Mis en ligne le 9/06/2005 - Publié en Juin 2004
Création de cubes, écriture de requêtes MDX, optimisation de DTS et plus encore...
Vous n’avez rien à craindre des entités supertype et subtype
Les spécialistes de la modélisation des données utilisent les
entités supertype et subtype pour distinguer les différentes
catégories d’une entité, par exemple l’entité PERSON et ses
sous-types EMPLOYEE et AUTHOR, comme l’illustre la figure
1. Lors de la modélisation, vous devez préciser les différences
entre un employé et un auteur, et indiquer quels attributs
modifient chacune des trois entités (PERSON, EMPLOYEE,
AUTHOR). Le modèle supertype/subtype vous
oblige à identifier les attributs et relations qui interagissent
avec les entités. Les attributs communs, à savoir PersonID,
FirstName, MInit, LastName, Address Phone et Email sur la figure
1, modifient l’entité supertype PERSON. Il est nécessaire
d’enregistrer ces valeurs d’attribut pour toutes les personnes,
autrement dit les employés et les auteurs. Vous
devez ensuite identifier les attributs et relations spécifiques à
chaque entité subtype. Sur la figure 1, un employé est chargé
des activités de publication et possède des ensembles de
compétences spécifiques. L’auteur écrit des articles et
touche des droits d’auteur.
Certaines relations font appel uniquement à l’entité supertype
et non aux entités subtype. Par exemple, l’entité
PERSON est concernée par la relation PERSON_
PUBLISHER car, en effet, toutes les
personnes (employés et auteurs) travaillent
pour un éditeur (publisher). Si vous devez
représenter les catégories d’une entité dans
votre modèle, mais si vous ne parvenez pas
à utiliser la structure supertype/subtype
pour analyser les exigences concernant les
données, vous risquez de mal appréhender
ces dernières. Vous courez aussi le risque de
créer des anomalies de modification dans
votre base de données. Ainsi, sur la figure 1, une personne
peut être à la fois un employé et un auteur d’une maison
d’édition. Si vous n’avez pas utilisé la structure supertype
/subtype dans ce modèle (à savoir, si vous avez inclus uniquement
une entité EMPLOYEE et une entité AUTHOR), les
données concernant cette personne exerçant deux fonctions
seront stockées dans les tables EMPLOYEE et AUTHOR.
Cette duplication aboutira à la redondance de données non
essentielles au sein de la base de données, d’où des risques
d’anomalies d’insertion, de mise à jour et de suppression
pouvant aboutir à des données non synchronisées et à une
perte d’intégrité de celles-ci.
Téléchargez cette ressource
Mac en entreprise : le levier d’un poste de travail moderne
Ce livre blanc répond aux 9 questions clés des entreprises sur l’intégration du Mac : sécurité, compatibilité, gestion, productivité, coûts, attractivité talents, RSE et IA, et l’accompagnement sur mesure proposé par inmac wstore.
Les articles les plus consultés
- Intelligence Artificielle : DeepKube sécurise en profondeur les données des entreprises
- Stockage autonome, Evolutivité & Gestion intelligente, Pure Storage offre de nouvelles perspectives aux entreprises
- Les projets d’intégration augmentent la charge de travail des services IT
- La blockchain en pratique
- 9 défis de transformation digitale !
Les plus consultés sur iTPro.fr
- Une nouvelle ère de la modernisation du mainframe
- Akamai Technologies déploie sa stratégie de protection en ligne
- Baromètre channel IT : fin du cuivre, essor de UCaaS et premiers pas vers l’IA
- Fraude par identité synthétique : comment l’IA peut redonner confiance aux entreprises et à leurs clients
Articles les + lus
Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
Les nouvelles menaces liées à l’IA obligent les entreprises à dépasser la seule stratégie de sauvegarde
Sauvegarder les données ne suffit plus : il faut refonder le poste de travail
Construire la souveraineté numérique en Europe grâce à un écosystème ouvert et collaboratif
À la une de la chaîne Data
- Redéfinir la confiance à l’ère de l’IA agentique : les entreprises sont-elles prêtes pour le SOC autonome ?
- Les défaillances des pipelines de données pèsent lourdement sur la performance des grandes entreprises
- Les nouvelles menaces liées à l’IA obligent les entreprises à dépasser la seule stratégie de sauvegarde
- Sauvegarder les données ne suffit plus : il faut refonder le poste de travail
- Construire la souveraineté numérique en Europe grâce à un écosystème ouvert et collaboratif
