Académique Documents
Professionnel Documents
Culture Documents
Création de Bases de Données
Création de Bases de Données
Synthse
de cours
&
exercices
corrigs
Cration de
bases de donnes
Toutes les tapes de la cration dune base
de donnes, de lanalyse la ralisation
laide du langage SQL
Les mcanismes de prservation et de
scurisation des donnes
Des ressources sur www.pearson.fr :
fichiers des donnes et textes des requtes
collection
Synthex
Nicolas Larrousse
Informatique
Synthse
de cours
&
exercices
corrigs
Cration de bases
de donnes
Nicolas Larrousse
CNRS
Avec la contribution de ric Innocenti
Universit de Corse Pasquale Paoli
collection
Synthex
ISBN : 978-2-7440-7386-1
ISSN : 1768-7616
Aucune reprsentation ou reproduction, mme partielle, autre que celles prvues l'article L. 122-5 2
et 3 a) du code de la proprit intellectuelle ne peut tre faite sans l'autorisation expresse de Pearson
Education France ou, le cas chant, sans le respect des modalits prvues l'article L. 122-10 dudit code.
Sommaire
Lauteur
Le relecteur
VII
Avant-propos
IX
1
2
4
13
17
19
20
20
22
27
28
30
35
40
44
55
56
60
68
70
Exercices
Chapitre 4 SQL
1 Concepts du langage SQL
2 Oprations relationnelles avec SQL
3 Gestion de tables et de vues
4 Gestion des donnes
Exercices
76
82
95
96
97
110
116
120
Sommaire III
IV
127
128
129
134
141
148
157
158
161
166
173
176
Annexe
183
Bibliographie
189
Index
191
Lauteur
Nicolas Larrousse est ingnieur au CNRS. Spcialis en informatique, il enseigne les bases
de donnes au niveau Master luniversit de Versailles Saint-Quentin-en-Yvelines et au
service de formation permanente de luniversit Pierre et Marie-Curie Jussieu. Il est
responsable dun atelier sur les outils informatiques pour le master de sciences cognitives de
lcole normale suprieure (Ulm). Il a mis en place une formation de type IUP (bac + 4) en
informatique luniversit dAntananarivo (Madagascar). Il a particip la conception et
la mise en uvre de nombreuses bases de donnes, essentiellement dans le domaine
documentaire lINIST (CNRS). Il est impliqu dans le programme des formations
TRANSFER de lAUF (Agence universitaire de la francophonie), o il soccupe plus
particulirement des formations rseaux et des certifications Linux.
Avant-propos V
Le relecteur
ric Innocenti est matre de confrences en informatique luniversit de Corse Pasquale Paoli. Il
est responsable pdagogique des filires SRC (Services et Rseaux de Communication) et LPM
(Licence Professionnelle Multimdia). Il enseigne lalgorithmique, la programmation ainsi que
les systmes dinformation lInstitut universitaire de technologie. Son parcours professionnel la
conduit de la gestion informatique pour le compte de socits prives la recherche
universitaire o il travaille sur la modlisation et la simulation informatique des systmes
complexes. Il est galement auteur de progiciels de gestion et continue dexercer la fonction
danalyste consultant auprs dentreprises et dadministrations.
Le relecteur VII
Avant-propos
Objectifs de louvrage
Le but de cet ouvrage est de proposer une mthode ceux qui veulent concevoir un systme
dinformation robuste et volutif en vitant les cueils classiques aboutissant des donnes
inutilisables. En effet, une mauvaise conception de dpart conduit stocker des donnes
inutiles (redondance) et ainsi gnrer des incohrences. Par ailleurs, une structure de donnes inadapte peut provoquer des erreurs fondamentales dexpression dans linterrogation
de la base de donnes.
Il nest pas ais de prsenter dans un seul ouvrage toutes les facettes du monde des bases de
donnes de lenqute pralable la ralisation pratique en SQL et il a donc fallu oprer
certains choix pour ne conserver que lessentiel. La bibliographie propose permet dapprofondir les diffrents sujets prsents dans louvrage. La langue utilise est volontairement
peu technique pour rendre accessibles les concepts au public dbutant vis. Louvrage
sadresse des tudiants, de toutes les filires, qui dbutent dans ce domaine, mais aussi aux
professionnels qui veulent mettre en place une base de donnes, mme de taille modeste. En
effet, les problmes pratiques que pose la ralisation dune base de donnes se retrouvent
toutes les chelles, et ces aspects sont traits dans cet ouvrage au mme niveau que les
notions thoriques.
Organisation de louvrage
Le chapitre 1 est une introduction la notion de base de donnes et aux mtiers associs. Il
propose une mise en perspective de lvolution des bases de donnes, mais aussi de leur utilisation (fouille de donnes, entrepts de donnes, etc.).
Les chapitres 2, 3 et 4 dcrivent les diffrentes tapes de la conception dune base de
donnes : la construction du modle conceptuel (entit-association dans cet ouvrage), le
passage au modle relationnel puis la ralisation avec le langage SQL.
Avant-propos IX
Le chapitre 5 reprend les notions prsentes dans les chapitres prcdents en les appliquant
un exemple concret, ainsi trait de manire complte. Un regard critique sur la modlisation
effectue conduit la remise en cause et lvolution du modle.
Le chapitre 6 est consacr la prservation des donnes. En effet, une fois le processus de
cration ralis, on doit mettre en uvre des outils pour garantir la prennit des donnes. Aprs avoir nonc quelques conseils gnraux, on prsente ici les deux outils fondamentaux que sont les transactions et les dclencheurs (triggers).
Notation
Les mots importants dune section sont mis en exergue par lutilisation de gras. Lorsque
lon fait rfrence des objets dfinis dans louvrage, par exemple une table, ils sont entre
guillemets simples (). Afin que la lecture soit facilite et les confusions vites, un mot
unique par chapitre a t choisi pour dsigner les synonymes que constituent les termes
attribut , champ et colonne . Le terme attribut est utilis dans le chapitre 2
pour le modle entit-association, le terme champ est utilis dans le chapitre 3 pour le
modle relationnel et le terme colonne est utilis dans le chapitre 4 consacr SQL. Les
noms des entits, des associations et de leurs attributs sont accentus dans le chapitre 2
alors que les noms des tables, des relations et de leurs champs ne sont pas accentus dans
les chapitres 3 et 4 car ils sont utiliss directement dans le code SQL ainsi que dans les
SGBD, qui ne les acceptent pas systmatiquement.
Les mots cls du langage SQL sont en majuscules pour les diffrencier facilement des parties variables que sont les noms des colonnes et des tables qui sont en minuscules. Dans
la mesure du possible, les exemples en SQL sont indpendants du SGBD employ.
Ressources complmentaires
Les scripts prsents dans louvrage sont accessibles sur le site de Pearson Education
France (http://www.pearsoneducation.fr), diteur de louvrage. Vous y trouverez galement des jeux de donnes pour les bases de donnes que lon utilise ici ainsi que les scripts
de cration des diffrentes tables.
Remerciements
Je tiens remercier ric Innocenti pour son implication dans le projet. Je remercie particulirement Christophe Lenne, chez Pearson Education France, notamment pour sa
patience.
Chapitre
Introduction aux
bases de donnes
1. Quest-ce quune base
de donnes ? .............................2
2. volution des bases de donnes
et de leur utilisation ....................4
3. Systmes de gestion de bases
de donnes ..............................13
dclarations de revenus.
Exercices
Chapitre
directement dans le code, ce qui rend leur utilisation difficile par dautres programmes, en
particulier lorsque lon modifie cette structure. Ce que lon recherche en utilisant une base
de donnes est dassurer lindpendance entre le traitement et les donnes. Cest pourquoi,
il est ncessaire que lapplication obtienne des informations sur la structure des donnes
(nom, type, taille, etc.). Pour ce faire, on associe la base de donnes une description que
lon appelle mtadonne ou catalogue . Cette dernire dcrit la structure interne de
la base de donnes qui est spcifique au SGBD employ (voir figure 1.1). En plus de la
structure et du type des donnes, on stocke galement cet endroit les informations concernant les rgles de cohrence des donnes abordes la section suivante.
Figure 1.1
Base de donnes
de CD et
mtadonne.
NumCD
Chane de caractres
de taille 30
Nombre entier
suprieur 1
Titre
Musicien
Label
Anne
Streetwise
Olivier Temime
Nocturne
1978
Underground
Thelonious Monk
Columbia
2005
Two a day
Chet Baker
Dreyfus
1968
Lide gnrale est que lutilisateur ou lapplication utilisatrice des donnes ne doit pas tre
dpendante de leur reprsentation interne, ce qui constitue une abstraction des donnes.
Cest la raison pour laquelle on utilise une description des donnes sous la forme dun
modle pour permettre la restitution la plus efficace possible de linformation.
pertinents sont retourns lors dune interrogation. La redondance est parfois plus dlicate identifier. Si lon considre le cas trs simple dun carnet dadresses qui contiendrait en mme temps le code postal et le nom de la ville, elle est ici vidente.
Tableau 1.1
Exemple de
redondance de
linformation.
Nom
Tlphone
Ville
Code postal
Jaco
0668541087
Bordeaux
33000
Stanley
0654789254
Nancy
54000
Marcus
0658741263
Bordo
33000
Charles
0639517720
Nancy
54000
Steve
0659874120
Boredeaux
33000
On remarque que lon stocke plusieurs fois la mme association dinformation (par exemple, Nancy et 54000), ce qui consomme de la place inutilement et peut devenir significatif
lorsque la base atteint quelques millions denregistrements.
De plus il existe des incohrences dans la saisie du nom de la ville Bordeaux. La recherche
par le nom Bordeaux ne donnera pas le mme rsultat que la recherche par le code
33000.
On verra plus loin que lapproche relationnelle procure des outils capables de dtecter et
damliorer considrablement ce genre de problmes de qualit des bases de donnes.
2.1 CONTEXTE
partir des annes 1960, les ordinateurs voluent rapidement. Ils sont de plus en plus performants mais aussi de plus en plus rpandus du fait de leur cot plus raisonnable. Leur
utilisation change galement ; on passe de la notion de calculateurs purs des machines
capables aussi de traiter de linformation. On parvient un niveau dabstraction supplmentaire par rapport aux machines et on obtient en consquence une indpendance par
rapport larchitecture et surtout par rapport aux constructeurs.
La dcennie des annes 1970 est une priode faste pour la recherche et linnovation en
informatique dont les rsultats sont encore utiliss aujourdhui. On peut utiliser des langages de programmation de haut niveau, afin de guider, voire de faonner, la dmarche du
programmeur (Pascal), et lon envisage des systmes dexploitation indpendants de la
machine employe (Unix). Cest galement cette poque que lon pose les fondements
des techniques qui sont utilises dans les rseaux (TCP/IP), en particulier pour Internet.
Cest dans ce contexte favorable que E. F. Codd dfinit et dveloppe lapproche relationnelle en base de donnes.
Chapitre
Lobjectif principal est dloigner lutilisateur des dtails dimplmentation et de faciliter
ainsi lusage de linformatique. Un autre but est de rendre gnriques et rutilisables
les dveloppements informatiques, parfois devenus caducs en raison dun changement de
machine. Dans le domaine des bases de donnes, le dveloppement de larchitecture
trois niveaux constitue une premire tape importante. Les fonctionnalits des systmes
de bases de donnes sont spares en trois niveaux : niveau physique, niveau logique et
niveau externe.
2.2 MODLES
Les modles de donnes correspondent la manire de structurer linformation dans une
base de donnes. Ils reposent sur les principes et les thories issus du domaine de la
recherche en informatique et permettent de traduire la ralit de linformation vers une
reprsentation utilisable en informatique.
Personne
Nom
Prnom
NumINSEE
Voiture
Logement
Marque
Type
Couleur
Numro
Rue
Ville
Type
Modle relationnel
En 1970, E. F. Codd propose un nouveau modle relationnel dans un article rest
clbre : A Relational Model of Data for Large Shared Data Banks , CACM 13, no 6, June
1970. Il cherche crer un langage dinterrogation des bases de donnes plus proche du
langage naturel. Dans cette optique, il fonde sa recherche sur des concepts mathmatiques
rigoureux, tels que la thorie des ensembles et la logique du premier ordre. Le modle relationnel permet de modliser les informations contenues dans les bases de donnes en utilisant des relations, cest--dire des ensembles dattributs (voir figure 1.3).
De lide de dpart la ralisation dun produit utilisable, le laps de temps est souvent de
lordre dune dcennie. La mise en uvre des ides de Codd se fait chez IBM dans le cadre
du projet de recherche System-R. Le premier produit commercial sera non pas le fait
dIBM, mais celui dHoneywell en 1976. Il sera suivi dun produit rellement abouti de
chez Relationnel Software en 1980 : Oracle, qui a connu le succs que lon sait. De son ct
IBM en tirera un produit qui deviendra DB2.
Toujours dans le cadre du projet de recherche System-R, E. F. Codd met au point, en
mme temps que le modle relationnel, un langage dinterrogation des donnes, SEQUEL,
qui deviendra ensuite SQL (Structured Query Language). La normalisation du langage
SQL ds 1986 par lANSI (institut de normalisation amricaine), puis par lISO (organisation internationale de normalisation), a assur pour une grande partie le succs du
modle relationnel auprs des entreprises. Fait rare dans le monde informatique, ce langage a t adopt par la quasi-totalit des diteurs commerciaux qui participent activement son volution. SQL est devenu le standard de fait, mme si aucun diteur ne
respecte la lettre la norme. Dailleurs, partir de SQL 2, il existe une dfinition de quatre
niveaux de compatibilit avec la norme officielle. La normalisation de ce langage garantit
sa prennit, mme si son volution sen trouve ralentie. Les requtes crites pour un
SGBD fonctionnent en gnral sans trop de modifications avec un autre SGBD, ce qui permet denvisager des migrations moins douloureuses et de conserver une partie de linvestissement initial.
Figure 1.3
Modle
relationnel.
Cote
Titre
Auteur
Editeur
J. M. Rifflet
MC Graw Hill
G. Gardarin
Eyrolles
C. Baroudi
First Interactive
Le langage C
C. Delannoy
Eyrolles
P. Larousse
Larousse
D. Hofstadter
Modle objet
Dans le sillage du dveloppement des langages orients objet (C++, Java) dans les
annes 1980, le concept objet a t adapt aux bases de donnes. Plusieurs raisons, en
dehors des qualits reconnues de lapproche objet, ont conduit dfinir une extension
objet pour les bases de donnes (voir figure 1.4).
La premire est que le modle relationnel, dans sa simplicit, ne permet pas de modliser
facilement toutes les ralits. La deuxime est quun objet permet de reprsenter directement un lment du monde rel. Les structures dlments complexes se retrouvent souvent disperses entre plusieurs tables dans lapproche relationnelle classique. De plus, le
concept objet est mieux adapt pour modliser des volumes de texte importants ou
dautres types de donnes multimdias (sons, images, vidos). Enfin, il est beaucoup
Chapitre
plus commode de manipuler directement des objets lorsque lon dveloppe avec un langage objet (comme C++ ou Java). Les bases de donnes, on le rappelle, sont dornavant
des briques constitutives des applications. Les bases de donnes orientes objet apportent ainsi aux applications dveloppes en langage objet la persistance des objets
manipuls : ces derniers peuvent ainsi directement tre rutiliss par lapplication dorigine ou par dautres sans redfinition. Ces concepts ont t intgrs partir de la version 2
de la norme SQL.
Les produits commerciaux adapts ces concepts nont pas connu une diffusion suffisamment importante. Le monde des bases de donnes volue assez lentement : la migration
dun systme dinformation vers lobjet reprsente pour une organisation un investissement considrable qui nest pas toujours justifi. La robustesse et la popularit de lapproche relationnelle, qui a mis presque vingt ans simposer, a galement frein le
dveloppement de lapproche objet pure dans les bases de donnes. Les donnes modlises sous forme dobjets sont aussi plus complexes reprsenter du point de vue du SGBD
et lon rencontre encore trs souvent des problmes de performance.
Figure 1.4
Modle objet.
Encapsulation
Objet
Mthodes
Donnes
Hritage
Dplacer()
X1,Y1
X2,Y2
Fermer
Agrandir()
Retourner
Modle relationnel-objet
Une demande dvolution du strict modle relationnel existe toutefois. En effet, la gestion
des donnes autres que du texte et des nombres comme des images, du son et des vidos
implique lvolution du modle relationnel. De mme, les champs dits multivalus ,
disposant de plusieurs valeurs telles quune liste de prnoms ou des coordonnes gographiques, ne peuvent pas tre modliss efficacement en utilisant ce type dapproche. Lide
est alors dintgrer de lobjet au modle relationnel existant plutt que dutiliser lapproche objet pure. Il convient de remarquer que ce type dvolution a dj t dvelopp dans
le cadre des langages de programmation. Le langage C++ est lvolution intgrant lapproche objet du langage C et non pas un langage objet pur comme peut ltre Smalltalk.
Cette extension, adopte par la plupart des SGBD, se nomme relationnel-objet et permet aux concepteurs des bases de donnes de disposer de types volus abstraits plus
simples concevoir et surtout plus commodes faire voluer. Elle offre en outre la possi-
bilit de modliser plus facilement la complexit des organisations (voir figure 1.5). Dans
cette optique, la norme SQL a logiquement t adapte. Dans sa version 3, elle prend en
compte lextension objet. Les types de donnes sont tendus et les oprations dencapsulation et dhritage, typiques de lapproche objet, sont supportes. Cette solution a lavantage doffrir un bon niveau de compatibilit avec lapproche prcdente trs rpandue et
deffectuer ainsi une migration plus aise.
Figure 1.5
Cote
Modle
relationnel-objet.
Titre
Le vide
La vie sans
mode demploi
Auteur
Nom
Prnom
Durand
Dal
Atamp
Charles
Editeur
Les ditions du
temps qui ne
passe pas
Romazava
Nom
Prnom
Brass
Alexis
Duporche
Jean-Marie
Chteau
Romain
Paclaire
Anne-Isabelle
La fiabilit et la scurit. On effectue une copie de scurit des donnes sur un site distant intervalles rguliers pour viter le dsastre de la perte de donnes due un incendie par exemple.
La disponibilit. On procde des rplications quasi permanentes des donnes dans le
but de rapprocher les utilisateurs des donnes dun point de vue de la topologie du
rseau. On amliore galement le temps de rponse en rpartissant la charge entre les
serveurs. Cette distribution est gre de manire intelligente par les systmes informatiques, ce qui permet de rpartir linformation efficacement sur les diffrents sites, en
fonction des accs utilisateurs. Ces principes sont notamment utiliss par les moteurs
de recherche.
Les donnes sont rparties sur des sites spars. Le dispositif permet de masquer cet
aspect aux utilisateurs et de fonctionner comme si un seul serveur tait prsent sur un
seul site. Lvolution du systme est rendue totalement transparente pour les
utilisateurs : en cas notamment de changement de machine la suite dune panne, de
Chapitre
modification de localisation, daugmentation de la taille de la base, dajouts dordinateurs sur le rseau afin daugmenter la capacit de stockage de la base de donnes.
Figure 1.6
Base de donnes
rparties.
Filiale Est
Copie sauvegarde
Sige social
Copie sauvegarde
Copie sauvegarde
Filiale Asie
Interrogation
(rpartition)
Ces technologies possdent nanmoins des inconvnients. La scurit sur les rseaux
informatiques ncessite beaucoup plus de travail que dans le cas dun systme non rparti.
Les techniques de scurit mettre en uvre sont plus complexes et plus coteuses.
Figure 1.7
Base de donnes
dductives prefils.
Pre
Fils
Hugo
Tian
Tapeneau
Merlin
Tian
Lastoul
Merlin
Alize
Alize
Teanne
Linformation dcisionnelle ainsi extraite a de nombreux dbouchs : du ciblage marketing la mdecine en passant par la prvision financire. Les mthodes saffinent et
deviennent rellement efficaces, ce qui a cependant donn lieu quelques escroqueries, les
entreprises spcialises dans le domaine refusant bien sr de donner les spcifications de
leurs mthodes danalyses, qui relevaient parfois de la divination, au motif de ne pas perdre leur avantage concurrentiel.
10
Chapitre
Figure 1.8
Entrepts de
donnes.
Production
Service
achats
Analyse
Entrept de
donnes
Service
marketing
(datawarehouse)
Consultation
Service du
personnel
XML
Le World Wide Web est la mise en uvre du concept dhypertexte par lutilisation de la
structure de communication fournie par Internet. Les fichiers disperss sur diffrentes
machines du rseau Internet peuvent ainsi tre associs. Son succs a provoqu un glissement de lide originale, qui consistait relier simplement des textes entre eux, vers la
notion dinterface universelle. On ne transmet plus seulement le contenu dun fichier statique, mais galement le rsultat de lexcution dun programme : le contenu devient donc
dynamique. Par extension, on imagine aisment que le mcanisme du Web peut galement transmettre le rsultat de linterrogation dune base de donnes.
Le concepteur du Web, T. B. Lee, sest appuy pour sa mise en uvre, outre la structure
technique existante dInternet, sur un langage de description de documents utilisant des
balises : le SGML (Standard Generalized Markup Language). Le dcoupage du document
par les balises est dcrit dans un document associ que chacun peut crer en fonction des
ses besoins : la DTD (Data Type Definition). Cette dernire, formule dans un langage
normalis, permettra des programmes spcialiss, les parsers , de vrifier si le document est conforme la structure attendue et den extraire facilement le contenu. Le langage SGML est assez complexe manipuler, car il est trs gnral. Pour des besoins
spcifiques, on utilise des versions simplifies, telles que HTML ou XML.
T. B. Lee a donc dvelopp un langage de prsentation, HTML (Hyper Text Markup Language), bas sur les notions dveloppes par SGML. Ce langage permet essentiellement de
spcifier des critres de prsentation (gras, soulign, couleur) et, bien sr, de dcrire les
liens entre les fichiers. Il ne comprend aucun lment de structuration des donnes du
texte contenu dans la page HTML. Les moteurs de recherche parcourent le Web et
indexent le contenu des pages par rapport des listes de mots cls combins dautres
mthodes (beaucoup) plus sophistiques. Cependant, ils ne peuvent diffrencier dans le
texte le titre dun rsum ou dune lgende associe une image. Lefficacit et la pertinence de lindexation en sont diminues dautant.
Pour remdier cela, le W3C (World Wide Web Consortium) a dfini un langage, qui est galement une simplification de SGML, permettant de dcrire la structure interne dun
document : XML (eXtended Markup Language). La structure dun document XML est reprsente sous la forme dun arbre tout comme celle dun document HTML. La description de
cette structure arborescente se trouve dans une DTD ou plus rcemment dans un schma
XML. Le schma est plus souple et permet demployer les mmes outils de traitement que
pour les fichiers XML. Le langage HTML possde videmment lui aussi une DTD, mais, la
diffrence de XML, elle est normalise par le W3C et ne peut tre modifie et adapte pour
ses besoins propres (voir figure 1.9).
Lobjectif terme est que les fichiers du World Wide Web soient dsormais dcrits en utilisant XML la place de HTML. La prsentation des donnes repose alors sur les feuilles
de styles (telles que eXtended Stylesheet Language) pour gnrer les formats de prsentation classiques (HTML, PDF, PostScript) partir du format XML. De cette manire, les
moteurs de recherche pourront extraire directement par exemple le rsum ou le titre
dun paragraphe dun fichier XML. Lindexation peut ainsi tre plus prcise ; un mot figurant dans un titre tant plus important que le mme mot dans une note de bas de page.
Figure 1.9
Structure
arborescente XML.
<catalogue>
catalogue
<article>
<nom> banane </nom>
<prix>
</prix>
<quantit>
1000
</quantit>
</article>
article
<article>
article
<nom>
<prix>
pige
300
<quantit>
</nom>
</prix>
35
</quantit>
quantit
</article>
prix
<catalogue>
nom
1000
prix
2
quantit
nom
banane
pige
300
Quel est le rapport avec les bases de donnes ? Comme on la vu prcdemment, une page
Web peut tre le rsultat dune requte provenant dun SGBD ; cest mme devenu le
moyen le plus courant dinterroger un SGBD. Dans cette optique, si le SGBD est capable
de gnrer directement du XML, cela facilite le processus. Cest dautant plus vrai que le
passage du modle relationnel un modle arborescent de type XML est parfois complexe
et quil est bien agrable que le SGBD sache le faire.
Le langage de description XML, par sa versatilit, simpose comme un format dchange
universel. Cest vident pour des fichiers gnrs par un traitement de texte : on spare
ainsi laspect structurel de laspect prsentation. On se donne galement la possibilit
douvrir le document indpendamment du logiciel utilis, ce qui garantit sa prennit. De
la mme manire, XML est utilis comme format dchange entre SGBD et dun SGBD
vers dautres logiciels (tableurs, traitements de texte).
Le langage XML est adopt petit petit par la plupart des diteurs et il est amen jouer
un rle croissant dans les changes de donnes. De plus en plus de SGBD sont capables de
produire des rsultats de requte en XML, dimporter du XML et acceptent mme de grer
les donnes directement dans ce format. Cette dernire possibilit implique que les SGBD
supportent des donnes moins bien structures : cette capacit constitue lune des volutions futures des SGBD.
12
Chapitre
Contenu multimdia
Le multimdia sest fortement dvelopp depuis la fin des annes 1990. La demande tant
trs forte dans ce domaine, les diteurs de SGBD se doivent dintgrer de linformation
multimdia (image, son, vido) dans les bases de donnes. Les bases de donnes multimdias posent de nouveaux problmes, en particulier pour effectuer des recherches sur les
contenus multimdias, ce qui est par nature difficile.
Une solution est deffectuer une indexation prliminaire manuelle laide de mots cls qui
permettent doprer par la suite des interrogations, mais cela semble illusoire de raliser ce
traitement pour des volumes importants de documents multimdias. Dans le cas contraire, il existe des mthodes de recherche sur des fichiers de type image par rapport des
schmas prdfinis. Cette possibilit reste pour linstant plutt du domaine de la recherche, mme si lon est dj (malheureusement) capable didentifier des visages par rapport
un modle dans certaines conditions.Dans le mme ordre dide, il est dj possible
dutiliser des techniques pour valuer le style de musique (classique, jazz, pop) dun
fichier en analysant son contenu. On est cependant assez loin de pouvoir identifier un
genre de film en se basant sur lanalyse des images.
Les bases de donnes multimdias constituent un sujet de recherche trs prometteur et
trs actif. Ces problmatiques relvent pour linstant plutt des proccupations des socits dveloppant les moteurs de recherche que des bases de donnes au sens strict. Cependant, le groupe de normalisation ISO/IEC prpare lvolution pour le multimdia de la
norme SQL-MM, qui est une volution pour le multimdia de la norme SQL.
Figure 1.10
Fichier
Fichier
informatique.
Accs squentiel
Dans le cas dun accs squentiel, la recherche dun enregistrement en position n ncessite
daccder aux n1 enregistrements qui le prcdent. Si lon recherche larticle de rfrence
DR-NetCard10.102, contenu dans le fichier Article, il sera ncessaire de parcourir tous les
enregistrements, depuis le dbut du fichier jusqu larticle recherch. Pour retrouver une
information, il faut donc parcourir tous les enregistrements un un et en examiner le contenu.
Une alternative au parcours squentiel est de construire des tables descriptives afin dacclrer laccs aux donnes. Une premire table permet laccs direct un enregistrement
par une cl associe ladresse (pointeur) de lenregistrement. On rappelle que cest ce
mcanisme de pointeurs sur des enregistrements qui est modlis dans les modles
hirarchiques ou rseaux pour faire le lien entre des enregistrements. On constitue ainsi le
graphe qui permet de naviguer dans lensemble des enregistrements.
Une seconde table contient lordre relatif des enregistrements ordonns suivant les valeurs
dun champ : on appelle cette table un index (voir figure 1.11). Cette seconde table permet
demployer des mthodes de recherche par le contenu du champ index beaucoup plus
efficaces quune recherche squentielle. La recherche dichotomique bien connue est lune
dentre elles. Une fois lenregistrement identifi, on y accde directement grce la premire table. Les techniques de constitution des index constituent un sujet part entire
ainsi que les algorithmes de recherche qui leur sont associs.
Figure 1.11
Fichier
Fichier et index.
Index
14
Chapitre
Niveau interne ou physique. Cest le niveau le plus bas . On dcrit les structures de
stockage de linformation, ce qui le rend trs dpendant du SGBD employ. Il se fonde
sur un modle de donnes physique.
Niveau conceptuel. Il correspond limplmentation du schma conceptuel de la
base de donnes, que lon ralise lors de la phase danalyse (voir Modle Conceptuel des
Donnes, Modle Logique des Donnes). Il est utilis pour dcrire les lments constitutifs de la base de donnes et les contraintes qui leur sont associes. Il sagit dune certaine faon de la documentation de la base de donnes.
Niveau externe. Le niveau externe sert dcrire les vues des utilisateurs, cest--dire le
schma de visualisation des donnes qui est diffrent pour chaque catgorie dutilisateurs. Un schma externe permet de masquer la complexit de la base de donnes complte en fonction des droits ou des besoins des utilisateurs. Cela facilite la lecture et la
scurit de linformation.
Figure 1.12
Utilisateurs
Niveaux ANSI/
SPARC.
Niveau externe
Schma conceptuel
Niveau interne
Vues
Modle conceptuel
Modle physique
SGBD
Il sagit comme pour le modle rseau de lISO dun cadre de rflexion ; les SGBD ne respectent pas la lettre le dcoupage propos. Ils se doivent cependant de possder les principales caractristiques qui dcoulent de ce modle en couches :
Indpendance physique des donnes. Masquer la reprsentation interne des donnes
ainsi que les mthodes systme daccs aux utilisateurs.
Indpendance logique des donnes. Permettre la modification du schma conceptuel
des donnes sans remettre en cause les mcanismes de stockage et de manipulation
internes des donnes.
Intgrit des donnes. Faire en sorte que linformation rsultant des liens entre les
donnes soit cohrente.
Il peut apporter galement des fonctionnalits supplmentaires utilises dans le cadre de
bases de donnes rparties dcrites prcdemment :
16
Chapitre
des utilisateurs comprenant les droits qui leur sont associs pour chaque lment (lecture,
modification) : les droits daccs aux donnes. Les mcanismes sont les mmes que
ceux qui sont mis en uvre dans les systmes dexploitation multi-utilisateurs.
Monde rel
Analyse
Modle
entit-association
Vue 1
Transformation
Schma
Vue 2
Vue 3
18
relationnel
LMD
SGDB
LDD
Base de
donnes
physique
Chapitre
5.1 CONSULTANTS/ANALYSTES
Ils prennent en charge la premire tape qui consiste en lanalyse des activits et des flux
dinformation mis en jeu dans le monde rel modliser. Le profil de ces acteurs nest pas
toujours purement technique, puisque cette phase ncessite parfois beaucoup de dialogues
et de psychologie pour parvenir faire exprimer leurs besoins rels par les futurs utilisateurs. La gageure est de parvenir faire exprimer correctement les besoins dinformatisation par les utilisateurs du systme dinformation, afin de proposer un modle conceptuel
de donnes le plus juste possible.
Plan de louvrage
Le plan de louvrage est dtermin par les diffrentes tapes de la conception dune BD.
Le deuxime chapitre traite de ltape danalyse du monde rel pour en concevoir un
modle descriptif. La modlisation est effectue classiquement par le modle entitassociation . On aborde galement la reprsentation du modle avec UML.
Le troisime chapitre est essentiellement consacr au modle relationnel et aux oprations qui lui sont associes. On sintresse ensuite aux mthodes grce auxquelles il est
possible de passer du modle prcdent un ensemble de tables du modle relationnel.
Puis, on continue par ltape de normalisation qui permet de mettre en vidence les incohrences du systme dinformation ainsi cr et de les rectifier. On prsente dans ce chapitre les trois premires formes normales et celle de Boyce-Codd. Une autre approche de la
cration dune base de donnes partir de la relation universelle est aborde la fin du
chapitre.
Le quatrime chapitre prsente le langage SQL. Aprs avoir expos la syntaxe gnrale du
langage, il sattache la ralisation en SQL des oprations relationnelles vues prcdemment. On aborde ensuite la correspondance entre les questions classiques des bases de
donnes en langage parl et leur reprsentation avec SQL. La dernire partie du chapitre
traite de la partie description de donnes de SQL, qui permet de crer et grer les tables
dans un SGBD.
Le cinquime chapitre constitue un exemple complet de ralisation dune base de donnes par la pratique. Cet exemple part de lnonc du monde rel en langage parl jusqu
la ralisation du systme dinformation, puis bien sr son utilisation. Ce chapitre reprend
les notions vues aux chapitres prcdents de manire pratique.
Le sixime chapitre aborde les mcanismes gnraux de prservation des donnes associs aux SGBD. On aborde la scurit des accs et les sauvegardes, mais aussi les outils qui
participent la scurisation des donnes comme les transactions ou les triggers .
Prsentation de la BD exemple
Une base de donnes extrmement simplifie est utilise rgulirement tout au long de
louvrage afin dillustrer les concepts dvelopps au fil de louvrage. Dautres bases de donnes plus complexes sont prsentes au fur et mesure des explications (voir figure 1.14).
Ce systme dinformation qui constitue ltude de cas basique modlise lactivit de vente
de voitures doccasion. Dans ce systme, deux entits du monde rel sont identifies : les
personnes et les voitures. Une voiture est caractrise par sa marque, son type, sa couleur.
Une personne est caractrise par son nom, son ge, sa ville, son sexe. Laction modlise
est la vente qui est caractrise par le prix de la vente et sa date. Une personne peut acheter
une plusieurs voitures. Une voiture peut tre vendue une seule fois ou jamais.
20
Chapitre
Figure 1.14
Base de donnes
exemple.
Nom
Marque
Vente
Type
ge
Couleur
Ville
Sexe
Le modle entit-association et la reprsentation UML correspondant cette description seront crs au chapitre 2, Analyse du monde rel . Le modle relationnel sera cr
au chapitre 3, Approche relationnelle . La base de donnes rsultante sera utilise pour
les exemples du chapitre 4, SQL .
Rsum
Une base de donnes dsigne lensemble des donnes stockes. Pour manipuler ces donnes, on utilise un SGBD (Systme de Gestion de Bases de Donnes) qui est un logiciel complexe. Lensemble compos par les donnes et le SGBD constitue un systme
dinformation. La conception dune base de donnes de la modlisation du monde rel
son implmentation dans le SGBD fait appel des techniques et des mthodes trs diffrentes pour chaque tape. Des mtiers spcifiques se sont donc dvelopps autour de ces
concepts et les mettent en uvre. Par exemple, lapproche du monde rel sapparente
lanalyse faite par un cabinet de consulting alors que limplmentation dans le SGBD et
son administration sont proches des mtiers informatiques.
Les SGBD ont volu paralllement aux concepts de modlisation des bases de donnes.
On est pass dune organisation comparable celle des fichiers informatiques (modles
hirarchiques ou rseaux) un modle plus abstrait : le modle relationnel. Ce modle est
toujours le plus utilis actuellement. Il est associ troitement SQL, un langage normalis de description, de manipulation et dinterrogation de donnes. La modlisation objet,
adapte aux bases de donnes, na pas connu un dveloppement considrable, et ce, malgr les avantages quelle procure par rapport au modle relationnel en particulier pour le
typage des donnes. Comme cest le cas dans le domaine de la programmation, une
approche mixte semble prendre de lampleur : le modle relationnel-objet. Il sagit
dapporter au modle relationnel les possibilits tendues de modlisation procures par
les objets sans remettre profondment en question lexistant.
Le dveloppement des rseaux apporte dautres manires dutiliser les bases de donnes,
comme la rpartition des donnes pour amliorer leur disponibilit et leur scurit.
Linterfaage avec le World Wide Web a introduit la prise en compte du langage XML
comme format dchange et de stockage par les SGBD. De nouvelles formes dinterrogation, telles que la fouille de donnes (ou data mining) et les bases de donnes dductives, permettent dextrapoler de linformation non explicitement stocke dans les bases de
donnes. Ces approches ainsi que la prise en compte des donnes multimdias vont faire
voluer les modles de bases de donnes et les SGBD que lon utilise actuellement. Cela se
fera probablement sans remettre totalement en cause le modle relationnel, mais plutt en
le faisant voluer progressivement.
Exercices
EXERCICE 1
EXERCICE 2
Il nest pas ncessaire de connatre la mthode de stockage des informations sur le disque pour manipuler les donnes avec une base de donnes.
Un fichier informatique simple nest pas conu pour effectuer une recherche dinformation par le contenu : pour retrouver le(s) enregistrement(s), on est oblig de parcourir tout le fichier.
Les modifications de structure (ajout/suppression dun champ ou modification de sa
taille) ncessitent de recrer un autre fichier et dy recopier les donnes.
Une base de donnes contient en gnral plusieurs fichiers dont les enregistrements
sont relis entre eux.
RECHERCHE DICHOTOMIQUE
Donnez un algorithme intuitif simple de recherche dichotomique en utilisant une table
dindex et une table accs direct.
Soit V la valeur recherche, Ti le tableau dindex de taille n. On suppose que la table
dindex contient les valeurs du champ indexes dans sa colonne 1 et les numros denregistrement correspondants dans sa colonne 2.
Si le tableau est rduit un lment dont la valeur dans la premire colonne Ti[1,1] est diffrente de la valeur recherche alors la recherche est un chec sinon comparer llment du
milieu z du tableau Ti avec la valeur V
Si llment Ti[z,1] est gal la valeur, accder lenregistrement directement par son
numro Ti[z,2]
Si llment Ti[z,1] est infrieur la valeur recommencer avec la partie basse du tableau
(de 1 z-1)
Si llment Ti[z,1] est suprieur la valeur recommencer avec la partie basse du tableau
(de z+1 n)
22
Chapitre
EXERCICE 3
LANGAGES DUN
SGBD
On veut supprimer tous les enregistrements qui contiennent la valeur 666 dans le champ
catgorie. Utilise-t-on le langage de description de donnes ou le langage de manipulation
de donnes ? Que se passerait-il si lon voulait augmenter la taille du champ catgorie.
Le langage de description de donnes sintresse la modification de structure dune table
dj cre ou la gestion des tables (cration/modification). Dans notre cas, on ne touche
pas la structure, on supprime des enregistrements, donc des donnes de la table. On ne
touche pas au dictionnaire de donnes. On utilisera par consquent le langage de manipulation de donnes du SGBD. Pour augmenter la taille du champ, on modifie cette fois la
structure mme de la table, on utilise alors le langage de description de donnes.
EXERCICE 4
MODLES DE REPRSENTATION
Vous devez reprsenter lorganisation de donnes correspondant une classification
scientifique despces doiseaux. Quel modle de donnes (hirarchique, rseau, relationnel, objet) choisiriez-vous ?
Par nature, ce type de donnes est structur strictement de manire arborescente et cette
structure reste assez stable dans le temps. Il est donc tout fait possible dutiliser un simple
modle hirarchique. Un modle rseau ne sera pas utile en principe du fait de la structure
arborescente des donnes. On peut galement utiliser les modles relationnel ou objet,
mais il napporteront pas davantage dcisif dans ce cas (trs) particulier.
Exercices
EXERCICE 5
EXERCICE 6
EXERCICE 7
VUES EXTERNES
On utilise galement pour cet exercice la base de donnes exemple de vente de voitures.
On considre trois types dutilisateurs de la base :
1. les clients ;
2. les vendeurs ;
3. le service comptabilit.
Quelles sont les vues prvoir pour ces catgories dutilisateurs ?
1. Les clients ne doivent avoir accs en lecture quaux informations concernant les voitures en stock (non encore vendues).
2. Les vendeurs, sils grent galement le parc de voitures comme cest souvent le cas, peuvent avoir accs en lecture et en criture toutes les donnes (ventes, voitures, personnes).
3. Le service comptabilit peut avoir accs en lecture toutes les informations, mais ne
peut modifier les informations concernant les voitures ou les personnes du fichier
client.
24
Chapitre
EXERCICE 8
XML
Pourquoi prfre-t-on utiliser XML plutt que HTML pour reprsenter les donnes provenant dune base de donnes ? Les donnes XML sont dites autodescriptives . Questce que cela signifie et par quel(s) dispositif(s) est-ce ralis ?
Par nature, les donnes contenues dans une base de donnes sont structures. Le langage
HTML a t conu pour dcrire la mise en forme dun texte sans considration de sa
structure interne. Donc, il nest pas adapt si lon dsire conserver la structuration des
donnes. Le langage XML a t prcisment cr pour dcrire la structure des donnes. Il
est toujours possible de passer ensuite du langage XML au langage HTML par une feuille
de style ; linverse nest pas possible.
XML permet de reprsenter des structures de donnes diffrentes sous forme arborescente ;
il est donc ncessaire de possder une description de la grammaire de la structure. Ce
document accompagnateur dun fichier XML est une DTD, comme pour les fichiers XML
classiques, ou plus commodment un schma XML. Un des avantages du schma est que
lon peut utiliser les mmes algorithmes de parcours que pour le fichier XML.
Exercices
EXERCICE 9
EXERCICE 10
Les donnes du fichier clientle sont gres par le service commercial (peut-tre avec
un tableur ou un traitement de texte pour faire des mailings) afin dobtenir le nom des
clients.
Les donnes du service comptabilit permettent dobtenir les journaux de ventes ; la
gestion est faite par exemple par une application de gestion spcifique connecte aux
caisses.
Les donnes du service achat sur les ngociations avec les fournisseurs peuvent tre
gres par exemple par une application dveloppe en interne. La marge provenant de
la ngociation avec les fournisseurs est fluctuante pour le mme article au cours du
temps en fonction du march, des personnes qui ngocient, etc. Il serait donc intressant pour ces donnes de disposer des valeurs historises par priodes pour affiner
lanalyse par des tendances.
Pour intgrer ces donnes provenant de sources diffrentes dans votre entrept de donnes, vous utiliserez une (ou plusieurs) application(s) de type ETL (Extract, Transform and
Load) que lon appelle aussi datapumping .
26
Chapitre
Analyse du monde
rel
1. Dmarche danalyse .................28
2. Modlisation par le modle
entit-association ......................30
3. Remise en cause et volution
du modle ...............................35
4. Reprsentation avec UML ..........40
Exercices
1. Identifiant dune entit ...............44
2. Identification des entits
et des associations ....................44
3. Questions associes
aux cardinalits ........................45
6. Association rflexive...................49
27
Dmarche danalyse
Celles qui dcrivent les liens entre les objets du monde rel gnralement une action
ou une proprit. Exemple : Un lecteur emprunte un livre. Un livre a un auteur.
Celles qui caractrisent la manire dont sont relis ces objets. Exemple : Un lecteur est
considr comme lecteur sil a au moins dj emprunt un livre. Un livre peut tre
emprunt par plusieurs lecteurs. Il ny a pas de livres anonymes, un livre est crit par au
moins un auteur.
On doit ensuite prciser les donnes qui constituent les objets ainsi que celles qui caractrisent les liens entre les objets.
Remarque
Le terme dobjet du monde rel employ ici nest pas pris au sens de la programmation objet. Il
sagit plutt de caractriser un regroupement logique de donnes. Un titre, un auteur, un diteur
constituent un livre. Un nom, un prnom, un numro de Scurit sociale constituent une personne.
28
Chapitre
Dcrivez lactivit globalement, en termes simples, sans entrer dans les dtails, pour
identifier les objets et leurs liens ventuels.
Indiquez quelles sont les procdures utilises dans lactivit pour caractriser les
liens entre les objets. Les procdures permettent dnoncer les contraintes qui seront
intgres ensuite dans la base de donnes.
On note que lon modlise souvent des actions qui reprsentent une activit, plus rarement des lments statiques. Les actions reprsentent frquemment le lien entre les
objets : une personne emprunte un DVD, une voiture est achete par un client, etc.
Un client est caractris par son nom, son adresse et son numro de tlphone.
Une chambre est caractrise par son numro, un nombre de places, son tarif journalier
et la prsence ou non dun cabinet de toilettes.
Une location est caractrise par une date de dbut, un nombre de jours et les consommations annexes (petits djeuners, tlphone).
Une rservation est caractrise par une date de dbut, un nombre de jours et le versement dune avance ventuelle.
30
Chapitre
2.1 ENTITS
Les entits sont composes de champs de donnes que lon nomme attributs. Un attribut,
ou un ensemble dattributs, doit tre choisi comme identifiant de lentit, avec pour
objectif didentifier une occurrence (ou reprsentant) de cette entit. La notion didentifiant a les mmes proprits que la cl dans une relation qui sera introduite au chapitre 3.
On reprsente une entit par un rectangle qui contient le nom de lentit et ses attributs.
Lidentifiant est soulign ou prcd dun caractre # (voir figure 2.1).
Figure 2.1
Entits chambre,
attributs et
occurrences.
Occurrences chambre
Entit chambre
Chambre
Chambre
13
# IDChambre
NombrePlaces
75
Tarif
Chambre
Chambre
176
1
123
2
40
55
Le choix de lidentifiant nest pas toujours trivial. Il est parfois ncessaire dintroduire artificiellement un attribut supplmentaire afin de pouvoir disposer dun identifiant. Dans le
cas de lhtel, il faudrait intgrer un attribut pour identifier un client (voir figure 2.2),
dans la mesure o aucun des attributs issus de lanalyse ne permet didentifier de manire
unique un client. Classiquement, une identification sans ambigut reposera sur un
numro unique ; dans notre exemple, cest lattribut IDClient.
Les identifiants peuvent tre composs par la juxtaposition de diffrents attributs. Par
exemple, on peut identifier un client en juxtaposant les attributs nom+prnom+date_naissance+ville_naissance. En effet, il est peu probable que deux homonymes
soient ns le mme jour dans la mme ville. Cependant, dans la pratique, il est recommand, autant que faire se peut, de choisir un seul attribut comme identifiant. En effet, il
sera plus difficile de vrifier quun identifiant composite reste valide lorsque les donnes
voluent. Cest pourquoi, quand cela est possible, il est indispensable de choisir un identifiant dont les contenus ne sont pas susceptibles dvoluer au fil du temps. On prfre identifier une personne par un numro de scurit sociale que par un numro de passeport qui
a une dure de validit limite.
Figure 2.2
Entit client.
Client
# IDClient
Nom
Adresse
NumTlphone
2.2 ASSOCIATIONS
Les associations reprsentent les liens qui existent entre les entits. Elles sont composes le
cas chant dattributs, bien que cela ne soit pas indispensable. Par consquent, il nest pas
ncessaire de disposer dun identifiant pour une association. Lorsque les entits sont associes par deux, elles sont qualifies de binaires. Cependant, il est possible den associer
plus de deux ; les associations sont alors non plus binaires, mais n-aires. Le nombre
dentits associes sappelle le degr de lassociation.
On reprsente une association par un ovale qui contient le nom de lassociation et ses
attributs.
Figure 2.3
Entits client et
chambre relies
par lassociation
location.
Chambre
# IDChambre
NombrePlaces
Tarif
Client
Location
DateDbut
NombreJours
# IDClient
Nom
Adresse
NumTlphone
Il peut galement y avoir plus dune association entre deux entits ; cest le cas de lexemple de lhtel (voir figure 2.4). Les entits client et chambre sont relies par deux associations ayant des attributs diffrents : location et rservation.
Figure 2.4
Entits client et
chambre relies
par les
associations
location et
rservation.
Chambre
# IDChambre
NombrePlaces
Tarif
Client
Location
DateDbut
NombreJours
# IDClient
Nom
Adresse
NumTlphone
Rservation
DateDbut
NombreJours
Enfin, il est possible de relier par une association une entit elle-mme. Si lon prend
lexemple de la modlisation des liens de mariage entre personnes, on obtient une seule
entit personne qui est associe elle-mme par lassociation est_mari_ (voir
figure 2.5). Dans ce cas, on dit que lassociation est rflexive.
32
Chapitre
Figure 2.5
Client
Entit personne
relie par
lassociation
est_mari_.
# IDPersonne
Nom
Adresse
NumTlphone
Est mari
DateMariage
2.3 CARDINALITS
Les cardinalits dcrivent les caractristiques de lassociation entre les entits. On utilise
deux nombres qui reprsentent les valeurs minimales et maximales pour caractriser
lassociation. Ces nombres modlisent le nombre doccurrences minimales et maximales
des entits impliques dans lassociation. Par exemple, comme illustre sur la figure ciaprs (voir figure 2.6) , une association binaire sera caractrise entirement par quatre
nombres. En effet, chaque entit participe de manire diffrente lassociation.
Figure 2.6
Chambre
Cardinalits dune
association
binaire.
# IDChambre
NombrePlaces
Tarif
Client
0,n
Location
DateDbut
NombreJours
1,n
# IDClient
Nom
Adresse
NumTlphone
Un client loue au minimum une (1) chambre ; il peut en louer plusieurs (n). La cardinalit est donc de 1,n.
Une chambre peut tre loue plusieurs fois (n) et elle peut ne pas tre occupe (0). La
cardinalit est donc de 0,n.
Figure 2.7
Chambre
Entits client,
chambre et
association
location avec
cardinalit.
# IDChambre
NombrePlaces
Tarif
Client
0,n
Location
DateDbut
NombreJours
1,n
# IDClient
Nom
Adresse
NumTlphone
Remarque
Les cardinalits se notent diffremment dans le modle de Chen employ aux tats-Unis et dans
celui utilis en Europe. Dans le modle europen, on dispose les cardinalits du ct de lentit
concerne. La cardinalit 0,n dduite de une chambre peut tre loue plusieurs fois et elle peut
ne pas tre occupe se trouve du ct de lentit chambre. Cette notation prsente lavantage
dtre plus cohrente lors de lutilisation dassociations n-aires . Il ny a pas de changement
dans lemplacement des cardinalits des entits associes.
34
0,n. Pour une personne peut acheter plusieurs (n) voitures ou aucune (0) .
0,1. Pour une voiture peut tre vendue une seule fois (1) ou jamais (0) .
Chapitre
Figure 2.8
Entits voiture et
client lies par
lassociation
vente avec
cardinalits.
Client
NumAch
Nom
ge
Ville
Sexe
1,n
Voiture
Vente
DateVente
Prix
0,1
# NumVoit
Marque
Type
Couleur
emprunte un livre. On en dduit les deux entits lecteur et livre lies par lassociation
emprunte (voir figure 2.9).
Un lecteur est caractris classiquement par son nom, son prnom et son adresse.
Comme il ny a pas dattribut possdant les caractristiques dun identifiant pour
lentit lecteur, on ajoute un attribut identifiant. Cet attribut supplmentaire est le
numro de lecteur. noter que dans le monde rel, ce numro pourrait correspondre
par exemple un numro de carte de lecteur.
Un livre est caractris par son titre, son auteur, son numro ISBN, son diteur. Le
numro ISBN est ici un identifiant pour lentit puisquil est unique.
Lassociation emprunte a pour attribut la date demprunt.
Figure 2.9
Entits livre et
lecteur lies par
lassociation
emprunte (sans
cardinalits).
Livre
Titre
Auteur
#ISBN
diteur
Emprunte
DateEmprunt
Lecteur
# NumLecteur
Nom
Prnom
Adresse
Cet exemple simple permet de se poser quelques questions qui vont conduire une rorganisation du modle.
36
Chapitre
Figure 2.10
Ouvrage
Entits livre,
ouvrage et
lecteur lies par
les associations
emprunte et est
un exemplaire
(sans
cardinalits).
#Cote
ISBN
Lecteur
Emprunte
DateEmprunt
# NumLecteur
Nom
Prnom
Adresse
Est un
exemplaire
Livre
Titre
Auteur
#ISBN
diteur
Si seulement dix livres sur un million possdent plusieurs auteurs, on rserve la place
pour les champs auteurs supplmentaires qui sera inutilise.
Si un livre possde un nombre dauteurs suprieur au nombre de champs prvus, on
ne rsout pas le problme.
Si lon considre quun auteur peut avoir crit plusieurs ouvrages, on rpte dans ce cas
les informations le concernant pour chacun de ses ouvrages. Cela constitue un cas
typique de redondance qui risque de provoquer des incohrences.
La solution correcte dans ce cas est de crer une entit supplmentaire pour ces attributs
qui sont smantiquement de mme type. On crera ici une entit auteur qui contiendra
un numro dauteur (identifiant), son nom et son prnom. Cette entit est relie lentit
ouvrage par lassociation a_crit (voir figure 2.11).
Figure 2.11
Entits livre,
ouvrage,
auteur et
lecteur lies par
les associations
emprunte,
a_crit et est un
exemplaire (sans
cardinalits).
Ouvrage
#Cote
ISBN
Lecteur
Emprunte
# NumLecteur
Nom
Prnom
Adresse
DateEmprunt
Est un
exemplaire
Livre
Titre
#ISBN
diteur
Auteur
A crit
# NumAuteur
Nom
Prnom
Ouvrage
#Cote
ISBN
Personne
Emprunte
# NumLecteur
Nom
Prnom
Adresse
DateEmprunt
Est un
exemplaire
Livre
A crit
Titre
#ISBN
diteur
On a identifi dans cette sous-section plusieurs cas qui ncessitent de rorganiser les entits obtenues lors dune premire analyse :
Si lon repre lintrieur dune entit des attributs qui reprsentent un ensemble logique (mis en valeur dans lexemple par un dfaut didentifiant pour un livre), on spare
ces attributs dans une entit supplmentaire.
Si des attributs dans une mme entit possdent une smantique identique (auteurs,
numros de tlphone multiples), on cre une entit supplmentaire pour sparer ces
attributs. Cette entit sera associe celle dont proviennent les attributs lorigine.
Si des entits ont la mme structure (et reprsentent le mme type dobjet), on les
fusionne et lon conserve les associations qui existaient avant la fusion.
On retrouvera ce processus de remise en question du modle un autre niveau, lors de
ltape de normalisation qui est aborde au chapitre 3.
limination dassociations
On considre le cas dun acte dachat effectu sur Internet avec une carte bancaire. Une
facture est rgle par une carte. On peut distinguer les deux entits facture et carte .
Une facture est identifie par un numro de facture, et est constitue dun montant et
dune date. Une carte bancaire est identifie par son numro, son type (Visa, MasterCard), sa date de validit et son propritaire. Les cardinalits entre les entits carte et
facture sont de type 1-1 (une facture est paye par une et une seule carte) et 1-n (une
38
Chapitre
carte peut servir rgler plusieurs factures). On peut utiliser une Ecarte qui permet
damliorer la scurit de ces transactions. Une Ecarte est une carte virtuelle associe
une vritable carte bancaire, valable pour une seule transaction. Les cardinalits
deviennent alors de type 1-1 des deux cts : une Ecarte ne permet de rgler quune et
une seule facture (voir figure 2.13).
Figure 2.13
Entits carte et
facture lies par
lassociation
rgle avec ses
cardinalits.
Carte
#NumCarte
Type
DateValidit
Propritaire
Facture
1,1
# NumFacture
Montant
DateFacture
Rgle
1,1
Dans ce cas, lassociation rgle na plus lieu dtre puisquil sagit dune pure bijection :
une facture correspond une Ecarte et une seule, et une Ecarte correspond un produit et
un seul. On peut fusionner les deux entits carte et facture et liminer lassociation (voir
figure 2.14).
Figure 2.14
Entit facture_bis
fusionne.
# NumFacture
Montant
DateFacture
NumCarte
Type
DateValidit
Propritaire
Fusion dassociations
Suivant le mme principe, il est possible de fusionner plusieurs associations ayant le mme
rle smantique. Si lon considre la description de lactivit suivante, lie lexcution de
morceaux de jazz en quartet. Pour un morceau donn, le premier musicien joue la partie
de basse, le deuxime celle de batterie, le troisime celle de piano et le quatrime celle de
saxophone (voir figure 2.15).
Figure 2.15
Entits musicien
et morceau lies
par les
associations
basse, batterie,
piano et
saxophone.
0,n
Musicien
#NumMusicien
Nom
Prnom
Batterie
0,n
Piano
0,n
Morceau
0,n
# NumMorceau
Titre
0,n
0,n
0,n
Basse
0,n
Saxophone
Comme il sagit de la mme activit (un musicien interprte un morceau), on peut remplacer toutes les associations par une association interprte. Lassociation interprte contiendrait lattribut instrument pour ne pas perdre linformation de linstrument associ (voir
figure 2.16).
Figure 2.16
Entits musicien
et morceau lies
par lassociation
interprte.
Musicien
#NumMusicien
Nom
Prnom
Morceau
1,n
Interprte
# NumMorceau
Titre
Instrument
1,n
Remarque
Il en serait diffremment pour des associations entre ces deux entits qui exprimeraient un autre
sens. Si lon considre lassociation compose ou arrange entre les entits musicien et morceau, il ne sagit pas de la mme activit que lassociation interprte : on ne fusionnera pas les
associations dans ce cas.
Dans cette section, on a essay de porter un regard critique sur le modle conceptuel
brut issu dune premire phase danalyse que lon a obtenue en utilisant les techniques
nonces dans les sections prcdentes. Cette tape fait partie intgrante du processus itratif de constitution du modle par raffinements successifs. Le processus se poursuivra
un autre niveau par la normalisation des relations dduites de ce modle. Cette partie sera
traite au chapitre 3.
40
Chapitre
Remarque
UML est un formalisme de reprsentation. Il nest associ aucune mthode particulire comme
peut ltre la mthode Merise qui associe une mthodologie et un langage de description.
Classes
Dans ce type de reprsentation les entits sont interprtes comme des objets et sont
reprsentes par des classes. La description dune classe en UML comprend trois parties :
le nom de la classe ;
la description des attributs ;
les mthodes associes lobjet.
Cette section nutilise pas la notion de mthode spcifique lapproche objet. La description des attributs peut tre ralise de manire plus prcise. UML offre la possibilit de
dcrire ce niveau le domaine de lattribut :
jour : (lundi, mardi, mercredi, jeudi, vendredi, samedi, dimanche)
Une classe est reprsente graphiquement par un rectangle spar en trois zones correspondant aux trois parties prcdentes (voir figure 2.17).
Figure 2.17
Voiture
Entit voiture
reprsente par
une classe UML.
# NumVoit
Marque
Type
Couleur
Nom de la classe
Attributs
Mthodes
Associations et multiplicit
Les classes sont relies par des associations identifies par leur nom. Si lassociation possde elle-mme des attributs, ils sont intgrs dans une classe dassociation. Lexpression
des cardinalits est quasiment la mme en UML que pour le modle entit-association ;
elles sont appeles multiplicit. UML permet de dfinir plus prcisment les cardinalits
en utilisant les valeurs suivantes.
Client
NumAch
Nom
ge
Ville
Sexe
Voiture
1..*
0..1
# NumVoit
Marque
Type
Couleur
Vente
DateVente
Prix
Remarque
Attention, la position des cardinalits dans un diagramme de type UML est inverse par rapport
celle utilise dans un diagramme de type modle entit-association prsente dans ce chapitre.
En effet, UML utilise la notation employe aux tats-Unis, mal adapte la reprsentation dassociation de degr suprieur aux associations binaires.
Client
NumAch
Nom
ge
Ville
Sexe
Voiture
Acheteur
Dpense
# NumVoit
Marque
Type
Couleur
42
Chapitre
tion. La correspondance qui est faite avec celle fonde sur le modle entit-association est
la suivante :
Une entit est reprsente par une classe.
Une association est reprsente par une association.
Une cardinalit est reprsente par une multiplicit.
ce niveau dutilisation, les avantages quapporte la notation UML napparaissent pas
clairement. Lintrt rside dans la possibilit dutiliser des outils logiciels. Ces derniers,
partir du schma du modle conceptuel exprim en UML, automatisent, ou plutt assistent, le processus de passage au modle relationnel qui sera abord au chapitre 3.
Lide terme est de gnrer automatiquement le langage SQL ncessaire, comme cela se
fait en gnie logiciel o lon gnre le code du langage utilis. En revanche, lutilisation
dUML prendra tout son sens pour une modlisation plus complexe utilisant par exemple
le concept objet dhritage qui dpasse le cadre de cet ouvrage.
Rsum
Ce chapitre aborde lapproche de la modlisation, qui consiste dabord extraire les informations du monde rel puis en proposer une reprsentation formelle appele modle
conceptuel. Il nexiste pas rellement de dmarche scientifique pour raliser cette
tape. Elle est plutt constitue dun ensemble de techniques diverses qui permettent
dapprhender la complexit du monde rel modliser et de la simplifier.
Lanalyse du monde rel a pour but de pouvoir identifier les donnes qui interviennent
dans le domaine considr et de les regrouper dans des objets. Ltape suivante consiste
caractriser les liens qui les unissent. cette fin, on dcrit le systme modliser par des
phrases simples de type sujet-verbe-complment , que lon peut classer en deux grandes catgories :
celles qui dcrivent les objets du monde rel et les liens qui les unissent : le sujet et le
complment sont reprsents par des entits (classes) et le verbe est reprsent par une
association ;
celles qui dcrivent la manire dont sont relis ces objets : on en dduira les cardinalits
(ou multiplicits dans le cas dutilisation dUML) des associations.
Les entits sont constitues de champs de donnes que lon nomme attributs . Pour
identifier de manire unique les reprsentants dune entit, appels galement
instance , un attribut (ou un ensemble dattributs) est choisi : on lappelle
identifiant . Une fois les lments modliser identifis, leur reprsentation normalise
recourt diffrents langages. Les deux types de formalismes les plus courants employs
sont les suivants :
Le modle entit-association. Il a fait ses preuves ; sa notation est trs intuitive et il est
encore couramment utilis.
UML (Unified Modeling Language). Il reprsente (probablement) lavenir, car il est
soutenu par une communaut trs importante qui dpasse celle des bases de donnes.
Il offre lavantage dtre bien adapt la modlisation de donnes complexes qui ncessitent une approche objet.
Ni le modle entit-association, ni UML ne sont des mthodes danalyse ; il sagit dans les
deux cas de simples formalismes de reprsentation.
Exercices
EXERCICE 1
nom de la salle ;
nom du cinma ;
ville du cinma ;
nombre de places ;
taille de lcran.
EXERCICE 2
44
Chapitre
pourrait ventuellement utiliser la combinaison des deux attributs comme identifiant, car
deux personnes de mme nom ont rarement le mme numro de tlphone, mais il est
prfrable de crer un identifiant dans ce cas.
Lentit pice comprend un titre, lauteur, le metteur en scne et le prix dune place (on
suppose que toutes les places sont au mme prix). De mme que pour lentit spectateur,
on a besoin de crer un identifiant pour la pice.
Lassociation a pour attributs la date et le numro de sige. Ces attributs sont en effet caractristiques de laction dachat et non pas du spectateur ou de la pice (voir figure 2.20).
Figure 2.20
Spectateur
Entits
spectateur et
pice lies par
lassociation
achat (sans
cardinalits).
# Num
Achat
Nom
Pice
DateAchat
NumSiege
Tel
# NumPiece
Titre
Auteur
MetteurScene
Prix
Si le prix des places varie pour chaque sance, il est non plus une caractristique de la
pice, mais de lachat. Lattribut prix devient un attribut de lassociation achat. Il ny a
jamais de solution unique en base de donnes. On aurait pu, par exemple, utiliser une
entit billet lie aux deux entits spectateur et pice.
EXERCICE 3
Figure 2.21
Ouvrage
#Cote
ISBN
Personne
Emprunte
# NumLecteur
Nom
Prnom
Adresse
DateEmprunt
Est un
exemplaire
Livre
Titre
#ISBN
diteur
A crit
Exercices
Entits livre,
ouvrage, personne
lies par les associations emprunte,
a_crit et
est_un_exemplaire
(sans cardinalits).
Quelles questions faut-il poser aux utilisateurs de la base de donnes pour dterminer les
cardinalits des associations ? Proposez une rponse ces questions et dduisez-en les
cardinalits pour chaque entit.
On doit dterminer pour chaque association les deux cardinalits minimales et maximales
associes aux deux entits lies, puisquil sagit dassociations binaires. Il y aura donc quatre questions (se) poser par association. On pose ici les questions et on propose les
rponses ; dans la vie relle, ce sont les utilisateurs de la base de donnes qui apporteraient
les rponses (voir figure 2.22).
Association est_un_exemplaire
Pour dterminer les cardinalits du ct de lentit ouvrage :
Peut-on avoir une fiche douvrage sans disposer du livre lui-mme dans la
bibliothque ? Si cest le cas, la valeur minimale sera de 0, sinon elle sera 1. La valeur
1 est plus logique dans ce contexte, sauf si lon a rcupr le catalogue descriptif dun
diteur.
Une fiche douvrage peut-elle servir plusieurs livres ? Si cest le cas, la valeur maximale sera de n ; sinon, elle sera de 1. Cest le but ici de regrouper les informations
douvrages communes plusieurs exemplaires. La cardinalit maximale choisie est de
n.
Pour dterminer les cardinalits du ct de lentit livre :
Peut-on avoir un livre sans avoir de fiche ouvrage ? Si cest le cas, la valeur minimale
sera de 0, ; sinon, elle sera de 1. Il parat clair que tout livre a une fiche ouvrage,
moins quil ne soit juste identifi dans la bibliothque mais pas encore catalogu.
Un livre peut-il avoir plusieurs fiches ouvrage ? Si cest le cas, la cardinalit maximale
sera de n ; sinon, elle sera de 1. On peut supposer quun livre na quune fiche
ouvrage.
Association emprunte
Pour dterminer les cardinalits du ct de lentit livre :
Un livre peut-il navoir jamais t emprunt ? Si cest le cas, la valeur minimale sera de
0 ; sinon elle sera de 1. On choisit 0 : un livre peut ne rencontrer aucun succs.
Un livre peut-il tre emprunt plusieurs fois ? Si cest le cas, la valeur maximale sera de
n ; sinon elle sera de 1. On rappelle quune base de donnes modlise une activit sur
une priode de temps. Un livre peut tre emprunt plusieurs fois mme si lon ne peut
pas le prter deux personnes simultanment. On choisit n.
Pour dterminer les cardinalits du ct de lentit personne :
Une personne peut-elle ne pas avoir emprunt de livre ? Si cest le cas, la valeur minimale sera de 0 ; sinon, elle sera de 1. Une personne ne sinscrit la bibliothque que
dans le but demprunter un livre ; elle en a donc au moins emprunt un. On choisit 1.
Une personne peut-elle emprunter plusieurs livres ? Si cest le cas, la cardinalit maximale sera de n ; sinon, elle sera de 1. On choisit n : un lecteur nest pas limit
lemprunt dun seul livre.
Association a_crit
Pour dterminer les cardinalits du ct de lentit ouvrage :
46
Un ouvrage peut-il ne pas avoir dauteur ? Si cest le cas, la valeur minimale sera de 0 ;
sinon, elle sera de 1. On choisit 1 : on suppose quil ny a pas de livre anonyme.
Chapitre
Un ouvrage peut-il avoir plusieurs auteurs ? Si cest le cas, la valeur maximale sera de
n ; sinon, elle sera de1 : un livre peut avoir plusieurs auteurs ; ctait dailleurs la
motivation pour crer lentit auteur. On choisit donc n.
Pour dterminer les cardinalits du ct de lentit personne :
Figure 2.22
Une personne peut-elle ne pas avoir crit de livre ? Si cest le cas, la valeur minimale
sera de 0 ; sinon, elle sera de 1. On choisit 0 : une personne peut ne pas tre un
auteur.
Une personne peut-elle tre lauteur de plusieurs livres ? Si cest le cas, la cardinalit
maximale sera de n ; sinon, elle sera de1. On choisit n : un auteur peut crire plusieurs livres.
Ouvrage
Entits livre,
ouvrage,
personne lies
par les
associations
emprunte,
a_crit et
est_un_exemplaire
(avec
cardinalits).
0,n
#Cote
ISBN
DateEmprunt
1,n
1,n
# NumLecteur
Nom
Prnom
Adresse
0,n
Est un
exemplaire
A crit
Livre
1,1
EXERCICE 4
Personne
Emprunte
Titre
#ISBN
diteur
1,n
Figure 2.23
Th me
# NumThme
Libell
0,n
Sminaire
Traite
1,1
1,n
1,1
# NumSminaire
DateSem
NbeJours
NbeInscrits
Prix
Anime
Salaire
NbeHeures
Intervient
0,n
# NumInter
Nom
Prnom
Est_responsable
Prime
0,n
Exercices
Entits
sminaire,
thme,
intervenant
lies par les
associations
traite,
est_responsable
et intervient
(avec
cardinalits).
Quelle description pouvez-vous donner du lien entre les diffrentes entits partir des
cardinalits ?
Un sminaire traite dun thme et dun seul (cardinalit 1-1). Un thme peut tre trait
par aucun sminaire ou par plusieurs (cardinalit 0-n).
Un sminaire a un intervenant au minimum (cardinalit 1-n). Un intervenant peut intervenir dans plusieurs sminaires ou aucun (cardinalit 0-n).
Un sminaire a toujours un responsable et un seul (cardinalit 1-1). Un intervenant peut
ntre responsable daucun sminaire ou ltre de plusieurs (cardinalit 0-n).
EXERCICE 5
ASSOCIATION INUTILE
On dcrit une (partie de la) ralit biologique dun systme parasite-hte de la manire
suivante :
Un parasite utilise un et un seul type dhte.
Un hte a un et un seul parasite.
Dcrivez les entits et les associations que vous identifiez partir de cette description et
dduisez-en les cardinalits associes. Que proposez-vous pour amliorer le schma ?
On identifie aisment les entits parasite et hte comme les sujets ou les complments des
phrases de type sujet-verbe-complment qui dcrivent le systme. Les cardinalits
seront de type 1-1 de chaque ct : chaque hte est associ de manire unique un
parasite et inversement. Les associations de cardinalits 1-1 de chaque ct sont gnralement inutiles : il est prfrable de les remplacer par une entit unique mme si lon perd
en lisibilit au niveau du schma. On fusionne les entits parasite et hte en une seule
entit cosystme (voir figure 2.24).
Figure 2.24
Entits parasitehte lies par
lassociation
utilise et fusion
en une entit
unique.
Parasite
# NumParasite
1,1
Utilise
NomPara
Hte
1,1
# NumHte
NomHte
cosystme
# NumHte
NomHte
NumParasite
NomPara
48
Chapitre
EXERCICE 6
ASSOCIATION RFLEXIVE
On veut reprsenter les liens de nourriture entre des humains, des animaux et des vgtaux. Lide, partir des schmas dalimentation modliss, est de pouvoir dduire des
chanes alimentaires de ce type : un homme mange un lapin qui mange des carottes .
On pourrait diffrencier les humains/animaux des vgtaux et crer deux entits diffrentes.
Mais comme les humains mangent des animaux et des vgtaux et que les animaux mangent
galement dautres animaux et des vgtaux, il nest pas pertinent de les sparer pour
reprsenter ce type dinformation. On utilise une seule entit humain_animal_vgtal qui est
lie elle-mme par lassociation mange. Les cardinalits sont de type 0-n (voir figure 2.25) :
Figure 2.25
vgtal
Entit
humain_animal
_vgtal lie par
lassociation
mange (avec
cardinalits).
0,n
# IdHAV
NomHAV
Mange
0,n
ASSOCIATION TERNAIRE
partir de la base de donnes exemple de vente de voitures, on souhaite ajouter les informations concernant le vendeur qui a ralis la vente. Proposez une (ou plusieurs) modification(s) du modle entit-association labor prcdemment. Ajoutez les nouvelles
cardinalits introduites par cette modification.
On doit dfinir une nouvelle entit vendeur. En effet, les informations du vendeur sont
indpendantes de celles des voitures ou des clients. On peut envisager le cas o lon ajoute
les informations du vendeur comme attributs de lassociation vente, mais un vendeur est
susceptible de raliser plus dune vente. On rpterait alors ces informations, identiques
pour le mme vendeur, avec les risques dincohrence classiques.
Lentit vendeur est lie lentit voiture mais galement lentit client. Ces liens sont
crs par lopration de vente :
Exercices
EXERCICE 7
Cette nouvelle entit sera lie aux deux autres par lassociation vente. On se trouve dans le
cas o lassociation sera donc non plus de type binaire, mais ternaire. Les cardinalits
associes aux entits voiture et client ne changent pas ; elles sont de type 0-n ( une
personne peut acheter plusieurs voitures ou aucune ; une voiture peut tre vendue une
seule fois ou jamais ).
Pour une association de type ternaire, on emploie plus ou moins implicitement des cardinalits de type 0-n. Cela correspond du ct du vendeur une phrase un peu ambigu de
la forme : un vendeur peut vendre aucune ou plusieurs voitures aucun ou plusieurs
clients . Comme on utilise la notation europenne, on neffectue pas de changements du
ct des entits client et voiture (voir figure 2.26).
Figure 2.26
Entits voiture,
client et
vendeur lies
par les
associations
ternaire vente
(avec
cardinalits).
Client
NumAch
Nom
ge
Ville
Sexe
0,n
Voiture
Vente
DateVente
Prix
0,1
0,n
# NumVoit
Marque
Type
Couleur
Vendeur
# NumVendeur
Nom
Tl
Les associations ternaires sont parfois dlicates utiliser et difficiles reprsenter en UML
sans contorsions. De plus, les cardinalits perdent de leur pertinence dans ce contexte. Il
est souvent prfrable de remplacer cette association par une entit que lon relie aux
autres par des associations binaires.
Figure 2.27
Entits voiture,
client, vendeur
et vente lies par
des associations
binaire aprs
transformation de
lassociation
ternaire vente en
entit (avec
cardinalits).
Client
NumAch
Nom
ge
Ville
Sexe
1,n
Voiture
Vente
1,1
# NumVente
DateVente
Prix
1,1
Vendeur
# NumVendeur
Nom
1,n
Tl
50
1,1
0,1
# NumVoit
Marque
Type
Couleur
Chapitre
Exercices
EXERCICE 8
Association rservation
Lassociation a pour attribut la date de rservation et le nombre de jours de rservation.
On a ajout un champ identifiant de la rservation NumRs. Il nest pas absolument
ncessaire dun point de vue du modle, une association na pas besoin dun attribut identifiant, mais il facilitera la gestion.
Association location
Lassociation a pour attribut la date et le nombre de jours de location. On a ajout un
champ identifiant de la location, NumLoc, pour les mmes raisons que prcdemment.
Lattribut livraison indique si la livraison a t effectue, afin le cas chant de la facturer.
Associations joue et ralise
Les deux associations nont pas dattributs.
Figure 2.28
Location
Entits clients,
film, personnel
lies par les
associations
rservation,
location, joue et
ralise (sans
cardinalits).
# NumLoc
NbeJourLoc
DateLoc
Client
Film
# NumClient
NomClient
PrnomClient
AdresseClient
TlClient
Compte
Rservation
# NumFilm
Titre
Genre
Prix
NbDVD
# NumRs
NbeJourRs
DateRs
Joue
Personnel
# NumPers
NomPers
PrnomPers
EXERCICE 9
REPRSENTATION AVEC
Ralise
UML
52
Chapitre
Un film est rserv aucune ou plusieurs fois (0..n).
Joue :
Une personne joue dans aucun ou plusieurs films (0..n).
Un film a au moins un acteur (1..n).
Ralise :
Une personne ralise aucun ou plusieurs films (0..n).
Un film a un et un seul ralisateur (1..1).
Enfin, la notation des cardinalits est inverse par rapport au modle entit-association
(voir figure 2.29).
Figure 2.29
0..n
Client
Reprsentation
UML des entits
clients, film,
personnel lies
par les
associations
reservation,
location, joue et
ralise (avec
cardinalits).
0..n
# NumClient
NomClient
PrnomClient
AdresseClient
TlClient
Compte
# NumFilm
Titre
Genre
Prix
NbDVD
# NumLoc
NbeJourLoc
DateLoc
0..n
0..n
Rservation
0..n
0..n
# NumRs
NbeJourRs
DateRs
Personnel
# NumPers
NomPers
PrnomPers
AUTRE EXEMPLE
1..n
Joue
Ralise
1..n
LE CAMPING LULIASTRU
Le camping lUliastru (lolivier sauvage), situ dans lextrme sud de la France, propose
ses clients diffrents types de locations : des bungalows toile pour 350 /semaine, des
caravanes pour 440 /semaine, des tentes pour 45 /jour. Les diffrentes formules offrent
un quipement complet et appartiennent au camping. Il est galement possible de louer
un emplacement tourisme la journe pour 28 /personne. Lensemble de ces locations sadresse un maximum de quatre personnes. Proposez un modle entit-association modlisant cette activit de gestion en fonction des lments de lnonc.
Voici les phrases cls dduites de lnonc qui permettent de caractriser les entits et les
cardinalits des associations du modle entit-association :
Les clients louent des sjours, ils peuvent en louer plusieurs (1..n).
Les sjours peuvent tre lous par un ou plusieurs clients (du moment que les priodes
de location ne se chevauchent pas) (0,n).
Exercices
EXERCICE 10
Film
Location
On en dduit les entits Sjour et Client, ainsi que lassociation Louer. La premire difficult que lon rencontre est lie la notion de temps. En effet, dans quelle entit doit tre
stocke la notion de dure de la location ncessaire la gestion ventuelle des
disponibilits ? Daprs lnonc, la dure de la location est fonction du type de location
(bungalows toile : 7 jours, caravanes : 7 jours, tentes : 1 jour, emplacements tourisme : 1
jour). Le client ne peut donc pas choisir la dure minimum ; cette dernire est dtermine
en fonction du type de location. Par consquent, il convient de stocker lattribut
duree_mini modlisant la dure de location minimum dans lentit location. Lunit
commune lensemble des locations pour la facturation est la journe ; les dures sexpriment alors en nombre de jours.
La seconde difficult est lie la notion de personne. Comment intervient-elle dans le
schma conceptuel ? Tout dabord, remarquons que, daprs la premire phrase cl, un
client peut reprsenter plusieurs personnes car il peut louer plusieurs locations. Par consquent, le moyen dintgrer efficacement la limite de quatre personnes et les quantits
ncessaires la facturation des diffrents types de location consiste en lajout de lattribut
quantit dans lassociation Louer. Le client du modle reprsente la personne physique
que lon facture.
Finalement, voici le MCD de cette activit de gestion :
Sjour(Type, Dure_mini, Prix_ttc)
Client(ID, Nom, Prnom, Adresse, Ville, CP, Tlphone)
Louer(quantit, date_dbut)
La date de dbut de location dpend la fois du client et de la location ; cest la raison pour
laquelle elle apparat dans lassociation Louer. La date de fin dune location est calcule
partir de la dure minimale et de la quantit loue en fonction de la date de dbut de
location ; cest la raison pour laquelle il est inutile de la stocker.
54
Chapitre
Approche
relationnelle
1. Concepts .................................56
2. Oprations du modle
relationnel ................................60
3. Passage du modle conceptuel
au relationnel ...........................68
4. Normalisation ..........................70
5. Logique du premier ordre
et base de donnes ...................76
Exercices
1. Relation, degr, cardinalit ........82
2. Cl dune relation .....................82
3. Contraintes dintgrit ...............83
4. Opration ensembliste ..............83
5. Projection ................................84
6. Restriction ................................85
7. Jointure ...................................85
8. Autre jointure ...........................87
9. Calcul sur des agrgats .............88
10. Passage du modle
entit-association au relationnel ...89
11. Passage du modle
entit-association
au relationnel II ........................90
12. Normalisation ..........................91
13. Normalisation II ........................92
14. Normalisation III .......................93
Concepts
Cette section expose la notion de relation et la terminologie qui lui est associe. On prsente ensuite les diffrents types de contraintes associes au contenu dune relation, ainsi
que la notion de cl dune relation.
Cet ensemble de couples de valeurs lies entre elles, que lon nomme tuples dans le
modle relationnel, reprsente la relation entre les lments appareil et couleur. Un
tuple est aussi dsign par les termes nuplets ou enregistrements . On dsigne galement les lments constitutifs de ces couples par les termes attributs ou champs .
On peut crire formellement la relation de la manire suivante : ma_cuisine(appareil,
couleur). Cette criture reprsente le schma relationnel de la relation ma_cuisine. Les
valeurs nonces prcdemment pour les champs reprsentent leurs domaines, cest-dire les ensembles de toutes les valeurs possibles pour un champ.
Une relation est totalement dcrite par :
le schma relationnel ;
les domaines des diffrents champs ;
les tuples qui la constituent.
Le nombre de champs de la relation sappelle son degr de la relation. Ici, la relation
ma_cuisine est de degr 2. Le nombre de tuples se nomme la cardinalit de la relation. La
relation ma_cuisine est de cardinalit 4. Attention, il ne sagit pas de la mme cardinalit
que pour le modle entit-association vu prcdemment.
On reprsente une relation par une table, correspondant la notion de tableau. Les tuples
correspondent aux lignes et les colonnes aux champs de la relation. Voici sous forme de
table une reprsentation de lexemple prcdent (voir figure 3.1).
Dans le modle relationnel, la relation est llment fondamental. Toutes les oprations
sur une ou plusieurs relations retourneront une relation. Un ensemble de relations relies
entre elles par des liens smantiques constitue une base de donnes.
56
Chapitre
Figure 3.1
Table
ma_cuisine.
Appareil
Couleur
Rfrigrateur
Rouge
Robot
Mauve
Cuisinire
Jaune
Lave-vaisselle
Rouge
Les dpendances fonctionnelles expriment la relation de hirarchie qui existe entre les
champs.
On considre lexemple de table suivant (voir figure 3.2), qui correspond la relation Lecteur(Numero_carte, Nom, Age, Ville, Etablissement). Cet exemple modlise les lecteurs
dune bibliothque.
Approche relationnelle 57
Figure 3.2
Relation Lecteur.
Numero
_carte
Nom
Age
Ville
Etablissement
Henri
10
Paris
Universit Sorbonne
Stanislas
34
Paris
Universit Jussieu
Henriette
44
Lyon
CHU Bron
Dominique
19
Nancy
Universit Poincar
Isabelle
56
Nancy
INPL
Olivier
51
Marseille
Henri
98
Paris
Universit Sorbonne
Jerome
23
Nancy
INPL
Laurence
34
Bordeaux
10
Christian
41
Paris
11
Antoine
16
Marseille
12
Laurence
34
Paris
Universit Jussieu
Si lon examine les donnes, on remarque quil ne peut y avoir de dpendances fonctionnelles entre les couples de champs (Ville, Etablissement) et les champs (Nom, Age). Il
existe un enregistrement (Laurence, 34) pour lequel les valeurs des champs (Nom, Age)
correspondent deux valeurs diffrentes de (Ville, Etablissement).
En revanche, on sait que, dans la ralit, un tablissement est situ dans une ville et une
seule (on le suppose pour cet exemple). Cela signifie quil existe une relation de dpendance entre les champs Etablissement et Ville. Le contenu des champs Ville et Etablissement des enregistrements de notre relation se conforment cette relation de
dpendance. A une valeur donne de Etablissement correspond bien une valeur unique
de Ville.
La valeur du champ Numero_carte est unique pour chacune des personnes. On constate
que ses valeurs sont identifiantes pour tous les autres champs de la relation. Chaque
champ dpend fonctionnellement du champ Numero_carte. Ses valeurs sont uniques et
jamais vides : cest une cl candidate. Dans cet exemple, cest la seule cl possible car les
autres champs nont jamais de valeur unique. Le champ Numero_carte est choisi comme
cl primaire de la relation.
Remarque
Tous les champs qui ne font pas partie dune cl candidate dune relation possdent des dpendances fonctionnelles avec cette cl.
Les dpendances entre les champs reprsentent les liens entre les diffrents lments du
monde rel. On rappelle quelles ne peuvent tre dduites du contenu de la relation, mme
si cela peut constituer un point de dpart. Elles sont donc dtermines durant la phase
prcdente danalyse du monde rel. Il est possible en revanche de vrifier si les enregistrements prsents dans la relation se conforment ces dpendances. La dtermination des
dpendances fonctionnelles entre les champs est fondamentale pour ltape de normalisation, traite la section Normalisation . Elles sont galement la base de la mthode
dite de la relation universelle , qui sera aborde dans la section Normalisation .
58
Chapitre
adapter le contenu des champs par rapport au sens des donnes dans le monde rel ;
prserver la cohrence du contenu de lensemble des relations qui sont lies ;
liminer les problmes dincohrence dus la redondance : en effet la duplication des
donnes rend dlicates la maintenance et lvolution de la relation.
Approche relationnelle 59
Union
Lopration dunion consiste en la mise en commun des enregistrements de chaque relation.
Les enregistrements identiques ne sont intgrs quune seule fois. Dans lexemple ci-aprs
(voir figures 3.3 et 3.4), le tuple dont la valeur du champ Numero_carte vaut 3 ne sera pas
dupliqu. Lunion est reprsente par le caractre . Cette opration sert typiquement
la consolidation de donnes de mme type provenant de diffrentes sources.
Figure 3.3
Relations
Lecteur_1et
Lecteur_2.
Nom
Age
Ville
Etablissement
Henri
10
Paris
Universit
Sorbonne
Stanislas
34
Paris
Universit
Jussieu
Henriette
44
Lyon
CHU Bron
60
Numero_carte
Nom
Age
Ville
Etablissement
Henriette
44
Lyon
CHU Bron
Dominique
19
Nancy
Universit Poincar
Isabelle
56
Nancy
INPL
Chapitre
Figure 3.4
Union des
relations
Lecteur_1 et
Lecteur_2.
Lecteur_1 Lecteur_2
Numero_carte
Nom
Age
Ville
Etablissement
Henri
10
Paris
Universit
Sorbonne
Stanislas
34
Paris
Universit
Jussieu
Henriette
44
Lyon
CHU Bron
Dominique
19
Nancy
Universit
Poincar
Isabelle
56
Nancy
INPL
Diffrence
Lopration diffrence consiste dsigner les enregistrements qui appartiennent une relation
sans appartenir lautre. La diffrence est reprsente par le caractre (voir figure 3.5).
Attention, cette opration nest pas symtrique ; le rsultat de lopration Lecteur_1
Lecteur_2 est en gnral diffrent de Lecteur_2 Lecteur_1. Elle permet par exemple dliminer des enregistrements dune relation par rapport une liste.
Figure 3.5
Diffrence des
relations
Lecteur_1 et
Lecteur_2.
Lecteur_1 Lecteur_2
Numero_carte
Nom
Age
Ville
Etablissement
Henri
10
Paris
Universit
Sorbonne
Stanislas
34
Paris
Universit
Jussieu
Intersection
Lopration intersection peut se dduire de la prcdente ; elle dsigne les enregistrements
qui sont communs aux deux relations. Lintersection est reprsente par le caractre
(voir figure 3.6). Elle permet de trouver les lments communs deux relations.
Figure 3.6
Intersection des
relations
Lecteur_1 et
Lecteur_2.
Lecteur_1 Lecteur_2
Numero_carte
Nom
Age
Ville
Etablissement
Henriette
44
Lyon
CHU Bron
Produit cartsien
Le produit cartsien permet la combinaison des enregistrements de deux relations sans
tenir aucun compte du contenu des donnes. Les relations nont donc pas besoin davoir la
mme structure. Le caractre reprsentant le produit cartsien est X .
Approche relationnelle 61
Figure 3.7
ma_cuisine(Appareil, Couleur)
Relations
ma_cuisine et
musicien.
Appareil
Couleur
Rfrigrateur
rouge
Robot
mauve
Cuisinire
jaune
Nom
Instrument
Jaco Pastorius
Basse
lectrique
Bill Evans
Piano
musicien(Nom, Instrument)
Lexemple a t choisi de manire montrer que les relations ne ncessitent pas de rapports entre elles pour faire un produit cartsien. Combiner des appareils de cuisine et des
musiciens na aucun sens dans la ralit (voir figures 3.7 et 3.8).
Figure 3.8
Appareil
Couleur
Nom
Instrument
rfrigrateur
rouge
Jaco Pastorius
Basse
lectrique
rfrigrateur
rouge
Bill Evans
Piano
robot
mauve
Jaco Pastorius
Basse
lectrique
robot
mauve
Bill Evans
Piano
cuisinire
jaune
Jaco Pastorius
Basse
lectrique
cuisinire
jaune
Bill Evans
Piano
Lecteur_proj(Nom, Ville)
Projection des
champs Nom et
Ville de la
relation Lecteur.
62
Nom
Ville
Henri
Paris
Stanislas
Paris
Chapitre
Nom
Ville
Henriette
Lyon
Dominique
Nancy
Isabelle
Nancy
Olivier
Marseille
Henri
Paris
Jerome
Nancy
Laurence
Bordeaux
Christian
Paris
Antoine
Marseille
Laurence
Paris
Intuitivement, dans une reprsentation de type table, on conserve uniquement les colonnes sur lesquelles la projection est faite.
Slection ou restriction
La slection consiste extraire les enregistrements de la relation. On utilise des critres
pour caractriser les enregistrements slectionns. Voici la relation obtenue partir de la
relation Lecteur en slectionnant les enregistrements dont le contenu du champ Ville est
Marseille (voir figure 3.10). La structure de la relation rsultat est la mme que celle de la
relation de dpart.
Figure 3.10
Slection sur la
relation Lecteur.
Nom
Age
Ville
Etablissement
Olivier
51
Marseille
Universit Saint
Charles
11
Antoine
16
Marseille
Universit Saint
Charles
Intuitivement, dans une reprsentation de type table, on conserve uniquement les lignes
rpondant au critre.
Jointure
La jointure est lopration fondamentale de lalgbre relationnelle qui permettra dexprimer le sens du lien entre les relations dans le monde rel. La liaison entre les relations
seffectue par le contenu commun dun champ. Lopration de jointure peut tre vue
comme une slection des enregistrements obtenus par le produit cartsien des relations,
dont les contenus du champ sur lequel on effectue la jointure sont gaux. On lappelle
dans ce cas une quijointure. Les champs dont on compare les contenus sont nomms
champs de jointure.
On considre les deux relations Lecteur_bis(Numro_carte, Nom, Num_Etablissement)
et Etablissement(Num_Etablissement, Ville, Nom_Etablissement) dont le contenu suit
(voir figure 3.11).
Approche relationnelle 63
Figure 3.11
Relations
Lecteur_bis et
Etablissement.
Numero_carte
Nom
Num_Etablissement
Henri
Stanislas
Henriette
Ville
Nom_Etablissement
Paris
Universit Jussieu
Lyon
CHU Bron
Nancy
Universit Poincar
Paris
Universit Sorbonne
Mme si lon ne dispose pas du modle conceptuel associ, on constate que lon peut relier
ces deux relations par le champ Num_Etablissement. Les informations concernant ltablissement de la relation Lecteur_bis sont stockes dans la relation Etablissement dont la
cl est le champ Num_etablissement. Pour obtenir la liste des lecteurs ainsi que les informations concernant leur tablissement, on effectue une jointure entre ces relations sur le
champ Num_Etablissement (voir figure 3.12).
Figure 3.12
Jointure des
relations
Lecteur_bis et
Etablissement
sur le champ
Num
_Etablissement.
Nom
Num_Etablissement_1
Num_Etablissement_2
Ville
Nom
_Etablissement
Henri
Paris
Universit Jussieu
Stanislas
Lyon
CHU Bron
Henriette
Paris
Universit Jussieu
Le champ Num_Etablissement y figure deux fois car une occurrence vient de la relation
Lecteur et lautre de la relation Etablissement. Afin de ne conserver quune valeur du
champ Num_Etablissement, on utilise lopration de jointure naturelle (voir figure 3.13).
Figure 3.13
Jointure naturelle
des relations
Lecteur_bis et
Etablissement
sur le champ
Num
_Etablissement.
64
Nom
Num
_Etablissement
Ville
Nom
_Etablissement
Henri
Paris
Universit
Jussieu
Stanislas
Lyon
CHU Bron
Henriette
Paris
Universit
Jussieu
Chapitre
On peut considrer lopration de jointure comme une slection sur le produit cartsien
des deux relations. On ne conserve que les lignes dont le contenu du champ sur lequel
seffectue la jointure est gal. Les lignes grises sont celles qui sont slectionnes lors dune
jointure (voir figure 3.14).
Figure 3.14
Produit cartsien
des relations
Lecteur_bis et
Etablissement.
Nom
Num_Etablissement_1
Num
_Etablissement
Ville
Num_Etablissement_2
Henri
Paris
Universit
Jussieu
Henri
Lyon
CHU Bron
Henri
Nancy
Universit Poincar
Henri
Paris
Universit
Sorbonne
Stanislas
Paris
Universit
Jussieu
Stanislas
Lyon
CHU Bron
Stanislas
Nancy
Universit Poincar
Stanislas
Paris
Universit
Sorbonne
Henriette
Paris
Universit
Jussieu
Henriette
Lyon
CHU Bron
Henriette
Nancy
Universit Poincar
Henriette
Paris
Universit
Sorbonne
On verra au chapitre consacr SQL que cest lune des manires dcrire une jointure.
Jointure externe
La jointure externe nest pas rellement une opration de base de lalgbre relationnelle.
Elle est cependant ncessaire pour pouvoir rpondre plus facilement des questions du
type Quels sont les tablissements qui nont pas de lecteurs ? Il sagit dune opration
de jointure tendue qui inclut dans le rsultat les lignes nayant pas de correspondance sur
le contenu du champ de jointure. Voici le rsultat de la jointure externe de la relation Etablissement avec la relation Lecteur sur le champ Num_Etablissement (voir figure 3.15).
On met en correspondance les valeurs du champ Num_Etablissement de toutes les lignes
de la relation Etablissement avec celles de la relation Lecteur.
Approche relationnelle 65
Figure 3.15
Num_Etablissement_1
Ville
Nom
_Etablissement
Numero
_carte
Nom
Num_Etablissement_2
Paris
Universit Jussieu
Henri
Lyon
CHU Bron
Stanislas
Nancy
Universit Poincar
NULL
NULL
NULL
Paris
Universit Sorbonne
NULL
NULL
NULL
Ici, les valeurs 3 et 4 du champ Num_Etablissement_1 provenant de la relation Etablissement nont pas de correspondance dans la relation Lecteur. Les lignes sont tout de mme
incluses dans le rsultat mais les champs provenant de la relation Lecteur prennent la
valeur NULL. Cette valeur signifie que le champ ne contient pas de valeur.
Pour rpondre la question Quels sont les tablissements qui nont pas de lecteurs ? , il
nous suffit de slectionner les lignes qui contiennent la valeur NULL, par exemple dans le
champ Numro_carte. Dans un second temps, on effectue une projection sur le champ
Nom_Etablissement (voir figure 3.16).
Figure 3.16
Etablissement_jointext_Lecteur_selproj(Nom_Etablissement)
Slection et
projection sur la
jointure externe
des relations
Lecteur_bis et
Etablissement
sur le champ
Num
_Etablissement.
Nom
_Etablissement
Universit Poincar
Universit
Sorbonne
La jointure externe nest pas une opration symtrique. Lopration inverse, cest--dire la
jointure externe de la relation Lecteur avec la relation Etablissement sur le champ
Num_Etablissement donne dans ce cas le mme rsultat quune jointure naturelle. En
effet, toutes les valeurs du champ Num_Etablissement de la relation Lecteur ont une
correspondance dans la relation Etablissement. Cest ce que lon souhaite puisque la relation Etablissement fait office de relation de rfrence pour le champ
Num_Etablissement de la relation Lecteur. Lopration de jointure externe peut tre utilise pour dtecter ce type dincohrence.
66
Chapitre
fonctions de calculs ont t dfinies afin de rpondre ce besoin. Elles seront dtailles au
chapitre sur SQL .
On considre la relation La_boutique(Num_facture, Article, Prix, Quantite) [voir figure 3.17].
Figure 3.17
Relation
La_boutique.
Article
Prix
Quantite
101
Bananes
12
45
1034
Choux
129
2345
Riz
60
0987
Gazelle
15
48
On suppose que lon veut exemple trouver le total pour chaque facture en multipliant le
prix par la quantit. Il est alors possible dajouter un champ Total dont le contenu sera
calcul par lexpression Prix Quantit (voir figure 3.18).
Figure 3.18
Relation
La_boutique
avec le champ
calcul Total.
Article
Prix
Quantite
Total
101
Bananes
12
45
540
1034
Choux
129
645
2345
Riz
60
240
0987
Gazelle
15
48
720
Il est galement possible deffectuer des oprations statistiques globales dun champ,
comme les calculs du nombre denregistrements, de moyenne, de maximum, de minimum. On obtient dans ce cas une nouvelle relation rduite une ligne et une colonne qui
contient la valeur calcule. En effet, le rsultat dune opration sur une relation est toujours une relation (voir figure 3.19).
Figure 3.19
La_boutique_moyenne(Moyenne_Prix)
Moyenne_Prix
9
Lecteur_parville(Ville, Nombre)
Ville
Nombre
Bordeaux
Lyon
Approche relationnelle 67
Ville
Nombre
Marseille
Nancy
Paris
Une entit devient une relation compose des champs de lentit. La cl de cette relation est la mme que celle de lentit.
Une association devient une relation compose des deux cls des entits associes.
Lensemble de ces deux cls constitue celle de la relation. Lorsquelle en possde, les
champs de lassociation forment les champs non cls de cette nouvelle relation.
Figure 3.21
Modle entitassociation de la
base de donnes
casse.
Client
NumAch
Nom
Age
Ville
Sexe
1,n
Voiture
Vente
DateVente
Prix
0,1
# NumVoit
Marque
Type
Couleur
68
Chapitre
3.2 CAS PARTICULIER DES ASSOCIATIONS AVEC UNE CARDINALIT DE TYPE 1-1
Considrons le cas du modle entit-association qui reprsente lactivit dorganisation de
sminaires dcrite trs succinctement de la manire suivante :
Figure 3.22
Seminaire
Modle entitassociation de la
base de donnes
animation de
sminaire.
# NumSeminaire
DateSem
NbeJours
Prix
1,n
1,1
Anime
Salaire
NbeHeures
Intervenant
0,n
# NumInter
NomInter
TelInter
Est responsable
Prime
0,n
Deux associations existent entre les deux entits Sminaires et Intervenant : Anime et
Est_responsable. Les attributs utiliss pour les entits et les associations sont visibles sur
le modle entit-association (voir figure 3.22).
Si lon applique les rgles gnrales nonces ci-dessus, on obtient quatre relations :
Intervenant(NumInter, NomInter, TelInter)
Seminaire(NumSem, DateSem, Prix, NbeJour)
Anime(NumInter, NumSem, NbeHeure, SalaireHor)
Est_responsable(NumInter, NumSem, Prime)
Lune des cardinalits de lassociation Est_responsable est de type 1-1, car un sminaire
possde un responsable et un seul. De cette dernire proprit, on peut en dduire que la
cl de la relation Est_responsable nest pas minimale. En effet, pour la relation
Est_responsable lidentifiant du sminaire dtermine celui du responsable. En dautres
termes, on identifie une dpendance fonctionnelle entre les champs NumSem et
NumInter pour la relation Est_responsable. On choisit le champ NumSem comme cl
de la relation Est_responsable.
La relation Est_responsable devient ainsi Est_responsable(NumSem, NumInter, Prime).
Les relations Est_responsable et Seminaire ont alors la mme cl, et il est possible de les
regrouper. On obtient la relation Seminaire_Res(NumSem, DateSem, Prix, NbeJour, NumInter, Prime). Il sest produit une sorte de glissement des lments de lassociation
Est_responsable vers lentit Seminaire.
On peut en dduire une rgle complmentaire des rgles gnrales prcdentes :
Lorsque lassociation entre deux entits comprend une cardinalit de type 1-1, on ne
cre pas de relation pour lassociation. Les champs de lassociation seront intgrs la
Approche relationnelle 69
relation cre pour lentit qui est associe avec la cardinalit 1-1. La cl de cette relation est toujours celle de lentit.
Remarque
Lun des intrts dUML est de disposer de logiciels capables, partir dun modle conceptuel
exprim en UML, de dduire automatiquement les relations en utilisant les rgles nonces ici.
Dautres rgles apparatraient dans le cas de lutilisation des extensions objet que propose UML ;
cependant ces possibilits dpassent le cadre de cet ouvrage.
Normalisation
Le modle relationnel procure des outils destins tester la qualit et la cohrence des
relations dans un schma relationnel cr ltape prcdente. Cette tape, appele
normalisation, permettra de vrifier certaines proprits des relations et le cas chant
de les transformer.
On aborde dans cette section les trois premires formes normales qui suffisent dans la plupart des cas et qui permettent une dcomposition du schma relationnel sans perte
dinformation. La forme normale de Boyce-Codd qui dtecte dautres incohrences, mais
propose une dcomposition avec perte dinformations de dpendance, est prsente la
fin de la section. Il existe dautres formes normales la quatrime et la cinquime , qui ne
sont pas prsentes dans cet ouvrage : ces dernires sont parfois difficiles apprhender et
les trois premires formes normales suffisent en gnral pour obtenir un schma relationnel de qualit.
La normalisation dun schma relationnel suggre une autre mthode pour obtenir un
ensemble de relations. On part dune relation unique qui contient tous les champs, que
lon appelle la relation universelle. laide des dcompositions proposes par la mise en
forme normale et du graphe des dpendances fonctionnelles des champs de cette relation,
on parvient par raffinements successifs un ensemble de relations normalises. Cette
mthode de la relation universelle est toutefois assez difficile manipuler ds que lon
dpasse une taille critique du nombre de champs.
70
Chapitre
Figure 3.23
Relation
Publication avec
un champ
multivalu.
Titre
Auteurs
13490
Le vin et
lavenir
21322
Bire et
progrs social
45333
Le champagne
et la France
Penelope Light,
Vanessa Martinez,
Salome Dupont
Publication(NumPubli, Titre)
NumPubli
Titre
13490
Le vin et
lavenir
21322
Bire et
progrs social
45333
Le champagne
et la France
Nom
Prenom
Lasso
Jean
De la Tuque
Hubert
Wilski
Stanislas
Salem
Aristide
Dupont
Salome
Light
Penelope
Martinez
Vanessa
Approche relationnelle 71
EstEcrite(NumPubli, NumAuteur)
NumPubli
NumAuteur
13490
13490
13490
21322
21322
21322
45333
45333
45333
On doit alors effectuer des jointures sur les diffrentes relations afin de reconstituer
linformation dans son intgralit. Cette dcomposition en trois relations se fait sans perte
dinformation.
Relation Produit.
Article
Fournisseur
Adresse
Prix
Marteau
SOGENO
Paris
Tournevis
ARTIFACT
Lille
10
Tournevis
SOGENO
Paris
23
Pince
LEMEL
Paris
34
Mtre
ARTIFACT
Lille
24
La cl est constitue des champs Article et Fournisseur. Or, il y a une relation de dpendance entre le champ Fournisseur, qui est une partie de la cl, et le champ Adresse.
On dcompose alors la relation pour liminer la redondance ainsi cre. La nouvelle relation
72
Chapitre
aura pour cl la partie de la cl de la relation dorigine dont dpendent fonctionnellement les
autres champs. Dans cet exemple, il sagit du champ Fournisseur. Les autres champs dpendants constituent le reste de la relation. Il sagit ici du champ Adresse.
On obtient alors le rsultat suivant (voir figure 3.26).
Figure 3.26
Dcomposition de
la relation
Produit pour
passer en
deuxime forme
normale.
Article
Fournisseur
Prix
Marteau
SOGENO
Tournevis
ARTIFACT
10
Tournevis
SOGENO
23
Pince
LEMEL
34
Mtre
ARTIFACT
24
Fournisseur(Fournisseur, Adresse)
Fournisseur
Adresse
SOGENO
Paris
ARTIFACT
Lille
LEMEL
Paris
Comme prcdemment, il est ncessaire de faire une jointure pour reconstituer linformation. La dcomposition en deux relations se fait sans perte dinformation.
Remarque
Si la cl dune relation est atomique, cest--dire compose dun seul champ, elle est naturellement en deuxime forme normale.
Approche relationnelle 73
Figure 3.27
Relation
Baladeur.
NumBal
Marque
Type
Couleur
12
Apple
Ipod
Blanc
43
Creative
Zen
Noir
23
Apple
Ipod
Noir
29
Creative
Zen
Gris
34
Sony
MZ-RH910
Rouge
La cl de cette relation est un numro, NumBal, car il peut y avoir dans notre stock plusieurs baladeurs de mme marque, de mme type et de mme couleur. Les marques dposent les noms des objets quelles fabriquent de faon les identifier sur le march. Il existe
donc une dpendance fonctionnelle entre le champ Type (qui nappartient pas la cl) et
le champ Marque (qui nappartient pas la cl). On dcompose la relation en en crant
une nouvelle qui a pour cl le champ dont dpendent les autres champs constituant la
dpendance transitive. Il sagit dans ce cas du champ Type. Les autres champs de la nouvelle relation sont composs des champs qui en dpendent fonctionnellement : ici, le
champ Marque (voir figure 3.28).
Figure 3.28
Dcomposition de
la relation
Baladeur pour
passer en
troisime forme
normale.
NumBal
Type
Couleur
12
Ipod
Blanc
43
Zen
Noir
23
Ipod
Noir
29
Zen
Gris
34
MZ-RH910
Rouge
Baladeur_type(Type, Marque)
Type
Marque
Ipod
Apple
MZ-RH910
Sony
Zen
Creative
Comme prcdemment, il est ncessaire de faire une jointure pour reconstituer linformation dans son intgralit. La dcomposition en deux relations se fait sans perte
dinformation.
Remarque
Les deuxime et troisime formes normales traitent des problmes diffrents. Lordre dans lequel
on les considre pour la normalisation, mise en deuxime forme puis en troisime forme normale,
est plutt li lhistorique qu une ncessit relle.
74
Chapitre
Produit
Prix
Couleur
Philips
LD 1024
49
Blanc
Olympus
VN 1664
49
Noir
Philips
LD 5647 H
59
Blanc
ImaginR
VN 1664
69
Gris
Olympus
VN 234 PC
79
Rouge
La cl de cette relation est constitue par les champs Marque et Produit. En effet, un produit est fabriqu sous licence par la socit ImaginR et a donc le mme nom que celui propos par la socit Olympus. Il est alors ncessaire dutiliser les deux champs pour constituer
la cl. Pour se dmarquer les unes des autres, les socits utilisent des couleurs personnalises
destines identifier la marque : Philips, le blanc et lorange ; Olympus, le rouge et le noir ;
ImaginR, le gris. On a donc une relation de dpendance entre ces deux champs. La relation
est en troisime forme normale, mais elle nest pas en forme de Boyce-Codd.
Plusieurs dcompositions sont possibles : par exemple Dictaphone(Marque, Type, Prix) et
Marque_coul(Couleur, Marque). Mais cette dcomposition gnre des tuples non dsirs
au moment de la jointure. Quant la dcomposition Dictaphone(Type, Prix, Couleur) et
Marque_coul(Couleur, Marque), elle permet de reconstituer linformation de dpart par
une jointure sur le champ Couleur (voir figure 3.30).
Figure 3.30
Relation
Dictaphone
dcompose pour
passer en forme
de Boyce-Codd.
Prix
Couleur
LD 1024
49
Blanc
VN 1664
49
Noir
LD 5647 H
59
Blanc
Approche relationnelle 75
Produit
Prix
Couleur
VN 1664
69
Gris
VN 234 PC
79
Rouge
Marque_coul(Couleur, Marque)
Couleur
Marque
Blanc
Philips
Noir
Olympus
Gris
ImaginR
Rouge
Olympus
On utilise classiquement des variables (x,y dans notre exemple) et des constantes dans les
expressions. Les prdicats peuvent tre associs par des connecteurs logiques : (et),
(ou), (non), (implique). Le domaine de discours des variables sexprime partir des
quantificateurs (quel que soit) et (il existe). Ce formalisme simple permet dexprimer
des proprits comme celle-ci : si x est mang par y ou y est mang par x, ils appartiennent tous deux la mme chane alimentaire .
76
Chapitre
x y mange(x,y) mange(y,x) meme_chaine_alimentaire(x,y)
Cette formule peut se rcrire en utilisant des rgles de dduction dans le but daboutir
un ensemble de clauses plus aises vrifier : cest sur ce principe que fonctionne la
dmonstration automatique de thormes. La diffrence entre un (bon) mathmaticien et
un programme est videmment que le mathmaticien va choisir demble la srie de rgles
adapte pour parvenir plus rapidement au rsultat.
Voici une possibilit de rcriture de la formule prcdente.
a b donne a b
x y ((mange(x,y) mange(y,x)) (meme_chaine_alimentaire(x,y)))
(a b) donne a b
x y (mange(x,y) ? mange(y,x)) (meme_chaine_alimentaire(x,y)))
(a b) c donne (a c) (b c)
x y ((mange(x,y) meme_chaine_alimentaire(x,y))
meme_chaine_alimentaire(x,y)))
a b donne a b
x y ((mange(x,y)
meme_chaine_alimentaire(x,y))
meme_chaine_alimentaire(x,y))
((mange(y,x)
(mange(y,x)
On obtient ainsi deux clauses relies par , on lappelle clause de Horn qui reprsente la
fin de la rcriture :
mange(x,F(x)) meme_chaine_alimentaire(x,F(x)))
mange(F(x),x) meme_chaine_alimentaire(x, F(x))
Dans notre cas, on peut sassurer assez facilement que ces deux implications sont toujours
vrifies pour le domaine du discours.
Cela signifie que les valeurs des champs Marque et Type des tuples de la relation voiture sont reprsentes par les variables m et t. Le signe _ reprsente nimporte quelle
valeur des autres champs NumVoit et de Couleur.
Approche relationnelle 77
Lexpression afficher le type des voitures de couleur rouge , qui est une projection et
une slection sur la relation voiture, peut scrire sous la forme :
{ (t) | voiture(_,_,t,rouge) }
Cette fois, on utilise une constante, rouge, dans lexpression pour fixer la valeur dun
champ et la variable, t, pour les valeurs du champ recherches.
On peut exprimer lappartenance dun champ un ensemble par un critre. Lexpression
afficher les prix de vente suprieurs 10 000 , qui est une projection et une slection sur
la relation vente, peut scrire sous la forme :
{ (p) | vente(_,p,_,_) p > 10000 }
Enfin, la jointure entre deux relations est galement possible. Lexpression afficher le
type des voitures vendues et leur prix , qui met en jeu deux relations, peut scrire sous la
forme :
{ (t,p) | nv voiture(nv,_,t,_) vente(_,p,_ ,nv)}
Il suffit dutiliser la mme variable dans les deux relations : ici nv, pour le champ
NumVoit qui sert effectuer le lien. Le quantificateur permettra de ne slectionner
que les tuples dans les deux relations pour lesquels les valeurs de NumVoit sont identiques, ce qui est exactement la dfinition dune jointure (quijointure).
Le formalisme de la logique du premier ordre permet dexprimer toutes les oprations
relationnelles vues prcdemment : cest normal puisquil sagit de la base de lapproche
relationnelle. On peut alors considrer un SGBD comme un outil de dmonstration de
thormes, tels que lon peut en rencontrer en intelligence artificielle, qui agirait sur un
ensemble trs restreint de rgles.
Projection du
champ Marque
dans un QBE.
NumVoit
78
Marque
Type
Couleur
Les critres de slection se font par des valeurs exemples (voir figures 3.32 et 3.33).
Chapitre
Figure 3.32
Slection sur un
contenu et
projection dans un
QBE.
Figure 3.33
NumVoit
Marque
Type
Couleur Rouge
Slection sur un
critre et
projection dans un
QBE.
DateVent
Prix
NumAch
NumVoit
> 10 000
Les conditions situes sur la mme ligne sont relies par un et (voir figure 3.34).
Afficher les prix de vente suprieurs 10 000 et dont la date de vente a eu lieu aprs le
Slection multicri- 1er janvier 1997 :
Figure 3.34
tre obligatoire et
projection dans
un QBE.
DateVent
> 01/01/1997
Prix
NumAch
NumVoit
> 10 000
Figure 3.35
Slection
multicritre
optionnel et
projection dans un
QBE.
Les conditions situes sur deux lignes diffrentes sont relies par un ou (voir
figure 3.35).
Afficher les prix de vente suprieurs 10 000 ou dont la date de vente a eu lieu aprs le
1er janvier 1997 :
{ (p) | vente(d,p,_,_) (p > 10000 d > 01/01/1997)}
DateVent
> 01/01/1997
Prix
NumAch
NumVoit
> 10 000
Figure 3.36
Jointure et
projection dans un
QBE.
La jointure entre deux relations se fait en utilisant une variable, exactement comme
dans une formule de la logique de premier ordre (voir figure 3.36).
Afficher le type des voitures vendues et leur prix :
{ (t,p) | nv voiture(nv,_,t,_) vente(_,p,_ ,nv)}
NumVoit
Marque
Type
Couleur
Prix
NumAch
NumVoit
Nv
DateVent
Nv
Cette mthode dinterrogation simple et efficace est encore propose par de nombreux SGBD.
Approche relationnelle 79
Rsum
Lapproche relationnelle modlise les faits de la vie relle par des tuples, qui sont des
ensembles de valeurs de diffrents champs (ou attributs) : (rfrigrateur, 2003, rouge) est
un tuple qui reprsente des valeurs des champs Objet, Anne, Couleur lies dans le
monde rel. Lensemble des tuples sappelle une relation. Il sagit du concept de base qui
sera manipul par lapproche relationnelle et peut tre reprsent sous la forme dune
table.
Pour identifier un tuple, on utilise le contenu dun ou de plusieurs champs que lon nommera la cl dune relation. Cette dernire est tablie en utilisant le concept de dpendance
fonctionnelle entre les diffrents champs. La cl est constitue par le plus petit ensemble
de champs dont dpendent fonctionnellement les autres champs. Si plusieurs cls sont
possibles, on parle de cls candidates. La cl choisie sera nomme la cl primaire.
Les oprations de manipulation de ces relations peuvent tre regroupes en trois
catgories :
Les oprations du monde ensembliste. Produit cartsien, intersection, union et diffrence.
Les oprations spcifiques relationnelles. Projection, slection (ou restriction) et
jointure. On a prsent galement la jointure externe qui permet de rpondre des
questions spcifiques mme sil ne sagit pas dune opration de base du relationnel.
Les oprations et les fonctions de calcul. Elles ne constituent pas rellement des oprations du monde relationnel mais sont utiles pour effectuer des calculs sans recourir
un langage de programmation.
La cohrence des donnes contenues dans les relations est amliore par la dfinition de
contraintes que lon appliquera sur les relations au moment de leur cration. Ces contraintes expriment essentiellement les conditions dappartenance un ensemble que lon
nomme le domaine du champ. On peut dcrire cet ensemble de plusieurs manires :
Une liste exhaustive de valeurs, comme celles des jours de la semaine : lundi ,
mardi , etc.
Le respect de proprits, comme : lge doit tre compris entre 7 et 77 ans .
Lutilisation des valeurs dun champ comprises dans une autre relation de rfrence.
On parle de cl trangre.
La mise en uvre de ces contraintes est assure par le SGBD en utilisant le Langage de
Dfinition de Donnes (LDD). Aprs avoir prsent les concepts de relation (ou de table) et
les outils qui permettent de les manipuler, on a dcrit les rgles qui conduisent du modle
conceptuel prsent au chapitre prcdent un ensemble de relations constituant le
modle logique de la base de donnes. Les liaisons entre les relations, qui expriment les
liens de sens dans la ralit, seront tablies dynamiquement par lopration fondamentale
de lapproche relationnelle qui est la jointure.
On value ensuite la qualit de ces relations en vrifiant leur conformit par rapport des
proprits que lon appelle les formes normales. Ces proprits visent essentiellement
dtecter la redondance et la cohrence des donnes dans les relations. On a prsent dans
ce chapitre les quatre formes normales les plus courantes :
80
Chapitre
la troisime forme normale qui dtecte une dpendance transitive entre une cl et
un champ, cest--dire quun champ non-cl dpend dun autre champ non-cl qui
dpend lui mme de la cl ;
la forme normale de Boyce-Codd qui dtecte la relation de dpendance entre un
champ non-cl et une partie dune cl ; cest une extension de la troisime forme normale qui est plus restrictive.
La normalisation est une mthode de rorganisation qui consiste dcomposer une relation pour la rendre conforme aux formes normales. La recomposition des donnes se fait
alors par une opration de jointure qui peut se rvler coteuse en ressources. Cest pour
cette raison de performance que certaines relations sont parfois laisses en forme non normalise. Les deux tapes prcdentes de passage du modle conceptuel au schma relationnel et de normalisation peuvent tre quasiment automatises. Enfin, on a abord les
bases du fondement logique de lapproche relationnelle. Lobjectif est de prsenter une
mthode dinterrogation intuitive et graphique dune base de donnes qui en dcoule : les
QBE ou interrogation par lexemple .
Approche relationnelle 81
Exercices
EXERCICE 1
EXERCICE 2
CL DUNE RELATION
Quelle est la cl de cette relation (voir figure 3.37) ?
Film(Prix, Format, Type, Nombre)
Figure 3.37
Relation Film.
Prix
Format
Type
Nombre
12
4 :3
Couleur
16 :9
Noir/Blanc
12
16 :9
Couleur
1664
35
4 :3
Noir/Blanc
890
12
16 :9
Noir/Blanc
82
Chapitre
la relation semblent confirmer quil sagit bien dune cl, il ny a pas ici de dpendance entre
les champs Prix et Nombre. Sauf si le commanditaire de la base de donnes vous affirme le
contraire pour son cas particulier. Sans faire une analyse exhaustive des dpendances entre
tous les champs, il semble quil ny a pas dans cette relation de bons candidats pour identifier un tuple. Une solution est dajouter un champ spcifique ; cest ce que proposent la plupart des SGBD lorsque vous ne dfinissez pas de cl pour une relation.
EXERCICE 3
CONTRAINTES DINTGRIT
On considre la relation Film(Prix, Format, Type, Nombre) de lexemple prcdent. Proposez des contraintes dintgrit pour chaque champ. On suppose que lon ajoute un
champ Numro_Film qui correspond son identifiant dans une relation descriptive qui
est un catalogue de films. Que proposez-vous comme contrainte pour ce champ ?
Pour les champs de type numrique comme Prix et Nombre, on peut proposer des limites dappartenance un intervalle. Le prix doit tre compris entre 0 et 1 000, et le nombre
entre 0 et 10 000.
Pour les champs de type caractre comme Format et Couleur, il semble que les valeurs
puissent tre incluses dans des ensembles numrs. Le format peut tre compris dans
lensemble (3 :4,16 :9) et la couleur dans lensemble (Couleur,Noir/Blanc) .
Le contenu du champ Numro_Film peut tre dfini par rapport au contenu du champ
correspondant dans la relation catalogue. Cela revient imposer la contrainte suivante :
on nentre pas de numro de films qui ne se trouveraient pas dans le catalogue. Dans tous
les cas, ces valeurs sont dterminer avec les usagers de la base de donnes.
EXERCICE 4
OPRATION ENSEMBLISTE
Exprimez lintersection entre deux relations partir des oprations dunion et de diffrence. Donnez-en une illustration avec ses deux relations (voir figure 3.38).
ma_cuisine(Appareil, Couleur)
Relations
ma_cuisine et
sa_cuisine.
Appareil
Couleur
Rfrigrateur
rouge
Robot
mauve
Cuisinire
jaune
Appareil
Couleur
Rfrigrateur
mauve
Cuisinire
jaune
Hotte
bleue
sa_cuisine(Appareil, Couleur)
Pour raliser ces oprations, il faut que les relations possdent le mme schma. Lintersection entre deux ensembles peut se concevoir de la manire suivante en utilisant lop-
Exercices
Figure 3.38
Approche relationnelle 83
ma_cuisine - sa_cuisine
Appareil
Couleur
Rfrigrateur
rouge
Robot
mauve
Couleur
Cuisinire
jaune
EXERCICE 5
PROJECTION
Trouver le prix et le type de tous les films de la relation Film vue prcdemment. Peuton en dduire que Prix & Type est une cl candidate, cest--dire que toute combinaison des valeurs du prix et du type dun film permet didentifier un film ?
Il sagit simplement dune projection sur les champs (voir figure 3.40).
Figure 3.40
Film_proj(Prix, Type)
Projection de la
relation Film.
Prix
Type
12
Couleur
Noir/Blanc
12
Couleur
35
Noir/Blanc
12
Noir/Blanc
Cette projection permet de mettre en vidence que Prix et Type nest pas une cl candidate, car il y a un doublon : le tuple (12, Noir/Blanc).
84
Chapitre
EXERCICE 6
RESTRICTION
Donnez le prix des films de la base films en Noir/Blanc . Quels sont le degr et la cardinalit de la relation obtenue ? Est-il possible de calculer ces valeurs lavance, comme
on le fait pour un produit cartsien ?
Il sagit de raliser une restriction sur les tuples dont le champ Type contient Noir/
Blanc ; on fait ensuite une projection sur le champ Prix (voir figure 3.41).
Figure 3.41
Restriction et
projection de la
relation Film.
Prix
Format
Type
Nombre
12
4 :3
Couleur
16 :9
Noir/Blanc
12
16 :9
Couleur
1664
35
4 :3
Noir/Blanc
890
12
16 :9
Noir/Blanc
Film_NB(Prix)
Rsultat de la
restriction et de la
projection de la
relation Film.
Prix
4
35
On peut calculer le degr facilement, puisquil sagit du nombre de champs sur lesquels on
fera la projection. Pour la cardinalit qui reprsente le nombre de lignes du rsultat, on ne
peut la calculer lavance puisquelle va dpendre du contenu du champ Type des tuples
de la relation.
EXERCICE 7
JOINTURE
On considre ces deux relations prsentes dans un exercice prcdent (voir figures 3.43
et 3.44).
Relation Film.
Format
Type
Nombre
Numero_Film
12
4/3
Couleur
16/9
Noir/Blanc
12
16/9
Couleur
1 664
50
35
4/3
Noir/Blanc
890
12
12
16/9
Noir/Blanc
12
Exercices
Figure 3.43
Approche relationnelle 85
Catalogue(Numero_Film, Titre)
Figure 3.44
Relation
Catalogue.
Numero_Film
Titre
A toi !
56
111
Le temps expliqu
12
Trouvez la liste des titres de films et leur format. Voyez-vous une incohrence dans le
rsultat ? Pouvez-vous lors de cette opration dtecter si la contrainte dintgrit rfrentielle suggre lexercice prcdent a t respecte ? Est-il possible de faire une jointure
entre ces deux relations sur le champ Prix de la relation Film avec le champ
Numero_film de la relation Catalogue ? Si oui, que signifie le rsultat ?
On fait une jointure entre les deux relations sur les champs Numero_Film (voir figure 3.45).
Figure 3.45
Jointure des
relations Film et
Catalogue.
Prix
Format
Type
Nombre
Numero
_Film
(Films)
Numero
_Film
(Catalogue)
Titre
12
4 :3
Couleur
Le train qui
passe
16 :9
Noir/Blanc
A toi !
35
4 :3
Noir/Blanc
890
12
12
Les impts
faciles
12
16 :9
Noir/Blanc
12
12
Les impts
faciles
Titre
Format
Le train qui
passe
4 :3
A toi !
16 :9
Les impts
faciles
4 :3
Les impts
faciles
16 :9
Il nest pas incohrent dobtenir deux fois le mme titre avec deux formats diffrents. En
revanche, la contrainte dintgrit rfrentielle nest pas respecte, car on nobtient pas la
mme cardinalit que la relation de dpart lors de lopration de jointure. On aurait d
obtenir une cardinalit de 5. On constate sur cet exemple que le contenu 50 du champ
Numero_Film ne se trouve pas dans la relation Catalogue. Il manque donc un tuple dans
le rsultat.
86
Chapitre
La jointure sur les champs Prix et Numro_film est possible, car ils sont de mme type. Elle
sera donc effectue par le SGBD sans rejet. On obtient la relation suivante (voir figure 3.47).
Figure 3.47
Jointure sans
objet des
relations Film et
Catalogue.
Prix
Format
Type
Nombre
Numero
_Film
(Films)
Numero
_Film
(Catalogue)
Titre
12
4 :3
Couleur
12
Les impts
faciles
16 :9
Noir/
Blanc
A toi !
12
16 :9
Couleur
1664
50
12
Les impts
faciles
12
16 :9
Noir/
Blanc
12
12
Les impts
faciles
EXERCICE 8
AUTRE JOINTURE
Comment trouver la(les) valeur(s) qui ne respectent pas lintgrit rfrentielle du
champ Numro_Film de la relation Film par rapport la relation Catalogue dans
lexemple prcdent ? Quels sont les films du catalogue qui ne sont pas utiliss dans la relation Film ?
Figure 3.48
Jointure externe
des relations
Film et
Catalogue.
Prix
Format
Type
Nombre
Numero
_Film
(Films)
Numero
_Film
(Catalogue)
Titre
12
4 :3
Couleur
Le train qui
passe
16 :9
Noir/
Blanc
A toi !
12
16 :9
Couleur
1664
50
NULL
NULL
35
4 :3
Noir/
Blanc
890
12
12
Les impts
faciles
12
16 :9
Noir/
Blanc
12
12
Les impts
faciles
Il suffit alors de faire une slection sur le contenu dun champ provenant de la relation
Catalogue dont le contenu est NULL, par exemple le champ Titre. On projette ensuite
sur le champ Numero_Film provenant de la relation Film. On obtient une relation une
ligne et une colonne (ou une relation de degr 1 et de cardinalit 1) [voir figure 3.49].
Exercices
On fait une jointure externe cette fois entre les relations sur les champs Numero_Film.
Attention, lopration nest pas symtrique, la jointure se fait partir de la relation Film
sur la relation Catalogue (voir figure 3.48)
Approche relationnelle 87
Figure 3.49
Slection et
projection de la
jointure externe
des relations
Film et
Catalogue.
Figure 3.50
Jointure externe
des relations
Catalogue et
Film.
Numero
_Film
50
Pour dtecter les films du catalogue non utiliss, on va cette fois faire une jointure externe
symtrique de la prcdente partir de la relation Catalogue sur la relation Film (voir
figure 3.49).
Numero
_Film
(Catalogue)
Titre
Prix
Format
Type
Nombre
Numero
_Film
(Film)
Le train qui
passe
12
4 :3
Couleur
A toi !
16 :9
Noir/
Blanc
56
Les chats du
Sngal
NULL
NUL
NUL
NUL
NUL
111
Le temps
expliqu
NUL
NUL
NUL
NUL
NUL
12
Les impts
faciles
12
4 :3
Noir/
Blanc
890
12
De mme que prcdemment, il suffit de faire une slection sur le contenu dun champ
provenant de la relation Film dont le contenu est NULL, par exemple le champ Prix. On
projette ensuite sur le champ Numero_Film provenant de la relation Film. On obtient
une relation deux lignes et une colonne (ou une relation de degr 1 et de cardinalit 2)
[voir figure 3.51].
Figure 3.51
Titre
Slection et
projection de la
jointure externe
des relations
Catalogue et
Film.
Les chats du
Sngal
Le temps
expliqu
Cet exercice permet de mettre en vidence lasymtrie de lopration de jointure externe et
son rle indispensable pour rpondre des questions de ce type. Cest pour cette raison
quelle a t introduite dans le langage SQL dans un second temps, mme si elle nen faisait
pas partie lorigine.
EXERCICE 9
88
Chapitre
valeurs pour toute la relation 4 :3 et 16 :9. Lopration sappelle raliser des agrgats par
rapport au contenu dun champ . Ensuite, pour ces deux sous-relations, on calcule la
moyenne des valeurs du champ Prix. Dans la relation rsultat, on a le champ projet Format et le champ calcul Moyenne (voir figure 3.52).
Figure 3.52
Prix
Format
29,5
4 :3
9,3333
16 :9
Agrgat sur la
relation Film.
EXERCICE 10
Figure 3.53
Location
NbeJourLoc
DateLoc
0,n
Client
# NumClient
NomClient
PrenomClient
AdresseClient
TeleClient
Compte
0,n
Film
0,n
Reservation
NbeJourRes
DateRes
0,n
1,n
1,1
# NumFilm
Titre
Genre
Prix
NbDVD
Joue
Personnel
0,n
# NumPers
NomPers
PrenomPers
Realise
0,n
On applique les rgles classiques de passage vues prcdemment dans ce chapitre. Une
entit devient une relation compose des champs de lentit, ayant comme cl celle de
lentit.
Client (NumClient, Nom, Prenom, Adresse, Tel, Compte) ;
Films(NumFilm, Titre, Genre, Prix, NombreDVD) ;
Personnels(NumPers, Nom, Prenom).
Les associations deviennent des relations ayant comme champs ceux de lassociation et
comme cl celles des entits associes.
Locations(DateLoc, NbeJourLoc, Livraison, NumFilm, NumClient) ;
Reservations(DateRes, NbJourRes, NumFilm, NumClient) ;
Joue(NumPers, NumFilm) ;
Realise(NumPers, NumFilm).
Exercices
Modle entitassociation de la
location de DVD.
Approche relationnelle 89
On remarque que lassociation Realise a une cardinalit de type 1-1 lors de son association avec Films. Cela signifie dans le monde rel quun film a un et un seul ralisateur.
On est dans le cas o lassociation Realise est absorbe par la relation cre partir de
lentit associe, ici Film. On obtient la relation suivante :
Films(NumFilm, Titre, Genre, Prix, NombreDVD, NumPers) et la relation Realise
disparat.
On peut noter que les cls des relations cres partir des associations Locations et
Reservations supposent quun client ne rserve et ne loue pas le mme film deux fois.
Dans le cas contraire, on serait oblig dajouter un champ identifiant pour ces deux relations. L encore, on ne peut dcider cela qu lisssue de discussions avec les utilisateurs de
la base de donnes.
EXERCICE 11
II
Client
# IDPersonne
Nom
Adresse
NumTlphone
0,n
Est mari
DateMariage
0,n
Le fait que lassociation se fasse sur une mme entit ne pose pas de problmes
particuliers ; on applique les rgles classiques. On obtient deux relations :
Lentit personne devient une relation Personne(NumPersonne, Nom, Prenom,
Adresse, Tel).
Lassociation est_mari_ devient une relation Mariage(NumPersonne 1, NumPersonne 2,
DateMariage).
Les champs de lassociation de mme nom doivent tre renomms car ils ne peuvent avoir
le mme nom.
Les cardinalits 0-n de lassociation mariage ne signifient pas forcment que lon accepte la
polygamie, mais plutt que lon peut avoir t mari plusieurs fois des dates diffrentes.
ce sujet, la cl de la relation Mariage suppose quune personne ne se marie pas deux fois
avec la mme personne.
90
Chapitre
EXERCICE 12
NORMALISATION
Cette relation est-elle en premire forme normale (voir figure 3.55) ?
Personne(Nom, Adresse_mail, Poste)
Figure 3.55
Relation
Personne.
Nom
Adresse_mail
Poste
Andr
Dupont
adup@philips.com,
andre@dupond.fr
Directeur
Stanislas De
la Motte
sdlm@versailles.mairie.fr
Employ,
asserment
Elisabeth
Macroix
elsa@yago.to, mac@rien.fr
Assistante
La relation nest pas en premire forme normale en raison des valeurs qui correspondent
bien des valeurs multiples contenues dans le champ Adresse_Mail. En revanche, il nest
pas sr que la valeur Employ, asserment de le champ Poste soit une valeur multiple.
Une virgule dans un champ ninduit pas ncessairement quil contient des valeurs
multiples : cest peut-tre un contenu normalis (un peu trange certes).
On remarque que cette relation na pas non plus de cl candidate srieuse, si lon tient
compte des dpendances fonctionnelles entre les champs. Or, seule la prsence dune cl
permettra de faire la dcomposition ncessaire la normalisation. On ajoute un champ
Ident_Personne qui en sera la cl et lon dcompose en trois relations comme on la vu
prcdemment.
Une autre solution moins lourde est dajouter un champ supplmentaire pour ladresse
mail en supposant que lon nen stockera toujours que deux. On effectue alors la rpartition des valeurs entre les champs. Il faut tout de mme ajouter le champ Ident_Personne
pour que la relation possde une cl (voir figure 3.56).
Personne(Ident_Personne, Nom, Poste, Adresse_mail1, Adresse_mail2)
Relation
Personne
modifie.
Ident
_Personne
Nom
Poste
Adresse_mail1
Adresse_mail2
Andr
Dupont
Directeur
adup@philips.com
andre@dupond.fr
Stanislas De
la Motte
Employ,
asserment
sdlm@versailles.mairie.fr
sdlm@versailles.mairie.fr
Elisabeth
Macroix
Assistante
elsa@yago.to
mac@rien.fr
Exercices
Figure 3.56
Approche relationnelle 91
EXERCICE 13
NORMALISATION
II
Prix
Format
Type
Nombre
Numro_Film
Support
Relation Film
avec support.
12
4 :3
Couleur
VHS
16 :9
Noir/Blanc
DVD
12
16 :9
Couleur
1664
56
DVD
35
4 :3
Noir/Blanc
890
12
VHS
12
16 :9
Noir/Blanc
12
DVD
99
Inconnu
Noir/Blanc
111
VHS
Aprs discussion avec les utilisateurs de la base de donnes, il ne peut y avoir deux fois le
mme film avec le mme format dans cette relation qui est un tat des stocks rcapitulatif.
ce sujet, les utilisateurs indiquent que les formats 16 :9 seront toujours sur support
DVD et les formats 4 :3 et Inconnu en support VHS.
La relation est-elle en deuxime forme normale ?
La relation est en premire forme normale.
Il ny a pas de cl candidate atomique pour cette relation.
Daprs lnonc, on dtermine que le couple de champs Numero_Film & Format est
une cl. Or, il y a une dpendance fonctionnelle entre le support et le format. On a donc
une dpendance entre un champ non cl et une partie de la cl ; la relation nest pas en
deuxime forme normale.
On dcompose la relation de la manire suivante (voir figure 3.58).
Film(Prix, Format, Type, Nombre, Numero Film)
Figure 3.58
Dcomposition de
la relation Film
avec support.
Prix
Format
Type
Nombre
Numero Film
12
4 :3
Couleur
16 :9
Noir/Blanc
12
16 :9
Couleur
1664
50
35
4 :3
Noir/Blanc
890
12
12
16 :9
Noir/Blanc
12
FormatSup(Format, Support)
92
Format
Support
4 :3
VHS
16 :9
DVD
Inconnu
VHS
Chapitre
Les relations sont en premire et en deuxime forme normale. On effectue une jointure
pour reconstituer linformation de dpart.
EXERCICE 14
NORMALISATION
III
On considre la relation suivante que lon a dj tudie au dbut du chapitre (voir figure
3.59).
Lecteur(Numero carte, Nom, Age, Ville, Etablissement)
Figure 3.59
Numro carte
Nom
Age
Ville
Etablissement
Henri
10
Paris
Universit
Sorbonne
Stanislas
34
Paris
Universit Jussieu
Henriette
44
Lyon
CHU Bron
Dominique
19
Nancy
Universit
Poincar
Isabelle
56
Nancy
INPL
Olivier
51
Marseille
Universit
Saint Charles
Henri
98
Paris
Universit
Sorbonne
Jerome
23
Nancy
INPL
Laurence
34
Bordeaux
Universit
Victor Segalen
10
Christian
41
Paris
Ecole Normale
Suprieure
11
Antoine
16
Marseille
Universit
Saint Charles
12
Laurence
34
Paris
Universit Jussieu
Relation Lecteur .
Il existe une dpendance fonctionnelle entre deux champs non cl Ville et Etablissement (voir discussion au dbut du chapitre). On est dans le cas dune dpendance de
type transitif . Le champ Ville dpend du champ Etablissement qui dpend de la
cl Numero_carte.
On dcompose la relation de la manire suivante (voir figures 3.60 et 3.61).
Exercices
La cl de cette relation est atomique. Cest le champ Numero_carte qui a sans doute t
ajout cet effet, sinon il ny avait pas vraiment de cls candidates. Si la cl est atomique,
alors on est sr que la relation est en deuxime forme normale : il ne peut y avoir de
dpendance entre un champ et une partie de la cl.
Approche relationnelle 93
Figure 3.60
Relation Lecteur
dcompose I.
Nom
Age
Etablissement
Henri
10
Universit Sorbonne
Stanislas
34
Universit Jussieu
Henriette
44
CHU Bron
Dominique
19
Universit Poincar
Isabelle
56
INPL
Olivier
51
Henri
98
Universit Sorbonne
Jerome
23
INPL
Laurence
34
Universit Victor
Segalen
10
Christian
41
Ecole Normale
Suprieure
11
Antoine
16
12
Laurence
34
Universit Jussieu
Attention, la dcomposition suppose que le nom de ltablissement est unique quelle que
soit la ville. En effet, le champ Etablissement est la cl de la deuxime relation. Cest ce
qui a permis dtablir la relation de dpendance fonctionnelle. Cela ne peut tre garanti
sans discussion avec les utilisateurs de la base de donnes. Si ce ntait pas le cas, il faudrait
utiliser un identifiant unique pour chaque tablissement, qui se trouverait alors dans les
deux relations et servirait faire la jointure.
Figure 3.61
Etablissement_Ville(Etablissement, Ville)
Relation Lecteur
dcompose II.
Etablissement
Ville
Universit Sorbonne
Paris
Universit Jussieu
Paris
CHU Bron
Lyon
Universit Poincar
Nancy
INPL
Nancy
Marseille
Universit Victor
Segalen
Bordeaux
cole Normale
Suprieure
Paris
Les deux relations sont en troisime forme normale. On effectue une jointure pour
reconstituer linformation de dpart.
94
Chapitre
SQL
Exercices
3. Projection/restriction avec
un oprateur statistique ...........120
4. Agrgat .................................121
5. Question ngative ..................121
6. Produit cartsien .....................121
7. Jointure simple .......................122
8. Requte SQL trange ..............122
9. Autre question ngative
jointure externe ....................122
10. Slection sur un agrgat
dune jointure .........................123
11. Slection par rapport au rsultat
dun calcul statistique ..............124
12. Cration dune table ...............124
13. Insertion de donnes dans
une table ...............................125
utiliss.
Ce chapitre aborde les concepts et la syntaxe du
langage SQL, et prsente les trois grandes familles
doprations que le langage permet dexprimer :
Linterrogation et la recherche dans les tables.
La gestion de tables et de vues munies des
contraintes associes. Ces instructions concernent
la table et sa structure et constituent la partie LDD
(Langage de Description des Donnes) de SQL.
La manipulation de donnes. Ces instructions
concernent les donnes contenues dans la table et
constituent la partie LMD (Langage de
Manipulation des Donnes) de SQL.
95
Remarque
Un ensemble dinstructions SQL se nomme une requte. Une requte SQL se termine toujours par
le caractre ; .
96
Chapitre
Figure 4.1
Programme en
Interface entre
SQL et les
langages de
programmation.
langage hte
+
code SQL
Bibliothque
fonctions SQL
SGBD
Remarque
Par convention, dans tous les exemples qui suivent, les instructions SQL sont indiques en majuscules afin de les diffrencier des noms de tables et de champs. Les interprteurs SQL ne diffrencient pas les majuscules des minuscules en ce qui concerne les instructions. En revanche, cela
dpend du systme dexploitation utilis ; le nom des champs ou des tables doit en gnral tre
crit de manire exacte.
SQL 97
Figure 4.2
Voiture
Base de donnes
casse.
NumVoit
Marque
Type
Type
Peugeot
404
Rouge
Citroen
SM
Noire
Opel
GT
Blanche
Peugeot
403
Blanche
Renault
Alpine A310
Rose
Renault
Floride
Bleue
Personne
NumAch
Nom
Age
Ville
Sexe
Nestor
96
Paris
Irma
20
Lille
Henri
45
Paris
Josette
34
Lyon
Jacques
50
Bordeaux
Vente
DateVente
Prix
1985-12-03
10 000
NumVoit
1
NumAch
1
1996-03-30
70 000
1998-06-14
30 000
2000-04-02
45 000
98
Nom
Ville
Nestor
Paris
Irma
Lille
Henri
Paris
Josette
Lyon
Jacques
Bordeaux
Chapitre
Projection sur tous
les champs de la
table Personne.
SELECT *
FROM personne ;
NumAch
Nom
Age
Ville
Sexe
Nestor
96
Paris
Irma
20
Lille
Henri
45
Paris
Josette
34
Lyon
Jacques
50
Bordeaux
Les colonnes de la table rsultat peuvent tre renommes par le mot cl AS.
SELECT Ville AS City
FROM personne ;
City
Paris
Lille
Paris
Lyon
Bordeaux
Marque
Peugeot
Citroen
Opel
Renault
SQL 99
calcul et pourra ventuellement affecter les performances du systme. Les valeurs des
colonnes (colonnes) de la table rsultat peuvent tre constitues par des expressions
construites avec les oprateurs suivants (voir tableau 4.1).
Tableau 4.1
Oprateurs
dexpressions de
SQL.
Cration dune
colonne
Prix_Euros dans la
table vente
contenant le prix de
vente en euros.
Addition
Soustraction
Multiplication
Division
Modulo
Prix
DateVente
Prix_Euros
10 000
1985-12-03
1 524.483 200
70 000
1996-03-30
10 671.382 401
30 000
1998-06-14
4 573.449 601
45 000
2000-04-02
6 860.174 401
SQL dispose de nombreuses autres fonctions intgres, parfois dpendantes du SGBD utilis, qui permettent par exemple le traitement des colonnes de types caractres, date
Transformation
dune colonne
Nom de la table
Personne en
majuscules.
NomMajuscule
NESTOR
IRMA
HENRI
JOSETTE
JACQUES
Extraction du mois
de la colonne
'DateVente' de la
table 'Vente'.
Mois
12
3
6
4
100
Chapitre
la indiqu prcdemment. Les colonnes (colonnes) de la table rsultat peuvent tre
constitues de rsultats de fonctions statistiques intgres SQL. Voici une liste (non
exhaustive) des oprateurs statistiques de SQL (voir tableau 4.2) :
Tableau 4.2
COUNT
Oprateurs
statistiques de SQL.
MAX
MIN
AVG
SUM
Remarque
Les fonctions statistiques sappliquent lensemble des donnes dune colonne (sauf pour la fonction COUNT qui sapplique aux lignes de la table entire). Pour toutes ces oprations, la table
rsultat contiendra une seule ligne et souvent une seule colonne.
Calcul de la
moyenne des prix
de vente pour la
table vente.
Prix_Moyen
38 750.000 0
Calcul du nombre
de personnes (le
nombre de lignes
en ralit) de la
table personne.
Nombre_Personne
5
Dans le cas de la fonction COUNT, on ne spcifie pas la colonne sur laquelle sapplique la
fonction puisquil sagit de la table entire.
gal
<>
Diffrent
<
Infrieur
SQL 101
Extraction des
enregistrements de
la table vente dont
le prix est suprieur
50 000.
Tableau 4.4
Oprateurs de
comparaison
spcifiques SQL
permettant de
constituer des
expressions.
Extraction des
voitures blanches
ou rouges.
Extraction des
personnes dont
lge est compris
en 40 et 60.
Tableau 4.5
Oprateurs et
connecteurs
logiques de SQL
permettant de
constituer des
expressions.
Extraction des
voitures de couleur
Blanche ou de
marque
Peugeot .
102
>
Suprieur
<=
Infrieur ou gal
>=
Suprieur ou gal
SELECT *
FROM vente
WHERE Prix > 50 000 ;
DateVente
Prix
NumVoit
NumAch
1996-03-30
70 000
Appartient un intervalle
IN <liste de valeurs>
IS NULL
LIKE
SELECT *
FROM voiture
WHERE Couleur IN ("Blanc","Rouge") ;
NumVoit
Marque
Type
Couleur
Peugeot
404
Rouge
SELECT *
FROM personne
WHERE Age BETWEEN 40 AND 60;
NumAch
Nom
Age
Ville
Sexe
Henri
45
Paris
Jacques
50
Bordeaux
AND
OR
NOT
Inversion de la condition
SELECT *
FROM voiture
WHERE Couleur="Blanche" OR Marque="Peugeot" ;
NumVoit
Marque
Type
Couleur
Peugeot
404
Rouge
Opel
GT
Blanche
Peugeot
403
Blanche
Chapitre
Extraction des
personnes
nhabitant pas
Paris.
SELECT *
FROM personne
WHERE NOT (Ville=Paris);
NumAch
Nom
Age
Ville
Sexe
Irma
20
Lille
Josette
34
Lyon
Jacques
50
Bordeaux
SELECT Marque
FROM voiture
GROUP BY Marque ;
Marque
Citroen
Opel
Peugeot
Renault
On obtient dans ce cas le mme rsultat que si lon avait utilis le mot cl DISTINCT vu
prcdemment. Lutilisation courante de cette opration est dappliquer en une seule instruction les fonctions statistiques dj abordes aux diffrents sous-ensembles dune table
ainsi constitus.
Calcul du nombre
de voitures des
diffrentes
marques de la
table voiture.
Calcul de la
moyenne dge par
ville partir de la
table personne.
Marque
Compte
Citroen
Opel
Peugeot
Renault
Ville
Moyenne_Age
Bordeaux
50.0000
SQL 103
Ville
Moyenne_Age
Lille
20.0000
Lyon
34.0000
Paris
70.5000
Marque
Compte
Peugeot
Renault
Remarque
Le mot cl HAVING permet deffectuer une slection sur le rsultat de lopration de groupage. Le
mot cl WHERE opre une slection sur les lments (lignes) de la table avant lopration de groupage..
Supposons que lon veuille liminer les voitures rouges de notre calcul.
Calcul du nombre
de voitures par
marque de la table
voiture dont la
couleur est
Rouge .
Marque
Compte
Citroen
Opel
Peugeot
Renault
104
Chapitre
de la table. Pour des questions de lisibilit, il est prfrable de le faire systmatiquement
pour toutes les requtes mme si ce nest pas absolument ncessaire.
Qualification des
attributs par leur
table
dappartenance.
Marque
Couleur
Peugeot
Rouge
Citroen
Noire
Opel
Blanche
Peugeot
Blanche
Renault
Rose
Renault
Bleue
Cette notation peut devenir rapidement fastidieuse si le nombre de tables est lev et si
leurs noms sont longs. Dans ce cas, on dsigne la table par un alias plus commode, qui
peut tre rduit une simple lettre, plutt que par son nom complet. Lalias est indiqu
simplement la suite du nom de la table ou laide du mot cl AS qui est optionnel.
Qualification
simplifie des
attributs par leur
table
dappartenance.
Marque
Couleur
Peugeot
Rouge
Citroen
Noire
Opel
Blanche
Peugeot
Blanche
Renault
Rose
Renault
Bleue
Produit cartsien
Le produit cartsien est la combinaison de toutes les lignes dune table avec toutes les lignes
dune autre table sans tenir aucun compte du sens associ aux donnes. Cest une opration qui na gure dintrt en pratique. En SQL, cette opration scrit simplement.
Produit cartsien.
SELECT *
FROM personne, voiture ;
NumAch
Nom
Age
Ville
Sexe
Num
Voit
Marque
Type
Couleur
Nestor
96
Paris
Peugeot
404
Rouge
Irma
20
Lille
Peugeot
404
Rouge
Henri
45
Paris
Peugeot
404
Rouge
Josette
34
Lyon
Peugeot
404
Rouge
Jacques
50
Bordeaux
Peugeot
404
Rouge
Nestor
96
Paris
Citroen
SM
Noire
SQL 105
NumAch
Nom
Age
Ville
Sexe
Num
Voit
Marque
Type
Couleur
Irma
20
Lille
Citroen
SM
Noire
Henri
45
Paris
Citroen
SM
Noire
Josette
34
Lyon
Citroen
SM
Noire
Jacques
50
Bordeaux
Citroen
SM
Noire
Nestor
96
Paris
Opel
GT
Blanche
Irma
20
Lille
Opel
GT
Blanche
Henri
45
Paris
Opel
GT
Blanche
Josette
34
Lyon
Opel
GT
Blanche
Jacques
50
Bordeaux
Opel
GT
Blanche
Nestor
96
Paris
Peugeot
403
Blanche
Irma
20
Lille
Peugeot
403
Blanche
Henri
45
Paris
Peugeot
403
Blanche
Josette
34
Lyon
Peugeot
403
Blanche
Jacques
50
Bordeaux
Peugeot
403
Blanche
Nestor
96
Paris
Renault
AlpineA
310
Rose
Irma
20
Lille
Renault
AlpineA
310
Rose
Henri
45
Paris
Renault
AlpineA
310
Rose
Josette
34
Lyon
Renault
AlpineA
310
Rose
Jacques
50
Bordeaux
Renault
AlpineA
310
Rose
Nestor
96
Paris
Renault
Floride
Bleue
Irma
20
Lille
Renault
Floride
Bleue
Henri
45
Paris
Renault
Floride
Bleue
Josette
34
Lyon
Renault
Floride
Bleue
Jacques
50
Bordeaux
Renault
Floride
Bleue
Le nombre de lignes de la table rsultat est gal au produit du nombre de lignes des
deux tables. Les colonnes sont celles des deux tables simplement juxtaposes.
106
Chapitre
Construction de la
jointure des tables
voiture et vente
sur le critre
dgalit de la
colonne NumVoit.
Marque
Couleur
Prix
Peugeot
Rouge
10 000
Citroen
Noire
70 000
Peugeot
Blanche
30 000
Renault
Rose
45 000
Une autre manire dexprimer la jointure interne passe par un oprateur de jointure spcifique JOIN. Il faut bien sr spcifier la colonne sur laquelle seffectue la jointure.
SELECT voiture.Marque, voiture.Couleur, vente.Prix
FROM vente JOIN voiture ON voiture.NumVoit=vente.NumVoit ;
Le traitement de la requte est dans ce cas optimis par le SGBD. Cest important, car
lopration de jointure est complexe raliser pour un SGBD et est coteuse en temps et
en ressources. Le nombre de lignes de la table rsultat est gal cette fois au nombre de
lignes contenues dans les deux tables pour lesquelles le critre dgalit des colonnes est
respect. Il est bien sr possible deffectuer la jointure sur plus de deux tables : on indique
alors les diffrents critres de jointure entre les tables.
Construction de la
jointure des tables
voiture,
personne et
vente sur les
critres dgalit
des colonnes
NumaAch et
NumVoit.
Marque
Couleur
Prix
Nom
Age
Peugeot
Rouge
10 000
Nestor
96
Citroen
Noire
70 000
Josette
34
Peugeot
Blanche
30 000
Nestor
96
Renault
Rose
45 000
Irma
20
ou
SELECT vo.Marque, vo.Couleur, ve.Prix, pe.Nom, pe.Age
FROM voiture AS vo JOIN vente AS ve JOIN personne AS pe ON (vo.NumVoit=ve.NumVoit)
AND (pe.NumAch=ve. NumAch);
Dans ce cas, il est indispensable de prciser le nom de la table pour chaque colonne dans la
mesure o les tables ont des noms de colonnes en commun ; de plus, il peut tre intressant de les dsigner par des alias pour une simple commodit dcriture.
Remarque
Lopration de jointure prcdente est dite galement interne ; le mot cl INNER devant
JOIN est, pour la plupart des SGBD, implicite et donc optionnel, mais il faudrait crire en
toute rigueur :
SELECT voiture.Marque, voiture.Couleur, vente.Prix
FROM vente INNER JOIN voiture ON voiture.NumVoit=vente.NumVoit ;
SQL 107
NumVoit
NumVoit
Marque
Couleur
Prix
Peugeot
Rouge
10 000
Citroen
Noire
70 000
NULL
Opel
Blanche
NULL
Peugeot
Blanche
30 000
Renault
Rose
45 000
NULL
Renault
Bleue
NULL
Si lon opre la requte en inversant lordre des tables, ou en employant le mot cl RIGHT,
on obtient la mme rponse que pour la requte dqui-jointure ci-dessus. Cela signifie
quil ny a pas de lignes dans vente dont le contenu de la colonne NumVoit ne possde
pas de correspondance dans la colonne NumVoit de la table voiture. Ce rsultat est prvisible puisquune voiture doit exister dans la table voiture pour pouvoir faire lobjet
dune vente. On dispose alors dun moyen de contrler la cohrence des donnes entre les
tables : dans notre cas, on pourra ainsi vrifier quil ny a pas de valeur didentifiant de voiture dans la table vente (contenu de la colonne NumVoit de la table vente) qui ne se
trouve pas dans la table voiture (contenu de la colonne NumVoit de la table voiture).
Construction de la
jointure externe
inverse des tables
voiture et vente
sur les critres
dgalit de la
colonne NumVoit.
108
NumVoit
NumVoit
Marque
Couleur
Prix
Peugeot
Rouge
10 000
Citroen
Noire
70 000
Peugeot
Blanche
30 000
Renault
Rose
45 000
Chapitre
ou
SELECT voiture.NumVoit, vente.NumVoit, voiture.Marque, voiture.Couleur, vente.Prix
FROM voiture RIGTH OUTER JOIN vente ON voiture.NumVoit=vente.NumVoit ;
Il faut terminer la requte et rpondre la question de dpart : Quelles sont les voitures
qui nont pas t vendues ? Pour ce faire, il suffit de slectionner les lignes dont lune des
colonnes issues de la table vente na pas pu tre mise en correspondance avec une ligne de
la table voiture : le contenu de cette colonne sera vide, ce qui signifie que lon peut le tester avec le mot cl NULL. Par exemple, on teste le contenu de la colonne Prix issue de la
table vente.
Slection des lignes
de la table
prcdente.
NumVoit
Marque
Couleur
Prix
Opel
Blanche
NULL
Renault
Bleue
NULL
Marque
Type
Citroen
SM
Opel
GT
Peugeot
404
Peugeot
403
Renault
Alpine
A310
Renault
Floride
Il est possible de prciser lordre de tri par les mots cls ASC (croissant par dfaut) ou
DESC (dcroissant).
Tri par Marque de
la table voiture en
ordre dcroissant.
Prix
DateVente
70 000
1996-03-30
45 000
2000-04-02
30 000
1998-06-14
10 000
1985-12-03
SQL 109
On peut indiquer plusieurs critres de tri, qui sont lus et traits de gauche droite (ici, on
trie dabord par villes puis par ges).
Tri par Ville et par
Age de la table
personne.
Nom
Age
Ville
Jacques
50
Bordeaux
Irma
20
Lille
Josette
34
Lyon
Henri
45
Paris
Nestor
96
Paris
3.1 TABLES
Le langage SQL comprend une partie manipulation de donnes (LMD) pour grer les
tables, qui est prsente dans cette section. Les oprations de cration, de suppression et de
modification des tables mettent jour le dictionnaire de donnes du SGBD. On rappelle
que le dictionnaire de donnes est une structure propre au SGBD qui contient la description des objets du SGBD (base de donnes, tables, colonnes, droits, etc.).
Remarque
Pour pouvoir grer une table, il faut au pralable disposer des droits sur la base de donnes qui la
contient : ces aspects sont abords au chapitre 6.
Cration
La cration dune table est une opration importante quil faut entreprendre avec soin.
Cest lors de cette tape que lon dfinit le type de donnes, la cl, les index ventuels et
quil convient dimposer des contraintes de validation garantissant la bonne qualit des
informations entres dans la table. La forme gnrale de linstruction de cration de table
est la suivante :
CREATE TABLE <Nom de la table> ( liste des colonnes avec leur type spar par ,) ;
Remarque
Le nom de la table ou dune colonne ne doit pas dpasser 128 caractres. Il commence par une
lettre, contient des chiffres, des lettres et le caractre _ . Attention de mme ne pas utiliser un
mot cl SQL.
CREATE TABLE voiture (
NumVoit INT,
Marque CHAR(40),
Type CHAR(30),
Couleur CHAR(20)
) ;
110
Chapitre
Les tables peuvent tre cres de manire temporaire : elles seront donc effaces la fin de
la session de lutilisateur laide du mot cl TEMPORARY.
Cration de la table
voiture.
Les tables peuvent tre issues directement du rsultat dune requte en utilisant le mot cl
AS : cest particulirement commode pour pouvoir disposer de rsultats intermdiaires en
fin de vrification, lors dune srie de manipulations sur une table.
CREATE TEMPORARY TABLE resultat
AS
(SELECT Vo.Marque, Vo.Couleur
FROM voiture AS Vo);
Type de donnes Le type de donnes est choisi essentiellement en fonction des oprations qui sont effectues sur la colonne. Le choix du type permet galement de mettre en
place un premier niveau de restriction sur le contenu des donnes : une colonne de type
numrique ne pourra pas contenir de caractres. Des restrictions plus fines seront dfinies
la section Contraintes dintgrit .
Voici une liste (non exhaustive) des types de donnes SQL (voir tableaux 4.6, 4.7, 4.8 et
4.9).
Tableau 4.6
Types de donnes
numriques de
SQL.
INT
SMALLINT
REAL
FLOAT(n)
Tableau 4.7
CHAR(n)
Types de donnes
chanes de
caractres de SQL.
VARCHAR(n)
NCHAR(b)
NVARCHAR(b)
Tableau 4.8
BOOLEAN
Boolen
Types de donnes
date de SQL.
BLOB
Tableau 4.9
DATE
Date
Types de donnes
binaires de SQL.
TIME[(n)]
SQL 111
Suppression
La commande DROP TABLE permet de supprimer une table.
DROP TABLE voiture
Si la table est rfrence dans une autre table (par exemple, contrainte dintgrit rfrentielle), le SGBD refuse en gnral de la supprimer : il utilise loption RESTRICT par
dfaut. Si lon dsire tout de mme la supprimer ainsi que tous les objets qui lui sont lis,
il faut alors utiliser loption CASCADE. Dans lexemple, si la table vente utilise la table
voiture comme table de rfrence pour le contenu de la colonne NumVoit, on ne peut
supprimer la table voiture avant davoir supprim la table vente.
DROP TABLE voiture CASCADE
Modification
La commande ALTER TABLE permet de modifier la structure de la table, cest--dire
dajouter, de supprimer ou modifier des colonnes.
112
Ajout dune
colonne de nom
enplus de type
INT la table
voiture (ADD
COLUMN).
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
Couleur
enplus
Peugeot
404
Rouge
NULL
Citroen
SM
Noire
NULL
Opel
GT
Blanche
NULL
Peugeot
403
Blanche
NULL
Renault
Alpine A310
Rose
NULL
Renault
Floride
Bleue
NULL
Suppression de la
colonne de nom
Couleur de la
table voiture
(DROP COLUMN).
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
enplus
Peugeot
404
NULL
Citroen
SM
NULL
Opel
GT
NULL
Peugeot
403
NULL
Renault
Alpine A310
NULL
Renault
Floride
NULL
Chapitre
La commande ALTER permet de modifier galement les contraintes associes aux colonnes. Cette partie est traite la section suivante, Contraintes dintgrit . Le mot cl
COLUMN est optionnel.
Remarque
Il nest pas possible de modifier directement le nom dune colonne ou son type. Il faut pour cela
crire une srie doprations, en utilisant par exemple des colonnes temporaires.
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
Couleur
Teinte
Peugeot
404
Rouge
NULL
Citroen
SM
Noire
NULL
Opel
GT
Blanche
NULL
Peugeot
403
Blanche
NULL
Renault
Alpine
A310
Rose
NULL
Renault
Floride
Bleue
NULL
NumVoit
Marque
Type
Couleur
Teinte
Peugeot
404
Rouge
Rouge
Citroen
SM
Noire
Noire
Opel
GT
Blanche
Blanche
Peugeot
403
Blanche
Blanche
Renault
Alpine
A310
Rose
Rose
Renault
Floride
Bleue
Bleue
Recopie des
donnes de
Couleur dans
Teinte.
UPDATE voiture
SET Teinte=Couleur ;
Affichage de la
table voiture
modifie.
Suppression de la
colonne Couleur.
SQL 113
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
Teinte
Peugeot
404
Rouge
Citroen
SM
Noire
Opel
GT
Blanche
Peugeot
403
Blanche
Renault
Alpine
A310
Rose
Renault
Floride
Bleue
Proprits gnrales
Si aucune mention nest prcise comme pour la colonne Age, elle peut tre renseigne ou
non. Attention, une colonne non renseigne (cest--dire qui contient la valeur NULL
pour SQL) signifie quelle ne contient aucune donne, et non pas, par exemple, quelle
114
Chapitre
contient 0 pour une colonne de type entier ou un espace pour une colonne de type
caractre .
Si la cl est constitue de plusieurs colonnes (elle est dite composite) ; on indique la liste
des colonnes constitutives de la cl la suite du mot cl PRIMARY KEY.
CREATE TABLE vente (
DateVente DATE,
PRIX INT,
NumAch INT,
NumVoit INT,
PRIMARY KEY (NumAch, NumVoit)
) ;
En donnant la liste de tous ses lments constitutifs (IN). Lensemble des jours de la
semaine ne peut tre exprim que de cette manire : lundi , mardi , etc. On vrifie
que la colonne couleur ne peut prendre que des valeurs normalises : Rouge
Vert ou Bleu.
CREATE TABLE voiture(
NumVoit INT PRIMARY KEY,
Marque CHAR(30) NOT NULL,
Type CHAR(20),
Couleur CHAR(40),
CHECK Couleur in (Rouge,Vert,Bleu)
Par une expression (>, < , BETWEEN). Par exemple, le prix doit tre suprieur 1 000.
On vrifie que lge est compris entre 1 et 80.
CREATE TABLE personne
(NumAch INT PRIMARY KEY,
Nom CHAR(20) NOT NULL,
Ville CHAR(40),
AGE INT NOT NULL,
CHECK (Age BETWEEN 1 AND 80)
);
Par une rfrence aux valeurs dune colonne dune autre table (REFERENCES). Les
colonnes doivent tre de mme type et lon ne peut plus dtruire par dfaut une table
qui apparat comme rfrence. On vrifie que les valeurs identifiantes des personnes
NumAch et des voitures NumVoit de la table vente existent bien dans les tables de
rfrence personne et voiture.
CREATE TABLE vente (
DateAch DATE,
PRIX INT,
NumAch INT NOT NULL REFERENCES personne(NumAch),
NumVoit INT NOT NULL REFERENCES voiture(NumVoit),
PRIMARY KEY (NumAch, NumVoit)
) ;
SQL 115
(Age
Les vues permettent galement de mettre jour les tables, condition que les rgles dintgrit de(s) table(s) utilises pour construire la vue soient respectes : en pratique, seules les
vues concernant une seule table peuvent effectuer des mises jour.
116
Chapitre
La commande pour insrer des donnes est de la forme gnrale suivante :
INSERT INTO <nom de la table> [ liste des colonnes ] VALUES <liste des valeurs>
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
Couleur
Peugeot
404
Rouge
Citroen
SM
Noire
Opel
GT
Blanche
Peugeot
403
Blanche
Renault
Alpine
A310
Rose
Renault
Floride
Bleue
10
Triumph
NULL
Bleue
Remarque
Pour tre insres, les valeurs des colonnes doivent respecter les contraintes dintgrit associes
la table.
SQL 117
Affichage de la
table voiture
modifie.
NumVoit
Marque
Type
Couleur
Citroen
SM
Noire
Opel
GT
Blanche
Peugeot
403
Blanche
Renault
Alpine
A310
Rose
Renault
Floride
Bleue
Attention, si lon ne spcifie aucune condition, tous les enregistrements sont supprims.
DELETE FROM personne ;
118
Modification du
nom dune ville
dans la table
personne.
UPDATE personne
SET Ville=Paris-Centre
WHERE Ville=Paris ;
Affichage de la
table personne
modifie.
NumAch
Nom
Age
Ville
Sexe
Nestor
96
Paris-Centre
Irma
20
Lille
Henri
45
Paris-Centre
Josette
34
Lyon
Jacques
50
Bordeaux
Chapitre
Rsum
Voici une synthse des commandes SQL prsentes dans ce chapitre. Le langage SQL
permet :
La gestion de tables et de vues munies des contraintes associes (LDD, Langage de Description des Donnes). Ces instructions concernent la table et sa structure.
cration CREATE TABLE/VIEW <nom de la table>
destruction DROP TABLE/VIEW <nom de la table>
modification ALTER TABLE/VIEW <nom de la table>
La manipulation de donnes (LMD, Langage de Manipulation des Donnes). Ces instructions concernent les donnes contenues dans les tables.
insertion INSERT INTO <nom de la table> (<liste de colonnes> <liste de valeurs>)
modification UPDATE <nom de la table> SET <colonne=valeur> WHERE <critre>
destruction DELETE FROM <nom de la table> WHERE <critre>
Figure 4.3
Synthse des
commandes SQL.
JOIN
AS, DISTINCT
(LEFT/RIGHT) JOIN
+, , *, /, %
SELECT
FROM
ON
<liste de champs>
<liste de tables>
SUM, COUNT
WHERE
<liste de critres>
ASC, DESC
INSERT INTO
CREATE TABLE
<Table>
<Table>
ALTER TABLE
<Table>
<Table>
<Table>
Le langage SQL se rvle beaucoup plus complet que la partie qui est prsente dans ce
chapitre. Le choix effectu parmi les commandes permet de rpondre aux questions les
plus courantes en base de donnes.
SQL 119
Exercices
EXERCICE 1
PROJECTION SIMPLE
Trouvez les diffrentes villes dans lesquelles habitent les personnes. Ordonnez le rsultat
par ordre dcroissant.
Il sagit dune projection simple sur la colonne Ville de la table personne laide du mot
cl DISTINCT.
SELECT DISTINCT Ville
FROM personne
ORDER BY Ville DESC ;
EXERCICE 2
Solution
Il sagit dutiliser la fois une fonction statistique et une colonne calcule partir de la
colonne Prix de la table vente.
SELECT SUM(Prix*1.2) AS CA_TTC
FROM vente ;
EXERCICE 3
Calculer laide dune fonction statistique la moyenne de la colonne Age pour ses
enregistrements (projection).
SELECT AVG(Age)
FROM Personne
WHERE Ville=Paris ;
120
Chapitre
Pour complter cet exercice, il serait plus lgant de renommer la colonne ainsi calcule,
par exemple en Moyenne_Paris :
SELECT AVG(Age) AS Moyenne_Paris
FROM Personne
WHERE Ville=Paris ;
EXERCICE 4
AGRGAT
Trouvez le nombre de voitures par marques dans la base de donnes casse.
Toutes les informations ncessaires existent dans la table voiture.
De mme que pour lexercice prcdent, il est intressant de raisonner en deux temps :
EXERCICE 5
QUESTION NGATIVE
Trouvez lge des personnes qui nhabitent pas Paris.
Toutes les informations ncessaires sont prsentes dans la table personne.
Le problme est toujours dexprimer une condition ngative, ici la non-appartenance un
ensemble. Dans ce cas, cest assez simple puisque toutes les valeurs de la colonnes Ville
sont renseignes. Ce serait plus difficile si certains enregistrements possdaient une
colonne Ville vide (valeur NULL) : il faudrait logiquement les exclure du rsultat. Il est
prudent dinclure dans la rponse, en phase de vrification, la colonne sur laquelle on
exprime un critre (ici, la colonne Ville). Il est en effet assez facile de faire une erreur dans
lexpression dun critre.
SELECT Age, Ville
FROM personne
WHERE NOT (Ville=Paris) ;
PRODUIT CARTSIEN
crivez lexpression du produit cartsien de la table voiture et de la table personne.
Combien de lignes et de colonnes possde la table rsultat ? Est-ce une opration
symtrique (dans laquelle on retrouve le mme rsultat en inversant lordre des tables).
Exercices
EXERCICE 6
SQL 121
Il ny a aucun critre de projection, ni de slection ; toutes les colonnes et les lignes des
deux tables participent donc au produit cartsien. On obtient 30 lignes (6 5) et 9 colonnes (5 + 4).
SELECT *
FROM personne, voiture;
Lopration est videmment symtrique. En revanche, si les donnes sont les mmes, elles
ne se trouveront pas dans le mme ordre.
EXERCICE 7
JOINTURE SIMPLE
Donnez les noms des personnes et la marque des voitures quelles ont achetes.
Linformation se trouve dans les tables voiture et personne. Mais pour relier
smantiquement ces deux tables, on a besoin de la table vente. Il faut donc faire une
qui-jointure entre ces trois tables.
SELECT vo.Marque, pe.Nom
FROM voiture AS vo JOIN vente AS ve JOIN personne AS pe ON (vo.NumVoit=ve.NumVoit)
AND (pe.NumAch=ve. NumAch);
EXERCICE 8
REQUTE
SQL TRANGE
EXERCICE 9
JOINTURE EXTERNE
Quelles sont les villes o habitent les personnes qui nont pas achet de voiture ?
Cest une question ngative , comme celle de lexercice 4.5, mais qui met en jeu deux
tables. Il sagit de trouver, en comparant les valeurs de la colonne NumVoit comprises
122
Chapitre
dans les tables vente et voiture , celles qui sont dans voiture et pas dans vente .
cet effet, on utilise une opration, qui nest pas proprement parler une opration de
lalgbre relationnelle, qui sappelle la jointure externe qui permet dafficher les enregistrements qui nont pas de correspondance dans lautre table.
L encore, le raisonnement peut se dcomposer en deux tapes :
Construction de la jointure externe des deux tables : lajout des colonnes NumAch des
deux tables dans la rponse sert simplement vrifier notre requte.
SELECT personne.Ville, personne.NumAch, vente.NumAch
FROM personne LEFT OUTER JOIN vente ON personne.NumAch=vente.NumAch
;
Slection dans cette table rsultat des lments nayant pas de correspondance dans
vente et qui ont donc une valeur NULL pour la colonne NumAch.
SELECT personne.Ville
FROM personne LEFT OUTER JOIN vente ON personne.NumAch=vente.NumAch
WHERE vente.NumAch IS NULL;
noter que la question demandait dtablir la liste des villes. Si le contenu de la base de
donnes tait plus important, la mme ville pourrait apparatre plusieurs fois dans la
rponse. Pour viter ce cas de figure, on prcise que lon veut la liste des diffrentes occurrences de ville par le mot cl DISTINCT.
SELECT DISTINCT personne.Ville
FROM personne LEFT OUTER JOIN vente ON personne.NumAch=vente.NumAch
WHERE vente.NumAch IS NULL;
Enfin, on limine du rsultat du calcul prcdent les marques dont la moyenne des prix est
infrieure 40 000 en ne gardant que les lignes dont la moyenne est suprieure ou gale
40 000.
SELECT vo.Marque, AVG(ve.Prix) AS Moyenne
FROM voiture AS vo JOIN vente AS ve ON vo.NumVoit=ve.NumVoit
GROUP BY vo.Marque
HAVING Moyenne >= 40000
;
Exercices
EXERCICE 10
SQL 123
On peut utiliser lalias du nom de la colonne calcule (ici Moyenne ) pour effectuer la
slection. Attention, on ne peut pas utiliser le mot cl WHERE ici, car il sagit dune
slection sur le rsultat du calcul et non pas a priori avant le calcul. On utiliserait
WHERE pour rpondre une question du type : Calculez la moyenne des prix de
vente par marques en ne considrant pour ce calcul que les prix suprieurs 40 000.
SELECT vo.Marque, AVG(ve.Prix) AS Moyenne
FROM voiture AS vo JOIN vente AS ve ON vo.NumVoit=ve.NumVoit
WHERE ve.Prix >= 40000
GROUP BY vo.Marque;
Avec le jeu de donnes restreint dont on dispose, on remarque que le rsultat est identique,
mais cest videmment un hasard.
EXERCICE 11
EXERCICE 12
124
Chapitre
EXERCICE 13
EXERCICE 14
REQUTE COMBINE
Quelles sont les personnes qui nont pas achet de voitures rouges ?
La question parat simple, mais elle doit tre bien analyse. On doit considrer deux catgories de personnes : celles qui ont achet des voitures mais pas de voitures rouges ; celles
qui nont achet aucune voiture. Pour obtenir la liste des personnes qui nont achet
aucune voiture, on utilise une requte de type jointure externe. Les informations se trouvent dans les deux tables personne et vente .
SELECT personne.Nom
FROM personne LEFT OUTER JOIN vente ON personne.NumAch=vente.NumAch
WHERE vente.NumAch IS NULL;
Pour obtenir la liste des personnes qui ont achet une voiture, mais pas rouge, on utilise
une requte de type slection sur une quijointure. Les informations se trouvent dans les
deux tables personne et voiture, que lon doit relier par la table vente.
SELECT pe.Nom
FROM voiture AS vo JOIN vente AS ve JOIN personne AS pe ON (vo.NumVoit=ve.NumVoit)
AND (pe.NumAch=ve. NumAch)
WHERE vo.Couleur != Rouge;
Exercices
EXERCICE 15
SQL 125
Chapitre
Du langage
parl SQL
1. Prsentation de lactivit
modliser ............................128
2. laboration du modle
entit-association ....................129
4. Interrogation de la base
de donnes ............................141
Exercices
8. volution de la base
de donnes ............................154
127
Produits
Les produits vendus sont des pizzas. Une pizza est caractrise par son nom, les ingrdients qui la composent et son prix de base. Pour chaque pizza, il existe trois tailles :
naine , humaine et ogresse . La naine est 1/3 moins chre que le prix de base,
cest--dire la taille humaine , et l ogresse est 1/3 plus chre.
Mode de distribution
Les pizzas sont livres par des livreurs qui circulent en voiture ou moto et qui nont pas
de vhicules attitrs. La base de donnes doit galement permettre le suivi de lactivit des
livreurs et des vhicules quils utilisent.
Modalits de vente
Le mode de vente est du type prpay : pralablement toute commande, les clients doivent sabonner au service et approvisionner leur compte. On vrifie le solde du compte
avant de prparer et de livrer la commande.
Il existe deux systmes de bonification :
Objectifs du systme
Le but de cette base de donnes est de grer lactivit quotidienne de vente et de livraison
de pizzas :
128
Chapitre
Remarque
Afin de simplifier le problme, on considre que lopration de base modliser dans cette activit est la vente dune unique pizza. La notion de commande qui peut contenir plusieurs pizzas
nest pas prise en compte. On pourra faire voluer le systme plus tard si besoin est pour intgrer
cet aspect. Il est en effet plus simple de raisonner en termes de ventes unitaires, que lon peut
agrger ensuite, plutt que dattaquer directement sur des commandes multiples.
Entits et attributs
On rappelle quil ne sagit pas vraiment dun processus scientifique bas sur des rgles prcises. Une certaine part dintuition est ncessaire, dautant plus quil nexiste pas une solution unique dans la majorit des cas.
On peut remarquer quelques mots cls dans la description gnrale : pizza, ingrdient,
client, livreur, vhicule. Ces descripteurs reprsentent des objets familiers du monde
rel. En revanche, les mot cls taille, prix, compte, retard, nom et autres sont clairement plus des qualifiants que des objets. Ce qui relie tous ces objets pour constituer la
reprsentation de lactivit est la notion de commande. Cette dernire est lun des seuls
objets abstraits, compare aux autres objets concrets du monde rel, comme peut ltre un
vhicule par exemple.
partir de ces constatations, voici une proposition de quelques phrases extraites ou
dduites de la description gnrale qui permettent deffectuer une premire synthse de
lactivit :
130
Chapitre
Choix de la cl
Les attributs tant identifis, on doit maintenant choisir une cl pour chaque entit. Si lon
prend lentit client, il est clair quaucun attribut ne peut convenir pour constituer une
cl. De mme, lassociation de plusieurs attributs NomClient-Adresse, NomClientCompte, Compte-PointsRaPizz et autres ne permet pas de crer une cl. On ajoute alors
classiquement un attribut identifiant qui sert de cl : ce peut tre un simple nombre ou un
mlange de lettres et de nombres (alphanumriques) plus commode mmoriser.
En utilisant ces mmes arguments, on est amen ajouter des attributs numriques
comme cls pour les entits livreur et commande.
Pour lentit pizza, on peut supposer que le nom de la pizza est significatif et quil peut
donc servir de cl. En effet, le catalogue de pizzas propos est restreint et codifi par le fait
quil sagisse dune entreprise de type franchis . Il ny a pas dintrt pour le franchiseur, dun simple point de vue commercial, donner deux fois le mme nom une pizza.
En pratique, mme si le nom est unique, on pourrait dcider de ne pas lutiliser car le contenu est un peu long. Lentit vhicule dispose dun champ identifiant : son numro
dimmatriculation qui est par dfinition unique. Enfin, en ce qui concerne les ingrdients,
il peut tre moins vident que le nom seul de lingrdient suffise lidentifier. Il est prfrable de lui ajouter un numro.
On obtient les entits suivantes munies de leurs attributs :
Associations et attributs
On peut, partir des phrases qui ont permis de reprer les entits, en dduire les associations suivantes :
Livre entre Livreur et Commande ;
Transporte entre Vhicule et Commande ;
Passe entre Client et Commande ;
Constitue entre Pizza et Commande ;
Compose entre Pizza et Ingrdient.
Il reste dterminer les attributs ventuels des associations. Dans notre cas, le choix dutiliser une entit commande fait que lon regroupe naturellement dans cette entit les attributs qui auraient pu se retrouver sur les associations.
ventuellement, une date de commande pourrait tre un attribut de lassociation Passe si
elle tait diffrente de la date de la commande. On peut cependant imaginer que ce genre
dentreprise ne prend pas les commandes lavance : on commande une pizza lorsque lon
a faim. On se trouve donc dans le cas un peu particulier o aucune des associations ne
possde dattribut (voir figure 5.1).
Figure 5.1
Modle entitassociation
Livraisons de
pizzas sans
cardinalits.
Commande
Livreur
Passe
Client
Livre
# NumCommande
DateCom
Taille
Retard
# CodeLivreur
NomLivreur
Tlphone
# NumClient
NomClient
Adresse
Compte
PointsRapizz
Transporte
Constitue
Vhicule
# NumImmat
Marque
Type
Ingrdient
# NumIngre
NomIngre
Pizza
Compose
# NomPizza
Prix
132
Chapitre
Association Livre
Livreur : un livreur peut-il navoir jamais livr de pizzas et peut-il en avoir livr plusieurs ?
Un livreur a au moins effectu une (1) livraison, sinon il nest pas considr comme tel.
On peut imaginer que lon ne rentre les informations associes un livreur qu partir du
moment o il a rellement effectu une livraison. Il est suppos faire plusieurs (n) livraisons. Les cardinalits associes sont de type 1-n.
Commande : une commande peut-elle avoir t livre par plusieurs livreurs ou par
aucun ? Une commande est livre par un (1) et un (1) seul livreur. Les cardinalits associes sont de type 1-1.
Association Transporte
Vhicule : un vhicule peut-il navoir jamais livr de pizzas et peut-il en avoir livr plusieurs ?
Dans ce cas, la situation nest pas tout fait la mme que pour les livreurs. On peut imaginer
que les informations concernant un vhicule pourraient tre insres dans la base de donnes sans que le vhicule nait encore effectu une livraison (0). Si ctait le cas, on aurait des
cardinalits de type 0-n. On choisit ici des cardinalits associes de type 1-n. Dans les deux
cas, un vhicule est suppos tre utilis pour livrer plusieurs (n) commandes.
Commande : une commande peut-elle avoir t livre par plusieurs vhicules ou par
aucun ? Une commande est livre par un (1) et un (1) seul vhicule. Les cardinalits associes sont de type 1-1. On obtient le modle entit-association suivant (voir figure 5.2) :
Figure 5.2
Modle entitassociation
Livraisons de
pizzas avec
cardinalits.
1,1
1,n
1,1
Commande
Passe
0,n
Client
Livre
Livreur
1,1
# CodeLivreur
NomLivreur
Tlphone
# NumCommande
DateCom
Taille
Retard
# NumClient
NomClient
Adresse
Compte
PointsRapizz
1,1
Transporte
Constitue
1,n
0,n
Vhicule
Ingrdient
Pizza
1,n
# NumImmat
Marque
Type
# NumIngre
NomIngre
Compose
1,n
# NomPizza
Prix
Remarque
Toutes les associations qui lient lentit commande sont de cardinalit 1-1. On aurait pu
ainsi considrer lentit commande comme une association qui serait alors quaternaire.
Cependant, si cela est possible, on prfre cependant viter les associations autres que binaires, plus complexes transformer en relations. De plus, le modle UML ne propose pas de
solution trs cohrente pour reprsenter les associations ternaires ou de plus haut degr.
Une entit donne une relation de mme cl que lentit qui contient les mmes attributs que lentit.
Une association donne une relation dont la cl est compose des deux cls des entits
associes et des attributs de lassociation.
134
Chapitre
plification du nombre de relations au dtriment de la lisibilit gnrale. On perd ainsi une
partie de linformation sur le lien entre ces entits.
Ce processus peut tre expliqu de la manire suivante. La cl de lassociation livre est
compose des attributs CodeLivreur & NumCommande. Du fait de la cardinalit 1-1,
on peut en dduire qu un numro de commande correspond un et un seul code du
livreur. La cl peut alors tre simplifie et rduite lattribut NumCommande. On
obtient la relation :
livre (NumCommande, CodeLivreur)
Les deux relations commande et livre possdent alors la mme cl ; on peut les fusionner. On obtient la relation commande augmente suivante :
commande (NumCommande, DateCom, Taille, Retard, CodeLivreur).
Les associations transporte , passe et constitue sont de cardinalit 1-1 par
rapport lentit commande . On peut aussi fusionner ces relations avec la relation
commande . On obtient :
commande (NumCommande, DateCom, Taille, Retard, CodeLivreur, NumImmat,
NumClient, NomPizza).
Voici la liste des relations ainsi constitues :
136
Chapitre
Remarque
En pratique, on neffectue pas toujours cette tape de manire stricte compte tenu de la complexit que produit la dcomposition par le processus de normalisation. Il est parfois prfrable
de conserver un peu de redondance pour limiter le nombre de tables et prserver ainsi lefficacit
du systme.
le typage gnral dun point de vue des types prdfinis de SQL (par exemple, entier,
rel, caractre, date) ;
une numration des diffrentes valeurs possibles (par exemple, do , r , mi ,
fa , sol ) ;
lexpression dun intervalle dans lequel les valeurs sont contenues (par exemple, compris entre 10 et 30) ;
la rfrence aux valeurs dun champ dune autre table (par exemple, contenu du
champ code_postal de la table communes).
Seule la description du type est obligatoire pour crer un champ, les autres contraintes
tant videmment optionnelles. Les champs dont les valeurs doivent tre absolument renseignes sont indiqus spcifiquement en langage SQL par le mot cl NOT NULL .
Contraintes dintgrit
Les contraintes permettent de dcrire de manire plus prcise les ensembles auxquels
appartiennent les champs.
Intervalle. Le champ Prix de la table pizza peut tre limit lintervalle 1 .. 30. On
pourrait dfinir un intervalle de validit pour les dates de commande (champ DateCom
de la table commande), par exemple la date de commande doit tre suprieure ou gale
la date du jour.
numration. Le champ Retard de la table commande doit contenir les valeurs O ou
N. Le champ Taille de la table commande doit contenir les valeurs naine ,
humaine ou ogresse . Comme il sagit dune franchise o les contenus sont norma-
138
Chapitre
liss, on peut imaginer que lensemble des noms de pizzas est connu (par exemple, quatre
saisons, margherita). Le champ NomPizza apparat dans plusieurs tables, mais la contrainte de type numration porterait uniquement sur le champ NomPizza de la table
pizza. Les autres champs NomPizza sont plutt soumis des contraintes de rfrences
comme on va le voir dans la partie consacre aux rfrences.
Rfrence au contenu dune table. Les champs cls qui proviennent des associations
transformes en relations font rfrence au contenu des relations qui proviennent des
entits. Pour la relation compose, le champ NumIngre fait rfrence au contenu du
champ NumIngre de la table ingrdient et le champ NomPizza au contenu du champ
NomPizza de la table pizza.
En pratique, ici, la plupart des champs fusionns de la relation commande font aussi
rfrence des champs dautres relations.
Table pizza
CREATE TABLE pizza(
NomPizza CHAR(30) PRIMARY KEY,
Prix CHAR(30) NOT NULL,
Table ingredient
CREATE TABLE ingredient(
NumIngre INT PRIMARY KEY ,
NomIngre CHAR(30) NOT NULL
);
Table vehicule
CREATE TABLE vehicule(
NumImmat CHAR(30) PRIMARY KEY,
Marque CHAR(30) NOT NULL,
Type CHAR(30) NOT NULL
);
Table livreur
CREATE TABLE livreur (
CodeLivreur INT PRIMARY KEY,
NomLivreur CHAR(30) NOT NULL,
TeleLivreur CHAR(30) NOT NULL
);
Table compose
CREATE TABLE compose (
NomPizza CHAR(30) REFERENCES pizza(NomPizza),
NumIngre INT REFERENCES ingredient(NumIngre),
PRIMARY KEY (NomPizza, NumIngre)
);
Table commande
CREATE TABLE commande (
NumCommande INT PRIMARY KEY,
DateCom DATE,
Taille CHAR(30) NOT NULL,
Retard CHAR(1) NOT NULL,
NumClient INT REFERENCES client(NumClient),
NomPizza CHAR(30) REFERENCES pizza(NomPizza),
CodeLivreur INT REFERENCES livreur(CodeLivreur),
NumImmat CHAR(30) REFERENCES vehicule(NumImmat),
CHECK Taille in (Ogresse,Humaine,Naine),
CHECK Retard in (O,N)
);
Exemple de cration dun index appel Index_NumCommande sur le champ NumCommande de la table commande dans lordre ascendant. Linstruction de cration dun
index nest pas toujours normalise et la syntaxe peut diffrer suivant les SGBD.
CREATE INDEX Index_NumCommande ON commande (NumCommande ASC) ;
La cration des tables ne peut pas se faire dans nimporte quel ordre. Il faut dabord crer
les tables auxquelles ont fait rfrence, puis seulement ensuite les autres tables.
En dautres termes, on ne pourra crer la table commande quaprs avoir cr les tables
client, pizza, livreur et vehicule.
La destruction des tables se fait logiquement dans lordre inverse : on ne peut dtruire une
table qui est rfrence par une autre table.
Cest le SGBD qui ralise ces vrifications.
140
Chapitre
4.1 MENU
On veut extraire les donnes qui servent imprimer la carte, ce qui signifie que lon veut
disposer du nom de chaque pizza, de son prix et des ingredients qui la composent. Pour ce
faire, on commence par identifier les tables o se trouvent les champs que lon veut
projeter :
Le nom de la pizza est dans la table pizza.
Le prix de la pizza est dans la table pizza.
Les noms des ingrdients se trouve dans la table ingredient.
Le lien entre ces deux tables est matrialis par le modle entit-association : il sagit de
lassociation compose. Cette dernire est devenue la relation compose. On effectue donc
une double jointure entre les trois tables pizza, ingredient et compose. Les tables pizza
et compose seront jointes sur le champ NomPizza et les tables ingredient et compose
seront jointes sur le champ NumIngre.
Il y a deux manires dcrire une jointure. Une jointure peut tre La premire consiste
lapprhender comme une slection sur un produit cartsien. Lcriture est plus pdagogique, mais totalement inefficace du point de vue du SGBD qui doit effectuer le produit cartsien puis slectionner les lignes.
SELECT pizza.NomPizza, ingredient.NomIngre, pizza.Prix
FROM pizza, ingredient, compose
WHERE pizza.NomPizza = compose.NomPizza
AND ingredient.NumIngre = compose.Numingre;
On se trouve dans le cas trs classique de deux entits lies par une association, qui donnent trois tables (pizza et ingredient lies par compose). Il sera ncessaire dutiliser un
langage de programmation pour obtenir un affichage lgant du nom de la pizza, de son
prix et des ingrdients qui la composent. En effet, pour chaque nom de pizza, on obtiendra autant de lignes que dingrdients.
La table pivot est ici la table commande qui assure la jointure avec toutes les autres tables.
Cela confirme lintuition que lentit commande aurait pu tre considre comme une
association n-aire.
Sur une requte aussi simple, on remarque que le travail du SGBD est assez lourd puisquil
doit effectuer la jointure de cinq tables. Cest la raison pour laquelle on prfre parfois utiliser des relations, et donc des tables, avec une certaine redondance afin damliorer les
performances : lopration de jointure est coteuse. Une stratgie couramment employe
consiste grer en interne une base de donnes sans redondance et gnrer une table
redondante qui servira faire les requtes. On dispose ainsi dune garantie de cohrence et
des performances prserves. Les bases de donnes en ligne accessibles par le Web sur lesquelles on effectue beaucoup de requtes fonctionnent de cette manire. On rserve bien
sr cette mthode aux bases de donnes dont le contenu est assez stable : lopration de regnration de bases chaque changement est coteuse.
Cette requte est typique des requtes de vrification que ladministrateur dune base doit
effectuer pour procder certaines vrifications de cohrence. Cela est surtout vrai lorsque la base de donnes na pas t conue en intgrant les contraintes dintgrit indispensables.
142
Chapitre
On peut crire ces diffrentes requtes dans une seule en utilisant les sous-requtes (ou
requtes imbriques). Cependant, il est prudent daccomplir dabord les tapes prcdentes. En dcomposant, il est possible de vrifier les rsultats chaque tape et dviter ainsi
un certain nombre derreurs.
SELECT A.NumClient, A.NomClient
FROM
(SELECT commande.NumClient, NomClient, COUNT(*) AS NombreCommande
FROM client JOIN commande ON client.NumClient=commande.NumClient
GROUP BY commande.NumClient) A
WHERE R1.NombreCommande >
(SELECT AVG(B.NombreCommande)
Il sagit exactement des mmes requtes que celles obtenues lors des tapes prcdentes.
Attention, tous les SGBD ne permettent pas dimbriquer les requtes.
144
Chapitre
SELECT commande.NumCommande, pizza.Prix*commande.Taille_Prix AS Prix_Commande
FROM commande JOIN pizza ON
commande.NomPizza=pizza.NomPizza;
On obtient alors les instructions SQL suivantes pour calculer le prix dune commande. Il
est ncessaire de faire une jointure entre les trois tables commande, pizza (pour le prix)
et tarification (pour le coefficient).
SELECT commande.NumCommande, pizza.Prix*tarification.Coefficient AS Prix_Commande
FROM commande JOIN pizza JOIN tarification ON
commande.NomPizza=pizza.NomPizza
AND commande.Taille=tarification.Taille;
La pizza de la commande a une et une seule taille : la cardinalit est de type 1-1.
Une tarification peut navoir jamais t utilise pour une commande et plusieurs commandes diffrentes peuvent avoir la mme tarification : la cardinalit est de type 0-n
(voir figure 5.3).
Figure 5.3
1,1
Modle entitassociation
Livraisons de
pizzas avec
cardinalits.
Commande
1,1
1,n
Livre
Livreur
# CodeLivreur
NomLivreur
Tlphone
1,1
# NumCommande
DateCom
Retard
0,n
Passe
Client
# NumClient
NomClient
Adresse
Compte
PointsRapizz
1,1
1,1
Utilise
Transporte
0,n
1,n
Constitue
Tarification
0,n
Vhicule
# NumImmat
Marque
Type
#Taille
Coefficient
Pizza
1,n
Ingrdient
# NomPizza
Prix
Compose
# NumIngre
NomIngre
1,n
146
Chapitre
pilogue
Cet exemple illustre comment le modle entit-association peut tre remis en cause par
ncessit. Le problme de reprsentation de dpart a provoqu une modification du
modle par une dmarche inverse de celle utilise prcdemment : on a remis en cause le
modle entit-association partir de lensemble des relations. En revanche, il ne faut pas
oublier de modifier le modle entit-association pour quil soit cohrent avec lensemble
des tables employes dans le SGBD. Les tables sont inutilisables sans modle descriptif. On
peut le constater avec ce systme relativement simple qui possde dj huit tables. Les
allers-retours entre les diffrents niveaux de modles sont frquents dans la vie dune
base de donnes.
Remarque
Les requtes retournent toujours un rsultat. Cependant, on ne peut tre sr que ce dernier reprsente la rponse exacte la question pose. Il est ncessaire de systmatiquement vrifier le rsultat sur un jeu de donnes rduit. De mme quen programmation, on ne peut prouver quun
programme ralise correctement ce quon lui demande dans tous les cas de figure ; il est difficile
dtablir quune requte fournit la rponse adquate lorsque le nombre denregistrements devient
lev.
Rsum
Ce chapitre dtaille lensemble des tapes ncessaires la ralisation dune base de donnes, mme les plus fastidieuses. La grande difficult est de passer dun nonc en langage
parl, qui fait gnralement suite un entretien avec les commanditaires et les utilisateurs,
un systme utilisable en pratique et efficace. Le flot dinformations recueilli doit tre
ordonn et structur. Lexemple choisi est peu complexe, mais il permet daborder quelques questions essentielles. On saperoit cette occasion que lensemble des tables utilises dans le SGBD devient rapidement illisible si lon ne possde pas un schma descriptif
(modle entit-association ou UML) correct.
La partie Interrogation illustre les catgories dutilisations et dinterrogations classiques dune base de donnes. Lide est de donner des indications afin didentifier le type de
requte SQL utiliser en fonction de la question exprime en langage courant. La dmarche suggre est de toujours dcomposer les questions en sous-questions plus simples
rsoudre puis de procder par tapes. Un des exemples aborde ensuite le cas o, au cours
de lutilisation de la base de donnes, il est impossible de trouver la solution en raison
dune reprsentation inadquate. Il est alors ncessaire de remettre en cause le modle
utilis :
Soit on modifie le contenu des tables et lon rpercute les modifications sur le modle
descriptif utilis.
Soit on modifie le modle descriptif et lon ritre les tapes de passage au modle relationnel.
La seconde mthode est la solution la plus juste dun point de vue thorique. Mais, en pratique, on utilise une combinaison des deux approches pour obtenir le rsultat. Il est essentiel de comprendre quil ny a pas de solution unique en base de donnes. Le modle est
frquemment adapt et aucune reprsentation nest fige. De mme que la ralit peut tre
envisage diffremment suivant les personnes, il existe souvent plusieurs visions valides.
Exercices
EXERCICE 1
REPRSENTATION
UML
Livreur
Livre
1..1
# CodeLivreur
NomLivreur
Tlphone
Client
Passe
Commande
1..n
1..n
0..n
# NumCommande
DateCom
Retard
1..1
0..n
# NumClient
NomClient
Adresse
Compte
PointsRapizz
0..n
Utilise
Transporte
Constitue
1..1
Tarification
1..1
# NumImmat
Marque
Type
1..1
#Taille
Coefficient
Vhicule
Pizza
1..n
Ingrdient
# NomPizza
Prix
Compose
# NumIngre
NomIngre
EXERCICE 2
1..n
SQL
Combien de pizzas ont-elles t livres en retard ? Quelle est la perte occasionne par ces
retards ?
Pour calculer le nombre de pizzas livres en retard, il faut se souvenir dun point important que lon a fix comme axiome lors de llaboration du modle : une pizza est associe une commande et une seule. Une commande ne contient quune seule pizza. Cest
important : si ce ntait pas le cas, la requte serait beaucoup plus complexe.
148
Chapitre
Le type de question qui inclut le mot combien suggre que lon va effectuer un comptage sur la table. Il nous suffit de compter le nombre denregistrements dont le champ
retard est positionn Oui . On a vu lors de la dfinition de la table commande que le
contenu du champ retard a t normalis et restreint par une contrainte dintgrit aux
valeurs N et O . Ces rflexions conduisent la simple requte suivante :
SELECT COUNT(*) AS NombreRetard
FROM commande
WHERE retard=O;
On compte le nombre de lignes de la table commande dont le champ commande est gal
O . On ne spcifie pas de nom de champ dans la fonction COUNT de SQL, car il
sagit dun calcul indpendant dun champ donn.
Pour connatre la perte occasionne, on calcule la somme du prix de chaque commande.
Le modle a t modifi pour pouvoir calculer directement cette information. On a besoin
du prix de base de la pizza qui se trouve dans la table pizza et du coefficient qui se trouve
dans la table tarification. On effectue une jointure sur ces trois tables.
SELECT SUM(pizza.prix*tarification.coefficient) AS PerteRetard
FROM commande JOIN pizza JOIN tarification
ON commande.NomPizza=pizza.NomPizza AND commande.Taille=tarification.Taille
WHERE commande.retard=O;
La fonction SQL SUM a besoin du contenu prcis du champ concern par le calcul. Ici, il
sagit dune expression constitue partir du prix et du coefficient. Il est prfrable de prfixer les noms de champ par le nom de la table do ils proviennent pour viter les ambiguts et faciliter la lecture ultrieure de la requte. Les ambiguts sont signales par le
SGBD qui refuse dexcuter la requte.
On aurait pu crire les jointures en utilisant classiquement un produit cartsien et une
slection. Dans ce cas, les expressions qui servent la jointure sont mlanges celles qui
servent faire la slection dans la clause WHERE. De plus, la requte est effectue de
manire beaucoup moins efficace par le SGBD ; cela est nettement perceptible lorsque lon
dispose de tables de taille importante.
SELECT SUM(pizza.prix*tarification.coefficient) AS PerteRetard
FROM commande, pizza, tarification
WHERE commande.NomPizza=pizza.NomPizza AND commande.Taille=tarification.Taille
AND commande.retard=O;
Les deux tables rsultat sont des tables qui possdent une seule ligne et une seule
colonne. On peut utiliser ces valeurs par exemple pour faire une comparaison (voir lun
des exercices suivants) en les associant par un produit cartsien la table sur laquelle on
veut effectuer la comparaison.
CODE
SQL ET SIGNIFICATION
Imaginez quel type de question a voulu rpondre la personne qui a fait cette requte.
Exercices
EXERCICE 3
La requte retourne un rsultat, car la syntaxe est correcte et le type des champs sur lesquels on a effectu la jointure sont de type compatible et contiennent des valeurs communes. Bien videmment, le rsultat na aucun sens dun point de vue la ralit. Le schma
entit-association montre que les liens entre les tables client et livreur passent par la
table commande et les associations livre et passe. Il sagit du cas typique qui illustre le
fait quune requte donne toujours un rsultat, mme sil na aucun sens.
En aucun cas, cette requte ne permettrait deffectuer des recherches de corrlation entre
le livreur et le client. Si lon cherche afficher le nom du client et le nom du livreur correspondant par commande, on doit utiliser la table commande mme si lon ne projette
aucun champ de la table commande. Pour faciliter la lecture et reprer dventuelles corrlations, on ordonne par noms de clients.
SELECT client.NomClient, livreur.NomLivreur
FROM livreur JOIN commande JOIN client
ON livreur.CodeLivreur=commande.CodeLivreur
AND client.NumClient= commande.NumClient
ORDER BY client.NomClient;
Pour savoir quels clients sont toujours livrs par le mme livreur, la dmarche serait plus
complexe.
EXERCICE 4
AGRGATS ET SLECTION
Donnez le chiffre daffaires par pizza vendue. On ne tient pas compte ce niveau des pizzas gratuites obtenues grce aux points de fidlit ou en raison dun retard de livraison.
La mthode conseille dans ce chapitre est daborder la question en dcomposant le problme. Pour calculer le chiffre daffaires, il faut dabord regrouper les commandes par
pizza et ensuite effectuer le calcul. La notion de regroupement suggre lemploi des agrgats. Le nom de la pizza est directement accessible dans la table commande. Pour vrifier
combien de commandes ont t passes par pizza, on les compte.
SELECT commande.NomPizza, COUNT(*) AS NombreCommande
FROM commande
GROUP BY commande.NomPizza;
Pour calculer le prix, on a besoin du prix de base qui se trouve dans la table pizza et du
coefficient qui se trouve dans la table tarification.
SELECT commande.NomPizza, COUNT(*) AS NombreCommande, SUM(pizza.prix*tarification.coefficient) AS TotalCommande
FROM commande JOIN pizza JOIN tarification
ON commande.Taille=tarification.Taille AND commande.NomPizza=pizza.NomPizza
GROUP BY commande.NomPizza
ORDER BY TotalCommande;
150
AS
NombreCommande,
SUM(pizza.prix*tarifica-
Chapitre
FROM commande JOIN pizza JOIN tarification
ON commande.Taille=tarification.Taille AND commande.NomPizza=pizza.NomPizza
GROUP BY commande.NomPizza
HAVING TotalCommande > 200
ORDER BY TotalCommande;
En revanche, si lon avait voulu liminer du rsultat les pizzas dont le prix de vente nest
pas assez lev considrant que cela fausse le rsultat, le mode de slection ne serait pas le
mme. Il faudrait raliser une slection sur lensemble de dpart avant deffectuer les agrgats et les calculs ; dans ce cas, on utiliserait le mot cl WHERE.
SELECT commande.NomPizza, COUNT(*) AS NombreCommande, SUM(pizza.prix*tarification.coefficient) AS TotalCommande
FROM commande JOIN pizza JOIN tarification
ON commande.Taille=tarification.Taille AND commande.NomPizza=pizza.NomPizza
WHERE pizza.prix > 10
GROUP BY commande.NomPizza
ORDER BY TotalCommande;
Dans le premier cas, la slection est faite a fortiori ; dans le second, a priori.
REQUTES COMBINES
Quel est le nom du livreur qui a le plus de retard ?
On dcompose le problme :
Calcul du nombre de retards par livreur. Le mot par suggre comme prcdemment lemploi dagrgats sur lesquels on utilise la fonction de comptage.
CREATE TEMPORARY TABLE requete1
SELECT commande.CodeLivreur, COUNT(*) AS NombreRetard
FROM commande
GROUP BY commande.CodeLivreur
ORDER BY NombreRetard
;
Calcul du maximum de ces retards. On utilise la fonction SQL MAX sur le contenu de
la table prcdente.
CREATE TEMPORARY TABLE requete2
SELECT MAX(NombreRetard)AS MaxRetard
FROM requete1
;
Exercices
EXERCICE 5
SELECT livreur.NomLivreur
FROM requete1 JOIN livreur ON livreur.CodeLivreur=requete1.CodeLivreur, requete2
WHERE requete1.NombreRetard=requete2.MaxRetard
;
Avec un peu dexprience, on saperoit quil sagit dune requte semblable celle que lon
prsente dans le chapitre pour connatre les clients qui commandent plus que la moyenne.
EXERCICE 6
Un livreur naura jamais t en retard si le nombre de retards ainsi calcul est gal zro.
SELECT requete1.CodeLivreur
FROM requete1
WHERE requete1. NombreRetard=0
;
On cherche le nom du livreur et non pas son code. Il y a deux manires de procder :
Soit on fait une jointure sur la table livreur pour la premire requte de manire
inclure le nom du livreur dans la table rsultat.
CREATE TEMPORARY TABLE requete1
SELECT commande.CodeLivreur, livreur.NomLivreur, COUNT(*) AS NombreRetard
FROM commande JOIN livreur
ON commande.CodeLivreur=livreur.CodeLivreur
GROUP BY commande.CodeLivreur
ORDER BY NombreRetard
SELECT requete1.NomLivreur
FROM requete1
WHERE requete1. NombreRetard=0
;
152
Chapitre
Il est possible de regrouper ces deux requtes en une seule. La stratgie de regroupement
dpendra du SGBD employ.
Le cas serait diffrent si lon cherchait identifier les noms des livreurs qui nont jamais
effectu de livraison.
Laction de livraison est reprsente par lassociation livre dans le modle entit-association. Cette association, puisque de cardinalit 1-1, a disparu en tant que table et a t
intgre dans la relation commande issue de lentit commande.
En rsum, linformation nest disponible que par une jointure entre les tables commande et livreur. Lide ici est de trouver les codes des livreurs prsents dans la table
livreur mais pas dans la table commande. Daprs notre dfinition du modle entitassociation, ce ne devrait pas tre possible puisque la cardinalit du point de vue (du ct)
de lentit livreur est de type 1-n : un livreur a au moins livr une pizza et est susceptible
den livrer plusieurs. On emploie alors une jointure externe qui nous permet dinclure
dans le rsultat les lignes nayant pas de correspondance dans la table commande.
SELECT *
FROM livreur LEFT JOIN commande
ON livreur.CodeLivreur=commande.CodeLivreur
;
Pour slectionner ceux qui nauraient pas effectu de livraison, on choisit une ligne dont
un champ issu de la table commande est vide (a une valeur nulle en SQL). On projette
sur le champ NomLivreur de la table commande qui tait linformation demande.
SELECT livreur.NomLivreur
FROM livreur LEFT JOIN commande
ON livreur.CodeLivreur=commande.CodeLivreur
WHERE commande.CodeLivreur IS NULL
;
La requte de mise jour serait la suivante, on rcupre les champs prix de la commande
de la premire requte pour effectuer la mise jour du solde du compte du client dans la
table client.
UPDATE client,requete1
SET Compte=Compte-requete1.Prix_Commande
WHERE client.NumClient=requete1.NumClient ;
Exercices
EXERCICE 7
Il est prvu de pouvoir lancer dans un SGBD une requte au moment o lon effectue une
opration : on appelle cela des triggers ou procdures stockes. Typiquement, il faudrait
lancer cette requte chaque fois que lon cre une commande.
EXERCICE 8
Si le taux nest pas fixe, il faut linclure dans le systme dinformation ; on cre une table
taxe avec une ligne et une colonne, qui contiendra uniquement le taux.
CREATE TABLE taxes (
Taux FLOAT
);
INSERT INTO taxes
(Taux) VALUES (19.6) ;
On rcupre la valeur du taux comme on la fait prcdemment, en faisant un produit cartsien avec la table taxes.
SELECT NomPizza, Prix*(1+Taux) AS Prix_Ttc
FROM pizza, taxes ;
Dans ce second cas, il faudrait pour tre complet ajouter lentit taxes au modle entitassociation. Elle ne serait lie aucune entit par une association.
EXERCICE 9
154
Chapitre
Exercices
156
Chapitre
Prservation
des donnes
1. Contrle daccs et
sauvegarde ............................158
2. Limitations daccs au SGBD ...161
3. Transactions ...........................166
4. Triggers ................................173
Exercices
1. Scurit de base .....................176
2. Disponibilit des donnes ........176
3. Niveaux dutilisation dune base
de donnes ............................177
4. Gestion des droits ...................178
5. Vues ......................................179
6. Transactions ...........................181
7. Trigger ...................................182
157
les attaques internes qui proviennent de personnes ayant accs la machine par un
compte standard associ un mot de passe correct ;
les attaques externes qui se font en profitant dune faille du systme dexploitation
ou dune des applications installes sur la machine.
Dans les deux cas, on peut tre confront un problme de destruction de donnes par
simple effacement de fichiers de donnes. Cette opration deffacement sera rendue plus
ou moins facile suivant les systmes employs. Dans le premier cas, il est en principe
158
Chapitre
impossible quun simple utilisateur efface les fichiers des autres, mais certains systmes
sont plus permables que dautres. Dans le second cas, si lon peut devenir administrateur sur la machine concerne du point de vue du systme dexploitation, tout est possible.
Sil sagit dun cas de malveillance, les dgts peuvent tre considrables.
Les protections dans ce domaine ne dpendent pas spcifiquement de ladministrateur du
SGBD, mais aussi de ladministrateur systme et rseau de lenvironnement dans lequel se
trouve la machine qui hberge le SGBD. Le systme et les applications prsentes sur la
machine doivent tre maintenus et mis jour rgulirement pour viter les problmes.
Ladministrateur systme doit galement tenir jour les comptes utilisateurs qui possdent les droits daccs la machine et vrifier la qualit des mots de passe associs. Classiquement, une intrusion se fait en utilisant un compte oubli , cr par exemple pour un
besoin ponctuel, dont le mot de passe est assez simple pour tre devin. Le SGBD luimme est une application parmi les autres ; il peut prsenter des failles et doit faire partie
du programme des mises jour critiques. Cette tche est gnralement effectue par
ladministrateur du SGBD, qui doit galement tenir jour les comptes dutilisateurs spcifiques du SGBD disposant de droits daccs la machine.
En rsum, le systme sur lequel est hberge la base de donnes doit faire lobjet dun
suivi permanent tous les niveaux. Il nest pas raisonnable dinstaller un SGBD sur une
machine dont le systme ne peut tre mis jour ou dont les mises jour sont disponibles
trop tardivement. Toute application prsente sur la machine peut recler des failles et tre
le maillon faible de lensemble. Les informations de vulnrabilit et les correctifs sont
fournis par les diteurs de ces applications. Dans notre cas, on doit porter une attention
particulire une application importante : le SGBD. La ractivit des diteurs constitue un
critre dcisif pour choisir un systme et un SGBD. Dun point de vue humain, la qualit
de ladministration du systme et du rseau sur lequel se trouve la machine peut tre galement un lment du choix.
disparatra pas dans les annes venir. Il est important denvisager ds la conception
lventualit dune migration vers un autre SGBD, ventuellement hberg par un autre
systme.
160
Chapitre
Figure 6.1
Rpartition
Redondance et
rpartition de
charge.
&
redondance
Hbergement 3
Hbergement 2
Hbergement 3
protger qui est au centre du processus : les droits dutilisation de cet objet sont ensuite
affects des couples de types (nom, identifiant).
Le SGBD stocke les informations suivantes pour chaque objet quil contient :
Remarque
En pratique, la plupart des SGBD intgrent une instruction pour crer un utilisateur et lui
associer un identifiant qui reste unique. Mme si elle nest pas dfinie rellement dans la
norme SQL, elle est frquemment de la forme :
CREATE USER <type de droit> IDENTIFIED BY <identifiant> ;
Cette instruction met jour le dictionnaire de donnes du SGBD. Ce dernier utilise les informations de lutilisateur pour authentifier la connexion au SGBD. L encore, le mode de connexion dpend du SGBD utilis. Par extension, celui-ci fournira en gnral une instruction du
type DROP USER pour dtruire lutilisateur cr par la prcdente commande.
Comme les informations du dictionnaire de donnes sont le plus souvent stockes dans des
bases de donnes, on peut galement les manipuler avec des instructions SQL classiques de
types INSERT et DELETE. La spcificit de linstruction CREATE USER est de possder une instruction de cryptage du mot de passe.
Compte tenu de la remarque prcdente, les diteurs intgrent souvent la notion plus classique dutilisateur dans un SGBD. Ce dernier permet en gnral de distribuer des autorisations un ensemble dutilisateurs qui constituent ainsi un groupe. Les tches de gestion
en sont facilites, mais les groupes, qui reprsentent lorganisation de lentreprise, sont
parfois complexes grer. Laffectation de droits une hirarchie de groupes et sous-groupes peut relever du casse-tte.
Afin de rsoudre ce problme, on dispose dun autre modle de distribution des droits : le
rle. Celui-ci dsigne un assortiment de droits que lon dsire affecter un objet du
SGBD. Cest une vue inverse o les utilisateurs prennent le(s) rle(s) dont ils ont besoin
pour pouvoir travailler sur les objets du SGBD qui les concernent. Linstruction pour crer
un rle est la suivante :
CREATE ROLE consultation_seulement ;
Laffectation des droits un rle et la distribution de rles des utilisateurs sont prsentes
la section suivante. La gestion des rles, mme sils font partie de la norme SQL, nest pas
propose par tous les SGBD. Il en est de mme pour les groupes dutilisateurs ou tout simplement de la notion dutilisateur qui nexiste pas toujours dans le SGBD.
En rsum, il ny a pas de rgle gnrale de gestion des autorisations de connexion au
SGBD. Linitiative en est laisse lditeur du SGBD. Cet aspect peut provoquer des soucis
lors de la migration vers un autre SGBD.
162
Chapitre
Il lui donne tous les droits sur la base de donnes pastorius_base quil vient de crer.
Loption ALL PRIVILEGES sert transmettre lensemble des droits dont dispose le
donneur : en loccurrence, ladministrateur dispose de tous les droits sur tous les objets. Le
fait de prciser pastorius_base.* signifie tous les sous-objets prsents et venir contenus
dans la base de donnes pastorius_base
CREATE DATABASE pastorius_base;
GRANT ALL PRIVILEGES ON pastorius_base.* TO pastorius ;
Cette fois, la commande de transmission de droits peut tre faite par lutilisateur pastorius
Lorsque lon veut donner un droit tous les utilisateurs du SGBD, on utilise le mot cl
PUBLIC comme nom dutilisateur.
GRANT SELECT ON jaco TO PUBLIC;
Lensemble des utilisateurs peut alors interroger la table jaco de la base de donne
pastorius_base .On peut affiner ces permissions en ne les accordant que pour certains
champs de la table. On spcifie alors pour le type de droit le ou les champs sur lesquels ils
sappliquent.
GRANT UPDATE Adresse ON jaco TO nhop ;
Lutilisateur nhop a le droit de mettre jour le champ Adresse de la table jaco. Ce droit
peut lui avoir t accord par lutilisateur pastorius ou par ladministrateur du systme. Si
lon ne spcifie pas le champ comme on la fait prcdemment, le SGBD considre que le
droit concerne tous les champs de la table.
Voici un exemple dutilisation de GRANT avec les rles. On considre les rles suivants
sur la table jaco :
consultation : interrogation ;
utilisation : mise jour et insertion ;
gestion : destruction.
On cre les rles et on met jour les droits ncessaires.
CREATE ROLE consultation;
CREATE ROLE utilisation;
CREATE ROLE gestion;
GRANT SELECT ON jaco TO consultation;
GRANT UPDATE, INSERT ON jaco TO utilisation;
GRANT DELETE ON jaco TO gestion;
Les utilisateurs qui ont plusieurs rles disposent des droits de tous les rles auxquels ils
appartiennent. Ainsi, lutilisateur miller possde les droits suivants sur la table :
INSERT, UPDATE, SELECT . Pour retirer les droits accords par linstruction GRANT,
on utilise linstruction REVOKE. Elle est de la forme suivante :
REVOKE <type de droit>
ON <objet>
FROM <nom utilisateur>
164
Chapitre
Pour retirer les droits de lutilisateur nhop sur la table jaco, on procde comme suit :
REVOKE SELECT
ON jaco
FROM nhop ;
Remarque
Seul lutilisateur qui lui a donn ces droits peut les lui retirer. Dans notre cas, la commande prcdente doit tre lance par lutilisateur pastorius.
Les droits donns par plusieurs utilisateurs sont cumulatifs. Cela signifie que tous les
droits accords doivent tre retirs pour quun utilisateur ne puisse plus effectuer les oprations. Ce graphe de permissions nest pas toujours simple grer et devient rapidement de taille exponentielle. Par consquent, les administrateurs des SGBD ont tendance
accorder parcimonieusement les possibilits de redistribuer des droits.
Pour aider ladministrateur, un bon SGBD procure une option de linstruction de destruction dun utilisateur, capable de dtruire galement tous les objets quil a crs. Linstruction DROP USER, non normalise par SQL comme on la vu prcdemment, sutilise avec
loption CASCADE pour dtruire les tables, les vues et autres que lutilisateur a crs.
On donne les droits de visualiser ces informations aux personnes du service marketing qui
sont les utilisateurs nhop et miller.
GRANT SELECT ON couleur_ville TO nhop, miller ;
Loption CHECK OPTION permet les mises jour des donnes au travers de la vue.
On donne les droits un rle que les utilisateurs pastorius et miller vont utiliser.
CREATE ROLE comptabilite ;
GRANT SELECT ON journal_compta TO comptabilite;
GRANT UPDATE Prix_de_vente ON journal_compta TO comptabilite;
Lutilisation des vues permet de dfinir des objets dynamiques puisquune vue est le rsultat dune requte et nest jamais stocke. Les vues sutilisent en complment du systme
gnral de droits prsent la section prcdente. Il sagit de la bonne solution pour viter
la complexit de description des permissions sur la totalit des champs. Comme pour le
reste de la norme SQL, tous les SGBD ne proposent pas les vues.
Transactions
Cette section prsente plusieurs outils procurs par les SGBD pour protger les oprations
effectues sur les donnes. Les incidents lis aux donnes dans un SGBD proviennent
essentiellement de laccs concurrent ces dernires par plusieurs utilisateurs. Ces problmes sont habituellement rsolus par les mcanismes associs aux transactions prsentes dans cette section. Celles-ci permettent galement de rsoudre les pertes dues aux
166
Chapitre
erreurs de manipulation ou celles lies aux erreurs dans le traitement des donnes, par
exemple en cas de panne matrielle.
Lecture(s) trange(s)
Laccs multiple en lecture ne pose pas habituellement de problmes, mais que se passe-til lorsquun ou plusieurs utilisateurs dcident de modifier les mmes donnes au mme
moment ? On considre la squence dinstructions suivante applique la base de donnes casse . On suppose que tous les utilisateurs disposent de tous les droits sur tous les
objets (tables et champs) de cette base de donnes :
Incohrence de rsultats
On peut imaginer une autre srie dinstructions qui ralisent des modifications de donnes effectues par diffrents utilisateurs. En raison de laugmentation des frais de structure, le service comptable a dcid dune augmentation gnrale du prix de vente de 5 %.
Afin que cette dernire passe inaperue et dans le cadre dune campagne de communication, le service marketing offre 100 euros de ristourne sur tout le catalogue pendant un
mois. Lutilisateur pastorius appartient au service comptable et lutilisateur nhop au service marketing. Les vrifications sont effectues par lutilisateur miller de la direction
(voir figure 6.2).
Prix de vente
Droulement de
la squence
dinstructions de
mise jour du
prix de vente.
9 700
Prix de vente
Prix de vente
9 600
10 185
constat
Miller : vrification du prix de vente
Prix de vente
10 185
attendu
Prix de vente
10 085
On obtient alors une incohrence due la squence de modification des donnes. Les
oprations effectues sur le champ Prix ne sont en effet pas commutatives. L encore, le
SGBD ne dispose pas dlments lui permettant dordonner correctement les oprations.
En revanche, pour certains prix de vente, la mise jour pourra tre correcte.
Il existe bien dautres types dincohrences qui peuvent tre provoques par laccs concurrent aux donnes. On peut citer le cas des anomalies de lecture : Deux lectures successives ne donnent pas le mme rsultat. Cela survient lorsque la modification dune
donne est effectue par un processus concurrent entre deux lectures successives. Le
SGBD traite naturellement les requtes de manire squentielle, dans lordre de leur arrive. Si lon augmente le nombre dutilisateurs, ce type de problmes peut videmment se
multiplier.
Verrous
On a donc besoin de disposer dun mcanisme qui garantisse une certaine exclusivit
sur les donnes lors des oprations de mise jour. Un tel mcanisme existe depuis longtemps en informatique pour rsoudre ce problme : il sagit des verrous. Lide est simple :
on bloque une ressource pour effectuer les oprations et on la libre ds que les oprations
sont effectues. Cette mthode semble rsoudre le problme ; elle prsente cependant
quelques piges et doit tre utilise avec prudence. En effet, on peut rapidement parvenir
une situation de blocage que lon nomme treinte fatale (deadlock en anglais) ou parfois
168
Chapitre
interblocage. Pour illustrer cette situation, on suppose que deux vendeurs veulent mettre
jour la base de donnes casse :
Lutilisateur pastorius veut insrer une vente de voiture dans la table vente et constate cette occasion une erreur sur la couleur dans la table voiture quil veut modifier.
Lutilisateur miller veut insrer la fois une nouvelle voiture dans la table voiture et
la mention de sa vente dans la table vente.
La squence dinstruction peut tre la suivante :
Soit le SGBD est capable dexcuter toutes les instructions qui composent une transaction et il effectue les mises jour provoques par ces instructions.
Soit il ny parvient pas et il remet la base de donnes dans ltat cohrent prcdent le
dbut de lexcution des instructions de la transaction.
Les proprits que doivent vrifier les transactions sont rsumes par le terme ACID :
Atomicit. Une transaction est atomique : elle est excute entirement ou abandonne.
Cohrence. La transaction doit se faire dun tat cohrent de la base vers un autre tat
cohrent.
Isolement. Des transactions simultanes ne doivent pas interfrer entre elles.
Durabilit. La transaction a des effets permanents mme en cas de panne.
Les qualits des transactions sont un argument de vente pour un SGBD. Il est en effet
complexe de trouver un compromis entre la scurit et les performances. Bien quil
sagisse dun mcanisme prouv qui existe depuis fort longtemps, les transactions ainsi
que les techniques de gestion des accs concurrentiels restent des sujets de recherches
importants dans les laboratoires. Les transactions font partie de la norme SQL.
Remarque
Les transactions permettent de rsoudre les problmes lis aux accs concurrentiels, mais galement de traiter le cas de la reprise en cas de panne. Le SGBD est ainsi capable de remettre la
base de donnes dans ltat cohrent o elle se trouvait avant le dbut de la transaction qui a
chou pour cause de panne. Les transactions sont galement employes pour annuler des
erreurs de traitement ventuelles. En effet, grce ce mcanisme, on peut revenir ltat initial
dans lequel se trouvait la base de donnes avant le dbut de la srie de mauvaise(s) manipulation(s) sur la base de donnes. Il sagit certainement de lutilisation principale des transactions.
170
Chapitre
Remarque
Les SGBD ne fonctionnent pas par dfaut au mme niveau disolation. Il est prudent de vrifier
dans la documentation quel niveau se trouve par dfaut le SGBD que lon utilise. En effet, certains SGBD trs rpandus fonctionnent par dfaut au niveau 1 ! Ce peut tre suffisant pour certaines applications, encore faut-il en tre bien conscient. Le choix du niveau est motiv par des
arguments plus commerciaux que techniques : le SGBD est plus rapide en utilisant un niveau
moins lev.
Voici un exemple de destruction dans la table client de la base de donnes casse que lon
valide ensuite :
#Dmarrage de la transaction
START TRANSACTION ;
#Destruction des tuples dont le champ Ville vaut Paris dans la table client
DELETE FROM client WHERE Ville=Paris;
#Validation des modifications faites depuis START TRANSACTION
COMMIT ;
Une diffrence essentielle par rapport linstruction ROLLBACK vue prcdemment est
que, dans ce cas, la transaction nest pas termine. Un autre ROLLBACK reviendrait
ltat de la base de donnes avant lexcution de linstruction START TRANSACTION.
Figure 6.3
START TRANSACTION ;
Point de retour
dans une
transaction.
SAVEPOINT UN
ROLLBACK TO UN ;
ROLLBACK
Le mcanisme des points de retour est trs utile pour prvenir les cas de mauvaise manipulation de donnes. On combine ainsi la possibilit deffectuer les modifications dans
une seule transaction avec celle de ne pas annuler toutes les modifications. Certaines
dentre elles prennent en effet un temps considrable.
Remarque
La plupart des SGBD considrent que chaque instruction SQL est en soi une transaction qui est
automatiquement valide (mode AUTO COMMIT). Certains fonctionnent en crant une nouvelle
transaction lors de chaque connexion au SGBD, ce qui permet dannuler le cas chant toutes les
oprations effectues depuis la connexion. Dans le doute, il est donc prfrable de spcifier explicitement le dbut de toute transaction par une instruction START TRANSACTION.
172
Chapitre
Le systme des transactions gres par le SGBD est un outil indispensable pour prendre en
compte les problmes cits prcdemment : la concurrence daccs, les erreurs et les reprises aprs les pannes. Comme on la vu dans cette section, la ralisation des transactions fait
appel des compromis entre la rapidit et la scurit. Tous les SGBD neffectuent pas les
mmes choix et prsentent des degrs diffrents de fiabilit. Les cas dinterblocage peuvent
tre frquents dans certains SGBD pourtant trs utiliss. Dautres, galement fort rpandus, ne proposent mme pas les transactions sur leurs tables en standard .
Triggers
Les triggers ou dclencheurs ont un objectif diffrent des outils tels que les transactions.
Ils servent excuter des contrles complmentaires personnaliss au moment des oprations dajout, de suppression et mise jour des donnes. Ils sont utiles galement pour
effectuer un formatage spcifique des donnes. Pratiquement, un trigger est un ensemble
dinstructions SQL, dfinies par lutilisateur, qui seront dclenches lors dune action
dajout, de suppression ou de mise jour de donnes. Il sapplique donc un objet de type
table. On peut choisir dexcuter un trigger avant ou aprs une instruction de mise jour.
Les donnes manipules par le trigger sont stockes dans des tables temporaires que lon
dsigne dans le code du trigger par les termes :
Comme toujours, la syntaxe peut tre lgrement diffrente suivant le SGBD employ.
174
Chapitre
Rsum
Ce chapitre expose les diffrentes dispositions que lon doit prendre afin de prvenir laltration ou la perte des donnes. On a prsent tout dabord les prcautions de premier
niveau quil ne faut pas ngliger. Elles concernent essentiellement lenvironnement dans
lequel se trouve le SGBD : la machine munie de son systme dexploitation, les locaux
informatiques et enfin le rseau sur lequel elle est connecte. Un autre point important
concerne la sauvegarde et la duplication des donnes, de faon garantir laccessibilit
ces dernires mme en cas de sinistre.
Une fois lenvironnement du SGBD scuris, on a abord les permissions et les restrictions
qui sont gres directement par le SGBD. Il sagit de la partie prise en charge par ladministrateur du SGBD qui dfinit les droits sur les diffrents objets de la base de donnes.
Cette gestion devient rapidement complexe : on utilise en complment les vues SQL pour
dcrire plus finement les objets sur lesquels on distribue les droits.
Les prcautions prcdentes mises en uvre, on se trouve confront au problme de
laccs concurrent aux donnes. La solution consiste en lutilisation de verrous. Leur
mcanisme est trs dlicat grer et lon prfre laisser ce soin au SGBD. Ce dernier procure de surcrot un mcanisme de journalisation des instructions capable de remettre
la base de donnes dans ltat cohrent prcdant la squence dinstructions. Cette combinaison des mcanismes daccs exclusif associs la journalisation se nomme les transactions. Enfin, les triggers (ou dclencheurs en franais) sont trs utiles pour complter la
panoplie doutils qui assurent le contrle des donnes dune base de donnes.
Exercices
EXERCICE 1
SCURIT DE BASE
Quelles sont les vrifications de base indispensables avant de faire hberger un SGBD serveur de bases de donnes par une structure ?
La dcision doit reposer sur la prise en considration de plusieurs points ; la liste ci-dessous nest pas exhaustive.
Aspects techniques. Lune des premires proccupations doit tre dauditer le type de
machine ainsi que le systme dexploitation sur lequel sera hberg le SGBD. Dautre part,
les SGBD sont gourmands en ressources de calcul et de stockage et il faut donc sassurer
que lon disposera du ncessaire dans ces domaines.
On peut supposer que la machine sera connecte un rseau quil faut auditer galement.
De quel type de connexion dispose lhbergeur, quels matriels de protection contre les
intrusions utilise-t-il ? Le minimum est de disposer dun dispositif de filtrage pour se protger des intrusions lies au rseau. Un plus est de disposer de deux fournisseurs daccs,
lun prenant le relais en cas de faille de lautre.
Enfin, quel matriel de sauvegarde peut-on utiliser, et de quelle taille de stockage disposet-on ? Une sauvegarde quotidienne est indispensable pour une base de donnes standard,
cest--dire sur laquelle les mises jours sont raisonnablement frquentes. En cas de mises
jour intensives, on peut prvoir de conserver plusieurs versions de la base sauvegarde.
Aspects humains. Les machines et les rseaux aussi performants soient-ils sont grs
avant tout par des tres humains. Il est donc essentiel de savoir combien de personnes
assurent cette mission, et de quelle faon ; didentifier la politique de scurit gnrale :
accs physique aux machines, protection contre les intrusions rseau et le suivi des incidents, mise jour des machines, gestion des comptes
EXERCICE 2
176
Chapitre
compte de la proximit , au sens informatique, du serveur par rapport au client qui
effectue la requte. Cette proximit peut tre calcule en termes de distance combien
de nuds du rseau sont traverss ? mais galement en termes de charge des branches du
rseau. Il existe des outils capables de tenir jour en permanence ce genre dinformations,
mais ils sont assez complexes grer. Lors du choix de la machine vers laquelle on va rediriger la demande, on doit prendre en considration galement sa charge et donc son aptitude rpondre rapidement.
Les inconvnients dune solution complte de ce type sont vidents. Les applications de
rpartition de charge sur un rseau standard sont dj complexes grer ; on imagine bien
quelles le sont dautant plus lorsque lon passe une chelle suprieure. Un autre inconvnient est la difficult de maintenir des copies des donnes jour par rapport la base
primaire. Si les mises jour sont trs frquentes, il devient difficile de disposer des mmes
donnes sur tous les secondaires.
Une autre solution plus facile grer pour rpartir naturellement la charge entre les
serveurs consiste rpartir les donnes entre ces serveurs. Ainsi, cette opration se fait par
larchitecture mme de la base de donnes qui est dite rpartie . En revanche, cette solution ne rsout pas le problme de la recopie des donnes. Si lun des serveurs tombe en
panne, il nexiste pas, contrairement au systme prcdent, de mcanisme automatique
pour le remplacer. On peut envisager des variantes qui panachent les deux systmes : par
exemple, on peut mettre en place un serveur matre qui recopie une partie des donnes sur
les secondaires. Cette problmatique gnrale est illustre par les grands moteurs de
recherche, ou encore les serveurs de vido qui utilisent plusieurs milliers de serveurs
rpartis sur le rseau Internet.
Les clients peuvent consulter les informations les concernant ainsi que le catalogue des
pizzas disponibles avec leur prix et leur composition.
Lactivit courante, qui par consquent va gnrer les mises jour les plus frquentes,
est la commande de pizzas. Les utilisateurs concerns sont les employs qui mettent
jour les donnes de la table commande, mais galement celles de la table client pour
crer de nouveaux clients le cas chant. Ils ont accs en lecture toutes les donnes des
autres tables.
Enfin, les gestionnaires de lactivit doivent pouvoir mettre jour toutes les informations de gestion : en particulier, celles sur les pizzas, les clients, les livreurs et les voitures
utilises. En revanche, on peut considrer quils nont pas besoin de modifier les informations concernant les commandes, mais quils doivent pouvoir y accder en lecture.
Exercices
EXERCICE 3
On rsume dans un tableau (voir tableau 6.1) les droits par catgories sur les tables (par
criture , on entend mise jour, insertion et destruction).
Figure 6.1 : Synthse des droits par catgories de la base de donnes pizza
commande
pizza
compose
Client
Lecture
Lecture
Lecture
Employ
Lecture/
criture
Lecture
Lecture
Gestionnaire
Lecture
Lecture/
criture
Lecture/
criture
EXERCICE 4
ingredient tarification
client
livreur
vehicule
Lecture
Lecture
Lecture
Lecture
Lecture
Lecture
Lecture
Lecture/
criture
Lecture/
criture
SELECT
SELECT
SELECT
SELECT
SELECT
ON
ON
ON
ON
ON
pizza TO client;
compose TO client;
ingrdient TO client;
tarification TO client ;
client TO client;
SELECT
SELECT
SELECT
SELECT
SELECT
SELECT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
pizza TO employe ;
compose TO employe ;
ingrdient TO employe ;
tarification TO employe ;
vehicule TO employe ;
livreur TO employe ;
client TO employe ;
client TO employe;
client TO employe;
client TO employe;
commande TO employe ;
commande TO employe;
commande TO employe;
commande TO employe;
178
SELECT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
ON
ON
ON
ON
ON
ON
ON
commande TO gestionnaire ;
client TO gestionnaire;
client TO gestionnaire;
client TO gestionnaire;
client TO gestionnaire;
livreur TO gestionnaire;
livreur TO gestionnaire;
Chapitre
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
GRANT
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
SELECT
UPDATE
DELETE
INSERT
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
ON
livreur TO gestionnaire;
livreur TO gestionnaire;
vehicule TO gestionnaire;
vehicule TO gestionnaire;
vehicule TO gestionnaire;
vehicule TO gestionnaire;
tarification TO gestionnaire;
tarification TO gestionnaire;
tarification TO gestionnaire;
tarification TO gestionnaire;
ingrdient TO gestionnaire;
ingrdient TO gestionnaire;
ingrdient TO gestionnaire;
ingrdient TO gestionnaire;
compose TO gestionnaire;
compose TO gestionnaire;
compose TO gestionnaire;
compose TO gestionnaire;
pizza TO gestionnaire;
pizza TO gestionnaire;
pizza TO gestionnaire;
pizza TO gestionnaire;
VUES
De nouveaux utilisateurs aux besoins plus spcifiques vont utiliser la base de donnes de
livraison de pizzas vue au chapitre 5, Du langage parl SQL .
Le service comptabilit doit rmunrer les livreurs : il a besoin de connatre le nombre de commandes livres par chacun deux.
Le service du personnel effectue un suivi des livreurs : il a besoin de connatre le
nombre de retards de chacun, mais galement le nombre de commandes livres.
Un laboratoire de recherche en sociologie effectue des tudes sur la clientle, spcifiquement sur la relation entre les ingrdients des pizzas achetes et ladresse des
clients.
Ces utilisateurs ne doivent accder quaux champs dont ils ont strictement besoin.
On remarque que les informations dont ces utilisateurs ont besoin ne sont pas directement disponibles dans une table ni mme dans un champ particulier. Il sagit de rsultats
de calculs sur lensemble de la base de donnes. Le moyen le plus simple pour grer ces
besoins est de crer des vues pour chaque catgorie dutilisateurs, auxquels on distribuera
les permissions sur ces vues. Il est videmment possible de crer des rles dutilisateurs
comme dans lexercice prcdent, ce qui est plus lgant mais nest pas support par tous
les SGBD.
Exercices
EXERCICE 5
Service comptabilit. Le besoin est uniquement davoir accs aux nombres de commandes livres pour chaque livreur. Il sagit du rsultat dun calcul classique sur un agrgat. On affiche uniquement les informations du livreur (code et nom) et le rsultat du
calcul.
SELECT L.CodeLivreur, L.NomLivreur, COUNT(*) AS Nombre_Livraison
FROM commande C JOIN livreur L ON C.CodeLivreur=L.CodeLivreur
GROUP BY C.CodeLivreur
ORDER BY L.NomLivreur;
Pour tre complet, on pourrait crer une vue rcapitulative qui permette de visualiser les
commandes livres et les retards dans une seule table. Ce nest pas le moyen le plus simple,
mais cela rend le processus plus lisible.
CREATE VIEW retard_commande_livreur AS
SELECT R.CodeLivreur, R.NomLivreur, C.Nombre_Livraison, R.Nombre_Retard
FROM retard_livreur R JOIN commande_livreur C ON R.CodeLivreur = C.CodeLivreur
ORDER BY R.NomLivreur;
180
Chapitre
On distribue les droits de lecture sur cette vue lutilisateur sociologue.
GRANT SELECT ON adresse_ingredient TO sociologue;
On se trouve dans les cas typiques dutilisation de vues pour dfinir des objets qui nexistent pas ltat naturel dans la base de donnes. La distribution des droits en est
dautant simplifie. De plus, lensemble est volutif ; on peut sans difficults ajouter un
champ dans ces vues sans avoir besoin de changer lensemble des droits sur les tables, les
champs, etc.
TRANSACTIONS
On dsire effectuer une simulation de mise jour de la base de donnes livraison de
pizzas . Lide est de procder une augmentation gnrale de 10 % du prix des pizzas,
tout en vitant de faire fuir les clients. On essaie de jouer sur les coefficients affects aux
diffrentes tailles de pizzas (naine, humaine, ogresse) et sur les prix de base. Lobjectif est
de mesurer les effets de ces modifications sur le compte des clients. On modifie dans un
premier temps les prix ; ensuite, les coefficients en se donnant la possibilit de revenir en
arrire pour tester diffrentes combinaisons de coefficients et de prix. Une fois les essais
termins, on abandonne toutes les modifications : ce ntait quune simulation.
On utilise videmment le mcanisme des transactions en dfinissant des points de retour
pour pouvoir annuler les effets des modifications des coefficients et des prix. On abandonne toutes les modifications, y compris celles des prix la fin de la transaction.
#Dmarrage de la transaction
START TRANSACTION ;
# Dfinition dun point de retour que lon nomme PRIX
SAVEPOINT PRIX ;
#Augmentation des prix des pizzas de 10 %
UPDATE pizza SET Prix=Prix*1.1;
On a dfini ici un point de retour PRIX qui permet de revenir ltat de la base avant la
modification de prix.
# Dfinition dun point de retour que lon nomme COEFF_NAINE
SAVEPOINT COEFF_NAINE ;
#Modification des coefficients de la taille nainedans la table tarification
UPDATE tarification SET Coefficient=0.5 WHERE Taille=naine ;
# Dfinition dun point de retour que lon nomme COEFF_OGRE
SAVEPOINT COEFF_OGRE ;
#Modification des coefficients de la taille ogressedans la table tarification
UPDATE tarification SET Coefficient=1.5 WHERE Taille=ogresse ;
La transaction ne se termine pas lorsque lon fait un ROLLBACK vers un point de retour. On
peut donc essayer dautres coefficients, sans oublier de redfinir de nouveaux points de retour.
# Dfinition dun point de retour que lon nomme COEFF_NAINE2
SAVEPOINT COEFF_NAINE2 ;
#Modification des coefficients de la taille nainedans la table tarification
UPDATE tarification SET Coefficient=0.5 WHERE Taille=naine ;
Exercices
EXERCICE 6
EXERCICE 7
TRIGGER
On dsire effectuer des mises jour proprement dans la base de donnes livraison
de pizzas . Lorsque lon dtruit une pizza dans la table pizza, on veut que les entres de
la table compose correspondant cette pizza disparaissent automatiquement. Ainsi, la
table composene contiendra aucune entre orpheline .
On utilise un trigger (dclencheur) pour mettre jour automatiquement la table compose lors dune destruction dans la table pizza.
CREATE TRIGGER maj_compose BEFORE DELETE ON pizza FOR EACH ROW
BEGIN
DELETE FROM compose
WHERE NomPizza=OLD.NomPizza ;
END
On remarque dune part que, par rapport aux triggers dfinis dans le chapitre, on fait
appel aux valeurs de la table OLD . En effet, lors dune instruction DELETE, le SGBD
ne gre pas de table NEW dans la mesure o il nexiste pas de nouvelles valeurs ; dans
ce cas, la table OLD fera rfrence aux valeurs supprimes de la table pizza.
Dautre part, on effectue lopration de destruction dans la table compose avant celle de
pizza laide du terme BEFORE . Ici, elle aurait peut-tre pu intervenir galement
aprs, sauf sil existe une contrainte dintgrit de rfrence de la table compose par rapport la table pizza : un entre du champ NomPizza dans compose ne peut exister que
si elle existe dans la table pizza.
Le trigger permet alors dautomatiser les instructions quil aurait t fastidieux deffectuer
la main lors de la destruction dune entre dans la table pizza.
182
A
Annexe
Codages de caractres
et bases de donnes
Du code Morse au code ASCII : un rapide
historique du codage des caractres
de caractre ASCII est encore trs rpandu, car il suffit bon nombre dapplications condition que lon crive sans lettres accentues. Si lon a besoin de caractres diacritiques ou
dautres caractres ne se trouvant pas dans la table de codage ASCII, on peut les reprsenter par une suite spcifique de caractres ASCII comme on le fait en HTML. Par exemple
se reprsente par la suite é .
Remarque
Un point, qui peut se rvler pnible lusage, concerne les caractres de fin de ligne. On a
vu que le codage, hrit du temps o lon utilisait des machines mcaniques pour transmettre les caractres, propose deux caractres distincts pour changer de ligne : le retour chariot
(CR) et le passage la ligne (LF).
Il nest plus techniquement utile aujourdhui de spcifier ces deux caractres pour indiquer
une fin de ligne. Cependant, la plupart des protocoles rseaux (par exemple HTTP) ainsi que
le monde DOS/Windows ont conserv la combinaison CR-LF pour passer la ligne. Les
familles UNIX utilisent le seul caractre LF et Apple le caractre CR. Il est donc ncessaire
deffectuer des transformations pour passer dun type de fichier lautre.
184
A
Annexe
Unicode
Aujourdhui, on envoie des mails et lon schange des fichiers dun bout lautre du monde
et lon aimerait pouvoir les exprimer avec les caractres corrects. Le franais scrit avec des
caractres diacritiques : la lecture dun texte sans accents est dsagrable et peut mme nuire
la comprhension. La section prcdente donne une ide de la confusion qui rgne pour le
codage des caractres malgr les efforts de normalisation. De plus, on ne peut deviner
(cest--dire dtecter automatiquement) en ouvrant un fichier sil est cod en ISO-8859-l ou
en MacRoman et il est impossible dutiliser des tables de langues diffrentes au sein dun
mme fichier. Pour rsoudre ces problmes, un groupement de constructeurs et dditeurs
de logiciels (Adobe, Xerox, Apple, IBM, MicroSoft, etc.) ont fond le consortium Unicode
au dbut des annes 1990. Unicode est un standard dfini par un consortium priv, mais
aprs quelques errements la norme ISO-10646 a repris lensemble du standard.
Lide est de disposer dun systme de codage de tous les caractres du monde ou plus
exactement de pouvoir coder la reprsentation de ces caractres. Unicode spare la notion
de caractre de sa reprsentation que lon appelle un glyphe . Ainsi, les notions
daspect, de police ou de taille du caractre nexistent pas dans le codage Unicode ; ces
informations sont reportes au niveau de lapplication. Le standard fournit tout de mme
un exemple de reprsentation (glyphe) du caractre titre informatif. En revanche, on
inclut des informations complmentaires, comme la direction dans laquelle il faut lire les
caractres ou des proprits alphabtiques qui seront importantes pour les bases de donnes. En ce qui concerne plus particulirement les caractres diacritiques, la rgle gnrale
est de donner la possibilit de construire le caractre plutt que de le stocker : un
sera construit en utilisant le code e combin au code ` . Cependant, pour des raisons
pratiques de compatibilit, Unicode a repris intgralement les codages existants tels que
ISO-8859-1 : dans ce cas, on stocke galement le caractre .
La plupart des langues vivantes peuvent scrire dsormais avec Unicode (plus ou moins 100
000 caractres sont actuellement dfinis), mme si certains choix ont fait lobjet de fortes critiques. Les symboles mathmatiques, musicaux ou autres font galement partie du code. Le
processus se poursuit avec les langues mortes, comme le codage des hiroglyphes gyptiens.
Techniquement, Unicode utilise un codage sur 21 positions. Le codage est divis en 17
tables de 65 536 (216) caractres que lon appelle des plans. Lun des intrts de ce dcoupage est que par exemple le premier plan suffit coder la plupart des langues vivantes. De
surcrot, le tout dbut de ce premier plan reprend exactement la norme ISO-8851-1. De
cette manire, on nest pas oblig dutiliser la place des 21 positions pour coder les caractres Unicode. Il suffit de trouver un codage astucieux qui indique que lon utilise le premier plan ou mme le dbut du premier plan, et alors 8 positions suffisent. Avec des
caractres plus exotiques , le codage utilise alors 16 positions et ainsi du suite. Cet
aspect offre beaucoup de souplesse et assure galement la compatibilit avec lexistant
ASCII et ISO-8859.
Les machines et les logiciels utilisent traditionnellement, et cest l lhritage des codages
prcdents, comme unit de base loctet qui contient 8 positions. Les diffrentes manires de
coder les caractres Unicode seront donc des multiples doctets. Essentiellement, on trouve :
UTF-8 : il sagit dun encodage gnial sur 8 bits concoct en une journe (une nuit ?)
par K. Thompson. Lide est que tout ce qui est en ASCII est cod sur un octet ; ce qui
est cod avec des diacritiques conformes la norme ISO-8859 est cod sur deux octets
et ainsi de suite. Cette manire de coder permet de conserver la compatibilit totale
avec le codage ASCII ainsi que de continuer utiliser les logiciels et matriels conus
lorigine pour lire des octets.
UTF-16 : on reprsente Unicode sur deux octets. Cest plus conomique en termes de
place si lon utilise frquemment des langues extrme-orientales (UTF-8 utilise 3
octets dans ce cas). Le problme est de savoir de ces deux octets lequel est le premier
(dit de poids fort ). En effet, deux architectures diffrentes de machines coexistent
toujours, car cette information est code au niveau matriel. Ces dernires sont dsignes par les termes Little Endian et Big Endian . Il existe donc une version UTF16LE et une version UTF-16BE. Pour la petite histoire, les termes Big Endian et
Little Endian proviennent du livre Les Voyages de Gulliver, o lauteur dcrit des
peuplades qui mangent les ufs par le petit bout , opposes celles qui les mangent
par le grand bout .
Il existe dautres reprsentations du codage Unicode : UTF-32 sur 32 positions, UTF-7 sur
7 positions, etc. UTF-8 est logiquement le codage le plus frquemment utilis actuellement, car il est celui qui consomme le moins de place (si lon utilise des caractres ASCII
ou europens) et qui ncessite le moins de changements structurels aux niveaux logiciel et
matriel. noter que, dans tous les cas, on pourra reconnatre informatiquement le type
de codage qui est utilis. Unicode nest pas parfait, puisquil a intgr les systmes de
codage hrits des systmes prcdents (presque depuis le code Morse). En revanche, les
langues qui ne possdaient aucun codage prliminaire disposent dun codage lgant et
cohrent. Unicode est actuellement support par la plupart des systmes dexploitation,
mais la transformation de tous les textes et bases de donnes existants prendra du temps :
Ken Whistler (directeur technique du consortium Unicode) prvoit environ 10 ans pour la
transition.
Figure A.1
Les diffrents
codages de
caractres.
Autres plans
Morse
Baudot (5 positions)
UNICODE -ISO-10646
(21 positions)
UTF 8 (octets)
UTF 16 (doubles octets)
ISO-8859-1 (Latin1)
ISO-8859-15 (Latin9)
ASCII (7 positions)
ISO-8859-7 (Grec)
Windows-1251 (8 positions)
MacRoman (8 positions)
186
A
Annexe
On peut dfinir un jeu de caractres spcifique pour chaque champ. Il existe des noms de
jeux de caractres prdfinis dans la norme SQL : Unicode, ASCII_FULL, LATIN1 etc. Les
SGBD proposent en gnral des jeux de caractres complmentaires. Il est possible en SQL
dindiquer lutilisation dun jeu de caractres prdfini avec le mot cl NATIONAL CHARACTER.
En pratique, dans les SGBD actuels, le jeu de caractres employ dans ce cas est le plus
souvent UTF-8.
La collation utiliser est spcifie par le mot cl COLLATE suivi du nom de la collation utiliser.
Nom_client CHAR(20) CHARACTER SET Unicode COLLATE LATIN1;
188
Bibliographie
G. Gardarin, Bases de donnes, Eyrolles, 2001 (ISBN : 2-212-09283-0).
R. Elmasri et S. Navathe, Conception et Architecture des bases de donnes, Pearson Education, 2004 (ISBN : 2-7440-7055-6).
C. Delobel, C. Lcluse et P. Richard, Bases de donnes et Systmes relationnels, Dunod.
N. Boudjlida, Bases de donnes et Systmes dinformations. Le Modle relationnel : langages,
systmes et mthodes, Dunod, 1999.
C. J. Date, Introduction aux bases de donnes, Vuibert, 2004 (ISBN 2-7117-8640-4).
T. Connoly et C. Begg, Systmes de bases de donnes, Eyrolles (ISBN 2-89377-267-6).
F. Brouard et Ch. Soutou, Synthex SQL, Pearson Education, 2005 (ISBN : 2-7440-7095-5).
B. Charroux, A. Osmani et Y. Thierry-Mieg, Synthex UML2, Pearson Education, 2005
(ISBN : 2-7440-7124-2).
Ch. Soutou, De UML SQL, Eyrolles, 2002 (ISBN : 2-212-11098-7).
H. Tardieu, A. Rochfeld et R. Colleti, La Mthode MERISE, Eyrolles, 2000.
D. Nanci et B. Espinasse, Ingnierie des systmes dinformation : Merise deuxime gnration, Vuibert, 2001 (ISBN 2-7117-8674-9).
P. Andr et A. Vailly, Conception des systmes dinformation, panorama des mthodes et des
techniques, Technosup, Ellipse, 2001 (ISBN 2-7298-0479-X).
E.F. Codd, A Relational Model of Data for Large Shared Data Banks, 1970.
Bibliographie 189
Index
A
Accs concurrent 167
ACID 16, 170
Administrateur 19, 161
Algbre relationnelle 60
ANSI/SPARC 15
Association 17, 30, 32, 38, 41, 68
Attributs 6, 31, 35
B
Bases de donnes 8, 9, 10, 19
dductives 9, 10
volution 4
mtiers 19
modles 5
rparties 8, 9
C
Cardinalits 30, 33, 34, 43, 56, 69
Champs 3, 31, 56
Cl 14, 56, 57, 58, 59, 114
candidate 57, 58, 114
composite 115
trangre 59
primaire 57
Cohrence 3, 16, 59
Collation 187
Contraintes dintgrit 59, 114
D
Data mining 9
Datawarehouse 10, 11
Dcomposition 70, 72, 73, 74
Degr 32, 56
E
Entits 31
Entrepts de donnes 10, 11
F
Fichier informatique 13, 14
Forme normale 70, 72, 73, 75, 135, 136
Boyce-Codd 75
deuxime 72, 136
premire 70, 135
troisime 73, 136
Fouilles de donnes 9
Fusion 38, 39
H
HTML 11
I
Identifiant 31
Incohrences 4, 18, 35, 36, 37, 38, 59,
167
Index 14, 110, 140
J
Jeu de caractres
ASCII 183
ISO-8859-n 184
Index 191
MacRoman 184
unicode 185
UTF-16 186
UTF-32 186
UTF-8 185
Windows-1252 184
Jointure 64, 65
externe 65
naturelle 64
Journalisation 16, 170
Langage hte 96
LDD 16, 80, 95
LMD 16, 95
Logique du premier ordre 76
M
Mtadonne 3, 160
Modle 5, 6, 7, 8, 30, 56, 68
entit-association 30
hirarchique 5
logique 68
objet 6, 7
relationnel 6, 56
relationnel-objet 7, 8
rseau 5
Multivaluation 70
N
Niveau 5, 15
conceptuel 15
externe 5, 15
interne 15
logique 5
physique 5, 15
O
Objet 7, 28, 29
Oprations
agrgat 67, 103
diffrence 61
quijointure 63
intersection 61, 83
jointure 63
jointure externe 108
jointure interne 106
produit cartsien 61, 105
projection 62, 98
restriction 63
slection 63, 101
192 Cration de bases de donnes
union 60
Q
QBE 76, 78
MIN 101
NOT 102
OR 102
ORDER BY 109
OUTER JOIN 108
PRIMARY KEY 114
ROLLBACK 171
SAVEPOINT 172
SELECT 98
START TRANSACTION 171
SUM 101
UPDATE 118
WHERE 101
T
Tables 110
Transactions 169
Tri 109
Triggers 173
Type SQL
BLOB 111
BOOLEAN 111
CHAR 111
DATE 111
FLOAT 111
INT 111
NCHAR 111
NVARCHAR 111
REAL 111
SMALLINT 111
TIME 111
VARCHAR 111
U
UML 17, 30, 40, 41, 42
V
Verrouillage 170
Verrous 168
Vues 116, 165
W
World Wide Web 2, 11
X
XML 11, 12
Index
193
Informatique
Cration
&
de
bases
exercices
corrigs de donnes
Synthse
de cours
Lauteur :
Cet ouvrage propose une dmarche progressive ceux qui veulent concevoir
Le relecteur :
ric Innocenti est matre de confrences en informatique luniversit de
Corse. Il est responsable pdagogique des filires SRC (Services et
Rseaux de Communication) et LPM
(Licence Professionnelle Multimdia). Il
enseigne lalgorithmique, la programmation et les systmes dinformation.
uvre du systme ainsi conu laide du langage SQL. Une tude de cas
rcapitulative permet ensuite dappliquer les notions prsentes dans les chapitres prcdents. Le dernier chapitre traite de la scurisation des donnes,
notament au moyen des transactions et des triggers.
Les exercices, qui occupent la moiti du livre, sont intgralement corrigs afin
que le lecteur mette progressivement en uvre ses connaissances. Par ailleurs,
les donnes et les scripts SQL utiliss tant pour les exemples que pour les exercices sont disponibles ladresse www.pearsoneducation.fr.
Le livre sadresse aux tudiants de premier et de second cycles (IUT, BTS, universits et coles dingnieurs) qui dbutent lapprentissage des bases de donnes.
Il sera galement utile aux professionnels qui veulent mettre en place une base
de donnes, mme de taille modeste.
ISBN : 978-2-7440-7386-1