Datenmodellierung 3 - Normalisierung
Вставка
- Опубліковано 15 жов 2024
- Im Zuge der verstärkten Digitalisierung des Unterrichts stelle ich Teile meines Unterrichts als Video zur Verfügung. Das dritte Video der Datenmodellierungsreihe beschäftigt sich mit der Normalisierung von Tabellen in die 3. Normalform. Wir sehen uns die drei möglichen Datenanomalien an und verstehen den Unterschied zwischen funktionaler Abhängigkeit und voll funktionaler Abhängigkeit.
Einen Überblick über weiterführende Infos findet ihr unter www.codeconcert.de
Vor der SA morgen, nochmal die wichtigen Videos durchgehen! =D
Danke für das Video! Super erklärt :)
Hallo Herr Aicher,
ich hätte da bitte eine Frage zur zweiten Normalform. Im Beispiel wurde Termin-Datum + Kennzeichen als voll funktionale Abhängigkeit dargestellt, weil beide Attribute zusammen auf die restlichen Attribute(Vornamen, Name...) zurückführen. Was ich mich aber Frage ist, was ist, wenn Rita und Frank am selben Tag mit demselben Auto in die Werkstatt kommen müssen, weil es zum Beispiel nach einer Reperatur noch erhebliche Probleme gibt?.
Beispiel:
Frank hatte einen regulären Termin. Nachdem er den Wagen wieder nach Hause gefahren hatte, hat sich im Laufe des Tages herausgestellt, dass der Wagen nun große Probleme aufweist. Frank ruft die Werkstatt an und bekommt einen Schnell Termin für denselben Tag noch. Da Frank aber keine Zeit hat, fährt Rita den(selben) Wagen zur Werkstatt.
So jetzt hätten wir 2 Mal dasselbe Datum + selbes Kennzeichen, doch unterschiedliche Personen. Hier lässt sich somit nicht mehr rein durch das Datum und Kennzeichen die Person herleiten, oder ?
Als ich ihr video geguckt hatte ist mir dieses Szenario durch den Kopf gelaufen, weshalb ich die zweite Normalform irgendwie auch nicht richtig verstanden habe.
mit freundlichen Grüßen
Nana
Hallo Nana, das Szenario, welches von Dir dargestellt wurde, kann durch das Datenmodell nicht abgebildet werden, da die minimale Granularität ein Tag ist. Sprich - das Datenmodell sieht vor, dass die Werkstatt für einen Wagen nicht zweimal am Tag einen Termin festlegen kann und es keine "Schnelltermine" gibt. Wenn das Datenmodell dies trotzdem Abbilden muss, so würde es erforderlich sein entweder den Schlüssel der Termintabelle um Vor- und Nachnamen zu erweitern (was aber wiederum bedeuten würde, ein Kunde kann mit dem gleichen Auto am gleichen Tag nur einen Termin haben) oder den "Termin" als Zeitpunkt mit Uhrzeit festzulegen, oder wie am Ende des Videos über einen technischen Schlüssel zu gehen. Wir können somit pro Tag beliebig viele T_ID Werte eintragen. Der "Normalisierungsprozess" versucht also aufgrund gegebener Werte (und somit Granularitäten) das Datenmodell so zu schneiden, dass die Redundanzen weg sind. Ich hoffe, das hilft weiter :-)