Adv
anc
edDat
abas
eSy
s
t
ems
A dat
abas
ei
sas
har
edc
ol
l
ec
t
i
onofl
ogi
c
al
l
yr
el
at
eddat
a(
andades
c
r
i
pt
i
onoft
hi
s
dat
a)
,des
i
gnedt
omeett
hei
nf
or
mat
i
onneedsofaor
gani
z
at
i
on.
A DBMSi
sas
of
t
war
es
y
s
t
em t
hatenabl
esus
er
st
odef
i
ne,c
r
eat
e,andmai
nt
ai
nt
he
dat
abas
e,
andal
s
opr
ov
i
desc
ont
r
ol
l
edac
c
es
st
ot
hi
sdat
abas
e.
A dat
abas
eappl
i
c
at
i
on i
sac
omput
erpr
ogr
am t
hati
nt
er
ac
t
swi
t
ht
hedat
abas
eby
i
s
s
ui
nganappr
opr
i
at
er
eques
t(
t
y
pi
c
al
l
yanSQLs
t
at
ement
)t
ot
heDBMS.
A dat
abas
es
y
s
t
em i
sus
edt
odef
i
neac
ol
l
ec
t
i
onofappl
i
c
at
i
onpr
ogr
amst
hat
i
nt
er
ac
t
swi
t
ht
hedat
abas
eal
ongwi
t
ht
heDBMSanddat
abas
ei
t
s
el
f
.nAl
lac
c
es
st
o
t
hedat
abas
ei
st
hr
ought
heDBMS.
A Vi
ew A v
i
r
t
ualt
abl
e t
hatdoesnotnec
es
s
ar
i
l
yex
i
s
ti
nt
hedat
abas
ebuti
s
gener
at
edbyt
heDBMSf
r
om t
heunder
l
y
i
ngbas
et
abl
eswhenev
eri
ti
sac
c
es
s
ed.
TheDBMSFac
i
l
i
t
i
esTheDBMSpr
ov
i
desf
ac
i
l
i
t
i
es t
oAl
l
ow us
er
st
odef
i
net
he
dat
abas
eandt
oi
ns
er
t
,
updat
e,
del
et
e,
andr
et
r
i
ev
edat
af
r
om t
hedat
abas
e.
TheDBMSComponentc
ons
i
s
t
sofhar
dwar
e(
t
hec
omput
er
)
,s
of
t
war
e(
t
heDBMS,
oper
at
i
ngs
y
s
t
em,andappl
i
c
at
i
onspr
ogr
ams
)
,dat
a,pr
oc
edur
es
,andpeopl
e.The
peopl
ei
nc
l
udedat
abas
eadmi
ni
s
t
r
at
or
s(
DBAs
)
,dat
abas
edes
i
gner
s
,appl
i
c
at
i
on
pr
ogr
ammer
s
,
andendus
er
s
.
Hi
s
t
or
i
c
alper
s
pec
t
i
v
eofdat
abas
es
y
s
t
em dev
el
opment
1.Tr
adi
t
i
onal Fi
l
ebas
eds
y
s
t
em A c
ol
l
ec
t
i
onofappl
i
c
at
i
onpr
ogr
amst
hat
per
f
or
mss
er
v
i
c
esf
ort
heendus
er
s
,s
uc
hast
hepr
oduc
t
i
onofr
epor
t
s
.Eac
h
pr
ogr
am def
i
nesandmanagesi
t
sowndat
a.
 Di
s
adv
ant
ageofFi
l
ebas
eds
y
s
t
ems
A.Dat
aDependenc
e
B.Dat
adupl
i
c
at
i
on
C.Separ
at
i
onandi
s
ol
at
i
onofdat
a
D.Fi
x
edquer
i
es
/
pr
ol
i
f
er
at
i
onofappl
i
c
at
i
onpr
ogr
ams
E.Li
mi
t
eddat
as
har
i
ng
2.DBMSDev
el
opment
 Hi
er
ar
c
hi
c
alDat
aModel&Net
wor
kDat
aModel(Fi
r
s
tGener
at
i
on1960)
 Rat
i
onalDat
aModel(Sec
ondGener
at
i
on19701980)
 Obj
ec
tRat
i
onal&Obj
ec
tOr
i
ent
ed(Thi
r
dGener
at
i
on1990)
A.Hi
er
ar
c
hi
c
alDat
aModelf
i
r
s
twasI
MS (
I
nf
or
mat
i
on Management
Sy
s
t
em)f
r
om I
BM t
hats
t
or
edr
ec
or
dsbas
edonani
nv
er
t
edt
r
ee
s
t
r
uc
t
ur
e,whi
c
h al
l
owed t
heus
eofs
er
i
als
t
or
agedev
i
c
es
,mos
t
not
abl
ymagnet
i
ct
ape,t
hatwasamar
ketr
equi
r
ementatt
hatt
i
me.
Thi
sbec
ameknownasa hi
er
ar
c
hi
c
alDBMS.Al
t
houghoneoft
he
ear
l
i
es
tc
ommer
c
i
alDBMSs
,I
MSi
ss
t
i
l
lt
hemai
nhi
er
ar
c
hi
c
alDBMS
us
edbymos
tl
ar
gemai
nf
r
amei
ns
t
al
l
at
i
ons
.
B.Net
wor
kDat
aModelThes
ec
ondwasI
DS(
I
nt
egr
at
edDat
aSt
or
e)
f
r
om Gener
alEl
ec
t
r
i
c
,whi
c
hwasdev
el
opedpar
t
l
yt
oaddr
es
st
he
needt
or
epr
es
entmor
ec
ompl
exdat
ar
el
at
i
ons
hi
pst
hanc
oul
dbe
model
ed wi
t
h hi
er
ar
c
hi
c
als
t
r
uc
t
ur
es
,and par
t
l
yt
oi
mpos
ea
dat
abas
es
t
andar
d.Thi
sbec
ameknownasa net
wor
kDBMS.I
ns
uc
h
s
y
s
t
ems
,dat
ai
sr
epr
es
ent
edasac
ol
l
ec
t
i
onofr
ec
or
dsandonet
omany r
el
at
i
ons
hi
ps ar
er
epr
es
ent
ed as s
et
s(
one owner
,many
member
s
)
.Ar
ec
or
dmaybeanowneri
nanynumberofs
et
sanda
memberi
nanynumberofs
et
C.Rat
i
onalModelc
al
l
edt
heSec
ondGener
at
i
onI
n1970Rat
i
onalModel
pr
opos
ed
D.I
nr
es
pons
et
ot
hei
nc
r
eas
i
ngc
ompl
ex
i
t
yofdat
abas
eappl
i
c
at
i
ons
,
dur
i
ngt
he1990st
wo‘
new’s
y
s
t
emsemer
ged:t
he Obj
ec
t
Or
i
ent
ed
DBMS(
OODBMS)andt
heObj
ec
t
Rel
at
i
onal
DBMS(
ORDBMS)
.
DBMSAr
c
hi
t
ec
t
ur
e
Twot
i
erc
l
i
ent
–s
er
v
erar
c
hi
t
ec
t
ur
e:
-DBMSwoul
dbedi
v
i
dedi
nt
ot
wopar
t
s
:na
c
l
i
entpr
ogr
am t
hathandl
est
hemai
n bus
i
nes
sand dat
apr
oc
es
s
i
ng l
ogi
cand
i
nt
er
f
ac
eswi
t
ht
heus
er
;a s
er
v
erpr
ogr
am (
s
omet
i
mesc
al
l
edt
he DBMSengi
ne)
t
hatmanagesandc
ont
r
ol
sac
c
es
st
ot
hedat
abas
e.
Thr
eet
i
erc
l
i
ent
–
s
er
v
erar
c
hi
t
ec
t
ur
e:
-By1995,anew v
ar
i
at
i
onoft
het
r
adi
t
i
onal
t
wot
i
erc
l
i
ent
–
s
er
v
ermodelappear
ed t
o ov
er
c
omet
hes
epr
obl
ems
,c
al
l
ed t
he
t
hr
eet
i
erc
l
i
ent
–
s
er
v
erar
c
hi
t
ec
t
ur
e.Thi
snew ar
c
hi
t
ec
t
ur
epr
opos
edt
hr
eel
ay
er
s
,
eac
hpot
ent
i
al
l
yr
unni
ngonadi
f
f
er
entpl
at
f
or
m
 Theus
eri
nt
er
f
ac
el
ay
er
,whi
c
hr
unsont
heendus
er
’
sc
omput
er(
t
hec
l
i
ent
)
.
 The bus
i
nes
sanddat
apr
oc
es
s
i
ngl
ogi
cl
ay
er
.Thi
smi
ddl
et
i
err
unsona
s
er
v
erandi
sof
t
enc
al
l
edt
he appl
i
c
at
i
ons
er
v
er
.Oneappl
i
c
at
i
ons
er
v
eri
s
des
i
gnedt
os
er
v
emul
t
i
pl
ec
l
i
ent
s
.
 A DBMS,whi
c
hs
t
or
est
hedat
ar
equi
r
edbyt
hemi
ddl
et
i
er
.Thi
st
i
ermayr
un
onas
epar
at
es
er
v
erc
al
l
edt
hedat
abas
es
er
v
er
.
The Web env
i
r
onment
,t
he t
r
adi
t
i
onalt
wot
i
erc
l
i
ent
–
s
er
v
ermodelhas been
r
epl
ac
edbyat
hr
eet
i
ermodel
,c
ons
i
s
t
i
ngofaus
eri
nt
er
f
ac
el
ay
er(
t
hec
l
i
ent
)
,a
bus
i
nes
sl
ogi
canddat
apr
oc
es
s
i
ngl
ay
er(
t
heappl
i
c
at
i
ons
er
v
er
)
,andaDBMS(
t
he
dat
abas
es
er
v
er
)
,
di
s
t
r
i
but
edov
erdi
f
f
er
entmac
hi
nes
.
TheANSI
SPARCdat
abas
ear
c
hi
t
ec
t
ur
eus
est
hr
eel
ev
el
sofabs
t
r
ac
t
i
on:ex
t
er
nal
,
c
onc
ept
ual
,andi
nt
er
nal
.Theex
t
er
nall
ev
elc
ons
i
s
t
soft
heus
er
s
’v
i
ewsoft
he
dat
abas
e.Thec
onc
ept
uall
ev
eli
st
hec
ommuni
t
yv
i
ewoft
hedat
abas
e.I
ts
pec
i
f
i
es
t
he i
nf
or
mat
i
on c
ont
ent of t
he ent
i
r
e dat
abas
e, i
ndependent of s
t
or
age
c
ons
i
der
at
i
ons
.Thec
onc
ept
uall
ev
elr
epr
es
ent
sal
lent
i
t
i
es
,t
hei
rat
t
r
i
but
es
,and
t
hei
rr
el
at
i
ons
hi
ps
,t
hec
ons
t
r
ai
nt
sont
hedat
a,al
ongwi
t
hs
ec
ur
i
t
yi
nf
or
mat
i
on.The
i
nt
er
nall
ev
el
st
he c
omput
er
’
sv
i
ew oft
he dat
abas
e.I
ts
pec
i
f
i
eshow dat
ai
s
r
epr
es
ent
ed,how r
ec
or
dsar
es
equenc
ed,whati
ndex
esandpoi
nt
er
sex
i
s
t
,ands
o
on.
Tr
ans
ac
t
i
onAnac
t
i
on,ors
er
i
esofac
t
i
ons
,c
ar
r
i
edoutbyas
i
ngl
eus
erordat
abas
e
appl
i
c
at
i
ont
hatac
c
es
s
esorc
hangest
hec
ont
ent
soft
hedat
abas
e.
Adat
abas
es
c
hemai
sades
c
r
i
pt
i
onoft
hedat
abas
es
t
r
uc
t
ur
ewher
easadat
abas
e
i
ns
t
anc
ei
st
hedat
ai
nt
hedat
abas
eatapar
t
i
c
ul
arpoi
nti
nt
i
me
Dat
ai
ndependenc
emakeseac
hl
ev
eli
mmunet
oc
hangest
ol
owerl
ev
el
s
.Logi
c
al
dat
ai
ndependenc
er
ef
er
st
ot
hei
mmuni
t
yoft
heex
t
er
nals
c
hemast
oc
hangesi
n
t
hec
onc
ept
uals
c
hema.Phy
s
i
c
aldat
ai
ndependenc
er
ef
er
st
ot
hei
mmuni
t
yoft
he
c
onc
ept
ual
s
c
hemat
oc
hangesi
nt
hei
nt
er
nal
s
c
hema
TheDBMSFunc
t
i
ons
 Pr
ov
i
desc
ont
r
ol
l
edac
c
es
st
ot
hedat
abas
e.
 pr
ov
i
dess
ec
ur
i
t
y
 Pr
ov
i
dedat
ai
nt
egr
i
t
y
,
 Pr
ov
i
dedat
ac
onc
ur
r
enc
y
 Pr
ov
i
der
ec
ov
er
yc
ont
r
ol
 Pr
ov
i
deaus
er
ac
c
es
s
i
bl
ec
at
al
og.
 Pr
ov
i
deav
i
ewmec
hani
s
mt
os
i
mpl
i
f
yt
hedat
at
hatus
er
shav
et
odeal
wi
t
h.
DBMSadv
ant
ages
 Pr
ov
i
dec
ont
r
olofdat
ar
edundanc
y
 Pr
ov
i
dedat
ac
ons
i
s
t
enc
y
 Pr
ov
i
des
har
i
ngofdat
a,
 Pr
ov
i
des
ec
ur
i
t
yi
mpr
ov
ement
 Pr
ov
i
deDat
ai
nt
egr
i
t
y
.
DBMSdi
s
adv
ant
ages
 I
t
sc
ompl
ex
i
t
y
,
 I
t
sCos
t(c
os
tof
,
Sof
t
war
eandHar
dwar
e,
Cos
tofConv
er
t
ed)
 I
t
sCos
tofr
educ
edper
f
or
manc
e,
 I
t
shi
gheri
mpac
tofaf
ai
l
ur
e.
Rat
i
onalDBMSTheRDBMShasbec
omet
hedomi
nantDBMSi
nus
et
oday
.Thi
s
s
of
t
war
er
epr
es
ent
st
hes
ec
ondgener
at
i
onofDBMSandi
sbas
edont
her
el
at
i
onal
dat
amodel
pr
opos
edbyDrE.
F.
Codd
Rel
at
i
onsar
ephy
s
i
c
al
l
yr
epr
es
ent
edast
abl
es
,wi
t
ht
her
ec
or
dsc
or
r
es
pondi
ngt
o
i
ndi
v
i
dual
t
upl
es
andt
hec
ol
umnst
oat
t
r
i
but
es
.
pr
oper
t
i
esofr
el
at
i
onalt
abl
esar
e:eac
hc
el
lc
ont
ai
nsex
ac
t
l
yonev
al
ue,c
ol
umn
namesar
edi
s
t
i
nc
t
,c
ol
umnv
al
uesc
omef
r
om t
hes
amedomai
n,c
ol
umnor
deri
s
i
mmat
er
i
al
,
r
ec
or
dor
deri
si
mmat
er
i
al
,
andt
her
ear
enodupl
i
c
at
er
ec
or
ds
.
As
uperkeyi
s as
etofc
ol
umnst
hati
dent
i
f
i
esr
ec
or
dsofat
abl
euni
quel
y
,whi
l
ea
c
andi
dat
ekeyi
sami
ni
mal
s
uperkey
.
Apr
i
mar
ykeyi
st
hec
andi
dat
ekeyc
hos
enf
orus
ei
nt
hei
dent
i
f
i
c
at
i
onofr
ec
or
ds
.A
t
abl
emus
tal
way
shav
eapr
i
mar
ykey
.
Af
or
ei
gnkeyi
sac
ol
umn,ors
etofc
ol
umns
,wi
t
hi
nonet
abl
et
hati
st
hec
andi
dat
e
keyofanot
her
(
pos
s
i
bl
yt
hes
ame)t
abl
e.
Anul
lr
epr
es
ent
sav
al
uef
orac
ol
umnt
hati
sunknownatt
hepr
es
entt
i
meori
snot
def
i
nedf
ort
hi
sr
ec
or
d.
Ent
i
t
yi
nt
egr
i
t
yi
sac
ons
t
r
ai
ntt
hats
t
at
est
hati
nabas
et
abl
enoc
ol
umnofa
pr
i
mar
ykeyc
anbenul
l
.Ref
er
ent
i
ali
nt
egr
i
t
ys
t
at
est
hatf
or
ei
gnkeyv
al
uesmus
t
mat
c
hac
andi
dat
ekeyv
al
ueofs
omer
ec
or
di
nt
hehome(
par
ent
)t
abl
eorbewhol
l
y
nul
l
.
Thet
wo mai
nl
anguagesf
orac
c
es
s
i
ng r
el
at
i
onaldat
abas
esar
eSQL(
St
r
uc
t
ur
ed
Quer
yLanguage)andQBE(
Quer
y
By
Ex
ampl
e)
.
Anent
i
t
yi
ssas
etofobj
ec
t
swi
t
ht
hes
amepr
oper
t
i
est
hatar
ei
dent
i
f
i
edbyaus
er
oror
gani
z
at
i
onashav
i
ngani
ndependentex
i
s
t
enc
e.Auni
quel
yi
dent
i
f
i
abl
eobj
ec
ti
s
c
al
l
edanent
i
t
yoc
c
ur
r
enc
e.
Ar
el
at
i
ons
hi
pi
sas
etofmeani
ngf
ulas
s
oc
i
at
i
onsamong ent
i
t
i
es
.A uni
quel
y
i
dent
i
f
i
abl
eas
s
oc
i
at
i
oni
sc
al
l
edar
el
at
i
ons
hi
poc
c
ur
r
enc
e.
Thedegr
eeofar
el
at
i
ons
hi
pi
st
henumberofpar
t
i
c
i
pat
i
ngent
i
t
i
esi
nar
el
at
i
ons
hi
p.
Ar
ec
ur
s
i
v
er
el
at
i
ons
hi
pi
sar
el
at
i
ons
hi
pwher
et
hes
ameent
i
t
ypar
t
i
c
i
pat
esmor
e
t
hanonc
ei
ndi
f
f
er
entr
ol
es
.
Anat
t
r
i
but
ei
sapr
oper
t
yofanent
i
t
yorar
el
at
i
ons
hi
p.
As
i
mpl
eat
t
r
i
but
ei
sc
ompos
edofas
i
ngl
ec
omponent
.
A c
ompos
i
t
e at
t
r
i
but
e i
s
c
ompos
ed of mul
t
i
pl
e c
omponent
s Fi
gur
e
6.
14(
d)
Ex
ampl
es
As
i
ngl
ev
al
uedat
t
r
i
but
ehol
dsas
i
ngl
ev
al
uef
oranent
i
t
yoc
c
ur
r
enc
e.
Amul
t
i
v
al
uedat
t
r
i
but
ehol
dsmul
t
i
pl
ev
al
uesf
oranent
i
t
yoc
c
ur
r
enc
e.
Ader
i
v
edat
t
r
i
but
er
epr
es
ent
sav
al
uet
hati
sder
i
v
abl
ef
r
om t
hev
al
ueofar
el
at
ed
at
t
r
i
but
e,
oras
etofat
t
r
i
but
es
,
notnec
es
s
ar
i
l
yi
nt
hes
ameent
i
t
y
.
As
t
r
ongent
i
t
yi
snotdependentont
heex
i
s
t
enc
eofanot
herent
i
t
yf
ori
t
spr
i
mar
y
key
.
Aweakent
i
t
yi
spar
t
i
al
l
yorwhol
l
ydependentont
heex
i
s
t
enc
eofanot
herent
i
t
y
,
orent
i
t
i
es
,
f
ori
t
spr
i
mar
ykey
.
Mul
t
i
pl
i
c
i
t
ydef
i
nest
henumberofoc
c
ur
r
enc
esofoneent
i
t
yt
hatmayr
el
at
et
oa
s
i
ngl
eoc
c
ur
r
enc
eofanas
s
oc
i
at
edent
i
t
y
.Mul
t
i
pl
i
c
i
t
yc
ons
i
s
t
soft
wos
epar
at
e
c
ons
t
r
ai
nt
s – namel
yc
ar
di
nal
i
t
y
,whi
c
h des
c
r
i
bes t
he number of pos
s
i
bl
e
r
el
at
i
ons
hi
ps f
or eac
h par
t
i
c
i
pat
i
ng ent
i
t
y
,and par
t
i
c
i
pat
i
on,
whi
c
h des
c
r
i
bes
whet
heral
l
oronl
ys
omeent
i
t
yoc
c
ur
r
enc
espar
t
i
c
i
pat
ei
nar
el
at
i
ons
hi
p.
Af
ant
r
apoc
c
ur
sbet
weenr
el
at
edent
i
t
i
est
hatar
enotdi
r
ec
t
l
yc
onnec
t
edandt
he
i
ndi
r
ec
tpat
hwayt
hatc
onnec
t
st
hem i
nc
l
udest
wo1:
*r
el
at
i
ons
hi
pst
hatf
anout
f
r
om ac
ent
r
alent
i
t
y
.Thi
smeanst
hatc
er
t
ai
nent
i
t
yoc
c
ur
r
enc
est
hatar
er
el
at
edc
an
onl
ybec
onnec
t
edus
i
ngapat
hwayt
hatc
anbeambi
guous
.
Ac
has
mt
r
apoc
c
ur
sbet
weenr
el
at
edent
i
t
i
est
hatar
enotdi
r
ec
t
l
yc
onnec
t
edand
t
hei
ndi
r
ec
tpat
hwayt
hatc
onnec
t
st
hem i
nc
l
udespar
t
i
alpar
t
i
c
i
pat
i
on.Thi
smeans
t
hatc
er
t
ai
nent
i
t
yoc
c
ur
r
enc
est
hatar
er
el
at
edhav
enomeansofc
onnec
t
i
on.
Nor
mal
i
z
at
i
oni
sat
ec
hni
quef
orpr
oduc
i
ngas
etoft
abl
eswi
t
hmi
ni
malr
edundanc
y
t
hats
uppor
t
st
her
equi
r
ement
sofaus
erorc
ompany
.
Tabl
est
hathav
er
edundantdat
amayhav
epr
obl
emsc
al
l
edupdat
eanomal
i
es
,whi
c
h
ar
ec
l
as
s
i
f
i
edasi
ns
er
t
i
on,
del
et
i
on,
ormodi
f
i
c
at
i
onanomal
i
es
.
Thedef
i
ni
t
i
onf
orf
i
r
s
tnor
malf
or
m(
1NF)
i
sat
abl
ei
nwhi
c
ht
hei
nt
er
s
ec
t
i
onof
ev
er
yc
ol
umnandr
ec
or
dc
ont
ai
nsonl
yonev
al
ue.
Thedef
i
ni
t
i
onf
ors
ec
ondnor
malf
or
m(
2NF)
i
sat
abl
et
hati
sal
r
eadyi
n1NFandi
n
whi
c
ht
hev
al
uesi
neac
hnonpr
i
mar
y
keyc
ol
umnc
anbedet
er
mi
nedf
r
om t
he
v
al
uesi
nal
lt
hec
ol
umn(
s
)t
hatmakesupt
hepr
i
mar
ykey
.(
Thef
or
maldef
i
ni
t
i
onf
or
2NFi
sat
abl
et
hati
si
n1NFandev
er
ynonpr
i
mar
y
keyc
ol
umni
sf
ul
l
yf
unc
t
i
onal
l
y
dependentont
hepr
i
mar
y
)
.
Func
t
i
onaldependenc
y(
f
d)
des
c
r
i
best
her
el
at
i
ons
hi
pbet
weenc
ol
umnsi
nat
abl
e
andi
ndi
c
at
eshow c
ol
umnsr
el
at
et
ooneanot
her
.Forex
ampl
e,c
ons
i
derat
abl
e
wi
t
hc
ol
umnsaandb,wher
ec
ol
umnadet
er
mi
nesc
ol
umnb(
denot
eda→b)
.I
fwe
knowt
hev
al
ueofa,wef
i
ndonl
yonev
al
ueofbi
nal
lt
her
ec
or
dst
hathast
hi
sv
al
ue
f
ora,atanymomenti
nt
i
me.Howev
er
,f
oragi
v
env
al
ueofbt
her
emaybes
ev
er
al
di
f
f
er
entv
al
uesofa.
Ful
lf
unc
t
i
onaldependenc
yi
s des
c
r
i
bedwhenaandbar
ec
ol
umnsofat
abl
e,bi
s
f
ul
l
ydet
er
mi
nedbya,i
fbi
snotdet
er
mi
nedbyanys
ubs
etofa.I
fbi
sdet
er
mi
nedby
as
ubs
etofa,
t
hi
si
sr
ef
er
r
edt
oasapar
t
i
aldependenc
y
.
Thedef
i
ni
t
i
onf
ort
hi
r
dnor
malf
or
m(
3NF)
i
sat
abl
et
hati
sal
r
eadyi
n1NFand2NF,
andi
nwhi
c
ht
hev
al
uesi
nal
lnonpr
i
mar
y
keyc
ol
umnsc
anbedet
er
mi
nedf
r
om
onl
yt
hepr
i
mar
y
keyc
ol
umn(
s
)andnoot
herc
ol
umns
.(
Thef
or
maldef
i
ni
t
i
onf
or
3NFi
sat
abl
et
hati
si
n1NFand2NFandi
nwhi
c
hnononpr
i
mar
y
keyc
ol
umni
s
t
r
ans
i
t
i
v
el
ydependendont
hepr
i
mar
ykey
)
.
Tr
ans
i
t
i
v
edependenc
ydes
c
r
i
besar
el
at
i
ons
hi
pbet
weenc
ol
umnsa,b,andc
.I
fa
det
er
mi
nesb(
a→b)andbdet
er
mi
nesc
(
b→c
)
,t
henc
i
st
r
ans
i
t
i
v
el
ydependentona
v
i
ab(
pr
ov
i
dedt
hatborcdoesnotdet
er
mi
nea)
.
A di
s
t
r
i
but
eddat
abas
ei
sac
ol
l
ec
t
i
onofmul
t
i
pl
e,l
ogi
c
al
l
yi
nt
er
r
el
at
edc
ol
l
ec
t
i
onof
s
har
eddat
a(
andades
c
r
i
pt
i
onoft
hi
sdat
a)
,phy
s
i
c
al
l
ydi
s
t
r
i
but
edov
erac
omput
er
net
wor
k.
TheDDBMSi
st
hes
of
t
war
et
hatt
r
ans
par
ent
l
ymanagest
hedi
s
t
r
i
but
eddat
abas
e.
A DDBMSi
sdi
s
t
i
nc
tf
r
om di
s
t
r
i
but
edpr
oc
es
s
i
ng,wher
eac
ent
r
al
i
z
edDBMSi
s
ac
c
es
s
edov
eranet
wor
k.
Theadv
ant
agesofaDDBMSar
et
hati
tr
ef
l
ec
t
st
heor
gani
z
at
i
onals
t
r
uc
t
ur
e,i
t
makesr
emot
edat
amor
es
har
eabl
e,i
ti
mpr
ov
esr
el
i
abi
l
i
t
yand av
ai
l
abi
l
i
t
y
,and
per
f
or
manc
e,
i
tmaybemor
eec
onomi
c
al
,
andpr
ov
i
desf
ormodul
argr
owt
h.
Themaj
ordi
s
adv
ant
agesar
ec
os
t
,
c
ompl
ex
i
t
y
,
l
ac
kofs
t
andar
ds
,
andex
per
i
enc
e.
ADDBMSmaybec
l
as
s
i
f
i
edashomogeneousorhet
er
ogeneous
.
I
nahomogeneouss
y
s
t
em,
al
l
s
i
t
esus
et
hes
ameDBMSpr
oduc
t
I
na het
er
ogeneouss
y
s
t
em,s
i
t
esmayr
undi
f
f
er
entDBMSpr
oduc
t
s
,whi
c
hneed
notbebas
edont
hes
ameunder
l
y
i
ngdat
amodel
,ands
ot
hes
y
s
t
em maybe
c
ompos
edofr
el
at
i
onal
,
net
wor
k,
hi
er
ar
c
hi
c
al
,
andobj
ec
t
or
i
ent
edDBMSs
.
Bus
i
nes
si
nt
el
l
i
genc
ec
onc
er
nst
hepr
oc
es
s
esf
orc
ol
l
ec
t
i
ngandanal
y
z
i
ngdat
a,t
he
t
ec
hnol
ogyus
ed i
nt
hes
epr
oc
es
s
es
,and t
hei
nf
or
mat
i
on obt
ai
ned f
r
om t
hes
e
pr
oc
es
s
eswi
t
ht
hepur
pos
eoff
ac
i
l
i
t
at
i
ngc
or
por
at
edec
i
s
i
onmaki
ng.
A dat
awar
ehous
ei
sadat
abas
es
y
s
t
em t
hati
sdes
i
gned t
os
uppor
tdec
i
s
i
onmaki
ngbypr
es
ent
i
ngani
nt
egr
at
edv
i
ew ofc
or
por
at
edat
at
hati
sc
opi
edf
r
om
di
s
par
at
eoper
at
i
onaldat
as
our
c
es
.Thedat
ahel
di
nadat
awar
ehous
ei
sdes
c
r
i
bed
asbei
ngs
ubj
ec
t
or
i
ent
ed,
i
nt
egr
at
ed,
t
i
mev
ar
i
ant
,
andnonv
ol
at
i
l
e.
Adat
amar
ti
sas
ubs
etofadat
awar
ehous
et
hats
uppor
t
st
her
equi
r
ement
sofa
par
t
i
c
ul
ardepar
t
mentorbus
i
nes
sar
ea.
Di
mens
i
onal
i
t
ymodel
i
ngi
st
ec
hni
quet
hatai
mst
obui
l
dadat
amodelt
hathasa
c
ons
i
s
t
entandi
nt
ui
t
i
v
es
t
r
uc
t
ur
et
of
ac
i
l
i
t
at
eef
f
i
c
i
entmul
t
i
di
mens
i
onalanal
y
s
i
s
ofdat
a.
As
t
ars
c
hemai
sas
t
r
uc
t
ur
et
hathasaf
ac
tt
abl
ec
ont
ai
ni
ngf
ac
t
ualdat
ai
nt
he
c
ent
er
,s
ur
r
oundedbydi
mens
i
ont
abl
esc
ont
ai
ni
ngr
ef
er
enc
edat
a(
whi
c
hc
anbe
denor
mal
i
z
ed)
.
Onl
i
neanal
y
t
i
c
alpr
oc
es
s
i
ng(
OLAP)s
uppor
t
sadv
anc
edanal
y
s
i
sofl
ar
gev
ol
umesof
mul
t
i
di
mens
i
onaldat
at
hati
saggr
egat
ed(
s
ummar
i
z
ed)t
ov
ar
i
ousl
ev
el
sofdet
ai
l
.
Mul
t
i
di
mens
i
onaldat
ac
anbec
har
ac
t
er
i
z
edt
hr
oughmanydi
f
f
er
entv
i
ews
.For
ex
ampl
e,mul
t
i
di
mens
i
onaldat
as
uc
hasDVD s
al
esc
anbev
i
ewedi
nt
er
msof
pr
oper
t
i
esas
s
oc
i
at
edwi
t
hDVDss
uc
hasgenr
eand/
orpr
oper
t
i
esas
s
oc
i
at
edwi
t
h
buy
er
ss
uc
hasl
oc
at
i
onands
oon)
.
Dat
ami
ni
ngi
st
hepr
oc
es
sofex
t
r
ac
t
i
ngv
al
i
d,pr
ev
i
ous
l
yunknown,c
ompr
ehens
i
bl
e,
andac
t
i
onabl
ei
nf
or
mat
i
onf
r
om l
ar
gedat
abas
esandus
i
ngi
tt
opr
ov
i
dedec
i
s
i
ons
uppor
t
.
A gr
aphdat
abas
emanagements
y
s
t
em (
agr
aphdat
abas
e)i
sanonl
i
nedat
abas
e
managements
y
s
t
em wi
t
hCr
eat
e,Read,Updat
e,andDel
et
e(
CRUD)met
hodst
hat
ex
pos
eagr
aph dat
amodel
.Gr
aph dat
abas
esar
egener
al
l
ybui
l
tf
orus
ewi
t
h
t
r
ans
ac
t
i
onal
(
OLTP) s
y
s
t
ems
. Ac
c
or
di
ngl
y
,t
hey ar
e nor
mal
l
y opt
i
mi
z
ed f
or
t
r
ans
ac
t
i
onalper
f
or
manc
e,and engi
neer
ed wi
t
h t
r
ans
ac
t
i
onali
nt
egr
i
t
y and
oper
at
i
onal
av
ai
l
abi
l
i
t
yi
nmi
nd.
ThePr
oper
t
i
esofGr
aphDat
abas
e
Ther
e ar
et
wo pr
oper
t
i
es of gr
aph dat
abas
es y
ou s
houl
d c
ons
i
der when
i
nv
es
t
i
gat
i
nggr
aphdat
abas
et
ec
hnol
ogi
es
:
Theunder
l
y
i
ngs
t
or
ageSomegr
aphdat
abas
esus
enat
i
v
egr
aphs
t
or
aget
hati
s
opt
i
mi
z
edanddes
i
gnedf
ors
t
or
i
ngandmanagi
nggr
aphs
.Notal
lgr
aphdat
abas
e
t
ec
hnol
ogi
esus
enat
i
v
egr
aphs
t
or
age,howev
er
.Somes
er
i
al
i
z
et
hegr
aphdat
ai
nt
o
ar
el
at
i
onaldat
abas
e,anobj
ec
tor
i
ent
eddat
abas
e,ors
omeot
hergener
al
pur
pos
e
dat
as
t
or
e.
Thepr
oc
es
s
i
ngengi
neSomedef
i
ni
t
i
onsr
equi
r
et
hatagr
aphdat
abas
eus
ei
ndex
f
r
eeadj
ac
enc
y
,meani
ngt
hatc
onnec
t
ednodesphy
s
i
c
al
l
y“
poi
nt
”t
oeac
hot
heri
n
t
hedat
abas
e.Her
ewet
akeas
l
i
ght
l
ybr
oaderv
i
ew:anydat
abas
et
hatf
r
om t
he
us
er
’
sper
s
pec
t
i
v
ebehav
esl
i
keagr
aphdat
abas
e(
i
.
e.
,ex
pos
esagr
aphdat
amodel
t
hr
ough CRUD oper
at
i
ons
)qual
i
f
i
esasagr
aph dat
abas
e.Wedo ac
knowl
edge,
howev
er
,t
hes
i
gni
f
i
c
antper
f
or
manc
eadv
ant
agesofi
ndex
f
r
eeadj
ac
enc
y
,and
t
her
ef
or
eus
et
het
er
m nat
i
v
egr
aphpr
oc
es
s
i
ngt
odes
c
r
i
begr
aphdat
abas
est
hat
l
ev
er
agei
ndex
f
r
eeadj
ac
ent
The Mot
i
v
at
i
on f
or Gr
aph Dat
abas
e The nec
es
s
i
t
yt
or
epr
es
ent
,s
t
or
e and
mani
pul
at
ec
ompl
exdat
amakeRDBMSs
omewhatobs
ol
et
e
 Mul
t
i
v
al
uedat
t
r
i
but
es
 Compl
exat
t
r
i
but
es
 Compl
exc
ombi
nat
i
onoft
hepr
ev
i
oust
wo
Ac
c
ommodat
eChanges
 Appear
swhenac
qui
r
i
ngdat
af
r
om aut
onomousdy
nami
cs
our
c
esorWeb(
eg:
genex
p&r
es
t
aur
ant
s
)
.
 RDBMSmayr
equi
r
es
c
hemar
enor
mal
i
z
at
i
on
Uni
f
i
edr
epr
es
ent
at
i
onf
orDat
a
 Knowl
edge(
Sc
hemasar
eas
ubs
etoft
hi
s
)
 Quer
i
es(
Mor
egener
al
l
y
:
Goal
s
)[
r
es
ul
t
s
+def
]
 Model
s(
Conc
ept
sar
eapar
t
i
c
ul
arex
ampl
e)
Prepared by
Saleh Alshabwani