Vorlesung Informationssysteme

Transkript

1 Saarbrücken, Information Systems Group Vorlesung Informationssysteme Vertiefung zu Kapitel 2: ER-Modell Erik Buchmann Wer hat noch keine Gruppe? Bitte im Q&A-Forum melden! Foto: M. Strauch

2 Aus den Videos wissen Sie......aus welchen Komponenten sich ein ER-Modell zusammensetzt Entitätstypen, Beziehungstypen, Attribute...dass es zwei Notationen bei der Angabe der Kardinalität gibt die eventuell unterschiedliche Semantik besitzen...dass Entitätstypen voneinander abhängig sein können starke/schwache Entitätstypen, Rekursion, etc. Vertiefung heute: mehrstellige versus mehrere zweistellige Beziehungen das Erweiterte ER-Modell (EER) als Brücke zur Objektorientierung 2 InfoSys - Einführung

3 Foto: M. Strauch Zwei- oder mehrstellige Beziehungen?

4 Beispiel: Web-Shop für Was ist mit dem Zusammenhang von Futter zu Katze? Lieblingsfutter? Herrenlose Katzen? Besitzer 1 1 Wohnort kauft n Futter m hat Katze ID Qualität Rasse Bild: Stupipedia, User Radieschen 4 InfoSys - Einführung

5 Zweistellige Beziehungen Alles richtig modelliert? Katze frißt Futter, das der Besitzer nicht gekauft hat? Futter frißt Katze? Besitzer 1 1 Wohnort kauft hat n Futter o frißt p m Katze ID Qualität Rasse 5 InfoSys - Einführung

6 Mehrstellige Beziehung Hat das noch die gleiche Semantik? mehrere Kardinalitätsangaben sind verschwunden Futter x Katze Besitzer Besitzer 1 Wohnort n Futter kauft m Katze ID Qualität Rasse 6 InfoSys - Einführung

7 In der min/max - Notation Kardinalitätsangaben haben sich geändert andere Aussage Besitzer (1,*) Wohnort kauft (0,*) (1,*) Futter Katze ID Qualität Rasse 7 InfoSys - Einführung

8 min/max als zweistellige Beziehungen? Trifft dieses Modell die Realität besser als die mehrstellige Beziehung in Chen-Notation? Besitzer (1,*) (1,*) Wohnort kauft (0,*) Futter (0,*) (1,*) frißt hat (1,1) Katze ID Qualität Rasse 8 InfoSys - Einführung

9 Foto: M. Strauch Schwierigkeiten mit dem ER-Modell

10 Generalisierung über mehrere Ist-Beziehungen Welche (künstlichen) Schlüssel brauche ich? Ist das Modell noch konsistent, wenn man etwas hinzufügt? Sollte man die Pfeile nicht herumdrehen? Trockenfutter Naßfutter Id Pelletgröße ist Id Wasseranteil Grau: Schlüsselkandidaten 10 InfoSys - Einführung

11 Äquivalentes Klassendiagramm? Identische Semantik wie im Modell zuvor? Wovon hängt es ab, ob dieses Klassendiagramm dem Modell entspricht? get() set() get() set() Trockenfutter Pelletgröße get... set... Naßfutter Wasseranteil get... set InfoSys - Einführung

12 Überlappende Entitätstypen? (1/4) Beispiel Trocken- und Naßfutter können beide Bio-Futter sein, müssen aber nicht Es kann kein geben, das nur Bio-Futter ist, aber weder Trocken- oder Naßfutter Modell soll nur das gewünschte ausdrücken Modell soll verständlich sein Trockenfutter Bio-Futter ist Herkunftsnachweis Naßfutter 12 InfoSys - Einführung

13 Überlappende Entitätstypen? (2/4) Beispiel Trocken- und Naßfutter können beide Bio-Futter sein, müssen aber nicht Es kann kein geben, das nur Bio-Futter ist, aber weder Trocken- oder Naßfutter Trockenfutter Naßfutter Herkunftsnachweis ist Bio-Futter ist 13 InfoSys - Einführung

14 Überlappende Entitätstypen? (3/4) Herkunftsnachweis Beispiel Trocken- und Naßfutter können beide Bio-Futter sein, müssen aber nicht Es kann kein geben, das nur Bio-Futter ist, aber weder Trocken- oder Naßfutter ist Bio-Futter ist Trockenfutter Naßfutter ist 14 InfoSys - Einführung

15 Überlappende Entitätstypen? (4/4) Herkunftsnachweis Beispiel Trocken- und Naßfutter können beide Bio-Futter sein, müssen aber nicht Es kann kein geben, das nur Bio-Futter ist, aber weder Trocken- oder Naßfutter Trockenfutter 1 ist Bio-Futter ist ist Naßfutter 15 InfoSys - Einführung

16 Foto: M. Strauch Das EER-Modell

17 Das EER-Modell: Typkonstruktor Modellierungskonstrukt ergänzt das ER-Modell um Spezialisierung / Ist-Beziehung Eingabetyp Ausgabetyp Generalisierung Eingabetyp 1 Eingabetyp 2... Eingabetyp n Ausgabetyp Ausgabetyp 2 Partitionierung Eingabetyp Ausgabetyp 2... Ausgabetyp n 17 InfoSys - Einführung

18 Semantik des Typkonstruktors Mengenbeziehung zwischen Ein- und Ausgabetypen {Entities der Eingabetypen} {Entities der Ausgabetypen} mit {, =} Disjunkte Entities in den Ausgabetypen {Typ 1} {Typ 2} {Typ m} = Eingabetyp 1 Eingabetyp 2... Eingabetyp n Ausgabetyp 1 Ausgabetyp 2... Ausgabetyp m 18 InfoSys - Einführung

19 Spezialisierung bisher Perserkatze ist Katze mit dem Typkonstruktor Perserkatze Katze Ergibt folgendes Konstrukt eine korrekte Aussage? Perserkatze Katze 19 InfoSys - Einführung

20 Generalisierung bisher Trockenfutter Pelletgröße ist Naßfutter Wasseranteil mit dem Typkonstruktor klare Aussage: DB darf z.b. auch Hunde-Trockenfutter enthalten Trockenfutter Pelletgröße Naßfutter Wasseranteil 20 InfoSys - Einführung

21 (Totale) Partitionierung Partitionierung disjunkte Ausgabetypen, keine Entsprechung im ER-Modell Bio-Futter Herkunft Junior Alter Spezialfall Totale Partitionierung: = -Beziehung jedes entweder Bio oder Junior oder Standard Bio-Futter Herkunft = Junior Alter Standard 21 InfoSys - Einführung

22 Wo ist der Unterschied? Generalisierung Trockenfutter Pelletgröße Naßfutter Wasseranteil Partitionierung Trockenfutter Pelletgröße Naßfutter Wasseranteil 22 InfoSys - Einführung

23 Das Beispiel von eben Trocken- und Naßfutter können beide Bio-Futter sein, müssen aber nicht Es kann kein geben, das nur Bio-Futter ist, aber weder Trocken- oder Naßfutter Trockenfutter Bio-Futter Naßfutter Herkunftsnachweis 23 InfoSys - Einführung

24 Foto: M. Strauch Zum Abschluss

25 Wie geht es weiter? bis Sonntag, , 12 Uhr Abgabe der ersten Gruppenaufgabe als PDF-Datei in Moodle bis Montag, , 12 Uhr Quiz: Das relationale Modell Dienstag, , GHH Uhr: Tutoriumstermin Musterlösung zu Pflichtenheft und ER-Modellierung neues Aufgabenblatt Donnerstag, , GHH Uhr: Präsenztermin Zusammenhang zum objektorientierten Modell, UML 25 InfoSys - Einführung