ចំ/ ត្រៀមប្រលង (T. Kim y)

1/ Entity គឺជាព័ត៌មានជាក់លាក់មួយ ដែលយើងអាចប្រមូលផ្តុំធ្វើជាទិន្ន័យបាន ដូចជាព័ត៌មានរបស់មនុ ស្សម្នាក់ ទីកន្លែងមួយ វត្ថុអ្វីមួយ ឬក៏ព្រឹត្តិកាណ៏ណាមួយ ។ឧៈ 01,Chhun,Male,01/02/87,SHV គឺជា Entity ដែលបញ្ជាក់អំពីព័ត៌មានរបស់និស្សិតម្នាក់ ។
2/ Strong Entity Set គឺជា Entity Set ដែលមិនអាស្រ័យទៅនឹង Entity Set មួយផ្សេងទៀតឡើយ ។ Strong Entity Set ត្រូវបានតំណាងដោយចតុកោណកែងមួយ ។
3/ Weak Entity Set គឺជា Entity Set ទាំងឡាយណាដែលអាស្រ័យទៅនិង Entity Set មួយឬច្រើនផ្សេងទៀត។ Weak Entity Set ត្រូវតំណាងដោយចតុកោណកែងឌុប ។
4/ Attribute គឺជាឈ្មោះរបស់ជួរឈរ ដែលបញ្ជាក់អំពីលក្ខណៈ(Property) ឲ្យ Entity Set មួយ ។
5/ Super key ជាសំណុំនៃ Attributes ទាំងមូលនៃ Entity នៅក្នុង Table ។
6/ Candidate key គឺជា Attribute មួយឬបង្គុំរវាង Attribute ចាប់ពី ២ ឡើងទៅដែលមានតម្លៃឯកតា សម្រាប់តំណាងឲ្យ Entity មួយ ឬឈុតមួយ (Tuple) ខុសពី Entity ឬឈុត (Tuple) មួយផ្សេងទៀត ។
7/ Primary key គឺជា Candidate key មួយដែលត្រូវបានជ្រើសរើសធ្វើតំណាងសម្រាប់ Entity Set មួយ។
= គឺជា Column ឬ ក្រុមនៃ Column ដែលតម្លៃរបស់វាមានតែ ១គត់សម្រាប់កំនត់ឲ្យ record នីមួយៗមាន តែមួយគត់ក្នុង Table មួយ ។
8/ Secondary key គឺជា Attributes (ការរូមផ្សំនៃ Attribute ជាច្រើន) ដែលត្រូវបានប្រើប្រាស់សម្រាប់គោ លបំណងស្រង់យកទិន្ន័យ ។
9/ Foreign key គឺជា Attributes ទាំងឡាយដែលមានតម្លៃស្ទួនស្ថិតនៅក្នុង Entity Set មួយសម្រាប់ធ្វើ ទំនាក់ទំនងជាមួយនិង Primary key របស់ Entity Set មួយផ្សេងទៀត ។
10/ Domain: the set permitted value each attribute, Sex(M, F, Male, Female) .
11/ Relationship គឺជាទំនាក់ទំនងគណិតវិឡាដែលមាន Entity ចាប់ពី 2 ឡើងទៅ ។
12/ Unary ជា Relationship ដែលមាន Entity មួយចូលរួម ។
13/ Binary Relationship គឺជា Relationship ដែលមាន Entity 2 ចូលរួម ។
14/ Ternary Relationship ជា Relationship ដែលមាន Entity 3 ចូលរួម ។
15/ Design ISSUES (VS)
– Use of Entity set VS an attribute.
– Use Entity set VS relationship set.
– Placement of relationship attribute.
– Replace non-binary relationship by binary relationship
16/ What’s Data? + information
– All of you know it already.
– The teacher know it already.
17/ What’s is data Analysis?
+ ជាការសិក្សាអំពី Object និង Concept ទាក់ទងទៅនិងការរៀបចំ ការបង្ហាញ និងការតាំងពត៌មាន ។
18/ Function Analysis សិក្សាទៅលើ Reality data កំណត់ Business Role ដែលត្រូវចូលរួមនៅក្នុង Business យើង ។
19/ Data Analysis យក Data និង Business Role ដែលបានមកពី Functional Analysis មកបង្កើតជា Data model .
19/ Physical Implementation យក Data model ដែលបានមកពី Data Analysis ទៅបង្កើតជា Physical Database .
+ និមិត្តសញ្ញា Function Analysis:
External Entity
Process
Data Store
Data Flow
20/ Data Analysis Phases:
– Conceptual Design យក Data+Business Rule ដែលបានមកពី Function Analysis មកបង្កើតជា Conceptual E-R Model .
– Logical Design : -Emphasison efficiency of the model, -normalization, -create a logical data model
– Process Design : -Identification of record volumes and access rates, -Transaction analysis, -create process data model.
21/ វិធីបង្កើត Conceptual E.R Model មានពីរ គឺ
+ Top down approach: ប្រើនៅពេលដែលយើងបង្កើត New Database
– identify the entity
– identify the relationship between entity
– identify the attribute
+ Button up approach: (ប្រើសង់ Database ដែលមាន Data ស្រាប់ )
– Collect data
– Identify entities + attribute
– Identify Relationship
22/ ដើម្បីបាន Conceptual E.R Model បានមាន ៣ ចំនុច គឺ
– Identifies data & Business Rule
– Classify : Entity, Attribute, Relationship
– Create a conceptual E.R Model
23/ Synonym: Attribute 2 មានន័យដូចគ្នាតែសរសេរខុសគ្នា បើស្ថិតនៅ Table តែមួយនោះយើងត្រូវ លុបមួយចោល បើវាស្ថិតនៅលើ Table ពីរផ្សេងគ្នានោះយើងត្រូវសរសេរឈ្មោះវាឲ្យដូចគ្នា ។
24/ Homonym: Attribute ពីរមានន័យខុសគ្នាតែសរសេរដូចគ្នានោះយើងត្រូវសរសេរវាឲ្យខុសគ្នា ។
25/ + Rule 1NF: a table is in 1NF if it contains no repeated item. The table of ROB must always satisfy 1NF.
+ Rule 2NF: a table is in 2NF if it has been normalize to 1NF, and all non-key columns which have functional dependency on part of primary key have been Remove.
+ Rule 3NF: a table is in 3NF if it has been normalize to 2NF, and all non-key columns which have functional dependency on another non-key columns have been Remove.
1/ សរសេរ Sql រកមើលនិស្សិតណាដែលមាន ពិន្ទុតិចជាងគេ
=> SELECT min(Score) as [Min]
from tblScore
2/ សរសេរ Sql រកមើលនិស្សិតណាដែលមាន ពិន្ទុធំជាងគេ
=> SELECT max(Score) as [Min]
from tblScore
3/ សរសេរ Sql រកមើលមធ្យមភាគរបស់និស្សិត
SELECT avg(Score) as [AverageScore]
from tblScore
4/ សរសេរ Sql រកមើលចំនួនមុខវិជ្ជា
SELECT count(Subname) as [CountOfSubject]
from tblsubject
5/ សរសេរ Sql រកមើលនិស្សិតណាដែលរស់នៅភ្នំពេញ
SELECT *
from tblstudent
where adr=”pp”
6/ សរសេរ Sql រកមើលនិស្សិតណាដែលមិនរស់នៅភ្នំពេញ
SELECT *
from tblstudent
where adr”pp”
7***/ សរសេរ Sql រកមើលនិស្សិតនីមួយៗ រៀនមុខវិជ្ជាអ្វីខ្លះ?
 SELECT t1.stuname,t3.subName,t2.score
from tblstudent as t1, tblsubject as t3,tblscore as t2
where t1.stuid=t2.stuid and t2.subcode=t3.subcode
8***/ សរសេរ Sql រកមើលនិស្សិតនីណាខ្លះដែលបានរៀនមុខវិជ្ជា SQL
 SELECT t1.stuname,t2.SubName
from tblstudent as t1, tblsubject as t2,tblscore as t3
where t1.stuid=t3.stuid and t2.subcode=t3.subcode
and subname=”SQL”
9***/ សរសេរ Sql រកមើលនិស្សិតដែលកើតក្នុងឆ្នាំ ១៩៨៨, ១៩៩២
 SELECT stuname,year(dob) as DateOfBirth
from tblStudent
where year(dob) in (1988, 1992)
10***/ សរសេរ Sql រកមើលពិន្ទុរបស់និស្សិតនីមួយៗ
 SELECT tblstudent.stuname, sum(tblScore.score) as SumOfScore
from tblstudent inner join(tblsubject inner join tblscore on tblsubject.subcode=tblscore.subcode) on tblstudent.stuid=tblscore.stuid
group by tblstudent.stuname

About angkortown

I am a programer
This entry was posted in សំរាប់ត្រៀមប្រលង. Bookmark the permalink.

2 Responses to ចំ/ ត្រៀមប្រលង (T. Kim y)

  1. Pingback: មេរៀនផ្សេងៗ « share4student

  2. Pingback: សំនួរ/ចំម្លើយ របស់លោកគ្រូ Kim y « share4student

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s