Vous êtes sur la page 1sur 10

Du modle Entit Relation tendu (EER) au modle relationnel

Akoka-Wattiau

SOMMAIRE
z 1 - Traduction des entits z 2 - Traduction des associations M-N z 3 - Traduction des associations 1-N z 4 - Traduction des associations 1-1 z 5 - Traduction des associations n-aires z 6 Traduction des associations rcursives z 7 - Traduction des liens de gnralisation
Akoka-Wattiau 2

1 - Traduction des entits


Chaque entit devient une table Les attributs de lentit sont les colonnes de la table Lidentifiant de l'entit est la cl de la table
Exemple :
ETUDIANT code nom date naissance ETUDIANT (code, nom, date naissance)

Akoka-Wattiau

2 - Traduction des associations M-N


Dans tous les cas, on cre une table spcifique dont la cl sera compose des identifiants des entits participantes.
Exemple :
EMPLOYE (1,N)

matricule nom

travaille possde % temps

(1,N)

PROJET

code responsable

EMPLOYE (matricule, nom) PROJET (code, responsable) TRAVAILLE (matricule code, % temps)

Akoka-Wattiau

3 - Traduction des associations 1-N


Deux possibilits
On reporte l'identifiant de l'entit ct N dans la table reprsentant l'entit ct 1

Exemple :

EMPLOYE

matricule nom

possde travaille

DEPARTEMENT

code nom
EMPLOYE (matricule, nom, code) DEPARTEMENT (code, nom)

On cre une table spcifique pour traduire l'association

Exemple :

ETUDIANT

inscrit possde date

CHAIRE

numro nom

nom professeur

ETUDIANT (numro, nom) CHAIRE (nom, professeur) ETUDIANT Akoka-Wattiau CHAIRE n ( umro, nom chaire, date)

3 - Traduction des associations 1-N


Un critre de choix : les cardinalits minimales (viter les valeurs nulles)
L'entit participation multiple a une cardinalit minimale 1 => on reporte l'identifiant.
EMPLOYE (1,1)

matricule nom

possde travaille

(1,N)

DEPARTEMENT

code nom
EMPLOYE (matricule, nom, code) DEPARTEMENT (code, nom)

L'entit participation multiple a une cardinalit minimale 0 => on cre une table spcifique.
ETUDIANT (0,1)

inscrit possde date

(1,N)

CHAIRE

numro nom

nom professeur
6

ETUDIANT (numro, nom) Akoka-Wattiau CHAIRE (nom, professeur) ETUDIANT CHAIRE n ( umro, nom chaire, date)

3 - Traduction des associations 1-N


Un autre critre de choix : limportance de la relation (isoler les donnes peu utilises)
Le rattachement au dpartement est trs utilis => on reporte l'identifiant.
EMPLOYE (1,1)

matricule nom

possde travaille

(1,N)

DEPARTEMENT

code nom
EMPLOYE (matricule, nom, code) DEPARTEMENT (code, nom)

Linscription une chaire est peu requise => on cre une table spcifique.
ETUDIANT (0,1)

inscrit possde date

(1,N)

CHAIRE

numro nom

nom professeur
7

ETUDIANT (numro, nom) Akoka-Wattiau CHAIRE (nom, professeur) ETUDIANT CHAIRE n ( umro, nom chaire, date)

3 - Traduction des associations 1-N

A noter que : il y a de fortes corrlations entre les deux situations.

Akoka-Wattiau

4- Traduction des associations 1-1


Une association 1-1 peut tre traduite - Comme une association 1-n particulire - Ou par la fusion en une table des deux entits Critres de choix : - Cardinalits minimales - Usage des donnes

Akoka-Wattiau

Exemple 1 :
Les deux cardinalits minimales sont 1 On construit une seule table contenant les attributs des deux entits. La cl est reporte une seule fois si elle est la mme.
PATIENT (1,1) possde possde (1,1) DOSSIER MEDICAL

n S.S. nom

n S.S. date cration thrapie

PATIENT DOSSIER (N SS, nom, date cration, thrapie) PATIENT (1,1) possde possde (1,1) DOSSIER MEDICAL

n S.S. nom

n dossier date cration thrapie

PATIENT DOSSIER (N SS, nom, N dossier, date cration, thrapie)


Akoka-Wattiau 10

Exemple 2 :
une cardinalit minimale est 0, l'autre est 1 on reporte, dans l'entit dont la participation est totale, lidentifiant de l'autre entit.

PATIENT

(0,1)

n S.S. nom
PERSONNE ( N SS, nom)

possde possde

(1,1)

DOSSIER MEDICAL

n dossier date cration thrapie

DOSSIER MEDICAL (N dossier, N SS, date cration, thrapie)

Akoka-Wattiau

11

Exemple 3 :
les deux cardinalits minimales sont 0 on cre une table spcifique avec les identifiants des deux entits

HOMME

(0,1)

mariage possde date lieu

(0,1)

FEMME

n S.S. nom
HOMME (N SS, nom) FEMME (N SS, nom)

n S.S. nom

MARIAGE (N SS HOMME, N SS FEMME, date, lieu)


Akoka-Wattiau

12

5 - Traduction des associations n-aires


Elles se traduisent par une table spcifique. La seule difficult est de dterminer la cl.
VEHICULE

immatricul
Location

Exemples :

DATE

CLIENT

date

code

LOCATION (immatricul date Code ) fournisseur # four pice # pice FPPD quantit date # date FPPD
Akoka-Wattiau

projet # projet

FPPD (# four, # projet, # pice, # date, quantit)


13

6-

Traduction des associations rcursives


Ce sont des relations binaires particulires Les traduire selon leur type (1-1, 1-N, N-M). Exemples :
homme
(0,1)

PERSONNE n S.S.
(0,1)

mariage

MARIAGE (N SS homme, N SS femme)

femme chef de
(1,1)

EMPLOYE matricule

chef
(1,N)

CHEF (matriculesub, matriculechef)

subordonn composant
(0,N)

PIECE # pice

faitde
(0,N)

FAITDE (# picecomposant, # picecompos)

compos
Akoka-Wattiau 14

7-

Traduction des liens de gnralisation

Principe :
il n'y a pas une seule rgle de traduction des gnralisations mais trois (principales) les critres de choix entre les rgles dpendent des traitements

Akoka-Wattiau

15

* Transformation de la hirarchie de gnralisation en une seule table (rgle 1) Exemple :


PERSONNE N SS nom PERSONNE situation militaire HOMME FEMME nom jeune fille N SS nom sexe situation-militaire nom jeune fille

Avantages : . solution la plus simple en nombre de relations . possible quelle que soit la hirarchie (totale / partielle, exclusive / non exclusive) Inconvnients : . peut gnrer beaucoup d'attributs avec des valeurs nulles . les traitements oprant Akoka-Wattiau sur les spcifiques devront d'abord 16 slectionner ces spcifiques

* Transformation de la hirarchie de gnralisation en supprimant l'entit gnrique (rgle 2) Exemple :


PERSONNE N SS nom HOMME situation militaire HOMME FEMME nom jeune fille N SS nom situation-militaire NSS FEMME nom nom jeune fille

Avantages : intressant quand le concept gnrique n'est pas important Inconvnients : . impossible quand la gnralisation est partielle ou avec recouvrement
. perte de smantique : notion de PERSONNE Akoka-Wattiau . les traitements sur le gnrique devront oprer sur toutes les tables spcifiques
17

* Transformation de la hirarchie gnralisation en associations (rgle 3) Exemple :


numro PROFESSEUR nom PROFESSEUR PERMANENT VACATAIRE (0,1) permanent salaire nombre d'heures (1,1) PERMANENT (1,1) VACATAIRE nombre d'heures (0,1) vacataire numro nom

de

salaire

Avantages :
. possible quel que soit le type de hirarchie . pas de perte de smantique

Inconvnients :
. schma rsultant assez complexe
Akoka-Wattiau 18

* Elments de choix entre les trois transformations.


La rgle 2 est rejeter si la hirarchie n'est pas totale et exclusive. On considre les traitements (et leur frquence) : si les traitements utilisant de faon combine les attributs du gnrique et des spcifiques sont prpondrants, on utilise la rgle 2.

Sinon on utilise les rgles 1 ou 3 selon les cas suivants :


- si les principaux traitements de mise jour se font surtout sur l'ensemble des attributs (gnriques et spcifiques), on utilise la rgle 1 - sinon on utilise la rgle 3.
Akoka-Wattiau 19

Conclusion
z Certaines rgles sont automatisables z Certains AGL (upper-cases) traitent cette traduction avec les rgles standards z Cependant, il y a de nombreux cas o le concepteur doit intervenir :
{ choix entre diffrentes traductions { redfinition des cls dans les relations N-aires

z Parfois, des considrations de traitement (niveau physique) sont anticipes


Akoka-Wattiau 20