📌 Media Database – CS50 SQL Final Project

---

🎯 Purpose

This project implements a normalized and scalable SQL database for managing multimedia content such as movies, series, anime, and documentaries. It also tracks user interactions including comments, views, and subscription types. The system serves as the backend for a media streaming platform, content analytics dashboard, or recommendation engine.

---

🧭 Scope

The database supports:

• Categorization of media by genre and type
• Contributor management (directors, actors, writers, etc.)
• User profiles and subscription tracking
• User-generated content (comments)
• View tracking for analytics
• Queries for business insights (e.g., most watched media, popular genres)

---

🧱 Entities and Relationships

Main Tables:

Table Name	Description
Genre	Stores media genres
MediaType	Stores media types (e.g., Series, Anime)
Media	Core media content
Person	People involved in media
Profession	Roles of people (e.g., Director, Actor)
MediaPerson	Links people to media with specific roles
SubscriptionType	Subscription types
User	Platform users
Comment	User comments on media
WatchedMedia	Tracks which media users have watched

Relationships:

• Each media has one genre and one type
• Each person can be linked to multiple media with a profession
• Each user can have one subscription type
• Users can comment on and view multiple media
• Deletion rules maintain referential integrity (e.g., cascade on comments)

---

⚙️ Design Decisions

• Normalization: All tables are normalized to reduce redundancy
• Sparse Columns: Used for optional fields to optimize storage
• Foreign Keys with ON DELETE: Ensures data consistency
• Identity Columns: Used for auto-incrementing primary keys
• Uniqueidentifier in Users: Adds uniqueness for external integrations
• Check Constraints: Ensure data validity (e.g., score between 1–10)

---

📈 Optimizations

• Indexes: Created on foreign keys and frequently searched columns
• Sparse Columns: Reduce storage for nullable fields
• Modular Schema: Easy to extend with new media types or features
• Analytical Queries: Designed for reporting and insights

---

📄 Sample Queries Overview

The database supports analytical queries including:

• Media not watched by any user
• Media watched more than once
• Top 3 most watched media
• Most popular genre
• Activate inactive subscriptions
• Delete media by genre
• Retrieve comments by user
• Count media by genre
• Find media by specific director
• List users with premium subscriptions

These queries demonstrate the database's analytical power and real-world usability.

---

🧬 Entity Relationship Diagram (ERD)

erDiagram
    Genre ||--o{ Media : "has"
    MediaType ||--o{ Media : "has"
    Media ||--o{ MediaPerson : "involves"
    Person ||--o{ MediaPerson : "participates"
    Profession ||--o{ MediaPerson : "with role"
    SubscriptionType ||--o{ User : "subscribes"
    User ||--o{ Comment : "writes"
    Media ||--o{ Comment : "receives"
    User ||--o{ WatchedMedia : "views"
    Media ||--o{ WatchedMedia : "viewed in"

    Genre {
        TINYINT GenreId PK
        NVARCHAR Name_Genre
    }

    MediaType {
        TINYINT TypeId PK
        NVARCHAR Type_Name
    }

    Media {
        BIGINT MediaId PK
        NVARCHAR Title
        NVARCHAR Description
        NVARCHAR Awards
        DATE ReleaseDate
        TINYINT Score
        TINYINT GenreId FK
        TINYINT TypeId FK
        SMALLINT Duration
        NVARCHAR Language
    }

    Person {
        INT PersonId PK
        NVARCHAR FullName
    }

    Profession {
        INT ProfessionId PK
        NVARCHAR ProfessionName
    }

    MediaPerson {
        BIGINT MediaPersonId PK
        BIGINT MediaId FK
        INT PersonId FK
        INT ProfessionId FK
    }

    SubscriptionType {
        TINYINT SubscriptionTypeId PK
        NVARCHAR SubscriptionName
    }

    User {
        INT UserId PK
        NVARCHAR FirstName
        NVARCHAR LastName
        NVARCHAR Username
        NVARCHAR Phone
        VARCHAR PasswordHash
        NVARCHAR Email
        UNIQUEIDENTIFIER Uniqueidentifier
        NVARCHAR Bio
        TINYINT SubscriptionTypeId FK
        DATETIME CreatedDate
    }

    Comment {
        BIGINT CommentId PK
        NVARCHAR CommentText
        INT UserId FK
        BIGINT MediaId FK
        DATETIME CreatedDate
    }

    WatchedMedia {
        INT WatchedMediaId PK
        INT UserId FK
        BIGINT MediaId FK
        DATETIME WatchedDate
    }

Loading

---

🎥 Video Overview

A short video has been recorded and uploaded to YouTube, showcasing:

• Project overview and schema
• ERD walkthrough
• Sample queries and results
• Author and project metadata

🔗 Watch the video here

---

📋 Implementation Notes

The database schema has been optimized for:

1. Performance: Indexes on foreign keys and frequently queried columns
2. Scalability: Normalized structure with minimal redundancy
3. Flexibility: Sparse columns for optional fields
4. Data Integrity: Foreign key constraints with appropriate delete actions
5. Analytics: Support for complex queries on user behavior and content popularity

---

🚀 Setup & Usage

📦 Requirements

• SQL Server (e.g., Microsoft SQL Server or Azure SQL)
• SQL Server Management Studio (SSMS) or any SQL client
• Basic familiarity with running SQL scripts

⚙️ Installation Steps

1. Clone the repository

   git clone https://github.com/sorna-fast/media-database-cs50sql.git
   cd media-database-cs50sql

2. Open SQL Server Management Studio (SSMS)
   Or use any SQL client connected to your local or cloud SQL Server.

3. Run the schema

   • Open schema.sql
   • Execute the script to create the database and all tables

4. Insert sample data

   • Open queries.sql
   • Run the INSERT statements to populate the database with sample genres, media, users, and relationships

5. Test queries

   • Run the SELECT, UPDATE, and DELETE queries to explore the database functionality

---

👤 Author Information

• Name: Masoud Ghasemi
• GitHub: sorna-fast
• email: masudpythongit@gmail.com
• Telegram: https://t.me/Masoud_Ghasemi_sorna_fast

---

---

---

📌 مستندات پروژه پایگاه داده رسانه‌ای – پروژه نهایی CS50 SQL

🎯 هدف پروژه

این پروژه یک پایگاه داده SQL نرمال‌سازی‌شده و مقیاس‌پذیر برای مدیریت محتوای چندرسانه‌ای مانند فیلم‌ها، سریال‌ها، انیمه‌ها و مستندهاست. همچنین تعاملات کاربران مانند نظرات، بازدیدها و نوع اشتراک آن‌ها را ثبت می‌کند. این سیستم می‌تواند به‌عنوان بک‌اند یک پلتفرم پخش رسانه، داشبورد تحلیلی یا موتور پیشنهاددهنده عمل کند.

---

🧭 دامنه پروژه

پایگاه داده از موارد زیر پشتیبانی می‌کند:

• دسته‌بندی رسانه‌ها بر اساس ژانر و نوع
• مدیریت عوامل تولید (کارگردان، بازیگر، نویسنده و ...)
• پروفایل کاربران و نوع اشتراک آن‌ها
• ثبت نظرات کاربران
• ردیابی بازدیدهای کاربران
• اجرای کوئری‌های تحلیلی برای گزارش‌گیری و بینش‌های آماری

---

🧱 موجودیت‌ها و روابط

جداول اصلی:

نام جدول	توضیحات
Genre	ذخیره ژانرهای رسانه
MediaType	ذخیره انواع رسانه (مثلاً سریال، انیمه)
Media	اطلاعات اصلی رسانه
Person	افراد دخیل در تولید رسانه
Profession	نقش‌های افراد (مثلاً کارگردان، بازیگر)
MediaPerson	ارتباط افراد با رسانه و نقش آن‌ها
SubscriptionType	انواع اشتراک کاربران
User	اطلاعات کاربران
Comment	نظرات کاربران روی رسانه
WatchedMedia	رسانه‌هایی که توسط کاربران مشاهده شده‌اند

روابط:

• هر رسانه دارای یک ژانر و یک نوع است
• هر فرد می‌تواند در چند رسانه با نقش خاصی حضور داشته باشد
• هر کاربر دارای یک نوع اشتراک است
• کاربران می‌توانند روی چند رسانه نظر بدهند و آن‌ها را مشاهده کنند
• قوانین حذف برای حفظ یکپارچگی داده‌ها تنظیم شده‌اند

---

⚙️ تصمیمات طراحی

• نرمال‌سازی: تمام جداول نرمال‌سازی شده‌اند تا از تکرار داده جلوگیری شود
• ستون‌های پراکنده: برای فیلدهای اختیاری جهت بهینه‌سازی فضای ذخیره‌سازی
• کلیدهای خارجی با ON DELETE: برای حفظ انسجام داده‌ها
• کلیدهای اصلی خودافزاینده: برای ساده‌سازی درج داده‌ها
• شناسه یکتا در کاربران: برای یکپارچگی بیشتر و امکان اتصال به سیستم‌های خارجی
• محدودیت‌های بررسی: برای اعتبارسنجی داده‌ها (مثلاً امتیاز بین ۱ تا ۱۰)

---

📈 بهینه‌سازی‌ها

• ایندکس‌ها: روی کلیدهای خارجی و ستون‌های پرتکرار ایجاد شده‌اند
• ستون‌های پراکنده: فضای ذخیره‌سازی را برای فیلدهای اختیاری کاهش می‌دهند
• ساختار ماژولار: امکان توسعه آسان با افزودن نوع رسانه یا ویژگی‌های جدید
• کوئری‌های تحلیلی: برای گزارش‌گیری و بینش‌های آماری طراحی شده‌اند

---

📄 مرور کوئری‌های نمونه

پایگاه داده از کوئری‌های تحلیلی زیر پشتیبانی می‌کند:

• رسانه‌هایی که هیچ کاربری مشاهده نکرده
• رسانه‌هایی که بیش از یک‌بار مشاهده شده‌اند
• سه رسانه پربازدید
• محبوب‌ترین ژانر
• فعال‌سازی اشتراک‌های غیرفعال
• حذف رسانه‌های ژانر کمدی
• دریافت نظرات یک کاربر خاص
• شمارش رسانه‌ها بر اساس ژانر
• یافتن رسانه‌های ساخته‌شده توسط یک کارگردان خاص
• کاربران دارای اشتراک پریمیوم

این کوئری‌ها قدرت تحلیلی و کاربرد واقعی پایگاه داده را نشان می‌دهند.

---

🧬 نمودار موجودیت-رابطه (ERD)

erDiagram
    Genre ||--o{ Media : "has"
    MediaType ||--o{ Media : "has"
    Media ||--o{ MediaPerson : "involves"
    Person ||--o{ MediaPerson : "participates"
    Profession ||--o{ MediaPerson : "with role"
    SubscriptionType ||--o{ User : "subscribes"
    User ||--o{ Comment : "writes"
    Media ||--o{ Comment : "receives"
    User ||--o{ WatchedMedia : "views"
    Media ||--o{ WatchedMedia : "viewed in"

    Genre {
        TINYINT GenreId PK
        NVARCHAR Name_Genre
    }

    MediaType {
        TINYINT TypeId PK
        NVARCHAR Type_Name
    }

    Media {
        BIGINT MediaId PK
        NVARCHAR Title
        NVARCHAR Description
        NVARCHAR Awards
        DATE ReleaseDate
        TINYINT Score
        TINYINT GenreId FK
        TINYINT TypeId FK
        SMALLINT Duration
        NVARCHAR Language
    }

    Person {
        INT PersonId PK
        NVARCHAR FullName
    }

    Profession {
        INT ProfessionId PK
        NVARCHAR ProfessionName
    }

    MediaPerson {
        BIGINT MediaPersonId PK
        BIGINT MediaId FK
        INT PersonId FK
        INT ProfessionId FK
    }

    SubscriptionType {
        TINYINT SubscriptionTypeId PK
        NVARCHAR SubscriptionName
    }

    User {
        INT UserId PK
        NVARCHAR FirstName
        NVARCHAR LastName
        NVARCHAR Username
        NVARCHAR Phone
        VARCHAR PasswordHash
        NVARCHAR Email
        UNIQUEIDENTIFIER Uniqueidentifier
        NVARCHAR Bio
        TINYINT SubscriptionTypeId FK
        DATETIME CreatedDate
    }

    Comment {
        BIGINT CommentId PK
        NVARCHAR CommentText
        INT UserId FK
        BIGINT MediaId FK
        DATETIME CreatedDate
    }

    WatchedMedia {
        INT WatchedMediaId PK
        INT UserId FK
        BIGINT MediaId FK
        DATETIME WatchedDate
    }

Loading

---

🎥 معرفی ویدیویی پروژه

یک ویدیوی کوتاه ضبط شده و در YouTube آپلود شده که شامل موارد زیر است:

• معرفی کلی پروژه و ساختار پایگاه داده
• بررسی نمودار ERD
• اجرای نمونه کوئری‌ها و نمایش نتایج
• اطلاعات نویسنده و متادیتای پروژه

🔗 مشاهده ویدیو

---

📋 نکات اجرایی و پیاده‌سازی

ساختار پایگاه داده برای موارد زیر بهینه‌سازی شده است:

1. عملکرد: ایندکس روی کلیدهای خارجی و ستون‌های پرتکرار
2. مقیاس‌پذیری: ساختار نرمال‌سازی‌شده با حداقل افزونگی
3. انعطاف‌پذیری: ستون‌های پراکنده برای فیلدهای اختیاری
4. یکپارچگی داده: کلیدهای خارجی با رفتارهای حذف مناسب
5. تحلیل‌پذیری: پشتیبانی از کوئری‌های پیچیده برای رفتار کاربران و محبوبیت محتوا

---

🚀 نصب و اجرا

📦 پیش‌نیازها

• SQL Server (مثلاً Microsoft SQL Server یا Azure SQL)
• نرم‌افزار SQL Server Management Studio (SSMS) یا هر کلاینت SQL دیگر
• آشنایی اولیه با اجرای اسکریپت‌های SQL

⚙️ مراحل نصب

1. کلون کردن ریپازیتوری

   git clone https://github.com/sorna-fast/media-database-cs50sql.git
   cd media-database-cs50sql

2. باز کردن SSMS یا کلاینت SQL
   به دیتابیس محلی یا ابری خود متصل شوید.

3. اجرای فایل schema.sql

   • فایل schema.sql را باز کنید
   • اسکریپت را اجرا کنید تا دیتابیس و جدول‌ها ساخته شوند

4. درج داده‌های نمونه

   • فایل queries.sql را باز کنید
   • دستورات INSERT را اجرا کنید تا داده‌های نمونه وارد شوند

5. اجرای کوئری‌ها

   • دستورات SELECT, UPDATE, و DELETE را اجرا کنید تا عملکرد پایگاه داده را بررسی کنید

---

👤 اطلاعات نویسنده

• نام: مسعود قاسمی
• گیت‌هاب: sorna-fast
• ایمیل: masudpythongit@gmail.com

---