લેક્ચર ડીબી પ્રકરણ 2 રિલેશનલ ડેટાબેઝ 2.1. શરતો અને વ્યાખ્યાઓરિલેશનલ ડેટાબેઝનો વિકાસ 1960 ના દાયકાના અંતમાં શરૂ થયો હતો, જ્યારે પ્રથમ કાર્યો દેખાયા હતા જેમાં કોષ્ટકોના સ્વરૂપમાં ડેટા પ્રસ્તુતિને ઔપચારિક બનાવવા નિષ્ણાતોને પરિચિત પદ્ધતિઓનો ઉપયોગ કરવાની શક્યતાઓની ચર્ચા કરવામાં આવી હતી. કેટલાક નિષ્ણાતો માહિતી નિર્ણય કોષ્ટકો પ્રસ્તુત કરવાની આ પદ્ધતિને કહે છે, અન્ય - ટેબ્યુલર અલ્ગોરિધમ્સ. રિલેશનલ ડેટાબેઝના સિદ્ધાંતવાદીઓ માહિતી ડેટાલોજિકલ મોડેલ્સ પ્રસ્તુત કરવાની ટેબ્યુલર પદ્ધતિ કહે છે. રિલેશનલ ડેટાબેઝના સિદ્ધાંતના સ્થાપકને IBM કર્મચારી તરીકે ગણવામાં આવે છે, ડૉ. E. F. Codd, જેમણે 6 જૂન, 1970ના રોજ “A Relational Model of Data for Large Shared Data Banks” લેખ પ્રકાશિત કર્યો હતો. આ લેખમાં, "રિલેશનલ ડેટા મોડલ" શબ્દનો પ્રથમ વખત ઉપયોગ કરવામાં આવ્યો હતો, જે રિલેશનલ ડેટાબેઝની શરૂઆતને ચિહ્નિત કરે છે. રિલેશનલ ડેટાબેઝ સિદ્ધાંત 1970 ના દાયકામાં વિકસિત થયો. યુએસએમાં ડૉ. ઇ.એફ. કોડ દ્વારા, સેટ થિયરીના ગાણિતિક ઉપકરણ પર આધાર રાખ્યો હતો. તેમણે સાબિત કર્યું કે ડેટાના કોઈપણ સમૂહને દ્વિ-પરિમાણીય કોષ્ટકોના સ્વરૂપમાં રજૂ કરી શકાય છે ખાસ પ્રકાર, ગણિતમાં સંબંધો તરીકે ઓળખાય છે. થી અંગ્રેજી શબ્દ"સંબંધ" "સંબંધ") અને "રિલેશનલ ડેટા મોડેલ" નામ આવ્યું. હાલમાં, ડેટાબેસેસ (DBs) ડિઝાઇન કરવા માટેનો સૈદ્ધાંતિક આધાર રિલેશનલ બીજગણિતનું ગાણિતિક ઉપકરણ છે (પેટાવિભાગ 1.2 જુઓ). આમ, રિલેશનલ ડેટાબેઝ એ ઑબ્જેક્ટ્સ વિશેની માહિતી (ડેટા) છે, જે દ્વિ-પરિમાણીય એરે - કોષ્ટકોના સ્વરૂપમાં રજૂ કરવામાં આવે છે, જે ચોક્કસ જોડાણો દ્વારા એકીકૃત થાય છે. ડેટાબેઝમાં એક ટેબલ પણ હોઈ શકે છે. રિલેશનલ ડેટાબેઝના વધુ અભ્યાસમાં આગળ વધતા પહેલા, ચાલો સિદ્ધાંત અને વ્યવહારમાં વપરાતા શબ્દો અને વ્યાખ્યાઓને ધ્યાનમાં લઈએ. ડેટાબેઝ ટેબલ- એક વર્ગના ઑબ્જેક્ટ વિશે માહિતી ધરાવતો દ્વિ-પરિમાણીય એરે. રિલેશનલ બીજગણિતના સિદ્ધાંતમાં, દ્વિ-પરિમાણીય એરે (કોષ્ટક) કહેવામાં આવે છે વલણકોષ્ટકમાં નીચેના ઘટકોનો સમાવેશ થાય છે: ક્ષેત્ર, કોષ, રેકોર્ડ (ફિગ. 2.1). ક્ષેત્રડેટાબેઝ ઑબ્જેક્ટ્સની લાક્ષણિકતા ધરાવતા લક્ષણોમાંના એકના મૂલ્યો ધરાવે છે. કોષ્ટકમાં ફીલ્ડ્સની સંખ્યા ડેટાબેઝ ઑબ્જેક્ટને દર્શાવતા લક્ષણોની સંખ્યાને અનુરૂપ છે. 22 કોષઅનુરૂપ ફીલ્ડનું ચોક્કસ મૂલ્ય (એક ઑબ્જેક્ટનું લક્ષણ) સમાવે છે. રેકોર્ડ- ટેબલ પંક્તિ. તે તમામ સુવિધાઓના મૂલ્યો ધરાવે છે જે એક ઑબ્જેક્ટને લાક્ષણિકતા આપે છે. રેકોર્ડ્સની સંખ્યા (પંક્તિઓ) ઑબ્જેક્ટ્સની સંખ્યાને અનુલક્ષે છે જેનો ડેટા કોષ્ટકમાં સમાયેલ છે. ડેટાબેઝ સિદ્ધાંતમાં, શબ્દ રેકોર્ડિંગખ્યાલને અનુરૂપ છે કોર- AND સંબંધ દ્વારા એકબીજા સાથે જોડાયેલા લક્ષણોનો ક્રમ. ગ્રાફ થિયરીમાં મોટર કાડઅર્થ નિર્દેશિત ગ્રાફની એક સરળ શાખા - એક વૃક્ષ. કોષ્ટકમાં 2.1 રિલેશનલ ડેટાબેઝ વિકસાવવાના સિદ્ધાંત અને પ્રેક્ટિસમાં વપરાતા શબ્દો દર્શાવે છે. રિલેશનલ ડેટાબેઝના શ્રેષ્ઠ માળખાના નિર્માણ માટે જરૂરી એક મહત્વપૂર્ણ ખ્યાલ એ કી અથવા કી ફીલ્ડનો ખ્યાલ છે. કીએક ક્ષેત્ર ગણવામાં આવે છે જેના મૂલ્યો કોષ્ટકમાં અન્ય તમામ ક્ષેત્રોના મૂલ્યોને વિશિષ્ટ રીતે નિર્ધારિત કરે છે. ઉદાહરણ તરીકે, ફીલ્ડ “પાસપોર્ટ નંબર”, અથવા “કરદાતા ઓળખ નંબર (TIN)”, અસ્પષ્ટપણે કોઈપણની લાક્ષણિકતાઓ નક્કી કરે છે. વ્યક્તિગત(જ્યારે એચઆર વિભાગો અથવા એન્ટરપ્રાઇઝના એકાઉન્ટિંગ વિભાગો માટે યોગ્ય ડેટાબેઝ કોષ્ટકોનું સંકલન કરતી વખતે).
23

કોષ્ટકની ચાવી એક નહીં, પરંતુ ઘણા ક્ષેત્રો હોઈ શકે છે. આ કિસ્સામાં, ક્ષેત્રોનો સમૂહ ફક્ત ત્યારે જ શક્ય ટેબલ કી બની શકે છે જો બે સમય-સ્વતંત્ર પરિસ્થિતિઓ સંતુષ્ટ હોય: વિશિષ્ટતા અને લઘુત્તમતા. દરેક ફીલ્ડ કે જે પ્રાથમિક કીનો ભાગ નથી તેને ટેબલનું નોન-કી ફીલ્ડ કહેવાય છે.

રિલેશનલ ડેટાબેઝ ડિઝાઇન કરતી વખતે આ પરિબળોને ધ્યાનમાં રાખીને કોષ્ટકોને સામાન્ય બનાવવા અને તેમની વચ્ચે જોડાણો સ્થાપિત કરવાની પદ્ધતિઓ દ્વારા હાથ ધરવામાં આવે છે.

પ્રથમ સામાન્ય સ્વરૂપ (પ્રથમ સામાન્ય સ્વરૂપ - 1NF); બીજું સામાન્ય સ્વરૂપ (બીજું સામાન્ય સ્વરૂપ - 2NF); ત્રીજું સામાન્ય સ્વરૂપ (ત્રીજું સામાન્ય સ્વરૂપ - ЗNF); બ્રીસ - કોડ સામાન્ય સ્વરૂપ -BCNF; ચોથું સામાન્ય સ્વરૂપ (આગળસામાન્ય ફોર્મ - 4NF); પાંચમું સામાન્ય સ્વરૂપ, અથવા પ્રક્ષેપણ-જંકશન સામાન્ય સ્વરૂપ (પાંચમું સામાન્ય સ્વરૂપ - 5NF, અથવા PJ/NF ).

ક્ષેત્ર “એકંદર પરિમાણો (લંબાઈ x પહોળાઈ x ઊંચાઈ), mm”, ત્રણ ક્ષેત્રોમાં વહેંચાયેલું છે: “લંબાઈ, mm”, “પહોળાઈ, mm”, “height, mm”. આ કોષ્ટકનું મુખ્ય ક્ષેત્ર "મશીન મોડેલ" અથવા "આઇટમ નંબર" ક્ષેત્ર હોઈ શકે છે. કોષ્ટકમાં સામાન્ય સ્વરૂપ પ્રકાર છે. 2.3. ચાલો બીજું ઉદાહરણ જોઈએ. ફિગ માં. આકૃતિ 2.2 કસોટી અને પરીક્ષા શીટ ફોર્મનો ટુકડો દર્શાવે છે, જે અગાઉના ઉદાહરણની જેમ, મૂળ રૂપે કોમ્પ્યુટર પ્રોસેસિંગ માટે બનાવાયેલ ન હતો. ધારો કે અમે કસોટી અને પરીક્ષા સત્રના પરિણામોની સ્વચાલિત પ્રક્રિયા માટે ડેટાબેઝ બનાવવા માંગીએ છીએ.
27

કસોટી અને પરીક્ષા શીટની સામગ્રી સાથે. આ કરવા માટે, અમે ફોર્મની સામગ્રીને ડેટાબેઝ કોષ્ટકોમાં રૂપાંતરિત કરીએ છીએ. ક્ષેત્રો વચ્ચે કાર્યાત્મક અવલંબનની શરતોનું પાલન કરવાની જરૂરિયાતના આધારે, ઓછામાં ઓછા બે કોષ્ટકો (ફિગ. 2.3) બનાવવી જરૂરી છે (દરેક કોષ્ટકમાં મુખ્ય ક્ષેત્રો બોલ્ડમાં પ્રકાશિત થાય છે). પ્રથમ કોષ્ટકમાં દરેક વિદ્યાર્થી દ્વારા ચોક્કસ વિષયમાં પરીક્ષા (પરીક્ષા) પાસ કરવાના પરિણામો શામેલ છે. બીજા કોષ્ટકમાં ચોક્કસ વિષયના વિદ્યાર્થીઓના ચોક્કસ જૂથની પરીક્ષા (પરીક્ષા) પાસ કરવાના અંતિમ પરિણામો છે. પ્રથમ કોષ્ટકમાં, મુખ્ય ક્ષેત્ર "વિદ્યાર્થીનું નામ" છે, અને બીજા કોષ્ટકમાં - "શિસ્ત" ક્ષેત્ર છે. કોષ્ટકો "શિસ્ત" અને "ગ્રુપ કોડ" ક્ષેત્રો દ્વારા એકબીજા સાથે જોડાયેલા હોવા જોઈએ.

પ્રસ્તુત કોષ્ટક માળખાં પ્રથમ સામાન્ય સ્વરૂપની આવશ્યકતાઓને સંપૂર્ણપણે પૂર્ણ કરે છે, પરંતુ નીચેના ગેરફાયદા દ્વારા વર્ગીકૃત થયેલ છે: કોષ્ટકોમાં નવો ડેટા ઉમેરવા માટે તમામ ક્ષેત્રો માટે મૂલ્યો દાખલ કરવાની જરૂર છે; દરેક કોષ્ટકની દરેક હરોળમાં “શિસ્ત”, “શિક્ષકનું પૂરું નામ”, “જૂથ કોડ” ક્ષેત્રો માટે પુનરાવર્તિત મૂલ્યો દાખલ કરવા જરૂરી છે. પરિણામે, કોષ્ટકોની આવી રચના અને તેમની રચના સાથે, માહિતીની સ્પષ્ટ નિરર્થકતા છે, જે સ્વાભાવિક રીતે, મેમરીની વધારાની માત્રાની જરૂર પડશે. સૂચિબદ્ધ ગેરફાયદાને ટાળવા માટે, કોષ્ટકોને બીજા અથવા ત્રીજા સામાન્ય સ્વરૂપમાં ઘટાડવું જરૂરી છે. બીજું સામાન્ય સ્વરૂપ.કોષ્ટક બીજા સામાન્ય સ્વરૂપમાં હોય છે જો તે પ્રથમ સામાન્ય સ્વરૂપની જરૂરિયાતોને સંતોષે છે અને તેના તમામ ક્ષેત્રો કે જે પ્રાથમિક કીમાં સમાવિષ્ટ નથી તે પ્રાથમિક કી પર સંપૂર્ણપણે કાર્યાત્મક રીતે આધારિત છે. 28

જો કોષ્ટકમાં માત્ર એક ફીલ્ડનો સમાવેશ કરતી સાદી પ્રાથમિક કી હોય, તો તે આપમેળે બીજા સામાન્ય સ્વરૂપમાં હોય છે.

જો પ્રાથમિક કી સંયુક્ત હોય, તો ટેબલ બીજા સામાન્ય સ્વરૂપમાં હોય તે જરૂરી નથી. પછી તેને બે અથવા વધુ કોષ્ટકોમાં વિભાજિત કરવું આવશ્યક છે જેથી પ્રાથમિક કી કોઈપણ ક્ષેત્રમાં મૂલ્યને વિશિષ્ટ રીતે ઓળખી શકે. જો કોષ્ટકમાં ઓછામાં ઓછું એક ક્ષેત્ર છે જે પ્રાથમિક કી પર આધારિત નથી, તો વધારાના કૉલમ પ્રાથમિક કીમાં શામેલ હોવા આવશ્યક છે. જો આવી કોઈ કૉલમ ન હોય, તો તમારે નવી કૉલમ ઉમેરવાની જરૂર છે. આ શરતોના આધારે જે બીજા સામાન્ય સ્વરૂપને નિર્ધારિત કરે છે, સંકલિત કોષ્ટકોની લાક્ષણિકતાઓ અંગે નીચેના નિષ્કર્ષો દોરી શકાય છે (જુઓ. ફિગ. 2.3). પ્રથમ કોષ્ટકમાં મુખ્ય ક્ષેત્ર અને "શિક્ષકનું નામ" ક્ષેત્ર વચ્ચે કોઈ સીધો સંબંધ નથી, કારણ કે એક વિષયની પરીક્ષા અથવા પરીક્ષા વિવિધ શિક્ષકો દ્વારા લઈ શકાય છે. કોષ્ટકમાં ફક્ત અન્ય તમામ ક્ષેત્રો અને મુખ્ય ક્ષેત્ર "શિસ્ત" વચ્ચે સંપૂર્ણ કાર્યાત્મક અવલંબન છે. તેવી જ રીતે, બીજા કોષ્ટકમાં મુખ્ય ક્ષેત્ર અને "શિક્ષકનું નામ" ક્ષેત્ર વચ્ચે કોઈ સીધો સંબંધ નથી. ડેટાબેઝને ઑપ્ટિમાઇઝ કરવા માટે, ખાસ કરીને દરેક રેકોર્ડમાં "શિસ્ત" અને "શિક્ષકનું નામ" ફીલ્ડના મૂલ્યોને પુનરાવર્તિત કરવાની જરૂરિયાતને કારણે મેમરીની આવશ્યક માત્રા ઘટાડવા માટે, તેની રચનામાં ફેરફાર કરવો જરૂરી છે. ડેટાબેઝ - મૂળ કોષ્ટકોને બીજા સામાન્ય સ્વરૂપમાં રૂપાંતરિત કરો. સંશોધિત ડેટાબેઝ માળખામાં કોષ્ટકોની રચના ફિગમાં બતાવવામાં આવી છે. 2.4. રૂપાંતરિત ડેટાબેઝ માળખું છ કોષ્ટકો ધરાવે છે, જેમાંથી બે એકબીજા સાથે જોડાયેલા છે (દરેક કોષ્ટકમાં મુખ્ય ક્ષેત્રો બોલ્ડમાં પ્રકાશિત થાય છે). બધા કોષ્ટકો બીજા સામાન્ય સ્વરૂપની જરૂરિયાતોને સંતોષે છે. પાંચમા અને છઠ્ઠા કોષ્ટકોમાં તેમના ક્ષેત્રોમાં ડુપ્લિકેટ મૂલ્યો છે, પરંતુ આ મૂલ્યો ટેક્સ્ટ ડેટાને બદલે પૂર્ણાંકો છે તે જોતાં, માહિતી સંગ્રહિત કરવા માટે જરૂરી મેમરીની કુલ રકમ મૂળ કોષ્ટકો કરતાં નોંધપાત્ર રીતે ઓછી છે (જુઓ આકૃતિ 2.1) . વધુમાં, નવું ડેટાબેઝ માળખું વિવિધ નિષ્ણાતો (મેનેજમેન્ટ સેવાઓના વિભાગો) દ્વારા કોષ્ટકો ભરવાની ક્ષમતા પ્રદાન કરશે. ડેટાબેઝ કોષ્ટકોનું વધુ ઑપ્ટિમાઇઝેશન તેમને ત્રીજા સામાન્ય સ્વરૂપમાં લાવવા માટે નીચે આવે છે. ત્રીજું સામાન્ય સ્વરૂપ.કોષ્ટક ત્રીજા સામાન્ય સ્વરૂપમાં હોય છે જો તે બીજા સામાન્ય સ્વરૂપની વ્યાખ્યાને સંતોષે છે અને તેના બિન-કી ક્ષેત્રોમાંથી કોઈપણ અન્ય બિન-કી ક્ષેત્ર પર કાર્યાત્મક રીતે આધારિત નથી. 29

તમે એમ પણ કહી શકો છો કે કોષ્ટક ત્રીજા સામાન્ય સ્વરૂપમાં છે જો તે બીજા સામાન્ય સ્વરૂપમાં હોય અને દરેક બિન-કી ક્ષેત્ર પ્રાથમિક કી પર સંક્રમિત રીતે નિર્ભર નથી. ત્રીજા સામાન્ય સ્વરૂપની આવશ્યકતા એ છે કે તમામ બિન-કી ક્ષેત્રો ફક્ત પ્રાથમિક કી પર આધાર રાખે છે અને એકબીજાથી સ્વતંત્ર છે. આ જરૂરિયાતો અનુસાર, ડેટાબેઝ કોષ્ટકોના ભાગ રૂપે (જુઓ. ફિગ. 2.3), ત્રીજા સામાન્ય સ્વરૂપમાં પ્રથમ, બીજા, ત્રીજા અને ચોથા કોષ્ટકોનો સમાવેશ થાય છે. પાંચમા અને છઠ્ઠા કોષ્ટકોને ત્રીજા સામાન્ય સ્વરૂપમાં લાવવા માટે, અમે એક નવું કોષ્ટક બનાવીશું જેમાં તે વિષયોની રચના વિશેની માહિતી હશે કે જેના માટે વિદ્યાર્થીઓના જૂથોમાં પરીક્ષાઓ અથવા કસોટીઓ લેવામાં આવે છે. કી તરીકે, અમે "કાઉન્ટર" ફીલ્ડ બનાવીશું જે કોષ્ટકમાં રેકોર્ડ નંબર સેટ કરે છે, કારણ કે દરેક રેકોર્ડ અનન્ય હોવો જોઈએ. ત્રીસ

પરિણામે, અમે એક નવું ડેટાબેઝ માળખું મેળવીએ છીએ, જે ફિગમાં બતાવવામાં આવ્યું છે. 2.5 (દરેક કોષ્ટકમાં મુખ્ય ક્ષેત્રો બોલ્ડમાં પ્રકાશિત થાય છે). આ રચનામાં સાત કોષ્ટકો છે જે ત્રીજા સામાન્ય સ્વરૂપની જરૂરિયાતોને પૂર્ણ કરે છે.

એવું કોષ્ટક શોધવું ખૂબ જ મુશ્કેલ છે કે તે ચોથા સામાન્ય સ્વરૂપમાં હોય, પરંતુ પાંચમા સામાન્ય સ્વરૂપની વ્યાખ્યાને સંતોષતું નથી.

આમ, અમે ધારીએ છીએ કે DBMS પસંદ કરવાનો નિર્ણય IT પ્રોજેક્ટ મેનેજર દ્વારા પહેલેથી જ લેવામાં આવ્યો છે અને ડેટાબેઝ ગ્રાહક સાથે સંમત થયા છે, એટલે કે. DBMS ઉલ્લેખિત છે. ડેટાબેઝ ડિઝાઇનરે દસ્તાવેજોની સમીક્ષા કરવી જોઈએ જે પસંદ કરેલ DBMS દ્વારા સમર્થિત SQL બોલીનું વર્ણન કરે છે. આ વ્યાખ્યાન ધારે છે કે Oracle 9i DBMS પસંદ કરવામાં આવ્યું હતું, જોકે મોટાભાગની સામગ્રી કોઈપણ ઔદ્યોગિક સંબંધી DBMSમાં ઑબ્જેક્ટને આવરી લે છે.

ટિપ્પણી. DBMS પસંદ કરવા વિશે. DBMS પસંદ કરવી એ બહુ-માપદંડની પસંદગીની સમસ્યા છે અને આ કોર્સમાં તેની ચર્ચા કરવામાં આવી નથી. તે યાદ રાખવું જોઈએ કે DBMS સામાન્ય રીતે માત્ર એક ડેટા મોડલને સપોર્ટ કરે છે: રિલેશનલ, હાયરાર્કિકલ, નેટવર્ક, બહુપરિમાણીય, ઑબ્જેક્ટ-ઓરિએન્ટેડ, ઑબ્જેક્ટ-રિલેશનલ. અપવાદ એ નાની સંખ્યામાં DBMSs છે. ઉદાહરણ તરીકે, ADABAS, Software AG (નેટવર્ક અને રિલેશનલ મોડલ્સ), અથવા Oracle 9i, Oracle Inc. (રિલેશનલ અને ઑબ્જેક્ટ-રિલેશનલ મોડલ). સામાન્ય રીતે, DBMS પસંદ કરતી વખતે, અન્ય તમામ શક્યતાઓ સમાન હોવા સાથે, તેઓ DBMS પર ડેટાબેઝ બનાવવાનો પ્રયાસ કરે છે જે એક ઉદ્યોગ માનક હોવાનો દાવો કરે છે.

રિલેશનલ ડેટાબેઝ ઑબ્જેક્ટ્સની વંશવેલો SQL ધોરણોમાં, ખાસ કરીને, SQL-92 ધોરણમાં સૂચવવામાં આવે છે, જેના પર અમે આ વ્યાખ્યાનમાં સામગ્રી રજૂ કરતી વખતે ધ્યાન કેન્દ્રિત કરીશું. આ ધોરણ ડેસ્કટોપ સહિત લગભગ તમામ આધુનિક DBMS દ્વારા સપોર્ટેડ છે. રિલેશનલ ડેટાબેઝ ઑબ્જેક્ટ્સની વંશવેલો નીચેની આકૃતિમાં બતાવવામાં આવી છે.

સૌથી નીચા સ્તરે સૌથી નાની વસ્તુઓ છે જેની સાથે રીલેશનલ ડેટાબેઝ કામ કરે છે - કૉલમ (કૉલમ) અને પંક્તિઓ. તેઓ, બદલામાં, કોષ્ટકો અને દૃશ્યોમાં જૂથ થયેલ છે.

ટિપ્પણી. વ્યાખ્યાનના સંદર્ભમાં, લક્ષણો, કૉલમ, કૉલમ અને ક્ષેત્રો સમાનાર્થી ગણવામાં આવે છે. આ જ "પંક્તિ", "રેકોર્ડ" અને "ટ્યુપલ" શબ્દોને લાગુ પડે છે.

કોષ્ટકો અને દૃશ્યો, જે ડેટાબેઝના તાર્કિક માળખાના ભૌતિક પ્રતિનિધિત્વનું પ્રતિનિધિત્વ કરે છે, તેને સ્કીમામાં એસેમ્બલ કરવામાં આવે છે. બહુવિધ સ્કીમા કેટલોગમાં એકત્રિત કરવામાં આવે છે, જેને પછી ક્લસ્ટરોમાં જૂથબદ્ધ કરી શકાય છે. એ નોંધવું જોઈએ કે SQL-92 સ્ટાન્ડર્ડના ઑબ્જેક્ટ્સના જૂથોમાંથી કોઈ પણ કમ્પ્યુટર મેમરીમાં માહિતીના ભૌતિક સંગ્રહ માટેના માળખા સાથે સંકળાયેલું નથી.

ચોખા. 8.1.

આકૃતિમાં દર્શાવેલ ઑબ્જેક્ટ્સ ઉપરાંત, અનુક્રમણિકાઓ, ટ્રિગર્સ, ઇવેન્ટ્સ, સંગ્રહિત આદેશો, સંગ્રહિત પ્રક્રિયાઓ અને અન્ય સંખ્યાબંધ રિલેશનલ ડેટાબેઝમાં બનાવી શકાય છે. હવે ચાલો રિલેશનલ ડેટાબેઝ ઑબ્જેક્ટ્સને વ્યાખ્યાયિત કરવા તરફ આગળ વધીએ.

રીલેશનલ ડેટાબેઝની મૂળભૂત વસ્તુઓ

ક્લસ્ટરો, ડિરેક્ટરીઓ અને સ્કીમા પ્રમાણભૂત અને તેથી રિલેશનલ ડેટાબેઝ સોફ્ટવેર પર્યાવરણના જરૂરી ઘટકો નથી.

ક્લસ્ટર એ ડિરેક્ટરીઓનું એક જૂથ છે જેને ડેટાબેઝ સર્વર (DBMS સોફ્ટવેર ઘટક) સાથેના એક જોડાણ દ્વારા એક્સેસ કરી શકાય છે.

વ્યવહારમાં પ્રક્રિયા ડિરેક્ટરી બનાવી રહ્યા છીએચોક્કસ ઓપરેટિંગ પ્લેટફોર્મ પર DBMS ના અમલીકરણ દ્વારા નિર્ધારિત. સૂચિને યોજનાઓના જૂથ તરીકે સમજવામાં આવે છે. વ્યવહારમાં, ડિરેક્ટરી ઘણીવાર ભૌતિક ફાઇલોના સંગ્રહ તરીકે ભૌતિક ડેટાબેઝ સાથે સંકળાયેલી હોય છે ઓપરેટિંગ સિસ્ટમ, જે તેના નામથી ઓળખાય છે.

ડેટાબેઝ ડિઝાઇનર માટે, સ્કીમા એ સંપૂર્ણ ડેટાબેઝના સંબંધોની એકંદર તાર્કિક રજૂઆત છે. એસક્યુએલની શરતોમાં, સ્કીમા એ કોષ્ટકો, દૃશ્યો અને રિલેશનલ ડેટાબેઝના અન્ય માળખાકીય ઘટકો માટેનું કન્ટેનર છે. દરેક સ્કીમામાં ડેટાબેઝ તત્વોનું પ્લેસમેન્ટ સંપૂર્ણપણે ડેટાબેઝ ડિઝાઇનર દ્વારા નક્કી કરવામાં આવે છે.

કોષ્ટકો અને દૃશ્યો બનાવવા માટે તમારે સ્કીમાની જરૂર નથી. જો તમે ફક્ત એક લોજિકલ ડેટાબેઝ ઇન્સ્ટોલ કરવાની યોજના ઘડી રહ્યા છો, તો તે સ્પષ્ટ છે કે તમે સ્કીમા વિના કરી શકો છો. પરંતુ જો તમે બહુવિધ ડેટાબેસેસને સપોર્ટ કરવા માટે સમાન DBMS નો ઉપયોગ કરવાની યોજના ઘડી રહ્યા છો, તો પછી ડેટાબેઝ ઑબ્જેક્ટ્સને સ્કીમામાં યોગ્ય રીતે ગોઠવવાથી તે ડેટાબેઝને જાળવવાનું વધુ સરળ બની શકે છે. વ્યવહારમાં, સ્કીમા ઘણીવાર ભૌતિક ડેટાબેઝમાં ચોક્કસ વપરાશકર્તાની વસ્તુઓ સાથે સંકળાયેલી હોય છે.

આગળ, ઓરેકલ 9i રિલેશનલ DBMS ના સંદર્ભમાં રિલેશનલ ડેટાબેઝ ઑબ્જેક્ટ દાખલ કરવામાં આવશે. આ અભિગમ અપનાવવામાં આવ્યો હતો કારણ કે ડિઝાઇન રિલેશનલ ડેટાબેઝનું ભૌતિક મોડલચોક્કસ અમલીકરણ વાતાવરણ માટે કરવામાં આવે છે.

Oracle 9i માં, સ્કીમા શબ્દનો ઉપયોગ વપરાશકર્તા દ્વારા બનાવવામાં આવેલ તમામ ડેટાબેઝ ઑબ્જેક્ટનું વર્ણન કરવા માટે થાય છે. દરેક નવા વપરાશકર્તા માટે એક નવી સ્કીમા આપમેળે બનાવવામાં આવે છે.

રીલેશનલ ડેટાબેઝમાં મુખ્ય ઓબ્જેક્ટમાં ટેબલ, વ્યુ અને યુઝરનો સમાવેશ થાય છે.

કોષ્ટક એ રીલેશનલ ડેટાબેઝનું મૂળભૂત માળખું છે. તે ડેટા સ્ટોરેજના એકમનું પ્રતિનિધિત્વ કરે છે - એક સંબંધ. ડેટાબેઝમાં કોષ્ટકને તેના અનન્ય નામ દ્વારા ઓળખવામાં આવે છે, જેમાં વપરાશકર્તાની ઓળખનો સમાવેશ થાય છે. કોષ્ટક ખાલી હોઈ શકે છે અથવા પંક્તિઓના સમૂહનો સમાવેશ કરી શકે છે.

વ્યુ એ એક અથવા વધુ ડેટાબેઝ કોષ્ટકોમાંથી નામવાળી, ગતિશીલ રીતે જાળવવામાં આવેલી DBMS પસંદગી છે. ફેચ ઓપરેટર વપરાશકર્તાને દેખાતા ડેટાને મર્યાદિત કરે છે. સામાન્ય રીતે, DBMS દૃશ્યની સુસંગતતાની બાંયધરી આપે છે - તે દર વખતે દૃશ્યનો ઉપયોગ કરવામાં આવે ત્યારે જનરેટ થાય છે. કેટલીકવાર દૃશ્યો કહેવામાં આવે છે વર્ચ્યુઅલ કોષ્ટકો.

વપરાશકર્તા એ એક ઑબ્જેક્ટ છે જે અન્ય ડેટાબેઝ ઑબ્જેક્ટ્સ બનાવવા અથવા તેનો ઉપયોગ કરવાની ક્ષમતા ધરાવે છે અને DBMS કાર્યોના અમલ માટે વિનંતી કરે છે, જેમ કે સત્રનું આયોજન કરવું, ડેટાબેઝની સ્થિતિ બદલવી વગેરે.

ઑબ્જેક્ટ્સને ઓળખવા અને નામ આપવાનું સરળ બનાવવા માટે, ડેટાબેઝ સમાનાર્થી, ક્રમ અને .

સમાનાર્થી ( સમાનાર્થી)- આ વૈકલ્પિક નામરિલેશનલ ડેટાબેઝનું ઑબ્જેક્ટ (ઉર્ફે) જે તમને આ ઑબ્જેક્ટની ઍક્સેસ મેળવવાની મંજૂરી આપે છે. સમાનાર્થી સામાન્ય અથવા ખાનગી હોઈ શકે છે. વહેંચાયેલ સમાનાર્થી બધા ડેટાબેઝ વપરાશકર્તાઓને તેના ઉપનામ દ્વારા અનુરૂપ ઑબ્જેક્ટનો સંદર્ભ લેવાની મંજૂરી આપે છે. સમાનાર્થી તમને અંતિમ વપરાશકર્તાઓથી ડેટાબેઝમાં ઑબ્જેક્ટની સંપૂર્ણ લાયકાત છુપાવવા દે છે.

સિક્વન્સ એ ડેટાબેઝ ઑબ્જેક્ટ છે જે તમને મલ્ટિ-યુઝર અસિંક્રોનસ એક્સેસમાં અનન્ય સંખ્યાઓ (સંખ્યાઓ) નો ક્રમ જનરેટ કરવાની મંજૂરી આપે છે. સામાન્ય રીતે, સીક્વન્સ એલિમેન્ટ્સનો ઉપયોગ ડેટા મોડિફિકેશન ઑપરેશન્સમાં ટેબલ એલિમેન્ટ્સ (પંક્તિઓ) ને અનન્ય રીતે નંબર આપવા માટે થાય છે.

વપરાશકર્તા-વ્યાખ્યાયિત ડેટા પ્રકારો (વપરાશકર્તા-વ્યાખ્યાયિત ડેટા પ્રકારો)વપરાશકર્તા-વ્યાખ્યાયિત વિશેષતા પ્રકારો (ડોમેન્સ) છે જે DBMS સમર્થિત (બિલ્ટ-ઇન) પ્રકારોથી અલગ છે. તેઓ બિલ્ટ-ઇન પ્રકારોના આધારે વ્યાખ્યાયિત કરવામાં આવે છે. વપરાશકર્તા-વ્યાખ્યાયિત ડેટા પ્રકારો DBMS પર્યાવરણનો તે ભાગ બનાવે છે જે ઑબ્જેક્ટ-ઓરિએન્ટેડ પેરાડાઈમ અનુસાર ગોઠવવામાં આવે છે.

ડેટાની કાર્યક્ષમ ઍક્સેસ સુનિશ્ચિત કરવા માટે, રિલેશનલ ડીબીએમએસ અન્ય સંખ્યાબંધ ઑબ્જેક્ટ્સને સપોર્ટ કરે છે: ઇન્ડેક્સ, ટેબલ એરિયા, ક્લસ્ટર, સેક્શન.

ઇન્ડેક્સ એ ડેટાબેઝ ઑબ્જેક્ટ છે જે ડેટા પુનઃપ્રાપ્તિ કાર્યક્ષમતામાં સુધારો કરવા અને પ્રાથમિક કીની વિશિષ્ટતાને નિયંત્રિત કરવા માટે બનાવવામાં આવે છે (જો એક કોષ્ટક માટે ઉલ્લેખિત છે). સંપૂર્ણ અનુક્રમણિકા કોષ્ટકો (ઇન્ડેક્સ-વ્યવસ્થિત કોષ્ટકો) એક જ સમયે ટેબલ અને ઇન્ડેક્સ બંને તરીકે કાર્ય કરે છે.

ટેબલસ્પેસઅથવા વિસ્તાર ( ટેબલસ્પેસ)કોષ્ટકો અને અનુક્રમણિકાઓ માટે મેમરી ફાળવવા માટે ઉપયોગમાં લેવાતા ડેટાબેઝનો નામાંકિત ભાગ છે. Oracle 9i માં, આ ઓપરેટિંગ સિસ્ટમની ભૌતિક ફાઈલોનું તાર્કિક નામ છે. બધા ડેટાબેઝ ઑબ્જેક્ટ્સ કે જે ડેટા સ્ટોર કરે છે તે કેટલાકને અનુરૂપ છે ટેબલસ્પેસ. મોટાભાગના ડેટાબેઝ ઑબ્જેક્ટ્સ કે જે ડેટા સ્ટોર કરતા નથી તે ડેટા ડિક્શનરીમાં રહે છે, જે સિસ્ટમ ટેબલસ્પેસમાં સ્થિત છે.

ક્લસ્ટર એ એક ઑબ્જેક્ટ છે જે ડેટાને એકસાથે અનેક અથવા એક કોષ્ટકમાં સંગ્રહિત કરવાની રીતને વ્યાખ્યાયિત કરે છે. ક્લસ્ટરનો ઉપયોગ કરવા માટેનો એક માપદંડ એ છે કે બહુવિધ કોષ્ટકોમાં સામાન્ય કી ફીલ્ડ્સ હોય છે જેનો ઉપયોગ સમાન SQL આદેશમાં થાય છે. સામાન્ય રીતે ક્લસ્ટર્ડ કૉલમ અથવા કોષ્ટકો ડેટાબેઝમાં સંગ્રહિત થાય છે હેશ કોષ્ટકો(એટલે ​​કે ખાસ રીતે).

પાર્ટીશન એ ડેટાબેઝ ઑબ્જેક્ટ છે જે તમને ડેટા સાથે ઑબ્જેક્ટનું પ્રતિનિધિત્વ કરવા માટે પરવાનગી આપે છે જે અલગ-અલગને સોંપેલ સબબેક્ટ્સના સંગ્રહ તરીકે ટેબલસ્પેસ. આમ, વિભાગીકરણતમને બહુવિધ હાર્ડ ડ્રાઈવોમાં ખૂબ મોટા કોષ્ટકો વિતરિત કરવાની મંજૂરી આપે છે.

ડેટાને વિશિષ્ટ રીતે પ્રક્રિયા કરવા અથવા અમલમાં મૂકવા માટે સંદર્ભ અખંડિતતા આધારડેટાબેઝ ઑબ્જેક્ટ્સનો ઉપયોગ થાય છે: સંગ્રહિત પ્રક્રિયા, કાર્ય, આદેશ, ટ્રિગર, ટાઈમર અને બેચ (ઓરેકલ). આ ડેટાબેઝ ઑબ્જેક્ટ્સનો ઉપયોગ કરીને, તમે ડેટાની કહેવાતી રેકોર્ડ પ્રોસેસિંગ કરી શકો છો. ડેટાબેઝ એપ્લિકેશન્સના દૃષ્ટિકોણથી, પંક્તિ પ્રક્રિયા એ એક સમયે એક પંક્તિના ડેટાની ક્રમિક પસંદગી છે, તેની પ્રક્રિયા કરવી અને આગલી પંક્તિ પર પ્રક્રિયા કરવા માટે આગળ વધવું.

આ રિલેશનલ ડેટાબેઝ ઑબ્જેક્ટ્સ પ્રોગ્રામ્સ છે, એટલે કે. એક્ઝિક્યુટેબલ કોડ. આ કોડને સામાન્ય રીતે સર્વર-સાઇડ કોડ કહેવામાં આવે છે કારણ કે તે કમ્પ્યુટર દ્વારા એક્ઝિક્યુટ કરવામાં આવે છે જેના પર રિલેશનલ ડેટાબેઝ એન્જિન ઇન્સ્ટોલ કરેલું છે. આવા કોડનું આયોજન અને વિકાસ એ રિલેશનલ ડેટાબેઝ ડિઝાઇનરના કાર્યોમાંનું એક છે.

સંગ્રહિત પ્રક્રિયા એ ડેટાબેઝ ઑબ્જેક્ટ છે જે વિશિષ્ટ ડેટાબેઝ પ્રોગ્રામિંગ ભાષાઓ (જેમ કે SQLWindows અથવા PL/SQL) માંથી SQL આદેશો અને/અથવા નિવેદનોના નામના સમૂહને રજૂ કરે છે.

ફંક્શન એ ડેટાબેઝ ઑબ્જેક્ટ છે જે એસક્યુએલ આદેશો અને/અથવા વિશિષ્ટ ડેટાબેઝ પ્રોગ્રામિંગ લેંગ્વેજ ઑપરેટર્સના નામના સમૂહનું પ્રતિનિધિત્વ કરે છે જે, જ્યારે એક્ઝિક્યુટ કરવામાં આવે છે, ત્યારે મૂલ્ય પરત કરે છે - ગણતરીનું પરિણામ.

કમાન્ડ એ નામનું SQL સ્ટેટમેન્ટ છે જે ડેટાબેઝમાં પ્રી-કમ્પાઈલ અને સંગ્રહિત છે. કમાન્ડ પ્રોસેસિંગ સ્પીડ અનુરૂપ SQL સ્ટેટમેન્ટ કરતા વધારે છે, કારણ કે તબક્કાઓ ચલાવવામાં આવતા નથી પદચ્છેદનઅને સંકલન.

ટ્રિગર એ ડેટાબેઝ ઑબ્જેક્ટ છે જે એક ખાસ સંગ્રહિત પ્રક્રિયા છે. જ્યારે ટ્રિગર ઇવેન્ટ થાય ત્યારે આ પ્રક્રિયા આપમેળે ચાલે છે (ઉદાહરણ તરીકે, પંક્તિ કોષ્ટકમાં દાખલ થાય તે પહેલાં).

ટાઈમર એ ટ્રિગરથી અલગ છે જેમાં સંગ્રહિત પ્રક્રિયા માટે ટ્રિગર ઇવેન્ટ એ ટાઈમર ઇવેન્ટ છે.

પૅકેજ એ ડેટાબેઝ ઑબ્જેક્ટ છે જેમાં ચલો, પ્રક્રિયાઓ અને કાર્યોના નામ, માળખાગત સમૂહનો સમાવેશ થાય છે.

ડિસ્ટ્રિબ્યુટેડ રિલેશનલ DBMSs પાસે ખાસ ઑબ્જેક્ટ્સ છે: સ્નેપશોટ અને ડેટાબેઝ લિંક.

સ્નેપશોટ (સ્નેપશોપ) એ રિમોટ ડેટાબેઝમાં કોષ્ટકની સ્થાનિક નકલ છે જેનો ઉપયોગ ટેબલ અથવા ક્વેરી પરિણામની નકલ (પ્રતિકૃતિ) કરવા માટે થાય છે. સ્નેપશોટ સંશોધિત અથવા ફક્ત વાંચવા યોગ્ય હોઈ શકે છે.

ડેટાબેઝ લિંક, અથવા રિમોટ ડેટાબેઝ લિંક, એ ડેટાબેઝ ઑબ્જેક્ટ છે જે તમને રિમોટ ડેટાબેઝમાં ઑબ્જેક્ટ્સને ઍક્સેસ કરવાની મંજૂરી આપે છે. ડેટાબેઝ લિંક નામ, આશરે કહીએ તો, દૂરસ્થ ડેટાબેઝ માટે પરિમાણોને ઍક્સેસ કરવાની લિંક તરીકે વિચારી શકાય છે.

ડેટા એક્સેસ કંટ્રોલને અસરકારક રીતે સંચાલિત કરવા માટે, ઓરેકલ રોલ ઑબ્જેક્ટને સપોર્ટ કરે છે.

ભૂમિકા એ ડેટાબેઝ ઑબ્જેક્ટ છે જે વિશેષાધિકારોનો નામાંકિત સમૂહ છે જે વપરાશકર્તાઓ, વપરાશકર્તાઓની શ્રેણીઓ અથવા અન્ય ભૂમિકાઓને સોંપી શકાય છે.

રિલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ

રિલેશનલ ડેટાબેઝની મુખ્ય વિભાવનાઓ છે:

ડેટા પ્રકાર

• પ્રાથમિક કી અને

  વલણ

શરૂ કરવા માટે, ચાલો કર્મચારી સંબંધના ઉદાહરણનો ઉપયોગ કરીને આ ખ્યાલોનો અર્થ બતાવીએ,

આકૃતિ 4.1.કર્મચારીઓના ડેટાબેઝમાં ખ્યાલોનો વંશવેલો

ડેટા પ્રકાર

રિલેશનલ ડેટા મોડેલમાં ડેટા પ્રકારનો ખ્યાલ પ્રોગ્રામિંગ ભાષાઓમાં ડેટા પ્રકારના ખ્યાલ માટે સંપૂર્ણપણે પર્યાપ્ત છે. સામાન્ય રીતે, આધુનિક રિલેશનલ ડેટાબેઝ કેરેક્ટર, ન્યુમેરિક ડેટા, બીટ સ્ટ્રિંગ્સ, વિશિષ્ટ આંકડાકીય માહિતી (જેમ કે પૈસા), તેમજ ખાસ ટેમ્પોરલ ડેટા (તારીખ, સમય, સમય અંતરાલ) ના સંગ્રહની મંજૂરી આપે છે.

ડોમેન

ડોમેનનો ખ્યાલ ડેટાબેઝ માટે વધુ વિશિષ્ટ છે, જો કે તે કેટલીક પ્રોગ્રામિંગ ભાષાઓમાં પેટાપ્રકારો સાથે કેટલીક સામ્યતા ધરાવે છે. તેના સૌથી સામાન્ય સ્વરૂપમાં, ડોમેનને અમુક આધાર ડેટા પ્રકારનો ઉલ્લેખ કરીને વ્યાખ્યાયિત કરવામાં આવે છે કે જેમાં ડોમેનના ઘટકો સંબંધિત છે, અને ડેટા પ્રકારના ઘટક પર એક મનસ્વી તાર્કિક અભિવ્યક્તિ લાગુ કરવામાં આવે છે. જો આ બુલિયન અભિવ્યક્તિનું મૂલ્યાંકન સાચું આવે છે, તો ડેટા ઘટક ડોમેન તત્વ છે. ડોમેનની વિભાવનાની સૌથી સાચી સાહજિક અર્થઘટન એ છે કે ડોમેનને આપેલ પ્રકારના મૂલ્યોના સ્વીકાર્ય સંભવિત સમૂહ તરીકે સમજવું. ઉદાહરણ તરીકે, અમારા ઉદાહરણમાં ડોમેન નામો અક્ષર શબ્દમાળાઓના મૂળ પ્રકાર પર વ્યાખ્યાયિત કરવામાં આવ્યા છે, પરંતુ તેના મૂલ્યોમાં ફક્ત તે જ શબ્દમાળાઓનો સમાવેશ થઈ શકે છે જે નામનું પ્રતિનિધિત્વ કરી શકે છે (ખાસ કરીને, આવી શબ્દમાળાઓ સાથે શરૂ થઈ શકતી નથી. નરમ ચિહ્ન). ડોમેન કોન્સેપ્ટના સિમેન્ટીક લોડની પણ નોંધ લેવી જોઈએ: ડેટા માત્ર ત્યારે જ તુલનાત્મક ગણવામાં આવે છે જો તે સમાન ડોમેનનો હોય. અમારા ઉદાહરણમાં, સ્કીપ નંબર્સ અને ગ્રુપ નંબર્સ ડોમેન્સનાં મૂલ્યો પૂર્ણાંક પ્રકારનાં છે, પરંતુ તુલનાત્મક નથી.

રિલેશનશિપ સ્કીમા, ડેટાબેઝ સ્કીમા

રિલેશન સ્કીમા એ જોડીનો નામાંકિત સમૂહ છે લક્ષણ નામ, ડોમેન નામ(અથવા જો ડોમેન કન્સેપ્ટ સપોર્ટેડ ન હોય તો લખો). સંબંધ યોજનાની ડિગ્રી અથવા એરિટી એ આ સમૂહની શક્તિ છે. કર્મચારીઓના સંબંધની ડિગ્રી ચાર છે, એટલે કે, તે 4-એરી છે. જો એક સંબંધની તમામ વિશેષતાઓ અલગ-અલગ ડોમેન્સ પર વ્યાખ્યાયિત કરવામાં આવી હોય, તો વિશેષતાઓને નામ આપવા માટે સંબંધિત ડોમેન્સનાં નામોનો ઉપયોગ કરવો તે અર્થપૂર્ણ છે (યાદ રાખવું, અલબત્ત, આ નામકરણની માત્ર એક અનુકૂળ રીત છે અને તે વચ્ચેના તફાવતને દૂર કરતું નથી. ડોમેન અને વિશેષતાની વિભાવનાઓ). ડેટાબેઝ સ્કીમા (માળખાકીય અર્થમાં) નામવાળી રિલેશનશીપ સ્કીમાનો સમૂહ છે.

ટપલ, સંબંધ

આપેલ રિલેશન સ્કીમાને અનુરૂપ ટ્યુપલ એ જોડીનો સમૂહ છે લક્ષણ નામ, મૂલ્ય, જેમાં રિલેશન સ્કીમા સાથે જોડાયેલા દરેક એટ્રિબ્યુટ નામની એક ઘટના હોય છે. મૂલ્ય એ વિશેષતાના ડોમેન માટે માન્ય મૂલ્ય છે (અથવા જો ડોમેન ખ્યાલ સમર્થિત ન હોય તો ડેટા પ્રકાર). આમ, ટ્યુપલની ડિગ્રી અથવા એરિટી, એટલે કે. તેમાંના ઘટકોની સંખ્યા અનુરૂપ સંબંધ યોજનાની પ્રાકૃતિકતા સાથે એકરુપ છે. સરળ શબ્દોમાં કહીએ તો, ટ્યુપલ એ આપેલ પ્રકારના નામના મૂલ્યોનો સંગ્રહ છે. રિલેશન એ એક રિલેશન સ્કીમાને અનુરૂપ ટ્યુપલનો સમૂહ છે. કેટલીકવાર, મૂંઝવણને ટાળવા માટે, તેઓ સ્કીમા સંબંધ અને ઉદાહરણ સંબંધ કહે છે, કેટલીકવાર સંબંધની સ્કીમાને સંબંધના વડા તરીકે ઓળખવામાં આવે છે, અને ટ્યુપલ્સના સમૂહ તરીકેના સંબંધને સંબંધનું મુખ્ય ભાગ કહેવામાં આવે છે. વાસ્તવમાં, રિલેશન સ્કીમાનો ખ્યાલ પ્રોગ્રામિંગ ભાષાઓમાં માળખાકીય ડેટા પ્રકારના ખ્યાલની સૌથી નજીક છે. એકને અલગથી રિલેશન સ્કીમા અને પછી તે સ્કીમા સાથે એક અથવા વધુ સંબંધોને વ્યાખ્યાયિત કરવાની મંજૂરી આપવી તે તદ્દન તાર્કિક હશે. જો કે, રિલેશનલ ડેટાબેઝમાં આ સામાન્ય પ્રથા નથી. આવા ડેટાબેઝમાં સંબંધનું સ્કીમા નામ હંમેશા અનુરૂપ ઉદાહરણ સંબંધના નામ જેવું જ હોય ​​છે. ક્લાસિક રિલેશનલ ડેટાબેઝમાં, એકવાર ડેટાબેઝ સ્કીમા વ્યાખ્યાયિત કરવામાં આવે છે, માત્ર ઉદાહરણ સંબંધોમાં ફેરફાર કરવામાં આવે છે. નવા ટ્યુપલ્સ તેમાં દેખાઈ શકે છે અને હાલના ટ્યુપલ્સ કાઢી નાખી શકાય છે અથવા સુધારી શકાય છે. જો કે, ઘણા અમલીકરણોમાં ડેટાબેઝ સ્કીમા બદલવાનું પણ શક્ય છે: નવી વ્યાખ્યા કરવી અને હાલની રિલેશન સ્કીમા બદલવી. આને સામાન્ય રીતે ડેટાબેઝ સ્કીમા ઇવોલ્યુશન કહેવામાં આવે છે. સંબંધની સામાન્ય રોજિંદી રજૂઆત એ ટેબલ છે, જેનું હેડર એ સંબંધની સ્કીમા છે, અને પંક્તિઓ ઉદાહરણ સંબંધના ટ્યુપલ્સ છે; આ કિસ્સામાં, એટ્રિબ્યુટ નામો તે કોષ્ટકની કૉલમને નામ આપે છે. તેથી, કેટલીકવાર તેઓ ટેબલ કૉલમ કહે છે, જેનો અર્થ રિલેશનલ એટ્રિબ્યુટ છે. જ્યારે આપણે રિલેશનલ ડેટાબેઝ અને મેનેજમેન્ટ ટૂલ્સને ગોઠવવાના વ્યવહારુ મુદ્દાઓને ધ્યાનમાં લેવા આગળ વધીએ છીએ, ત્યારે અમે આ રોજિંદી પરિભાષાનો ઉપયોગ કરીશું. આ પરિભાષા મોટા ભાગના વ્યાપારી સંબંધી DBMS માં અનુસરવામાં આવે છે. રિલેશનલ ડેટાબેઝ એ સંબંધોનો સમૂહ છે જેના નામ ડેટાબેઝ સ્કીમામાં રિલેશનશિપ સ્કીમાના નામ જેવા જ હોય ​​છે. જેમ તમે જોઈ શકો છો, રીલેશનલ ડેટા મોડેલની મૂળભૂત માળખાકીય વિભાવનાઓ (ડોમેનની વિભાવના સિવાય) ખૂબ જ સરળ સાહજિક અર્થઘટન ધરાવે છે, જો કે રીલેશનલ ડેટાબેઝના સિદ્ધાંતમાં તે બધાને સંપૂર્ણપણે ઔપચારિક અને ચોક્કસ રીતે વ્યાખ્યાયિત કરવામાં આવ્યા છે.

સંબંધોના મૂળભૂત ગુણધર્મો

ચાલો હવે સંબંધોના કેટલાક મહત્વપૂર્ણ ગુણધર્મો પર ધ્યાન આપીએ જે અગાઉ આપેલ વ્યાખ્યાઓથી અનુસરે છે.

કોઈ ડુપ્લિકેટ ટ્યુપલ્સ નથી

સંબંધોમાં ડુપ્લિકેટ ટ્યૂપલ્સ ન હોય તેવી મિલકત ટ્યૂપલ્સના સમૂહ તરીકે સંબંધની વ્યાખ્યામાંથી અનુસરે છે. IN શાસ્ત્રીય સિદ્ધાંતસેટ, વ્યાખ્યા પ્રમાણે, દરેક સેટમાં વિવિધ ઘટકોનો સમાવેશ થાય છે. આ ગુણધર્મ સૂચવે છે કે દરેક સંબંધમાં કહેવાતી પ્રાથમિક કી હોય છે - વિશેષતાઓનો સમૂહ જેના મૂલ્યો સંબંધ ટ્યુપલને વિશિષ્ટ રીતે વ્યાખ્યાયિત કરે છે. દરેક સંબંધ માટે, ઓછામાં ઓછા તેના લક્ષણોના સંપૂર્ણ સેટમાં આ ગુણધર્મ હોય છે. જો કે, પ્રાથમિક કીને ઔપચારિક રીતે વ્યાખ્યાયિત કરતી વખતે, તેની લઘુત્તમતા સુનિશ્ચિત કરવી જરૂરી છે, એટલે કે. પ્રાથમિક કી વિશેષતાઓના સમૂહમાં એવા લક્ષણોનો સમાવેશ ન થવો જોઈએ કે જે મુખ્ય ગુણધર્મને અસર કર્યા વિના કાઢી નાખવામાં આવે - ટ્યુપલને અનન્ય રીતે ઓળખે છે. ડેટાબેઝ અખંડિતતાના ખ્યાલ સાથે જોડાણમાં પ્રાથમિક કીનો ખ્યાલ અત્યંત મહત્વપૂર્ણ છે. આગળ જોતાં, અમે નોંધીએ છીએ કે RDBMS ના ઘણા વ્યવહારુ અમલીકરણો ક્વેરી એક્ઝિક્યુટ કરતી વખતે ગર્ભિત રીતે પેદા થતા મધ્યવર્તી સંબંધો માટે ટ્યુપલ્સની વિશિષ્ટતાના ગુણધર્મના ઉલ્લંઘનને મંજૂરી આપે છે. આવા સંબંધો સેટ નથી, પરંતુ મલ્ટિસેટ્સ છે, જે કેટલાક કિસ્સાઓમાં વ્યક્તિને ચોક્કસ ફાયદા પ્રાપ્ત કરવાની મંજૂરી આપે છે, પરંતુ કેટલીકવાર ગંભીર સમસ્યાઓ તરફ દોરી જાય છે.

ટ્યુપલ્સના ઓર્ડરનો અભાવ

સંબંધના ટ્યુપલ્સના ક્રમની ગેરહાજરીની મિલકત પણ ટ્યુપલ્સના સમૂહ તરીકે ઉદાહરણ સંબંધની વ્યાખ્યાનું પરિણામ છે. રિલેશનના ટ્યુપલ્સના સેટ પર ક્રમ જાળવવાની જરૂરિયાતની ગેરહાજરી ડીબીએમએસને બાહ્ય મેમરીમાં ડેટાબેઝ સ્ટોર કરતી વખતે અને ડેટાબેઝ સામે ક્વેરી ચલાવતી વખતે વધારાની લવચીકતા આપે છે. આ એ હકીકતનો વિરોધાભાસ કરતું નથી કે ડેટાબેઝ ક્વેરી બનાવતી વખતે, ઉદાહરણ તરીકે, SQL માં, તમારે પરિણામી કોષ્ટકને કેટલાક કૉલમના મૂલ્યો અનુસાર સૉર્ટ કરવાની જરૂર પડી શકે છે. આવા પરિણામ, સામાન્ય રીતે કહીએ તો, સંબંધ નથી, પરંતુ ટ્યુપલ્સની કેટલીક ઓર્ડર કરેલી સૂચિ છે.

લક્ષણોના ક્રમનો અભાવ

સંબંધોની વિશેષતાઓ ક્રમાંકિત નથી, કારણ કે વ્યાખ્યા દ્વારા સંબંધ યોજના એ જોડીનો સમૂહ છે લક્ષણ નામ, ડોમેન નામ. રિલેશન ટ્યૂપલમાં એટ્રિબ્યુટ વેલ્યુનો સંદર્ભ આપવા માટે, એટ્રિબ્યુટ નામનો હંમેશા ઉપયોગ થાય છે. આ મિલકત સૈદ્ધાંતિક રીતે પરવાનગી આપે છે, ઉદાહરણ તરીકે, ફક્ત નવા લક્ષણો ઉમેરીને જ નહીં, પણ અસ્તિત્વમાંના લક્ષણોને દૂર કરીને પણ અસ્તિત્વમાંના સંબંધોના સ્કીમાને સંશોધિત કરવાની મંજૂરી આપે છે. જો કે, મોટાભાગની પ્રવર્તમાન પ્રણાલીઓ આ શક્યતાને મંજૂરી આપતી નથી, અને જો કે રિલેશન એટ્રિબ્યુટ્સના સેટનો ક્રમ સ્પષ્ટપણે જરૂરી નથી, રિલેશન સ્કીમા ડેફિનેશનના રેખીય સ્વરૂપમાં એટ્રિબ્યુટ્સનો ક્રમ ઘણીવાર એટ્રિબ્યુટ્સના ગર્ભિત ક્રમ તરીકે ઉપયોગમાં લેવાય છે. .

વિશેષતા મૂલ્યોની અણુતા

તમામ લક્ષણોના મૂલ્યો અણુ છે. આ એક સરળ ડેટા પ્રકારના મૂલ્યોના સંભવિત સમૂહ તરીકે ડોમેનની વ્યાખ્યામાંથી અનુસરે છે, એટલે કે. ડોમેન મૂલ્યોમાં બહુવિધ મૂલ્યો (સંબંધો) હોઈ શકતા નથી. સામાન્ય રીતે એવું કહેવાય છે કે રિલેશનલ ડેટાબેઝમાં, ફક્ત સામાન્ય સંબંધો અથવા પ્રથમ સામાન્ય સ્વરૂપમાં રજૂ કરાયેલ સંબંધોને મંજૂરી આપવામાં આવે છે. બિન-સામાન્ય ગુણોત્તરનું સંભવિત ઉદાહરણ ફિગમાં બતાવવામાં આવ્યું છે. 4.2.1.

આકૃતિ 4.2.1.બિન-સામાન્ય સ્વરૂપમાં વિભાગો સંબંધ

આકૃતિ 4.2.2.સામાન્યકૃત વલણ કર્મચારીઓ

આપણે કહી શકીએ કે અહીં અમારો દ્વિસંગી સંબંધ છે, DEPARTMENTS વિશેષતાના મૂલ્યો સંબંધો છે. નોંધ કરો કે મૂળ કર્મચારીઓનો સંબંધ એ ડિપાર્ટમેન્ટ્સ સંબંધનું સામાન્યકૃત સંસ્કરણ છે (ફિગ. 4.2.2 જુઓ). સામાન્ય સંબંધો ડેટાબેઝ સંસ્થા માટે શાસ્ત્રીય સંબંધ અભિગમનો આધાર બનાવે છે. તેમની પાસે કેટલીક મર્યાદાઓ છે (સપાટ કોષ્ટકોના સ્વરૂપમાં બધી માહિતી રજૂ કરવી અનુકૂળ નથી), પરંતુ તેઓ ડેટા મેનીપ્યુલેશનને નોંધપાત્ર રીતે સરળ બનાવે છે. ઉદાહરણ તરીકે, બે સરખા ટ્યુપલ નિવેશ ઓપરેટર્સનો વિચાર કરો:

વિભાગ નંબર 320 માં કર્મચારી કુઝનેત્સોવ (પાસ નંબર 3000, પગાર 115,000) અને વિભાગ નંબર 310 માં કર્મચારી કુઝનેત્સોવ (પાસ નંબર 3000, પગાર 115,000) ની નોંધણી કરો. જો કર્મચારીની માહિતીને કર્મચારીઓના સંબંધ તરીકે રજૂ કરવામાં આવે છે, તો બંને નિવેદનો દાખલ કરવામાં આવશે. કર્મચારીઓના સંબંધમાં ટપલ). જો તમે બિન-સામાન્ય DEPARTMENTS સંબંધ સાથે કામ કરો છો, તો પ્રથમ ઑપરેટર ટપલ ઉમેરવામાં પરિણમશે, અને બીજો ઑપરેટર પ્રાથમિક કી 310 સાથે ટ્યૂપલના DEPARTMENT એટ્રિબ્યુટના બહુવિધ મૂલ્યમાં કુઝનેત્સોવ વિશેની માહિતી ઉમેરશે.

રિલેશનલ ડેટા મોડલ

જ્યારે અમે પાછલા વિભાગોમાં રિલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ વિશે વાત કરી, ત્યારે અમે કોઈ ચોક્કસ અમલીકરણ પર આધાર રાખ્યો ન હતો. આ વિચારણાઓ કોઈપણ સિસ્ટમ પર સમાનરૂપે લાગુ પડે છે જેના નિર્માણમાં સંબંધી અભિગમનો ઉપયોગ કરવામાં આવ્યો હતો. બીજા શબ્દોમાં કહીએ તો, અમે કહેવાતા રિલેશનલ ડેટા મોડલની વિભાવનાઓનો ઉપયોગ કર્યો. ડેટા મોડલ સામાન્ય ખ્યાલો અને લાક્ષણિકતાઓના ચોક્કસ સમૂહનું વર્ણન કરે છે જે તમામ ચોક્કસ DBMSs અને તેઓ જે ડેટાબેસેસનું સંચાલન કરે છે તે જો તેઓ આ મોડેલ પર આધારિત હોય તો તે હોવા જોઈએ. ડેટા મોડેલ રાખવાથી તમે એક સામાન્ય ભાષાનો ઉપયોગ કરીને ચોક્કસ અમલીકરણોની તુલના કરી શકો છો. જો કે ડેટા મોડેલનો ખ્યાલ સામાન્ય છે, અને આપણે વંશવેલો, નેટવર્ક, કેટલાક સિમેન્ટીક વગેરે વિશે વાત કરી શકીએ છીએ. ડેટા મોડલ્સ, એ નોંધવું જોઈએ કે આ ખ્યાલ રિલેશનલ સિસ્ટમ્સના સંબંધમાં રજૂ કરવામાં આવ્યો હતો અને આ સંદર્ભમાં સૌથી વધુ અસરકારક રીતે ઉપયોગમાં લેવાય છે. પ્રી-રિલેશનલ સંસ્થાઓ માટે સમાન મોડલને સીધા જ લાગુ કરવાના પ્રયાસો દર્શાવે છે કે રિલેશનલ મોડલ તેમના માટે ખૂબ મોટું છે, અને પોસ્ટ-રિલેશનલ સંસ્થાઓ માટે તે નાનું હોવાનું બહાર આવ્યું છે.

સામાન્ય લાક્ષણિકતાઓ

રિલેશનલ ડેટા મોડલનું સૌથી સામાન્ય અર્થઘટન ડેટાનું હોય તેવું લાગે છે, જે તેના લગભગ તમામ પુસ્તકોમાં તેને (વિવિધ શુદ્ધિકરણો સાથે) પુનઃઉત્પાદિત કરે છે. તારીખ મુજબ, રિલેશનલ મોડલમાં ત્રણ ભાગોનો સમાવેશ થાય છે જે રિલેશનલ અભિગમના વિવિધ પાસાઓનું વર્ણન કરે છે: માળખાકીય ભાગ, મેનીપ્યુલેશન ભાગ અને સર્વગ્રાહી ભાગ. મોડેલનો માળખાકીય ભાગ જણાવે છે કે રીલેશનલ ડેટાબેઝમાં વપરાતું એકમાત્ર ડેટા માળખું નોર્મલાઇઝ્ડ n-ary રિલેશન છે. વાસ્તવમાં, આ વ્યાખ્યાનના પાછલા બે વિભાગોમાં અમે રિલેશનલ મોડલના માળખાકીય ઘટકની વિભાવનાઓ અને ગુણધર્મોની ચોકસાઈપૂર્વક તપાસ કરી. મોડલનો મેનીપ્યુલેશન ભાગ રીલેશ્નલ ડેટાબેઝ - રીલેશનલ બીજગણિત અને રીલેશનલ કેલ્ક્યુલસ - મેનીપ્યુલેટ કરવા માટે બે મૂળભૂત પદ્ધતિઓની પુષ્ટિ કરે છે. પ્રથમ મિકેનિઝમ મુખ્યત્વે ક્લાસિકલ સેટ થિયરી (કેટલાક રિફાઇનમેન્ટ્સ સાથે) પર આધારિત છે અને બીજું ફર્સ્ટ-ઑર્ડર પ્રિડિકેટ કેલ્ક્યુલસના ક્લાસિકલ લોજિકલ ઉપકરણ પર આધારિત છે. આગળ આપણે આ મિકેનિઝમ્સને વધુ વિગતમાં જોઈશું, પરંતુ હમણાં માટે આપણે ફક્ત એ જ નોંધીશું કે રીલેશનલ મોડલના મેનીપ્યુલેશન ભાગનું મુખ્ય કાર્ય કોઈપણ ચોક્કસ રીલેશનલ ડેટાબેઝ ભાષાની રીલેશનલતાનું માપ પૂરું પાડવાનું છે: ભાષાને રીલેશનલ કહેવામાં આવે છે. જો તેમાં રિલેશનલ બીજગણિત અથવા રિલેશનલ કેલ્ક્યુલસ કરતાં ઓછી અભિવ્યક્તિ અને શક્તિ નથી.

એન્ટિટી અને સંદર્ભ અખંડિતતા

છેલ્લે, રિલેશનલ ડેટા મૉડલનો અભિન્ન ભાગ બે મૂળભૂત અખંડિતતા આવશ્યકતાઓને સુધારે છે જે કોઈપણ રિલેશનલ DBMSમાં સપોર્ટેડ હોવા જોઈએ. પ્રથમ જરૂરિયાતને એન્ટિટી અખંડિતતાની જરૂરિયાત કહેવામાં આવે છે. પદાર્થ અથવા એન્ટિટી વાસ્તવિક દુનિયા રિલેશનલ ડેટાબેઝમાં સંબંધોના ટ્યુપલ્સને અનુરૂપ છે. ખાસ કરીને, જરૂરિયાત એ છે કે કોઈપણ સંબંધનું કોઈપણ ટ્યુપલ તે સંબંધના કોઈપણ અન્ય ટપલથી અલગ પડે તેવું હોવું જોઈએ, એટલે કે. બીજા શબ્દોમાં કહીએ તો, કોઈપણ સંબંધમાં પ્રાથમિક કી હોવી જોઈએ. આપણે અગાઉના વિભાગમાં જોયું તેમ, જો સિસ્ટમ સંબંધોના મૂળભૂત ગુણધર્મોનું ઉલ્લંઘન કરતી નથી તો આ જરૂરિયાત આપમેળે સંતુષ્ટ થાય છે. બીજી જરૂરિયાતને સંદર્ભિત અખંડિતતાની આવશ્યકતા કહેવામાં આવે છે અને તે કંઈક વધુ જટિલ છે. દેખીતી રીતે, જો સંબંધોને સામાન્ય બનાવવામાં આવે છે, તો વાસ્તવિક વિશ્વની જટિલ એન્ટિટીઓ રિલેશનલ ડેટાબેઝમાં કેટલાક સંબંધોના કેટલાક ટ્યુપલ્સના સ્વરૂપમાં રજૂ થાય છે. ઉદાહરણ તરીકે, કલ્પના કરો કે અમારે DTD_NUMBER (વિભાગ નંબર), DTD_COL (કર્મચારીઓની સંખ્યા) અને DTD_COTR (વિભાગના કર્મચારીઓનો સમૂહ) વિશેષતાઓ સાથે સંબંધિત ડેટાબેઝમાં DEPARTMENT એન્ટિટીનું પ્રતિનિધિત્વ કરવાની જરૂર છે. દરેક કર્મચારી માટે, તમારે COTR_NUMBER (કર્મચારી નંબર), COTR_NAME (કર્મચારીનું નામ) અને COTR_SARP (કર્મચારીનો પગાર) સંગ્રહિત કરવાની જરૂર છે. જેમ આપણે ટૂંક સમયમાં જોશું, સંબંધિત ડેટાબેઝની સાચી ડિઝાઇન સાથે, તેમાં બે સંબંધો દેખાશે: DEPARTMENTS (DEPARTMENT_NUMBER, DEPARTMENT_COUNTY) (પ્રાથમિક કી - DEPARTMENT_NUMBER) અને EMPLOYEES (COTR_NUMBER, COTR_NAME, COTR_SARP, COTR_DEPARTMENT_NUMBER - COTR_DEPARTMENT_NUMBER કી) ). જેમ તમે જોઈ શકો છો, SOTR_DEPARTMENT_NOM એટ્રિબ્યુટ કર્મચારી સંબંધમાં દેખાય છે એટલા માટે નહીં કે વિભાગ નંબર એ કર્મચારીની પોતાની મિલકત છે, પરંતુ જો જરૂરી હોય તો સંપૂર્ણ ડિપાર્ટમેન્ટ એન્ટિટીને પુનઃસ્થાપિત કરવામાં સક્ષમ થવા માટે. EMPLOYEES સંબંધના કોઈપણ ટ્યૂપલમાં STR_DEPARTMENT_NOM વિશેષતાનું મૂલ્ય DEPARTMENTS સંબંધના કેટલાક ટ્યૂપલમાં DEPARTMENT_NOM વિશેષતાના મૂલ્યને અનુરૂપ હોવું જોઈએ. આ પ્રકારની વિશેષતાને વિદેશી કી કહેવામાં આવે છે, કારણ કે તેના મૂલ્યો અન્ય સંબંધના ટ્યુપલ્સ (એટલે ​​​​કે, તેઓ તેમની પ્રાથમિક કીના મૂલ્યોને નિર્દિષ્ટ કરે છે) દ્વારા રજૂ કરાયેલ એકમોને વિશિષ્ટ રીતે લાક્ષણિકતા આપે છે. એક સંબંધ કે જેમાં વિદેશી કી વ્યાખ્યાયિત કરવામાં આવે છે તેને અનુરૂપ સંબંધનો સંદર્ભ કહેવામાં આવે છે જેમાં સમાન લક્ષણ પ્રાથમિક કી છે. સંદર્ભ અખંડિતતાની આવશ્યકતા, અથવા વિદેશી કીની આવશ્યકતા, એ છે કે સંદર્ભ સંબંધમાં દેખાતા દરેક વિદેશી કી મૂલ્ય માટે, સમાન પ્રાથમિક કી મૂલ્ય સાથે સંદર્ભિત સંબંધમાં ટપલ હોવો જોઈએ, અથવા વિદેશી કી મૂલ્ય સંપૂર્ણપણે અવ્યાખ્યાયિત હોવું જોઈએ (દા.ત. કંઈપણ સૂચવતું નથી). અમારા ઉદાહરણ માટે, આનો અર્થ એ છે કે જો કોઈ કર્મચારી માટે વિભાગ નંબર ઉલ્લેખિત છે, તો આ વિભાગ અસ્તિત્વમાં હોવો જોઈએ. એન્ટિટી અને રેફરન્શિયલ અખંડિતતાની મર્યાદાઓ DBMS દ્વારા સમર્થિત હોવી આવશ્યક છે. એન્ટિટીની અખંડિતતા જાળવવા માટે, તે સુનિશ્ચિત કરવા માટે પૂરતું છે કે કોઈપણ સંબંધમાં સમાન પ્રાથમિક કી મૂલ્ય સાથે કોઈ ટ્યુપલ્સ નથી. સંદર્ભની અખંડિતતા સાથે, વસ્તુઓ થોડી વધુ જટિલ છે. તે સ્પષ્ટ છે કે સંદર્ભ સંબંધને અપડેટ કરતી વખતે (નવા ટ્યુપલ્સ દાખલ કરવા અથવા વર્તમાન ટ્યુપલ્સમાં વિદેશી કી મૂલ્યને સંશોધિત કરવા), તે ખાતરી કરવા માટે પૂરતું છે કે ખોટી વિદેશી કી મૂલ્યો દેખાતી નથી. પરંતુ સંદર્ભિત સંબંધમાંથી ટપલને દૂર કરવા વિશે શું? અહીં ત્રણ અભિગમો છે, જેમાંથી પ્રત્યેક સંદર્ભ અખંડિતતાને સમર્થન આપે છે. પ્રથમ અભિગમ એ સંદર્ભિત ટ્યુપલને કાઢી નાખવા પર પ્રતિબંધ મૂકવાનો છે (એટલે ​​​​કે, તમારે પહેલા કાં તો સંદર્ભિત ટ્યુપલ્સને કાઢી નાખવા જોઈએ અથવા તેમના વિદેશી કી મૂલ્યોને તે મુજબ બદલવું પડશે). બીજા અભિગમમાં, જ્યારે સંદર્ભિત ટ્યુપલ કાઢી નાખવામાં આવે છે, ત્યારે તમામ સંદર્ભ ટ્યુપલ્સમાં વિદેશી કી મૂલ્ય આપમેળે અવ્યાખ્યાયિત થઈ જાય છે. છેલ્લે, ત્રીજો અભિગમ (કેસ્કેડીંગ ડિલીશન) એ છે કે જ્યારે સંદર્ભિત સંબંધમાંથી ટ્યુપલ કાઢી નાખવામાં આવે છે, ત્યારે તમામ સંદર્ભ ટ્યુપલ્સ સંદર્ભ સંબંધમાંથી આપમેળે કાઢી નાખવામાં આવે છે. પરિપક્વ રિલેશનલ DBMSs માં, સામાન્ય રીતે દરેક વ્યક્તિગત વિદેશી કી વ્યાખ્યા પરિસ્થિતિ માટે સંદર્ભની અખંડિતતા કેવી રીતે જાળવવી તે પસંદ કરવાનું શક્ય છે. અલબત્ત, આવા નિર્ણય લેવા માટે, ચોક્કસ એપ્લિકેશન વિસ્તારની આવશ્યકતાઓનું વિશ્લેષણ કરવું જરૂરી છે.

પરિભાષા અને રિલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ

70 ના દાયકાના અંતથી બનાવેલ લગભગ તમામ સૉફ્ટવેર ઉત્પાદનો રિલેશનલ અભિગમ પર આધારિત છે:

1. ચોક્કસ નિયમો અનુસાર આયોજિત દ્વિ-પરિમાણીય કોષ્ટકોમાં ડેટા રજૂ કરવામાં આવે છે.

2. વપરાશકર્તાને ડેટા સાથે કામ કરવા માટે ઓપરેટરો પ્રદાન કરવામાં આવે છે, જેની મદદથી મૂળ કોષ્ટકો - પ્રશ્નોના આધારે નવા કોષ્ટકો બનાવવામાં આવે છે.

રિલેશનલ ડેટાબેસેસ- એક ડેટા સ્ટોર કે જે અનન્ય રીતે ઓળખાય છે અને પછી ઘણા વપરાશકર્તાઓ દ્વારા ઉપયોગમાં લેવાય છે. ડેટાબેઝમાં ડેટા બદલવા અને ઉમેરવાથી એપ્લિકેશનને અસર થતી નથી.

ડેટાબેઝ મેનેજમેન્ટ સિસ્ટમ– એક સોફ્ટવેર પેકેજ કે જેની મદદથી વપરાશકર્તાઓ ડેટાબેઝને વ્યાખ્યાયિત કરી શકે છે અને જાળવી શકે છે અને નિયંત્રિત એક્સેસ કરી શકે છે.

રીલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ:

1. ખ્યાલ ડેટા પ્રકારરિલેશનલ ડેટા મોડેલમાં પ્રોગ્રામિંગ ભાષાઓમાં ડેટા પ્રકારના ખ્યાલ માટે સંપૂર્ણપણે પર્યાપ્ત છે. સામાન્ય રીતે, આધુનિક રિલેશનલ ડેટાબેઝ અક્ષર, આંકડાકીય માહિતી, બીટ સ્ટ્રીંગ્સ, વિશિષ્ટ આંકડાકીય માહિતી (જેમ કે "પૈસા"), તેમજ વિશેષ "ટેમ્પોરલ" ડેટા (તારીખ, સમય, સમય અંતરાલ) ના સંગ્રહની મંજૂરી આપે છે.

2. રિલેશનલ મોડલ ગાણિતિક ખ્યાલ પર આધારિત છે વલણ, જેનું ભૌતિક પ્રતિનિધિત્વ એક કોષ્ટક છે, એટલે કે, સંબંધને કૉલમ અને પંક્તિઓનું બનેલું સપાટ ટેબલ કહી શકાય.

3. કોર્ટેજ, આપેલ રિલેશન સ્કીમાને અનુરૂપ, (લક્ષણ નામ, મૂલ્ય) જોડીનો સમૂહ છે જેમાં સંબંધ સ્કીમા સાથે જોડાયેલા દરેક લક્ષણ નામની એક ઘટના હોય છે.

4. વિશેષતા- ટેબલ કૉલમ, ડેટાબેઝ ફાઇલ ફીલ્ડ. સંબંધ કોષ્ટકમાં વિશેષતા મૂલ્યો એકબીજા પર માત્ર એક ચોક્કસ પ્રકારની કાર્યાત્મક અવલંબન ધરાવી શકે છે, એટલે કે, મનસ્વી ટ્યુપલમાંના તમામ મૂલ્યો વ્યક્તિગત રીતે ફક્ત કૉલમ અથવા કૉલમના જૂથના મૂલ્યો પર આધારિત હોવા જોઈએ - સમાન સમગ્ર સંબંધ માટે. આવા કૉલમ અથવા કૉલમના જૂથને કી કૉલમ કહેવામાં આવે છે, અને તેમાંના વિશેષતા મૂલ્યોને કી કહેવામાં આવે છે.

5. ડોમેન- એક અથવા વધુ વિશેષતાઓ માટે માન્ય મૂલ્યોનો સમૂહ.

6. સંબંધની ડિગ્રીતેમાં રહેલા લક્ષણોની સંખ્યા દ્વારા નિર્ધારિત. એક લક્ષણ સાથેના સંબંધમાં ડિગ્રી 1 હોય છે અને તેને યુનરી રિલેશન કહેવામાં આવે છે. બે વિશેષતાઓ સાથેના સંબંધને દ્વિસંગી કહેવામાં આવે છે, ત્રણ વિશેષતાઓ સાથેના સંબંધને ટર્નરી કહેવામાં આવે છે અને વધુ વિશેષતાઓ સાથેના સંબંધને n-ary કહેવાય છે.

7. સંબંધોની મુખ્યતા- સંબંધમાં સમાયેલ ટ્યુપલ્સની સંખ્યા. જ્યારે પણ ટ્યૂપલ્સ દૂર કરવામાં આવે અથવા ઉમેરવામાં આવે ત્યારે આ લાક્ષણિકતા બદલાય છે.

8. ઉપરના આધારે, રિલેશનલ ડેટાબેઝમાં સંબંધોનો સમાવેશ થાય છે, જેનું માળખું નોર્મલાઇઝેશન તરીકે ઓળખાતી વિશેષ પદ્ધતિઓનો ઉપયોગ કરીને નક્કી કરવામાં આવે છે.

9. સંબંધમાં કોઈ પુનરાવર્તિત ટ્યુપલ્સ ન હોવા જોઈએ; આ સંદર્ભમાં, ખ્યાલ રજૂ કરવામાં આવ્યો છે રિલેશનલ કીઓએક અથવા વધુ વિશેષતાઓના મૂલ્યો દ્વારા દરેક વ્યક્તિગત સંબંધ ટપલને અનન્ય રીતે ઓળખવા માટે.

10. સુપરકી- એક વિશેષતા અથવા વિશેષતાઓનો સમૂહ જે આપેલ સંબંધના ટપલને અનન્ય રીતે ઓળખે છે.

11. સંભવિત કી– એક સુપરકી કે જેમાં સબસેટ શામેલ નથી જે આ સંબંધની સુપરકી પણ છે. આપેલ સંબંધ R માટે સંભવિત કી K બે ગુણધર્મો ધરાવે છે:

· વિશિષ્ટતા. સંબંધ R ના દરેક ટ્યુપલમાં, કી K ની કિંમત તે ટપલને વિશિષ્ટ રીતે ઓળખે છે.

· અસ્પષ્ટતા. કી K ના કોઈપણ માન્ય સબસેટમાં વિશિષ્ટતાની મિલકત નથી.

12. પ્રાથમિક કી- ઉમેદવાર કી કે જે સંબંધમાં ટ્યુપલ્સને અનન્ય રીતે ઓળખવા માટે પસંદ કરવામાં આવે છે; બાકીની પસંદ ન કરેલી કીઓ વૈકલ્પિક કી છે. જો પ્રાથમિક કી એક ફીલ્ડ ધરાવે છે, તો તેને સરળ કહેવામાં આવે છે, જો તેમાં ઘણા ક્ષેત્રો હોય, તો તેને સંયુક્ત કહેવામાં આવે છે.

13. ગૌણ (વિદેશી) કી (વીસી)- આ સંબંધમાં એક અથવા વધુ વિશેષતાઓ છે જે ચોક્કસ સંબંધની સંભવિત કીને અનુરૂપ છે અને શોધ અથવા જૂથ લાક્ષણિકતાઓ તરીકે કાર્ય કરે છે. પ્રાથમિક કીથી વિપરીત, સેકન્ડરી કીના મૂલ્યને ફાઇલના ઘણા રેકોર્ડ્સમાં પુનરાવર્તિત કરી શકાય છે, એટલે કે, તે અનન્ય નથી. જો પ્રાથમિક કીના મૂલ્ય દ્વારા રેકોર્ડનો એક જ દાખલો શોધી શકાય છે, તો પછી ઘણી સેકન્ડરી કી દ્વારા શોધી શકાય છે.

14. વલણએક સંબંધ યોજનાને અનુરૂપ ટ્યુપલનો સમૂહ છે.

15. મૂળભૂત વલણ- એક સંબંધ જેના ટ્યુપલ્સ ભૌતિક રીતે ડેટાબેઝમાં સંગ્રહિત છે.

16. પ્રતિનિધિત્વ- કેટલાક અન્ય સંબંધ બનાવવાના ઉદ્દેશ્ય સાથે મૂળભૂત સંબંધો પર એક અથવા વધુ સંબંધલક્ષી કામગીરીનું ગતિશીલ પરિણામ. દૃશ્ય એ એક વર્ચ્યુઅલ સંબંધ છે જે ખરેખર ડેટાબેઝમાં અસ્તિત્વમાં નથી, પરંતુ જ્યારે આ વિનંતી પ્રાપ્ત થાય છે ત્યારે વ્યક્તિગત વપરાશકર્તાની વિનંતી પર બનાવવામાં આવે છે. દૃશ્યો વધુ ડેટા સુરક્ષા માટે પરવાનગી આપે છે અને ડિઝાઇનરને વપરાશકર્તા મૉડલને કસ્ટમાઇઝ કરવા માટેનું સાધન પ્રદાન કરે છે.

17. સંબંધોના મૂળભૂત ગુણધર્મો:

· સંબંધનું નામ હોય છે જે રિલેશનલ સ્કીમામાં અન્ય તમામ સંબંધોના નામોથી અલગ હોય છે.

· દરેક સંબંધ કોષમાં માત્ર એક પ્રાથમિક (અવિભાજ્ય) મૂલ્ય હોય છે.

· દરેક વિશેષતાનું એક વિશિષ્ટ નામ છે.

· લક્ષણ મૂલ્યો સમાન ડોમેનમાંથી લેવામાં આવે છે.

· દરેક ટપલ અનન્ય છે, એટલે કે. ત્યાં ડુપ્લિકેટ ટ્યુપલ્સ હોઈ શકતા નથી.

· લક્ષણોનો ક્રમ વાંધો નથી.

· સૈદ્ધાંતિક રીતે, સંબંધમાં ટ્યુપલનો ક્રમ વાંધો નથી. (પરંતુ વ્યવહારમાં, આ ઓર્ડર તેમને ઍક્સેસ કરવાની કાર્યક્ષમતાને નોંધપાત્ર રીતે અસર કરી શકે છે.)

તારીખ મુજબ, રિલેશનલ મોડલમાં ત્રણ ભાગોનો સમાવેશ થાય છે જે રિલેશનલ અભિગમના વિવિધ પાસાઓનું વર્ણન કરે છે: માળખાકીય ભાગ, મેનીપ્યુલેશન ભાગ અને સર્વગ્રાહી ભાગ.

1. રીલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓને ધ્યાનમાં લેતા, મોડેલનું માળખું સામાન્ય સંબંધો પર આધારિત છે.

2. મોડલનો મેનીપ્યુલેશન ભાગ રીલેશનલ ડેટાબેસેસની હેરફેર માટે બે મૂળભૂત પદ્ધતિઓની પુષ્ટિ કરે છે - રીલેશ્નલ બીજગણિત અને રીલેશનલ કેલ્ક્યુલસ.

3. અખંડિતતા b(અંગ્રેજી અખંડિતતામાંથી - અખંડતા, અદ્રશ્યતા, સલામતી, અખંડિતતા) કોઈપણ સમયે ડેટાની શુદ્ધતા તરીકે સમજવામાં આવે છે.

વિભાગ 3. "ડેટાબેસેસ"

1. માહિતી આધારસ્વચાલિત સિસ્ટમો.

સ્વયંસંચાલિત સિસ્ટમ (AS) નો માહિતી સપોર્ટ - દસ્તાવેજ સ્વરૂપોનો સમૂહ, વર્ગીકરણ, નિયમનકારી માળખું અને તેના ઓપરેશન દરમિયાન AS માં ઉપયોગમાં લેવાતી માહિતીના વોલ્યુમ, પ્લેસમેન્ટ અને અસ્તિત્વના સ્વરૂપો પર અમલમાં મૂકાયેલ ઉકેલો.

GOST 24.205-80 મુજબ, સ્વચાલિત નિયંત્રણ સિસ્ટમના માહિતી સમર્થનના વર્ણનમાં નીચેના વિભાગો હોવા જોઈએ:

માહિતી સપોર્ટનું આયોજન કરવાના સિદ્ધાંતો;

માહિતીના સંગ્રહ અને પ્રસારણનું સંગઠન;

વર્ગીકરણ અને કોડિંગ સિસ્ટમનું નિર્માણ;

ઇન્ટ્રામશીન માહિતી આધારનું સંગઠન;

ઑફ-મશીન માહિતી આધારનું સંગઠન.

"માહિતી આધાર" શબ્દનો વ્યાપકપણે વિવિધ સંદર્ભોમાં ઉપયોગ થાય છે, વિવિધ કાર્યો અને પ્રવૃત્તિઓના પ્રકારોના સંબંધમાં, અસ્પષ્ટ રીતે અર્થઘટન કરવામાં આવે છે અને તે ચર્ચાસ્પદ છે. આ શબ્દ દ્વારા માહિતી માળખાં સૂચવવા ઉપરાંત, આ ઘણીવાર ચોક્કસ સામાજિક-આર્થિક ઑબ્જેક્ટની જરૂરિયાતો માટે જરૂરી માહિતી પ્રદાન કરવાની પ્રક્રિયાનો સંદર્ભ આપે છે.

કોમ્પ્યુટર કેન્દ્રોના નેટવર્ક માટે માહિતી સપોર્ટમાં ડેટા એરેનો સમાવેશ થાય છે, તેનું વર્ણન, એકત્ર, સંગ્રહ અને જારી કરવાના માધ્યમો, જે એકસાથે બનાવવું જોઈએ. શ્રેષ્ઠ શરતોસેન્ટ્રલાઇઝ્ડ ઇન્ટિગ્રેટેડ ઇન્ફર્મેશન પ્રોસેસિંગ માટે, ઘણા સબસ્ક્રાઇબર્સને સામાન્ય ડેટાની સામૂહિક ઍક્સેસ પ્રદાન કરો, પ્રાપ્ત માહિતીની વિશ્વસનીયતા અને વિશ્વસનીયતામાં વધારો કરો.

સ્વયંસંચાલિત સિસ્ટમનો માહિતી સપોર્ટ એ દસ્તાવેજ સ્વરૂપો, વર્ગીકરણ, નિયમનકારી માળખું અને તેના ઓપરેશન દરમિયાન સ્વચાલિત સિસ્ટમમાં ઉપયોગમાં લેવાતી માહિતીના વોલ્યુમ, પ્લેસમેન્ટ અને અસ્તિત્વના સ્વરૂપો પર અમલમાં મૂકાયેલા ઉકેલોનો સમૂહ છે (GOST 34.003-90 (“સ્વચાલિત સિસ્ટમ્સ. શરતો અને વ્યાખ્યાઓ")).

IO - સંપૂર્ણતા એકીકૃત સિસ્ટમમાહિતીનું વર્ગીકરણ અને કોડિંગ, એકીકૃત દસ્તાવેજીકરણ પ્રણાલીઓ, સંસ્થામાં ફરતા માહિતી પ્રવાહની પેટર્ન, ડેટાબેઝ બનાવવા માટેની પદ્ધતિ.

આ સબસિસ્ટમ માહિતીની સમયસર રજૂઆત અને મેનેજમેન્ટ નિર્ણય લેવા માટે રચાયેલ છે. એન્ટરપ્રાઇઝ ઇન્ફર્મેશન સિસ્ટમ એ આપેલ ઑબ્જેક્ટનું માહિતી મોડેલ છે. IO બનાવવા માટે, તમારે ધ્યેયો અને ઉદ્દેશ્યો, મેનેજમેન્ટ સિસ્ટમના કાર્યોની સ્પષ્ટ સમજણની જરૂર છે; દસ્તાવેજ પ્રવાહ સિસ્ટમનો અમલ; તેની ઘટનાની ક્ષણથી મેનેજમેન્ટના વિવિધ સ્તરો પર તેના ઉપયોગ સુધીની માહિતીની હિલચાલની ઓળખ કરવી; માહિતીના વર્ગીકરણ અને કોડિંગની ઉપલબ્ધતા અને ઉપયોગ; કમ્પ્યુટર મીડિયા પર માહિતી એરેની રચના; માહિતી મોડેલો બનાવવા માટેની પદ્ધતિનું જ્ઞાન.

IO નું આયોજન કરતી વખતે, એકીકૃત માહિતી આધારની રચનાની ખાતરી કરવા માટે વ્યવસ્થિત અભિગમનો ઉપયોગ કરવામાં આવે છે; સિસ્ટમના વિવિધ સ્તરો વચ્ચે અને દરેક સ્તરની અંદર પ્રમાણભૂત ડેટા વિનિમય યોજનાનો વિકાસ; માહિતીની જાળવણી અને સંગ્રહ માટે એકીકૃત યોજનાનું સંગઠન; પ્રારંભિક ડેટા સાથે હલ કરવાના કાર્યો પ્રદાન કરવા;

IO ના મુખ્ય કાર્યો ઉત્પાદન અને આર્થિક પ્રવૃત્તિઓની પ્રગતિ પર દેખરેખ રાખે છે, નિયંત્રિત પરિમાણોની સ્થિતિને ઓળખવા અને રેકોર્ડ કરવા અને નિર્દિષ્ટ મોડ્સથી તેમના વિચલન; સંચાલિત વસ્તુઓની સ્થિતિને પ્રતિબિંબિત કરતા પ્રાથમિક દસ્તાવેજોની પ્રક્રિયા માટેની તૈયારી; સ્વચાલિત ડેટા પ્રોસેસિંગની ખાતરી કરવી; પ્રત્યક્ષ અમલીકરણ અને પ્રતિસાદઑબ્જેક્ટ્સ અને મેનેજમેન્ટના વિષયો વચ્ચે.

સ્વયંસંચાલિત માહિતી પ્રણાલીના AIમાં વધારાની મશીન અને ઇન્ટ્રા-મશીન AIનો સમાવેશ થાય છે.

એક્સ્ટ્રા-મશીનમાં તકનીકી અને આર્થિક માહિતીના વર્ગીકરણ અને કોડિંગની સિસ્ટમ શામેલ છે; દસ્તાવેજીકરણ સિસ્ટમ; માહિતી પ્રવાહ રેખાકૃતિ (દસ્તાવેજ પ્રવાહ: પ્રાથમિક, પરિણામી, આદર્શમૂલક અને સંદર્ભ દસ્તાવેજો).

ઇન-મશીન માહિતીમાં મશીન મીડિયા પર ડેટા એરે અને આ ડેટાની ઍક્સેસ ગોઠવવા માટેનો પ્રોગ્રામ શામેલ છે.

એક્સ્ટ્રા-મશીન માહિતી એવી માહિતી છે જે કોઈ પણ ટેકનિકલ માધ્યમો (દસ્તાવેજો) વિના વ્યક્તિ દ્વારા સમજાય છે.

વર્ગીકરણને અમુક આધાર પર સમાનતા અથવા તફાવતના આધારે સબસેટમાં માહિતી ઘટકોના સમૂહના શરતી વિભાજન તરીકે સમજવામાં આવે છે.

2. DBMS અને ડેટાબેઝ એપ્લિકેશન.

ડેટાબેઝ મેનેજમેન્ટ સિસ્ટમ (DBMS) એ ભાષા અને સોફ્ટવેર ટૂલ્સનો સમૂહ છે જે ડેટાબેઝના નિર્માણ અને ઉપયોગનું સંચાલન પૂરું પાડે છે.

આધુનિક DBMS માં નીચેનાનો સમાવેશ થાય છે:

કર્નલ - મેમરી અને લોગીંગમાં ડેટા મેનેજ કરવા માટે જવાબદાર DBMS પ્રોગ્રામ્સના ભાગો; ડેટાબેઝ લેંગ્વેજ પ્રોસેસર, ડેટા પુનઃપ્રાપ્ત કરવા અને બદલવા અને ડેટાબેઝ બનાવવા માટે ક્વેરીઝનું ઑપ્ટિમાઇઝેશન પ્રદાન કરે છે;

રનટાઇમ સપોર્ટ સબસિસ્ટમ કે જે ડેટા મેનીપ્યુલેશન પ્રોગ્રામ્સનું અર્થઘટન કરે છે જે DBMS યુઝર ઇન્ટરફેસ બનાવે છે;

સેવા કાર્યક્રમો (બાહ્ય ઉપયોગિતાઓ) કે જે માહિતી સિસ્ટમો જાળવવા માટે અન્ય ક્ષમતાઓ પ્રદાન કરે છે.

DBMS ના મુખ્ય કાર્યો છે

બાહ્ય મેમરીમાં સંગ્રહિત ડેટાનું સંચાલન;

પર અપલોડ કરેલ ડેટાનું સંચાલન રામડિસ્ક કેશનો ઉપયોગ કરીને; ઇવેન્ટ્સ અને ફેરફારોનું લોગિંગ, ડેટાબેઝ બેકઅપ અને નિષ્ફળતા પછી પુનઃપ્રાપ્તિ;

ડેટાબેઝ હેન્ડલિંગ ભાષાઓ માટે સપોર્ટ (ડેટા વ્યાખ્યા ભાષા, ડેટા મેનીપ્યુલેશન ભાષા);

DBMS વર્ગીકરણ

ત્યાં ઘણા માપદંડો છે જેના દ્વારા DBMS ને વર્ગીકૃત કરી શકાય છે.

ડેટા મોડેલ પર આધારિત ડીબીએમએસ છે:

હાયરાર્કિકલ DBMS, નેટવર્ક DBMS, રિલેશનલ DBMS, ઑબ્જેક્ટ-ઓરિએન્ટેડ DBMS, ઑબ્જેક્ટ-રિલેશનલ DBMS. હાલમાં, છેલ્લા 2 પ્રકારોનો ઉપયોગ ગંભીર પ્રોજેક્ટ્સમાં થાય છે. વિતરણની ડિગ્રી દ્વારા DBMS. સ્થાનિક (DBMS માત્ર એક કમ્પ્યુટર પર સ્થિત છે) વિતરિત (DBMS ના ભાગો 2 અથવા વધુ કમ્પ્યુટર્સ પર સ્થિત કરી શકાય છે).

ડેટાબેઝ એપ્લિકેશન્સ

ડેટાબેઝ એપ્લિકેશન, જેમ કે તેનું નામ સૂચવે છે, તે કેટલાક ડેટા સ્ત્રોત - ડેટાબેઝ (ડીબી) સાથે ક્રિયાપ્રતિક્રિયા કરવા માટે રચાયેલ છે. ક્રિયાપ્રતિક્રિયામાં ડેટા પ્રાપ્ત કરવો, તેને વપરાશકર્તા દ્વારા જોવા માટે ચોક્કસ ફોર્મેટમાં પ્રસ્તુત કરવું, પ્રોગ્રામમાં અમલમાં મૂકાયેલા વ્યવસાય અલ્ગોરિધમ્સ અનુસાર તેને સંપાદિત કરવું અને પ્રોસેસ્ડ ડેટાને ડેટાબેઝમાં પરત કરવાનો સમાવેશ થાય છે.

ડેટા સ્ત્રોત કાં તો ડેટાબેઝ પોતે અથવા સામાન્ય ફાઇલો - ટેક્સ્ટ, સ્પ્રેડશીટ્સ, વગેરે હોઈ શકે છે. પરંતુ અહીં આપણે ડેટાબેઝ સાથે કામ કરતી એપ્લિકેશનો પર વિચાર કરીશું.

એપ્લિકેશનમાં જ ડેટા પ્રાપ્ત કરવા અને મોકલવા માટેની એક પદ્ધતિ, એક અથવા બીજા સ્વરૂપમાં ડેટાને આંતરિક રીતે રજૂ કરવાની પદ્ધતિ, ડેટા પ્રદર્શિત કરવા અને સંપાદિત કરવા માટેનો વપરાશકર્તા ઇન્ટરફેસ અને ડેટાની પ્રક્રિયા કરવા માટે વ્યવસાયિક તર્કનો સમાવેશ થાય છે.

ડેટા પ્રાપ્ત કરવા અને મોકલવા માટેની પદ્ધતિ ડેટા સ્ત્રોત (ઘણી વખત પરોક્ષ રીતે) સાથે જોડાણ પ્રદાન કરે છે. દ્વિપક્ષીય ડેટા પ્રવાહને સુનિશ્ચિત કરવા માટે ક્યાં જવું અને કયા સંચાર પ્રોટોકોલનો ઉપયોગ કરવો તે "જાણવું" આવશ્યક છે.

આંતરિક ડેટા પ્રતિનિધિત્વ એન્જિન એ ડેટાબેઝ એપ્લિકેશનનો મુખ્ય ભાગ છે. તે પ્રાપ્ત ડેટાને એપ્લિકેશનમાં સંગ્રહિત કરે છે અને જ્યારે એપ્લિકેશનના અન્ય ભાગો દ્વારા વિનંતી કરવામાં આવે ત્યારે તેને ઉપલબ્ધ બનાવે છે.

યુઝર ઈન્ટરફેસ તમને ડેટા જોવા અને સંપાદિત કરવાની તેમજ સમગ્ર ડેટા અને એપ્લિકેશનને મેનેજ કરવાની મંજૂરી આપે છે.

એપ્લિકેશનનો વ્યવસાય તર્ક એ પ્રોગ્રામમાં લાગુ કરાયેલ ડેટા પ્રોસેસિંગ અલ્ગોરિધમનો સમૂહ છે.

એપ્લિકેશન અને ડેટાબેઝની વચ્ચે એક ખાસ છે સોફ્ટવેર(સોફ્ટવેર) જે પ્રોગ્રામ અને ડેટા સ્ત્રોતને જોડે છે અને ડેટા વિનિમય પ્રક્રિયાને નિયંત્રિત કરે છે. આ સોફ્ટવેરને ડેટાબેઝના કદ, સિસ્ટમ દ્વારા ઉકેલવામાં આવેલા કાર્યો, વપરાશકર્તાઓની સંખ્યા અને એપ્લિકેશન અને ડેટાબેઝ કેવી રીતે જોડાયેલા છે તેના આધારે વિવિધ રીતે અમલમાં મૂકી શકાય છે. મિડલવેરને એપ્લીકેશન એન્વાયર્નમેન્ટ તરીકે અમલમાં મૂકી શકાય છે, જેના વિના તે બિલકુલ કામ કરશે નહીં, અથવા ડ્રાઇવરો અને ડાયનેમિક લાઇબ્રેરીઓનો સમૂહ કે જે એપ્લિકેશન એક્સેસ કરે છે તે એપ્લિકેશનમાં જ સંકલિત કરી શકાય છે. છેવટે, તે હજારો એપ્લિકેશનો સેવા આપતું એક રીમોટ સર્વર હોઈ શકે છે.

ડેટા સ્ત્રોત એ ડેટા વેરહાઉસ (ડેટાબેઝ પોતે) અને DBMS છે જે ડેટાનું સંચાલન કરે છે, ડેટાની અખંડિતતા અને સુસંગતતાને સુનિશ્ચિત કરે છે.

3. રિલેશનલ ડેટાબેઝનો આધુનિક ખ્યાલ.

મૂળભૂત રીલેશનલ ડેટાબેઝ ખ્યાલો

આમાંના દરેક પગલાંને વિગતવાર જોઈએ તે પહેલાં, ચાલો રીલેશનલ ડેટાબેઝના મૂળભૂત ખ્યાલોની સમીક્ષા કરીએ. રિલેશનલ થિયરીમાં, મુખ્યમાંની એક સંબંધની વિભાવના છે. ગાણિતિક રીતે ગુણોત્તર નીચે પ્રમાણે વ્યાખ્યાયિત થયેલ છે. ચાલો n સેટ D1,D2,...,Dn આપીએ. પછી R એ આ સમૂહો પરનો સંબંધ છે જો R ફોર્મના ક્રમબદ્ધ સમૂહોનો સમૂહ છે , જ્યાં d1 એ D1 માંથી એક તત્વ છે, d2 એ D2 માંથી એક તત્વ છે, ..., dn એ Dn માંથી એક તત્વ છે. આ કિસ્સામાં, ફોર્મના સેટ ટ્યુપલ્સ કહેવાય છે, અને સેટ D1,D2,...,Dn ને ડોમેન્સ કહેવામાં આવે છે. દરેક ટ્યુપલમાં તેમના ડોમેન્સમાંથી પસંદ કરાયેલ ઘટકોનો સમાવેશ થાય છે. આ તત્વોને વિશેષતાઓ કહેવામાં આવે છે, અને તેમના મૂલ્યોને વિશેષતા મૂલ્યો કહેવામાં આવે છે, ફિગ. 9-a આપણને જુદા જુદા દૃષ્ટિકોણથી સંબંધની ગ્રાફિકલ રજૂઆત સાથે રજૂ કરે છે.

તે જોવાનું સરળ છે કે સંબંધ વાસ્તવિક દુનિયાની કેટલીક એન્ટિટીનું પ્રતિબિંબ છે (આ કિસ્સામાં, "વિગતવાર" એન્ટિટી) અને ડેટા પ્રોસેસિંગના દૃષ્ટિકોણથી તે એક ટેબલ છે. ટપલ એ કોષ્ટકની એક પંક્તિ છે, અથવા, સમાનરૂપે, રેકોર્ડ છે. વિશેષતા એ ટેબલ કૉલમ અથવા રેકોર્ડમાંનું ક્ષેત્ર છે. ડોમેનને એક પ્રકારના સામાન્યકૃત પ્રકાર તરીકે રજૂ કરવામાં આવે છે જે રેકોર્ડમાં ફીલ્ડ પ્રકારો માટે સ્ત્રોત બની શકે છે. આમ, નીચેના ત્રિવિધ શબ્દો સમાન છે:

સંબંધ, ટેબલ

ટપલ, શબ્દમાળા, રેકોર્ડ

લક્ષણ, કૉલમ, ક્ષેત્ર.

રિલેશનલ ડેટાબેઝ એ સંબંધોનો સંગ્રહ છે જેમાં તમામ જરૂરી માહિતી હોય છે અને વિવિધ જોડાણો દ્વારા સંયુક્ત હોય છે.

એક વિશેષતા (અથવા વિશેષતાઓનો સમૂહ) કે જેનો ઉપયોગ ચોક્કસ ટ્યુપલ (પંક્તિ, રેકોર્ડ) ને વિશિષ્ટ રીતે ઓળખવા માટે થઈ શકે છે તેને પ્રાથમિક કી કહેવામાં આવે છે. પ્રાથમિક કીમાં કોઈ વધારાના લક્ષણો ન હોવા જોઈએ. આનો મતલબ એ છે કે જો પ્રાથમિક કીમાંથી મનસ્વી લક્ષણને બાકાત રાખવામાં આવે છે, તો બાકીની વિશેષતાઓ વ્યક્તિગત ટ્યુપલ્સને અનન્ય રીતે ઓળખવા માટે પૂરતી નહીં હોય. પ્રાથમિક કી એક્સેસને ઝડપી બનાવવા માટે, તમામ ડેટાબેઝ મેનેજમેન્ટ સિસ્ટમ્સ (DBMS) પાસે ઇન્ડેક્સીંગ નામની પદ્ધતિ છે. સામાન્ય રીતે કહીએ તો, ઇન્ડેક્સ એ દરેક પ્રાથમિક કી માટેના રેકોર્ડના સાચા સ્થાન તરફ નિર્દેશ કરતી ઊંધી વૃક્ષની સૂચિ છે. સ્વાભાવિક રીતે, વિવિધ ડીબીએમએસ (સ્થાનિક ડીબીએમએસમાં, નિયમ તરીકે, અલગ ફાઇલોના સ્વરૂપમાં) માં અનુક્રમણિકાઓ અલગ રીતે લાગુ કરવામાં આવે છે, જો કે, તેમની સંસ્થાના સિદ્ધાંતો સમાન છે.

પ્રાથમિક કી સિવાયના અન્ય લક્ષણોનો ઉપયોગ કરીને સંબંધને અનુક્રમિત કરવું શક્ય છે. આ પ્રકારની અનુક્રમણિકાને ગૌણ અનુક્રમણિકા કહેવામાં આવે છે અને તેનો ઉપયોગ સંબંધમાં ડેટા શોધવા તેમજ સૉર્ટ કરવા માટે ઍક્સેસ સમય ઘટાડવા માટે થાય છે. આમ, જો સંબંધ પોતે કોઈપણ રીતે ક્રમાંકિત ન હોય અને કેટલાક ટ્યુપલ્સને કાઢી નાખ્યા પછી બાકીની પંક્તિઓ સમાવી શકે, તો અનુક્રમણિકા (સ્થાનિક DBMS માટે - ઇન્ડેક્સ ફાઇલ), તેનાથી વિપરીત, સૉર્ટ કરવામાં આવે છે.

ડેટાની સંદર્ભાત્મક અખંડિતતા જાળવવા માટે, ઘણા DBMSs પાસે કહેવાતી વિદેશી કીની પદ્ધતિ છે. આ મિકેનિઝમનો અર્થ એ છે કે એક સંબંધની ચોક્કસ વિશેષતા (અથવા વિશેષતાઓનો સમૂહ) બીજા સંબંધની પ્રાથમિક કી સાથે લિંક સોંપવામાં આવે છે; આમ આ સંબંધો વચ્ચેના તાબેદારીના બોન્ડને મજબૂત બનાવે છે. આ કિસ્સામાં, જે સંબંધની પ્રાથમિક કી અન્ય સંબંધની વિદેશી કી દ્વારા સંદર્ભિત કરવામાં આવે છે તેને મુખ્ય સંબંધ અથવા મુખ્ય સંબંધ કહેવાય છે; અને જે સંબંધમાંથી લિંક આવે છે તેને વિગતવાર સંબંધ અથવા ગૌણ સંબંધ કહેવાય છે. આવી લિંક સોંપ્યા પછી, DBMS પાસે સંબંધો વચ્ચેના જોડાણોના "બિન-ઉલ્લંઘન" ના મુદ્દાઓનું આપમેળે નિરીક્ષણ કરવાની ક્ષમતા છે, એટલે કે:

જો તમે ગૌણ કોષ્ટકમાં રેકોર્ડ દાખલ કરવાનો પ્રયાસ કરો છો કે જેના માટે મુખ્ય કોષ્ટકમાં વિદેશી કીનો મેળ નથી (ઉદાહરણ તરીકે, આવી પ્રાથમિક કી સાથે હજી સુધી કોઈ રેકોર્ડ નથી), તો DBMS ભૂલ જનરેટ કરશે;

જો તમે મુખ્ય કોષ્ટકમાંથી રેકોર્ડ કાઢી નાખવાનો પ્રયાસ કરો છો કે જેની પ્રાથમિક કીમાં સ્લેવ ટેબલમાંથી ઓછામાં ઓછી એક લિંક હોય, તો DBMS પણ એક ભૂલ જનરેટ કરશે.

જો તમે મુખ્ય કોષ્ટકમાં રેકોર્ડની પ્રાથમિક કી બદલવાનો પ્રયાસ કરો છો કે જેમાં સ્લેવ ટેબલમાંથી ઓછામાં ઓછી એક લિંક હોય, તો DBMS પણ એક ભૂલ જનરેટ કરશે.

ઉમેરો

રિલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ

રીલેશનલ ડેટાબેઝની મૂળભૂત વિભાવનાઓ ડેટા પ્રકાર, ડોમેન, એટ્રીબ્યુટ, ટ્યુપલ, પ્રાથમિક કી અને સંબંધ છે.

ડેટા પ્રકાર

ખ્યાલ ડેટા પ્રકારરિલેશનલ ડેટા મોડેલમાં પ્રોગ્રામિંગ ભાષાઓમાં ડેટા પ્રકારના ખ્યાલ માટે સંપૂર્ણપણે પર્યાપ્ત છે. સામાન્ય રીતે, આધુનિક રિલેશનલ ડેટાબેઝ અક્ષર, આંકડાકીય માહિતી, બીટ સ્ટ્રીંગ્સ, વિશિષ્ટ આંકડાકીય માહિતી (જેમ કે "પૈસા"), તેમજ વિશેષ "ટેમ્પોરલ" ડેટા (તારીખ, સમય, સમય અંતરાલ) ના સંગ્રહની મંજૂરી આપે છે. અમૂર્ત ડેટા પ્રકારો સાથે રિલેશનલ સિસ્ટમ્સની ક્ષમતાઓને વિસ્તૃત કરવા માટેનો અભિગમ તદ્દન સક્રિય રીતે વિકસિત થઈ રહ્યો છે (ઉદાહરણ તરીકે, ઇંગ્રેસ/પોસ્ટગ્રેસ પરિવારની સિસ્ટમો અનુરૂપ ક્ષમતાઓ ધરાવે છે). અમારા ઉદાહરણમાં, અમે ત્રણ પ્રકારના ડેટા સાથે કામ કરી રહ્યા છીએ: અક્ષર શબ્દમાળાઓ, પૂર્ણાંકો અને "પૈસા".

ડોમેન

ખ્યાલ ડોમેનડેટાબેઝ માટે વધુ વિશિષ્ટ, જો કે તે કેટલીક પ્રોગ્રામિંગ ભાષાઓમાં સબટાઈપિંગ સાથે કેટલીક સામ્યતા ધરાવે છે. તેના સૌથી સામાન્ય સ્વરૂપમાં, ડોમેનને અમુક આધાર ડેટા પ્રકારનો ઉલ્લેખ કરીને વ્યાખ્યાયિત કરવામાં આવે છે કે જેમાં ડોમેનના ઘટકો સંબંધિત છે, અને ડેટા પ્રકારના ઘટક પર એક મનસ્વી તાર્કિક અભિવ્યક્તિ લાગુ કરવામાં આવે છે. જો આ બુલિયન અભિવ્યક્તિનું મૂલ્યાંકન સાચું આવે છે, તો ડેટા ઘટક ડોમેન તત્વ છે.

ડોમેનની વિભાવનાની સૌથી સાચી સાહજિક અર્થઘટન એ છે કે ડોમેનને આપેલ પ્રકારના મૂલ્યોના સ્વીકાર્ય સંભવિત સમૂહ તરીકે સમજવું. ઉદાહરણ તરીકે, અમારા ઉદાહરણમાં "નામ" ડોમેન મૂળભૂત અક્ષર શબ્દમાળા પ્રકાર પર વ્યાખ્યાયિત થયેલ છે, પરંતુ તેના મૂલ્યોમાં ફક્ત તે જ શબ્દમાળાઓ શામેલ હોઈ શકે છે જે નામનું પ્રતિનિધિત્વ કરી શકે છે (ખાસ કરીને, આવા શબ્દમાળાઓ નરમ અક્ષરથી શરૂ થઈ શકતા નથી).

ડોમેન કોન્સેપ્ટના સિમેન્ટીક લોડની પણ નોંધ લેવી જોઈએ: ડેટા માત્ર ત્યારે જ તુલનાત્મક ગણવામાં આવે છે જો તે સમાન ડોમેનનો હોય. અમારા ઉદાહરણમાં, ડોમેન મૂલ્યો "ગેપ નંબર્સ" અને "ગ્રુપ નંબર્સ" પૂર્ણાંક પ્રકારના છે, પરંતુ તુલનાત્મક નથી. નોંધ કરો કે મોટાભાગના રિલેશનલ ડીબીએમએસ ડોમેનની વિભાવનાનો ઉપયોગ કરતા નથી, જો કે ઓરેકલ V.7 પહેલાથી જ તેને સમર્થન આપે છે.