IT-Kompaktkurs. Datenbanken Skript zur Folge 1. Prof. Dr. Georg Herde Fachhochschule Deggendorf

Transkript

1 IT-Kompaktkurs Skript zur Folge 1 Prof. Dr. Georg Herde Fachhochschule Deggendorf

2 Überblick über Datenbankproblematik Zunächst werden wir uns einen Überblick über die Datenbankproblematik verschaffen. Dabei werden wir erst einmal die grundlegenden Begriffe Daten, Information und Wissen erläutern. Anschließend erwartet uns ein kurzer Abriss der geschichtlichen Entwicklung der. Unter Datenbank verstehen wir ein System zur Beschreibung, Speicherung und Wiedergewinnung von umfangreichen Datenmengen. Um zu erläutern was Daten genau sind, grenze ich erst einmal die drei Begriffe, Daten, Informationen und Wissen, die im Bereich der eine wichtige Rolle spielen, voneinander ab. Hierzu stelle ich eine kleine Analogie auf. Stellen wir uns vor, wir stehen mit einem Auto vor einer Verkehrsampel. Für uns ist ganz klar, dass wir bei Grün fahren dürfen, bei Rot jedoch unbedingt anhalten sollten. Die Ampel zeigt auf Grün. Die Farbe Grün stellt für sich genommen jedoch zunächst nur ein Datum dar. Als Datum meine ich natürlich kein Kalenderdatum, sondern den Singular von Daten! Die Farbe Grün wird in Form eines grünen Ampellichts an unserer Kreuzung zu einer Information. Diese Information führt bei uns zu einer Reaktion, denn wir fahren los. Erst jetzt können wir vom Wissen sprechen, d.h. unser Wissen über das Verhalten bei einer grünen Ampel steuert unsere Reaktion. Man kann also davon ausgehen, dass uns Informationen zur Verfügungen stellen. In werden Daten gespeichert um für eine Organisation in den unterschiedlichsten Zusammenhängen Informationen bereit zu stellen. In neueren Datenbankmodellen wird den Mitgliedern der Organisation sogar Wissen in Form von auf elektronischem Weg zur Verfügung gestellt! Wenn man sich auf die elektronische Datenverarbeitung beschränkt, wo fallen denn überhaupt hier Daten an? Wir beschränken uns ja auf Daten, d.h. Informationen, die in Datenverarbeitungsanlagen weiterverarbeitet werden sollen. Dort können die Daten z.b. in den verschiedenen Softwaresystemen anfallen. Da wären zum einen die Betriebssysteme, wie Windows, Linux, und andere, um die Benutzerverwaltung, die Zugriffsrechtsteuerung oder die Dateiverwaltung koordinieren zu können. Auch in reinen Anwendungsprogrammen, z.b. wie in der Textverarbeitung oder Tabellenkalkulation fallen Daten an. In Grafik- oder Präsentationsprogrammen wie Power Point oder Coreldraw. Das Verfassen von Briefen mit Word, wäre ohne Daten nicht möglich. Im Grunde genommen fallen Daten überall an und werden konstant benötigt. Es gibt jedoch auch eine Menge von Problemen mit der Datenhaltung. Die Grundlegendste ist eine mehrfache Datenhaltung. Man sprich von Redundanz. Dies passiert zum Beispiel wenn die persönlichen Daten eines Kunden von verschiedenen Abteilungen in unterschiedlichen Systemen verwaltet werden. Dies benötigt nicht nur unnötig viel Speicherplatz sondern führt sehr schnell zu einem viel schwerwiegenderen Problem, nämlich Seite 2

3 wenn die mehrfach vorhandenen Daten nur an einer Stelle gepflegt werden. Man nennt dies dann eine Dateninkonsistenz. Diese ist dann gegeben, wenn für dieselben Daten, z.b. Ihre Postanschrift unterschiedliche Werte existieren, z.b. nach einem Umzug. Inkonsistenzen sind ein schwerwiegendes Problem von. Weitere Probleme der Datenhaltung liegen vor allem in den Punkten Datenschutz und Datensicherheit. Man möchte seine Daten vor unberechtigtem Zugriff schützen. Alle Maßnahmen, die dies verhindern sollen fasst man unter dem Oberbegriff Datenschutz zusammen. Neben dem Datendiebstahl sind auch Manipulationen eine ernst zu nehmende Bedrohung. Hier spricht man vom Problem der Datensicherheit. Deshalb hat auch jeder Betrieb einen Datenschutzbeauftragten. Dieser muss dafür sorgen das insbesondere bei personenbezogene Daten kein unbefugter Zugriff für Dritte besteht. Lösungen für diese Probleme in der Datenhaltung: Zunächst einmal werden die Daten in die System- und Anwendungssoftware der Organisation integriert. Dies bedeutet, dass es einen einheitlichen Datenbestand für alle Anwendungen gibt. Ein großer Vorteil dieses Ansatzes ist es, dass die Datenbearbeitung und deren Verarbeitung voneinander getrennt, also unabhängig ablaufen kann. Man spricht hier auch von Datenunabhängigkeit. Und wie kann dieser Ansatz bei einer twicklung realisiert werden? Man zieht zur Erstellung einer Datenbank ein Konzept heran, dass die Datenunabhängigkeit von vornherein garantieren soll. Es handelt sich um das sogenannte Drei-Ebenen-Konzept. Diese drei Ebenen der Datenbank sind die konzeptionelle Ebene, die externe Ebene und die interne Ebene. In der konzeptionellen Ebene werden sämtliche Daten, die in der Datenbank gespeichert werden sollen beschrieben. Die externen Schemata beschreiben die Ausschnitte, die für die einzelnen Benutzergruppen relevant sind. Die interne Ebene beschäftigt sich mit der physischen Anordnung der Daten auf den peripheren Speicher. Ziel ist es, bei Änderungen auf einer Ebene, die nächsthöhere Ebene nicht ebenfalls ändern zu müssen. Kurzer Überblick über twicklung Erst als der Mensch begann Daten aufzuschreiben, d.h. auf einem Medium zu speichern, können wir von einer systematischen Datenhaltung reden. Einfache Inventarlisten oder Listen zur Volkszählung könnten der Anfang der gewesen sein. Unser Interesse in der twicklung beschränkt sich auf die letzten 40 Jahre. Ab diesem Zeitpunkt läßt sich die Entwicklung der in vier verschiedene Stufen einordnen. Zunächst wären die File- bzw. Dateisysteme, die sich in zwei Entwicklungsstufen unterteilen lassen. Bei der 2. Datenbankgeneration spricht man dann von den prärelationalen, die von der 3. Generation, den relationalen abgelöst wurden. Die aktuellste Entwicklungsstufe bezeichnet man als postrelationale Datenbank. Seite 3

4 File- bzw. Dateisystem: Diese lassen sich wie schon erwähnt in Dateisysteme der 1. und der 2. Stufe unterscheiden. Die Systeme der 1. Stufe wurden in der 50er Jahren verwendet. Die Datenhaltung wurde von den jeweiligen Programmen vorgeschrieben. Die Programme waren damals individuelle Lösungen, die auch eine individuelle Organisation der Datenbestände nach sich zog. Jedes Programm hatte somit seine speziellen Datensätze und Datenbestände. Im Vordergrund stand hier das Rechnen, Zählen und Ordnen der Datenbestände. Als Medien wurden hauptsächlich Lochkarten, Lochstreifen und Magnetbänder eingesetzt. Ein Datenzugriff erfolgte sequentiell, d.h. die Verarbeitung erfolgte der Reihe nach. Suchte man z.b. einen Datensatz der in der Mitte eines Magnetbandes abgespeichert wurde, so musste man vom Beginn des Bandes das Suchen beginnen. Ein direkter Zugriff war nicht möglich. Das dies nicht besonders schnell und komfortabel ist, lässt sich gut nachvollziehen. Die Verarbeitung erfolgte im sogenannten Batch- oder Stapelbetrieb. Bei der Batch- oder Stapelverarbeitung muss ein Auftrag vollständig definiert sein, bevor mit seiner Abwicklung begonnen werden kann. Mehrere Aufträge werden vom Rechner nacheinander oder schubweise abgearbeitet. Beim Filesystem der 2. Stufe, dass dann in den 60er Jahren populär war, wurden zunehmend auch Magnetplatten zur Datenspeicherung eingesetzt. Es war erstmalig ein wahlfreier Mehrfachzugriff über eine Adresse direkt auf einen bestimmten Datensatz möglich. Der direkte Zugriff wurde durch Indexdateien oder mittels einer Hashverschlüsselung möglich. Hierbei liegen die Speicherplätze der Daten wie in einem Inhaltsverzeichnis eines Buches vor oder konnten errechnet werden. Die Zuordnung von Daten zu Programmen war jedoch noch immer statisch. D.h. die Programmierer legten bei der Programmierung von Anwendungsprogrammen die Organisation der Datenspeicherung in dem Programm fest. Es gab somit eine Vielzahl von Datentypen und Datenstrukturen. Nachteile dieses Systems: Auch die 2. Stufe der Dateisystemen behob die Gefahr der Datenredundanz, Dateninkonsistenz und natürlich die Probleme bei Datenschutz und Datensicherheit nicht. Nach wie vor war das System äußerst unflexibel und ineffizient, da Programmänderungen auch Änderungen der Datenverwaltung mit sich zogen. In den 70er Jahren führte die Entwicklung zu den ersten Datenbanksystemen, die heute als die prärelationalen Datenbanksysteme bezeichnet werden. Es gibt hier erstmals Unterschiede zwischen logischer und physischer Datenverwaltung und anstatt der reinen Datenverarbeitung tritt nun die Datenadministration in den Vordergrund. Zur Beschreibung der Datenstruktur, werden auf abstrakter Ebene Datenmodelle generiert. Als Beispiel für solche Datenmodelle kann man sich Bäume und Netze vorstellen. Die Verwaltung erfolgt unter einem einheitlichen Datenbankmanagementsystem dies führte teilweise zu speziell vernetzte Dateisystemen. Prärelationale Datenbanksysteme sind immer noch sehr anwendungsnah, also an eine Anwendung gebunden. Allerdings gibt es schon erste Formen der Datenunabhängigkeit, also der Loslösung von Datenhaltung von einem bestimmten Anwendungsprogramm. Ferner wurde hier zum ersten Mal im Ansatz ein Viewkonzept eingeführt. Unter dem Viewkonzept versteht man eine eigene Sicht des Anwenders auf den von ihm benötigten Datenbestand. Man spricht hier eher von einer logischen Datei. Seite 4

5 Beispiel: Nehmen wir mal eine Firma. Sie haben eine Buchhaltungsabteilung, eine Marketingabteilung und eine Produktionsabteilung. Alle drei Abteilungen haben Zugriff auf ein und dieselbe Datenbank. Diese Abteilungen verfolgen unterschiedliche Ziele und haben unterschiedliche Aufgaben, daher benötigen sie auch unterschiedliche Informationen aus dieser Datenbank. Man kann also sagen, dass zwar alle drei Abteilungen mit einer Datenbank arbeiten, diese jedoch unterschiedlich betrachten, jeder von seinem Blick (View-) punkt aus. Nachteile: Die Systeme sind nicht sehr änderungs- und benutzerfreundlich. Sobald man etwas in der Datenbankstruktur änderte, musste ebenso dass Programm geändert werden. Das bedeutete zusätzliche Arbeit. Bei den relationalen Datenbanksystemen, die nun seit den 80er Jahren kommerziell verfügbar sind, gibt es eine klare Trennung zwischen dem logischem und der physischen Datenmodell. Es entsteht so eine hohe Datenunabhängigkeit. Die hier verwendeten Tabellen und Relationen bilden ein einfaches konzeptionelles Modell. Ferner verabschiedet man sich von der reinen Datensatzverarbeitung und geht hin zur mengenorientierten Datenverarbeitung. Der Schwerpunkt liegt hier weniger auf der Art der Datenverarbeitung, sondern mehr auf dem beschreibenden, den deskriptiven Aspekt der Datenverwaltung. Die einzelnen Tabellen können durch mengenorientierte Operatoren manipuliert werden, die gesamte Tabellen als ganzes verarbeiten können. Hierzu werden wir aber noch genauer in Folge 7 unserer Reihe Tabellen und Abfragen eingehen. Probleme: Einige der Probleme bekommen wir besser in den Griff. Wir schaffen uns jedoch auch neue. Die Daten können jetzt an einem Ort redundanzfrei gespeichert werden. Hier kommt der Client- Server-Gedanke zum Vorschein. In anderen Fällen werden die Daten verteilt auf verschiedene Orte gespeichert. Dies geschieht jedoch unter einer integrierten Kontrolle. Erstmals ist ein Mehrbenutzerbetrieb, ein sogenannter Multiuserbetrieb, sinnvoll möglich. Zentrale Schutzmechanismen schützen dabei vor unautorisiertem Datenzugriff oder Datenverlust und erst diese Datenbanktechnik lässt zunehmend größere Transaktionsvolumina zu. Neue Probleme: Zum Beispiel das Problem der Datenhistorie. Wir werden das an einem Beispiel erläutern. Eine Person mit Realschulabschluss beginnt in einem Betrieb eine Ausbildung. In der Datenbank des Auszubildenden steht im Feld Vorbildung: Realschulabschluss. Macht diese Person nun das Abitur nach, wird das Feld der Vorbildung einfach überschrieben mit dem Eintrag Allgemeine Hochschulreife. Wir können noch einen Schritt weiter gehen. Sagen wir unser ehemals Auszubildender hat nun mittels eines Fernstudiums ein Diplom in der Betriebswirtschaft erhalten, dann wird unser Feld der Vorbildung wiederum überschrieben. Die jeweiligen Daten, die zuvor in dem Textfeld standen gehen jedoch ständig verloren. Der Ausbildungsweg kann also nicht mehr zurückverfolgt werden. Die Erwartungen der privaten, kommerziellen, technischen und wissenschaftlichen Anwendern steigen ständig. Gerade die Anforderungen in der Bildverarbeitung oder die zunehmende Verbreitung von topologischen Systemen, wie den Navigationssystemen stellen enorme Anforderungen an moderne Datenbanksysteme. Seite 5

6 Darüberhinaus werden heute ganze neue Operatoren bzw. Funktionen speziell für diese neue Datenobjekte definiert. Man könnte hier z.b. einen Operator beschreiben mit: Zeige mir graphisch den kürzesten Weg zwischen Deggendorf und München. Es klingt sehr abstrakt, ist jedoch nichts weiter als eine Anforderung, wohinter ein komplexes Programm steht. Weiterentwicklung neuer Programme: Seit den 90er Jahren gibt es Entwicklungen die als sogenannten postrelationalen Datenbanksysteme umschrieben werden. Sie stecken teilweise jedoch noch in der Entwicklung. Hier sind z.b. die objektorientierten, die mehrdimensionalen, die verteilten und die zeitorientierten zu nennen. Objektorientierte Datenbankverwaltungssysteme ermöglichen die Repräsentation von komplexen Sachverhalten, wobei die Methoden Bestandteile der Objekte (man spricht jetzt von Klassen, denen sie angehören) sind, die sich gegenseitig aufrufen können. Vereinfacht könnte man die sogenannten Officepakete als Methodenbanken der Bürokommunikation für Textverarbeitung, Tabellenkalkulation, Präsentationsgrafiken und Kommunikationstechniken betrachtet, die einen Datenaustausch untereinander besonders stark unterstützen. So ist eine Umsatztabelle nicht länger nur ein Datenobjekt der Tabellenkalkulation, sondern sie kann in einen Monatsbericht, der mit einer Textverarbeitung erstellt wurde, eingebunden werden wobei sich die Daten bei einer Änderung gegenseitig aktualisieren. Mehrdimensionalen : Sie erlauben die Auswertung nach unternehmensspezifischen, themenorientierten Dimensionen. Typische Dimensionen sind z.b. Unternehmensstrukturen, Produkte, Regionen oder Zeit. Daten sind als Fakten gespeichert und die Dimensionen werden durch Index-Verhältnisse realisiert, die einen schnellen und einfachen Zugriff auf die Fakten aus unterschiedlichen Perspektiven erlauben. Man spricht von verteilten, wenn z.b. die logisch zusammengehörenden, gemeinsam verwalteten Daten einer Datenbank physisch auf mehrere, in einem Netz verbundene Rechner verteilt sind. Zusätzlich gibt es noch zeitorientierte und objektrelationale. Diese neuen Techniken und Modelle stellen größtenteils eine Erweiterung des Relationenmodells dar. Wie jedoch schon erwähnt, stecken diese neueren Modelle noch in der Entwicklung. Seite 6