Professional Documents
Culture Documents
Diplom Ski Rad
Diplom Ski Rad
Diplom Ski Rad
DIPLOMSKI RAD
iz predmet
Baze podataka
Mentor:
Student:
Dr Saraevi Muzafer
Beisa Saraevi
Br. indeks: 4-212/13
DIPLOMSKI RAD
Komparativna analiza softvera za modelovanje
baza podataka
Mentor:
Student:
Dr Muzafer Saraevi
Beisa Saraevi
Br. indeks: 4-212/13
Naslov rada
Rezime (na srpskom jeziku, do 150 rei)
1. Uvodna razmatranja
1.1 Pojam baza podataka
Osnovna definicija baze podataka jeste skup organizovanih informacija koje odgovaraju
odredjenoj temi. Ideja baze podataka se koristila I mnogo ranije, pre pojave racunara. U vidu
dokumentacije koja je bila sortirana tako da bi bila sto laksa za upotrebu. Danas se baze podataka
nalaze svuda I olaksavaju upotrebu I organizovanje velikog broja podataka kao I manipulisanje
njima. Baze podataka koriste prodavnice, zanatske radnje, fakulteti, skoro I da ne postoji oblast
u kojoj se ne koriste. Da bismo bolje razumeli baze podataka krenucemo od dva osnovna pojma
koja cine sustinu baze podataka
Podatak predstavlja cinjenicu ili odredjeni zapis on nekom dogadjaju koja dalje moze
biti obradjivanja od strane ljudi ili masina. Podaci se mogu prikupljati obradjivati I cuvati, a u
racunaru se predstavljaju nulom I jedinicom (0, 1)
Informacija- Kao sto smo rekli za podatak da predstavlja cinjenicu , za informacju
mozemo reci da je smisaona cinjenica ili skup podataka poredjanih I predstavljanih na tac nacin
da imaju znacaj i smisao. Onda kada podatak dobije vrednost on postaje informacija. Infomacija
predstavlja obradjen i organizovan podatak.
Svojstva baze podataka
-Obezbedjuje sto manje ponavljanje (redudansu) podataka tako da se podaci unose samo
jednom u bazu
-Nezavisnost- podaci su nezavisni od programa koji ih obradjuje
-Pouzdanost podataka obezbedjuje se upotrebom kontrole pristupa
-Tacnost I integritet podataka
Sistemi za upravljanje bazama podataka - Pristup i koriscenje podacima iz baze
podataka omoguceno je sistemima za upravljanje bazama podataka (SUBP) DBMS Data Base
Management System
Informacioni sistem svake firme ili kompanije omogucava upravljanje podacima koji su
bitni za njeno poslovanje, medjutim problem nastaje kada broj podataka unutar kompanije I u
njenoj okolini postane ogroman te je nemoguce sve podatke I sve uocene detalje smestiti unutar
informacionog sistema. Zato se moramo sluziti selekcijom kako bi se identifikovali I sacuvali
samo relevantni podaci. Time se dolazi do pojma modela baze podataka koji je nastao kao
posledica zahteva za obradom podataka relevantnih za odredjeno podrucje primene.
Hijerarhijskim modelom moemo dobro prikazati strukturu 1:N dok kod structure N:N
postaju uoljivi nedostaci. Zbog nedostataka Hijerarhijskog modela razvio se Mreni model.
Mreni model
Kod mrenog modela baza podataka omogueno je da jedan zapis ima viestruke
roditelje I naslednike ime se formira mena struktura, a samim tim se izbegava redudansa
podataka koja se morala koristiti u hijerarhijskoj strukturi. Kod mrenog modela podaci su
povezani tako da ne postoji ni osnovni a ni podreeni segmenti. Neke kolone umesto da sadre
podatke, one u ovom modelu mogu da sadre samo pokazivae na druge tabele. Mrenim
modelom moe se verno prikazati relacija N:N. Jedini nedostatak ovog modela je kompleksnost
I teina upotrebe. ine ga dvije osnovne konstrukije a to su zapisi i skupovi. Zapisi sadre polja
dok skupovi definiu odnose jedne naspram drugih.
Spisak atributa
runo pretraivanje jedne takve baze za bilo kakvom smislenom informacijom predstavljalo
nonu moru. Zbog toga sva ta koliina sirovih podataka bez ikakvog smisla i nema neku
preteranu upotrebnu vrednost, ve ih je neophodno pretvoriti u upotrebljive smernice za dalje
uspeno poslovanje firme.
Zahvaljujui ovakvoj analizi podataka, mogue je predvideti trend trita ili ponaanje
konzumenata i na taj nain obezbediti uspeh firme ili proizvoda. To se postie analizom podataka
iz raznih perspektiva i pronalaenjem veza i odnosa izmeu naizgled nepovezanih informacija.
Zbog svega toga je proces data mininga neraskidivo vezan za raunare. Uz pomo
posebnog softvera, veliki kompjuterski sistemi analiziraju podatke iz razliitih uglova, pronalaze
hipoteze, isprobavaju ih i ue na prethodnim iskustvima. Treba uvek imati u vidu da je softver
samo alatka i da je i dalje neophodno prisustvo ljudskih eksperata koji e dati poslednju re. Ali
u prvoj fazi obrade kompjuterski sistemi su nezamenjivi zbog svoje brzine i nedostatka
predrasuda.
Pre bilo kakve pretrage ili obrade potrebno je pripremiti sirove podatke u bazi, tanije
bazu podataka nije mogue odmah koristiti takvu kakva je. Kako bi se dobili validni rezultati,
bazu je esto neophodno oistiti od duplih ili nepotpunih podataka(proces normalizacije).
Ponekad je neophodno transformisati podatke, izabrati podgrupe podataka ili suziti ukupan broj
promenljivih na razumnu cifru s kojom je mogue raditi. Prilikom pravljenja modela, 80% posla
svodi se na pripremanje baze podataka.
Predvianje proces vaenja pravilnosti iz primera, na osnovu koje se odreuju oekivane
vrednosti traene promenljive.
Klasifikacija proces pronalaenja funkcije na osnovu koje se vri razvrstavanje podataka u
jednu od nekoliko klasa.
Detekcija odnosa proces odreivanja najuticajnije promenljive koja ima efekta na traeni
podatak bez odreivanja tanog oblika ove zavisnosti.
Eksplicitno modeliranje proces pronalaenja eksplicitne formule koja opisuje zavisnosti
izmeu odreenih promenljivih.
Grupisanje proces odreivanja grupa podataka koji su meusobno slini, ali razliiti od ostalih
podataka. U ovom procesu se esto identifikuju i promenljive po kojima se vri najbolje
grupisanje.
Atributi mogu biti jednostavni i sloeni. Jednostavni atributi su takvi atributi koji se ne
mogu podeliti na vie manjih atributa,a sloeni atributi su atributi koji se mogu podeliti na vie
jednostavnijih kao npr. datum rodjenja koji moemo podeliti na dan, mesec i godinu. Korienje
ovakve podele atributa uglavnom nije potrebno, a moe biti korisno za statistiku analizu.
Veze
Medjusoban odnos izmedju entiteta opisuje se vezama. Postoji nekoliko modela veza.
Prema povezanosti izmedju entiteta razlikujemo jedan na jedan, jedan na vie i vezi vie na vie.
Broj entiteta koji uestvuju u vezi predstavlja stepen entiteta. Pa u odnosu na broj entiteta u vezi
razlikujemo unarne, binarne i veze vieg stepena.
Povezanost entiteta oznaava koliko se entiteta sa jedne strane pojavljuje na drugoj strain.
Za primer moemo uzeti knjigu i studenta gde studet moe imati jednu knjigu ili obrnuto jedna
knjiga moe biti u vasnitvu jednog studenta zatim jedan student moe imati vie knjiga ali je
svaka knjiga u vlasnitvu samo jednog studenta i trei stepen veze gde vie gde student moe
posedovati vie knjiga ali svaka knjiga moe imati vise vlasnika.
Da bi se veze uspostavile potrebno je da upotrebimo primarni klju koji smo ranije
pomenuli objanjavajui attribute. Primarni klju treba upotrebiti na sledei nain: U tipu veze
jedan-na-jedan, primarni klju jednog entiteta se ukljuuje u drugi entitet i tada se zove vanjski
klju jer se nalazi na drugom entitetu ali je ipak klju odredjenog entiteta. Kada je u pitanju veza
jedan-na-vie tada se primarni klju nalazi na strain jednog entiteta dok e na strain vie uvek
imati vrednost vanjskog entiteta. U tipu veze vie-na-vie moramo izvaditi primarne kljueve
oba entiteta i smestiti ih u novu tablicu u koju takodje moemo dodati nove attribute ukoliko ih
ta veza zahteva.
9
Agregacija opisuje vezu izmedju dva entiteta. Jednostavan primer agregacije su sastavni
deo npr. automobile gde svi delovi predstavljaju zaseban entitet ali su svi i dalje deo entiteta
Automobil. Dok kod generalizacije entitet nieg stepena proiruje entitet vieg stepena, kod
agregacije to nije sluaj jer entiteti i vieg i nieg stepena mogu imati svoje attribute koji ne
moraju biti povezani ni isti.
ER dijagrami, scenario realnog sistema pomou ERD-a
Da bismo kreirali ispravan ER dijagram i da bi baza podataka bila ispravna potrebno je
da znamo entitete, atribute i veze. Prikazau scenario ER dijagrama za auto servis, a posle
dijagrama u izvui bitne elemente za izradu ovog ER dijagrama.
Usluge koje servis prua muterijama su popravke sa i bez ugradnje svojih autodelova,
kao i prodaja autodelova. U servisu treba uvati podatke o popravkama, kako bi se svaki put
kada auto doe u servis znalo sta je radjeno na autu do tada. Takodje je bitna informacija o tome
10
koliko je koji muterija redovan, na osnovu ega bi dobio popust. Jedan muterija moe biti
vlasnik vie automobila koji se popravljaju i odravaju u tom servisu. Bitna je i evidencija zaliha
autodelova.
Svaka USLUGA moe biti pruena prilikom jedne ili vie POPRAVKI. SvakaPOPRAVKA mora
biti od jedne i samo jedneUSLUGE
Svaka POPRAVKA mora biti uraena na jednom i samo jednom AUTOMOBILU. Svaki
AUTOMOBIL moe imati jednu ili vie POPRAVKI
UID popravke ine Sifra usluge, Sifra automobila, Datum i Vreme popravke
Svaki AUTODEO moe biti prodan jednom ili vie puta. Svaki PRODANI AUTODEO mora biti
od jednog i samo jednog AUTODELA
Svaki PRODANI AUTODIO mora biti prodan jednom i samo jednom MUTERIJI. Svaki
MUTERIJA moe KUPITI jedan ili vie PRODANIH AUTODELOVA
UID prodanog dela ine ifra autodela, ifra automobila, Datum i Redni broj prodanog dela
11
Svaki AUTOMOBIL mora pripadati jednom i samo jednom MUTERIJI. Svaki MUTERIJA
moe biti vlasnik jednog ili vie AUTOMOBILA
Svaki AUTOMOBIL moe imati jednu i samo jednu REGISTRACIJU. Svaka REGISTRACIJA
mora pripadati jednom i samo jednom AUTOMOBILU
Svaki AUTOMOBIL mora pripadati jednom i samo jednom MODELU
Svaki MODEL moe imati jedan ili vie AUTOMOBILA
Svaki MODEL mora pripadati jednoj i samo jednoj MARKI. Svaka MARKA moe imati jedan
ili vie MODELA.
12