Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

2.1. İlişkisel Veri Tabanları “Relational Database”

Benzer bir sunumlar


... konulu sunumlar: "2.1. İlişkisel Veri Tabanları “Relational Database”"— Sunum transkripti:

1 2.1. İlişkisel Veri Tabanları “Relational Database”

2 İlişkisel Veri Tabanları
Sütun ve satırlardan oluşan tablolar ile verileri depolamak için kullanılan bir veri tabanı modelidir Bir tablo, belirli bir nesneye ait özellikleri içerir. Sütunlar detayın özelliklerdir (öznitelik), satırlar nesneye ait birer olaydır (kayıt) Her tablonun/nesnenin kendisi için indeks anlamını taşıyan bir özniteliği vardır (primary key). Nesneye ait tüm kayıtlarda bu özniteliğin değeri tekdir

3 İlişkisel Veri Tabanları
Tablolar arasında bağlantı kurmak için “primary key” yada başka bir sütun olan “secondary/foreign key” kullanılır Birbiri ile ilişkili nesneler/tablolar İlişkisel yapı bire-bir ve bire-çok (çoka-bir) ilişkiyi destekler Çoka-çok ilişki 3 tablo ile çözülür (ilişkiler bire-çok, bire-çok) haline dönüştürülür

4 Değer türü (sayı, karakter, tarih vb)
Büyüklüğü (10 hane vb) Değer girilme zorunluluğu Veri tekrarı Anahtar öznitelik

5 İlişkisel Veri Tabanı File Purchase Record Item Date Price Customer
Key Skate Board 2/1/96 49.95 John Smith 42 Baseball Bat 17.99 James Brown 978 Patient Record Key Check-in Check Out Room No. 2/4/96 N763 78 2/3/96 N712 Accident Report Injury Name Location Broken Leg 75 Elm Street 2/2/96 Concussion Sylvia Jones 654 12 State Street Cut on Ear Robert Doe 123 2323 Broad Street File

6 Örnek

7 Kavramsal Veri Tasarımı
Varlıklar, Öznitelikler ve İlişkilere karar verme Varlık-İlişki (E-R) diyagramı veya UML sınıf diyagramının çizilmesi

8 Varlık-İlişki Diyagramı

9 UML Sınıf Diyagramı

10 Mantıksal Veri Tasarımı
Kavramsal şema, kullanılacak yazılım doğrultusunda mantıksal şemaya dönüştürülür E-R deki varlıklar veya UML sınıfları birer tablo olarak düşünülür Çoka-çok bağlantılar da arada bir tablo söz konusudur Anahtar öznitelikler tanımlanır Tabloların normalizasyon kurallarına uyup uymadığı denetlenir

11 Anahtar Öznitelikler

12 Normalizasyon/Ayrıştırma
Bir tablo içerisinde yer alacak kayıdın nelerden (hangi özniteliklerden) oluşacağına karar vermeye yarayan kurallardır E-R veya UML diyagramlarının bu kurallara uyup uymadığı denetlenir Sonuçta bellek, erişim, bütünlük açısından problemsiz tablolar oluşturulmuş olur

13 Normalizasyon Kuralları
Bir satırdaki her kolon tek bir bilgi içerebilir. Tekrarlayan gruplar olmamalıdır Bir tablodaki öznitelikler anahtar özniteliğe bağımlı olmalıdır Diğer öznitelikler arasında birbirine bağımlılık olmamalıdır

14 SQL-Standard/Structured Query Language
İlişkisel VTYS’nde veri tanımlama ve erişim olanakları sağlar Doğrudan veya bir programlama dili içinde kullanılır İlişkisel cebir ve küme işlemleri temellidir Sorgulama sonucu görsel olarak ilgili kayıtları içeren yeni bir tablodur

15 select A1 ,A2 , ..., An veya * from r1 , r2 , ..., rm where P; – A: öznitelikler-attributes – r: tablolar/ilişkiler – P: koşul

16 İstatistiksel Fonksiyonlar
avg: average value min: minimum value max:maximum value sum: sum of values count: number of values

17 Normalizasyon-Örnek

18 Dönem ve Öğrenci Verileri
Öğrenci No Adı-Soyadı Doğum Tarihi Doğum Yeri Babası Adresi Danışman Kodu Danışmanı Ders Kodu Grubu Dersler Sınıf Not Not karşılığı Ali Yalçın 10/10/1980 İstanbul Ahmet ..... 430003 Ayşe Okur 430351 1 Veri Tabanı A-501 A 4 430242 Hata Teorisi A-502 B 3 430233 2 Jeodezi A-504 F Mine Çayır 5/5/1985 Ankara Ali 430015 Mehmet Polat Ayşe Özgür 2/2/1985 Muğla Veli 430222 Fotogrametri A-503 A-505 2/12/1983 Veri tabanı C Öğrenci kimlik Öğrenci aldığı dersler Öğrenci Danışmanı Dönem Not Ortalaması

19 PersonelKimlik(sicilNo, adi, soyadi, ...)
Öğrenci No Adı Soyadı Doğum Tarihi Doğum Yeri Babası Adresi Ali Yalçın 10/10/1980 İstanbul Ahmet ..... Mine Çayır 5/5/1985 Ankara Ayşe Özgür 2/2/1985 Muğla Veli 2/12/1983 Öğrenci No Danışman Kodu 430003 430015 sicilNo Adı Soyadı ...... 430003 Ayşe Okur 430015 Mehmet Polat OgrenciKimlik(ogrenciNo, adi, soyadi, dogumTarihi, dogumYeri, babasi, adresi) PersonelKimlik(sicilNo, adi, soyadi, ...) OgrenciDanisman(ogrenciNo, sicilNo)

20 DersSinif(dersSinifKodu, dersKodu, grubu, sinifi)
Sınıf 430351 1 A-501 430233 2 A-504 430242 A-502 3 430222 A-503 A-505 Ders Kodu Dersler 430351 Veri Tabanı 430242 Hata Teorisi 430233 Jeodezi DersSinif(dersSinifKodu, dersKodu, grubu, sinifi) Ders(dersKodu, dersler)

21 OgrenciNot(ogrenciNotKodu, ogrenciNo, dersKodu, grubu,notu)
430351 1 A 430242 B 430233 2 F 3 430222 C Not Not karşılığı A 4 B 3 C 2 D 1 F F0 OgrenciNot(ogrenciNotKodu, ogrenciNo, dersKodu, grubu,notu) NotKarsilik(notu, notKarsiligi)

22 ÖğrenciDanışmanDersNot(Öğrenci No,Adı-Soyadı,Doğum Tarihi,Doğum Yeri,Babası,Adresi,Danışman Kodu,Danışmanı,Ders Kodu,Grubu,Dersler,Sınıf,Not,Not karşılığı) OgrenciKimlik(ogrenciNo, adi, soyadi, dogumTarihi, dogumYeri, babasi, adresi) PersonelKimlik(sicilNo, adi, soyadi, ...) OgrenciDanisman(ogrenciNo, sicilNo) DersSinif(dersSinifKodu, dersKodu, grubu, sinifi) Ders(dersKodu, dersler) OgrenciNot(ogrenciNotKodu, ogrenciNo, dersKodu, grubu,notu) NotKarsilik(notu, notKarsiligi)

23

24 SQL Örnekleri

25 Öğrenci Kimlik Bilgileri
SELECT * FROM OgrenciKimlik WHERE (((OgrenciKimlik.ogrenciNo)=[No gir]));

26 SELECT * FROM OgrenciKimlik WHERE (((OgrenciKimlik.adi)=[Adı]) AND ((OgrenciKimlik.soyadi)=[Soyadi]));

27 Aldığı Dersler SELECT OgrenciKimlik.ogrenciNo, OgrenciNot.dersKodu, Ders.dersler FROM Ders INNER JOIN (OgrenciKimlik INNER JOIN OgrenciNot ON OgrenciKimlik.ogrenciNo=OgrenciNot.ogrenciNo) ON Ders.dersKodu=OgrenciNot.dersKodu WHERE (((OgrenciKimlik.ogrenciNo)=[No]));

28 Dersi Alan Öğrenciler SELECT OgrenciKimlik.ogrenciNo, OgrenciKimlik.adi, OgrenciKimlik.soyadi, OgrenciNot.dersKodu, Ders.dersler FROM Ders INNER JOIN (OgrenciKimlik INNER JOIN OgrenciNot ON OgrenciKimlik.ogrenciNo = OgrenciNot.ogrenciNo) ON Ders.dersKodu = OgrenciNot.dersKodu WHERE (((Ders.dersler)=[Ders Adı]));

29 Dönem Not Ortalaması SELECT OgrenciNot.ogrenciNo, OgrenciKimlik.adi, OgrenciKimlik.soyadi, Avg(NotKarsilik.notKarsiligi) AS NotOrtalaması INTO aa FROM OgrenciKimlik INNER JOIN (NotKarsilik INNER JOIN OgrenciNot ON NotKarsilik.notu = OgrenciNot.notu) ON OgrenciKimlik.ogrenciNo = OgrenciNot.ogrenciNo GROUP BY OgrenciNot.ogrenciNo, OgrenciKimlik.adi, OgrenciKimlik.soyadi; ! Aritmetik Ortalama

30 SELECT Avg(NotKarsilik.notKarsiligi) AS NotOrtalaması
FROM [ogrenci bul "no"] INNER JOIN (NotKarsilik INNER JOIN OgrenciNot ON NotKarsilik.notu=OgrenciNot.notu) ON [ogrenci bul "no"].ogrenciNo=OgrenciNot.ogrenciNo; ! Aritmetik Ortalama

31 3. Coğrafi Bilgi Sistemleri

32 Coğrafi Bilgi Sistemleri
Konumsal verileri üreten, kullanan kurumların, kişilerin; günlük işlerini kolaylaştıran, destekleyen karar verme ve problem çözme işlerinde destek sağlayan bilgi/bilişim sistemleridir

33 Temel İşlevler Verilerin bilgisayara girilmesi/aktarılması
Fiziksel ortamda depolama Erişim Güvenlik İşleme Sorgulama, Mekansal analizler Rapor ve harita hazırlama Yayınlama

34 Diğer bilgi sistemleri ile benzerlikleri
Veri tabanı yönetim sistemi yazılımları Donanım İletişim yapısı Kişi bileşeni Bazı süreçler – Uygulama programları Bazı yöntemler

35 Tarihçe Tematik kartoğrafya
Plancılar klasik yöntemler ile (elle) harita çakıştırma yöntemini uygulamışlardır Bu ilk kez 1950’de planlama kitabında Jacqueline Tyrwhitt tarafından tanımlanmıştır McHarg , yer seçimi için transparan haritaları çakıştırarak kullanmıştır

36 Temel Bileşenler Veri Yazılım Donanım İnsan Yönetim YÖNETİM

37 Yazılım CBS paket programı
ArcGIS, MapInfo, PostGIS vb, CAD yazılımlarının CBS modülleri CBS paket programı ekleri: üç boyutlu analizler, mekansal analizler, şebeke analizi, internetten sunuş vb Uygulama yazılımı VTYS İletişim ile ilgili yazılımlar

38 Yazılım Veri Girişi Veri İşleme Veri Depolama Sorgulama Veri Yönetimi
Coğrafi Analiz Veri Depolama Veri Yönetimi CBS YAZILIMI Sunuş İletişim

39 Yazılım Temel fonksiyonlar ekranda sayısallaştırma vb veri girişi
farklı dosya formatlarını okuma ve dönüştürme koordinat sistemi dönüşümü sql sorgulamaları istatistiksel işlemler görselleştirme arayüz, makro olanakları vb

40 Bir veya birden çok katmanla yapılan işlemler, yeni oluşumlar
En kısa yol vb işlemler

41 Yüzey oluşturma, enterpolasyon
çeşitli veri türlerinden TIN-üçgenleme ile yüzey oluşturma çeşitli veri türlerinden, diğer enterpolasyon yöntemleri ile GRID oluşturma “Multipatch” tarzı 3B poligon, çizgi veriler

42 Yüzey verileri ile işlemler, sorgulamalar
eğim, bakı, gölgelendirme vb görülebilirlik analizleri istatistiksel işlemler görüntü-yüzey kaplama 3B modelleme

43 Internet vb ağ uygulamaları
İstemci/sunucu mimarisi verilerin bir veya daha çok sunucuda bulunması ve erişim verilerin internette sunulması verilere internette erişim

44 GPS, iletişim teknolojisi
Mobil uygulamalar GPS, iletişim teknolojisi bilgisayardan uzakta iletişim sistemleri ile veri toplama/güncelleme araç takibi navigasyon

45 Donanım Merkezi veya dağıtık yapı
LAN, WAN, Internet ağları veya tek bilgisayar Yazıcı, çizici vb birimler

46 İnsan Sistem oluşturma ekibi Yöneticiler
Operatörler ve diğer kullanıcılar

47 Veri Yer yüzeyinin üstünde, altında, üzerinde belli bir biçimi ve konumu olan somut veya soyut nesnelerin koordinat öznitelik-özellik konumsal ilişki zaman değerleridir Diğer veriler; kişi vb

48 Veri Geometrik (Grafik) veriler Geometrik (Grafik) olmayan veriler
Vektör Raster/Grid Geometrik (Grafik) olmayan veriler Geometrik veriler için tanımlayıcılar (öznitelikler) Geometrik veri ile dolaylı ilgisi olan veya olmayan diğer veriler

49

50 3.1. Vektör Veriler Noktalar Çizgiler Poligonlar Binalar Yapı Adaları
Dünya Binalar Yapı Adaları Caddeler Riskli bölgeler İlçeler İller Noktalar Çizgiler Poligonlar

51 Vektör Veri Nokta/Çizgi/Poligon (çokgen/alan/) özellikleri
koordinatları (x,y,z)/(x,y) konumsal ilişkileri

52 Nokta Kuyu, ağaç, rögar vb

53 Çizgi Ulaşım, Altyapı vb

54 Çizgi Ulaşım, Altyapı vb

55 Poligon Mahalle, Bina, Parsel vb

56 Poligon Mahalle, Bina, Parsel vb

57 Dosya Türleri ve Uzantıları
ncz map,tab,ind shp, dbf, shx vd mdb vb Kooordinat vb verinin de depolandığı Veri Tabanı dosyaları (CVT) GML (Geographic Markup Language): CBS de vektör verinin hazırlanmasi için kullanılır, XML in geliştirilmişidir UVDF (Ulusal Veri Dönüşüm/Değişim Formatı)

58

59

60

61 Katman/tabaka/detay/sınıf
Aynı Geometri Öznitelikler Koordinat Sistemi Ölçek Doğruluk Toplama yöntemi, zamanı vb


"2.1. İlişkisel Veri Tabanları “Relational Database”" indir ppt

Benzer bir sunumlar


Google Reklamları