UML Relationnel

Planning des sances
Bases de donnes
M1 conomie et Socit conomie et Management Finance
Anne 2010-2011
Jrme Darmont
Jour
Horaire
Salle
Vendredi 24/09/10
12h00-13h45
Amphi Say
Vendredi 08/10/08
12h00-13h45
Amphi Say
Vendredi 22/10/08
12h00-13h45
Amphi Say
Vendredi 05/11/08
12h00-13h45
Amphi Say
Vendredi 12/11/08
12h00-13h45
Amphi Say
Vendredi 19/11/08
12h00-13h45
Amphi Say
http://eric.univ-lyon2.fr/~jdarmont/
Bases de donnes
Plan du cours

Organisation en fichiers
Introduction
Modle UML
Modle relationnel
Langage SQL
Saisie
Traitement
Fichier
Utilisateur
Fichier
Utilisateur
Saisie
Traitement
tat de sortie
Utilisateur
Bases de donnes
Limites des systmes fichiers

Particularisation de la saisie et des traitements en

fonction des fichiers
un ou plusieurs programmes par fichier
Contrle en diffr des donnes

augmentation des dlais et du risque derreur
Particularisation des fichiers en fonction des traitements

grande redondance des donnes
Bases de donnes
Organisation base de donnes
Utilisateur
Saisie
+
Contrles
Base de
Donnes
Traitements
tats de sortie
Utilisateur
Utilisateur
Bases de donnes
Bases de donnes
Avantages de lorganisation BD
Uniformisation de la saisie et standardisation des

traitements (ex. tous les rsultats de consultation sous
forme de listes et de tableaux)
Contrle immdiat de la validit des donnes
Partage de donnes entre plusieurs traitements

limitation de la redondance des donnes
Bases de donnes
Dfinitions
Proprits de lorganisation BD
Usage multiple des donnes
Accs facile, rapide, protg, souple, puissant
Cot rduit de stockage, de mise jour et de saisie
Disponibilit, exactitude, cohrence et protection des

donnes ; non redondance
volution aise et protection de linvestissement de

programmation
Indpendance des donnes et des programmes
Conception a priori
Bases de donnes
Systme de Gestion de Bases de Donnes (SGBD) :

Logiciel(s) assurant structuration, stockage,
maintenance, mise jour et consultation des donnes
dune BD
Bases de donnes
Indpendance physique : un remaniement de

lorganisation physique des donnes nentrane pas de
modification dans les programmes dapplication
(traitements).
Indpendance logique : un remaniement de

lorganisation logique des fichiers (ex. nouvelle rubrique)
nentrane pas de modification dans les programmes
dapplication non concerns.
Bases de donnes
Objectifs des SGBD
Manipulation facile des donnes : un utilisateur noninformaticien doit pouvoir manipuler simplement les
donnes (interrogation et mise jour).
Administration facile des donnes : un SGBD doit fournir

des outils pour dcrire les donnes, permettre le suivi de
ces structures et autoriser leur volution (tche de
ladministrateur de BD).
Base de donnes (BD) : Collection de donnes

cohrentes et structures
Objectifs des SGBD
Objectifs des SGBD
Bases de donnes
10
Efficacit des accs aux donnes : garantie dun bon

dbit (nombre de transactions excutes par seconde)
et dun bon temps de rponse (temps dattente moyen
pour une transaction).
Redondance contrle des donnes : diminution du

volume de stockage, pas de mise jour multiple ni
dincohrence.
Bases de donnes
11
Objectifs des SGBD

Fonctions des SGBD
Cohrence des donnes : ex. Lge dune personne doit

tre un nombre entier positif. Le SGBD doit veiller ce
que les applications respectent cette rgle (contrainte
dintgrit).
Partage des donnes : utilisation simultane des
donnes par diffrentes applications
Scurit des donnes : les donnes doivent tre
protges contre les accs non autoriss ou en cas de
panne.
Bases de donnes
12
Monde
Monderel
rel
Analyse
Conception
Transformation en
modle logique
Bases de donnes
Mise jour des donnes
Transformation des donnes
Contrle de lintgrit des donnes
Gestion de transactions et scurit
Bases de donnes

Schma
Schma
logique
logique
Langage de
Manipulation de
Donnes (LMD)
13
Introduction
Modle UML
Modle relationnel
Langage SQL
Schma
Schma
interne
interne
14
Gnralits
Bases de donnes
15
Classes et attributs
UML : Unified Modeling Language
Ensemble de formalismes graphiques

pour la modlisation oriente objet (analyse)
Auteurs : Rumbaugh, Booch, Jacobson
Standard de lOMG (Object Management Group) depuis

1997, soutenu par de nombreux diteurs de logiciels
Mise en uvre dune BD : transformation dun

diagramme de classes UML en schma logique
Bases de donnes
Recherche des donnes
Spcifique un
SGBD
Conception
physique
Indpendant d'un
SGBD
Schma
Schma
conceptuel
conceptuel
Description des donnes : Langage de Dfinition de

Donnes (LDD)
Plan du cours
Processus de conception dune BD
Spcifications
Spcifications
dedelalaBD
BD
16
Classe : Groupe dentits du monde rel

ayant les mmes caractristiques et le
mme comportement (ex. CLIENT)
Attribut : Proprit de la classe (ex. Nom

et Prnom du client)
Bases de donnes
17
Types dattribut
Type dattribut :

Exemple de classe avec ses attributs
Nombre entier
Nombre rel
Chane de caractres
Date
Valeur par dfaut (=)
Bases de donnes
18
Instances
Classe : ex. CLIENT
Instances (objets) de la classe CLIENT :

les clients

19
Identifiants
Bases de donnes
Liste des clients

Nom
Dupont
West
Martin
Durand
Titgoutte
Dupont
Dupont
Albert Dupont
James West
Marie Martin
Gaston Durand
...
Prnom
Albert
James
Marie
Gaston
Justine
Nomie
Albert
Date de Naissance
01/06/70
03/09/63
05/06/78
15/11/80
28/02/75
18/09/57
23/05/33
Etc.
...
...
...
...
...
...
...
Problme : Comment distinguer les Dupont ?

Bases de donnes
20
Identifiants
Bases de donnes
21
Identifiants
Solution : Ajouter un attribut Numro de client !

Numro
1110
2002
3333
4042
5552
6789
7000
Bases de donnes
Nom
Dupont
West
Martin
Durand
Titgoutte
Dupont
Dupont
Prnom
Albert
James
Marie
Gaston
Justine
Nomie
Albert
Date de Naissance
01/06/70
03/09/63
05/06/78
05/11/80
28/02/75
18/09/57
23/05/33
22
Le numro de client est un attribut identifiant. Un

identifiant caractrise de faon unique les instances
dune classe.
NB : Dans le paradigme objet (OO), un objet est dj

identifi par son OID (Object IDentifier). La finalit de
notre utilisation dUML ntant pas OO, nous ajouterons
un attribut identifiant.
Convention graphique :
NB : Ne pas confondre avec
les attributs de classe UML
dont cest la notation usuelle
Bases de donnes
23
Associations
Associations rcursives et rles
Dfinition : liaison perue entre des classes

ex. Les clients commandent des produits.
Les classes CLIENT et PRODUIT peuvent tre qualifies de

participantes lassociation COMMANDE.
Degr ou arit dune association : nombre de classes participantes.

En gnral : associations binaires (de degr 2).
Bases de donnes
24
Multiplicit (ou cardinalit)

1
0..1
0..* ou *
1..*
M..N
Association rcursive : une mme instance de classe

peut jouer plusieurs rles dans la mme association
(ex. employs et suprieurs hirarchiques).
Rle : fonction de chaque

classe participante (+).
Bases de donnes
25
Associations 1-1
Dfinition : Indicateur qui montre combien dinstances de

la classe considre peuvent tre lies une instance
de lautre classe participant lassociation
ex. Un client donn ne commande quun seul produit. Un

produit donn nest command que par un seul client.
Un et un seul
Zro ou un
Zro ou plus
Un ou plus
De M N (M, N entiers)
Lire "Un client commande multiplicit (1) produit(s)".
Bases de donnes
26
Associations 1-N
NB : La multiplicit un plusieurs (1..*) peut aussi tre

zro plusieurs (0..* ou *).
27
Associations 0 ou 1-N
ex. Un client donn commande plusieurs produits. Un

produit donn nest command que par un seul client.
Bases de donnes
Bases de donnes

produit donn est command au maximum par un client,
mais peut ne pas tre command.
NB : La multiplicit un plusieurs (1..*) peut aussi tre

zro plusieurs (0..* ou *).
28
Bases de donnes
29
Associations M-N
Classes-associations

produit donn est command par plusieurs clients.
Dans une association M-N, il est possible de

caractriser lassociation par des attributs (qui par
dfinition doivent appartenir une classe).
ex. Une commande est passe une Date donne et concerne
une Quantit de produit fixe.
NB : Les multiplicits un plusieurs (1..*) peuvent

aussi tre zro plusieurs (0..* ou *).
Bases de donnes
30
Bases de donnes
Exemple complet
Exemple complet
Notes dexamen : Spcifications
Notes dexamen : Spcifications (suite)
Les tudiants sont caractriss par un numro unique,

leur nom, prnom, date de naissance, rue, code postal
et ville.
Ils passent des preuves et obtiennent une note pour

chacune.
Les preuves sont caractrises par un code, ainsi que

la date et le lieu auxquels elles se droulent.
Bases de donnes
32
Exemple complet
Marche suivre pour produire un diagramme

de classes UML :
1.
Identifier les classes.
2.
Identifier les associations entre les classes.
3.
Identifier les attributs de chaque classe et de chaque

classe-association.
4.
valuer la multiplicit des associations.
Bases de donnes
Chaque preuve relve d'une matire unique (mais une

matire donne peut donner lieu plusieurs preuves).
Les matires sont caractrises par un code et un

intitul.
Bases de donnes
31
33
Exemple complet
34
Bases de donnes
35
Plan du cours

Gnralits
Introduction
Modle UML
Modle relationnel
Langage SQL
Le modle relationnel est un modle logique associ aux

SGBD relationnels (ex. Oracle, SQL Server, DB2,
MySQL, Access).
Objectifs du modle relationnel :

Bases de donnes
36
Langages dinterrogation puissants et dclaratifs
Accs orient valeur
Grande simplicit, absence de considrations physiques
Description du schma trs rduite
LDD intgr au LMD
Grande dynamique de structure
Optimisation de requtes
Utilisation interactive ou partir dun langage hte

37
Une relation R est un ensemble dattributs {A1, A2, , An}.
Chaque attribut Ai prend ses valeurs dans un domaine

dom(Ai).
ex. Note [0, 20]
Lieu {'Amphi Say', 'Amphi Aubrac',
'Salle 201', 'Salle 301', }
38
Bases de donnes
39
Contraintes dintgrit
Un n-uplet t est un ensemble de valeurs t = <V1, V2, , Vn>

o Vi dom(Ai) ou Vi est la valeur nulle (NULL).
ex. <'InfoS2', '30-06-2011', 'Amphi Say'> est un n-uplet de

la relation EPREUVE.
ex. La relation EPREUVE est lensemble des attributs

{CodeEpreuve, Date, Lieu}
N-uplets
Bases de donnes
Relations et attributs
Caractristiques des systmes relationnels
Bases de donnes
Indpendance physique
Traitement du problme de redondance des donnes
LMD non procduraux (faciles utiliser)
Devenir un standard
Notation : R (A1, A2, , An)
ex. CodeEpreuve est cl primaire de la relation EPREUVE.

ex. EPREUVE (CodeEpreuve, Date, Lieu)
Cl primaire : Ensemble dattributs dont les valeurs

permettent de distinguer les n-uplets les uns des autres
(notion d'identifiant).
Cl trangre : Attribut qui est cl primaire dune autre

relation.
ex. Connatre la matire dont relve chaque preuve
ajout de lattribut CodeMat la relation EPREUVE
Bases de donnes
40
Bases de donnes
41
Contraintes dintgrit en pratique
(au niveau des n-uplets)
Notations : Cls primaires soulignes, cls trangres

postfixes par le caractre #.
CodeEpr
Date
Lieu
Codemat#
ECOS101
15/01/2011
Amphi Say
ECO
Contraintes de domaine : Les attributs doivent respecter

une condition logique.
ECOS102
16/01/2011
Amphi Say
ECO
ex. Note 0 ET Note 20
GESS201
25/05/2011
Salle 201
GES
INFOS101
20/01/2011
Salle 101
INFO
ex. EPREUVE (CodeEpreuve, Date, Lieu, CodeMat#)

Bases de donnes
42
Traduction UML-relationnel
1.
MATIERE
EPREUVE
Bases de donnes
Codemat
Intitul
ECO
conomie
GES
Gestion
INFO
Informatique
43
Chaque classe devient une relation. Les attributs de la

classe deviennent attributs de la relation. Lidentifiant de
la classe devient cl primaire de la relation.
2.
Chaque association 1-1 est prise en compte en incluant la

cl primaire dune des relations comme cl trangre dans
lautre relation.
ex. Si un tudiant peut possder une (et une seule) carte
CUMUL, on aura :
ex. ETUDIANT (NumEtu, Nom, Prnom,

DateNaiss, Rue, CP, Ville)
CARTE (NumCarte, Crdit, )

ETUDIANT (NumEtu, Nom, Prnom, DateNaiss,
Rue, CP, Ville, NumCarte#)
Bases de donnes
44
3.
ex. EPREUVE (CodeEpreuve, Date, Lieu, CodeMat#)
45
4.
Chaque association M-N est prise en compte en crant

une nouvelle relation dont la cl primaire et la
concatnation des cls primaires des relations
participantes. Les attributs de la classe-association sont
insrs dans cette nouvelle relation si ncessaire.
ex. PASSE (NumEtu#, CodeEpreuve#, Note)
MATIERE (CodeMat, Intitul)
Chaque association 1-N est prise en compte en incluant la

cl primaire de la relation dont la multiplicit maximale est
1 comme cl trangre dans lautre relation.
Bases de donnes
Bases de donnes
46
Bases de donnes
47
Problme de la redondance
Schma relationnel complet de lexemple
[En dehors des cls trangres]

ex. Soit la relation COMMANDE_PRODUIT.

Rue, CP, Ville)
NumProd
101
104
112
103
EPREUVE (CodeEpreuve, Date, Lieu, CodeMat#)

Quantit
300
1000
78
250
NumFour
901
902
904
901
Adresse
Quai des brumes
Quai Claude Bernard
Quai des Marans
Quai des brumes
PASSE (NumEtu#, CodeEpreuve#, Note)

Cette relation prsente diffrentes anomalies.
Bases de donnes
48
Anomalies de modification : Si lon souhaite mettre jour

ladresse dun fournisseur, il faut le faire pour tous les nuplets concerns.
Anomalies dinsertion : Pour ajouter un fournisseur

nouveau, il faut obligatoirement fournir des valeurs pour
NumProd et Quantit.
Anomalies de suppression : Ex. La suppression du

produit 104 fait perdre toutes les informations
concernant le fournisseur 902.
Bases de donnes
50
Dpendances fonctionnelles
49
Objectifs de la normalisation
Anomalies lies la redondance

Bases de donnes
Suppression des problmes de mise jour
Minimisation de lespace de stockage

(limination des redondances)
Bases de donnes
51
Proprits des DF
Soit R (X, Y, Z) une relation o X, Y, et Z sont des

ensembles dattributs. Z peut tre vide.
Rgles d'infrence d'Armstrong
Dfinition : Y dpend fonctionnellement de X (X Y) si

cest toujours la mme valeur de Y qui est associe X
dans la relation R.
Rflexivit :
Si Y X alors X Y.
Augmentation :
Si W Z et X Y alors X, Z Y, W.
Transitivit :
Si X Y et Y Z alors X Z.
ex. PRODUIT (NumProd, Dsi, Prix)

DF possibles :
Bases de donnes
NumProd Dsi
Dsi Prix
52
Bases de donnes
53
Proprits des DF
Premire forme normale
Pseudo-transitivit :
Si X Y et Y, Z T alors X, Z T.
Une relation est en 1FN si tout attribut nest pas

dcomposable.
Union :
Si X Y et X Z alors X Y, Z.
ex. Les relations PERSONNE (Nom, Prnoms, Age) et

DEPARTEMENT (Nom, Adresse, Tel) ne sont pas en
1FN si les attributs Prnoms et Adresse peuvent tre du
type [Jean, Paul] ou [Rue de Marseille, Lyon].
Dcomposition :
Si Z Y et X Y alors X Z.
NB : La notation X, Y signifie X Y.
Bases de donnes
54
Deuxime forme normale

Bases de donnes
ex. La relation CLIENT (NumCli, Nom, Prnom,

DateNaiss, Rue, CP, Ville) est en 2FN.
Une relation est en 3FN si :

elle est en 2FN ;
il nexiste aucune DF entre deux attributs non cl
primaire.
ex. La relation MUSIQUE (NoChanson, NoChanteur,

Nom) avec les DF
ex. La relation COMMANDE_PRODUIT (NumProd,

Quantit, NumFour, Ville) nest pas en 2FN car on a :
NumProd, NumFour Qt et NumFour Ville.
La dcomposition suivante donne deux relations en 2FN :
COMMANDE (NumProd, NumFour, Quantit)
FOURNISSEUR (NumFour, Ville).
56
Troisime forme normale

Bases de donnes
Anomalies de mise jour sur la relation MUSIQUE : il

nest pas possible dintroduire un nouveau chanteur sans
prciser la chanson correspondante.
La dcomposition suivante donne deux relations en 3FN

qui permettent de retrouver (par transitivit) toutes les
DF :
R1 (NoChanson, NoChanteur) ;
NoChanson Nom est en 2FN, mais pas en 3FN.
R2 (NoChanteur, Nom).
57
Troisime forme normale
NoChanson NoChanteur, NoChanteur Nom et
Bases de donnes
55
Deuxime forme normale
Une relation est en 2FN si :

elle est en 1FN ;
tout attribut non cl primaire est dpendant de la cl
primaire entire.
Bases de donnes
58
Bases de donnes
59
10
Algbre relationnelle
Oprateurs ensemblistes
Ensemble doprateurs qui sappliquent aux relations
Rsultat : nouvelle relation qui peut son tour tre

manipule
Lalgbre relationnelle permet deffectuer des recherches

dans les relations.
Union : T = R S ou T = UNION (R, S)

R et S doivent avoir mme schma.
ex. R et S sont les relations PRODUIT de deux socits
qui fusionnent et veulent unifier leur catalogue.
Notation graphique :
Bases de donnes
60
Bases de donnes
Intersection : T = R S ou
T = INTERSECT (R, S)
Diffrence : T = R - S ou T = MINUS (R, S)

ex. Permet de retirer les produits de la relation S
existant dans la relation R.
ex. Permet de trouver les produits communs aux

catalogues de deux socits.
R
Bases de donnes
62
61
Bases de donnes
63
Produit cartsien
Produit cartsien : T = R x S
ou T = PRODUCT (R, S)
ex.
Associe chaque n-uplet de R chaque n-uplet de S.
NumProd
0
1
Dsi
P1
P2
NumFour
10
20
30
RaisonSoc
F1
F2
F3
NumFour
10
10
20
20
30
30
RaisonSoc
F1
F1
F2
F2
F3
F3
T
x
R
Bases de donnes
64
Bases de donnes
NumProd
0
1
0
1
0
1
Dsi
P1
P2
P1
P2
P1
P2
65
11
Division
ex.
Division : T = R S ou T = DIVISION (R, S)
NumCli
1
1
1
2
3
3
R (A1, A2, , An) S (Ap+1, , An)

T (A1, A2, , Ap) contient tous les n-uplets tels que leur
concatnation chacun des n-uplets de S donne toujours
un n-uplet de R.
Date
22/09/99
22/09/99
10/10/99
15/10/99
22/09/99
10/10/99
Quantit
1
5
2
9
1
2
Date
Quantit
22/09/99
1
10/10/99
2
R
Bases de donnes
66
Oprateurs spcifiques
Bases de donnes
NumCli
1
3
67
Projection : T = <A, B, C> (R)

ou T = PROJECT (R / A, B, C)
T ne contient que les attributs A, B et C de R.

ex. Noms et prnoms des clients.
Restriction : T = <C> (R)

ou T = RESTRICT (R / C)
T ne contient que les attributs de R qui satisfont la
condition C.
ex. C = Clients qui habitent Lyon.
A, B, C
C
R
Bases de donnes
68
69
Commandes avec le nom du client (et pas seulement

son numro)
Jointure naturelle : T = R >< S

ou T = JOIN (R, S)
Produit cartsien R x S et restriction A = B sur les
attributs A R et B S.
Nom, Date,
Quantite
T
A
R
NumCli
NumCli
=
CLIENT COMMANDE
B
S
*Requte
Bases de donnes
Exemple de requte*
Bases de donnes
70
Bases de donnes
: enchanement doprations
71
12
Exemple de requte
Exemple de requte
Dcomposition des oprations

CL
CO
NumCli
1
2
3
Nom
C1
C2
C3
NumCli
1
3
3
Date Quantit
22/09/99
1
22/09/99
5
22/09/99
2
Bases de donnes
72
Exemple de requte
CL >< CO
CL.NumCli
1
3
3
Nom
C1
C3
C3
Nom
C1
C3
C3
CO.NumCli
1
3
3
Date Quantit
22/09/99
1
22/09/99
5
22/09/99
2
74
Plan du cours

CO.NumCli
1
1
1
3
3
3
3
3
3
Date Quantit
22/09/99
1
22/09/99
1
22/09/99
1
22/09/99
5
22/09/99
5
22/09/99
5
22/09/99
2
22/09/99
2
22/09/99
2
73
Niveau 1 : Systmes non relationnels.

Supportent uniquement la structure tabulaire.
Niveau 2 : Systmes relationnellement minimaux.

Permettent les oprations de slection, projection et
jointure.
Niveau 3 : Systmes relationnellement complets. Toutes

les oprations de lalgbre relationnelle.
Niveau 4 : Systmes relationnellement pleins.

Permettent la dfinition des contraintes dintgrit.
Bases de donnes
75
Gnralits
Introduction
Modle UML
Modle relationnel
Langage SQL
Bases de donnes
Bases de donnes
Nom
C1
C2
C3
C1
C2
C3
C1
C2
C3
Classification des SGBD relationnels
Date Quantit <Nom, Date, Quantit> (CL >< CO)

22/09/99
1
22/09/99
5 (Projection sur les attributs Nom,
22/09/99
2 Date, Quantit)
Bases de donnes
CL.NumCli
1
2
3
1
2
3
1
2
3
76
SQL : Structured Query Language, issu de SEQUEL

(Structured English as a QUery Language)
SQL permet la dfinition, la manipulation et le contrle

dune base de donnes relationnelle. Il se base sur
lalgbre relationnelle.
SQL est un standard depuis 1986.
Nous adoptons dans ce chapitre la syntaxe du SQL

d'Oracle (trs proche de la norme).
Bases de donnes
77
13
Types de donnes principaux

NUMBER(n) : nombre entier n chiffres
NUMBER(n, m) : nombre rel n chiffres au total

(virgule comprise) et m chiffres aprs la virgule
Mot cl CONSTRAINT
Identification par un nom de contrainte
Cl primaire :
PRIMARY KEY (cl)
VARCHAR(n) : chane de caractres de taille n
DATE : date au format JJ-MM-AAAA
Cl trangre :
FOREIGN KEY (cl) REFERENCES table(attribut)
Contrainte de domaine :
CHECK (condition)
Bases de donnes
78
Dfinition des donnes

ex.
CREATE TABLE Client (
Bases de donnes
79
Modifications structurelles
NumCli NUMBER(8),
Nom VARCHAR(1000),
DateNaiss DATE,
Salaire NUMBER(8,2),
NumEmp NUMBER(3),
Ajout dattributs
ALTER TABLE nom_table ADD (attribut TYPE, );
ex. ALTER TABLE Client ADD (tel NUMBER(8));
Modifications dattributs
ALTER TABLE nom_table MODIFY (attribut TYPE, );
CONSTRAINT Cle_pri PRIMARY KEY (NumCli),
ex. ALTER TABLE Client MODIFY (tel NUMBER(10));

CONSTRAINT Cle_etr FOREIGN KEY (NumEmp)
REFERENCES Employeur(NumEmp),
ex. ALTER TABLE Client DROP COLUMN tel;
);
Bases de donnes
80
Modifications structurelles
Suppression d'attributs
ALTER TABLE nom_table DROP COLUMN attribut, ...;
CONSTRAINT Sal_ok CHECK (Salaire >= 1286.09)
Bases de donnes
81
Index
Ajout de contrainte
ALTER TABLE nom_table
ADD CONSTRAINT nom_contrainte dfinition_contrainte;
ex. ALTER TABLE Client
ADD CONSTRAINT sal_ok CHECK (salaire > 0);
Dfinition : Structure de donnes physique permettant

d'acclrer les accs aux donnes
Exemple :
CREATE INDEX Idx_etu ON Etudiant (Nom);
Suppression de contrainte
ALTER TABLE nom_table DROP CONSTRAINT nom_contrainte;
ex. ALTER TABLE Client

DROP CONSTRAINT sal_ok;
Bases de donnes
82
NB : La cl primaire d'une relation est

automatiquement indexe.
Bases de donnes
83
14
Mise jour des donnes

Interrogation des donnes

Ajout dun n-uplet

ex. INSERT INTO Produit
VALUES (400, Nouveau produit, 78.90);
Par lexemple, sur la base ETUDIANTS

Rue, CP, Ville)
Modification de la valeur dun attribut
EPREUVE (CodeEpreuve, Date, Lieu, CodeMat#)
ex. UPDATE Etudiant SET Nom=Dudule

WHERE NumEtu = 333333;

PASSE (NumEtu#, CodeEpreuve#, Note)
Suppression de n-uplets
ex. DELETE FROM Etudiant
WHERE Ville = Lyon;
Bases de donnes
84
toile, tri et champs calculs

Tous les n-uplets dune table : toile (*)

ex. SELECT * FROM Etudiant;
Tri du rsultat
ex. Par ordre alphabtique [inverse] de nom
SELECT * FROM Etudiant
ORDER BY Nom [DESC];
85
Projection et restriction
Champs calculs
ex. Transformation de notes sur 20 en notes sur 40
SELECT Note * 2 FROM Passe;
Bases de donnes
Bases de donnes
86
Oprateurs de restriction
Projection
ex. Noms et Prnoms des tudiants, uniquement (pas les
autres attributs)
SELECT Nom, Prnom FROM Etudiant;
Suppression des doublons

ex. SELECT DISTINCT Nom FROM Etudiant;
Restriction
ex. tudiants qui habitent Lyon
WHERE Ville = Lyon;
Bases de donnes
87
ex. preuves se droulant aprs le 01/01/2006
ex. tudiants habitant une ville dont le nom se

termine par sur-Sane
SELECT * FROM Epreuve

WHERE Date >= '01-01-2006';

WHERE Ville LIKE %sur-Sane;
ex. Notes comprises entre 10 et 20

SELECT * FROM Passe
WHERE Note BETWEEN 10 AND 20;
sur-Sane%
%sur%
commence par sur-Sane

contient le mot sur
ex. Notes indtermines (sans valeur)

SELECT * FROM Passe
WHERE Note IS NULL;
Bases de donnes
88
Bases de donnes
89
15
Fonctions dagrgat
ex. Prnoms des tudiants dont le nom est Dupont,

Durand ou Martin
SELECT Prnom FROM Etudiant
WHERE Nom IN (Dupont, Durand, Martin);
NB : Possibilit dutiliser la ngation pour tous ces

prdicats : NOT BETWEEN, NOT NULL, NOT LIKE,
NOT IN.
Elles oprent sur un ensemble de valeurs.
AVG(), VARIANCE(), STDDEV() : moyenne, variance et

cart-type des valeurs
SUM() : somme des valeurs
MIN(), MAX() : valeur minimum, valeur maximum
COUNT() : nombre de valeurs
ex. Moyenne des notes

SELECT AVG(Note) FROM Passe;
Bases de donnes
90
Fonction COUNT et oprateur DISTINCT
Bases de donnes
91
Exemple
Table PASSE
ex. Nombre total de notes
NumEtu
1000
3000
3000
SELECT COUNT(*) FROM Passe;

SELECT COUNT(NumEtu) FROM Passe;
CodeEpreuve
InfoS2
EcoS1
InfoS1
Note
13.0
12.5
15.0
ex. Nombre d'tudiants nots

COUNT(NumEtu) Rsultat = 3
COUNT(DISTINCT NumEtu) Rsultat = 2
SELECT COUNT(DISTINCT NumEtu) FROM Passe;
Bases de donnes
92
Jointure
Bases de donnes
93
Jointure
ex. Idem avec le numro d'tudiant en plus
ex. Liste des notes avec le nom des tudiants
SELECT E.NumEtu, Nom, Prnom, Note

FROM Etudiant E, Passe P
WHERE E.NumEtu = P.NumEtu
ORDER BY Nom, Prnom;
SELECT Nom, Prnom, Note

FROM Etudiant, Passe
WHERE Etudiant.NumEtu = Passe.NumEtu;
NB : Utilisation dalias (E et P) pour allger lcriture +

tri par nom et prnom.
Bases de donnes
94
Bases de donnes
95
16
Jointure
Prdicats dexistence
Jointure exprime avec le prdicat IN
ex. Notes des preuves passes le 23 septembre 2006

SELECT Note FROM Passe
WHERE CodeEpreuve IN (
SELECT CodeEpreuve FROM Epreuve
WHERE Date = 23-09-2006
);
96
Prdicats de dnombrement
SELECT NumEtu, AVG(Note)

FROM Passe
GROUP BY NumEtu;
SELECT NumEtu, COUNT(Note)

FROM Passe
GROUP BY NumEtu;
98
Groupement
Bases de donnes
99
Oprations ensemblistes
ex. Note moyenne pour les tudiants ayant pass

moins de 5 preuves
INTERSECT, MINUS, UNION
SELECT NumEtu, AVG(Note)

FROM Passe
GROUP BY NumEtu
HAVING COUNT(*) < 5;
ex. Code des preuves ayant soit lieu dans l'amphi

136, soit ayant t passes par l'tudiant n2222
SELECT CodeEpreuve FROM Epreuve
WHERE Lieu = 'Amphi 136'
UNION
SELECT CodeEpreuve FROM Passe
WHERE NumEtu = 2222;
La clause HAVING ne sutilise quavec

GROUP BY.
NB : HAVING : valuation de condition sur un rsultat

de groupement (a posteriori)
WHERE : valuation de condition a priori
Bases de donnes
97
ex. Nombre de notes par tudiant
SELECT DISTINCT NumEtu FROM Passe

WHERE Note > ALL [ANY] (
SELECT Note FROM Passe
WHERE NumEtu = 1000
);
Attention :
ex. Moyenne de chaque tudiant
ex. Numros des tudiants qui ont obtenu au moins une

note suprieure chacune [ au moins une] des notes
obtenues par l'tudiant client n1000.
Bases de donnes
Groupement
Prdicats ALL / ANY
Bases de donnes
ex. tudiants qui ont pass au moins une preuve [nont

pass aucune preuve]
SELECT * FROM Etudiant E
WHERE [NOT] EXISTS (
SELECT * FROM Passe P
WHERE E.NumEtu = P.NumEtu );
NB : Il est possible dimbriquer des requtes.
Bases de donnes
Prdicats EXISTS / NOT EXISTS
100
Bases de donnes
101
17
Tutoriel SQL
Plan du cours
Pour approfondir SQL en ligne

Introduction
Modle UML
Modle relationnel
Langage SQL
http://eric.univ-lyon2.fr/~jdarmont/tutoriel-sql/
Bases de donnes
102
Bases de donnes
103
18

UML Relationnel

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

UML Relationnel

Încărcat de

Drepturi de autor:

Formate disponibile

Planning des sances

Limites des systmes fichiers

Particularisation de la saisie et des traitements en

Contrle en diffr des donnes

Particularisation des fichiers en fonction des traitements

Organisation base de donnes

Uniformisation de la saisie et standardisation des

Contrle immdiat de la validit des donnes

Partage de donnes entre plusieurs traitements

Usage multiple des donnes

Accs facile, rapide, protg, souple, puissant

Cot rduit de stockage, de mise jour et de saisie

Disponibilit, exactitude, cohrence et protection des

volution aise et protection de linvestissement de

Indpendance des donnes et des programmes

Systme de Gestion de Bases de Donnes (SGBD) :

Indpendance physique : un remaniement de

Indpendance logique : un remaniement de

Objectifs des SGBD

Administration facile des donnes : un SGBD doit fournir

Base de donnes (BD) : Collection de donnes

Objectifs des SGBD

Objectifs des SGBD

Efficacit des accs aux donnes : garantie dun bon

Redondance contrle des donnes : diminution du

Objectifs des SGBD

Fonctions des SGBD

Cohrence des donnes : ex. Lge dune personne doit

Mise jour des donnes

Transformation des donnes

Contrle de lintgrit des donnes

Gestion de transactions et scurit

UML : Unified Modeling Language

Ensemble de formalismes graphiques

Auteurs : Rumbaugh, Booch, Jacobson

Standard de lOMG (Object Management Group) depuis

Mise en uvre dune BD : transformation dun

Recherche des donnes

Description des donnes : Langage de Dfinition de

Processus de conception dune BD

Classe : Groupe dentits du monde rel

Attribut : Proprit de la classe (ex. Nom

Exemple de classe avec ses attributs

Valeur par dfaut (=)

Instances (objets) de la classe CLIENT :

Liste des clients

Problme : Comment distinguer les Dupont ?

Solution : Ajouter un attribut Numro de client !

Le numro de client est un attribut identifiant. Un

NB : Dans le paradigme objet (OO), un objet est dj

Associations rcursives et rles

Dfinition : liaison perue entre des classes

Les classes CLIENT et PRODUIT peuvent tre qualifies de

Degr ou arit dune association : nombre de classes participantes.

Multiplicit (ou cardinalit)

Association rcursive : une mme instance de classe

Rle : fonction de chaque

Dfinition : Indicateur qui montre combien dinstances de

ex. Un client donn ne commande quun seul produit. Un

NB : La multiplicit un plusieurs (1..*) peut aussi tre

ex. Un client donn commande plusieurs produits. Un

ex. Un client donn commande plusieurs produits. Un

NB : La multiplicit un plusieurs (1..*) peut aussi tre

ex. Un client donn commande plusieurs produits. Un