Почему декомпозиция с потерями называется lossy? Что именно мы теряем при разложении с потерями?
Существует отношение R. Разлагается на два соотношения R1 и R2.
если R = (R1 JOIN R2), то это разложение без разделения. Это хорошо.
если R является подмножеством (R1 JOIN R2), а затем с потерей объединения.
Вот разложение с потерями в соединении, после объединения R1 и R2 мы фактически получаем больше записей, сравнимых с R. Итак, что мы теряем.
Поскольку мы имеем дело с каким-то экземпляром, R, отношение содержит фиксированное количество записей. Он также неявно содержит информацию о том, какие записи не существуют. Если соединение R1 и R2 производит дополнительные записи, мы теряем информационную целостность.
Предположим, вы использовали следующее соотношение R = (SSN, Name, Address):
R
SSN Name Address
1111 Joe 1 Pine
2222 Alice 2 Oak
3333 Alice 3 Pine
Пусть R1 = (SSN, Name) и R2 = (Name, Address).
R1 R2
SSN Name | Name Address
1111 Joe | Joe 1 Pine
2222 Alice | Alice 2 Oak
3333 Alice | Alice 3 Pine
Присоединение R1 и R2 приведет к следующей таблице:
R1 join R2
SSN Name Address
1111 Joe 1 Pine
2222 Alice 2 Oak
2222 Alice 3 Pine
3333 Alice 2 Oak
3333 Alice 3 Pine
Информация, потерянная в этом примере, - это адрес для человека 2222 и 3333. В исходном отношении R человек 2222 живет на 2 дуба. В соединении R1 и R2 человек 2222 либо живет на 2 дуба, либо 3 сосны - у нас больше нет этой информации.
Таким образом, дополнительная информация может привести к разложению с потерями. Записи не были потеряны - мы потеряли информацию о том, какие записи были в исходном отношении.