طراحی پایگاه داده‌ها

در این درس دانشجویان با مفاهیم مدل‌سازی معنایی داده‌ها و طراحی پایگاه داده‌ها آشنا می‌شوند و در انتهای ترم انتظار می‌رود که دانشجویان با مفاهیمی که در ریزموارد به آن‌ها اشاره شده است، آشنایی کامل پیدا کرده باشند.

• مقدمه و معرفی سیستم‌های پایگاهی (۱ جلسه)
  • معرفی درس
  • تعریف و اهمیت پایگاه داده‌ها
  • عناصر کلیدی محیط پایگاه داده
  • ACID Properties
  • انواع معماری سیستم پایگاهی (متمرکز، مشتری-خدمتگزار، توزیع‌شده)
  • اجزای سیستم مدیریت پایگاه داده رابطه‌ای (RDBMS)

• مدل رابطه‌ای (۱ جلسه)
  • رابطه و مفاهیم مربوطه
  • انواع کلید
  • عملیات رابطه‌ای
  • Constraints

• پیاده‌سازی SQL (۴ جلسه)
  • زبان پایگاه داده‌ی جدولی (SQL)
  • دستورات DDL
  • دستورات DML
  • دستورات DCL
  • دستورات TCL
  • Subqueries
  • انواع Join
  • View & Materialized View

• طراحی پایگاه داده (۴ جلسه)
  • مدل‌سازی معنایی
  • موجودیت، صفت، ارتباط
  • نمودار ER و EER
  • Aggregation و Generalization
  • تبدیل مدل‌سازی معنایی به طراحی منطقی
  • نرمال‌سازی (Normalization) - سطوح 3NF, 2NF, 1NF و BCNF
  • انواع دام‌ها و نحوه‌ی حل آن‌ها

• Modern SQL (۱ جلسه)
  • Output Control + Redirection
  • Window Functions
  • Nested Queries
  • Lateral Joins
  • Common Table Expressions (CTE)
  • Recursive Queries

• جامعیت در مدل رابطه‌ای (۱ جلسه)
  • Integrity
  • Assertion
  • Procedure, Function
  • Trigger

• بهینه‌سازی عملکرد پایگاه داده (۲ جلسه)
  • Query Execution Plan و Query Profiling
  • Indexes Clustered & Non-Clustered
  • Database Tuning
  • Data Purging
  • Data Partitioning

• انبار داده (Data Warehouse) (۱ جلسه)
  • مفهوم و اهمیت انبار داده‌ها
  • مدل‌های مختلف معماری انبار داده
  • فرآیندهای استخراج، تبدیل و بارگذاری داده‌ها (ETL)
  • طراحی و ساخت Data Mart (انبار داده‌های خاص)
  • پیاده‌سازی Normalized و Denormalized داده‌ها
  • داده‌کاوی در انبار داده‌ها

• پایگاه‌داده غیررابطه‌ای (NoSQL DBMS) (۱ جلسه)
  • دلایل استفاده از پایگاه داده‌های غیررابطه‌ای (NoSQL)
  • تئوری CAP
  • پایگاه داده‌های کلید-مقدار، ستون-محور، گراف-محور و سند-محور و ترکیبی (Multi-Model)
  • مقیاس‌پذیری افقی و عمودی
  • طراحی پایگاه داده برای داده‌های بزرگ و معماری توزیع‌شده

• معرفی و کار با پایگاه‌داده‌های Mongo و Neo4J به همراه کاربرد آن‌ها در مسائل واقعی (۱ جلسه)

• معرفی Vector Databases به همراه کاربرد‌های آن‌‌ها در دنیای هوش مصنوعی (۱ جلسه)

توجه: از مرحله معرفی ساختارهای داده‌ای جدولی و پس از آن، هرجا که لازم باشد، از SQL برای ارائه مثال استفاده می‌شود. دانشجو بایستی از هفته سوم و همروند با پیشرفت درس، SQL را مطالعه کند.

• تمرین‌های عملی هفتگی: ۵۰٪ نمره
• آزمون‌ پایانی: ۵۰٪ نمره

• سید محمد تقی روحانی رانکوهی، "مفاهیم بنیادی پایگاه داده‌‌‌ها"، ویراست چهارم، ۱۳۹۰.