 Your new post is loading...
Your new post is loading...
Scoop.it!
You can use this MySQL function to generate names, (e-mail)addresses, phone numbers, urls, bit values, colors, IP address, etc.. As usual, the code is provided in a zip and the code is fully documented. 
No comment yet.
Sign up to comment
Scoop.it!
Below you will find all code to create the table and the stored procedures to manage hierarchical trees in MySQL. All code is documented.
Mickael Ruau's insight:
The following stored procedures are provided: tree_add_root()tree_add_node(id,name,label,description)tree_update_node(id,label,description)tree_get_all(depth,indentstring)tree_get_branch(id,depth,indentstring)tree_get_branch_by_name(parentname,name,depth,indentstring)tree_get_parents(id,indentstring)tree_swap_leafs(id1,id2)tree_del(id)All code is documented and can be downloaded in a zip file.
Scoop.it!
Apache Xindice is a database designed from the ground up to store XML data or what is more commonly referred to as a native XML database.
Scoop.it!
Modified Preorder Tree Traversal Now, let’s have a look at another method for storing trees. Recursion can be slow, so we would rather not use a recursive function. We’d also like to minimize the number of database queries.
Mickael Ruau's insight:
We’ll start by laying out our tree in a horizontal way. Start at the root node (‘Food’), and write a 1 to its left. Follow the tree to ‘Fruit’ and write a 2 next to it. In this way, you walk (traverse) along the edges of the tree while writing a number on the left and right side of each node. The last number is written at the right side of the ‘Food’ node. In this image, you can see the whole numbered tree, and a few arrows to indicate the numbering order. We’ll call these numbers left and right (e.g. the left value of ‘Food’ is 1, the right value is 18). As you can see, these numbers indicate the relationship between each node. Because ‘Red’ has the numbers 3 and 6, it is a descendant of the 1-18 ‘Food’ node. In the same way, we can say that all nodes with left values greater than 2 and right values less than 11, are descendants of 2-11 ‘Fruit’. The tree structure is now stored in the left and right values. This method of walking around the tree and counting nodes is called the ‘modified preorder tree traversal’ algorithm.
Scoop.it!
Most users at one time or another have dealt with hierarchical data in a SQL database and no doubt learned that the management of hierarchical data is not what a relational database is intended for. The tables of a relational database are not hierarchical (like XML), but are simply a flat list. Hierarchical data has a parent-child relationship that is not naturally represented in a relational database table.
Mickael Ruau's insight:
What I would like to focus on in this article is a different approach, commonly referred to as the Nested Set Model. In the Nested Set Model, we can look at our hierarchy in a new way, not as nodes and lines, but as nested containers.
Scoop.it!
In this article I'll investigate two out of four well known approaches to accomplishing this and show a connection between them. We'll discover a new method that could be considered as a "mix-in" between materialized path and nested sets.
Mickael Ruau's insight:
Calculating Materialized Path and Distance between nodes
Strictly speaking, we don't have to use a materialized path, since our encoding is an alternative. On the other hand, a materialized path provides a much more intuitive visualization of the node position in the hierarchy, so that we can use the materialized path for input and output of the data if we provide the mapping to our model. Implementation is a simple application of the methods from the previous section. We print the sibling number, jump to the parent, then repeat the above two steps until we reach the root:
Scoop.it!
DB_NestedSet let's you create trees with infinite depth
Mickael Ruau's insight:
The package provides a way to
Scoop.it!
Bases de données relationnelles et normalisation : de la première à la sixième forme normale
Scoop.it!
Propriétés des dépendances fonctionnelles (ou axiomes d'Amstrong)DF1 : réflexivité Y inclus-ou-egal X => X -> YDF2 : augmentation X -> Y => X,Z -> Y,ZDF3 : transitivité X -> Y ET Y -> Z => X ->ZDF4 : pseudo-transitivité X -> Y ET Y,W -> Z => X,W -> ZDF5 : union X -> Y ET X -> Z => X -> Y,ZDF6 : décomposition X -> Y ET Y Z => X -> Z
Mickael Ruau's insight:
Algorithme de décomposition : entrée : un schéma relationnel (ensemble d'attributs) et un ensemble E de DF entre ses attributssortie : une ou plusieurs relations en 3FN dont la jointure redonne la relation initiale (par contre des DF de E ont pu être perdues)principe: l'algorithme peut se voir comme la construction d'un arbre binaire. La racine de cet arbre est la relation à décomposer. L'arbre se construit récursivement de la manière suivante :on choisit une DF dfi dans l'ensemble E des DFle fils gauche du noeud racine est une relation composé de tous les attributs de dfidfi est retirée de l'ensemble Ele fils droit du noeud racine est une relation composée de tous les attibuts de la racine excepté ceux présents en partie droite de dfiProblèmes : la solution dépend du choix des DF selon lesquelles on choisit de décomposer et il ne préserve pas nécessairement les DF. On sait néanmoins que toute relation admet une décomposition en 3FN qui préserve les DF. Il existe un algorithme dit de synthèse qui permet d'obtenir une décomposition 3FN qui préserve les DF. Il est basé sur le calcul de la couverture minimale (ou irredondante) d'un ensemble de DF.
Scoop.it!
Soit un schéma de relation R, et une couverture minimale F' de dépendances fonctionnelles s'appliquant sur R. Une décomposition SPI de R, qu'on appellera D, est construite de manière itérative : D est initialisée à R,Soit T une relation de D qui ne soit pas FNBC. Cela signifie qu'il y a une dépendance fonctionnelle X -> A s'appliquant sur T telle que X n'est pas clé de T, et que A n'est pas un sous-ensemble de X. On décompose alors T en T1 contenant A et les attributs de X, et T2 contenant tous les attributs de T sauf A,D est réinitialisée avec T1 et T2, et on boucle sur b) jusqu'à ce que toutes les relations soient FNBC.
Scoop.it!
Soit un schéma de décomposition T = {R1, R2, …, Rk}, et un ensemble F de dépendances fonctionnelles. Soit P Z (F) l'ensemble des dépendances fonctionnelles {X -> Y} appartenant à F+ (fermeture de F), et tel que XY Í Z. On dit que T préserve les dépendances fonctionnelles si P R1 (F) ÈP R2 (F) … ÈP Rk (F) permet de retrouver l'ensemble F d'origine.
Mickael Ruau's insight:
Remarque : cette contrainte est importante car elle signifie lorsqu'elle est vérifiée que les contraintes d'intégrité de la relation R seront conservées avec la décomposition.
Scoop.it!
La fermeture d'un ensemble d'attributs X, notée (X)+, représente l'ensemble des attributs de R qui peuvent être déduits de X à partir d'une famille de dépendances fonctionnelles en appliquant les axiomes d'Armstrong. Ainsi, Y sera inclus dans (X)+ ssi X -> Y.
Mickael Ruau's insight:
Algorithme de calcul de la couverture minimale : écrire toutes les dépendances fonctionnelles de F sous la forme X -> A, où X est un groupe d'attributs de R, et A un attribut élémentaire. Les dépendances fonctionnelles du type X -> A1 A2 … An sont remplacées par n dépendances fonctionnelles X -> Ai.essayer de supprimer des dépendances fonctionnelles en utilisant la notion de fermeture d'un ensemble d'attributs, (X)+.
Scoop.it!
Dans une base de données relationnelle, une forme normale désigne un type de relation particulier entre les entités. Le but essentiel de la normalisation est d'éviter les anomalies transactionnelles pouvant découler d'une mauvaise modélisation des données et ainsi éviter un certain nombre de problèmes potentiels tels que les anomalies de lecture, les anomalies d'écriture, la redondance des données et la contre-performance. La normalisation des modèles de données permet de vérifier la robustesse de leur conception pour améliorer la modélisation (et donc obtenir une meilleure représentation) et faciliter la mémorisation des données en évitant la redondance et les problèmes sous-jacents de mise à jour ou de cohérence. La normalisation s’applique à toutes les entités et aux relations porteuses de propriétés.
|
Scoop.it!
Setting the mode to STRICT_ALL_TABLES when you compile your stored procedure or function can prevent a lot of subtle bugs in your MySQL application. See how to prevent it.
Scoop.it!
Most users at one time or another have dealt with hierarchical data in a SQL database and no doubt learned that the management of hierarchical data is not what a relational database is intended for. The tables of a relational database are not hierarchical (like XML), but are simply a flat list. Hierarchical data has a parent-child relationship that is not naturally represented in a relational database table. F
Mickael Ruau's insight:
The book covers advanced topics which I have not covered in this article, and provides additional methods for managing hierarchical data in addition to the Adjacency List and Nested Set models.
Scoop.it!
This set-oriented method for representing trees in SQL runs orders of magnitude faster than the adjacency list method.
Scoop.it!
Whether you want to build your own forum, publish the messages from a mailing list on your Website, or write your own CMS: there will be a moment that you'll want to store hierarchical data in a database.
Mickael Ruau's insight:
Cette première page explore la technique de l'association récursive et ses défauts.
Scoop.it!
Getting Started
To help guide us through this tutorial we will be using a MySQL database with two tables, categories and products. The SQL dump is provided here. The name of the database is "hierachy".
Mickael Ruau's insight:
This tutorial follows on from the work of Mike Hillyer of MySQL AB. His original tutorial can be found at http://dev.mysql.com/tech-resources/articles/hierarchical-data.html
Scoop.it!
From
evolt
A world community for web developers, evolt.org promotes the mutual free exchange of ideas, skills and experiences.
Mickael Ruau's insight:
RecursionStackFlat TableModified Preorder Tree Traversal Algorithm
Scoop.it!
Mickael Ruau's insight:
SELECT liste_col
Exemples arborescence complète chef vers subordonné Organigramme horizontal Select lpad(E.ENAME,LENGTH(E.ENAME)+(LEVEL-1)*3,'+') "Organigramme horizontal" Organigramme horizontal
Scoop.it!
Règles de passage de l'algèbre relationnelle vers SQL
Mickael Ruau's insight:
Soient R(X) et S(Y) deux relations de schémas distincts, T(V,W), U(W,Z) deux relations ayant un ensemble d'attributs communs, Q1(X), Q2(X) deux relations de même schéma et P(W). sélectionSELECTION condition (R)select *from Rwhere conditionprojectionPROJECTION A1, ..., An (R)select distinct A1, ..., An from Ropérateurs ensemblistes Q1 UNION Q2, Q1 select * from Q1 from T, U where T.W=U.W (en réalité égalité sur tous les attributs communs)produit cartésienR X S select R.*, S.* from R, S where conditiondivision T / P avec P partie de T select Vfrom T group by V having count(distinct W) >= (select count(distinct W) from P)
Scoop.it!
Soit un schéma de relation R, et une couverture minimale F' de dépendances fonctionnelles s'appliquant sur R. Une décomposition SPI et SPD de R, qu'on appellera D, est construite de la façon suivante : pour chaque dépendance fonctionnelle X -> A, on crée une relation Ri (X, A),si on a plusieurs dépendances fonctionnelles telles que X -> A1, X -> A2, …, X -> An, alors on regroupe tous ces attributs dans une même relation Rj (X, A1, A2, …, An),les attributs n'apparaissant dans aucune relation (pas présents dans les dépendances fonctionnelles) sont regroupés dans une même relation,pour avoir une décomposition SPI, il faut s'assurer qu'il y ait au-moins une clé de R dans une des relations de décomposition. Si ce n'est pas le cas, il faut soit ajouter une relation contenant une clé de R, soit ajouter des attributs dans une des relations de décomposition afin de satisfaire cette contrainte.
Scoop.it!
a1 = a2 => b1 = b2, a1, a2, b1, b2 étant des réalisations (valeurs) des attributs A et B dans des n-uplets de la base de données. On dit alors que A "détermine" B, et on note A -> B.
Scoop.it!
La décomposition de R est dite SPI "sous F" si : " r satisfaisant F, r = P R1 (r) jointure P R2 (r) … jointure P Rk (r)
Mickael Ruau's insight:
La "méthode des tableaux" permet de vérifier qu'une décomposition se fait sans perte d'information. Elle comprend trois phases : on construit un tableau avec autant de colonnes que d'attributs Aj, et autant de lignes que de schémas de décomposition Ri,on effectue un remplissage initial du tableau qui correspond à la décomposition envisagée, et on procède de la façon suivante : à l'intersection de la ligne i et de la colonne j, on met aj si l'attribut Aj appartient au schéma de relation Ri, bij sinon,pour chaque dépendance fonctionnelle X -> Y appartenant à F, on cherche des lignes du tableau pour lesquelles les éléments correspondant à tous les attributs de X sont égaux. Si c'est le cas, on égalise les éléments de ces lignes pour les attributs de Y :si au-moins un des éléments correspondant à Y est égal à aj, alors tous les autres sont égalisés à aj, sinon, les éléments sont égalisés à bij.En fin de parcours, si une des lignes est remplie de a, alors la décomposition est SPI.
Scoop.it!
Mickael Ruau's insight:
Le concept ACID fonctionne très bien pour les bases de données relationnelles qui répondent aux objectifs précédemment cités.
Cependant, avec le développement du Cloud computing et des systèmes distribués, de nouvelles bases de données ont été conçues pour répondre à des contraintes différentes. Un nouveau concept opposé à ACID est apparu, le concept BASE : - Basic Availability : le sytème doit toujours être accessible. - Soft state : l'état de la base de données n'est pas garanti à un instant t. - Eventually Consistent : la cohérence des données à un instant t n'est pas primordiale.
|
When creating random test data it is important that the data matches your domain values. Just a random string generated with a MD5 hash does not resemble real data and cannot be used for testing. There are some tools that you can buy to generate meaningful test data, but you can do this with a simple function in your database, free of charge