Base de Dados - Normalização e Desenho de Base de Dados Relacionais

1. Base de Dados Normalização e Desenho de Base de Dados Relacionais 2018/2019

2. Sumário • Desenho Relacional • Dependências Funcionais • Formas Normais (1FN, 2FN e 3FN) • Exercícios

3. O que é um “bom” modelo? • Um modelo que represente fielmente a realidade • Capaz de responder às funcionalidades que se pretendem • Pretende-se modelos que garantam: • Redundancia minima • Facilidade de manutenção • Estabilidade face a futuras alterações

4. Dados redundantes • Considere a relação EmpregadoDepartamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

5. Dados redundantes • Considere a relação EmpregadoDepartamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã Se apagarmos este número deixamos de conhecer o departamento do empregado 30 Duplicado mas não redundante

6. Dados redundantes • Considere a relação EmpregadoDepartamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã Se apagarmos este número deixamos de conhecer o departamento do empregado 30 Duplicado mas não redundante Se apagarmos esta informação continuamos a conhecer os dados do departamento 1 Dados redundantes

7. Implicações da Redundância de Dados • Redundância de dados tem implicações na coerência e integralidade dos dados.

8. Implicações da Redundância de Dados • Redundância de dados tem implicações na coerência e integralidade dos dados. • 3 problemas típicos:

9. Implicações da Redundância de Dados • Redundância de dados tem implicações na coerência e integralidade dos dados. • 3 problemas típicos: • Inserção: ocorre quando factos independentes não podem ser inseridos de forma independente na base de dados

10. Implicações da Redundância de Dados • Redundância de dados tem implicações na coerência e integralidade dos dados. • 3 problemas típicos: • Inserção: ocorre quando factos independentes não podem ser inseridos de forma independente na base de dados • Eliminação: ocorre quando, ao eliminar um item, obriga à eliminação de outros itens independentes

11. Implicações da Redundância de Dados • Redundância de dados tem implicações na coerência e integralidade dos dados. • 3 problemas típicos: • Inserção: ocorre quando factos independentes não podem ser inseridos de forma independente na base de dados • Eliminação: ocorre quando, ao eliminar um item, obriga à eliminação de outros itens independentes • Modificação: ocorre quando a atualização de um item implica a alteração de outros itens independentes

12. Anomalias de inserção • Inserir um novo empregado idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

13. Anomalias de inserção • Inserir um novo empregado • Implica inserir toda a informação do departamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

14. Anomalias de inserção • Inserir um novo empregado • Implica inserir toda a informação do departamento • Atenção para não criar inconsistência com informação departamento existente idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

15. Anomalias de inserção • Inserir um novo empregado • Implica inserir toda a informação do departamento • Atenção para não criar inconsistência com informação departamento existente • Não é possivel criar um departamento sem empregados idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

16. Anomalias de eliminação • Eliminar único empregado de um departamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

17. Anomalias de eliminação • Eliminar único empregado de um departamento • Implica perda de informação sobre departamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

18. Anomalias de modificação • Alterar um atributo de um departamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

19. Anomalias de modificação • Alterar um atributo de um departamento • Implica atualizar o mesmo atributo em todos os empregados do departamento idEmp Nome Categoria Salário Depto TelDepto LocalDepto 10 José Silva Programador 2500 1 213334555 Lisboa 20 Maria Costa Analista 5000 2 224446888 Porto 30 João Fonseca Operador 600 1 213334555 Lisboa 40 Ana Faria Analista 5200 4 275222333 Covilhã

20. Solução: decomposição da relação • Podemos evitar as anomalias decompondo a relação EmpregadoDepartamento(idEmp, Nome, Categoria, Salario, Depto, TelDepto, LocalDepto) • Nas relações Empregado(idEmp, Nome, Categoria, Salario, Dep) Departamento(Dep, TelDep, LocalDep) Teoria da normalização (Edgar Codd): define processo de estruturar tabelas numa BD de forma a minimizar redundância com base no conceito de dependência funcional

23. Dependências Funcionais • Consideremos a relação Morada(CC, Nome, Endereço, Cidade, CodPostal, Telefone) • Podemos descrever as seguintes dependências entre atributos i) Um dado CC determina um único tuplo da relação Morada (i.e. valores únicos para Nome, Endereco, Cidade, CodPosta, Telefone) ii) Dados os atributos Endereço e Cidade todos os tuplos da relação morada têm o mesmo CodPostal iii) A um dado CodPostal corresponde um único valor do atributo Cidade As dependências descritas (i, ii, iii) são dependências lógicas

28. Dependências funcionais • É um tipo de dependência lógica (outros: multivalor, de junção) • Dependências funcionais são determinadas pela semântica do contexto que estamos a modelar • Não podem ser determinadas a partir de um conjunto de tuplos • Um conjunto de tuplos permite apenas verificar se esta dependência é verdadeira • Uma dependência functional é uma generalização da noção de chave

29. Dependências funcionais • É um tipo de dependência lógica (outros: multivalor, de junção) • Dependências funcionais são determinadas pela semântica do contexto que estamos a modelar • Não podem ser determinadas a partir de um conjunto de tuplos • Um conjunto de tuplos permite apenas verificar se esta dependência é verdadeira • Uma dependência functional é uma generalização da noção de chave

30. Dependências funcionais • É um tipo de dependência lógica (outros: multivalor, de junção) • Dependências funcionais são determinadas pela semântica do contexto que estamos a modelar • Não podem ser determinadas a partir de um conjunto de tuplos • Um conjunto de tuplos permite apenas verificar se esta dependência é verdadeira • Uma dependência funcional é uma generalização da noção de chave

31. Dependência funcional - Definição • Dado 𝑅(𝐴1, 𝐴2, … , 𝐴𝑛) • Existe dependência funcional entre X e Y (subconjuntos de atributos de R) 𝑋 ⟶ 𝑌 (lê-se X determina Y e Y depende de X) Em qualquer instante, qualquer tuplo de R com mesmo valor de X tem obrigatóriamente o mesmo valor de Y.

32. Dependência funcional - Definição • Dado 𝑅(𝐴1, 𝐴2, … , 𝐴𝑛) • Existe dependência funcional entre X e Y (subconjuntos de atributos de R) 𝑋 ⟶ 𝑌 (lê-se X determina Y e Y depende de X) Em qualquer instante, qualquer tuplo de R com mesmo valor de X tem obrigatóriamente o mesmo valor de Y.

33. Dependência funcional - Exemplo Morada(CC, Nome, Endereço, Cidade, CodPostal, Telefone) CC ⟶ Nome CC ⟶ Endereço CC ⟶ Cidade CC ⟶ CodPostal CC ⟶ Telefone Endereço, Cidade ⟶ CodPostal CodPostal ⟶ Cidade

34. Dependência funcional - Chaves • Chave (candidata) • 𝑅(𝐴1, 𝐴2, … , 𝐴𝑛) e 𝑋 ⊆ {𝐴1, 𝐴2, … , 𝐴𝑛} • X é chave de R i) ∀𝑖 𝑋 ⟶ 𝐴𝑖 𝑖 = 1,2, … , 𝑛 X determina funcionalmente todos os atributos de R ii) ∄𝑦⊂𝑋∶ ∀𝑖 𝑌 ⟶ 𝐴𝑖 𝑖 = 1,2, … , 𝑛 Morada(CC, Nome, Endereço, Cidade, CodPostal, Telefone) CC é a única chave da relação Morada • Super-chave: conjunto X que satisfaz i) mas não ii) Qualquer conjunto que contenha atributo CC não existe um subconjunto de X que determina todos os atributos de R

37. Propriedades básicas das DFs • Unicidade se as DFs 𝑓: X ⟶ 𝑌 e 𝑔: X ⟶ 𝑌 então 𝑓 = 𝑔 • Reflexibilidade se 𝑋 ⊆ 𝑌 então Y ⟶ 𝑋 • Transitividade se X ⟶ 𝑌 e Y ⟶ 𝑍 então X ⟶ 𝑍 • União se X ⟶ 𝑌 e X ⟶ 𝑍 então X ⟶ 𝑌𝑍

41. Exemplo Morada(CC, Nome, Endereço, Cidade, CodPostal, Telefone) CC ⟶ Nome, CC ⟶ Cidade, CC ⟶ CodPostal, CC ⟶ Telefone Endereço, Cidade ⟶ CodPostal, CodPostal ⟶ Cidade A – Por reflexibilidade C – Por unicidade Endereço, Cidade ⟶ Endereço [1] e [2] são a mesma DF Endereço, Cidade ⟶ Cidade [1] D – Por união B – Por transitividade CC ⟶ Telefone Endereço, Cidade ⟶ CodPostal CC ⟶ Endereço CodPostal ⟶ Cidade CC ⟶ Telefone, Endereço Endereço, Cidade ⟶ Cidade [2] CC ⟶ Cidade, CodPostal CC ⟶ Nome, Telefone, Endereço, Cidade, CodPostal Nome é a chave da relação Morada

47. Propriedades derivadas das DFs • Distributividade se X ⟶ 𝑌𝑍 então X ⟶ 𝑌 e X ⟶ 𝑍 • Aumento se X ⟶ 𝑌 e W ⟶ 𝑍 então XW ⟶ 𝑌𝑍 • Pseudo-transitividade se X ⟶ 𝑌 e YW ⟶ 𝑍 então XW ⟶ 𝑍

48. Perda de informação • Seja a relação R(Nome, Telefone, Cidade) Nome ↛ Telefone (telefone e cidade não dependem de Nome) Nome ↛ Cidade (uma pessoa tem vários telefones e cidades) Nome Telefone Cidade José da Silva 123456789 Leiria José da Silva 222222222 Faro António Costa 333333333 Leiria

49. Perda de informação • Seja a relação R(Nome, Telefone, Cidade) Nome ↛ Telefone (telefone e cidade não dependem de Nome) Nome ↛ Cidade (uma pessoa tem vários telefones e cidades) Nome Telefone Cidade José da Silva 123456789 Leiria José da Silva 222222222 Faro António Costa 333333333 Leiria Nome Cidade José da Silva Leiria José da Silva Faro António Costa Leiria Nome Telefone José da Silva 123456789 José da Silva 222222222 António Costa 333333333 R1 R2

50. Perda de informação 𝑅1 ⋈ 𝑅2 Nome Cidade José da Silva Leiria José da Silva Faro António Costa Leiria Nome Telefone José da Silva 123456789 José da Silva 222222222 António Costa 333333333 R1 R2 Nome Telefone Cidade José da Silva 123456789 Leiria José da Silva 123456789 Faro José da Silva 222222222 Leiria José da Silva 222222222 Faro António Costa 333333333 Leiria

51. Perda de informação 𝑅1 ⋈ 𝑅2 Nome Cidade José da Silva Leiria José da Silva Faro António Costa Leiria Nome Telefone José da Silva 123456789 José da Silva 222222222 António Costa 333333333 R1 R2 Nome Telefone Cidade José da Silva 123456789 Leiria José da Silva 123456789 Faro José da Silva 222222222 Leiria José da Silva 222222222 Faro António Costa 333333333 Leiria Junção da decomposição diferente da relação inicial Decomposição não pode ser feita desta forma

52. Perda de informação 𝑅1 ⋈ 𝑅2 Nome Cidade José da Silva Leiria José da Silva Faro António Costa Leiria Nome Telefone José da Silva 123456789 José da Silva 222222222 António Costa 333333333 R1 R2 Nome Telefone Cidade José da Silva 123456789 Leiria José da Silva 123456789 Faro José da Silva 222222222 Leiria José da Silva 222222222 Faro António Costa 333333333 Leiria Junção da decomposição diferente da relação inicial Decomposição não pode ser feita desta forma

53. Normalização • Obtida pela decomposição da relação em duas ou mais relações • Procedimento bem definido • Vários níveis: • 1ª Forma Normal (1FN) • 2ª Forma Normal (2FN) • 3ª Forma Normal (3FN) • Forma Normal de Boyce Codd (FNBC) • 4ª Forma Normal (4FN) • 5ª Forma Normal (5FN)

54. Normalização (cont.) • Forma normal mais avançada implica menor redundância • Se relação está numa forma normal também está nas FN anteriores 5FN 4FN FNBC 3FN 2FN 1FN

55. Primeira Forma Normal (1FN) • Uma relação está na 1FN se • Atributos contêm valores atómicos • Não há atributos repetidos (descrevem mesma caracteristica) • Não tem grupos de atributos repetitivos.

56. Exemplo 1 • PessoaCursos1 Nome Endereço NIF Cursos Artur Covilhã 123456789 Programador Ana Fundão 222222222 Operador,Programador Carlos Covilhã 222333444 Analista, Programador, Operador Paulo Guarda 555666777 Operador, Analista

57. Exemplo 1 • PessoaCursos1 • O atributo Cursos contém valores não atómicos • A relação PessoaCursos1 não está na 1FN Nome Endereço NIF Cursos Artur Covilhã 123456789 Programador Ana Fundão 222222222 Operador,Programador Carlos Covilhã 222333444 Analista, Programador, Operador Paulo Guarda 555666777 Operador, Analista

58. Exemplo 2 • PessoaCursos2 Nome Endereço NIF Curso1 Curso2 Curso3 Artur Covilhã 123456789 Programador Ana Fundão 222222222 Operador Programador Carlos Covilhã 222333444 Analista Programador Operador Paulo Guarda 555666777 Operador Analista

59. Exemplo 2 • PessoaCursos2 • São repetidos atributos do mesmo tipo (grupo repetitivo) • A relação PessoaCursos2 não está na 1FN Nome Endereço NIF Curso1 Curso2 Curso3 Artur Covilhã 123456789 Programador Ana Fundão 222222222 Operador Programador Carlos Covilhã 222333444 Analista Programador Operador Paulo Guarda 555666777 Operador Analista

60. Exemplo 3 • Considere a relação R( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente, Cod_produto, Desc_produto, Preço_produto, Quantidade ) Os dados de cada produto encomendado • Como decompor?

61. Exemplo 3 • Considere a relação R( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente, (Cod_produto, Desc_produto, Preço_produto, Quantidade)* ) Os dados de cada produto encomendado • Como decompor?

62. Exemplo 3 • Considere a relação R( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente, (Cod_produto, Desc_produto, Preço_produto, Quantidade)* ) Os dados de cada produto encomendado • Como decompor? N_nota_enc ⟶ Cod_cliente, Nome_cliente, Morada_cliente (dependência funcional)

63. Exemplo 3 • Considere a relação R( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente, (Cod_produto, Desc_produto, Preço_produto, Quantidade)* ) Os dados de cada produto encomendado • Como decompor? N_nota_enc ⟶ Cod_cliente, Nome_cliente, Morada_cliente (dependência funcional) • Podemos decompor R em Nota_de_enc(N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente) Linha_nota_enc(N_nota_enc, Cod_produto, Desc_produto, Preço_produto, Quantidade)

64. Segunda Forma Normal (2FN) • Considere R(Fornecedor, Peça, Cidade, Quantidade) • Onde • Fornecedor ↛ Peça • Peça ↛ Fornecedor • Fornecedor ⟶ Cidade

65. Segunda Forma Normal (2FN) (cont.) • Num dado instante, Fornecedor Peça Cidade Quantidade Empresa A 1 Covilhã 100 Empresa A 2 Covilhã 200 Empresa A 3 Covilhã 300 Empresa B 1 Fundão 400 Empresa B 3 Fundão 500

66. Segunda Forma Normal (2FN) (cont.) • Num dado instante, • Algumas anomalias • Inserção: inserir fornecedor sem peça (peça faz parte da chave) • Eliminação: eliminar peça 1 e 3 de empresa B perde-se informação sobre fornecedor • Modificação: atualizar cidade de fornecedor implica atualizar todos os tuplos do fornecedor Fornecedor Peça Cidade Quantidade Empresa A 1 Covilhã 100 Empresa A 2 Covilhã 200 Empresa A 3 Covilhã 300 Empresa B 1 Fundão 400 Empresa B 3 Fundão 500

70. Segunda Forma Normal (2FN) (cont.) • Decomposição • 𝑅1 = 𝜋 𝐹𝑜𝑟𝑛𝑒𝑐𝑒𝑑𝑜𝑟,𝐶𝑖𝑑𝑎𝑑𝑒 (𝑅) R1(Fornecedor, Cidade) • 𝑅2 = 𝜋 𝐹𝑜𝑟𝑛𝑒𝑐𝑒𝑑𝑜𝑟,𝑃𝑒ç𝑎,𝑄𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 (𝑅) R2(Fornecedor, Peça,Quantidade) • Desaparecem anomalias • A DF Fornecedor ⟶ Cidade • Garante que 𝑅 = 𝑅1 ⋈𝐹𝑜𝑟𝑛𝑒𝑐𝑒𝑑𝑜𝑟=𝐹𝑜𝑟𝑛𝑒𝑐𝑒𝑑𝑜𝑟 𝑅2 • Uma relação está na 2ª forma normal • se está na 1FN • atributos que não são chave dependem da totalidade da chave.

73. Dependencia funcional elementar e parcial • Considere R(X, Y, Z, …) • Dependência funcional elementar • X ⟶ Y é elementar se ∀𝑋′ ⊂ 𝑋: 𝑋′ ↛ 𝑌 • Dependência funcional parcial • X ⟶ Y e X’ ⟶ Y (com 𝑋′ ⊂ 𝑋) então X ⟶ Y é uma DF parcial

74. Dependencia funcional elementar e parcial • Considere R(X, Y, Z, …) • Dependência funcional elementar • X ⟶ Y é elementar se ∀𝑋′ ⊂ 𝑋: 𝑋′ ↛ 𝑌 • Dependência funcional parcial • X ⟶ Y e X’ ⟶ Y (com 𝑋′ ⊂ 𝑋) então X ⟶ Y é uma DF parcial

75. Exemplo • Linha_nota_enc (N_nota_enc, Cod_produto, Desc_produto, Preço_prod, Quantidade) • As dependências funcionais • N_nota_enc, Cod_produto ⟶ Desc_produto • N_nota_enc, Cod_produto ⟶ Preço_produto • Não são elementares • Cod_produto ⟶ Desc_produto • Cod_produto ⟶ Preço_produto

78. Exemplo • Linha_nota_enc (N_nota_enc, Cod_produto, Desc_produto, Preço_prod, Quantidade) • Linha_nota_enc é decomposto em • Linha_Nota_Enc ( N_nota_enc, Cod_produto, Quantidade) • Produto ( Cod_produto, Desc_produto, Preço_produto) • A DF Cod_produto ⟶ Desc_produto, Preço_produto garante validade da decomposição

81. Casos especiais da 2FN • Se todos os atributos de uma relação são primos (pertencem a uma chave) ou • A chave da relação consiste num único atributo. • Então a relação está na 2ª forma normal.

82. Decomposição na 2FN • Toda a relação R que não esteja na 2FN pode ser decomposta num conjunto de projecções que estão na 2FN. • Para vermos se uma relação está na 2FN: 1. Identificamos a chave da tabela. Se a chave for apenas um atributo, ou for constituída por todos os atributos da relação, então podemos concluir que está na 2FN. 2. Se a chave for composta (tiver mais do que um atributo) verificamos se há atributos que não são chave e que dependem apenas de parte da chave. Se não houver, então está na 2FN. 3. Se houver, então decompor de acordo com o esquema anterior.

87. Terceira Forma Normal (3FN) • Considere a relação E(N_emp, Dep, Cidade) • Com • N_emp ⟶ Dep • Dep ↛ N_emp • Dep ⟶ Cidade • Cidade ↛ Dep

88. Anomalias • E E(N_emp, Dep, Cidade) está na 2FN N_emp Dep Cidade a A X b A X c A X d B Y e B Y f C X g C X Inserção: não podemos inserir um departamento se não tem empregados Eliminação: se eliminamos o ultimo empregado de departamento perdemos informação Modificação: Atributo cidade repetido para departamento, implica alteração em todos os empregados

92. Anomalias • E E(N_emp, Dep, Cidade) está na 2FN N_emp Dep Cidade a A X b A X c A X d B Y e B Y f C X g C X Inserção: não podemos inserir um departamento se não tem empregados Eliminação: se eliminamos o ultimo empregado de departamento perdemos informação Modificação: Atributo cidade repetido para departamento, implica alteração em todos os empregados (atributos não chave depende da totalidade da chave)

93. Decomposição de E • Se substituirmos E por 𝐸𝑚𝑝𝑟𝑒𝑔𝑎𝑑𝑜 = 𝜋𝑁𝑒𝑚𝑝,𝐷𝑒𝑝 𝐸 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 = 𝜋𝐷𝑒𝑝,𝐶𝑖𝑑𝑎𝑑𝑒(𝐸) desaparecem as anomalias. A DF 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 ⟶ 𝐶𝑖𝑑𝑎𝑑𝑒 garante que 𝐸 = 𝐸𝑚𝑝𝑟𝑒𝑔𝑎𝑑𝑜 ⋈𝐷𝑒𝑝=𝐷𝑒𝑝 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 • Uma relação está na 3ª forma normal • se está na 2FN • nenhum dos atributos não chave depende de outro não chave.

94. Decomposição de E • Se substituirmos E por 𝐸𝑚𝑝𝑟𝑒𝑔𝑎𝑑𝑜 = 𝜋𝑁𝑒𝑚𝑝,𝐷𝑒𝑝 𝐸 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 = 𝜋𝐷𝑒𝑝,𝐶𝑖𝑑𝑎𝑑𝑒(𝐸) desaparecem as anomalias. A DF 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 ⟶ 𝐶𝑖𝑑𝑎𝑑𝑒 garante que 𝐸 = 𝐸𝑚𝑝𝑟𝑒𝑔𝑎𝑑𝑜 ⋈𝐷𝑒𝑝=𝐷𝑒𝑝 𝐷𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 • Uma relação está na 3ª forma normal • se está na 2FN • nenhum dos atributos não chave depende de outro não chave.

95. Decomposição na 3ª Forma Normal • Toda a relação R que não esteja na 3FN pode ser decomposta num conjunto de projecções que estão na 3FN. • Se 𝑋 ⟶ 𝑌 (com X chave), 𝑌 ↛ 𝑋 e 𝑌 ⟶ 𝑍 (isto é, existe 𝑋 ⟶ 𝑍 não direta, com Z não chave) • R(YZ) e R(XYW) onde W tem todos os atributos que não são de X, nem de Y nem de Z.

98. Exemplo 1 • Nota_de_enc ( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente) • Cod_cliente ⟶ Nome_cliente • Cod_cliente ⟶ Morada_cliente • Por união, Cod_cliente ⟶ Nome_cliente, Morada_cliente (logo a DF N_nota_enc ⟶ Nome_cliente, Morada_cliente não é direta) A relação não está na 3FN

101. Decomposição • Nota_de_enc ( N_nota_enc, Cod_cliente, Nome_cliente, Morada_cliente) • Cliente ( Cod_cliente , Nome_cliente, Morada_cliente) • Nota_enc ( N_nota_enc, Cod_cliente )

102. Vantagens da Normalização • Estruturas de dados mais estáveis • Elimina a redundância • Obtêm-se um modelo de dados mais natural e mais simples • Evitam-se os efeitos laterais da alteração • Evitam-se os efeitos laterais da inserção • Evitam-se os efeitos laterais da remoção • Facilita a exploração e manutenção de ficheiros

103. Desvantagens da Normalização • Favorece a proliferação no n.º de tabelas • Favorece a fragmentação exagerada • Perigoso de seguir cegamente Conclusão: Normalizar? Sim, mas com bom senso ...

104. Trabalho Prático – Folha 5

Base de Dados - Normalização e Desenho de Base de Dados Relacionais

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Base de Dados - Normalização e Desenho de Base de Dados Relacionais

Semelhante a Base de Dados - Normalização e Desenho de Base de Dados Relacionais (20)

Mais de Mariana Hiyori

Mais de Mariana Hiyori (20)

Último

Último (20)

Base de Dados - Normalização e Desenho de Base de Dados Relacionais