Database Relazionali

L'archiviazione dei dati è una delle applicazioni più importanti dei calcolatori. Gli obiettivi di una base dati sono: elevata capacità di archiviazione, recupero e selezione efficiente delle informazioni, integrità fisica e logica, accessibilità da strumenti diversi, protezione da accessi non autorizzati.

Limiti dell'archiviazione su file semplici

• formato arbitrario non standard, leggibile da altre applicazioni solo se il formato è noto;
• nessuna gestione nativa dell'accesso concorrente;
• gli aspetti "fisici" (efficienza, protezione, integrità) ricadono sullo sviluppatore.

Per superarli, dagli anni '70 nascono i DBMS (DataBase Management System). Una base dati gestita da DBMS è:

Proprietà	Significato
Grande	anche oltre la capacità di un singolo disco
Condivisa	usata da più applicazioni e utenti insieme
Persistente	i dati sopravvivono alla singola esecuzione
Affidabile	strumenti di integrità e backup
Sicura	riservatezza e controllo degli accessi
Efficiente	operazioni elementari rapide
Standard	interfaccia astratta di alto livello (SQL)
Disaccoppiata	la gestione dati è distinta dalla "logica di business"
Accessibile via rete	il DBMS può girare su una macchina diversa dall'applicazione

Prodotti DBMS diffusi: Oracle Database, Microsoft SQL Server, IBM DB2, MySQL/MariaDB, PostgreSQL.

Modelli storici di database: gerarchico (ad albero), reticolare, relazionale, relazionale ad oggetti. Lo standard de facto è il modello relazionale (RDBMS, Relational Database Management System).

Progettato nei laboratori IBM negli anni '70, è basato sui concetti di relazione (in senso algebrico) e di tabella (rappresentazione intuitiva).

• Dati gli insiemi A₁…Aₙ, il prodotto cartesiano A₁×…×Aₙ è l'insieme delle n-ple; una relazione è un sottoinsieme del prodotto cartesiano.
• Le n-ple si trattano come sequenze non ordinate: per distinguere i valori si assegnano nomi, gli attributi. L'insieme dei valori ammessi per un attributo è il suo dominio.
• Una relazione si rappresenta con una tabella.

Termine formale	Termine tabellare
Relazione	Tabella
Tupla / n-pla	Riga (record)
Attributo	Colonna (campo)
Dominio	Tipo di dato ammesso
Grado	numero di colonne (attributi)
Cardinalità	numero di righe (tuple)

• Chiave primaria (primary key): attributo — o insieme di attributi — che identifica univocamente un record. Non ammette valori duplicati né nulli. Es.: la coppia Matricola + Corso.
• Chiave candidata: ogni attributo (o combinazione minimale) che potrebbe fungere da chiave primaria.
• Chiave esterna (foreign key): attributo di una tabella X che correla un suo record con un record di una tabella Y, ripetendo il valore della chiave primaria di Y. È il meccanismo che riduce la ridondanza distribuendo i dati su più tabelle.

Vincoli di integrità

• Integrità di entità: la chiave primaria non può essere nulla.
• Integrità referenziale: ogni valore di chiave esterna deve corrispondere a una chiave primaria esistente nella tabella riferita (oppure essere nullo). Impedisce i "riferimenti pendenti".
• Vincoli di dominio: ogni valore deve appartenere al dominio dell'attributo (not null, check, unique, default).

Il modello E/R rappresenta le entità e le relazioni tra esse come un grafo, prima di tradurle in tabelle.

• Entità: rettangolo (oggetto del dominio, es. Studente, Corso).
• Attributi: proprietà di entità e relazioni (ellissi).
• Relazioni: rombo che collega le entità, con una cardinalità.

Cardinalità	Significato	Traduzione fisica
1:1	a un record di A corrisponde uno e un solo record di B	chiave esterna in una delle due tabelle
1:M	a un record di A corrispondono più record di B	chiave esterna nella tabella "molti"
M:M	molti a molti	tabella di associazione (ponte) con due chiavi esterne

Il modello fisico traduce l'E/R in tabelle collegate da chiavi primarie ed esterne.

La normalizzazione suddivide i dati su tabelle distinte per ridurre la ridondanza e risolvere le anomalie di aggiornamento, cancellazione e inserimento. Si basa sulle forme normali e sul concetto di dipendenza funzionale A→B (il valore di A determina il valore di B).

Forma normale	Regola
1NF (prima)	ogni colonna contiene valori atomici: nessun campo multivalore o ripetuto
2NF (seconda)	è in 1NF e, con chiave composta, ogni attributo non-chiave dipende dall'intera chiave (no dipendenze parziali)
3NF (terza)	è in 2NF e non esistono dipendenze tra colonne non-chiave (no dipendenze transitive)
Boyce-Codd (BCNF)	per ogni dipendenza funzionale A→B, A contiene una chiave della tabella

Anomalie che la normalizzazione elimina

• di inserimento: impossibile inserire un dato senza averne un altro;
• di cancellazione: cancellando un record si perdono informazioni non correlate;
• di aggiornamento: un valore ridondante va modificato in più punti, con rischio di incoerenza.

SQL (Structured Query Language) è il linguaggio standard per operare su una base dati relazionale. È dichiarativo (non imperativo/procedurale): manca dei concetti di variabile e di struttura di controllo. Si articola in tre insiemi di istruzioni.

DDL — Data Definition Language (struttura)

create (database, tabelle, indici, viste), alter (modifica struttura), drop (eliminazione). Definire una tabella significa definirne attributi, domini (int, float, char/varchar, date), default e vincoli.

create table corso (
  sigla   char(5)  not null primary key,
  nome    char(20) not null,
  crediti integer  default 6
);

DML — Data Manipulation Language (dati)

insert, select, update, delete.

⚠️ update e delete senza clausola where operano su tutte le righe della tabella.

• select — select campi from tabelle where condizione order by ...; il risultato di una select è a sua volta una tabella.
• Join: selezione su più tabelle correlate da chiavi. Ogni join è prima un prodotto cartesiano, da cui si filtrano le righe che soddisfano la where: è un'operazione onerosa → il database va progettato per minimizzare i join.
• Operazioni di gruppo: group by con funzioni di aggregazione (sum, avg, count, min, max).
• Operatore like con carattere jolly % per confronti parziali.

DCL — Data Control Language (permessi)

grant (assegna un permesso a un utente), revoke (lo revoca).

Indici — struttura dati (spesso ad albero, es. B-tree) costruita sui valori di una colonna per velocizzare le ricerche: senza indice si esegue un full table scan (tempo lineare, O(n)); con indice il tempo diventa logaritmico (O(log n)). Dopo molte modifiche l'indice si sbilancia → conviene eliminarlo e ricrearlo. Gli indici accelerano le letture ma rallentano insert/update/delete.

Transazione — raccoglie una serie di operazioni ed esegue effettivamente le modifiche solo al termine (commit); in caso di errore annulla tutto (rollback).

Proprietà ACID (garanzie di una transazione)

Lettera	Proprietà	Significato
A	Atomicità	la transazione è indivisibile: o tutte le operazioni o nessuna
C	Consistenza	il database passa da uno stato valido a un altro stato valido (vincoli rispettati)
I	Isolamento	transazioni concorrenti non si interferiscono (come se fossero seriali)
D	Durabilità	dopo il commit le modifiche sono permanenti, anche in caso di crash

Il modello relazionale ha limiti con moli enormi di dati o dati difficili da strutturare a priori. I database NoSQL (Not Only SQL) usano modelli alternativi:

Tipo NoSQL	Struttura	Esempio
Document-oriented	record = "documento" JSON/XML a campi variabili	MongoDB, Apache Solr
Graph	dati come grafo (vertici e archi)	Neo4j
Key-value	array associativi / dizionari	Redis, BigTable, Berkeley DB
Object-oriented	modello ad oggetti integrato col relazionale	—

ORM (Object-Relational Mapping): con i linguaggi object-oriented mappa le classi del programma sulle entità del database, evitando SQL scritto a mano. Hibernate è il middleware ORM open source per Java (NHibernate per .NET). Si colloca come middleware tra applicazione e dati.