Øvelsestime 7 Flashcards
Hvad hjælper datamodellering med?
Datamodeller hjælper med at klarlægge…
Hvilke data, systemerne skal lagre og administrere
Hvordan data organiseres mest effektivt
Hvilke risici og udfordringer, der kan være med data internt i organisationen.
Hvad er Entiteter
De begreber, som systemet skal lagre data om, fx kunde, ordre, produkt
Hvad er Attributter
den struktur, der lagres sammen med entiteterne, fx navn, adresse, tlf
Hvad er Relationer
sammenhængen mellem entiteterne, fx kunder placerer en ordre
Hvad er redundante data?
data er redundant hvis:
Data aldrig bruges af systemet
Samme attribut er lagret mere end et sted (fx kundeadresse er lagret på Kunde og Ordre)
Data lagret ét sted kan fremskaffes et andet sted i systemet fx
- den totale ordresum, som kan udledes via stykpris * mængde
- gennem navigation via fremmednøgler
hvilke faser gennemgår man i datamodelleringsprocessen?
- modelle, entiteter, atributter
- valg af primære nøgler
- modeller relationerne
- bestem kardinalitet
- tjek modellen
Hvad er en forekomst?
En forekomst er en specifik instans af en entitet
› Fx en bestemt kunde, eller et bestemt produkt
› En entitet repræsenterer en mængde af forekomster af samme entitetstype,
fx alle kunderne eller alle produkterne
› Forekomster kan også kaldes instanser eller entitetsinstanser
hvad e primære nøgler?
Navn er måske ikke nok til at identificere hver af jer entydigt
En kombination af navn og fødselsdato er måske en løsning
Eller cprnr
Eller et unikt studienummer
hvad er en kandidatnøgle?
Alle attributter, der unikt identificerer en forekomst i en entitet er kandidatnøgler
Kombinationen af navn og fødselsdato
Studienummer
Hvad er en fremmednøgle?
En fremmednøgle er en attribut i en entitet, der er primærnøgle for en anden entitet
Fremmednøgler fungerer som links eller referencer mellem relaterede entiteter, så vi for
hver forekomst af Ordre kan finde den tilhørende Kunde
hvad viser en kardinalitet?
Kardinaliteter viser netværks-strukturen af relationerne 3 forskellige typer efter Chen (1976): › 1:1 › 1:n › m:n
hvad betyder normalisering?
Datamodelleringsprocessen kan give komplekse resultater, der er svære at strukturere
Datamodeller bør derfor ”normaliseres” til en vis grad
Normalisering betyder at fjerne datamodellens redundans, falske afhængigheder og
logiske fejl
Der er ca. fem ”normalformer” – i praksis normaliserer man ofte til den tredje normalform
Eksempel: Første normalform – alle attributter i en entitet er atomare
› Fx attributten ADRESSE splittes til flere attributter (GADE, HUSNR, POSTNR, BY) og
NAVN splittes til FORNAVN og EFTERNAVN