Datenbanken in der Bioinformatik
|
|
- Artur Ackermann
- vor 5 Jahren
- Abrufe
Transkript
1 Datenbanken in der Bioinformatik Kapitel 5 Modellierungsalternativen Institut für Informatik Vorläufiges Inhaltsverzeichnis 1. Grundlagen 2. Klassifizierung von BioDB, Überblick 3. Spezialanwendungen 4. Datenmodelle und Anfragesprachen 5. Modellierungsalternativen 6. Versionierung von Datenbeständen 7. Annotationskonzept 8. Datenintegration: Ansätze und Systeme 9. Matching: Ontologien, Schema, Objekte 10. Scientific Computing 1
2 Lernziele Kennen und Anwenden verschiedener Modellierungsalternativen Anwendungsszenarien je Alternative Gliederung Motivation Anforderungen Applikationsspezifische Schemata Modelle zur generischen Speicherung Multidimensionale Speicherung Open vs. Closed World Assumption Ausblick 2
3 Motivation Unterschiedliche Szenarien der Datenverwaltung mit verschiedenen Anforderungen Klinische Studien Genetische Analysen, z.b. Genexpression, Sequenzierung Beschreibungen von biol. Objekten unter Nutzung von Ontologien Zielrichtungen Veränderung von Anforderungen Neue oder Wegfall von Daten: Entitäten, Attribute Veränderungen am Schema Auswirkung auf abhängige Programme, Auswertungen Analyse großer Volumina von Daten Schnelle Anfrageverarbeitung trotz vieler Daten Bezugnahme auf Daten anderer Datenquellen Anforderungen Korrekte Erfassung und Modellierung von Entitäten und deren Attributen Erweiterbarkeit des Schema (Schemaevolution?) Flexibiltät bzgl. Aufnahme neuer Entitäten (bislang fremde Datenarten) und Attribute Schnelle Anfrageverarbeitung 3
4 Schema-Alternativen Schema wird im Prozess der Datenmodellierung erstellt Alternativen Applikationsspezifische Schemata Generische Schemata Multidimensionale Schemata 'Open World' Schemata Kombination verschiedener Alternativen möglich Applikationsspezifische Schemata Erstellung des Schemas ausgerichtet auf eine Applikation Abbildung von Realwelt-Sachverhalten in Entitäten, die mit einer Menge von Attributen beschrieben werden Beziehungen zwischen Entitäten Relationale Schemata: 2./3. Normalform Restriktionen über DB-Constraints (Null?, ) Vorteile/Nachteile 4
5 Beispiel Abbildung einer Menge von Genen mit ihrer Lokalisation Schema Schema mit gene id region id fk symbol start position stop position Instanzdaten TAPBP SFRS Gene Sequence Region region id region name 341 Chrom Chrom. 6 Beispielanfrage π (δ (Gene SequenceRegion)) Gene.symbol, Gene.start position, Gene.stop position Sequence Region. region name = 'Chrom. 6' Gene.region id fk = Sequence Region.region id Problemspezifische Erweiterungen Problem: Unterschiedliche Typen einer Entität mit spezifischen Attributen Lösungsansätze Sammlung aller Attribute in einer Entität Verwendung unspezifischer Attribute, zb Field000 (Attributename ohne Semantik, Datentyp) Trennung in typspezifische Entitäten (Tabellen) Basis-Entität mit typspezifischen Erweiterungsentitäten (spezielle Sub-Tabellen) Vorteile/Nachteile 5
6 Generische Schemata Generisch: Schema ist unabhängig von der Applikation und damit für viele Anwendungen (wieder-) verwendbar Ausgewählte Ansätze Entity Attribute Value (EAV) relationale Schemata (Varianten) Name Type Value (NTV) vorwiegend im Bereich XML Resource Description Framework (RDF) Vorteile: Einfachheit, robust gegenüber Änderungen Nachteile: Semantik wird in Instanzdaten kodiert, aufwändige Anfragegenerierung und verarbeitung, steigende Anzahl von Tupel, Performanz? Beispiel EAV Abbildung einer Menge von Genen und ihrer Lokalisation unter Nutzung des EAV-Ansatzes Schema Schema mit Instanzdaten Gene Entity entity accession id 1 ENS0815 Value attribute entity value id fk id fk TAPBP Attribute attribute attribute name id symbol start position 6
7 Multidimensionale Schemata Modellierungsparadigma für Data Warehouses und Data Marts Dimensionen: Beschreibungen von Einflussgrößen Fakten: numerische Daten, die von Dimensionen beeinflusst werden Dimension 1 Beispiel: Data Cube mit drei Dimensionen Dimension 2 Dimension 3 Multidimensionale Schemata cont. Erweiterbarkeit und Skalierbarkeit Hinzufügen neuer Instanzdaten (Dimensionsdaten + Fakten) ohne Änderungen am zugrunde liegenden Datenmodell Hinzufügen neuer Dimensionen und Fakten Multidimensionale Selektion und Analyse Einfache Selektion, Aggregation und Vergleich der Fakten Dimension 1 Dimension 1 Dimension 1 Dimension 2 Dimension 2 Dim. 2 Dimension 3 Dimension 3 Dimension 3 7
8 Beispiel Expressionssignale pro Gen und Chip, die in einem Expressionsexperiment gemessen wurden Dimensionen: Gene, Chip, Analysis Fakten: Signal 'Open World' Schemata 'Closed World Assumption': Alle Datenobjekte sind innerhalb des Schemas bekannt und beschrieben 'Open World Assumption': schemaübergreifende Beschreibung von Objekten unter Nutzung von spezifischen Objekt-Referenzen Referenz: Verbindung zwischen zwei Objekten aus zwei getrennten Datenquellen Vorteile: Rückgriff auf bestehende Objektbeschreibungen in anderen Datenquellen möglich Nachteil: Datenintegration notwendig, wenn Verknüpfung der Daten benötigt wird 8
9 Referenzen Referenzen zwischen zwei Mengen von Genen zweier Datenquellen und der ontologischen Beschreibung ihrer molekularen Funktion Zuordnung über Mapping-Tabellen Quelle 2 Gene Quelle 1 Funkt. Ref Gen Ref Quelle 3 Gene Molekulare Funktionen Beispiel Abbildung einer Menge von Genen mit ihrer Lokalisation und Beschreibung molekularer Funktionen Objekt-Referenz; Objekt ist in einer anderen Schema (Auszug für Quelle Datenquelle beschrieben 1 ) 9
10 Kombination verschiedener Alternativen Hybrid (Genattribute teilweise appl.-spez. + generisch) Referenzen zu anderen Datenquellen (Mapping-Tabelle) Performanzsteigerung durch mgl. materialisierte Sichten über Genattribute Ausblick: Datenmanagement in der Cloud Cloud: Nutzung verfügbarer Ressourcen von (externen) Anbietern: Compute-, Storage-Ressourcen Übergang von monolithischen zu dynamischen Informationssystem-strukturen Nutzung "on-demand" Abrechnung nach Ver-/Gebrauch Zugriff über geeignete Schnittstellen: REST, WS-API Beispiele für gegenwärtige Cloud-Lösungen Amazon Simple DB, Elastic Compute Cloud (EC2) Google App Engine incl. BigTable Yahoo Cloud Offene Fragen: Performanz, Skalierbarkeit, Datenschutz, 10
11 Ausblick: Datenmanagement in der Cloud II Beispiel: Abbildung einer Menge von Genen und ihre Lokalisation unter Nutzung von REST Begrenzte Menge von Operatoren (Amazon SimpleDB*) CreateDomain, ListDomains, DeleteDomain PutAttributes, GetAttributes, DeleteAttributes Select, Query PUT(domain,MeineGene)(item,Ens0815),(region,chrom. 1),(function,transport) PUT(domain,MeineGene)(item,Ens0816),(region,chrom. 1),(start,200),(stop,250) Domäne: MeineGene * item region start stop function Ens0815 chrom. 1 transport Ens0816 chrom Zusammenfassung Verschiedene Möglichkeiten der Datenverwaltung Unterschiedliche Modellierungsformen: Schema- Alternativen Applikationsspezifische Schemata Generische Schemata Multidimensionale Schemata 'Open World' Schemata Optimale Lösung ist abhängig von gegebenen Anforderungen und Rahmenbedingungen Oftmals Kombination der verschiedenen Modellierungsparadigmen 11
12 Noch Fragen? 12
Inhaltsverzeichnis. 1 Einleitung Motivation und Umfeld Zielsetzung der Arbeit Methodisches Vorgehen und Aufbau der Arbeit 3
Inhaltsverzeichnis 1 Einleitung 1 1.1 Motivation und Umfeld 1 1.2 Zielsetzung der Arbeit 2 1.3 Methodisches Vorgehen und Aufbau der Arbeit 3 2 Grundlagen des Feuerwehrwesens 5 2.1 Kategorisierung der Feuerwehren
MehrDatenbanken Grundlagen und Design
Frank Geisler Datenbanken Grundlagen und Design 3., aktualisierte und erweiterte Auflage mitp Vorwort 15 Teil I Grundlagen 19 i Einführung in das Thema Datenbanken 21 i.i Warum ist Datenbankdesign wichtig?
MehrInhalt. 1 Einleitung Warum dieses Buch? Der rote Faden Danksagung URL zum Buch 4. TEIL I Einführung 5
Inhalt 1 Einleitung 1 1.1 Warum dieses Buch? 1 1.2 Der rote Faden 2 1.3 Danksagung 3 1.4 URL zum Buch 4 TEIL I Einführung 5 2 XML-Grundlagen 7 2.1 Einleitung 7 2.2 WasistXML? 7 2.3 Dokumenttypen und Namensräume
Mehr- Gewinnung neuer Informationen durch Berechnungen - Einsatz graphischer Mittel zur Präsentation / Visualisierung von Datenreihen
Informatik Datenbank/Datenmodell 1 Übersicht Standardsoftware Textverarbeitung - Informationen "gestalten/darstellen" durch * sprachliche Mittel * Hervorhebung bzw. Unterdrückung von Inhalten * Kombination
MehrWie modelliere ich mein Core Data Warehouse?
Wie modelliere ich mein Core Data Warehouse? Dani Schnider Trivadis AG Zürich/Glattbrugg, Schweiz Schlüsselworte: Data Warehouse, Datenmodellierung, Historisierung Einleitung Das Core dient im Data Warehouse
MehrBio Data Management (BioDM)
Bio Data Management (BioDM) Kapitel 0 Organisation Wintersemester 2014/15 Dr. Anika Groß Universität Leipzig, Institut für Informatik, Abteilung Datenbanken http://dbs.uni-leipzig.de DBS-Module Master-Studium
MehrII Heterogenität und Architekturen
II Heterogenität und Dr. Armin Roth arminroth.de 24.04.2013 Dr. Armin Roth (arminroth.de) II Heterogenität und 24.04.2013 1 / 24 Agenda 1 Semantische Heterogenität 2 Architekturparadigmen PDMS Dr. Armin
MehrDatenzugriffskomponente mit JPA 2.1
Datenzugriffskomponente mit JPA 2.1 (Grundlagen der Java Persistence Architecture) Vladislav Faerman Gliederung Einführung Konfiguration Objekt-Relationales Mapping (ORM) mit JPA Das zentrale Konzept der
MehrXML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG
Mittwoch, 9. November 2005 13h00, Bruno-Schmitz-Saal 18. Deutsche ORACLE-Anwenderkonferenz XML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG Volker Husemann Thyssen Krupp Stahl
MehrDatenbanken in der Bioinformatik
Datenbanken in der Bioinformatik Kapitel 3 Spezialanwendungen http://dbs.uni-leipzig.de Institut für Informatik Vorläufiges Inhaltsverzeichnis 1. Grundlagen 2. Klassifizierung von BioDB, Überblick 3. Spezialanwendungen
MehrAgenda. Datenauszeichnung mit RDF. Rahmen für semantische Technologien. XML als Basis-Technologie. Wiederholungsübung XML
Agenda Datenauszeichnung mit RDF Rahmen für semantische Technologien XML als Basis-Technologie Wiederholungsübung XML Grafische Datenmodellierung mit RDF XML-Syntax für RDF Übung RDF/XML Turtle-Syntax
MehrDaniel Warner SQL. Das Praxisbuch. Mit 119 Abbildungen. Franzis
Daniel Warner SQL Das Praxisbuch Mit 119 Abbildungen Franzis Inhaltsverzeichnis Teil I - Einleitung 15 1 Einleitung 17 1.1 Zum Aufbau des Buchs 17 1.2 Hinweise zur Buch-CD 18 1.3 Typografische Konventionen
MehrDas diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen
Das diesem Dokument zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 16OH21005 gefördert. Die Verantwortung für den Inhalt dieser
MehrTeil II: Architektur eines Data-Warehouse-Systems... 57
O:/Wiley/Reihe_Dummies/9783527714476_Gerken/3d/ftoc.3d from 08.08.2018 14:02:02 Auf einen Blick Einleitung... 19 Teil I: Was ist ein Data Warehouse?... 25 Kapitel 1: Ein Beispiel zur Einführung..... 27
Mehr7. XML-Datenbanksysteme und SQL/XML
7. XML-Datenbanksysteme und SQL/XML Native XML-DBS vs. XML-Erweiterungen von ORDBS Speicherung von XML-Dokumenten Speicherung von XML-Dokumenten als Ganzes Generische Dekomposition von XML-Dokumenten Schemabasierte
MehrInformationssysteme für Ingenieure
Informationssysteme für Ingenieure Vorlesung Herbstsemester 2016 Überblick und Organisation R. Marti Organisation Web Site: http://isi.inf.ethz.ch Dozent: Robert Marti, martir ethz.ch Assistenz:??
MehrCommon Warehouse Metamodel und Imperfektion
Common Warehouse Metamodel und Imperfektion Christoph Goebel Imperfektion und erweiterte Konzepte im Data Warehousing 2 Fragestellungen Welche Bedeutung haben Metadaten in der Information Supply Chain
MehrInhaltsverzeichnis. 1 Einleitung 1. 2 Aufbau von Data-Warehouse-Systemen 15. Lehner, Wolfgang Datenbanktechnologie für Data-Warehouse-Systeme 2003
1 Einleitung 1 1.1 Betriebswirtschaftlicher Ursprung des Data Warehousing 2 1.2 Statistischer Ursprung des Data Warehousing 5 1.3 Fòderativer Ursprung des Data Warehousing 7 1.4 Definition eines Data-Warehouse-Systems
MehrKapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen
Datenintegration Datenintegration Kapitel 3: Eigenschaften von Integrationssystemen Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Einordnung
MehrSchema Mapping. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
Dr. Armin Roth arminroth.de 25.04.2013 Dr. Armin Roth (arminroth.de) II Schema Mapping 25.04.2013 1 / 23 Agenda 1 Wiederholung: Schema Matching / Integration 2 Schema Mapping Definitionen Beispiel Algorithmus
MehrData Warehousing 0-1. Lehrveranstaltungen zu Datenbanken (WS09/10) DBS 2 (SS, 2+1) DBS2. Implementierung von DBS 1. Implementierung von DBS 2 IDBS1
Data Warehousing Kapitel 0: Organisatorisches Dr. Andreas Thor Wintersemester 2009/10 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 0-1 Lehrveranstaltungen zu Datenbanken (WS09/10)
MehrAnpassung eines Metamodells zur Beschreibung von imperfekten Daten in einem Data-Warehouse. Studienarbeit Nils Hilt
Anpassung eines Metamodells zur Beschreibung von imperfekten Daten in einem Data-Warehouse Studienarbeit Nils Hilt April 2005 Motivation CWM Analyse-Tool Staumeldung: vertrauenswürdig? Metadaten Daten
Mehr1 Business-Intelligence-Architektur 1
D3kjd3Di38lk323nnm xi 1 Business-Intelligence-Architektur 1 1.1 Data Warehouse....................................... 1 1.2 OLAP und mehrdimensionale Datenbanken.................. 4 1.3 Architekturvarianten....................................
MehrData-Warehouse-Praktikum
Data-Warehouse-Praktikum WS 18/19 Universität Leipzig, Institut für Informatik Abteilung Datenbanken Prof. Dr. E. Rahm V. Christen, M. Franke, Z. Sehili {christen, franke, sehili}@informatik.uni-leipzig.de
MehrKundenbetr K euer undenbetr - euer Er - we w iterung it für für OLAT Tom To -Michael Hesse Hesse
Kundenbetreuer-Erweiterung für OLAT Tom-Michael Hesse 15.06.2009 Gliederung 1) Überblick über die Pakete Record BBAddressManagement BBContactManagement 2) Vorstellung ausgewählter Aspekte Branchen, PersonRole
MehrETL-Industrialisierung mit dem OWB Mapping Generator. Irina Gotlibovych Senior System Beraterin
ETL-Industrialisierung mit dem OWB Mapping Generator Irina Gotlibovych Senior System Beraterin MT AG managing technology Daten und Fakten Als innovativer Beratungs- und IT-Dienstleister zählt die MT AG
MehrVorlesungsplan. Navigation: Beispiel. Navigation. Zugriffsmethoden in Bio- Datenbanken
Vorlesungsplan 1. Übersicht 2. Datenmodelle Textdateien, Entry-Modell Relationale DB XML 3. Genom-DB 4. Genexpressions-DB 5. Protein-DB 6. Pathway-DB 7. Publikations-DB 1. OWL & Ontologien 8. Zugriff und
MehrAmazon s database in the Cloud. Ralf Westphal, ralfw@ralfw.de, http://www.ralfw.de. Freier Autor, Berater, Entwickler und Trainer
SimpleDB Amazon s database in the Cloud Ralf Westphal, ralfw@ralfw.de, http://www.ralfw.de Freier Autor, Berater, Entwickler und Trainer www.prodevcollege.de There is more than Hierarchical databases Relational
MehrXML und Datenbanken. Tobias Lohmann Michael Mussil Mark Wiesemann. 4. Februar 2003
XML und Datenbanken Tobias Lohmann Michael Mussil Mark Wiesemann 4. Februar 2003 Gliederung (1) Einführung (2) Struktur und Datenmodelle (3) Datenorientierte vs. textorientierte Dokumente (4) Ablage und
MehrGeoinformation Abbildung auf Tabellen
Folie 1 von 32 Geoinformation Abbildung auf Tabellen Folie 2 von 32 Abbildung auf Tabellen Übersicht Motivation des relationalen Datenmodells Von Objekten zu Tabellen Abbildung von Objekten Schlüssel Abbildung
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort... 13
Auf einen Blick Vorwort... 13 Teil 1 Vorbereitung Kapitel 1 Einleitung... 17 Kapitel 2 SQL der Standard relationaler Datenbanken... 21 Kapitel 3 Die Beispieldatenbanken... 39 Teil 2 Abfrage und Bearbeitung
MehrDatenbankmodelle und Datenbanksprachen
Datenbankmodelle und Datenbanksprachen Dr.-Ing. Guy Vollmer FH Dortmund, FB Informatik Dienstag, 30. September 2008 1 Agenda 1. Einordnung des Themas 2. Datenbankmodelle Relationales Datenmodell 3. Datenbanksprachen
MehrOracle SQL Developer Data Modeling
Oracle SQL Developer Data Modeling DOAG Regio Rhein-Neckar Oracle Deutschland GmbH The following is intended to outline our general product direction. It is intended for information
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13
Auf einen Blick Vorwort 13 Teil 1 Vorbereitung Kapitel 1 Einleitung 17 Kapitel 2 SQL - der Standard relationaler Datenbanken 21 Kapitel 3 Die Beispieldatenbanken 39 Teil 2 Abfrage und Bearbeitung Kapitel
MehrAngewandte Informatik Datenbank/Datenmodell 1
Angewandte Informatik Datenbank/Datenmodell 1 Übersicht Standardsoftware Textverarbeitung - Informationen "gestalten" durch * sprachliche Mittel * Hervorhebung bzw. Unterdrückung von Inhalten * Kombination
MehrDatenbanken. Datenbanken. Grundlagen und Design. Grundlagen und Design. Frank. Geisler. 4. Auflage
Datenbanksysteme, Datenbankanwendungen und Middleware Das relationale Datenbankmodell ER-Datenbankmodellierung und Normalisierung SQL-Grundlagen Projektablauf bei der Erstellung einer Datenbank Transaktionen
MehrDatenbanken. Schemaerweiterung zur Abbildung von Imperfekten Daten. Andreas Merkel
Seminar Impferfektion und Datenbanken Schemaerweiterung zur Abbildung von Imperfekten Daten Andreas Merkel Inhalt Einführung - Eigenschaften des relationalen Modells - Erweiterungsmöglichkeiten Zwei unterschiedliche
MehrTemporale Datenintegration in Data-Warehouse-Systemen
Temporale Datenintegration in Data-Warehouse-Systemen Arne Harren 4. März 2005 BTW 2005 11. GI-Fachtagung für Datenbanksysteme in Business, Technologie und Web Karlsruhe, 2. - 4. März 2005 Datenintegration
MehrVerteilte Web-Anwendungen mit Ruby. Ruben Schempp Anwendungen
Verteilte Web-Anwendungen mit Ruby Ruben Schempp Anwendungen 1 Gliederung Motivation Verteilte Web-Anwendungen Definition Beispiele Gemeinsamkeiten Szenario Ausrichtung Anforderungen Abgrenzungen Technologien
Mehr10. Datenbank Design 1
1 Die Hauptaufgabe einer Datenbank besteht darin, Daten so lange zu speichern bis diese explizit überschrieben oder gelöscht werden. Also auch über das Ende (ev. sogar der Lebenszeit) einer Applikation
MehrOpen Access Netzwerk
Osnabrück, 2-4 März 2011 Open Access Netzwerk als Linked (Open) Data Linked Data Definition Standards für Linked Data Maximalziele im OA-Netzwerk Lösungsansätze D2R Server OA-Netzwerk als Linked Open Data:
Mehr7. XML-Datenbanksysteme und SQL/XML
7. XML-Datenbanksysteme und SQL/XML DB-Speicherung von XML-Dokumenten Arten von XML-Dokumenten Native XML-DBS vs. XML-Erweiterungen von ORDBS Speicherungsoptionen: ganzheitliche Speicherung vs. Dekomposition
MehrDatenmodellierung im Zeitalter agiler Softwareentwicklung
Datenmodellierung im Zeitalter agiler Softwareentwicklung Sebastian Graf, PROMATIS software GmbH DOAG 2013, Nürnberg, 1 Agenda u Über den Referenten u Datenmodellierung Begriffsdefinition und Abgrenzung
MehrTheorie zur Übung 8 Datenbanken
Theorie zur Übung 8 Datenbanken Relationale Datenbanksysteme Ein relationales Datenbanksystem (RDBS) liegt vor, wenn dem DBS ein relationales Datenmodell zugrunde liegt. RDBS speichern Daten in Tabellenform:
MehrOntoWiki - Chancen des Semantik-Web Am Beispiel der Strukturierung und Annotierung von Lernmaterialien
OntoWiki - Chancen des Semantik-Web Am Beispiel der Strukturierung und Annotierung von Lernmaterialien Thomas Riechert Arbeitsgruppe Agile Knowledge Engineering and Semantic Web - Lehrstuhl Betriebliche
MehrDatenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken
Datenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken 17. V. 2017 Outline 1 Organisatorisches 2 SQL 3 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 4 Objekt-relationale Datenbanken Beispiel
MehrOR-Mapping. WS2008/2009 DBIS/Dr. Karsten Tolle
OR-Mapping Zwei Paradigmen treffen aufeinander Gegensätze OO vs. Relational: Stichwort: O/R Impedance Mismatch Person Tabellen mit Schlüssel und Fremdschlusselbeziehungen. Abt-Nr. beschäftigt Pk-Nr Name
MehrRelationales Datenbankpraktikum 2016ss
Relationales Datenbankpraktikum 2016ss 3 Teile 1) Datenbankentwurf, Datenimport 2) Formulierung von SQL-Anfragen V. Christen, Dr. A. Groß, M. Junghanns, Z. Sehili 3) Entwicklung einer Middleware für eine
MehrEntitätstypen, Attribute, Relationen und Entitäten
Einführung Datenmodellierung Entitätstypen, Attribute, Relationen und Entitäten Wozu Datenbanken? Datenbanken dienen zur Speicherung und Verwaltung großer Datenbestände Beispiele: Adressdaten aller Kunden
MehrEinleitung 19. Teil I Einführung in Datenbanksysteme 25. Kapitel 1 Wozu Datenbanksysteme da sind 27
Inhaltsverzeichnis Einleitung 19 Über dieses Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut ist 22 Teil I: Einführung
MehrInhaltsverzeichnis. Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN:
Lothar Piepmeyer Grundkurs Datenbanksysteme Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42354-1
MehrDatenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking Algorithmen
Datenbanken Unit 9: OLAP, OLTP, Data Warehouse Ranking Algorithmen 28. V. 2018 Outline 1 Organisatorisches 2 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 3 Ranking 4 SQL Organisatorisches Ergebnisse
MehrDatenbanken - Grundlagen und Design
mitp Professional Datenbanken - Grundlagen und Design von Frank Geisler überarbeitet Datenbanken - Grundlagen und Design Geisler schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG mitp/bhv
MehrObjektrelationale Datenbanken
Objektrelationale Datenbanken Ein Lehrbuch von Can Türker, Gunther Saake 1. Auflage Objektrelationale Datenbanken Türker / Saake schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG dpunkt.verlag
MehrInhaltsverzeichnis. vii.
vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt 2 1.2 OLTP versus OLAP 4 1.2.1 OLAP-versus OLTP-Transaktionen 5 1.2.2 Vergleich von OLTP und OLAP 6 1.2.3 Abgrenzung: DBMS-Techniken
MehrAnwendungsentwicklung Datenbanken Datenbankentwurf. Stefan Goebel
Anwendungsentwicklung Datenbanken Datenbankentwurf Stefan Goebel Warum eine Datenbank? Nutzung von gleichen Daten durch viele Anwender auch an unterschiedliche Orten Daten können mit unterschiedlicher
MehrData Lakes: Lösung oder neue Herausforderung für Data-Integration
Data Lakes: Lösung oder neue Herausforderung für Big-Data Data-Integration Integration? PD Dr. Christoph Quix Fraunhofer-Institut für Angewandte Informationstechnik FIT Life Science Informatics Abteilungsleiter
MehrData Warehousing 0-1. DBS-Module
Data Warehousing Sommersemester 2016 Prof. Dr. E. Rahm Universität Leipzig Institut für Informatik y y y http://dbs.uni-leipzig.de 0-1 DBS-Module Master-Studium Informatik 10-202-2215 Moderne Datenbanktechnologien
MehrDatenbanksysteme II DBS 2. M. Sc. V. Christen, M. Sc. M. Franke
Datenbanksysteme II M. Sc. V. Christen M. Sc. M. Franke Sommersemester 2019 Universität Leipzig Institut für Informatik Abteilung Datenbanken http://dbs.uni-leipzig.de SS19 Prof. Dr. E. Rahm 0-1 10-201-2211
MehrHerausforderungen und Ansätze für Kontextmodelle. Prof. Dr. Bernhard Mitschang Industriekolloquium Nexus
Herausforderungen und Ansätze für Kontextmodelle Prof. Dr. Bernhard Mitschang Industriekolloquium Nexus 4.3.2005 1 Überblick Was steckt in Kontextmodellen? Lokale und globale Kontextmodelle Föderation
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 MPEG-7: Überblick und Zusammenfassung Anneke Winter Inhalt der Präsentation 1. MPEG 2. Einordnung in die MPEG Familie 3. MPEG-7 Idee 4. MPEG-7 Hauptelemente
MehrEffizienzsteigerung durch Mapping- Tools bei der Integration von RDBMS in Java-Anwendungen
Effizienzsteigerung durch Mapping- Tools bei der Integration von RDBMS in Java-Anwendungen ARS NOVA Software GmbH Klaus Kiehne Java Forum, 28. Juni, 9:45-10:30 1 Inhalt Aufgaben und Fähigkeiten Einsatz-
MehrAmazon SimpleDB Cloud-Computing Seminar (CLCP)
Nils Weiher Amazon SimpleDB Cloud-Computing Seminar Universität Heidelberg SS2009 1/28 Amazon SimpleDB Cloud-Computing Seminar (CLCP) Nils Weiher Universität Heidelberg n.weiher@stud.uni-heidelberg.de
MehrDatenmodellierung VU Einführung SS 2015
184.685 Datenmodellierung VU, Einführung SS 2015 184.685 Datenmodellierung VU Einführung SS 2015 Dr. Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Dr. Sebastian Skritek
MehrDatenbanksysteme I. Lehrveranstaltungen zu Datenbanken (SS 07) DBS 2 (2+1) DBS2 IDBS2. Datenschutz und Datensicherheit. Data-Warehouse- Praktikum
Datenbanksysteme I Prof. Dr. E. Rahm Sommersemester 007 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de Prof. E. Rahm 0-1 Lehrveranstaltungen zu Datenbanken (SS 07) (WINF) (WS, +1)
MehrSS 2010 IBB4C Datenmanagement Fr 15:15 16:45 R Vorlesung #1. Datenmanagement
Vorlesung #1 Ihr Dozent... Name: Bojan Milijaš Ausbildung: Beschäftigung: Diplom-Informatiker Universität Passau, Vertiefungsgebiet Datenbanken, Prof. Alfons Kemper, Ph.D. Seit 1997 bei ORACLE Deutschland
Mehr3-Tier-Architecture und J2EE
3-Tier-Architecture und J2EE Oliver Müller Seminar Software-Entwurf WS 2004/05 3-Tier, was war das noch gleich? NEIN, das nicht!!! 2 Die Lage - Applikationen laufen
MehrDatenbanken in der Bioinformatik
Datenbanken in der Bioinformatik Kapitel 1 Grundlagen http://dbs.uni-leipzig.de Institut für Informatik Vorläufiges Inhaltsverzeichnis 1. Grundlagen 2. Klassifizierung von BioDB, Überblick 3. Spezialanwendungen
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrDatenmodellierung VU Einführung SS 2016
184.685 Datenmodellierung VU Einführung SS 2016 Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu, Sebastian Skritek Seite 1 1. Motivation Motivation
MehrGeoinformation I Datenmodellierung
Seite 1 von 61 Geoinformation I Datenmodellierung Seite 2 von 61 Datenmodellierung Übersicht Datenverwaltung und Datenbanken objektorientierte Abbildung der Realität Grundlagen der Objektorientierung Darstellung
MehrEnterprise JavaBeans Überblick
Enterprise JavaBeans Überblick 1. Überblick Java EE 5 und Komponententechnologien 2. Einführung Java EE 5 Plattform 3. Enterprise JavaBeans Architektur 4. Ressourcen Management und Primäre Services 5.
MehrDatenbanksysteme I. Lehrveranstaltungen zu Datenbanken (WS 07/08) DBS 2 (SS, 2+1) DBS2. Implementierung von DBS 2 IDBS2
Datenbanksysteme I Prof. Dr. E. Rahm Wintersemester 2007/2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de Prof. E. Rahm 0-1 Lehrveranstaltungen zu Datenbanken (WS 07/08) Einführungs-
MehrAusgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema".
Phasen des Datenbanken-Designs Konzeptuelles Design Eingabe: Anforderungen Ausgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema". Qualität: Richtigkeit und
MehrKapitel 1 Grundlagen. Skript zur Vorlesung: Datenbanksysteme II Sommersemester Vorlesung: PD Dr. Peer Kröger
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2016 Kapitel 1 Grundlagen Vorlesung: PD Dr. Peer Kröger http://www.dbs.ifi.lmu.de/cms/datenbanksysteme_ii
MehrDatenbanken. Seminararbeit. Einführung in das wissenschaftliche Arbeiten
Seminararbeit vorgelegt von: Gutachter: Studienbereich: Christian Lechner Dr. Georg Moser Informatik Datum: 6. Juni 2013 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung in Datenbanken 1 1.1 Motivation....................................
MehrEntwicklung eines Tutorials für XQuery
Informatik Dimitar Menkov Entwicklung eines Tutorials für XQuery Development of a Tutorial for XQuery Masterarbeit Bibliografische Information der Deutschen Nationalbibliothek: Die Deutsche Bibliothek
Mehr[ SQL] Wissen, das sich auszahlt
[www.teia.de SQL] Wissen, das sich auszahlt INHALT SEITE 12 [I] 1] Einführung in SQL und relationale Datenbanken 12 14 16 18 11 1.1 1.2 Einführung Die Structured Query Language (SQL) Tabellen Mehrere Tabellen
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design
MehrQUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming. Referent: Steffen Vierkorn
QUNIS 360 was war, was wird? BI, Big Data, Cloud, Predictive & Advanced Analytics, Streaming Referent: Steffen Vierkorn Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS 10.30 11.00 11.00
MehrOracle9i Designer. Rainer Willems. Page 1. Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH
Oracle9i Designer Rainer Willems Leitender Systemberater Server Technology Competence Center Frankfurt Oracle Deutschland GmbH Page 1 1 Agenda 9i Designer & 9i SCM in 9i DS Design Server Generierung &
MehrEin Transparentes Datenmodell zur Verarbeitung Verlinkter XML-Dokumente
Ein Transparentes Datenmodell zur Verarbeitung Verlinkter XML-Dokumente Wolfgang May Univ. Freiburg/Göttingen & Dimitrio Malheiro Univ. Freiburg GI-Fachtagung BTW 2003 Leipzig, 26.2.2003 Situation autonome
MehrGrundlagen der Programmentwurfstechnik Fundamentals of Software Engineering 1
Vorlesung 3 Fundamentals of Software Engineering 1 Inhaltsverzeichnis 1. Einführung 2. Allgemeine Modellbildung - Klassische Konzepte des Software Engineering- 2.1 Das Kontextmodell 2.2 Entscheidungstabellen
Mehrsimply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme
simply sophisticated Integration von SAP und Non SAP Lösungen Marktüberblick, Techniken, Möglichkeiten & Probleme Patrick Theobald Zur Person Patrick Theobald Geschäftsführer Theobald Software GmbH seit
MehrZusammenführung und Vereinheitlichung von Eisenbahn-Streckennetzdaten Alexander Matheisen
Zusammenführung und Vereinheitlichung von Eisenbahn-Streckennetzdaten Alexander Matheisen FOSSGIS 2017, Passau Über mich Alexander Matheisen seit 2008 bei OpenStreetMap aktiv
MehrGrundlagen der Programmentwurfstechnik Fundamentals of Software Engineering 1
Fundamentals of Software Engineering 1 Inhaltsverzeichnis 1. Einführung 2. Allgemeine Modellbildung - Klassische Konzepte des Software Engineering- 2.1 Das Kontextmodell 2.2 Entscheidungstabellen 2.3 Zustandsmodelle
MehrAnforderungen von Cloud-Anwendungen an Datenbanksysteme
Anforderungen von Cloud-Anwendungen an Datenbanksysteme Andreas Göbel Friedrich-Schiller-Universität Jena Lehrstuhl für Datenbanken und Informationssysteme 06.05.2010 AGENDA 1. Einleitung 2. Anforderungen
Mehrd.h. zu Definitions-Stelle eindeutiger Funktionswert x X! y Y : (x,y) f umgekehrt: (x 1,y), (x 2,y) f ist o.k. X Y f(x) = y
Kapitel 7 Normalformen und DB-Entwurf Kap. 7.1 Normalformen Theorie Funktionale Abhängigkeit: f X Y f als Relation, d.h. Menge von Paaren {(x,y)} x: Definitions-Stelle, y: Funktionswert f ist Funktion
MehrDas Leben der Anderen
Das Leben der Anderen Twitter-Analyse mit Oracle12c, JSON und APEX Carsten Czarski Business Unit Database Oracle Deutschland B.V. & Co KG About: Carsten Czarski 1973 München Verheiratet zwei Kinder ORACLE
MehrDatenbanksysteme II. Universität Leipzig Institut für Informatik 0-1. DBS-Module für Bachelor Realisierung von Informationssystemen
Datenbanksysteme II Prof. Dr. E. Rahm Sommersemester 2018 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 0-1 DBS-Module für Bachelor 10-201-2211 Datenbanksysteme 1 10-201-2212 Datenbanksysteme
MehrDatenbanken 1. Sommersemester Übung 1
Datenbanken 1 Sommersemester 2017 Übung 1 Übersicht Entwurf Anforderungsanalyse -> Dokumentation der Anford. Konzeptuelles Modell -> ER-Diagramm Logisches Modell -> Relationales Datenmodell Physisches
MehrDas relationale Modell (Teil 1)
Vorlesung #2 Das relationale Modell (Teil 1) Fahrplan WS 2010/11 Feedback Vorlesung#1 Das relationale Modell Einordnung (wir überspringen die Modellierung, das kommt im 4. Semester Datenmanagement ) Definition,
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.13 Version 2.13 vom 27. August 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrGeodatenintegration unter Nutzung von Linked Data Prinzipien Stefan Wiemann Technische Universität Dresden
14. Seminar GIS & Internet UniBw München, 17. 18.09.2014 Geodatenintegration unter Nutzung von Linked Data Prinzipien Stefan Wiemann Technische Universität Dresden Motivation Isolierte Daten Verlinkte
MehrVorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
Mehr