Количественные метрики концептуальной схемы базы данных

Размещено на http://www.allbest.ru/

Волжский политехнический институт (филиал) Волгоградский государственный технический университет

Количественные метрики концептуальной схемы базы данных

Рыбанов Александр Александрович, кандидат наук, доцент, заведующий кафедрой

Аннотация

метрика база данные нотация

Статья посвящена вопросу получения количественных метрик ER-диаграмм проектируемых баз данных с целью последующей оценки их сложности и прогнозирования сроков реализации проекта.

Одним из инструментов моделирования данных на этапах анализа и проектирования являются ER-диаграммы (Entity-Relationship, «Сущность-Связь») [6]. ER-диаграммы позволяют строить концептуальные модели структуры данных предметной области, а так же производить моделирование физической структуры систем хранения данных.

В настоящее время существуют различные подходы к оценке сложности баз данных [1, 2, 4, 5], но анализ сложности ER-диаграмм позволяет на начальных этапах проектирования баз данных [3, 9, 10] прогнозировать сроки реализации проекта. Сопоставление значений метрик концептуальной модели данных текущего проекта с аналогичными метриками уже реализованных проектов позволит разработчикам баз данных более обоснованно делать выводы о стоимости затрат и сроках реализации текущего проекта.

Набор метрических характеристик для оценки концептуальной модели данных приведен в таблице 1.

Таблица 1. Метрики концептуальной модели данных

Дадим пояснения некоторым понятиям концептуальной модели данных [8].

Простой атрибут состоит из одного компонента, его значение неделимо.

Составной атрибут является комбинацией нескольких компонентов, возможно, принадлежащих разным типам данных (например, ФИО или адрес). Решение о том, использовать составной атрибут или разбивать его на компоненты, зависит от характера его обработки и формата пользовательского представления этого атрибута.

Производный атрибут - атрибут, который пользователь может предположить, но не может непосредственно записать. В базе данных эти производные атрибуты могут быть вычислены из других данных. В модели Чена, производный атрибут отображается в пунктирном овале.

Многозначный атрибут - атрибут, который может иметь более одного значения для данного экземпляра сущности. Многозначный атрибут в модели Чена отображается как двойной овал.

Связь обобщение/специализация: при обобщении аналогичные типы объектов группируются под одним, более старшим типом объекта; при специализации происходит разделение некоторого общего множества (например, объектов) на подмножества.

Приведем ER-диаграмму в нотации Чена (рис. 1), для которой применимы рассмотренные метрические характеристики.

Рис. 1. Пример диаграммы №1 в нотации Чена

Метрические характеристики для представленного примера ER-диаграммы в нотации Чена (рис. 1) приведены в таблице 2.

Таблица 2. Метрики концептуальной модели данных №1

Для ER-диаграммы, представленной на рис. 2, значения метрических характеристик приведены в таблице 2.

Рис. 2. Пример диаграммы №2 в нотации Чена

Таблица 2. Метрики концептуальной модели данных №2

ER-диаграммы, представленные на рис. 1-2 имеют различную структуру. Сопоставление нормированных значений метрик для расмотренных ER-диаграмм приведено на рис. 3.

Рис. 3. Нормированные значения количественных метрик ER-диаграмм

Для дальнейшего расчета сложности ER-диаграммы необходимо определить веса для каждого типа метрики.

Автоматизированное определение метрических характеристик для ER-диаграмм и определение их сложности является труднореализуемой [7] и актуальной на сегодняшний день задачей, решение которой возможно на основе анализа созданных в редакторе graphity (http://live.yworks.com/graphity/) ER-диаграмм, представленных в виде файлов формата .graphml.

Список литературы

1. Азаров А.В., Рыбанов А.А. Автоматизированная система расчета метрических характеристик физической схемы базы данных с целью оценки трудоемкости процесса проектирования // Современная техника и технологии. 2014. № 5 (33). С. 39.

2. Кузьмин А.А., Рыбанов А.А. исследование методов количественной оценки схем реляционных баз данных // Успехи современного естествознания. 2011. № 7. С. 137-138.

3. Морозов А.О., Рыбанов А.А. Разработка автоматизированной системы расчета метрических характеристик mysql базы данных на основе концептуального графа физической схемы // NovaInfo.Ru. 2015. Т. 2. № 34. С. 34-48.

4. Рыбанов А.А. Анализ базовых возможностей программных продуктов для исследования метрических характеристик баз данных // NovaInfo.Ru. 2015. Т. 2. № 33. С. 20-28.

5. Рыбанов А.А. Оценка сложности физической схемы реляционной базы данных//Современная техника и технологии. 2014. № 9 (37). С. 26-30.

6. Рыбанов А.А., Коростелев Р.А., Киселев В.В. IDEF1X-модель базы данных web-ориентированной информационной системы оценки семантического качества меню пользователя // Молодой ученый. 2013. № 5. С. 170-172.

7. Рыбанов А.А., Морозов А.О. Автоматизация расчета метрических характеристик физических схем баз данных на основе концептуальных графов // Молодой ученый. 2014. № 9 (68). С. 26-30.

8. Рыбанов А.А., Усмонов М.С.О., Попов Ф.А., Ануфриева Н.Ю., Бубарева О.А. Информационные системы и технологии / Научный ред. И. А. Рудакова / Центр научной мысли (г. Таганрог). Москва, 2013. Том Часть 4. -90 с.

9. Рыбанов А.А., Фатеенков М.М. Разработка и анализ хранимой процедуры для получения глубины дерева связей таблицы и схемы базы данных // NovaInfo.Ru. 2015. Т. 1. № 34. С. 41-55.

10. Черняев А.О., Рыбанов А.А. Разработка и исследование алгоритмов автоматизированного проектирования логических схем реляционных баз данных // В мире научных открытий. 2010. № 4-11. С. 128-129.

Размещено на Allbest.ru