Veri Tabanı Tasarımı 2025-2026 Final
Kaynak: https://lolonolo.com/2026/01/22/veri-tabani-tasarimi-2025-2026-final-sorulari/
📖 Konu özeti (sınav öncesi tekrar)
Veri Tabanı Tasarımı 2025-2026 Final Soruları
Veriden Bilgeliğe: DIKW Hiyerarşisi
Veri tabanı tasarımının temelinde verinin anlamlandırılması süreci yatar. Bilgi Yönetimi literatüründe bu süreç DIKW Hiyerarşisi (Veri, Enformasyon, Bilgi, Bilgelik) ile açıklanır. Bu piramidin en altında yer alan Veri (Data), henüz işlenmemiş ve bir bağlama oturtulmamış ham gerçekleri temsil eder. Örneğin tek başına “7” sayısı bir veridir ve üzerinden bir yargıya varılamaz. Bu verinin “Hava sıcaklığı 7 derece” şeklinde anlamlı bir yapıya kavuşması Enformasyon aşamasıdır. Enformasyonun deneyim ve analizle birleşerek “Hava soğuk, mont giymeliyim” sonucuna varması Bilgi düzeyini; tüm bu birikimin doğru kararlar vermede kullanılması ise Bilgelik seviyesini ifade eder.
Veri Tabanı Nesneleri ve Varlık İlişkileri
Veri tabanları, gerçek dünya varlıklarını (Entity) temsil eden tablolardan oluşur. Başarılı bir tasarımda tabloların iş mantığına uygun seçilmesi kritiktir. Örneğin bir banka veri tabanında müşteri, hesap ve transfer tabloları zorunluyken; “araç” tablosu ana faaliyetle ilgisiz olduğu için en az uygun olanıdır. Benzer şekilde, bir konferans sisteminde katılımcı ve oturum tabloları esasken, “ürün” tablosu sistem dışı kalabilir. Değişken isimlendirmelerinde ise boşluk içermeyen, standartlara uygun (örneğin sonGorulmeTarihi gibi) yapılar tercih edilmelidir.
Tablolar arasındaki bağlantılar (kardinalite) tasarımın iskeletini oluşturur. Bire-Bir (1:1) ve Bire-Çok (1:N) ilişkilerin yanı sıra, özellikle Çoğa-Çok (M:N) ilişkiler sıklıkla karşımıza çıkar. Tiyatro oyunları ve sahneler arasındaki ilişki veya müşteri ile ürün arasındaki bağ “çoğa-çok” türündedir. Veri tabanı mantığında “Çoğa Az” diye standart bir ilişki türü bulunmaz; nicelik her zaman “Çok” olarak ifade edilir.
Normalizasyon ve Fonksiyonel Bağımlılık
Veri tabanında veri tekrarını (redundancy) önlemek ve tutarlılığı artırmak için uygulanan sürece Normalizasyon denir. Bu süreç fonksiyonel bağımlılık analizi ile başlar. Fonksiyonel bağımlılık ifadesinde sol taraf (Belirleyen), sağ tarafı tekil olarak belirlemelidir; bu nedenle ePosta gibi benzersiz nitelikler anahtar olmaya en uygun adaylardır. Normalizasyon aşamaları şunlardır:
Normalizasyonun sonucu veri hacminin kontrolsüz artması değil; aksine verinin optimize edilmesi, erişim hızının artması ve tasarımın iyileşmesidir.
Veri Ambarı ve Yıldız Şema (Star Schema)
Analitik sistemlerde ve veri ambarlarında, sorgulama performansını maksimize etmek için Yıldız Şema mimarisi kullanılır. Bu yapıda, merkezde sürekli kayıt alan ve sayısal verileri tutan devasa bir Olay (Fact) tablosu bulunur. Bu tablonun etrafında ise veriyi niteleyen (zaman, yer, ürün) Boyut (Dimension) tabloları yer alır. Yıldız şema, ilişkisel veri tabanlarının karmaşık join işlemlerini basitleştirerek hızlı raporlama imkanı sunar.
Veri Güvenliği: Özetleme (Hashing) Teknikleri
Veri tabanı güvenliğinde kullanıcı şifreleri asla açık metin olarak saklanmaz. Bunun yerine Özetleme (Hashing) yöntemi tercih edilir. Hashing, girdi boyutu ne olursa olsun, veriyi sabit boyutta karakter dizisine dönüştüren tek yönlü bir fonksiyondur. Bu işlem veriyi “sıkıştırmak” veya “küçültmek” değil; matematiksel olarak eşsiz bir imza oluşturmaktır. Veri tabanı çalınsa bile, saldırganlar şifrelerin aslına ulaşamaz; sadece karmaşık özet değerleri görürler.
Veri Tabanı Yönetim Sistemleri (VTYS)
VTYS (DBMS), verinin saklanması, yedeklenmesi, kullanıcı yetkilendirmesi ve bilgisayar programlarının veriye erişimi gibi çekirdek görevleri üstlenir. Ancak “Verinin grafiklerle görselleştirilmesi” VTYS’nin asli işlevi değil; ön yüz uygulamalarının ve iş zekası araçlarının sorumluluğundadır. Geleneksel dosya saklama, hiyerarşik ve ağ veri tabanları eski yöntemlerken; Web Servisler bir veri saklama türü değil, veri iletim teknolojisidir.
Ders kapsamında sütun (değişken) adları için camelCase kullanımı önerilir: ilk kelime küçük, sonraki kelimelerin baş harfi büyük yazılır, boşluk ve Türkçe karakter kullanılmaz. sonGorulmeTarihi bu kurala uyar. Boşluk içeren adlar geçersizdir; tamamen küçük harfle bitişik yazılan adlar da okunaksızdır.
1. Veri (Data): Ham gerçekler (Örn: 100, Kırmızı).
2. Enformasyon (Information): İşlenmiş, anlamlı hale gelmiş veri (Örn: Hız 100 km/s).
3. Bilgi (Knowledge): Enformasyonun deneyim ve analizle birleşmesi (Örn: Bu yolda 100 km/s hız tehlikelidir).
4. Bilgelik (Wisdom): Bilginin doğru karar vermede kullanılması (Örn: Hızı düşürmeliyim).
Doğru sıralama Veri -> Enformasyon -> Bilgi -> Bilgelik şeklindedir.
– Ad, Soyad, Adres veya Başlık; birden fazla kişide veya kayıtta aynı olabilir (Tekil değildir).
– e-Posta adresi ise kişiye özeldir ve benzersizdir (Unique). Bir e-posta adresi bilindiğinde, o kişiye ait diğer bilgilere (Ad, Soyad vb.) kesin olarak ulaşılabilir. Bu nedenle anahtar (key) olmaya en uygun adaydır.
Verilerin satır (kayıt) ve sütun (değişken) yapısında düzenlendiği yapıya veri kümesi (dataset) denir. Veri tabanı ise birçok tabloyu ve bunlar arasındaki ilişkileri barındıran daha geniş bir yapıdır.
1. Bire-Bir (1:1)
2. Bire-Çok (1:N) – veya tersi Çoğa-Bir (N:1)
3. Çoğa-Çok (M:N)
Literatürde “Çoğa Az” (Many-to-Few) diye standart bir ilişki tanımlaması bulunmamaktadır. “Az” kavramı sayısal bir belirsizlik içerir ve veri tabanı mantığında “Çok” (N) kavramının karşılığıdır.