ડેટાબેસ મેનેજમેન્ટ (4331603) - ઉનાળો 2024 સોલ્યુશન

પ્રશ્ન 1(અ) [3 ગુણ]

#

નીચેના શબ્દોને વ્યાખ્યાયિત કરો: 1. ડેટા 2. ઇન્ફોર્મેશન 3. મેટાડેટા

જવાબ:

ટેબલ: ડેટા વિ ઇન્ફોર્મેશન વિ મેટાડેટા

• ડેટા: ઇન્ફોર્મેશન સિસ્ટમ્સના મૂળભૂત બિલ્ડિંગ બ્લોક્સ
• ઇન્ફોર્મેશન: નિર્ણય લેવા માટે ડેટા પ્રોસેસિંગનું પરિણામ
• મેટાડેટા: ડેટાબેસ ડિઝાઇન અને મેનેજમેન્ટ માટે જરૂરી

મેમરી ટ્રીક: “DIM - ડેટા મેટાડેટાનો ઉપયોગ કરીને ઇન્ફોર્મેશન આપે છે”

પ્રશ્ન 1(બ) [4 ગુણ]

#

ફાઇલ સિસ્ટમ વિ ડેટાબેસ સિસ્ટમની તુલના કરો

જવાબ:

ટેબલ: ફાઇલ સિસ્ટમ વિ ડેટાબેસ સિસ્ટમ તુલના

• ફાઇલ સિસ્ટમ: સરળ પણ ડેટા ડુપ્લિકેશનની સમસ્યાઓ સાથે
• ડેટાબેસ સિસ્ટમ: જટિલ પણ કાર્યક્ષમ ડેટા મેનેજમેન્ટ
• મુખ્ય ફાયદો: DBMS ડેટા રિડન્ડન્સી અને અસુસંગતતા દૂર કરે છે

મેમરી ટ્રીક: “DBMS = ડેટા બેટર મેનેજ્ડ સિસ્ટમેટિકલી”

પ્રશ્ન 1(ક) [7 ગુણ]

#

નેટવર્ક ડેટા મોડેલ દોરો અને સમજાવો

જવાબ:

ડાયાગ્રામ:

ટેબલ: નેટવર્ક મોડેલના ઘટકો

• ઓનર રેકોર્ડ: સેટને નિયંત્રિત કરે છે અને અનેક મેમ્બર્સ હોઈ શકે છે
• મેમ્બર રેકોર્ડ: એક અથવા વધુ સેટ્સનું સભ્ય છે
• સેટ ઓકરન્સ: સેટ ટાઇપનું ઇન્સ્ટન્સ જે ઓનરને મેમ્બર્સ સાથે જોડે છે
• નેવિગેશન: રેકોર્ડ એક્સેસ માટે પોઇન્ટર્સનો ઉપયોગ

મેમરી ટ્રીક: “નેટવર્ક = અનેક કનેક્શન્સ સાથેના નોડ્સ”

પ્રશ્ન 1(ક) અથવા [7 ગુણ]

#

સ્કીમા શું છે? ઉદાહરણ સાથે સ્કીમાના વિવિધ પ્રકારો સમજાવો

જવાબ:

વ્યાખ્યા: સ્કીમા એ ડેટાબેસનું લોજિકલ સ્ટ્રક્ચર અથવા બ્લુપ્રિન્ટ છે જે વ્યાખ્યાયિત કરે છે કે ડેટા કેવી રીતે ગોઠવાયેલો છે.

ડાયાગ્રામ:

graph TD
    A[External Schema] --> B[Conceptual Schema]
    B --> C[Internal Schema]
    A --> D[View 1]
    A --> E[View 2]
    B --> F[Logical Structure]
    C --> G[Physical Storage]

ટેબલ: સ્કીમાના પ્રકારો

• એક્સટર્નલ સ્કીમા: યુઝર્સ માટે ડેટા ઇન્ડિપેન્ડન્સ પ્રદાન કરે છે
• કોન્સેપ્ચુઅલ સ્કીમા: ડેટાબેસ ડિઝાઇનરનો સંપૂર્ણ વ્યૂ
• ઇન્ટર્નલ સ્કીમા: ડેટાબેસ એડમિનિસ્ટ્રેટરનો ફિઝિકલ વ્યૂ

મેમરી ટ્રીક: “ECI - એક્સટર્નલ કોન્સેપ્ચુઅલ ઇન્ટર્નલ”

પ્રશ્ન 2(અ) [3 ગુણ]

#

નીચેના શબ્દોને વ્યાખ્યાયિત કરો: 1. એન્ટિટી 2. એટ્રિબ્યુટ્સ 3. રિલેશનશિપ

જવાબ:

ટેબલ: ER મોડેલની મૂળભૂત કોન્સેપ્ટ્સ

• એન્ટિટી: ER ડાયાગ્રામમાં લંબચોરસ દ્વારા રજૂ થાય છે
• એટ્રિબ્યુટ્સ: એન્ટિટીઓ સાથે જોડાયેલા અંડાકાર દ્વારા રજૂ થાય છે
• રિલેશનશિપ: એન્ટિટીઓને જોડતા હીરા દ્વારા રજૂ થાય છે

મેમરી ટ્રીક: “EAR - એન્ટિટીના એટ્રિબ્યુટ્સ અને રિલેશનશિપ્સ છે”

પ્રશ્ન 2(બ) [4 ગુણ]

#

ઉદાહરણ સાથે વીક એન્ટિટી સેટ્સનું વર્ણન કરો

જવાબ:

વ્યાખ્યા: વીક એન્ટિટી એ એવી એન્ટિટી છે જે પોતાના એટ્રિબ્યુટ્સ દ્વારા અનન્ય રીતે ઓળખાઈ શકતી નથી અને સ્ટ્રોંગ એન્ટિટી પર આધાર રાખે છે.

ડાયાગ્રામ:

ટેબલ: વીક વિ સ્ટ્રોંગ એન્ટિટી

• પાર્શિયલ કી: એટ્રિબ્યુટ જે વીક એન્ટિટીને આંશિક રૂપે ઓળખે છે
• આઇડેન્ટિફાઇંગ રિલેશનશિપ: વીક એન્ટિટીને સ્ટ્રોંગ એન્ટિટી સાથે જોડે છે
• ટોટલ પાર્ટિસિપેશન: વીક એન્ટિટીએ સંબંધમાં સહભાગી થવું જ જોઈએ

મેમરી ટ્રીક: “વીક એન્ટિટીઓ આશ્રિત હોય છે”

પ્રશ્ન 2(ક) [7 ગુણ]

#

યુનિવર્સિટી મેનેજમેન્ટ સિસ્ટમ માટે ER ડાયાગ્રામ દોરો

જવાબ:

ડાયાગ્રામ:

erDiagram
    STUDENT {
        int student_id PK
        string name
        string email
        date birth_date
        string address
    }
    
    COURSE {
        int course_id PK
        string course_name
        int credits
        string department
    }
    
    TEACHER {
        int teacher_id PK
        string name
        string department
        string qualification
    }
    
    ENROLLMENT {
        int enrollment_id PK
        date enrollment_date
        char grade
    }
    
    STUDENT ||--o{ ENROLLMENT : enrolls
    COURSE ||--o{ ENROLLMENT : has
    TEACHER ||--o{ COURSE : teaches

ટેબલ: એન્ટિટી રિલેશનશિપ્સ

• પ્રાથમિક એન્ટિટીઓ: વિદ્યાર્થી, કોર્સ, શિક્ષક
• એસોસિએટિવ એન્ટિટી: નોંધણી (M:N સંબંધ ઉકેલે છે)
• કી એટ્રિબ્યુટ્સ: બધી એન્ટિટીઓમાં અનન્ય ઓળખકર્તા છે

મેમરી ટ્રીક: “યુનિવર્સિટી = વિદ્યાર્થીઓ શિક્ષકો પાસેથી કોર્સ લે છે”

પ્રશ્ન 2(અ) અથવા [3 ગુણ]

#

નીચેના શબ્દોને વ્યાખ્યાયિત કરો: 1. પ્રાઇમરી કી 2. ફોરેન કી 3. કેન્ડિડેટ કી

જવાબ:

ટેબલ: ડેટાબેસ કીઝ

• પ્રાઇમરી કી: NULL હોઈ શકે નહીં અને અનન્ય હોવી જોઈએ
• ફોરેન કી: રેફરન્શિયલ ઇન્ટેગ્રિટી જાળવે છે
• કેન્ડિડેટ કી: વૈકલ્પિક અનન્ય ઓળખકર્તાઓ

મેમરી ટ્રીક: “PFC - પ્રાઇમરી ફોરેન કેન્ડિડેટ”

પ્રશ્ન 2(બ) અથવા [4 ગુણ]

#

જનરલાઇઝેશન અને સ્પેશિયલાઇઝેશન પર ટૂંકી નોંધ લખો

જવાબ:

જનરલાઇઝેશન: અનેક એન્ટિટીઓમાંથી સામાન્ય એટ્રિબ્યુટ્સ કાઢીને સામાન્ય એન્ટિટી બનાવવાની પ્રક્રિયા.

સ્પેશિયલાઇઝેશન: વિશિષ્ટ લાક્ષણિકતાઓના આધારે એન્ટિટીના પેટા વર્ગો વ્યાખ્યાયિત કરવાની પ્રક્રિયા.

ડાયાગ્રામ:

graph TD
    A[વ્યક્તિ] --> B[વિદ્યાર્થી]
    A --> C[શિક્ષક]
    A --> D[સ્ટાફ]
    B --> E[અંડરગ્રેજ્યુએટ]
    B --> F[ગ્રેજ્યુએટ]

ટેબલ: જનરલાઇઝેશન વિ સ્પેશિયલાઇઝેશન

• ISA રિલેશનશિપ: સુપરક્લાસ અને સબક્લાસ વચ્ચે “Is-A” સંબંધ
• ઇન્હેરિટન્સ: સબક્લાસ સુપરક્લાસમાંથી એટ્રિબ્યુટ્સ વારસામાં લે છે

મેમરી ટ્રીક: “જનરલ ઉપર જાય, સ્પેશિયલ નીચે જાય”

પ્રશ્ન 2(ક) અથવા [7 ગુણ]

#

ઉદાહરણ સાથે વિવિધ રિલેશનલ એલ્જીબ્રા ઓપરેશન સમજાવો

જવાબ:

ટેબલ: રિલેશનલ એલ્જીબ્રા ઓપરેશન્સ

ઉદાહરણ રિલેશન્સ:

Student: (ID=1, Name=જોન, Age=20) Course: (CID=101, CName=DBMS, Credits=3)

• સિલેક્શન: σ(Age>18)(Student) 18 વર્ષથી વધુ વયના વિદ્યાર્થીઓ રિટર્ન કરે
• પ્રોજેક્શન: π(Name)(Student) માત્ર નામો રિટર્ન કરે
• જોઇન: Student ⋈ Enrollment વિદ્યાર્થી અને નોંધણીનો ડેટા જોડે

મેમરી ટ્રીક: “SPUDIJ - સિલેક્ટ પ્રોજેક્ટ યુનિયન ડિફરન્સ ઇન્ટરસેક્શન જોઇન”

પ્રશ્ન 3(અ) [3 ગુણ]

#

SQL માં ન્યુમેરિક ફંક્શન્સની યાદી આપો. કોઈપણ બે સમજાવો

જવાબ:

ટેબલ: SQL ન્યુમેરિક ફંક્શન્સ

વિગતવાર ઉદાહરણો:

• ABS(number): એબ્સોલ્યુટ વેલ્યુ રિટર્ન કરે, નેગેટિવ સાઇન દૂર કરે
• ROUND(number, decimal_places): નિર્દિષ્ટ દશાંશ સ્થાને નંબર રાઉન્ડ કરે

મેમરી ટ્રીક: “ગણિત ફંક્શન્સ નંબર્સને સરસ બનાવે”

પ્રશ્ન 3(બ) [4 ગુણ]

#

ઉદાહરણ સાથે Having અને Order by Clause નું વર્ણન કરો

જવાબ:

HAVING Clause: GROUP BY સાથે એગ્રીગેટ કન્ડિશન્સ આધારે ગ્રુપ્સ ફિલ્ટર કરવા ઉપયોગ થાય.

ORDER BY Clause: પરિણામ સેટને ચડતા અથવા ઊતરતા ક્રમમાં સોર્ટ કરવા ઉપયોગ થાય.

ટેબલ: HAVING વિ WHERE

ઉદાહરણ:

SELECT department, COUNT(*) as emp_count
FROM employees 
WHERE salary > 30000
GROUP BY department 
HAVING COUNT(*) > 5
ORDER BY emp_count DESC;

• WHERE: 30000 થી વધુ પગાર ધરાવતા કર્મચારીઓ ફિલ્ટર કરે
• HAVING: માત્ર 5 થી વધુ કર્મચારીઓ ધરાવતા વિભાગો બતાવે
• ORDER BY: કર્મચારીઓની ગણતરી આધારે ઉતરતા ક્રમમાં સોર્ટ કરે

મેમરી ટ્રીક: “WHERE પંક્તિઓ ફિલ્ટર કરે, HAVING ગ્રુપ્સ ફિલ્ટર કરે, ORDER BY પરિણામો સોર્ટ કરે”

પ્રશ્ન 3(ક) [7 ગુણ]

#

Student_ID, Stu_Name, Stu_Subject_ID, Stu_Marks, Stu_Age ફીલ્ડ્સ ધરાવતા student ટેબલ પર નીચેની queries perform કરો

જવાબ:

1. student ટેબલ બનાવવા માટે ક્વેરી:

CREATE TABLE student (
    Student_ID INT PRIMARY KEY,
    Stu_Name VARCHAR(50),
    Stu_Subject_ID INT,
    Stu_Marks INT,
    Stu_Age INT
);

2. student ટેબલમાં રેકોર્ડ દાખલ કરવા માટે ક્વેરી:

INSERT INTO student VALUES 
(1, 'જોન', 101, 85, 22),
(2, 'મેરી', 102, 90, 21);

3. લઘુત્તમ અને મહત્તમ ગુણ શોધો:

SELECT MIN(Stu_Marks) as Min_Marks, 
       MAX(Stu_Marks) as Max_Marks 
FROM student;

4. 82 થી વધુ ગુણ અને 22 વર્ષ વયના વિદ્યાર્થીઓ:

SELECT * FROM student 
WHERE Stu_Marks > 82 AND Stu_Age = 22;

5. નામ ’m’ અક્ષરથી શરૂ થતા વિદ્યાર્થીઓ:

SELECT * FROM student 
WHERE Stu_Name LIKE 'm%';

6. સરેરાશ ગુણ શોધો:

SELECT AVG(Stu_Marks) as Average_Marks 
FROM student;

7. Stu_address કૉલમ ઉમેરો:

ALTER TABLE student 
ADD Stu_address VARCHAR(100);

મેમરી ટ્રીક: “CRUD + એનાલિટિક્સ = સંપૂર્ણ ડેટાબેસ ઓપરેશન્સ”

પ્રશ્ન 3(અ) અથવા [3 ગુણ]

#

ઉદાહરણ સાથે SQL માં વિવિધ ડેટ ફંક્શન વર્ણવો

જવાબ:

ટેબલ: SQL ડેટ ફંક્શન્સ

ઉદાહરણો:

• SYSDATE: વર્તમાન સિસ્ટમ ડેટ અને ટાઇમ રિટર્ન કરે
• ADD_MONTHS: લોન ડ્યુ ડેટ્સ જેવી ભવિષ્યની તારીખો ગણવા માટે ઉપયોગી

મેમરી ટ્રીક: “ડેટ ફંક્શન્સ ટાઇમ મેનેજમેન્ટમાં મદદ કરે”

પ્રશ્ન 3(બ) અથવા [4 ગુણ]

#

SQL માં કન્સ્ટ્રેન્ટ્સની સૂચિ બનાવો. ઉદાહરણ સાથે કોઈપણ બે સમજાવો

જવાબ:

ટેબલ: SQL કન્સ્ટ્રેન્ટ્સ

વિગતવાર ઉદાહરણો:

PRIMARY KEY કન્સ્ટ્રેન્ટ:

CREATE TABLE Student (
    Student_ID INT PRIMARY KEY,
    Name VARCHAR(50)
);

CHECK કન્સ્ટ્રેન્ટ:

CREATE TABLE Employee (
    Emp_ID INT,
    Salary INT CHECK (Salary > 0)
);

• PRIMARY KEY: દરેક રેકોર્ડ અનન્ય ઓળખકર્તા છે તેની ખાતરી કરે
• CHECK: ડેટા એન્ટ્રી દરમિયાન બિઝનેસ નિયમો વેલિડેટ કરે

મેમરી ટ્રીક: “કન્સ્ટ્રેન્ટ્સ ડેટા ક્વોલિટી કંટ્રોલ કરે”

પ્રશ્ન 3(ક) અથવા [7 ગુણ]

#

ઉદાહરણ સાથે SQL માં વિવિધ પ્રકારના joins સમજાવો

જવાબ:

ટેબલ: SQL Joins ના પ્રકારો

ઉદાહરણ ટેબલ્સ: Students: (ID=1, Name=જોન), (ID=2, Name=મેરી) Enrollments: (StudentID=1, Course=DBMS), (StudentID=3, Course=Java)

INNER JOIN ઉદાહરણ:

SELECT s.Name, e.Course 
FROM Students s 
INNER JOIN Enrollments e ON s.ID = e.StudentID;

પરિણામ: માત્ર જોન DBMS કોર્સ સાથે

LEFT JOIN ઉદાહરણ:

SELECT s.Name, e.Course 
FROM Students s 
LEFT JOIN Enrollments e ON s.ID = e.StudentID;

પરિણામ: જોન-DBMS, મેરી-NULL

મેમરી ટ્રીક: “JOIN સંબંધિત ટેબલ્સને જોડે છે”

પ્રશ્ન 4(અ) [3 ગુણ]

#

SQL માં Grant અને Revoke કમાન્ડનું ઉદાહરણ આપો

જવાબ:

GRANT કમાન્ડ: ડેટાબેસ ઓબ્જેક્ટ્સ પર યુઝર્સને વિશિષ્ટ વિશેષાધિકારો પ્રદાન કરે.

REVOKE કમાન્ડ: યુઝર્સમાંથી અગાઉ આપેલા વિશેષાધિકારો દૂર કરે.

ટેબલ: સામાન્ય વિશેષાધિકારો

ઉદાહરણો:

-- SELECT વિશેષાધિકાર આપો
GRANT SELECT ON Student TO john;

-- INSERT વિશેષાધિકાર દૂર કરો  
REVOKE INSERT ON Student FROM john;

• WITH GRANT OPTION: યુઝરને બીજાઓને વિશેષાધિકારો આપવાની મંજૂરી
• CASCADE: જેમને આ વિશેષાધિકારો મળ્યા છે તે બધામાંથી વિશેષાધિકારો દૂર કરે

મેમરી ટ્રીક: “GRANT અધિકારો આપે, REVOKE અધિકારો દૂર કરે”

પ્રશ્ન 4(બ) [4 ગુણ]

#

SQL Views પર ટૂંકી નોંધ લખો

જવાબ:

વ્યાખ્યા: વ્યૂ એ SQL સ્ટેટમેન્ટના પરિણામ આધારિત વર્ચ્યુઅલ ટેબલ છે જેમાં વાસ્તવિક ટેબલની જેમ પંક્તિઓ અને કૉલમ્સ હોય છે.

ટેબલ: વ્યૂની લાક્ષણિકતાઓ

ઉદાહરણ:

CREATE VIEW active_students AS
SELECT Student_ID, Name, Age 
FROM Student 
WHERE Status = 'Active';

-- વ્યૂનો ઉપયોગ
SELECT * FROM active_students;

ફાયદાઓ:

• સિક્યોરિટી: સંવેદનશીલ ડેટાની એક્સેસ મર્યાદિત કરે
• સરળતા: અંતિમ યુઝર્સમાંથી જટિલ joins છુપાવે
• સુસંગતતા: પ્રમાણિત ડેટા એક્સેસ

મેમરી ટ્રીક: “વ્યૂઝ એ ડેટાની વર્ચ્યુઅલ વિન્ડોઝ છે”

પ્રશ્ન 4(ક) [7 ગુણ]

#

નોર્મલાઇઝેશન શું છે? ઉદાહરણ સાથે 2NF સમજાવો

જવાબ:

નોર્મલાઇઝેશન: રિડન્ડન્સી ઘટાડવા અને મોટા ટેબલ્સને નાના સંબંધિત ટેબલ્સમાં વિભાજિત કરીને ડેટા ઇન્ટેગ્રિટી સુધારવા માટે ડેટાબેસ ગોઠવવાની પ્રક્રિયા.

2NF (સેકન્ડ નોર્મલ ફોર્મ):

• 1NF માં હોવું જોઈએ
• પાર્શિયલ ફંક્શનલ ડિપેન્ડન્સીઝ દૂર કરવી
• નોન-કી એટ્રિબ્યુટ્સ સંપૂર્ણ પ્રાઇમરી કી પર આધાર રાખવા જોઈએ

ઉદાહરણ - અનોર્મલાઇઝ્ડ ટેબલ:

સમસ્યાઓ:

• Student_Name માત્ર Student_ID પર આધાર રાખે છે (પાર્શિયલ ડિપેન્ડન્સી)
• Course_Name અને Instructor માત્ર Course_ID પર આધાર રાખે છે

2NF પછી:

Student ટેબલ:

Course ટેબલ:

Enrollment ટેબલ:

ફાયદાઓ:

• રિડન્ડન્સી દૂર કરે: વિદ્યાર્થીના નામ પુનરાવર્તન નથી
• સ્ટોરેજ ઘટાડે: ઓછો ડુપ્લિકેટ ડેટા
• સુસંગતતા સુધારે: વિદ્યાર્થીનું નામ એક જ જગ્યાએ અપડેટ કરો

મેમરી ટ્રીક: “2NF = કોઈ પાર્શિયલ ડિપેન્ડન્સીઝ નહીં”

પ્રશ્ન 4(અ) અથવા [3 ગુણ]

#

SQL માં Group By Clause નું ઉદાહરણ આપો

જવાબ:

GROUP BY Clause: નિર્દિષ્ટ કૉલમ્સમાં સમાન વેલ્યુઝ ધરાવતી પંક્તિઓને ગ્રુપ કરે છે અને દરેક ગ્રુપ પર એગ્રીગેટ ફંક્શન્સની મંજૂરી આપે છે.

ટેબલ: GROUP BY ઉપયોગ

ઉદાહરણ:

SELECT Department, COUNT(*) as Total_Students, AVG(Marks) as Avg_Marks
FROM Student 
GROUP BY Department;

પરિણામ:

• ગ્રુપ્સ: દરેક વિભાગ માટે અલગ ગ્રુપ બનાવે
• એગ્રીગેટ્સ: દરેક ગ્રુપ માટે કાઉન્ટ અને સરેરાશ ગણે

મેમરી ટ્રીક: “GROUP BY સમરી રિપોર્ટ્સ બનાવે”

પ્રશ્ન 4(બ) અથવા [4 ગુણ]

#

ઉદાહરણ સાથે SQL માં Set Operators નું વર્ણન કરો

જવાબ:

Set Operators: બે અથવા વધુ SELECT સ્ટેટમેન્ટ્સના પરિણામોને જોડે છે.

ટેબલ: SQL Set Operators

ઉદાહરણ:

-- વિદ્યાર્થીઓ જે શિક્ષકો પણ છે
SELECT name FROM students
INTERSECT
SELECT name FROM teachers;

-- યુનિવર્સિટીના બધા લોકો
SELECT name, 'Student' as type FROM students
UNION
SELECT name, 'Teacher' as type FROM teachers;

નિયમો:

• કૉલમ કાઉન્ટ: બધી ક્વેરીઝમાં સમાન હોવી જોઈએ
• ડેટા ટાઇપ્સ: અનુરૂપ કૉલમ્સમાં સુસંગત ટાઇપ્સ હોવા જોઈએ
• ઓર્ડર: ORDER BY માત્ર અંતે ઉપયોગ કરી શકાય

મેમરી ટ્રીક: “Set operators ડેટાને યુનાઇટ, ઇન્ટરસેક્ટ અને સબ્ટ્રેક્ટ કરે”

પ્રશ્ન 4(ક) અથવા [7 ગુણ]

#

નોર્મલાઇઝેશનના મહત્વને ન્યાયી ઠેરવો. ઉદાહરણ સાથે 1NF સમજાવો

જવાબ:

નોર્મલાઇઝેશનનું મહત્વ:

ટેબલ: નોર્મલાઇઝેશનના ફાયદાઓ

1NF (ફર્સ્ટ નોર્મલ ફોર્મ):

• સમાન ટેબલમાંથી ડુપ્લિકેટ કૉલમ્સ દૂર કરો
• સંબંધિત ડેટા માટે અલગ ટેબલ્સ બનાવો
• દરેક સેલમાં એક વેલ્યુ હોય (એટોમિક વેલ્યુઝ)

ઉદાહરણ - અનોર્મલાઇઝ્ડ ટેબલ:

સમસ્યાઓ:

• Subjects કૉલમમાં અનેક વેલ્યુઝ છે
• વિશિષ્ટ વિષયો શોધવા મુશ્કેલ
• વિષયો ઉમેરવા/દૂર કરવામાં અપડેટ એનોમલીઝ

1NF પછી:

Student ટેબલ:

Student_Subject ટેબલ:

ફાયદાઓ:

• એટોમિક વેલ્યુઝ: દરેક સેલમાં એક વેલ્યુ
• લવચીક ક્વેરીઝ: વિશિષ્ટ વિષયો અભ્યાસ કરતા વિદ્યાર્થીઓ સરળતાથી શોધો
• સરળ અપડેટ્સ: બીજા ડેટાને અસર કર્યા વિના વિષયો ઉમેરો/દૂર કરો

મેમરી ટ્રીક: “1NF = એક સેલ દીઠ એક વેલ્યુ, કોઈ રિપીટિંગ ગ્રુપ્સ નહીં”

પ્રશ્ન 5(અ) [3 ગુણ]

#

ટ્રાન્ઝેક્શન મેનેજમેન્ટમાં Serializability સમજાવો

જવાબ:

Serializability: એ ગુણધર્મ છે જે સુનિશ્ચિત કરે છે કે ટ્રાન્ઝેક્શન્સનું એકસાથે એક્ઝિક્યુશન તે ટ્રાન્ઝેક્શન્સના કોઈ સીરિયલ એક્ઝિક્યુશન જેવું જ પરિણામ આપે.

ટેબલ: Serializability ના પ્રકારો

ઉદાહરણ: Transaction T1: R(A), W(A), R(B), W(B) Transaction T2: R(A), W(A), R(B), W(B)

સીરિયલ શેડ્યુલ: T1 → T2 અથવા T2 → T1 કોન્કરન્ટ શેડ્યુલ: ઇન્ટરલીવ્ડ ઓપરેશન્સ

• કોન્ફ્લિક્ટ ઓપરેશન્સ: સમાન ડેટા આઇટમ પરના ઓપરેશન્સ જ્યાં ઓછામાં ઓછું એક રાઇટ હોય
• સીરિયલાઇઝેબલ શેડ્યુલ: કોઈ સીરિયલ શેડ્યુલ સમકક્ષ
• નોન-સીરિયલાઇઝેબલ: અસુસંગત ડેટાબેસ સ્ટેટ તરફ દોરી શકે

મેમરી ટ્રીક: “Serializability ટ્રાન્ઝેક્શન કન્સિસ્ટન્સી સુનિશ્ચિત કરે”

પ્રશ્ન 5(બ) [4 ગુણ]

#

ઉદાહરણ સાથે પાર્શિયલ ફંક્શનલ ડિપેન્ડન્સી નું વર્ણન કરો

જવાબ:

પાર્શિયલ ફંક્શનલ ડિપેન્ડન્સી: જ્યારે કોઈ નોન-કી એટ્રિબ્યુટ કમ્પોઝિટ પ્રાઇમરી કીના માત્ર એક ભાગ પર ફંક્શનલી ડિપેન્ડન્ટ હોય.

ટેબલ: ફંક્શનલ ડિપેન્ડન્સીના પ્રકારો

ઉદાહરણ: Enrollment ટેબલ: પ્રાઇમરી કી: (Student_ID, Course_ID)

પાર્શિયલ ડિપેન્ડન્સીઝ:

• Student_ID → Student_Name (Student_Name માત્ર Student_ID પર આધાર રાખે)
• Course_ID → Course_Name (Course_Name માત્ર Course_ID પર આધાર રાખે)

સમસ્યાઓ:

• અપડેટ એનોમલી: વિદ્યાર્થીનું નામ બદલવા માટે અનેક અપડેટ્સ જરૂરી
• ઇન્સર્શન એનોમલી: કોર્સમાં નોંધણી કર્યા વિના વિદ્યાર્થી ઉમેરી શકાતો નથી
• ડિલીશન એનોમલી: નોંધણી ડિલીટ કરવાથી વિદ્યાર્થીની માહિતી ખોવાઈ શકે

સોલ્યુશન: પાર્શિયલ ડિપેન્ડન્સીઝ દૂર કરીને 2NF માં નોર્મલાઇઝ કરો

મેમરી ટ્રીક: “પાર્શિયલ ડિપેન્ડન્સી = કીનો ભાગ એટ્રિબ્યુટ નક્કી કરે”

પ્રશ્ન 5(ક) [7 ગુણ]

#

ટ્રાન્ઝેક્શન મેનેજમેન્ટમાં ઉદાહરણ સાથે Locking Mechanism પર ટૂંકી નોંધ લખો

જવાબ:

Locking Mechanism: કન્કરન્સી કંટ્રોલ ટેકનીક જે ટ્રાન્ઝેક્શન એક્ઝિક્યુશન દરમિયાન ડેટા આઇટમ્સની એકસાથે એક્સેસ અટકાવે છે.

ટેબલ: Locks ના પ્રકારો

Two-Phase Locking (2PL) પ્રોટોકોલ:

1. ગ્રોઇંગ ફેઝ: locks એક્વાયર કરો, કોઈ lock રિલીઝ ન કરો
2. શ્રિંકિંગ ફેઝ: locks રિલીઝ કરો, નવા locks એક્વાયર ન કરો

ઉદાહરણ:

Transaction T1: Read(A), Write(A), Read(B), Write(B)
Transaction T2: Read(A), Write(A), Read(C), Write(C)

T1: S-lock(A), Read(A), X-lock(A), Write(A), S-lock(B), Read(B), X-lock(B), Write(B), Unlock(A), Unlock(B)
T2: A માટે રાહ જુએ, S-lock(A), Read(A), X-lock(A), Write(A), S-lock(C), Read(C), X-lock(C), Write(C), Unlock(A), Unlock(C)

Lock Compatibility Matrix:

સમસ્યાઓ:

• ડેડલોક: બે ટ્રાન્ઝેક્શન્સ એકબીજાના locks માટે રાહ જુએ
• સ્ટાર્વેશન: ટ્રાન્ઝેક્શન lock માટે અનંત રાહ જુએ

સોલ્યુશન્સ:

• ડેડલોક ડિટેક્શન: wait-for ગ્રાફનો ઉપયોગ
• ડેડલોક પ્રિવેન્શન: ટાઇમસ્ટેમ્પ-આધારિત પ્રોટોકોલ્સ

મેમરી ટ્રીક: “Locking કોન્કરન્ટ કોન્ફ્લિક્ટ્સ અટકાવે”

પ્રશ્ન 5(અ) અથવા [3 ગુણ]

#

ટ્રાન્ઝેક્શન મેનેજમેન્ટમાં ડેડલોક સમજાવો

જવાબ:

ડેડલોક: એવી પરિસ્થિતિ જ્યાં બે અથવા વધુ ટ્રાન્ઝેક્શન્સ એકબીજાને locks રિલીઝ કરવા માટે અનંત રાહ જુએ છે, ચક્રાકાર રાહની સ્થિતિ બનાવે છે.

ટેબલ: ડેડલોકના ઘટકો

ઉદાહરણ:

Transaction T1: Lock(A), Lock(B)
Transaction T2: Lock(B), Lock(A)

સમય 1: T1 ને Lock(A) મળે
સમય 2: T2 ને Lock(B) મળે 
સમય 3: T1 Lock(B) ની રાહ જુએ - T2 પાસે છે
સમય 4: T2 Lock(A) ની રાહ જુએ - T1 પાસે છે
પરિણામ: ડેડલોક!

ડિટેક્શન: ચક્રો ઓળખવા માટે wait-for ગ્રાફનો ઉપયોગ પ્રિવેન્શન: ટાઇમસ્ટેમ્પ ઓર્ડરિંગ અથવા wound-wait પ્રોટોકોલ્સનો ઉપયોગ

મેમરી ટ્રીક: “ડેડલોક = રિસોર્સ માટે ચક્રાકાર રાહ”

પ્રશ્ન 5(બ) અથવા [4 ગુણ]

#

ઉદાહરણ સાથે ફુલ ફંક્શનલ ડિપેન્ડન્સી નું વર્ણન કરો

જવાબ:

ફુલ ફંક્શનલ ડિપેન્ડન્સી: જ્યારે કોઈ નોન-કી એટ્રિબ્યુટ સંપૂર્ણ પ્રાઇમરી કી પર ફંક્શનલી ડિપેન્ડન્ટ હોય (માત્ર તેના ભાગ પર નહીં).

ટેબલ: ડિપેન્ડન્સી તુલના

ઉદાહરણ: Enrollment ટેબલ: પ્રાઇમરી કી: (Student_ID, Course_ID)

ફુલ ફંક્શનલ ડિપેન્ડન્સીઝ:

• (Student_ID, Course_ID) → Grade ✓
• (Student_ID, Course_ID) → Hours ✓

સમજૂતી:

• Grade Student_ID અને Course_ID બંને પર આધાર રાખે (વિશિષ્ટ વિદ્યાર્થી વિશિષ્ટ કોર્સમાં)
• Hours પણ બંને પર આધાર રાખે (વિશિષ્ટ કોર્સમાં વિદ્યાર્થીના કલાકો)
• માત્ર Student_ID થી Grade નક્કી કરી શકાતો નથી
• માત્ર Course_ID થી Grade નક્કી કરી શકાતો નથી

ફાયદાઓ:

• કોઈ અપડેટ એનોમલીઝ નહીં: ફેરફારો માત્ર સંબંધિત રેકોર્ડ્સને અસર કરે
• યોગ્ય નોર્મલાઇઝેશન: 2NF આવશ્યકતાઓને સપોર્ટ કરે
• ડેટા ઇન્ટેગ્રિટી: સચોટ સંબંધો સુનિશ્ચિત કરે

મેમરી ટ્રીક: “ફુલ ડિપેન્ડન્સીને સંપૂર્ણ કીની જરૂર”

પ્રશ્ન 5(ક) અથવા [7 ગુણ]

#

ઉદાહરણ સાથે ટ્રાન્ઝેક્શનના ACID ગુણધર્મો સમજાવો

જવાબ:

ACID ગુણધર્મો: ડેટાબેસ ટ્રાન્ઝેક્શનની વિશ્વસનીયતાની બાંયધરી આપતા ચાર મૂળભૂત ગુણધર્મો.

ટેબલ: ACID ગુણધર્મો

વિગતવાર ઉદાહરણો:

Atomicity ઉદાહરણ:

BEGIN TRANSACTION;
UPDATE Account SET Balance = Balance - 1000 WHERE AccNo = 'A001';
UPDATE Account SET Balance = Balance + 1000 WHERE AccNo = 'A002';
COMMIT;

જો કોઈ પણ અપડેટ નિષ્ફળ જાય તો સંપૂર્ણ ટ્રાન્ઝેક્શન રોલબેક થાય

Consistency ઉદાહરણ:

-- પહેલાં: A001 = 5000, A002 = 3000, કુલ = 8000
-- A001 થી A002 માં 1000 ટ્રાન્સફર
-- પછી: A001 = 4000, A002 = 4000, કુલ = 8000
-- સિસ્ટમમાં કુલ પૈસા સમાન રહે

Isolation ઉદાહરણ:

T1: Read(A=100), A=A+50, Write(A=150)
T2: Read(A=100), A=A*2, Write(A=200)
સીરિયલ પરિણામ: A=300 અથવા A=250
આઇસોલેટેડ એક્ઝિક્યુશન આમાંથી એક પરિણામ આપવો જોઈએ

Durability ઉદાહરણ:

COMMIT એક્ઝિક્યુટ થયા પછી, સિસ્ટમ ક્રેશ થયા છતાં,
ટ્રાન્સફર થયેલ રકમ ડેસ્ટિનેશન એકાઉન્ટમાં રહે

અમલીકરણ:

• Atomicity: ટ્રાન્ઝેક્શન લોગ્સ અને રોલબેકનો ઉપયોગ
• Consistency: કન્સ્ટ્રેન્ટ્સ અને ટ્રિગર્સનો ઉપયોગ
• Isolation: લોકિંગ મેકેનિઝમ્સનો ઉપયોગ
• Durability: રાઇટ-અહેડ લોગિંગનો ઉપયોગ

મેમરી ટ્રીક: “ACID ટ્રાન્ઝેક્શન્સને વિશ્વસનીય રાખે”