Functional Dependency (การขึ้นต่อกั

Functional Dependency (การขึ้นต่อกันแบบเป็นฟังก์ชัน)
Functional dependency (FD) is a set of constraints between two attributes in a relation. Functional dependency says that if two tuples have same values for attributes A1,A2,…,An, then those two tuples must have to have same values for attributes B1,B2,…,Bn.
Functional dependency is represented by an arrow sign () that is, XY, where X functionally determines Y. The left –hand side attributes determine the values of attributes on the right-hand side.
Armstrong’s Axioms
If F is a set of functional dependencies then the closure of F, denoted as F*, is the set of all functional dependencies logically implied by F. Armstrong’s Axioms are a set of rules, that when applied repeatedly, generates a closure of functional dependencies.
• Reflexive rule –If alpha is a set of attributes and beta is_subset_of alpha, then alpha holds beta.
• Augmentation rule – If ab holds and y is attribute set, then ay  by also holds. That is adding attributes in dependencies, does not change the basic dependencies.
• Transitivity rule –Same as transitive rule in algebra, if ab holds and bc holds, then ac also holds. ab is called as a functionally that determines b.
Trivial Functional Dependency
• Trivial -If functional dependency (FD) XY holds, where Y is a subset of X, then it is called a trivial FD. Trivial FDs always hold.
• Non-Trivial-If an FD XY holds, where Y is not a subset of X, then it is called a non-trivial FD.
• Completely non-Trivial-If an FD XY holds, where x intersect Y = ø, it is said to be a completely non-trivial FD.
Q1 + E1
How to find candidate key(s)
How to find it manually
I believe the best method to find the candidate key(s) is by doing the 4 step:
1. Attribute on no sides
2. Attribute on right side but not left side.
3. Attribute on left side but not right side.
4. Both sides
Then from 1 and 3,you get the main attributes that your candidate key should have. You try it out (trialKey+) and if it works,that is your only candidate key.If it fails you try add to it the attributes in step 4 one by one and group by group and also removing the attributes in step 2.So if your main key derived from 1 and 3 is let's say AB.And in step 2 you have C and in step four you have DE. Then the next tries for your candidate keys would be: ABD,ABE,ABDE. You do not include C. Anyways, been working on a small application that should work on this algorithm. Make it easier for others.

Finding candidate keys is just as simple as applying some algorithm here and there. Here I post examples of different cases.
E2
5.Test if the closures of attributes on step 4 are all the attributes > in our case,yes it is.Because with WH we can get S,and by HOS,we can get E. So we have only one candidate key,that is WHO.
E3 E4 HE1-2
Conclusion
This is not the only algorithm of finding candidate key. Another way includes finding the attributes that are on both sides (see comment of RandomSpectrum on my other blog post to know about it). I suppose both algorithms are correct, it's just a matter of personal preference. I'm not going to post the answers for the hard examples just to make it a bit harder. To get the answers, just send an email to...

Closure
Assume that we have the following relation schema.
movie (movieName, whenMade, starName, age, address)
Further assume that we have the following functional dependencies.
movieName  whenMade
starName  age
starName  address
starName, age  age
movieName, starName  whenMade, age

Question: What is the closure of the lefthand side of each FD? Solution:
movieName+= {movieName, whenMade}
starName += {age , address , starName}
movieName, starName+= {movieName, starName, age , address , whenMade}

Normalization
If a database design is not perfect, it may contain anomalies, which are like a bad dream for any database administrator. Managing a database with anomalies is next to impossible.
• Update anomalies -If data items are scattered and are not linked to each other properly, then it could lead to strange situations. For example, when we try to update one data item having its copies scattered over several places, a few instances get updated properly while a few other are left with old values. Such instances leave the database in an inconsistent state.
• Deletion anomalies -We tried to delete a record, but parts of it was left undeleted because of unawareness, the data is also saved somewhere else.
• Insert anomalies -We tried to insert data in a record that does not exist at all.
Normalization is a method to remove all these anomalies and bring the database to a consistent state.
Problem without Normalization
without Normalization, it becomes difficult to handle and update the database, without facing data loss. Insertion, Updation and Deletion Anamolies are very frequent if Database is not Normalized. To understand these anomalies let see:
E5-E6
Normalization Concept
• 1NF -a table that qualifies as a relation

ผลลัพธ์ (ไทย) 1:

ทำงานอ้างอิง (การขึ้นต่อกันแบบเป็นฟังก์ชัน)ทำงานอ้างอิง (FD) เป็นชุดของข้อจำกัดระหว่างสองแอตทริบิวต์ในความสัมพันธ์ อ้างทำงานบอกว่า ถ้าสอง tuples มีค่าเดียวกันสำหรับแอตทริบิวต์ A1, A2,...,, แล้ว tuples ที่สองต้องมีค่าเดียวกันสำหรับแอตทริบิวต์ B1, B2,..., Bn.อ้างอิงที่ทำงานจะถูกแสดง ด้วยเครื่องหมายลูกศร () คือ XY ที่ X กำหนดฟังก์ชัน Y ตัวซ้าย – มือด้านคุณลักษณะกำหนดค่าของแอตทริบิวต์ด้านขวาสัจพจน์ของอาร์มสตรอง ถ้า F เป็นชุดของการอ้างอิงที่ทำงาน แล้วปิดของ F ตาม F * เป็นชุดของการอ้างอิงทั้งหมดที่ทำงานทางตรรกะ ทาง F. Armstrong สัจพจน์เป็นชุดของกฎ ที่ใช้ซ้ำ ๆ สร้างปิดอ้างอิงทำงาน• Reflexive ปกครอง – ถ้าอัลฟาคือ ชุดของแอตทริบิวต์และอัลฟาเบต้า is_subset_of แล้วอัลฟามีเบต้า•เสริมกฎ – ถ้ามี ab และ y คือ ชุดแอตทริบิวต์ แล้วสาโดยมี ที่มีการเพิ่มแอตทริบิวต์ในอ้างอิง เปลี่ยนการอ้างอิงพื้นฐาน• Transitivity ปกครอง – เหมือนกฎ transitive ในพีชคณิต ถ้ามี ab และ bc มี แล้ว ac ยังถือ ab จะเรียกว่าเป็นการตามหน้าที่ที่กำหนด bอ้างทำงานเล็กน้อย•เล็กน้อย - ถ้าอ้างอิงทำงานเก็บ XY (FD) ที่ Y คือ เซตย่อยของ X แล้วเรียกว่า FD เล็กน้อย FDs เล็กน้อยค้างไว้เสมอ •ไม่ใช่เล็กน้อยถ้ามี XY FD ถือ Y ไม่เป็น เซตย่อยของ X แล้วเรียกว่า FD ไม่น่ารำคาญ •สมบูรณ์ไม่ใช่เล็กน้อยถ้าเก็บมี FD XY ที่ x ตัด Y =ø กล่าวเป็น FD สมบูรณ์ไม่น่ารำคาญ Q1 + E1วิธีการค้นหาคีย์ผู้สมัครวิธีการค้นหาด้วยตนเองผมเชื่อว่าวิธีการค้นหาคีย์ผู้สมัครคือการทำขั้นตอนที่ 4:1. คุณลักษณะด้านไม่2. คุณลักษณะด้านขวาแต่ด้านซ้ายไม่3. คุณลักษณะด้านซ้ายแต่ข้างขวาไม่4. ทั้งสองด้านแล้ว จาก 1 และ 3 คุณได้รับแอตทริบิวต์หลักที่ควรมีหมายเลขผู้สมัครของคุณ คุณทดลอง (trialKey +) และถ้าการทำงาน ที่เป็นเลขของผู้สมัครเท่านั้น หากล้มเหลวคุณพยายามเพิ่มนั้นแอตทริบิวต์ในขั้นตอนที่ 4 หนึ่ง และตาม กลุ่ม และยังเอาแอตทริบิวต์ในขั้นตอน 2.ดังนั้นถ้าหลักมาจาก 1 และ 3 มาพูดขอ แล้วในขั้นตอน 2 คุณมี C และในขั้นตอนที่สี่ มี DE จากนั้น ถัดไปพยายามสำหรับคีย์ของคุณสมัครจะ: ABDE คำว่า ABD, ABE คุณไม่มี C. ต่อไป การทำงานกับโปรแกรมขนาดเล็กที่ทำงานในอัลกอริธึมนี้ ทำให้ผู้อื่นหาผู้สมัครคีย์เพียงเป็นง่าย ๆ เป็นใช้อัลกอริทึมบางไม่ได้ นี่จะลงตัวอย่างของกรณีที่แตกต่าง E2 5.ทดสอบถ้าแอตทริบิวต์ในขั้นตอนที่ 4 การปิดการ แอตทริบิวต์ > ในกรณีของเรา ใช่มันเป็น เพราะ WH เราได้ S และ โดยเหลวแหลก เราสามารถนำอี ดังนั้นเรามีคีย์ผู้เดียวเท่านั้น ที่เป็นที่ E3 E4 HE1-2 สรุป นี้ไม่ได้อัลกอริทึมเฉพาะการค้นหาหมายเลขผู้สมัคร อีกวิธีหนึ่งที่มีการค้นหาแอตทริบิวต์ที่อยู่บนทั้งสองด้าน (ดูข้อคิดเห็นของ RandomSpectrum ของฉันโพสต์บล็อกให้ทราบ) ฉันคิดว่า อัลกอริทึมทั้งสองถูกต้อง มันเป็นเพียงเรื่องของการกำหนดลักษณะส่วนบุคคล ผมไม่จะลงคำตอบสำหรับตัวอย่างหนักเพื่อทำให้มันยากแบบนี้ จะได้คำตอบ เพียงแค่ส่งอีเมล์ไป...ปิดสมมติว่า เรามีแบบแผนความสัมพันธ์ต่อไปนี้ ภาพยนตร์ (movieName, whenMade, starName อายุ ที่อยู่) ต่อไป สมมติว่า เรามีการอ้างอิงทำงานต่อไปนี้ movieName  whenMadeอายุ starNamestarName อยู่starName อายุอายุmovieName, starName  whenMade อายุคำถาม: ปิดด้านซ้ายมือของ FD แต่ละคืออะไร โซลูชัน:movieName += {movieName, whenMade }starName += {อายุ ที่อยู่ starName }movieName, starName += {movieName, starName อายุ ที่อยู่ whenMade }เกี่ยวกับการปรับสภาพ ถ้าการออกแบบฐานข้อมูลจะไม่สมบูรณ์ มันอาจประกอบด้วยผิดปกติ ซึ่งเหมือนกับฝันร้ายสำหรับผู้ดูแลฐานข้อมูลใด ๆ การจัดการฐานข้อมูลที่ มีการผิดปกติจะอัพ•ปรับปรุงผิดปกติ-ถ้าข้อมูลอยู่กระจัดกระจาย และไม่เชื่อมโยงกันอย่างถูกต้อง แล้วอาจทำให้สถานการณ์ที่แปลก เช่น เมื่อเราพยายามปรับปรุงข้อมูลรายการหนึ่งที่มีสำเนาของกระจายหลายสถาน กี่กรณีรับการปรับปรุงอย่างถูกต้องในขณะที่ไม่กี่อื่น ๆ เหลือเพียงค่าเก่า กรณีดังกล่าวออกจากฐานข้อมูลในสถานะไม่สอดคล้องกัน•การลบผิดปกติ-เราพยายามที่จะลบระเบียน แต่เหลือบางส่วนยกเลิกลบเนื่องจาก unawareness ข้อมูลจะถูกบันทึกไว้ที่ใดก็ได้•แทรกผิดปกติ-เราพยายามที่จะแทรกข้อมูลในระเบียนที่มีอยู่ทั้งหมด ปรับสภาพเป็นวิธีการที่จะเอาผิดปกติเหล่านี้ และนำฐานข้อมูลไปยังสถานะสอดคล้องกัน ปัญหาไม่ มีการปรับสภาพ โดยไม่เกี่ยวกับการปรับสภาพ มันจะยากในการจัดการ และปรับปรุงฐานข้อมูล โดยไม่ต้องเผชิญกับการสูญเสียข้อมูล แทรก เผยแพร่หนังสือเชิญ และ Anamolies การลบอยู่บ่อย ๆ ถ้าฐานข้อมูลไม่ตามปกติ เข้าใจผิดปกติเหล่านี้ให้ดู: E5 E6 แนวคิดเกี่ยวกับการปรับสภาพ• 1NF - ตารางที่มีคุณสมบัติเป็นความสัมพันธ์

ผลลัพธ์ (ไทย) 2:

พึ่งพาการทำงาน (การขึ้นต่อกันแบบเป็นฟังก์ชัน)
พึ่งพาการทำงาน (FD) เป็นชุดของข้อ จำกัด ระหว่างสองแอตทริบิวต์ในความสัมพันธ์ที่ พึ่งพาการทำงานกล่าวว่าถ้าสอง tuples มีค่าเดียวกันสำหรับแอตทริบิวต์ A1, A2, ... , จากนั้นทั้งสอง tuples ต้องต้องมีค่าเดียวกันสำหรับแอตทริบิวต์ B1, B2, ... , Bn.
พึ่งพาการทำงานเป็นตัวแทนด้วยเครื่องหมายลูกศร ( ) นั่นคือXYที่ X หน้าที่กำหนดวายที่เหลือคุณลักษณะด้าน -hand กำหนดค่าของคุณลักษณะทางด้านขวามือได้.
สัจพจน์ของอาร์มสตรอง
ถ้า F เป็นชุดของการอ้างอิงการทำงานแล้วปิด F ที่แสดงเป็น F * เป็นชุดของการอ้างอิงการทำงานทั้งหมดนัยเหตุผลโดยสัจพจน์เอฟอาร์มสตรองเป็นชุดของกฎที่เมื่อนำมาใช้ซ้ำสร้างปิดการอ้างอิงการทำงาน.
•สะท้อนกฎถ้าอัลฟาเป็นชุดของคุณลักษณะและเบต้า is_subset_of อัลฟา แล้วอัลฟาเบต้าถือ.
•กฎเสริม - หากabถือและ Y คือชุดแอตทริบิวต์แล้ว Ay โดยยังถือ นั่นคือการเพิ่มแอตทริบิวต์ในการอ้างอิงไม่เปลี่ยนอ้างอิงพื้นฐาน.
• Transitivity กฎ -Same ปกครองเป็นสกรรมกริยาในพีชคณิตถ้าabถือและbcถือแล้วยังถือac abเรียกว่าเป็นหน้าที่ที่กำหนดข.
เล็กน้อยฟังก์ชั่นการพึ่งพา
•เล็กน้อยถ้าทำงานพึ่งพา (FD) XYถือที่ Y เป็นส่วนหนึ่งของ X แล้วมันจะเรียกว่าจิ๊บจ๊อย FD จิ๊บจ๊อยรีเลชันมักจะถือ.
•ไม่น่ารำคาญ-ถ้า FD XYถือที่ Y ไม่ได้เป็นส่วนหนึ่งของ X แล้วมันจะเรียกว่าไม่น่ารำคาญ FD.
•สิ้นเชิงไม่น่ารำคาญ-ถ้า FD XYถือ ที่ x ตัด Y = Øมันก็บอกว่าจะสมบูรณ์ไม่น่ารำคาญ FD.
Q1 + E1
วิธีการหากุญแจผู้สมัคร (s)
วิธีการหาด้วยตนเอง
ผมเชื่อว่าวิธีที่ดีที่สุดเพื่อหากุญแจผู้สมัคร (s) โดยการทำขั้นตอนที่ 4:
1 แอตทริบิวต์ไม่มีด้านข้าง
2 แอตทริบิวต์บนด้านขวา แต่ไม่ด้านซ้าย.
3 แอตทริบิวต์ที่ด้านซ้าย แต่ไม่ด้านขวา.
4 ทั้งสองฝ่าย
แล้วตั้งแต่วันที่ 1 และ 3 คุณจะได้รับคุณลักษณะหลักที่สำคัญผู้สมัครของคุณควรมี คุณพยายามที่จะออก (trialKey +) และว่าการทำงานที่เป็นผู้สมัครคนเดียวของคุณ key.If มันล้มเหลวคุณพยายามเพิ่มไปแอตทริบิวต์ในขั้นตอนที่ 4 หนึ่งโดยหนึ่งและกลุ่มโดยกลุ่มและลบแอตทริบิวต์ในขั้นตอน 2.So ถ้าที่ คีย์หลักของคุณมาจาก 1 และ 3 คือสมมติว่า AB.And ในขั้นตอนที่ 2 คุณมีซีและในขั้นตอนที่สี่คุณมี DE จากนั้นก็พยายามต่อไปสำหรับคีย์ผู้สมัครของคุณจะเป็น: ABD, ABE, ABDE คุณไม่ได้รวมซี Anyways, รับการทำงานในโปรแกรมขนาดเล็กที่ควรจะทำงานในขั้นตอนวิธีนี้ ทำให้มันง่ายขึ้นสำหรับคนอื่น ๆ . หากุญแจผู้สมัครเป็นเพียงเป็นง่ายๆเป็นใช้ขั้นตอนวิธีการบางอย่างที่นี่และมี นี่ฉันโพสต์ตัวอย่างของกรณีที่แตกต่างกัน. E2 5.Test ถ้าปิดของคุณลักษณะในขั้นตอนที่ 4 มีคุณลักษณะทั้งหมด> ในกรณีของเราใช่มัน is.Because กับ WH เราจะได้รับ S และเหลวแหลกเราจะได้รับอี ดังนั้นเราจึงมีเพียงที่สำคัญผู้สมัครหนึ่งว่าเป็นใคร. E3 E4 HE1-2 สรุปนี้ไม่ได้เป็นเพียงขั้นตอนวิธีการในการหาผู้สมัครที่สำคัญ อีกวิธีหนึ่งที่รวมถึงการหาแอตทริบิวต์ที่ทั้งสองด้าน (ดูความคิดเห็นของ RandomSpectrum โพสต์บล็อกอื่น ๆ ของฉันรู้เกี่ยวกับมัน) ฉันคิดว่าขั้นตอนวิธีการทั้งสองมีความถูกต้องก็เป็นเพียงเรื่องของการตั้งค่าส่วนตัว ฉันจะไม่โพสต์คำตอบสำหรับตัวอย่างหนักเพียงเพื่อทำให้มันเป็นบิตยาก จะได้คำตอบเพียงส่งอีเมลไป ... เกิดการปิดสมมติว่าเรามีความสัมพันธ์ต่อไปนี้สคี. ภาพยนตร์ (movieName, whenMade, starName อายุที่อยู่) นอกจากนี้สมมติว่าเรามีการพึ่งพาการทำงานต่อไป. movieName  whenMade starName  อายุstarName อยู่starName อายุอายุmovieName, starName  whenMade อายุคำถาม: ปิดทางด้านซ้ายมือของแต่ละ FD คืออะไร? การแก้ไข: movieName + = {movieName, whenMade} starName + = {อายุที่อยู่, starName} movieName, starName + = {movieName, starName อายุที่อยู่, whenMade} ปกติหากมีการออกแบบฐานข้อมูลไม่สมบูรณ์มันอาจจะมีความผิดปกติซึ่งเป็น เหมือนฝันร้ายสำหรับผู้ดูแลระบบฐานข้อมูลใด ๆ การจัดการฐานข้อมูลที่มีความผิดปกติที่เป็นไปไม่ได้เลย. •ปรับปรุงผิดปกติรายการข้อมูลถ้าจะกระจายอยู่และไม่ได้มีการเชื่อมโยงกันอย่างถูกต้องแล้วมันจะนำไปสู่สถานการณ์ที่แปลกประหลาด ตัวอย่างเช่นเมื่อเราพยายามที่จะอัปเดตรายการข้อมูลที่มีสำเนากระจายไปทั่วหลายสถานที่ไม่กี่กรณีที่ได้รับการปรับปรุงอย่างถูกต้องในขณะที่ไม่กี่อื่น ๆ จะถูกทิ้งให้อยู่กับค่าเก่า กรณีดังกล่าวออกจากฐานข้อมูลในสถานะไม่สอดคล้องกัน. •ความผิดปกติการลบเท่านั้นเราพยายามที่จะลบระเบียน แต่บางส่วนของมันถูกทิ้งยกเลิกการลบเพราะไม่รู้ข้อมูลจะถูกบันทึกไว้ยังที่อื่น. •ใส่ความผิดปกติเท่านั้นเราพยายามที่จะแทรกข้อมูลใน บันทึกที่ไม่อยู่เลย. Normalization เป็นวิธีการที่จะเอาความผิดปกติเหล่านี้ทั้งหมดและนำฐานข้อมูลไปยังสถานะที่สอดคล้องกัน. ปัญหาโดยไม่ปกติโดยไม่ต้องฟื้นฟูมันจะกลายเป็นเรื่องยากที่จะจัดการและปรับปรุงฐานข้อมูลโดยไม่ต้องเผชิญการสูญเสียข้อมูล แทรก Updation และการลบ Anamolies บ่อยมากถ้าฐานข้อมูลไม่ได้เป็นปกติ เพื่อให้เข้าใจถึงความผิดปกติเหล่านี้ช่วยให้ดูที่: E5-E6 Normalization แนวคิดตาราง -a • 1NF ที่มีคุณสมบัติเป็นความสัมพันธ์