ភាពពហុនិយមលើការរចនាមូលដ្ឋានទិន្នន័យ

ភាពពឹងផ្អែកច្រើនបានបំបែកទម្រង់ធម្មតាទី 4

នៅក្នុងមូលដ្ឋានទិន្នន័យទំនាក់ទំនងភាពអាស្រ័យកើតឡើងនៅពេលដែលព័ត៌មានដែលរក្សាទុកនៅក្នុងតារាងមូលដ្ឋានទិន្នន័យដូចគ្នាកំណត់ព័ត៌មានផ្សេងទៀតដែលរក្សាទុកក្នុងតារាងដូចគ្នា។ ភាពអាស្រ័យ ពហុគុណកើតមាននៅពេលវត្តមាននៃជួរដេកមួយឬច្រើននៅក្នុងតារាងមានន័យថាវត្តមាននៃជួរដេកមួយឬច្រើនផ្សេងទៀតនៅក្នុងតារាងដូចគ្នា។ ដាក់វិធីមួយទៀតគុណលក្ខណៈពីរ (ឬជួរឈរ) នៅក្នុងតារាងគឺមិនអាស្រ័យលើគ្នាទេប៉ុន្តែទាំងពីរពឹងផ្អែកលើគុណលក្ខណៈទីបី។

ការពឹងផ្អែកលើពហុគុណបង្ការស្តង់ដារធម្មតាធម្មតា (4NF) ស្តង់ដារធម្មតា។ មូលដ្ឋានទិន្នន័យទាក់ទងនឹងទម្រង់បែបបទធម្មតា 5 ដែលតំណាងឱ្យគោលការណ៍ណែនាំសម្រាប់ការរចនាកំណត់ត្រា។ ពួកគេបានទប់ស្កាត់ភាពមិនប្រក្រតីនិងភាពមិនស៊ីគ្នាក្នុងទិន្នន័យ។ សំណុំបែបបទធម្មតាទីបួនទាក់ទងនឹងទំនាក់ទំនងជាច្រើនទៅមួយនៅក្នុង មូលដ្ឋានទិន្នន័យ មួយ។

ការពឹងផ្អែកមុខងារនិងការពហុនិយមអាស្រ័យ

ដើម្បីយល់ពីការពឹងផ្អែកលើពហុនិយមវាមានប្រយោជន៍ណាស់ក្នុងការពិនិតឡើងវិញអំពីភាពអាស្រ័យរបស់មុខងារ។

បើសិនជាគុណលក្ខណៈ X ជាក់លាក់កំណត់ Y គុណលក្ខណៈមួយនោះ Y មានមុខងារអាស្រ័យលើ X ។ នេះត្រូវបានសរសេរជា X -> Y. ឧទាហរណ៍នៅក្នុងតារាងសិស្សខាងក្រោមឈ្មោះ Student_Name កំណត់មេគុណ:

ភាពអាស្រ័យមុខងារនេះអាចត្រូវបានសរសេរ: Student_Name -> Major ។ ឈ្មោះ Student_Name នីមួយៗកំណត់ជាក់លាក់មួយមេនិងគ្មានទៀតទេ។

ប្រសិនបើអ្នកចង់ឱ្យឃ្លាំងទិន្នន័យតាមដានកីឡាដែលសិស្សទាំងនេះយកផងដែរនោះអ្នកប្រហែលជាគិតថាវិធីដែលស្រួលបំផុតដើម្បីធ្វើដូច្នេះគឺគ្រាន់តែបន្ថែមជួរឈរមួយទៀតដែលមានចំណងជើងថាកីឡា:

បញ្ហានៅទីនេះគឺថាទាំង Ravi និង Beth លេងកីឡាជាច្រើន។ វាចាំបាច់ក្នុងការបន្ថែមជួរថ្មីមួយសម្រាប់រាល់កីឡាបន្ថែម។

តារាងនេះបានណែនាំពីការពឹងពាក់ពហុនិយមដោយសារតែកីឡាធំនិងកីឡាមានភាពឯករាជ្យពីគ្នាទៅវិញទៅមកប៉ុន្តែពឹងផ្អែកលើសិស្ស។

នេះជាឧទាហរណ៍សាមញ្ញនិងងាយស្រួលកំណត់អត្តសញ្ញាណប៉ុន្តែភាពពឹងផ្អែកលើពហុភាពអាចក្លាយជាបញ្ហាមួយនៅក្នុងមូលដ្ឋានទិន្នន័យស្មុគស្មាញធំ។

ការពឹងផ្អែកពហុគុណត្រូវបានសរសេរ X -> -> Y. ក្នុងករណីនេះ:

ឈ្មោះសិស្ស -> -> ជំនាញ
ឈ្មោះសិស្ស -> -> កីឡា

នេះត្រូវបានអានជា "Student_Name multidetermines Major" និង "Student_Name multidetermines Sport" ។

ភាពអាស្រ័យពហុគុណតែងតែតម្រូវឱ្យមានគុណលក្ខណៈយ៉ាងហោចណាស់បីពីព្រោះវាមានយ៉ាងហោចណាស់ពីរគុណលក្ខណៈដែលអាស្រ័យលើទីបី។

ពហុនិយមអាស្រ័យនិងធម្មតា

តារាងមួយដែលមានភាពអាស្រ័យពហុគុណគឺរំលោភបំពានលើស្ដង់ដារធម្មតានៃទំរង់ធម្មតាទី 4 (4NK) ពីព្រោះវាបង្កើតការលែងត្រូវការតទៅទៀតហើយអាចរួមចំណែកដល់ទិន្នន័យមិនជាប់លាប់។ ដើម្បីនាំយកមកដល់ 4NF វាចាំបាច់បំបែកព័ត៌មាននេះជាពីរតារាង។

តារាងខាងក្រោមឥឡូវនេះមានភាពអាស្រ័យដែលមានមុខងាររបស់ Student_Name -> Major និងគ្មានភាពពឹងពាក់ពហុគុណ:

ខណៈពេលដែលតារាងនេះមានភាពអាស្រ័យដែលមានមុខងារតែមួយនៃ Student_Name -> Sport:

វាច្បាស់ណាស់ថាការធ្វើនិយតកម្មជាធម្មតាត្រូវបានដោះស្រាយដោយការបកស្រាយតារាងស្មុគ្រស្មាញដើម្បីឱ្យគេមានព័ត៌មានទាក់ទងនឹងគំនិតតែមួយគត់ឬប្រធានបទជាជាងការព្យាយាមធ្វើតារាងតែមួយមានព័ត៌មានខុសគ្នាច្រើនពេក។