Schritt 3 (Grundlegende Folien für die Wiederholung sind mit gekennzeichnet!)

Transkript

1 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 1 Lehrveranstaltung DM/DB Datenmodellierung und Datenbanksysteme Methodische Grundkenntnisse über den Datenmodellierungsprozess erwerben Wir lernen das Entity- Relationship-Modell (ERM) kennen. Wir entwickeln selbständig betriebswirtschaftlich orientierte ERM und beschäftigen uns mit der Methodik der semantischen Datenmodellierung. Schritt 3 (Grundlegende Folien für die Wiederholung sind mit gekennzeichnet!)

2 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 2 Nochmals zur Wiederholung: Das generelle Ziel der Datenmodellierung besteht darin, Informationen über die reale (betriebswirtschaftliche) Welt zu erfassen und zu ordnen, um daraus Maßnahmen zur Steuerung der Prozesse der realen Welt abzuleiten. Deshalb muss man 1. einen Teilbereich der Realität auf Grund des Bedeutungsinhaltes definieren und mit einem Namen identifizieren (Objektbildung) 2. die essentiellen Merkmale des Objektes als Attribut definieren und die Wertebereiche (Domänen) festlegen. 3. die Zweckbestimmung der Attribute definieren. 4. die Struktur der Attribute analysieren. 5. die Beziehungen zwischen den Objekten beschreiben. Da jedes semantisches Datenmodell im Endeffekt mittels eines it-realisierbaren formalen Datenmodells in ein physisches Datenmodell transformiert werden soll, beeinflussen insbesondere die Struktur der Attribute und der Beziehungen bereits frühe Phasen der Datenmodellierung.

3 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 3 Die semantische Datenmodellierung stellt sich das Ziel, aus semantischer Sicht (also in unserem Falle aus betriebswirtschaftlich/wirtschaftsinformatorischer Sicht) gute (3NF) Datenmodelle zu erstellen. Es wird also folgender Teil der Datenmodellierung behandelt

4 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 4 Reale betriebliche Datenstrukturen Top-Down-Analyse Bottom-Up-Analyse Gesamtsicht spezielle Nutzersichten Semantische Datenmodelle z. B. Entity-Relationship-Modell (ERM) formale Ebene (deskriptive Regeln) Formale Datenmodelle z. B. Hierarchisches DM, Netzwerk-DM, Relationales DM - Aggregation - Klassifizierung - Generalisierung/Spezialisierung methodische Ebene (Qualitätsverbesserung der Datenmodelle der semantischen Ebene) Normalisierung Konzeptuelles Datenmodell Semantische (Entwicklungs-) Ebene (reales Datenmodell für einen Anwendungsfall) Physisches Datenmodell ( D a t e n b a n k ) Datenbasis eines betrieblichen Informationssystems

5 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 5 Das Entity-Relationship-Modell (ERM) der Ursprung Peter Pin-Shan Chen (* in Taichung, Taiwan ), ein US-amerikanischer Informatiker erfand 1976 die Entity-Relationship-Modellierung (ER-Modell) für die Datenanalyse. Mit der grafischen Darstellungsform der Daten und ihrer Beziehungen untereinander (Chen-Notation) revolutionierte er die Datenmodellierung und schuf mit dem ERM die "Mutter" aller semantischen Datenmodelle. Näheres zu Chen und zur Chen-Notation siehe Die Chen-Notation wurde mehrfach modifiziert, insbesondere der grafischen Darstellung mittels Software auf dem PC angepasst. Wir orientieren uns an der sogenannten Minimum-Maximum-Notation, da diese die größte Detailtreue bei der Beschreibung semantischer Eigenschaften ermöglicht.

6 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 6 Das Entity-Relationship-Modell (1) (nach CHEN: The Entity-Relationship Model Toward a Unified Viewe of Data, 1976 sekundär u. a. Ferstl/Sinz: Softwarekonzepte der WI; Kempler/Eickler: Datenbanksysteme) "Grundidee": Es gibt Entities (abgrenzbare Objekte), bezeichnet mit einem Namen und beschrieben durch Attribute. Attribut Entity-Name Attribut Relationships (Beziehungen) verbinden die Entities. Auch sie können Attribute besitzen. Wichtig für die Datenmodellierung ist die Unterscheidung der Beziehungstypen (Wer tritt mit wem in Beziehung) zwischen den Entities sowie die Verbindlichkeit der Beziehungen (muss oder kann). RS-Name Attribut

7 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 7 Das Entity-Relationship-Modell (2) Elemente: Entities (abgrenzbare Objekte) existieren als Entity Set Entity-Typ Relationship (Beziehung zwischen Entities) Relationship Set existieren als Relationship-Typ Studierende n belegen m Vorlesung Beziehungstypen: 1:1 bijektive funktionale Beziehung 1:n funktionale Beziehung n:m nichtfunktionale Beziehung Verbindlichkeit der Beziehung: optional (nicht obligatorisch/kann) oder mandatory (obligatorisch/muss).

8 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 8 Entity-Relationship-Modell Noch mal zur Erinnerung: Verwendungszweck von Attributen Attribute beschreiben die essentiellen Merkmale eines Entitys aus der Sicht der späteren Nutzung des Datenmodells für einen betriebswirtschaftlich sinnvollen Zweck. Verwendungszweck Identifikation Klassifizierung Systematisierung Beschreibung (Deskription) Bemerkungen Eindeutigkeit unabdingbar (Constraint) für Join erforderlich ermöglicht Selektion für Gruppierung unabdingbar ermöglicht Selektion und Vergleichbarkeit keine sinnvolle Selektion, Gruppierung und Join möglich Beachten Sie: Im RDM spiegelt sich der gleiche Sachverhalt in den Domänen wider.

9 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 9 Entity-Relationship-Modell Wertigkeit von Attributen Attribute können sein einwertig oder mehrwertig Beispiel Personaldaten-Modell eines Unternehmens: - Personalnummer, - Name, - Geburtsdatum, - Geschlecht - Qualifikationen Art Fachrichtung Abschlussjahr - Forschungsgebiete Themen Patente Nur einwertige Attribute können ein Kandidat zur Objektidentifikation werden. Problem: Das relationale Datenmodell als formales Ziel-Datenmodell kann in einer Relation (Tabelle) nur einwertige Attribute darstellen (1NF).

10 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 10 Entity-Relationship-Modell Merkmale von Beziehungen Die Beziehungen (Relationship) zwischen zwei Entitäten (Entitys) werden grundsätzlich beschrieben durch - den Grad (Kardinalität) einer Beziehung und - die Verbindlichkeit (Optionalität) einer Beziehung. Von allen möglichen Beziehungen sind 6 unterschiedliche Typen relevant für die eindeutige Transformation in ein physisches relationales Datenmodell. Beziehungen (Relationship) mit Attributen werden als starke Beziehungstypen, Beziehungen ohne Attribute werden als schwache Beziehungstypen bezeichnet. Beispiel: "Ein Buch wird ausgeliehen" schwacher Beziehungstyp "Ein Buch wird am ausgeliehen" starker Beziehungstyp Praktisch hat dies vor allem für die Nutzung von Modellierungstools Bedeutung, da dort ggf. nur schwache Beziehungstypen erlaubt sind oder für starke und schwache Beziehungstypen unterschiedliche Symbole verwendet werden. Möglich ist aber auch die Umwandlung starker Beziehungstypen in einen Entity-Typ.

11 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 11 Entity-Relationship-Modell Typen semantischer Beziehungen (1) Fahrer fährt Kraftfahrzeug Alfred Bruno Johann Max Siegfried... Ford Fiesta BMW VW Golf I VW Golf II Renault... Grad: 1 : 1 Verbindlichkeit: obligatorisch für beide Seiten ("muss") Jeder Fahrer (eines Fuhrparkes) fährt immer nur genau ein Kraftfahrzeug und jedes Kraftfahrzeug wird von genau einem Fahrer gefahren.

12 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 12 Entity-Relationship-Modell Typen semantischer Beziehungen (2) Mitarbeiter führt aus Funktion Alfred Bruno Johann Max Siegfried... Dekan Studienberater SG-Sprecher... Grad: 1 : 1 Verbindlichkeit: obligatorisch ("muss") nur für eine Seite (Funktion) Jede Funktion (eines Fachbereiches) wird durch genau einen Mitarbeiter ausgeführt. Ein Mitarbeiter darf höchstens eine Funktion haben, aber nicht jeder Mitarbeiter muss eine Funktion haben.

13 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 13 Entity-Relationship-Modell Typen semantischer Beziehungen (3) Mitarbeiter besitzt Leserausweis Alfred Bruno Johann Max Siegfried Grad: 1 : 1 Verbindlichkeit: nichtobligatorisch ("kann") für beide Seiten. Jeder Mitarbeiter (einer Hochschule) kann genau einen Leserausweis für die Bibliothek besitzen. Jeder Leserausweis wird genau an eine Person vergeben. Leserausweise der Bibliothek können (müssen aber nicht unbedingt nur) an Mitarbeiter vergeben werden.

14 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 14 Entity-Relationship-Modell Typen semantischer Beziehungen (4) Lager enthält Artikel Lebensmittel Chemie Mehl Salz Zucker Seife Zahnpaste Grad: 1 : n Verbindlichkeit: obligatorisch ("muss") für die n-seite (Artikel). In jedem Lager können mehrere Artikel gelagert werden. Artikel werden immer gelagert, aber nur in genau einem Lager.

15 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 15 Entity-Relationship-Modell Typen semantischer Beziehungen (5) Student leiht Bücher Alfred Bruno Johann Grad: 1 : n... Verbindlichkeit: nichtobligatorisch ("kann") für die n-seite (Bücher). Jeder Student kann mehrere Bücher leihen. Jedes Buch kann nur genau an einen Studenten ausgeliehen werden (muss aber nicht ausgeliehen sein).

16 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 16 Entity-Relationship-Modell Typen semantischer Beziehungen (6) Lager enthält Artikel Südstadt Nordstadt Hafen... Mehl Salz Zucker Seife Zahnpaste... Grad: n : m Verbindlichkeit: ohne Bedeutung, im Beispielfall nichtobligatorisch. In jedem Lager können mehrere Artikel gelagert werden. Artikel können in mehreren Lagern gelagert werden.

17 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 17 Entity-Relationship-Modell Auflösung mehrwertiger Attribute Beispiel Personaldaten-Modell eines Unternehmens: -- Personalnummer, -- Name, -- Geburtsdatum, -- Geschlecht -- Qualifikationen Art Fachrichtung Abschlussjahr -- Forschungsgebiete Themen Patente Person 1 1 n besitzt Qualifikation besitzt n Forschungsgebiet 1 besitzt n Themen Gruppen mehrwertiger Attribute werden als eigenes Entity mit einer 1:n-Beziehung zum (Master-) Objekt formuliert. Diese Art der Beziehung wird als Master-Detail-Beziehung bezeichnet.

18 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 18 Entity-Relationship-Modell Darstellung dynamischer Domänen Beispiel: Das Postleitzahlenverzeichnis soll als Domäne für die Relation "ADRESSEN" eines Unternehmens dienen. Adressen n 1 hat Domäne Postleitzahlen Verzeichnis Domänen (Wertevorrat eines Attributes) werden bei großen Wertemengen und/oder hoher Änderungsfrequenz sinnvoll als eigene Entität dargestellt.

19 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 19 Präzisierung der Beziehungen im ERM durch Veränderung der Notationsform Einbeziehung der Verbindlichkeit (Optionalität) einer Beziehung wie folgt: Grad obligatorisch nicht obligatorisch 1 : 1 (1,1) (0,1) 1 : n (1,* ) (0, * ) Beispiel: (1, Auftrag * ) (1,1) besteht aus Positionen Deutung: Ein Auftrag muss aus einer (1) bis n () Position(en) bestehen. Eine Position muss immer genau einem Auftrag zugeordnet sein. Alternativ wird diese Notation auch als Minimum/Maximum-Notation bezeichnet.

20 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 20 Alternative Notationsformen (1) Leider gibt es keinen verbindlichen Standard der Notation. So sind z. B. gleichwertig: (1, (1,1) Auftrag * ) besteht aus Positionen Minimum/Maximum-Notation (auch numerische mit n statt *) Auftrag besteht aus Positionen (z. B. Power Designer) Auftrag 1 N Notation nach CHEN besteht aus Positionen erweitert (1 = muss genau 1 N oder M = müssen viele C = kann genau 1 NC oder MC = können viele)

21 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 21 Alternative Notationsformen (2) Leider gibt es keinen verbindlichen Standard der Notation. So sind z. B. gleichwertig: Bestellung (1, * ) beinhaltet (0, * ) Artikel Minimum/Maximum-Notation (auch numerische mit n statt *) Bestellung beinhaltet Artikel Krähenfussnotation (z. B. Power Designer; ähnlich im Oracle Datenmodeler) Bestellung M beinhaltet NC Artikel Notation nach CHEN erweitert (1 = muss genau 1 N oder M = müssen viele C = kann genau 1 NC oder MC = können viele)

22 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 22 Alternative Notationsformen (3) Der Oracle Data Modeler verwendet im ER-Diagramm eine der Krähenfußnotation ähnliche Notation nach Barker (wahlweise auch Bachman- oder Information Engineering-Notation) Bestellung (1, * ) beinhaltet (0, * ) Artikel Minimum/Maximum-Notation Barker-Notation Die durchgehende Linie bezeichnet die Verbindlichkeit, die gestrichelte Linie die Optionalität der teilnehmenden Entität an der Beziehung.

23 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 23 Beispiel eines einfachen ERM Rechnungslegung für eine Lieferung Kunde erhält (0, ) * (1,1) (1,* ) Rechnung besteht aus (1,1) Positionen Deutung: Ein Kunde erhält (für vorausgegangene Lieferungen) Rechnungen. Nicht jeder Kunde muss mindestens eine Rechnung erhalten. Jede Rechnung ist aber genau nur einem Kunden zugeordnet. Eine Rechnung besteht aus n Positionen, mindestens aber einer Position. Jede Rechnungsposition gehört nur exakt einer Rechnung an. Rechnung und Position stehen in einer Master-Detail-Beziehung (Optionalität = abhängig) WARUM?

24 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 24 Entity-Relationship-Modell Darstellung rekursiver Beziehungen Beispiel Stückliste (1,* ) Bauteil (1,* ) besteht aus Wird verwendet in Struktur Neues Bezeichnungselement: Rolle

25 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 25 Entity-Relationship-Modell Mehrwertige Beziehungen (1) Zwar dominieren in der Praxis Beziehungen zwischen genau zwei Entity-Typen, jedoch sind alle bisherigen Aussagen auf n-stellige Beziehungen übertragbar. Nicht ungewöhnlich sind z. B. ternäre Beziehungen (drei Entity-Typen nehmen an der Beziehung teil). Ein gutes Beispiel finden Sie in Kemper/Eickler: Datenbanksysteme, Oldenbourg, 5. Auflage, S.49 (in der Abbildung leicht verändert). MatrNr Name Studenten (0,*) hören (3,*) Vorlesungen VorlNr SWS Sem (0,*) (0,*) (1,1) Titel Note prüfen lesen (0,*) (0,*) Professoren PersNr Name

26 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 26 Entity-Relationship-Modell Mehrwertige Beziehungen (2) Mehrere Datenmodellierungstools können jedoch nur Beziehungen zwischen zwei Etity-Typen darstellen, darunter auch der Oracle Datenmodeler. In der Praxis hilft man sich, indem die n-wertigen Beziehungstypen in zweiwertige zerlegt werden. Dazu wird der Beziehungstyp in einen Entitytyp gewandelt, welcher mehrere - aber immer nur zweiwertige - Beziehungen zu den vor der Zerlegung vorhandenen Entitytypen eingeht. Allerdings erfordert der durch die Zerlegung entstehende Informationsverlust des Modells eine Nachbearbeitung des generierten physischen Datenmodells. Näheres an einem Beispiel in der Vorlesung! Wer jedoch diese Folie schon vorher gelesen hat und vielleicht sogar an der Datenmodellierung richtig interessiert ist, sollte mal das Beispiel der vorherigen Folie mit dem Oracle Datenmodeler modellieren und dann das physische Datenmodell auf Korrektheit überprüfen.

27 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 27 Zusammenfassender Überblick zum ERM Entity-Typen dualen Typ können Beziehungen eingehen vom rekursiven Typ bilden sachlogische Zusammenhänge ab zwischen den Instanzen zweier unterschiedlicher Entity-Sets. Diese können modifiziert (in mehrere Enty-Typen zerlegt) werden, infolge den Instanzen des gleichen Entity- Sets. Dadurch werden Rollen notwendig. mehrwertiger Attribute. Relationships mit Attributen. dynamischer Domänen. Rollen können vergeben werden, sind jedoch in der Regel nicht notwendig.

28 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 28 Qualitätsverbesserung von ER-Modellen Mit dem Ziel der Erstellung qualitativ guter ERM werden die Konstruktionsoperatoren Klassifizierung, Aggregation und Generalisierung/Spezialisierung (auch Vererbung bzw. Inheritance) benutzt. Von besonderer Bedeutung für die praktische Modellierung ist die Generalisierung/Spezialisierung auch Vererbung (Inheritance). Beispiel: Das Personal eines Unternehmens besteht aus Arbeitern und Angestellten. Diese besitzen gemeinsame Attribute, unterscheiden sich jedoch auch bei den speziellen Attributen zur Lohn- bzw. Gehaltsberechnung Generalisierung Arbeitnehmer Is-a Is-a Angestellter Arbeiter Spezialisierung

29 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 29 Qualitätsverbesserung von ER-Modellen Mit dem Ziel der Erstellung qualitativ guter ERM werden die Konstruktionsoperatoren Klassifizierung, Aggregation und Generalisierung/Spezialisierung benutzt. Die Aggregation bezeichnet die Zugehörigkeit von Teilen zu einer Gesamtheit. PC-System part-of part-of Hardware Software part-of part-of part-of part-of Gehäuse Disk Betriebssystem Office-Software

30 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 30 Qualitätsverbesserung von ER-Modellen Mit dem Ziel der Erstellung qualitativ guter ERM werden die Konstruktionsoperatoren Klassifizierung, Aggregation und Generalisierung/Spezialisierung benutzt. Die Klassifizierung (auch Klassifikation) betrachtet Objekte mit ähnlichen Eigenschaften als Instanzen einer Objektklasse. Bibliotheksbenutzer Studierende Lehrpersonal Sonstiges Personal

31 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 31 Methodik der ER-Modellierung (1) 1. Umfeld bestimmen (z. B. Abteilung Beschaffung) 2. Wesentliche Objekte als Entity-Kandidaten wählen (z. B. Lieferanten, Artikel, Bestellungen) 3. Prüfen, ob gewählte Objekte Entity-Sets sind. 4. Wenn ja: Objekt wird Entity. 5. Attribute zur Beschreibung des Entity ermitteln. 6. Sind Attribute mehrwertig (z. B. Konten eines Lieferanten), wird die Gruppe mehrwertiger Attribute ein eigenes Entity (z. B. Bankverbindung) 7. Sollen Attributswerte eines Entity-Sets aus einer Systematik gewählt werden (dynamische Domäne), wird die Systematik ein Entity (z. B. Bankleitzahlenverzeichnis). 8. Beziehungen (Relationships) zwischen den Entities nach Grad (Cardinality) und Verbindlichkeit (Mandatory, Dependent) bestimmen. 9. Sonderfall Vererbung (Inheritance) erkennen.

32 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 32 Methodik der ER-Modellierung (2) Beachte ferner: 1. Kein Attribut darf im ERM doppelt vorkommen! 2. Beziehungen (Relationships) mit Attributen müssen ggf. in ein Entity umgewandelt werden. 3. Nicht alle semantischen Spezifikationen des Modells können eindeutig in physikalische Spezifikationen des Modells transformiert werden. Modellkorrekturen sind ggf. erforderlich. Bekannte im DB-Labor der HTW verfügbare Tools zur Datenmodellierung sind der Data Modeler" (Oracle) und "Visio 2005/2007" (Microsoft). Markführer sind die kostenpflichtigen Tools Powerdesigner (Sybase) und Erwin (Computer_Associates).

33 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 33 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 1: Ist der Grad der Beziehungen 1:1 und die Teilnahme der Ausprägungen beider Entities obligatorisch, wird nur eine Relation benötigt. Als Primärschlüssel der Relation eignet sich der Entityschlüssel jeder der beiden Relationen. Fahrer (1,1) (1,1) fährt 1 1 Kraftfahrzeug

34 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 34 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 2: Ist der Grad der Beziehungen 1:1 und die Teilnahme der Ausprägungen nur einer der beiden Entities obligatorisch, werden zwei Relationen benötigt. Jedes Entity wird durch eine Relation dargestellt. Der Entityschlüssel wird zum Primärschlüssel der jeweiligen Relation. Der Entityschlüssel der nichtobligatorischen Seite ist zugleich ein Attribut (Fremdschlüssel) der Relation der obligatorischen Seite. Mitarbeiter (0,1) (1,1) besetzt 1 1 Funktion

35 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 35 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 3: Ist der Grad der Beziehungen 1:1 und die Teilnahme der Ausprägungen von keiner der beiden Entities obligatorisch, werden drei Relationen benötigt. Es gibt jeweils eine Relation für beide Entities und die Beziehung. In der Beziehungsrelation müssen beide Entityschlüssel als Attribut (Fremdschlüssel) enthalten sein. Mitarbeiter (0,1) (0,1) besitzt 1 1 Leserausweis

36 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 36 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 4: Ist der Grad der Beziehungen 1:n und die Teilnahme der Ausprägungen der n-seite obligatorisch, sind zwei Relationen erforderlich. Jedes Entity wird durch eine Relation dargestellt. Der Entityschlüssel wird zum Primärschlüssel der jeweiligen Relation. Der Entityschlüssel der 1-Seite ist zugleich ein Attribut der Relation der n-seite (Fremdschlüssel). Lager (1,*) (1,1) enthält 1 n Artikel

37 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 37 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 5: Ist der Grad der Beziehungen 1:n und die Teilnahme der Ausprägungen der n-seite nichtobligatorisch, sind drei Relationen erforderlich. Es gibt jeweils eine Relation für beide Entities und für die Beziehung. In der Beziehungsrelation müssen beide Entityschlüssel als Attribut (Fremdschlüssel) enthalten sein. Student (0,*) (0,1) leiht 1 n Bücher

38 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 38 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Die Regeln der Ableitung von relationalen Datenmodellen aus dem ERM sind abhängig sowohl vom Grad als auch von der Ausprägung der Beziehungen. Es existieren folgende Regeln (vgl. Jackson: Entwurf relationaler Datenbanken, Carl Hanser Verlag München Wien, 1990): REGEL 6: Ist der Grad der Beziehungen n:m, sind drei Relationen erforderlich. Es gibt jeweils eine Relation für beide Entities und für die Beziehung. In der Beziehungsrelation müssen beide Entityschlüssel als Attribut (Fremdschlüssel) enthalten sein. Lager (1,*) (0,*) enthält n m Artikel

39 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 39 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells Durch die Erfassung der betriebswirtschaftlichen Realität mittels der ERM entsteht ein semantisch orientiertes Datenmodell. Die Umsetzung in datenbankspezifische physische Datenmodelle erfolgt nahezu ausschließlich über Konstruktionsregeln zum Entwurf der Relationen gemäß dem relationalen Datenmodell. Begriffliche Beziehungen zwischen dem ERM und dem relationalen Datenmodell ergeben sich aus den Transformationen: Entity-Relationship-Modell Relationales DM Entity Relationship Tupel (Zeile der Tabelle) Entity-Set Relationship-Set Relation (Tabelle) Entity-Typ Relationship-Typ Relationenschema (Tabellenkopf) Attribut Attribut Attribut (Spalte der Tabelle) Entityschlüssel Relationshipschlüssel Primärschlüssel (primary key) ABER

40 HTW Berlin Prof. Dr. Zschockelt Datenmodellierung/Datenbanken (06)Semantische Datenmodellierung.ppt Folie 40 ERM Abbildung auf physische Datenmodelle nach den Regeln des relationalen Datenmodells BITTE NICHT! Das semantische Datenmodell (ERM) mit dem physischen Datenmodell (RDM) verwechseln. Das ergibt Kauderwelsch, denn - Das physische Datenmodell entsteht aus dem semantischen. - Die Beziehung (Relationship) wird in einen Fremdschlüssel übersetzt. Lassen Sie sich bitte auch nicht von Steiner "Grundkurs Relationale Datenbanken" (Vieweg+Teubner), Kapitel "Globales ER-Modell" verwirren!