„D” Egységes relációs séma normalizálás

Bevezetés

A „D” séma a korábbi három (A, B, C) sémák összevonásával és egységesítésével jött létre. Kiindulási alapként több, különböző forrásból származó CSV-fájl szolgált, amelyek részben eltérő szerkezetűek voltak, illetve eltérő mezőket tartalmaztak.

A 2024-es és 2025-ös adatfájlok közötti fő különbség, hogy a 2025-ös verzió tartalmazta a discount mezőt, míg a 2024-es verzió nem. A különböző forrásokból érkező táblák összehangolásával egy egységes, teljes és normalizált adatmodell jött létre.

Normalizálás lépései

Első normálforma (1NF)

  • Az eredeti CSV-fájlok több attribútuma nem atomi értékeket tartalmazott (pl. tags, genres, categories, supported_languages, full_audio_languages, packages, requirements JSON formában).

  • Az 1NF megköveteli, hogy minden attribútum csak atomi értéket vehessen fel.

  • Az ilyen mezők önálló táblákba kerültek, a kapcsolatok pedig asszociatív táblákban vannak tárolva.

    Példák: * game_subtitles + languages (felirat nyelvek) * game_audio_language + languages (hang nyelvek) * requirements – rendszerkövetelmények OS és típus (minimum/ajánlott) szerinti bontásban * game_tag + tags (címkék súlyozással) * game_genre + genres * game_category + categories * game_platform + platforms * game_package + packages + sub_package (többszintű csomagszerkezet)

Második normálforma (2NF)

  • A game tábla elsődleges kulcsa az appid.

  • A nem a játék alapadatait leíró, de az appid-tól függő adatok külön táblákba kerültek:

    • description – részletes, rövid és általános leírások

    • support – támogatási információk (URL, email)

    • media – fejléckép és háttér

    • screenshots – játékhoz tartozó képernyőképek

    • movies – videók

    • requirements – operációs rendszer és követelménytípus szerinti bontás

    • owners – tulajdonosi tartomány szöveges formában

    • languages – nyelvek (önálló entitás, amelyet a két asszociatív tábla kapcsol a játékokhoz)

    • packages – csomagok alapadatai (packid, title, description)

    • sub_package – csomag al-elemei (packid, sub_text, price)

Harmadik normálforma (3NF)

  • A tranzitív függőségek megszüntetésére az ismétlődő szöveges mezők önálló entitásokba kerültek.

  • A sok-sok kapcsolatokat asszociatív táblák kezelik:

    • game_subtitles (appid, languageid)

    • game_audio_language (appid, languageid)

    • game_tag (appid, tagid, weight)

    • game_genre (appid, genreid)

    • game_category (appid, catid)

    • game_platform (appid, platid)

    • game_developer (appid, devid)

    • game_publisher (appid, pubid)

    • game_package (appid, packid)

  • A csomagstruktúra három szinten valósul meg: * game_package – a játék és csomag kapcsolata (appid, packid) * packages – csomag alapadatai (packid, title, description) * sub_package – a csomag részletei és ára (packid, sub_text, price)

  • Ez biztosítja az adatok konzisztenciáját, minimalizálja a redundanciát és lehetővé teszi az egyszerű bővíthetőséget.

Végső séma – „D” reláció

A normalizálás eredményeként a „D” séma a következő fő relációkból áll:

  • game – játék alapadatai (név, megjelenési dátum, ár, értékelések, játszási idők, metacritic, tulajdonosok, statisztikák, és a 2025-ös verziókban a discount mező)

  • media – médiatartalmak

  • screenshots – képernyőképek

  • movies – játékhoz tartozó videók

  • support – támogatási információk

  • requirements – rendszerkövetelmények

  • description – leírások

  • tags – címkék (súlyozással)

  • genres – műfajok

  • platforms – platformok

  • categories – kategóriák

  • publishers – kiadók

  • developers – fejlesztők

  • languages – nyelvek (önálló lista, minden nyelv egyedi sorban)

  • packages – csomagok alapadatai

  • sub_package – csomag al-elemei (leírás és ár)

Kapcsolótáblák:

  • game_tag – játék–címke kapcsolat

  • game_genre – játék–műfaj kapcsolat

  • game_platform – játék–platform kapcsolat

  • game_category – játék–kategória kapcsolat

  • game_publisher – játék–kiadó kapcsolat

  • game_developer – játék–fejlesztő kapcsolat

  • game_audio_language – játék–hangnyelv kapcsolat

  • game_subtitles – játék–felirat kapcsolat

  • game_package – játék–csomag kapcsolat

Összefoglalás

A D relációs séma az előző A, B és C sémák összevonásából született meg. Fő előnyei:

  • Egységesítette a különböző CSV-forrásokból származó adatokat

  • Biztosítja az 1NF, 2NF és 3NF követelményeit

  • Megszüntette a redundáns és nem atomi mezőket

  • Külön kezeli a feliratokat (game_subtitles) és a hangnyelveket (game_audio_language)

  • A csomagokat háromszintű struktúrában kezeli (game_package → packages → sub_package)

  • Kezeli a sok-sok kapcsolatokat asszociatív táblákon keresztül

  • Tartalmaz minden fontos információt a játékokról, bővíthető módon

  • Megkülönbözteti a források közti eltéréseket (pl. discount csak a 2025-ös adatokban szerepelt)

  • Az adatok konzisztens, redundanciamentes és bővíthető adatmodellbe szerveződnek

Relációs séma diagram

D relációs séma diagram

Dictionary

Az „D” adathalmaz dictionary-je az alábbi linken érhető el: