados. A construção da linguagem é feita através da composição de cadeias de caracteres usualmente utilizando o padrão "SQL" (Structured Query Language) utilizado nos servidores de dados relacionais. Quando um acesso ao SGBD é requerido, o programa estabelece uma conexão com o SGBD que está instalado no servidor. Uma vez que a conexão é criada, o programa cliente pode se comunicar com o SGBD. Um padrão chamado de Conectividade Base de Dados Aberta (Open DataBase Connectivity - ODBC) provê uma Interface para Programação de Aplicações (API) que permite que os programas no lado cliente possam chamar o SGBD, desde que tanto as máquinas cliente como servidor tenham o software necessário instalado. Muitos vendedores de SGBDs disponibilizam drivers específicos para seus sistemas. Desta maneira um programa cliente pode se conectar a diversos SGBDRs e enviar requisições de consultas e transações usando API, que são processados nos servidores. Após o processamento de uma chamada de função (levando uma cadeia de caracteres ou programas armazenados), o resultado é fornecido pelo servidor de dados através de tabelas em memória. Os resultados das consultas são enviados para o programa cliente, que pode processá-lo ou visualiza-lo conforme a necessidade. O conjunto de tuplas retornado por uma consulta pode ser uma tabela com zero, uma ou múltiplas linhas, dependendo de quantas linhas foram encontradas com o critério de busca. Quando uma consulta retorna múltiplas linhas, é necessário declarar um "CURSOR" para processar as linhas. Um cursor é similar a uma variável de arquivo ou um ponteiro de arquivo, que aponta para uma única linha (tupla) do resultado da consulta. Em SQL os cursores são controlados por três comandos: OPEN, FETCH, CLOSE. O cursor é inicializado com o comando OPEN, que executa a consulta, devolve o conjunto resultante de linhas e coloco o cursor para a posição anterior a primeira linha do resultado da consulta. O comando FETCH 15 Sistema de Base de Dados Usuários/Programadores Consultas/Programas de Aplicações SGBD Software p/ processar consultas/programas Software p/ acessar a Base de Dados BaseBase Meta Figura 2.1 2.2 Características da Abordagem da Base de Dados x Processamento tradicional de Arquivos Processamento tradicional de Arquivos Base de Dados Definição dos dados é parte do código de programas de aplicação Meta Dados eliminação de redundâncias Dependência entre aplicação específica e dados Capaz de permitir diversas aplicações eliminação de redundâncias independência entre dados e programas facilidade de manutenção Representação de dados ao nível físico Representação conceitual através de dados e programas facilidade de manutenção Cada visão é implementada por módulos específicos Permite múltiplas visões facilidade de consultas 2.3 Profissionais e Atividades envolvidas em um SGBD • Administrador da Base de Dados: em qualquer organização onde muitas pessoas compartilham muitos recursos, existe a necessidade de um administrador chefe para supervisionar e gerenciar estes recursos. Num ambiente de base de dados, o recurso primário é a própria base de dados e os recursos secundários são o próprio SGBD e softwares relacionados. A administração desses recursos é de responsabilidade do DBA (“Database Administrator”). O DBA é responsável por autorizar acesso à base de dados e coordenar e monitorar seu uso. O DBA é responsável por problemas, tais como, quebra de segurança ou baixo desempenho. Em grandes organizações, o DBA é auxiliado por técnicos; • Projetistas da Base de Dados: os projetistas de base de dados têm a responsabilidade de identificar os dados a serem armazenados na Base de Dados e escolher estruturas apropriadas para representar e armazenar tais dados. Estas tarefas são geralmente executadas antes que a base de dados seja utilizada. É responsabilidade destes projetistas 16 obter os requisitos necessários dos futuros usuários da base. Tipicamente, os projetistas interagem com cada grupo de usuários em potencial e definem visões da base de dados para adequar os requisitos e processamentos de cada grupo. Estas visões são então analisadas e, posteriormente, integradas para que, ao final, o projeto da base de dados possa ser capaz de dar subsídio aos requisitos de todos os grupos de usuários; • Usuários Finais: existem profissionais que precisam ter acesso à base de dados para consultar, modificar e gerar relatórios. A base de dados existe para estes usuários. Existem algumas categorias de usuários finais: ⇒ usuários ocasionais: ocasionalmente fazem acesso à base de dados, mas eles podem necessitar de diferentes informações a cada vez que fazem acesso. Eles podem usar uma linguagem de consulta sofisticada para especificar suas requisições e são, tipicamente, gerentes de médio ou alto-nível; ⇒ usuários comuns ou paramétricos: estes usuários realizam operações padrões de consultas e atualizações, chamadas TRANSAÇÕES PERMITIDAS, que foram cuidadosamente programadas e testadas. Estes usuários constantemente realizam recuperações e modificações na base de dados; ⇒ usuários sofisticados: incluem engenheiros, analistas de negócios e outros que procuraram familiarizar-se com as facilidades de um SGBD para atender aos seus complexos requisitos; • Analistas de Sistemas e Programadores de Aplicação: ⇒ analistas de sistemas determinam os requisitos de usuários finais, especialmente dos usuários comuns, e desenvolvem especificações das transações para atender a estes requisitos; ⇒ programadores de aplicações implementam estas especificações produzindo programas e, então, testam, depuram, documentam e mantêm estes programas. Analistas e programadores devem estar familiarizados com todas as capacidades fornecidas pelo SGBD para desempenhar estas tarefas. 2.4 Profissionais de Apoio • Projetistas e Implementadores de SGBD • Desenvolvedores de Ferramentas • Operadores de Manutenção 2.5 Capacidades do SGBD • Controle de Redundância: no processamento tradicional de arquivos, muitos grupos de usuários mantêm seus próprios arquivos para manipular suas aplicações de processamento. Isso pode provocar o armazenamento de informações redundantes; Problemas: ⇒ Duplicação de esforços; ⇒ Desperdício de espaço; ⇒ Inconsistência: alteração em alguns arquivos e em outros não, ou em todos os arquivos, porém de maneira independente; • Compartilhamento de Dados: SGBD’s multiusuários devem fornecer controle de concorrência para assegurar que atualizações simultâneas resultem em modificações corretas. Um outro mecanismo que permite a noção de compartilhamento de dados em um SGBD multiusuário é a facilidade de definir visões de usuário, que é usada para especificar a porção da base de dados que é de interesse para um grupo particular de usuários; • Restrições de Acesso Multiusuário: quando múltiplos usuários compartilham uma base de dados, é comum que alguns usuários não autorizados não tenham acesso a todas as informações da base de dados. Por exemplo, os dados financeiros são freqüentemente considerados confidenciais e, desse modo, somente pessoas autorizadas devem ter 17 acesso. Além disso, pode ser permitido, a alguns usuários, apenas a recuperação dos dados. Já, para outros, são permitidas a recuperação e a modificação. Assim, o tipo de operação de acesso - recuperação ou modificação - pode também ser controlado. Tipicamente, usuários e grupos de usuários recebem uma conta protegida por palavras- chaves, que é usada para se obter acesso à base de dados, o que significa dizer que contas diferentes possuem restrições de acesso diferentes. Um SGBD deve fornecer um subsistema de autorização e segurança, que é usado pelo DBA, para criar contas e especificar restrições nas contas. O SGBD deve então obrigar estas restrições automaticamente. Note-se que, controle similar pode ser aplicado ao software do SGBD; • Fornecimento de Múltiplas Interfaces: devido a muitos tipos de usuários, com variados níveis de conhecimento técnico, um SGBD deve fornecer uma variedade de interfaces para usuários. Os tipos de interfaces incluem linguagens de consulta para usuários ocasionais, interfaces de linguagem de programação para programadores de aplicações, formulários e interfaces dirigidas por menus para usuários comuns; • Representação de Relacionamento Complexo entre Dados: uma base de dados pode possuir uma variedade de dados que estão inter-relacionados de muitas maneiras. Um SGBD deve ter a capacidade de representar uma variedade de relacionamentos complexos entre dados, bem como recuperar e modificar dados relacionados de maneira fácil e eficiente; • Reforçar Restrições de Integridade: muitas aplicações de base de dados terão certas restrições de integridade de dados. A forma mais elementar de restrição de integridade é a especificação do tipo de dado de cada item. Existem tipos de restrições mais complexas. Um tipo de restrição que ocorre freqüentemente é a especificação de que um registro de um arquivo deve estar relacionado a registros de outros arquivos. Um outro tipo de restrição especifica a unicidade sobre itens de dados. Estas restrições são derivadas da semântica dos dados e o mini-mundo que eles representam. Algumas restrições podem ser especificadas ao SGBD e automaticamente executadas. Outras restrições podem ser verificadas pelos programas de atualização ou no tempo da entrada de dados. Note que um item de dados pode ser “entrado” erroneamente, mas ainda atender as restrições de integridade; • Fornecer Backup e Restauração: Um SGBD deve fornecer recursos para restauração caso ocorra falhas de hardware ou software. O subsistema de backup e restauração do SGBD é o responsável pela restauração. Por exemplo, se o sistema de computador falhar no meio da execução de um programa que esteja realizando uma alteração complexa na base de dados, o subsistema de restauração é responsável em assegurar que a base de dados seja restaurada no estado anterior ao início da execução do programa. Alternativamente, o subsistema de restauração poderia assegurar que o programa seja re-executado a partir do ponto em que havia sido interrompido. 2.6 Vantagens Adicionais da Abordagem da Base de Dados • Potencial para obrigar a Padronização: a abordagem de base de dados permite que o DBA defina e obrigue a padronização entre os usuários da base de dados em grandes organizações. Isso facilita a comunicação e a cooperação entre vários departamentos, projetos e usuários. Padrões podem ser definidos para formatos de nomes, elementos de dados, telas, relatórios, terminologias, etc. O DBA pode obrigar a padronização em um ambiente de base de dados centralizado, muito mais facilmente que em um ambiente onde cada usuário ou grupo tem o controle de seus próprios arquivos e softwares; • Flexibilidade: mudanças na estrutura de uma base de dados podem ser necessárias devido a mudanças nos requisitos. Por exemplo, um novo grupo de usuários pode surgir com necessidade de informações adicionais, não disponíveis atualmente na base de dados. Alguns SGBD’s permitem que tais mudanças na estrutura da base de dados sejam realizadas sem afetar a maioria dos programas de aplicações existentes; • Redução do Tempo de Desenvolvimento de Aplicações: uma das principais características de venda da abordagem de base de dados é o tempo reduzido para o desenvolvimento de novas aplicações, tal como a recuperação de certos dados da base de dados para a impressão de novos relatórios. Projetar e implementar uma nova base de dados pode tomar mais tempo do que escrever uma simples aplicação de arquivos especializada. 20 3.2 Arquitetura e Independência de Dados de SGBD’s 3.2.1 Arquitetura “Three-Schema” (conhecida como arquitetura ANSI/SPARC - Tsichritzis e Klug, 1978) A meta desta arquitetura é separar as aplicações de usuários da base de dados física. Nesta arquitetura, esquemas podem ser definidos em três níveis: 1. O nível interno tem um esquema interno que descreve a estrutura de armazenamento físico da base de dados. O esquema interno usa um modelo de dados físico e descreve todos os detalhes de armazenamento de dados e caminhos de acesso à base de dados; 2. O nível conceitual tem um esquema conceitual que descreve a estrutura de toda a base de dados. O esquema conceitual é uma descrição global da base de dados, que omite detalhes da estrutura de armazenamento físico e se concentra na descrição de entidades, tipos de dados, relacionamentos e restrições. Um modelo de dados de alto-nível ou um modelo de dados de implementação podem ser utilizados neste nível. 3. O nível externo ou visão possui esquemas externos ou visões de usuários. Cada esquema externo descreve a visão da base de dados de um grupo de usuários da base de dados. Cada visão descreve, tipicamente, à parte da base de dados que um particular grupo de usuários está interessado e esconde o resto da base de dados do mesmo. Um modelo de dados de alto-nível ou um modelo de dados de implementação podem ser usados neste nível. BASE DE DADOS ARMAZENADA ESQUEMA INTERNO ESQUEMA CONCEITUAL VISÃO EXTERNA 1 VISÃO EXTERNA N USUÁRIOS FINAIS NÍVEL EXTERNO NÍVEL CONCEITUAL NÍVEL INTERNO mapeamento externo/conceitual mapeamento conceitual/interno Figura 3.1 Muitos SGBD’s não separam os três níveis completamente. Pode acontecer que alguns SGBD’s incluam detalhes do nível interno no esquema conceitual. Em muitos SGBD’s que permitem visões, os esquemas externos são especificados com o mesmo modelo de dados usado no nível conceitual. Note que os três esquemas são apenas descrições dos dados. 21 3.2.2 Independência de dados A arquitetura “three-schema” pode ser utilizada para explicar conceitos de independência de dados, que podem ser definidos como a capacidade de alterar o esquema de um nível sem ter que alterar o esquema no próximo nível superior. Dois tipos de independência de dados podem ser definidos: • Independência Lógica de Dados: É a capacidade de alterar o esquema conceitual sem ter que mudar os esquemas externos ou programas de aplicação. Pode-se mudar o esquema conceitual para expandir a base de dados, adicionando novos tipos de registros ou de itens de dados, ou reduzir a base de dados removendo um tipo de registro ou itens de dados. Neste último caso, esquemas externos que se referem a apenas aos dados remanescentes não devem ser afetados; • Independência Física de Dados: É a capacidade de alterar o esquema interno sem ter que alterar o esquema conceitual externo. Mudanças no esquema interno podem ser necessárias devido a alguma reorganização de arquivos físicos para melhorar o desempenho nas recuperações e/ou modificações. Após a reorganização, se nenhum dado foi adicionado ou perdido, não haverá necessidade de modificar o esquema conceitual. 3.3 Linguagens de Base de Dados • Linguagem de Definição de Dados (“Data Definition Language” - DDL): é utilizada pelo DBA e projetistas de base de dados para definir seus esquemas. O SGBD tem um compilador para processar descrições em DDL e construir a descrição do esquema armazenado no catálogo; • Linguagem de Manipulação de Dados (“Data Manipulation Language” - DML): uma vez que o esquema é compilado e a base de dados preenchida com dados, os usuários têm que ter algum modo de manipular os dados. Manipulações comuns como recuperação, inserção, remoção e modificação de dados são realizadas pela DML. 22 4 Modelagem de Dados Usando o Modelo Entidade- Relacionamento (MER) O MER é um modelo de dados conceitual de alto-nível. Assim, os conceitos do MER foram projetados para serem compreensíveis a usuários, descartando detalhes de como os dados são armazenados. Atualmente, o MER é usado principalmente durante o processo de projeto da base de dados. Existem expectativas para que uma classe de SGBD’s baseados diretamente no MER esteja disponível no futuro. 4.1 Modelo de Dados Conceitual de Alto-Nível e Projeto de Base Dados Mini-Mundo OBTENÇÃO E ANÁLISE DE REQUISITOS Requisitos da Base de Dados PROJETO CONCEITUAL Esquema Conceitual (em um Modelo de Dados de Alto-Nível) MAPEAMENTO DO MODELO DE DADOS Esquema Conceitual (em um Modelo de Dados de um SGBD específico) PROJETO FÍSICO Esquema Interno (para o mesmo SGBD) Independente de qualquer SGBD SGBD específico Figura 4.1 4.2 Um Exemplo Neste exemplo, é descrita uma base de dados COMPANHIA que será utilizada para ilustrar o processo de projeto de base de dados. São listados os requisitos da base de dados e criado o seu esquema conceitual passo-a-passo ao mesmo tempo em que são introduzidos os conceitos de modelagem usando o MER. A base de dados COMPANHIA armazena os dados dos empregados, departamentos e projetos. Supõe-se que após a Obtenção e Análise dos Requisitos, os projetistas da base de dados produziram a seguinte descrição do mini-mundo - parte da companhia a ser representada na base de dados: 25 ESQUEMA (INTENÇÃO) EMPREGADO COMPANHIA Nome, Idade, Salário Nome, Sede, Presidente e 1 e 2 e 3 (João da Silva, 55, 800) (Roberto Carlos, 40, 300) (Camélia Colina, 25, 200) c 1 c 2 (Cooper Sugar, Ribeirão Preto, João da Silva) (FastCom, Dallas, Paulo Paz) INSTÂNCIAS (EXTENSÃO) Figura 4.4 A descrição do tipo de entidade é chamada esquema do tipo de entidade e especifica uma estrutura comum compartilhada por todas as entidades individuais. O esquema especifica o nome do tipo de entidade, o significado de cada um de seus atributos e qualquer restrição que exista sobre entidades individuais. O conjunto de instâncias de entidades em um particular momento do tempo é chamado extensão do tipo de entidade. O esquema não é alterado com freqüência porque descreve a estrutura das entidades individuais. A extensão pode mudar com freqüência, por exemplo, quando se adiciona ou remove-se uma entidade de um tipo de entidade. • Atributo-Chave de um Tipo de Entidade: Uma restrição importante sobre entidades de um tipo de entidade é a restrição de atributo-chave ou unicidade. Um tipo de entidade tem, normalmente, atributos cujos valores são distintos para cada entidade. Tal atributo é chamado atributo-chave, e seu valor pode ser usado para identificar cada entidade unicamente. Algumas vezes, um conjunto de atributos pode formar uma chave. Nestes casos, os atributos podem ser agrupados em um atributo composto, que virá a ser um atributo-chave do tipo de entidade. A especificação de um atributo-chave para um tipo de entidade significa que a propriedade de unicidade deve valer para quaisquer extensões deste tipo de entidade. Assim, esta restrição proíbe que duas entidades tenham, simultaneamente, o mesmo valor para o atributo-chave. Alguns tipos de entidades podem ter mais que um atributo-chave. 4.3.3 Relacionamentos, Papéis e Restrições Estruturais • Tipo e Instância de Relacionamento: Um tipo de relacionamento R entre n tipos de entidades E1, E2, ..., En é um conjunto de associações entre entidades desses tipos. Diz- se que cada entidade E1, E2, ..., En participa no tipo de relacionamento R e que as entidades individuais e1, e2, ..., en participam na instância do relacionamento ri=(e1, e2, ..., en). O índice i indica que podem existir várias instâncias de relacionamento. Por exemplo, considere-se que um tipo de relacionamento TRABALHA-PARA exista entre tipos de entidades EMPREGADO e DEPARTAMENTO,. Este relacionamento associa cada 26 empregado com o departamento em que o empregado trabalha. Cada instância de relacionamento em TRABALHA-PARA associa uma entidade empregado e uma entidade departamento. A figura 4.5 ilustra este exemplo, onde cada instância de relacionamento ri é conectada à uma entidade empregado e à uma entidade departamento. No mini-mundo representado nesta figura, os empregados e1, e3 e e6 trabalham para o departamento d1; e2 e e4 trabalham para d2; e e5 e e7 trabalham para d3. EMPREGADO TRABALHA-PARA DEPARTAMENTO e 1 e 2 e 3 e 4 e 5 e 6 e 7 ♦ ♦ ♦ ♦ ♦ ♦ ♦ n r 1 n r 2 n r 3 n r 4 n r 5 n r 7 n r 6 d 1 d 2 d 3 ♦ ♦ ♦ Figura 4.5 • O Grau de um Tipo de Relacionamento: O grau de um tipo de relacionamento indica o número de tipos de entidades participantes. Assim, o tipo de relacionamento TRABALHA- PARA é de grau dois. Um tipo de relacionamento de grau dois é chamado binário e de grau três de ternário. Um exemplo de um tipo de relacionamento ternário é FORNECE, ilustrado na figura 4.6. Cada instância de relacionamento ri associa três entidades - um fornecedor s, uma peça p e um projeto j - onde o fornecedor s fornece a peça p para o projeto j. Podem existir tipos de relacionamento de qualquer grau, porém é mais freqüente encontrar o tipo de relacionamento de grau dois. FORNECEDOR FORNECE PROJETO s 1 s 2 ♦ ♦ n r 1 n r 2 n r 3 n r 4 n r 5 n r 7 n r 6 j 1 j 2 j 3 ♦ ♦ ♦ p 1 p 2 p 3 ♦ ♦ ♦ PEÇA Figura 4.6 27 Em geral, um tipo de relacionamento ternário representa mais informação do que três tipos de relacionamentos binários. Por exemplo, considere os três tipos de relacionamentos binários: PODE-FORNECER, USA e FORNECE-ALGO. Supõe-se que: a. PODE-FORNECER, entre os tipos de entidades FORNECEDOR e PEÇA, possui uma instância (s, p) com o significado: "o fornecedor s pode fornecer a peça p" (para qualquer projeto); b. USA, entre os tipos de entidades PROJETO e PEÇA, possui uma instância (j, p) com o significado: "o projeto j usa a peça p"; e c. FORNECE-ALGO, entre os tipos de entidades FORNECEDOR e PROJETO, possui uma instância (s, j) com o significado: "o fornecedor s fornece alguma peça para o projeto j". A existência dessas três instâncias de relacionamentos (s, p), (j, p) e (s, j) em PODE- FORNECER, USA e FORNECE-ALGO, respectivamente, não necessariamente implica que uma instância (s, j, p) exista no tipo de relacionamento ternário FORNECE. Isto tem sido chamado armadilha de conexão. · Relacionamento como Atributo: Convém, algumas vezes, pensar em um tipo de relacionamento em termos de atributos. Considere-se o tipo de relacionamento TRABALHA-PARA discutido anteriormente. Pode-se pensar em colocar um atributo chamado Departamento no tipo de entidade EMPREGADO onde o valor deste atributo em cada entidade empregado é a entidade departamento em que ele trabalha. Quando se pensa em um tipo de relacionamento binário como atributo, existem duas alternativas: Departamento como atributo do tipo de entidade EMPREGADO ou Empregado como atributo do tipo de entidade DEPARTAMENTO. Neste último caso, o atributo Empregado é um atributo multivalorado, onde os valores pertencem ao tipo de entidade EMPREGADO. Qualquer uma dessas alternativas é representada pelo tipo de relacionamento TRABALHA- PARA. · Nomes de Papéis e Relacionamentos Recursivos: Cada tipo de entidade que participa de um tipo de relacionamento possui um papel específico no relacionamento. O nome do papel indica o papel que uma entidade de um tipo de entidade tem para cada instância de relacionamento. Por exemplo, no tipo de relacionamento TRABALHA-PARA, EMPREGADO tem o papel empregado ou trabalhador e DEPARTAMENTO tem o papel de departamento ou empregador. A escolha do nome nem sempre é simples. Para o tipo de relacionamento ternário FORNECE, é difícil encontrar-se um nome. O nome de papel não é exclusividade do tipo de relacionamento onde os tipos de entidades participantes são distintos. Em alguns casos, um mesmo tipo de entidade participa mais que uma vez em um tipo de relacionamento com diferentes papéis. Nesses casos, é essencial identificar os nomes dos papéis a fim de distinguir o significado de cada participação. Tais tipos de relacionamentos são chamados recursivos. Para ilustrar, considere a figura 4.7: EMPREGADO SUPERVISIONA e 1 e 2 e 3 ♦ ♦ ♦ n r 1 n r 2 n r 3 1 1 1 e 4 ♦ 2 2 2 Figura 4.7 O tipo de relacionamento SUPERVISIONA relaciona um empregado com o seu supervisor, onde ambas entidades são membros do mesmo tipo de entidade EMPREGADO. Assim, o tipo de entidade EMPREGADO participa duas vezes: uma vez no papel de supervisor e outra no papel de supervisionado. Na 4.7 acima, as linhas marcadas com "1" representam 30 departamento através de um atributo DataInício para o tipo de relacionamento GERENCIA (figura 4.8). Note-se que atributos de tipos de relacionamento 1:1 ou 1:N podem ser incluídos como atributos de um dos tipos de entidades participantes. Por exemplo, o atributo DataInício para o tipo de relacionamento GERENCIA pode ser um atributo tanto de EMPREGADO quanto de DEPARTAMENTO; embora, conceitualmente, ele pertença ao relacionamento GERENCIA. Isso ocorre porque GERENCIA é um relacionamento 1:1. Assim, toda entidade departamento ou empregado participam em apenas uma instância de relacionamento e, dessa forma, o valor do atributo DataInício pode ser representado em uma das entidades participantes. Para um tipo de relacionamento 1:N, um atributo de relacionamento pode somente ser colocado no tipo de entidade que está do lado N do relacionamento. Por exemplo, na figura 4.5, se o relacionamento TRABALHA-PARA tiver um atributo DataInício indicando quando um empregado começou a trabalhar para um departamento, este atributo pode ser colocado como atributo de EMPREGADO. Isto acontece porque o relacionamento é 1:N, tal que cada entidade empregado participa apenas uma única vez em uma instância de TRABALHA-PARA. Em ambos os tipos de relacionamento 1:1 e 1:N, a decisão de onde colocar um atributo de relacionamento é determinada subjetivamente pelo projetista de esquemas. Se o valor de um atributo é determinado pela combinação das entidades participantes em uma instância de relacionamento, e não apenas por uma das entidades, então o atributo deve ser especificado como um atributo de relacionamento. Esta condição aplica-se a atributos de tipos de relacionamentos M:N, porque as entidades dos tipos de entidades participantes podem participar em inúmeras instâncias de relacionamento. Um exemplo disso é o atributo Horas do relacionamento M:N TRABALHA-EM (figura 4.9). O número de horas que um empregado trabalha em um projeto é determinado pela combinação empregado-projeto e não separadamente. 4.3.4 Tipo de Entidade-Fraca Alguns tipos de entidades podem não ter quaisquer atributos-chaves. Isto implica que não se pode distinguir as entidades porque a combinação dos valores de atributos podem ser idênticas. Tais tipos de entidades são chamadas tipos de entidades-fracas. Entidades que pertencem a um tipo de entidade-fraca são identificados por estarem associadas a entidades específicas de um outro tipo de entidade em combinação com alguns de seus valores de atributos. Este outro tipo de entidade é denominado proprietário da identificação, e o tipo de relacionamento que relaciona um tipo de entidade-fraca com o proprietário da identificação é chamado relacionamento de identificação do tipo de entidade-fraca. Um tipo de entidade- fraca sempre tem uma restrição de participação total (dependência existencial) com respeito ao seu relacionamento de identificação, porque não é possível identificar uma entidade-fraca sem a correspondente entidade proprietária. Por exemplo, considere o tipo de entidade DEPENDENTE, relacionado a EMPREGADO, que é usado para representar os dependentes de cada empregado através do relacionamento 1:N. Os atributos de DEPENDENTE são Nome (apenas o primeiro nome do dependente), DataNasc, Sexo e Relação com o empregado (esposa, marido, filho, sogra, etc.). Dois dependentes de empregados distintos podem ter os mesmos valores para os atributos, mesmo assim eles ainda serão entidades distintas. Os dependentes serão identificados como entidades distintas após a determinação da entidade empregado com a qual cada um está relacionado. Um tipo de entidade-fraca tem uma chave-parcial, que é um conjunto de atributos que pode univocamente identificar entidades-fracas relacionadas à mesma entidade proprietária. No 31 exemplo, assume-se que nenhum dependente de um mesmo empregado terá o mesmo nome, então o atributo Nome de DEPENDENTE será a chave-parcial. Um tipo de entidade-fraca pode, algumas vezes, ser representado como atributo composto e multivalorado. No exemplo, pode-se especificar um atributo composto e multivalorado denominado Dependente para EMPREGADO, onde os atributos componentes são Nome, DataNasc, Sexo e Relação, substituindo-se assim, o tipo de entidade-fraca DEPENDENTE. A escolha de qual representação usar é determinada pelo projetista da base de dados. Um critério usado para se adotar a representação de tipo de entidade-fraca é quando o tipo de entidade-fraca tem muitos atributos ou participa, independentemente, em outros tipos de relacionamentos além de seu tipo de relacionamento que o identifica. 4.3.5 Projeto da Base de Dados COMPANHIA utilizando o MER Tendo visto os conceitos pertinentes ao MER, pode-se agora especificar os seguintes tipos de relacionamentos extraídos do exemplo apresentado na seção 4.2. a. GERENCIA (1:1) entre EMPREGADO e DEPARTAMENTO. A participação de EMPREGADO é parcial. A participação de DEPARTAMENTO é total. O atributo DataInício é associado a este tipo de relacionamento. b. TRABALHA-PARA (1:N) entre DEPARTAMENTO e EMPREGADO. Ambos têm participação total. c. CONTROLA (1:N) entre DEPARTAMENTO e PROJETO. A participação de PROJETO é total e de DEPARTAMENTO é parcial. d. SUPERVISIONA (1:N) entre EMPREGADO (no papel de supervisor) e EMPREGADO (no papel de supervisionado). A participação de ambos é parcial, pois nem todo empregado é supervisor e nem todo empregado tem um supervisor. e. TRABALHA-EM (M:N) entre EMPREGADO e PROJETO com o atributo Horas. Ambos têm participação total. f. DEPENDENTE-DE (1:N) entre EMPREGADO e DEPENDENTE. É um tipo de relacionamento de identificação para o tipo de entidade-fraca DEPENDENTE. A participação de EMPREGADO é parcial e de DEPENDENTE é total. Nas figuras de 4.5 a 4.9 foram representados os tipos de entidades e relacionamentos mostrando suas extensões (as entidades e instâncias de relacionamentos). Em diagramas do MER, ou simplesmente DER, a ênfase está na representação de esquemas ao invés de instâncias. Isso porque o esquema de uma base de dados raramente sofre mudanças, já instâncias podem mudar freqüentemente. Também, o esquema é de fácil visualização por conter menor quantidade de elementos visuais. 4.4 Diagrama Entidade-Relacionamento (DER) A figura 4.10 ilustra um DER para o esquema da base de dados COMPANHIA. Os tipos de entidades tais como EMPREGADO, DEPARTAMENTO e PROJETO são mostrados em retângulos. Tipos de relacionamentos tais como TRABALHA-PARA, GERENCIA, CONTROLA e TRABALHA-EM são mostrados em losângulos interligados a tipos de entidades participantes. Atributos são mostrados em elipses conectadas a tipos de entidades ou relacionamentos. Os componentes de um atributo composto são também representados em elipses, porém conectadas ao atributo o qual ele pertence (atributo Nome de EMPREGADO). Atributos multivalorados são denotados em elipses com linhas duplas (atributo Localização de DEPARTAMENTO). Os atributos-chaves são sublinhados. Atributos derivados em elipses com linhas tracejadas (atributo NumeroDeEmpregados de DEPARTAMENTO). 32 Os tipos de entidades-fracas são distinguidos por retângulos com linhas duplas e os relacionamentos de identificação por losângulos com linhas duplas (tipo de entidade-fraca DEPENDENTE e tipo de relacionamento de identificação DEPENDENTE-DE). A chave-parcial de um tipo de entidade-fraca é sublinhada com linha tracejada. TRABALHA-PARA GERENCIA Pnome Mnome Snome Nome Nss DataNasc Endereço SalárioSexo DEPARTAMENTO Nome Número Localização NúmeroDeEmpregados DataInício CONTROLA PROJETO EMPREGADO TRABALHA-EM HorasSUPERVISIONA DEPENDENTE-DE DEPENDENTE Nome Sexo DataNasc Relação supervisor supervisiona 1 N 1 N M N 1 N 1 1 N 1 Nome Número Localização Figura 4.10 Na figura 4.10 são mostradas as razões de cardinalidade para cada tipo de relacionamento binário. A razão de cardinalidade de DEPARTAMENTO:EMPREGADO em GERENCIA é 1:1, para DEPARTAMENTO:EMPREGADO em TRABALHA-PARA é 1:N e M:N para TRABALHA- EM. As restrições de participação parcial são especificadas por linhas simples. As linhas paralelas denotam participação total (dependência existencial). Na figura 4.10 foram mostrados os nomes de papéis para o tipo de relacionamento SUPERVISIONA porque o tipo de entidade EMPREGADO ocupa dois papéis neste relacionamento. Na figura 4.11 é mostrado o mesmo esquema da figura 4.10, porém com a utilização da notação alternativa para ilustrar as restrições estruturais de tipos de relacionamentos. 35 difícil decidir se um determinado relacionamento deve ser representado como um tipo de relacionamento de grau n ou dividido em muitos tipos de relacionamentos de menor grau. O projetista da base de dados deve guiar-se na semântica, ou no significado da situação particular que estiver representando, para decidir qual alternativa adotar. Um outro exemplo é mostrado na figura 4.13(c). O tipo de relacionamento ternário OFERECE representa a informação sobre os instrutores que oferecem cursos em um dado semestre. Assim, ele possui uma instância de relacionamento (i, s, c) onde o instrutor i oferece o curso c durante o semestre s. Os três tipos de relacionamento binários mostrados na figura 4.13(c) têm os seguintes significados: a. PODE-DAR: relaciona os instrutores que podem dar um dado curso. b. DÁ: relaciona os instrutores que dão algum curso num dado semestre. c. OFERECIDO: relaciona os cursos oferecidos num dado semestre por algum professor. Em geral, os relacionamentos binários e ternários representam informações diferentes, mas certas restrições podem ser feitas entre estes relacionamentos. Por exemplo, uma instância de relacionamento (i, s, c) somente irá existir em OFERECE se a instância (i, s) em DÁ, a instância (s, c) em OFERECIDO e a instância (i, c) em PODE-DAR existirem. No entanto, o inverso não é sempre verdade; pode ser que existam instâncias (i, s), (s, c) e (i, c) nos três tipos de relacionamentos binários e, mesmo assim, não existir nenhuma instância (i, s, c) em OFERECE. Sobre certas restrições adicionais (i, s, c) pode existir, por exemplo, se o tipo de relacionamento PODE-DAR for 1:1, ou seja, se um instrutor somente puder dar aulas em apenas um curso e um curso puder ter apenas um instrutor. O projetista da base de dados deve analisar cada situação específica para decidir qual tipo de relacionamento binário e ternário irá necessitar. 36 FORNECEDOR Nome PEÇA PROJETO Número Quantidade Nome FORNECE FORNECEDOR Nome PEÇA PROJETO Número NomeFORNECE-ALGO PODE-FORNECER USA M N M N M N INSTRUTOR Nome CURSO SEMESTRE Número M N M N M N FORNECE DÁ PODE-DAR OFERECIDO Semestre Ano Sem-Ano Figura 4.13 Note-se que é possível ter um tipo de entidade-fraca com um tipo de relacionamento de identificação ternário (ou n-ário). Neste caso, o tipo de entidade-fraca pode ter muitos tipos de entidades proprietárias da identificação. Um exemplo é mostrado na figura 4.14. As razões de cardinalidade também são aplicáveis em tipos de relacionamentos n-ários. CANDIDATO Nome COMPANHIA Dept/Data Quantidade Nome REALIZA ENTREVISTA Departamento Data RESULTA TRABALHO Figura 4.14 37 4.6 Questões para a Síntese 1. Discuta o papel de um modelo de dados de alto-nível no processo de projeto de base de dados. 2. Cite alguns casos onde o valor null pode ser aplicado. 3. Defina os seguintes termos: entidade, atributo, valor de atributo, instância de relacionamento, atributo composto, atributo multivalorado, atributo derivado e atributo- chave. 4. O que é um tipo de entidade? Descreva as diferenças entre entidade e tipo de entidade. 5. O que é um tipo de relacionamento? Descreva as diferenças entre instância e tipo de relacionamento. 6. Quando é necessário utilizar nome de papéis na descrição de tipos de relacionamentos? 7. Descreva as duas alternativas para especificar as restrições estruturais sobre tipos de relacionamentos. Quais são as vantagens e desvantagens de cada uma? 8. Sobre quais condições pode um atributo de um tipo de relacionamento binário ser promovido a um atributo de um dos tipos de entidades participantes? 9. Sobre quais condições um tipo de relacionamento pode se tornar um atributo de um tipo de entidade? 10. Qual o significado de um tipo de relacionamento recursivo? Dê alguns exemplos disso. 11. Quando o conceito de entidade-fraca é útil na modelagem de dados? Defina os termos: tipo de entidade proprietário, tipo de relacionamento de identificação e chave-parcial. 12. Um tipo de relacionamento de identificação pode ter grau maior que dois? 13. Discuta as condições em que um tipo de relacionamento ternário pode ser representado por um número de tipos de relacionamentos binários. 40 • Uma tupla t em uma relação r(R) é representada como t=<v1, v2, ..., vn>, onde vi é o valor correspondente para atributos Ai. Serão utilizadas as seguintes notações para se referir aos valores dos componentes de tuplas: • t[Ai] indica o valor de vi em t para o atributo Ai. • t[Au, Aw, ..., Az] onde Au, Aw, ..., Az é uma lista de atributos de R, indica o conjunto de valores <vu, vw, ..., vz> de t correspondentes aos atributos especificados na lista. • As letras Q, R e S denotam nomes de relação. • As letras q, r e s denotam instâncias de relação. • As letras t, u e v denotam tuplas. • Em geral, o nome de uma relação tal como ESTUDANTE indica o conjunto atual de tuplas na relação - instância corrente da relação - e ESTUDANTE(Nome, NSS, ...) refere-se à relação esquema. • Os nomes de atributos são algumas vezes qualificados com o nome da relação na qual pertencem, por exemplo, ESTUDANTE.Nome ou ESTUDANTE.Anos. Considere uma tupla t=<'Barbara', '533', '555-999', 'Av. f, 54', null, 19, 3.25> da relação ESTUDANTE da figura 5.2; t[Nome]=<'Barbara'> e t[NSS, MPA, Anos]=<'533', 3.25, 19>. 5.1.2 Atributos-chaves de uma Relação Uma relação é definida como um conjunto de tuplas. Pela definição, todos os elementos de um conjunto são distintos. Assim, todas as tuplas de uma relação também são distintas. Isto significa que nenhuma tupla pode ter a mesma combinação de valores para todos os seus atributos. Normalmente, existem subconjuntos de atributos de uma relação esquema R com a propriedade de que nenhuma tupla de uma relação r de R tenha a mesma combinação de valores para esses atributos. Suponha que esse subconjunto seja denotado por SC; então para quaisquer tuplas t1 e t2 em r de R, deve valer a regra: t1[SC]≠t2[SC] Assim, SC é chamada super-chave da relação esquema R. Toda relação tem ao menos uma super-chave, que é o conjunto de todos os seus atributos. Uma chave C, de uma relação esquema R, é uma super-chave de R com a propriedade adicional de não se poder remover qualquer atributo A de K e continuar a ser super-chave de R. Assim, uma chave é uma super- chave mínima; uma super-chave da qual não se pode remover qualquer atributo. Por exemplo, considere a relação ESTUDANTE da figura 5.2. O conjunto de atributos {NSS} é uma super-chave de ESTUDANTE porque sabe-se que nenhum estudante irá ter o mesmo valor para NSS e também é uma chave, pois não se pode remover nenhum atributo. Qualquer conjunto de atributos que inclua NSS - por exemplo, {NSS, Nome, Anos} - será uma super- chave. No entanto, o conjunto {NSS, Nome, Anos} não é uma chave de ESTUDANTE porque removendo Nome ou Anos, ou ambos, o conjunto resultante será ainda uma super-chave. O valor de um atributo-chave pode ser usado para identificar unicamente uma tupla em uma relação. Por exemplo, o valor 533, do atributo NSS, identifica unicamente a tupla correspondente à 'Barbara' na relação ESTUDANTE. Note-se, que a indicação de quais atributos formam a chave deve ser feita na relação esquema, a fim de restringir qualquer duplicação de tuplas em quaisquer instâncias do esquema. A chave deve ser determinada pelo significado dos atributos na relação esquema e deve ser invariante ao tempo. Por exemplo, o atributo Nome da relação ESTUDANTE não pode ser indicada como chave, uma vez que nada garante a ocorrência de homônimos. Em geral, uma relação esquema pode ter mais que uma chave. Nestes casos, cada chave é chamada chave-candidata. Por exemplo, o esquema da relação ESTUDANTE poderia ter um 41 atributo adicional Código, para indicar o código interno de estudantes na escola. Assim, o esquema teria duas chaves candidatas: NSS e Código. É comum designar uma das chaves candidatas como a chave-primária da relação. A indicação de qual chave-candidata é a chave-primária é realizada sublinhado-se os atributos que formam a chave-candidata escolhida. Quando uma relação esquema tem muitas chaves-candidatas, a escolha da chave- primária é arbitrária; no entanto, é sempre melhor escolher a chave-primária com o menor número de atributos. 5.1.3 Esquemas de Bases de Dados Relacionais e Restrições de Integridade • Definição de um esquema de base de dados relacional e base de dados relacional: um esquema da base de dados relacional S é um conjunto de relações esquemas S={R1, R2, ..., Rm} e um conjunto de restrições de integridade RI. Uma instância da base de dados relacional DB de S é um conjunto de instâncias de relações DB={r1, r2, ..., rm} tal que ri é uma instância de Ri e que satisfaz as restrições de integridade especificadas em RI. A figura 5.3 ilustra um esquema da base de dados relacional denominada COMPANHIA. O termo base de dados relacional refere-se, implicitamente, ao esquema e à instância. EMPREGADO PNOME MNOME SNOME NSS DATANASC ENDEREÇO SEXO SALARIO NSSSUPER NDEP DEPARTAMENTO DNOME DNÚMERO SNNGER DATINICGER LOCAIS_DEPTO DNÚMERO DLOCALIZAÇÃO PROJETO PNOME PNÚMERO PLOCALIZAÇÃO DNUM TRABALHA_EM NSSEMP PNRO HORAS DEPENDENTE NSSEMP NOMEDEPENDENTE SEXO DATANIV RELAÇÃO Figura 5.3 Observa-se, na figura 5.3 acima, que o atributo DNÚMERO tanto de DEPARTAMENTO quanto de LOCAIS_DEPTO referem-se ao mesmo conceito do mundo real - o número dado a um departamento. Este mesmo conceito é chamado NDEP em EMPREGADO e DNUM em PROJETO. Isto significa que é permitido dar nomes de atributos distintos para um mesmo conceito do mundo real. Permite-se, também, que atributos que representam conceitos diferentes tenham o mesmo nome desde que em relações diferentes. Por exemplo, poderia ter sido usado NOME ao invés de PNOME e DNOME nas relações esquemas PROJETO e DEPARTAMENTO, respectivamente. • Restrições de Integridade sobre um Esquema de Base de Dados Relacional: as restrições de chave especificam as chaves-candidatas de cada relação esquema; os valores das chaves-candidatas devem ser únicos para todas as tuplas de quaisquer instâncias da relação esquema. Além da restrição de chave, dois outros tipos de restrições são consideradas no modelo relacional: integridade de entidade e integridade referencial. A restrição de integridade de entidade estabelece que nenhum valor da chave-primária pode ser nulo. Isso porque, o valor de uma chave-primária é utilizado para identificar tuplas 42 em uma relação. Por exemplo, se duas ou mais tuplas tiverem o valor null para a chave- primária, não haverá como diferenciar uma tupla da outra. As restrições de chave e de integridade de entidade aplicam-se apenas a relações individuais. A restrição de integridade referencial é uma restrição que é especificada entre duas relações e é usada para manter a consistência entre tuplas de duas relações. Informalmente, a restrição de integridade referencial estabelece que um tupla de uma relação que se refere à outra relação deve se referir a uma tupla existente naquela relação. Por exemplo, na figura 5.4, o atributo NDEP de EMPREGADO indica o número do departamento que cada empregado trabalha. Assim, todos os valores de NDEP nas tuplas da relação EMPREGADO devem pertencer ao conjunto de valores do atributo DNÚMERO da relação DEPARTAMENTO. EMPREGADO PNOME MNOME SNOME NSS DATANASC ENDEREÇO SEXO SALARIO NSSSUPER NDEP John B Smith 123456789 09-JAN-55 R. A, 1 M 3000 333445555 5 Franklin T Wong 333445555 08-DEZ-45 R. B, 2 M 4000 888665555 5 Alicia J Zelaya 999887777 19-JUL-58 Av. C, 3 F 2500 987654321 4 Jennifer S Wallace 987654321 20-JUN-31 Trav. D, 4 F 4300 888665555 4 Ramesh K Narayan 666884444 15-SET-52 R. E, 5 M 3800 333445555 5 Joyce A English 453453453 31-JUL-62 R. F, 6 F 2500 333445555 5 Ahmad V Jabbar 987987987 29-MAR-59 Av G, 7 M 2500 987654321 4 James E Borg 888665555 10-NOV-27 Av H, 8 M 5500 null 1 DEPARTAMENTO DNOME DNÚMERO SNNGER DATINICGER Pesquisa 5 333445555 22-MAI-78 Administrativo 4 987654321 01-JAN-85 Gerencial 1 888665555 19-JUN-71 LOCAIS_DEPTO DNÚMERO DLOCALIZAÇÃO 1 Houston 4 Stafford 5 Bellaire 5 Sugariand 5 Houston PROJETO PNOME PNÚMERO PLOCALIZAÇÃO DNUM ProdutoX 1 Bellaire 5 ProdutoY 2 Sugarland 5 ProdutoZ 3 Houston 5 Automação 10 Stafford 4 Reorganização 20 Houston 1 Beneficiamento 30 Stafford 4 TRABALHA_EM NSSEMP PNRO HORAS 123456789 1 32.5 123456789 2 7.5 666884444 3 40.0 453453453 1 20.0 453453453 2 20.0 333445555 2 10.0 333445555 3 10.0 333445555 10 10.0 333445555 20 10.0 999887777 30 30.0 999887777 10 10.0 987987987 10 35.0 987987987 30 5.0 987654321 30 20.0 987654321 20 15.0 888775555 20 null DEPENDENTE NSSEMP NOMEDEPENDENTE SEXO DATANIV RELAÇÃO 333445555 Alice F 05-ABR-76 FILHA 333445555 Theodore M 25-OUT-73 FILHO 333445555 Joy F 03-MAI-48 ESPOSA 987654321 Abner M 29-FEV-78 MARIDO 123456789 Michael M 01-JAN-78 FILHO 123456789 Alice F 31-DEZ-78 FILHA 123456789 Elizabeth F 05-MAI-57 ESPOSA Figura 5.4 Para definir formalmente a restrição de integridade referencial, há a necessidade de antes definir o conceito de chave-estrangeira. As condições para uma chave-estrangeira, descritas abaixo, especificam uma restrição de integridade referencial de duas relações 45 6 Mapeamento do MER para o Modelo de Dados Relacional É comum, em projetos de banco de dados, realizar a modelagem dos dados através de um modelo de dados de alto-nível. Os produtos gerados por esse processo são os esquemas de visões que são posteriormente integradas para formar um único esquema. O modelo de dados de alto-nível normalmente adotado é o Modelo Entidade-Relacionamento (MER) e o esquema das visões e de toda a base de dados são especificados em diagramas entidade- relacionamento (DER). O passo seguinte à modelagem dos dados é o mapeamento do diagrama da base de dados global, obtido na fase anterior, para um modelo de dados de implementação. Existem três tipos de modelos de dados de implementação: hierárquico, rede e relacional. Para cada um desses modelos, pode-se definir estratégias de tradução a partir de um DER específico. A estratégia de tradução, ou de mapeamento, tratado neste capítulo é para o modelo de dados relacional. Para isso, considere o esquema relacional mostrado na figura 6.1 (semelhante à figura 5.5) que foi derivado do DER da figura 4.11 seguindo um procedimento de mapeamento. Este procedimento é apresentado passo-a-passo usando como exemplo o DER COMPANHIA. EMPREGADO ce ce PNOME MNOME SNOME NSS DATANASC ENDEREÇO SEXO SALARIO NSSSUPER DNUM cp DEPARTAMENTO Ce * DNOME DNÚMERO SNNGER DATINICGER cp LOCAIS_DEPTO Ce DNÚMERO DLOCALIZAÇÃO \ __________________ _______/ cp PROJETO ce PNOME PNÚMERO PLOCALIZAÇÃO DNUM Cp TRABALHA_EM ce ce NSSEMP PNRO HORAS \_______________/ cp DEPENDENTE ce NSSEMP NOMEDEPENDENTE SEXO DATANIV RELAÇÃO \___________________________/ cp Figura 6.1 46 Passo 1: Para cada entidade regular E no DER, criar uma relação R que inclua todos os atributos simples de E. Para um atributo composto, inclua apenas os atributos simples que compõem o atributo composto. Escolha um dos atributos-chave de E como sendo a chave-primária de R. Se a chave escolhida de E for composta, então o conjunto de atributos simples que o compõem irão formar a chave-primária de R. No exemplo, foram criadas as relações EMPREGADO, DEPARTAMENTO e PROJETO correspondentes às entidades regulares EMPREGADO, DEPARTAMENTO e PROJETO presentes no DER. Os atributos indicados com ce (chave-estrangeira) ou * (atributos de relacionamento) não foram incluídos ainda; eles serão adicionados durante os passos subseqüentes. Foram escolhidas as chaves- primárias NSS, DNÚMERO e PNÚMERO para as relações EMPREGADO, DEPARTAMENTO e PROJETO respectivamente. Passo 2: Para cada tipo de entidade fraca W do DER com o tipo de entidade de identificação E, criar uma relação R e incluir todos os atributos simples (ou os componentes simples de atributos compostos) de W como atributos de R. Além disso, incluir como a chave-estrangeira de R a chave-primária da relação que corresponde ao tipo de entidade de identificação; isto resolve o problema do tipo do relacionamento de identificação de W. A chave-primária de R é a combinação da chave-primária do tipo de entidade de identificação e a chave-parcial do tipo de entidade fraca W. No exemplo, foi criada a relação DEPENDENTE correspondente ao tipo de entidade fraca DEPENDENTE do DER. Foi incluída a chave-primária da relação EMPREGADO - que corresponde ao tipo de entidade de identificação - como um atributo de DEPENDENTE; foi renomeado o atributo NSS para NSSEMP embora não seja necessário. A chave-primária da relação DEPENDENTE é a combinação {NSSEMP, NOMEDEPENDENTE} porque NOMEDEPENDENTE é a chave-parcial de DEPENDENTE. Passo 3: Para cada tipo de relacionamento binário 1:1 R do DER, criar as relações S e T que correspondem aos tipos de entidade participantes em R. Escolher uma das relações, por exemplo S, que inclua como chave-estrangeira de S a chave-primária de T. É melhor escolher o tipo de entidade com participação total em R como a relação S. Inclua todos os atributos simples (ou os componentes simples de atributos compostos) do tipo de relacionamento 1:1 R como atributos de S. No exemplo, foi mapeado o tipo de relacionamento 1:1 GERENCIA da figura 4.10, escolhendo o tipo de entidade participante DEPARTAMENTO para fazer o papel de S porque sua participação no tipo de relacionamento GERENCIA é total (todo departamento tem um gerente). Foi incluída a chave-primária da relação EMPREGADO como a chave-estrangeira na relação DEPARTAMENTO que foi chamado de SNNGER . Também foi incluído o atributo simples DataInício do tipo de relacionamento GERENCIA na relação DEPARTAMENTO e foi renomeado como DATINICGER. Note-se que, uma alternativa para o mapeamento de um tipo de relacionamento 1:1 seria unir os dois tipos de entidades e o tipo de relacionamento numa única relação. Isto é particularmente apropriado quando ambas as participações são total e quanto os tipos de entidade não participam em quaisquer outros tipos de relacionamentos. Passo 4: Para cada tipo de relacionamento binário regular 1:N (não fraca) R, identificar a relação S que representa o tipo de entidade que participa do lado N do tipo de relacionamento. Inclua como chave-estrangeira de S a chave-primária da relação T que representa o outro tipo de entidade que participa em R; isto porque cada instância da entidade do lado N está relacionada a mais de uma instância de entidade no lado 1 do tipo de relacionamento. Por exemplo, no tipo de relacionamento 1:N TRABALHA-PARA cada empregado está relacionado a um único departamento. Inclua também quaisquer atributos simples (ou componentes simples de atributos compostos) do tipo de relacionamento 1:N como atributos de S. 47 No exemplo, foram mapeados os tipos de relacionamentos 1:N TRABALHA-PARA e SUPERVISIONA. Para TRABALHA-PARA incluiu-se a chave-primária da relação DEPARTAMENTO como a chave-estrangeira na relação EMPREGADO e foi chamado DNUM. Para SUPERVISIONA incluiu-se a chave-primária da relação EMPREGADO como a chave-estrangeira na relação EMPREGADO e foi denominado NSSSUPER. O relacionamento CONTROLA é mapeado da mesma maneira. Passo 5: Para cada tipo de relacionamento binário M:N R, criar uma nova relação S para representar R. Incluir como chave-estrangeira em S as chaves-primárias das relações que representam os tipos de entidade participantes; sua combinação irá formar a chave-primária de S. Inclua também qualquer atributo simples do tipo de relacionamento M:N (ou componentes simples dos atributos compostos) como atributos de S. Note-se que não se pode representar um tipo de relacionamento M:N como uma simples chave-estrangeira em uma das relações participantes - como foi feito para os tipos de relacionamentos 1:1 e 1:N - por causa da razão de cardinalidade M:N. No exemplo foi mapeado o tipo de relacionamento M:N TRABALHA-EM criando-se a relação TRABALHA_EM na figura 4.6. Incluiu-se as chaves-primárias das relações PROJETO e EMPREGADO como chaves-estrangeiras em TRABALHA_EM e foi renomeado NSS para NSSEMP e Número para PNRO respectivamente. Também foi incluído um atributo HORAS para representar o atributo Horas do tipo de relacionamento. A chave-primária da relação TRABALHA_EM é a combinação das chaves-estrangeiras {NSSEMP, PNRO}. Note-se que sempre é possível mapear relacionamentos 1:1 ou 1:N da mesma maneira que os relacionamentos M:N. Esta alternativa pode ser adotada desde que existam poucas instâncias de relacionamento a fim de evitar valores null em chaves- estrangeiras. Passo 6: Para cada atributo A multivalorado, criar uma nova relação R que inclua um atributo correspondendo a A e a chave-primária K da relação que representa o tipo de entidade ou o tipo de relacionamento que tem A como atributo. A chave-primária de R é a combinação de A e K. Se o atributo multivalorado é composto inclua os atributos simples que o compõem. No exemplo foi criada a relação LOCAIS_DEPTO. O atributo DLOCALIZAÇÃO representa o atributo multivalorado Localização de DEPARTAMENTO, enquanto DNÚMERO - como chave-estrangeira - representa a chave-primária da relação DEPARTAMENTO. A chave-primária de LOCAIS_DEPTO é a combinação de {DNÚMERO, DLOCALIZAÇÃO}. Uma tupla irá existir em LOCAIS_DEPTO para cada localização que um departamento tiver. A figura 6.1 mostra o esquema da base de dados relacional obtida aplicando-se os passos acima e a figura 5.4 mostra uma instância deste esquema. Observa-se que não foi discutido o mapeamento de tipos de relacionamento n-ário (n > 2) porque não existem na figura 4.10. Estes tipos de relacionamentos podem ser mapeados da mesma forma que os tipos de relacionamentos M:N, apenas observando o seguinte passo adicional no procedimento de mapeamento. Passo 7: Para cada tipo de relacionamento n-ário R, n>2, criar uma nova relação S para representar R. Inclua como chave-estrangeira em S as chaves-primárias das relações que representam os tipos de entidades participantes. Incluindo-se também qualquer atributo simples do tipo de relacionamento n-ário (ou componentes simples dos atributos compostos) como atributo de S. A chave-primária de S é normalmente uma combinação de todas as chaves-estrangeiras e referenciam as relações que representam os tipos de entidades participantes. Porém, se a restrição de participação (min, max) de um dos tipos de entidades E que participa em R tiver max=1, então a chave-primária de S pode ser a chave-estrangeira que referencia a 50 O resultado é mostrado na figura 7.1a. (a) PNOME MNOME SNOME NSS DATANASC ENDEREÇO SEXO SALARIO NSSSUPER NDEP Franklin T Wong 333445555 08-DEZ-45 R. B, 2 M 4000 888665555 5 Jennifer S Wallace 987654321 20-JUN-31 Trav. D, 4 F 4300 888665555 4 Ramesh K Narayan 666884444 15-SET-52 R. E, 5 M 3800 333445555 5 (b) SNOME PNOME SALARIO (c) SEXO SALARIO Smith John 3000 M 3000 Wong Franklin 4000 M 4000 Zelaya Alícia 2500 F 2500 Wallace Jennifer 4300 F 4300 Narayan Ramesh 3800 M 3800 English Joyce 2500 M 2500 Jabbar Ahmad 2500 M 5500 Borg James 5500 Figura 7.1 O operador SELECT é unário; isto é, ele é aplicado somente a uma relação. Assim, o SELECT não pode ser usado para selecionar tuplas de mais de uma relação. Note-se também que a operação de seleção é aplicada individualmente para cada tupla. Assim, as condições de seleção não podem ser aplicadas a mais que uma tupla. O grau da relação resultante é a mesma que a relação original. O número de tuplas da relação resultante é sempre menor ou igual ao número de tuplas da relação original. Note que o operador SELECT é comutativo; isto é, <cond1> (<cond2> (R))= <cond2> (<cond1> (R)) Assim, uma seqüência de SELECTs pode ser aplicada em qualquer ordem. Além disso, pode- se sempre trocar operadores SELECT em cascata com a conjuntiva AND; isto é: <cond1> (<cond2> (...<condn> (R) ...))=<cond1> AND <cond2> AND ... AND <condn>(R) 7.1.2 O Operador PROJECT Pensando na relação como uma tabela, então o operador SELECT seleciona algumas linhas da tabela enquanto descarta outras. O operador PROJECT, por outro lado, seleciona certas colunas da tabela e descarta outras. Se existir o interesse sobre certos atributos da relação, pode-se usar o PROJECT para “projetar” a relação sobre esses atributos. Por exemplo, suponha a necessidade de listar, para cada empregado, os atributos PNOME, SNOME e SALÁRIO; então pode-se usar o PROJECT como segue: SNOME, PNOME, SALÁRIO (EMPREGADO) A relação resultante é mostrada na figura 7.1b. A forma geral do operador PROJECT é: <lista de atributos> (<nome da relação>) onde é o símbolo usado para representar o operador PROJECT e <lista de atributos> é uma lista de atributos da relação especificada por <nome da relação>. A relação resultante tem apenas os atributos especificados em <lista de atributos> e aparecem na mesma ordem que aparecem na lista. Assim, o grau é igual ao número de atributos em <lista de atributos>. 51 Convém salientar que, caso a lista de atributos não contenha atributos chaves, então é provável que tuplas duplicadas apareçam no resultado. A operação PROJECT remove implicitamente quaisquer tuplas duplicadas, tal que o resultado da operação PROJECT seja um conjunto de tuplas e assim, uma relação válida. Por exemplo, considere a seguinte operação: SEXO, SALÁRIO (EMPREGADO) O resultado é mostrado na figura 7.1c, onde a tupla <F, 2500> aparece apenas uma vez, mesmo que esta combinação de valores apareça duas vezes na relação EMPREGADO. Dessa maneira, se duas ou mais tuplas aparecerem quando aplicada à operação PROJECT, apenas uma será mantida no resultado; isto é conhecido como eliminação de duplicidade e é necessária para assegurar que o resultado da operação também seja uma relação - um conjunto de tuplas. O número de tuplas na relação resultante sempre será igual ou menor que a quantidade de tuplas na relação original. Note-se que: <lista1> ( <lista2> (R)) = <lista1> (R) caso <lista2> contém os atributos de <lista1>; caso contrário, o lado esquerdo da igualdade acima estará incorreta. A comutatividade não é válida para PROJECT. 7.2 Seqüência de Operações As relações mostradas na figura 7.1 não possuem nomes. Em geral, existe a necessidade de se aplicar várias operações da álgebra relacional uma após a outra. Pode-se escrever essas operações em apenas uma única expressão da álgebra relacional ou aplicar uma única operação por vez e criar relações intermediárias. Neste último caso, deve-se dar nomes às relações intermediárias. Por exemplo, deseja-se recuperar o primeiro nome, o último nome e o salário de todos os empregados que trabalham no departamento 5;. Isto pode ser feito aplicando-se os operadores SELECT e PROJECT: PNOME, SNOME, SALÁRIO (NDEP=5 (EMPREGADO)) A figura 7.2a mostra o resultado desta expressão da álgebra relacional. Alternativamente, pode-se explicitar a seqüência de operações, dando um nome para cada relação intermediária: DEP5_EMPS ← NDEP=5 (EMPREGADO) RESULT ← PNOME, SNOME, SALÁRIO (DEP5_EMPS) (a) PNOME SNOME SALÁRIO John Smith 3000 Franklin Wong 4000 Alícia Zelaya 2500 Jennifer Wallace 4300 Ramesh Narayan 3800 Joyce English 2500 Ahmad Jabbar 2500 James Borg 5500 52 DEP5_EMPS (b) PNOME MNOME SNOME NSS DATANASC ENDEREÇO SEXO SALÁRIO NSSSUPER NDEP John B Smith 123456789 09-JAN-55 R. A, 1 M 3000 333445555 5 Franklin T Wong 333445555 08-DEZ-45 R. B, 2 M 4000 888665555 5 Ramesh K Narayan 666884444 15-SET-52 R. E, 5 M 3800 333445555 5 Joyce A English 453453453 31-JUL-62 R. F, 6 F 2500 333445555 5 RESULT PRIMEIRO_NOME SOBRENOME SALÁRIO John Smith 3000 Franklin Wong 4000 Ramesh Narayan 3800 Joyce English 2500 Figura 7.2 7.3 Renomeando Atributos Normalmente, é mais simples dividir uma seqüência de operações especificando as relações intermediárias ao invés de escrever uma única expressão da álgebra relacional. Pode-se, também, utilizar a técnica de renomear atributos nas relações intermediárias. Para renomear atributos de uma relação, que resultou da aplicação de uma operação da álgebra relacional, basta listar os nomes dos atributos entre parênteses: DEP5_EMPS ← NDEP=5 (EMPREGADO) RESULT(PRIMEIRO_NOME, SOBRENOME, SALÁRIO)← PNOME, SNOME, SALÁRIO (DEP5_EMPS) Os resultados das duas operações acima são ilustrados na figura 7.2b. 7.4 Operações da Teoria dos Conjuntos O próximo grupo de operações da álgebra relacional são as operações matemáticas padrões sobre conjuntos. Elas se aplicam ao modelo relacional porque uma relação é definida como um conjunto de tuplas. Por exemplo, suponha a necessidade de se recuperar o número do seguro social de todos os empregados que trabalham no departamento 5 ou, diretamente supervisione um empregado que trabalha no departamento 5. Esta operação pode ser realizada usando o operador UNION. DEP5_EMPS ← NDEP=5 (EMPREGADO) RESULT1← NSS (DEP5_EMPS) RESULT2(NSS)← NSSSUPER (DEP5_EMPS) RESULT←RESULT1 ∪ RESULT2 A relação RESULT1 contém o número do seguro social de todos os empregados que trabalham no departamento 5. RESULT2 contém o número do seguro social de todos os empregados que diretamente supervisionam empregados que trabalham no departamento 5. A operação UNION gera uma relação que contém tanto as tuplas de RESULT1 quanto de RESULT2. A figura 7.3 ilustra este exemplo. RESULT1 NSS RESULT2 NSS RESULT NSS 123456789 333445555 123456789 333445555 888665555 333445555 666884444 666884444 453453453 453453453 888665555 Figura 7.3 55 DEPT_GER←DEPARTAMENTO ⌧SNNGER=NSS EMPREGADO RESULT←πDNOME, SNOME, PNOME (DEPT_GER) O resultado da primeira operação é mostrado na figura 7.5. O exemplo utilizado para ilustrar o CARTESIAN PRODUCT pode ser especificado usando o operador JOIN trocando as duas operações: EMP_DEP←EMP_NOMES χ DEPENDENTE DEP_ATUAL←σNSS=NSSEMP (EMP_DEP) por DEP_ATUAL←EMP_NOME ⌧NSS=NSSEMP DEPENDENTE DEPT_GER DNOME DNÚMERO SNNGER ... PNOME MNOME SNOME NSS ... Pesquisa 5 333445555 ... Franklin T Wong 333445555 ... Administrativo 4 987654321 ... Jennifer S Wallace 987654321 ... Gerencial 1 888665555 ... James E Borg 888665555 ... Figura 7.5 A forma geral da operação JOIN sobre duas relações R(A1, A2, ..., An) e S(B1, B2, ..., Bm) é: R ⌧<condição join> S. O resultado de JOIN é uma relação Q com n+m atributos Q(A1, A2, ..., An, B1, B2, ..., Bm) nesta ordem; Q tem um tupla para cada combinação de tuplas  uma de R e uma de S  onde quer que a combinação satisfaça a condição join. Esta é a principal diferença entre CARTESIAN PRODUCT e JOIN; em JOIN, apenas combinações de tuplas que satisfazem a condição join é que aparecerá no resultado, já no CARTESIAN PRODUCT, todas as combinações de tuplas são incluídas no resultado. A condição join é especificada sobre atributos de R e de S, e é avaliada para cada combinação de tuplas. Uma condição join tem a forma: <condição> AND <condição> AND ... AND <condição> onde cada condição é da forma Ai θ Bj, Ai é um atributo de R, Bj é um atributo de S, Ai e Bj têm o mesmo domínio e θ é um dos operadores de comparação <=, <, ≤, >, ≥, ≠}. Uma operação JOIN de condição especificada é denominada THETA JOIN. Tuplas cujos valores dos atributos join são null não aparecem no resultado. É muito comum encontrar JOIN que envolva condições joins com apenas a comparação de igualdade. Um JOIN, onde apenas o operador de comparação = é utilizado é chamado EQUIJOIN. Os dois exemplos anteriores eram EQUIJOIN. Note-se, que no resultado de uma EQUIJOIN sempre terá um ou mais pares de atributos que tem valores idênticos em todas as tuplas. Por exemplo, na figura 7.5 os valores dos atributos SNNGER e NSS são idênticos em todas as tuplas de DEPT_GER porque condição join de igualdade é especificada sobre estes atributos. Devido a esta duplicação ser desnecessária, uma nova operação chamada NATURAL JOIN foi criada. Denota-se o join natural por *, que é basicamente um equijoin seguido da remoção de atributos desnecessários. Um exemplo é: PROJ_DEPT←PROJETO * DNUM=DNÚMERO DEPARTAMENTO Os atributos DNUM e DNÜMERO são chamados atributos de união. A relação resultante é mostrada na figura 7.6a. Na relação PROJ_DEPT, cada tupla combina uma tupla de PROJETO 56 com a tupla de DEPARTAMENTO que controla o projeto. Na relação resultante, manteve-se apenas o primeiro atributo de união. Devido às comparações em uma condição join de um join natural serem sempre comparações de igualdade, pode-se descartar o operador de comparação e apenas listar os atributos de união como segue: PROJ_DEPT←PROJETO * (DNUM),,(DNÚMERO) DEPARTAMENTO Assim, a forma geral de um NATURAL JOIN é: Q←R * (<lista1>),(<lista1>) S Neste caso, <lista1> especifica uma lista de i atributos de R e <lista2> especifica uma lista de i atributos de S. Apenas os atributos da primeira relação R  <lista1>  serão mantidos na relação resultante Q. Se os atributos sobre os quais o join natural é especificado tiverem os mesmos nomes em ambas relações, pode-se tirar a condição join totalmente. Por exemplo, para aplicar um join natural sobre DNÚMERO de DEPARTAMENTO e LOCAIS_DEPTO, é suficiente escrever: DEPT_LOCS←DEPARTAMENTO * LOCAIS_DEPTO A relação resultante é mostrada na figura 7.6b, que combina cada departamento com suas localizações e tem uma tupla para cada localização. Esta operação é executada igualando-se todos os pares de atributos que tenham o mesmo nome nas duas relações. Note que, se nenhuma combinação de tuplas satisfizer a condição join, então o resultado será uma relação vazia. Em geral, se R tiver nR tuplas e S tiver nS tuplas, o resultado de uma operação JOIN R ⌧ <condição join> S terá entre zero e nR*nS tuplas. Se não existir <condição join> para satisfazer, então todas as combinações de tuplas serão incluídas. Nestes casos, JOIN torna-se um CARTESIAN PRODUCT. PROJ_DEPT (a) PNOME PNÚMERO PLOCALIZAÇÃO DNUM DNOME SNNGER DATINICGER ProdutoX 1 Bellaire 5 Pesquisa 333445555 22-MAI-78 ProdutoY 2 Sugarland 5 Pesquisa 333445555 22-MAI-78 ProdutoZ 3 Houston 5 Pesquisa 333445555 22-MAI-78 Automação 10 Stafford 4 Administrativo 987654321 01-JAN-85 Reorganização 20 Houston 1 Gerencial 888665555 19-JUN-71 Beneficiamento 30 Stafford 4 Administrativo 987654321 01-JAN-85 DEPT_LOCS (b) DNOME DNÚMERO SNNGER DATINICGER DLOCALIZAÇÃO Gerencial 1 888665555 19-JUN-71 Houston Administrativo 4 987654321 01-JAN-85 Stafford Pesquisa 5 333445555 22-MAI-78 Bellaire Pesquisa 5 333445555 22-MAI-78 Sugariand Pesquisa 5 333445555 22-MAI-78 Houston Figura 7.6 7.4.2 Conjunto completo de Operações da Álgebra Relacional Será mostrado que o conjunto de operações da álgebra relacional {σ, π, ∪, -, χ} é um conjunto completo; isto é, quaisquer outras operações da álgebra relacional podem ser expressas como uma seqüência de operações deste conjunto. Por exemplo, a operação de INTERSECTION pode ser expressa usando UNION e DEFFERENCE como segue: R ∩ S ≡ (R ∪ S)-((R - S) ∪ (S - R)) Embora, estritamente falando, a INTERSECTION, seja desnecessária, é inconveniente especificar esta complexa expressão todas as vezes que for necessário utilizar a interseção. 57 Como um outro exemplo, uma operação JOIN pode ser especificada como uma CARTESIAN PRODUCT seguida pela operação SELECT como discutido anteriormente: R ⌧ <condição> S ≡ σ <condição> (R χ S) Similarmente, uma operação NATURAL JOIN pode ser especificada como um CARTESIAN PRODUCT seguida pelas operações SELECT e PROJECT. Assim, as várias formas de JOIN também não são estritamente necessárias para expressar o poder da álgebra relacional. No entanto, elas são muito convenientes  assim como a operação INTERSECTION  porque elas são utilizadas com freqüência pelas aplicações de base de dados relacional. Outras operações foram incluídas por conveniência. Será discutida uma delas: DIVISION. 7.4.3 A Operação DIVISION A operação DIVISION é útil para um tipo especial de consulta que ocorre freqüentemente em aplicações de base de dados. Esta requisição pode ser ilustrada pela seguinte consulta: "Recupere os nomes dos empregados que trabalham em todos os projetos em que 'John Smith' trabalha. Para expressar esta consulta usando DIVISION deve-se fazer o seguinte: primeiro recuperar a lista de números de projetos em que 'John Smith' trabalha em uma relação intermediária SMITH_PNOS: SMITH←σ PNOME = 'John' AND SNOME = 'Smith' (EMPREGADO) SMITH_PNOS←π PNRO (TRABALHA_EM * NSSEMP = NSS SMITH) Depois, criar uma relação que inclua tuplas da forma <PNRO, NSSEMP> que lista todos os empregados, cujo número do segura social é NSSEMP, que trabalham num determinado projeto PNRO: NSS_PNRO←π PNRO, NSSEMP (TRABALHA_EM) Finalmente, aplicar a operação DIVISION para as relações obtidas a fim de obter os números dos seguros sociais desejados: NSS_DESEJADO(NSS)←NSS_PNRO ÷ SIMTH_PNOS RESULT←π PNOME, SNOME (NSS_DESEJADO * EMPREGADO) Os resultados das operações acima são mostrados na figura 7.7a. Em geral, a operação DIVISION é aplicada para duas relação R(Z) ÷ S(X), onde X ⊆ Z. Seja Y=Z - X; isto é, Y é o conjunto de atributos de R que não são atributos de S. O resultado da divisão é uma relação T(Y) que incluirá uma tupla t se tR cujo tR[Y] = t aparecer em R com tR[X] = Ts para toda tupla tS em S. Isto significa que para uma tupla aparecer no resultado T da divisão, os valores em t devem aparecer em R em combinação com todas as tuplas de S. A figura 7.7b ilustra a utilização da operação DIVISON onde R = Z = {A, B}, S = X = {A}, e T = Y = {B}; isto é, X e Y são ambos atributos simples. A relação resultante T terá apenas um único atributo B = Z - X. Note que b1 e b4 aparecem em R em combinação com todas as três tuplas de S; por isso é que eles aparecem na relação resultado T. Todos os outros valores de B em R não apareceram com todas as tuplas de S e não foram selecionados  b2 não aparece com a2 e b3 não aparece com a1. A operação de divisão pode ser expressa como uma seqüência de operações π, χ e -: T1←πY (R) T2←πY ((S χ T1) - R) T←T1 - T2 60 por diante. Embora seja simples especificar, na álgebra relacional, todos os empregados supervisionados por e num nível específico, é difícil especificar todos os supervisionados em todos os níveis. Por exemplo, para especificar os NSSs de todos os empregados e' diretamente supervisionados  no nível um  por e cujo nome é 'James Borg' (veja figura 5.4), pode-se aplicar as seguintes operações: BORG_NSS←πNSS (σ PNOME = 'James' AND SNOME = 'Borg' (EMPREGADO)) SUPERVISÃO(SSN1, SSN2)←πNSS, NSSSUPER (EMPREGADO) RESULT1←πSSN1 (SUPERVISÃO ⌧SSN2 = NSS BORG_NSS) Para recuperar todos os empregados supervisionados por Borg no nível dois, isto é, todos os empregados e'' supervisionados pelo empregado e' que é diretamente supervisionado por Borg, pode-se aplica um outro JOIN ao resultado da primeira consulta: RESULT2←πSSN1 (SUPERVISÃO ⌧SSN2 = NSS RESULT1) Para obter todos os empregados supervisionados nos níveis um e dois por 'James Borg', pode- se aplicar a operação UNION como segue: RESULT3←(RESULT1 ∪ RESULT2) Embora seja possível recuperar os empregados supervisionados em cada nível, não é possível especificar uma consulta tal como " recupere todos os supervisionados de 'James Borg' em todos os níveis" se não for conhecido o número máximo de níveis. 7.5 Exemplos de Consultas na Álgebra Relacional Nesta seção serão apresentados exemplos para ilustrar o uso das operações da álgebra relacional. Todos os exemplos referem-se à base de dados da figura 5.4. Em geral, a mesma consulta pode ser realizada de várias maneiras usando diferentes operadores relacionais. Consulta 1: Encontrar o nome e o endereço de todos os empregados que trabalham para o departamento 'Pesquisa'. PESQUISA_DEPTO←σ DNOME = 'Pesquisa' (DEPARTAMENTO) PESQUISA_DEPTO_EMPS←(PESQUISA_DEPTO ⌧ DNÚMERO = NDEP EMPREGADO) RESULT←π PNOME, SNOME, ENDEREÇO (PESQUISA_DEPTO_EMPS) Esta consulta poderia ser especificada de outra maneira; por exemplo, a ordem das operações JOIN e SELECT poderia ser invertida ou o JOIN poderia ser trocado pelo NATURAL JOIN. Consulta 2: Para todo projeto localizado em 'Stafford', listar o número do projeto, o número do departamento responsável, e o sobrenome, endereço e data de nascimento do gerente responsável pelo departamento. STAFFORD_PROJS←σ PLOCALIZAÇÃO = 'Stafford' (PROJETO) CONTR_DEPT←(STAFFORD_PROJS ⌧ DNUM = DNÚMERO DEPARTAMENTO) PROJ_DEPT_MGR←(CONTR_DEPT ⌧ SSNGER = NSS EMPREGADO) RESULT←π PNÚMERO, DNUM, SNOME, ENDEREÇO, DATANASC (PROJ_DEPT_MGR) 61 Consulta 3: Encontrar os nomes de empregados que trabalham em todos os projetos controlados pelo departamento 5. DEPT5_PROJS(PNO)←π PNÚMERO (σ DNUM=5 (PROJETO))) EMP_PROJ(NSS, PNO)←π NSSEMP, PNRO (TRABALHA_EM) RESULT_EMP_SSNS←EMP_PROJ ÷ DEPT5_PROJS RESULT←π SNOME, PNOME (RESULT_EMP_SSNS * EMPREGADO) Consulta 4: Fazer uma lista de números de projetos no qual um empregado, cujo sobrenome é 'Smith' , trabalha no projeto ou é gerente do departamento que controla o projeto. SMITH(NSSEMP)← π NSS (σ SNOME='Smith' (EMPREGADO)) SMITH_WORKER_PROJS← π PNRO (TRABALHA_EM * SMITH) MGRS←π SNOME, DNÚMERO (EMPREGADO ⌧ NSS = SNNGER DEPARTAMENTO) SMITH_MGS←σ SNOME = 'Smith' (MGRS) SMITH_MANAGED_DEPTS(DNUM)←π DNÚMERO (SMITH_MGRS) SMITH_MGR_PROJS(PNRO)←π PNÚMERO (SMITH_MANAGED_DEPTS * PROJETO) RESULT←(SMITH_WORKER_PROJS ∪ SMITH_MGR_PROJS) Consulta 5: Listar os nomes de todos os empregados com dois ou mais dependentes. Esta consulta não pode ser realizada usando apenas a álgebra relacional. Deve- se utilizar a operação FUNCTION com a função de agregação COUNT, que não é da álgebra relacional. Nas formulações que se seguirão, assume-se que dependentes de um mesmo empregado possuem nomes distintos. T1(NSS, NO_DE_DEPS)←NSSEMP ℑ COUNT NOMEDEPENDENTE (DEPENDENTE) T2←σ NO_DE_DEPS > 2 (T1) RESULT←π SNOME, PNOME (T2 * EMPREGADO) Consulta 6: Listar os nomes dos empregados que não possuem dependentes. TODOS_EMPS←π NSS (EMPREGADO) EMPS_COM_DEPS(NSS)←π NSSEMP (DEPENDENTE) EMPS_SEM_DEPS←(TODOS_EMPS - EMPS_COM_DEPS) RESULT←π SNOME, PNOME (EMPS_SEM_DEPS * EMPREGADO) Consulta 7: Listar os nomes dos gerentes que têm ao menos um dependente. MGRS(NSS)←π SNNGER (DEPARTAMENTO) EMPS_COM_DEPS(NSS)←π NSSEMP (DEPENDENTE) MGRS_COM_DEPS←(MGRS ∩ EMPS_COM_DEPS) RESULT←π SNOME, PNOME (MGRS_COM_DEPS * EMPREGADO) 62 7.6 Questões de Revisão 1. O que é união compatível? Por que as operações UNION, INTERSECTION e DIFFERENCE são operações que necessitam que as relações sejam união compatível? 2. Discuta algumas das consultas onde seja necessário renomear atributos a fim de especificar consultas não ambíguas. 3. Discuta os vários tipos de operações JOIN. Resuma em forma de tabela que contenha o nome da operação, o propósito da operação e a notação. 4. Especifique as seguintes consultas sobre a base de dados mostrada na figura 5.3 usando operações relacionais discutidas neste capítulo. Mostra também os resultados de cada consulta se aplicada à base de dados da figura 5.4. a) Recuperar os nomes de empregados do departamento 5 que trabalham mais que 10 horas no projeto 'ProdutoX'. b) Listar os nomes dos empregados que tenham um dependente com o mesmo nome (PNOME). c) Encontrar os nomes de empregados que são diretamente supervisionados por 'Franklin Wong'. d) Para cada projeto, listar o nome do projeto e o total de horas (de todos os empregados) gastos em cada projeto. e) Recuperar os nomes dos empregados que trabalham em todos os projetos. f) Recuperar os nomes dos empregados que não trabalham em quaisquer projetos. g) Para cada departamento, recuperar o nome do departamento e a média salarial dos empregados que trabalham no departamento. h) Recuperar a média salarial de todos os empregados femininos. i) Encontrar os nomes e endereços de empregados que trabalham em ao menos um projeto localizado em Houston mas cujo departamento não possua localização em Houston. j) Listar os sobrenomes dos gerentes de departamentos que não tenham dependentes. k) Generalize a consulta i) acima para listar os nomes e endereços de empregados que trabalham em um projeto em alguma cidade , mas que o departamento não tenha nenhuma localização nessa cidade. 65 Consulta 7: Listar os nomes dos gerentes que têm ao menos um dependente. Q7: SELECT PNOME, SNOME FROM EMPREGADO WHERE EXISTS ( SELECT * FROM DEPENDENTE WHERE NSS=NSSEMP) AND EXISTS ( SELECT * FROM DEPARTAMENTO WHERE NSS=SNNGER) 66 9 Dependências Funcionais e Normalização de Base de Dados Relacionais 9.1 Diretrizes para o Projeto Informal de Esquemas de Relações Irá se discutir as métricas de qualidade informal para projeto de esquemas de relações. São elas: • Semântica de atributos. • Redução de valores redundantes em tuplas. • Redução de valores nulos em tuplas. • Não permissão de tuplas espúrias. Essas métricas não são sempre independentes uma das outras, como será visto. 9.1.1 Semântica de atributos de relação Assume-se que um certo significado esteja associado aos atributos, para todo agrupamento de atributos que formam uma relação esquema. Intuitivamente, verifica-se que cada relação pode ser interpretada como um conjunto de fatos ou declarações. Este significado, ou semântica, especifica como podem ser interpretados os valores de atributos armazenados em uma tupla da relação, em outras palavras, como os valores de atributos estão relacionados uns com os outros. Em geral, é mais simples descrever a semântica de relações, ao invés da semântica de atributos de uma relação. Para ilustrar, considere a versão simplificada da base de dados COMPANHIA da figura 5.4. O significado do esquema da relação é simples - cada tupla representa um empregado, com valores para nome, número do seguro social, data de aniversário, endereço, e o número do departamento em que cada empregado trabalha. Além desses atributos existem aqueles atributos que são utilizados para estabelecer um relacionamento entre relações. Assim, todas os esquemas de relações da figura 5.4. podem ser considerados como um bom ponto de partida para manter clara a semântica. Pode-se assim, estabelecer as seguintes diretrizes para projetar esquemas de relações: Diretriz 1ª: Projetar um esquema de relação de maneira que seja simples descrever seu significado. Normalmente, isso significa que não se pode combinar atributos de múltiplos tipos de entidades e tipos de relacionamentos numa simples relação. Intuitivamente, se um esquema de relação corresponde a um tipo de entidade ou tipo de relacionamento, o significado tende a ser claro. Por outro lado, tende ser uma mistura de múltiplas entidades e relacionamentos e, assim, semanticamente não-clara. A relação esquema da figura 9.1 a e b possuem semântica clara. Uma tupla na relação esquema EMP_DEPT da figura 9.1a representa um mero empregado mas inclui informações adicionais, tais como o nome do departamento em que o empregado trabalha (DNAME) e o número do seguro social do gerente do departamento (DMGRSSN). Na relação esquema EMP_PROJ da figura 9.1b, cada tupla relaciona um empregado a um projeto mas, também, incluem nome do empregado (ENAME), nome do projeto (PNAME) e a localização do projeto (PLOCATION). Embora não exista, logicamente, nada de errado com esses esquemas, eles são considerados um projeto pobre pois viola a Diretriz 1 porque mistura atributos de entidades distintas do mundo real; EMP_DEPT mistura atributos de empregados e departamentos, e EMP_PROJ mistura atributos de empregados e projetos. Eles podem ser usados como visões, mas podem causar problemas quando usados como relações da base de dados , como será discutido mais adiante. 67 (a) EMP_DEPT ENAME NSS DATANASC ENDEREÇO DNÚMERO DNOME NSSGER (b) EMP_PROJ NSS PNÚMERO HORAS ENAME PNOME PLOCALIZAÇÃO Figura 9.1 9.1.2 Informação redundante em tuplas e anomalias de atualizações Uma das metas do projeto de esquemas é a minimização do espaço de armazenamento que relações da base ocupam. O agrupamento de atributos em esquemas de relações tem um efeito significativo no espaço de armazenamento. Por exemplo, compare o espaço usado pelas duas relações base EMPREGADO e DEPARTAMENTO na figura 9.2 com o espaço utilizado por EMP_DEPT na relação base da figura 9.3, que é o resultado da aplicação do JOIN NATURAL entre EMPREGADO e DEPARTAMENTO. EMPREGADO ENAME NSS DATANASC ENDEREÇO DNÚMERO John Smith 123456789 09-JAN-55 R. A, 1 5 Franklin Wong 333445555 08-DEZ-45 R. B, 2 5 Alícia Zelaya 999887777 19-JUL-58 Av. C, 3 4 Jennifer Wallace 987654321 20-JUN-31 Trav. D, 4 4 Ramesh Narayan 666884444 15-SET-52 R. E, 5 5 Joyce English 453453453 31-JUL-62 R. F, 6 5 Ahmad Jabbar 987987987 29-MAR-59 Av G, 7 4 James Borg 888665555 10-NOV-27 Av H, 8 1 DEPARTAMENTO LOCAIS_DEPTO DNOME DNÚMERO SNNGER DNÚMERO DLOCALIZAÇÃO Pesquisa 5 333445555 1 Houston Administrativo 4 987654321 4 Stafford Gerencial 1 888665555 5 Bellaire 5 Sugariand 5 Houston TRABALHA_EM PROJETO NSSEMP PNRO HORAS PNOME PNÚMERO PLOCALIZAÇÃ O DNUM 123456789 1 32.5 ProdutoX 1 Bellaire 5 123456789 2 7.5 ProdutoY 2 Sugarland 5 666884444 3 40.0 ProdutoZ 3 Houston 5 453453453 1 20.0 Automação 10 Stafford 4 453453453 2 20.0 Reorganização 20 Houston 1 333445555 2 10.0 Beneficiamento 30 Stafford 4 333445555 3 10.0 333445555 10 10.0 333445555 20 10.0 999887777 30 30.0 999887777 10 10.0 987987987 10 35.0 987987987 30 5.0 987654321 30 20.0 987654321 20 15.0 888775555 20 null Figura 9.2 EMP_DEPT ENAME NSS DATANASC ENDEREÇO DNÚMERO DNOME NSSGER John Smith 123456789 09-JAN-55 R. A, 1 5 Pesquisa 333445555 Franklin Wong 333445555 08-DEZ-45 R. B, 2 5 Pesquisa 333445555 Alícia Zelaya 999887777 19-JUL-58 Av. C, 3 4 Administrativo 987654321 Jennifer Wallace 987654321 20-JUN-31 Trav. D, 4 4 Administrativo 987654321 Ramesh Narayan 666884444 15-SET-52 R. E, 5 5 Pesquisa 333445555 Joyce English 453453453 31-JUL-62 R. F, 6 5 Pesquisa 333445555 Ahmad Jabbar 987987987 29-MAR-59 Av G, 7 4 Administrativo 987654321 James Borg 888665555 10-NOV-27 Av H, 8 1 Gerencial 888665555 EMP_PROJ NSS PNÚMERO HORAS ENAME PNOME PLOCALIZAÇÃO 123456789 1 32.5 John Smith ProdutoX Bellaire 123456789 2 7.5 John Smith ProdutoY Sugarland 666884444 3 40.0 Ramesh Narayan ProdutoZ Houston 453453453 1 20.0 Joyce English ProdutoX Bellaire 453453453 2 20.0 Joyce English ProdutoY Sugarland 333445555 2 10.0 Franklin Wong ProdutoY Sugarland 333445555 3 10.0 Franklin Wong ProdutoZ Houston 333445555 10 10.0 Franklin Wong Automação Stafford 333445555 20 10.0 Franklin Wong Reorganização Houston 70 9.1.3.1 Tuplas espúrias Considere os esquemas de relação EMP_LOCS e EMP_PROJ1 da figura 9.4a, que pode substituir a relação EMP_PROJ da figura 9.1b. (a) EMP_LOCS ENAME PLOCALIZAÇÃO EMP_PROJ1 NSS PNÚMERO HORAS PNOME PLOCALIZAÇÃO (b) EMP_LOCS ENAME PLOCALIZAÇÃO John Smith Bellaire John Smith Sugarland Ramesh Narayan Houston Joyce English Bellaire Joyce English Sugarland Franklin Wong Sugarland Franklin Wong Houston Franklin Wong Stafford Alícia Zelaya Stafford Ahmad Jabbar Stafford Jennifer Wallace Stafford Jennifer Wallace Houston James Borg Houston EMP_PROJ1 NSS PNÚMERO HORAS PNOME PLOCALIZAÇÃO 123456789 1 32.5 ProdutoX Bellaire 123456789 2 7.5 ProdutoY Sugarland 666884444 3 40.0 ProdutoZ Houston 453453453 1 20.0 ProdutoX Bellaire 453453453 2 20.0 ProdutoY Sugarland 333445555 2 10.0 ProdutoY Sugarland 333445555 3 10.0 ProdutoZ Houston 333445555 10 10.0 Automação Stafford 333445555 20 10.0 Reorganização Houston 999887777 30 30.0 Beneficiamento Stafford 999887777 10 10.0 Automação Stafford 987987987 10 35.0 Automação Stafford 987987987 30 5.0 Beneficiamento Stafford 987987987 30 20.0 Beneficiamento Stafford 987987987 20 15.0 Reorganização Houston 888665555 20 null Reorganização Houston Figura 9.4 Uma tupla em EMP_LOCS significa que o empregado cujo nome é ENOME trabalha em algum projeto cuja localização é PLOCALIZAÇÂO. Uma tupla em EMP_PROJ1 significa que o empregado cujo número do seguro social é NSS trabalha HORAS por semana em um projeto cujo nome, número e localização são PNOME, PNÚMERO e PLOCALIZAÇÂO. A figura 9.4b mostra a extensão de EMP_LOCS e EMP_PROJ1 correspondente à relação extensão EMP_PROJ da figura 9.3, aplicando-se operações de projeção (¶) adequadas. Suponha agora que EMP_PROJ1 e EMP_LOCS sejam utilizadas como relações base ao invés de EMP_PROJ. Isto seria, particularmente, um projeto ruim, pois não se pode recuperar informações que existiam originalmente em EMP_PROJ a partir de EMP_PROJ1 e EMP_LOCS. Se uma operação JOIN-NATURAL for aplicada em EMP_PROJ1 e EMP_LOCS, surgirão mais tuplas que existiam em EMP_PROJ. A figura 9.5 ilustra o resultado obtido aplicando-se o join, considerando apenas as tuplas existentes acima da linha pontilhada, para reduzir o tamanho da relação resultante. As tuplas adicionais são chamadas tuplas espúrias porque elas representam informações espúrias ou erradas, e por isso não válidas. As tuplas espúrias estão marcadas por asteriscos (*) na figura 9.5. A decomposição de EMP_PROJ em EMP_PROJ1 e EMP_LOCS é ruim porque quando é aplicada a operação JOIN-NATURAL, não são obtidas as informações originais corretas. Isto 71 porque foi escolhido PLOCALIZAÇÃO como o atributo que relaciona EMP_LOCS e EMP_PROJ1, e PLOCALIZAÇÃO não é nem uma chave-primária e nem uma chave- estrangeira. Pode-se agora estabelecer uma outra diretriz para projeto: Diretriz 4ª: Projetar esquemas de relações tal que, quando aplicadas operações JOIN- NATURAIS, os atributos nas condições-joins envolvam atributos que sejam ou chaves- primárias ou chaves-estrangeiras de maneira a garantir que nenhuma tupla espúria seja gerada. NSS PNÚMERO HORAS PNOME PLOCALIZAÇÃO ENAME 123456789 1 32.5 ProdutoX Bellaire John Smith * 123456789 1 32.5 ProdutoX Bellaire Joyce English 123456789 2 7.5 ProdutoY Sugarland John Smith * 123456789 2 7.5 ProdutoY Sugarland Joyce English * 123456789 2 7.5 ProdutoY Sugarland Franklin Wong 666884444 3 40.0 ProdutoZ Houston Ramesh Narayan * 666884444 3 40.0 ProdutoZ Houston Franklin Wong * 453453453 1 20.0 ProdutoX Bellaire John Smith 453453453 1 20.0 ProdutoX Bellaire Joyce English * 453453453 2 20.0 ProdutoY Sugarland John Smith 453453453 2 20.0 ProdutoY Sugarland Joyce English * 453453453 2 20.0 ProdutoY Sugarland Franklin Wong * 333445555 2 10.0 ProdutoY Sugarland John Smith * 333445555 2 10.0 ProdutoY Sugarland Joyce English 333445555 2 10.0 ProdutoY Sugarland Franklin Wong * 333445555 3 10.0 ProdutoZ Houston Ramesh Narayan 333445555 3 10.0 ProdutoZ Houston Franklin Wong 333445555 10 10.0 Automação Stafford Franklin Wong * 333445555 20 10.0 Reorganização Houston Ramesh Narayan 333445555 20 10.0 Reorganização Houston Franklin Wong Figura 9.5 Obviamente, estas diretrizes informais necessitam ser estabelecidas de maneira mais formal. 9.2 Dependências Funcionais Um conceito simples, porém, muito importante em projetos de esquemas relacionais é o de dependência funcional. Nesta seção será definido formalmente este conceito, e na seção 9.2.2 será verificado como trabalhar com esquemas de relações em formas normais. 9.2.1 Definição de Dependência Funcional Dependências Funcionais são restrições ao conjunto de relações válidas. Elas permitem expressar determinados fatos em banco de dados relativos ao empreendimento que se deseja modelar. Anteriormente foi definido o conceito de superchave. Seja R o esquema de uma relação. Um subconjunto K de R é uma superchave de R em qualquer relação válida r(R) para todos os pares t1 e t2 de tuplas em r tal que t1≠ t2, então t1[K]≠ t2[K]. Isto é, nenhum par de tuplas em qualquer relação válida r(R) deve ter o mesmo valor no conjunto de atributos K. A noção de dependência funcional generaliza a noção de superchave. Seja α ⊆ R e β ⊆ R. A dependência funcional : α→β realiza-se em R se, em qualquer relação válida r(R), para todos os pares de tuplas t1 e t2 em r tal que t1 [α] = t2 [α], t1 [β] = t2 [β] também será verdade. 72 Usando a notação de dependência funcional, dizemos que K é uma superchave de R se K → R. Isto é, K é uma superchave se, para todo t1[K] = t2[K], t1[R] = t2[R] (isto é t1 = t2). A dependência funcional permite expressar restrições que as superchaves não expressam. Considere o esquema: Esquema_info_empréstimo = (nome_agência, número_empréstimo, nome_cliente, total) O conjunto de dependências funcional que queremos garantir para esse esquema de relação é: número_empréstimo→total número_empréstimo→nome_agência Entretanto, não se espera realizar dependência funcional para: número_empréstimo→nome_cliente já que, em geral, um empréstimo pode ser contraído por mais de um cliente (por exemplo para ambos os membros de um casal, marido-mulher). Podemos usar dependência funcional de dois modos: 1. Usando-as para o estabelecimento de restrições sobre um conjunto de relações válidas. Deve-se assim, concentrá-las somente àquelas que devem satisfazer um dado conjunto de dependências funcionais. Se desejasse restringi-las a relações do esquema em R que satisfaçam o conjunto F de dependências funcionais, diz-se que F realiza-se em R. 2. Usando-as para verificações de relações, de modo a saber se as últimas são válidas sob um conjunto de dependências funcionais. Se uma relação r é legal sobre um conjunto F de dependências funcionais, diz-se que r satisfaz F. Considera-se a relação r mostrada abaixo para verificar quais dependências funcionais são satisfeitas. Observa-se que A → C é satisfeita. Duas tuplas têm valor a1 em A. Essas tuplas têm o mesmo valor de C – denominado c1. De modo similar, duas tuplas com valor a2 em A têm o mesmo valor c2 em C. Não existe outro par de tuplas distintas que tenha, em A, os mesmos valores. A dependência funcional C → A, entretanto não é satisfeita. Para confirmar esta afirmação, considere as tuplas t1 = (a2, b2, c2, d3) e t2 = (a3, b3, c2, d4). Essas tuplas têm os mesmos valores c2 em C, mas elas possuem valores diferentes em A, a2 e a3, respectivamente. Assim, encontra-se um par de tuplas t1 e t2 tal que t1 [C] = t2 [C], mas t1 [A] ≠ t2 [A]. Figura 9.6 - Relação r de exemplo Uma dependência funcional é uma restrição entre dois conjuntos de atributos da base de dados. Considere-se que o esquema da base de dados relacional tenha n atributos A1, A2, ..., An ; e que toda a base de dados seja descrita por um único esquema de relação universal R = { A1, A2, ..., An }. Isso não significa que isso de fato deverá acontecer; esta suposição é feita apenas para desenvolver uma teoria formal sobre dependência de dados. Uma dependência funcional, denotada por XàY, entre dois conjuntos de atributos X e Y que são subconjuntos de R, especifica uma restrição sobre as possíveis tuplas que podem existir na relação instância r de R. A restrição estabelece que para quaisquer tuplas t1 e t2 em r, se A B C D a1 b1 C1 d1 a1 b2 c1 d2 a2 b2 c2 d2 a2 b3 c2 d3 a3 b3 c2 d4 75 ED1 ED2 ENAME NSS DATANASC ENDEREÇO DNÚMERO DNÚMERO DNOME NSSGER Figura 9.9 9.2.2.3 Terceira Forma Normal (3FN) A terceira forma normal é baseada no conceito de dependência transitiva. Uma dependência X→Y em uma relação R é uma dependência transitiva se existir um conjunto de atributos Z que não é um subconjunto de qualquer chave de R, e tanto X→Z quanto Z→Y. Por exemplo, a dependência NSS→NSSGER é uma dependência transitiva em EMP_DEPT da figura 9.9b. Diz-se que a dependência de NSSGER sobre o atributo chave NSS é transitiva via DNÚMERO. Intuitivamente, verifica-se que a dependência de NSSGER sobre DNÚMERO é indesejável uma EMP_DEPT desde que DNÚMERO não é chave de EMP_DEPT. Um esquema de relação R está na 3FN se ele estiver na 2FN e nenhum atributo não-primo de R é dependente transitivamente de qualquer chave de R. A relação EMP_DEPT da figura 9.9b está na 2FN, pois não há dependência parcial de nenhum atributo não-primo sobre a chave. Porém, não está na 3FN, pois NSSGER e DNOME são dependentes transitivos de NSS via DNÚMERO. Pode-se normalizar EMP_DEPT decompondo-o em dois esquemas de relação na 3FN, ED1 e ED2, como mostra a figura 9.9b. 76 10 Referências Bibliográficas [Codd00] E. F. Codd. A Relational Model of Data for Large Shared Data Banks. Revista CACM volume = 6,1970 [Date00] C. J. Date. Introdução a Sistema de Banco de Dados. Editora Campus, 2000 [SSK99] S. Sudarshan and A. Silberschatz and F. Henry Korth. Sistemas de Banco de Dados. Editora Makron Books, 1999. [NE01] B. Shamkant Navathe and E. Ramez Elmasri. Fundamentals of DataBase Systems. Editora Addison Wesley Pub, 2001 [WU97] Jennifer Widow and Jeffrey Ullman .A First Course in Database Systems. Editora Prentice Hall, 1997 [Jackson99] M Jackson .Thirty years(and more) of databases .Revista Information and Software Technology, volume = "41", páginas =969-978, 1999.