Semantische Modellierung: Entity-Relationship Modell (ERM; Chen, 1976)

Größe: px
Ab Seite anzeigen:

Download "Semantische Modellierung: Entity-Relationship Modell (ERM; Chen, 1976)"

Transkript

1 Semantische Modellierung: Entity-Relationship Modell (ERM; Chen, 1976) Strukturierungskonzepte zur Abfassung eines Schemas im ERM: Entitäts (entity) Typen ( Objekttypen) und Beziehungs (relationship) Typen Continent Organization River Lake Country Language Sea Island Province Religion Desert Mountain City Ethnic Grp ER-Modell 5

2 Entities und Beziehungen is capital Province in Prov City belongs to is capital Country encompasses Continent borders ER-Modell 6

3 Entities Entitätstyp ist durch ein Paar gegeben, wobei der Name und!, die Menge der Attribute des Typs ist Attribut: Relevante Eigenschaft der Entitäten eines Typs Jedes Attribut kann Werte aus einem bestimmten Wertebereich annehmen Entität: besitzt zu jedem Attribut ihres Entitätstyps einen Wert Schlüsselattribute: Ein Schlüssel ist eine Menge von Attributen eines Entitätstyps, deren Werte zusammen eine eindeutige Identifizierung der Entitäten eines Zustands gewährleisten soll (siehe auch Schlüsselkandidaten, Primärschlüssel) ER-Modell 7

4 Entities: area population Germany name ent0815 Country D code federal republic government gross product independence 1871 inflation 2% Feldberg name height ent4711 Mountain geo coord Black Forest mountains 75 longitude 475 latitude ER-Modell 8

5 Beziehungen Beziehungstyp: Menge gleichartiger Beziehungen zwischen Entitäten; ein Beziehungstyp ist durch ein Tripel "# %$'&(*) ' +,$'&-)/ gegeben, wobei " der Name, %$'& +,$'& , die Menge der sog Rollen, %, - die den Rollen zugeordnete Entitätstypen, und + 1 9!, die Menge der Attribute des Typs sind Rollen sind paarweise verschieden - die ihnen zugeordneten < C ;:=<?> nicht notwendigerweise Falls für, so liegt eine rekursive Beziehung vor Attribut: Relevante Eigenschaft der Beziehungen eines Typs Beziehung: eines Beziehungstyps " ist definiert durch die beteiligten Entitäten gemäß den " zugeordneten Rollen; zu jeder Rolle existiert genau eine Entität und zu jedem Attribut von " genau ein Wert ER-Modell 9

6 Beziehungen City Freiburg in Country Germany attributierte Beziehung continent Europe Beziehung mit Rollen encompasses percent 20 Country Russia City is is capital of Country Berlin Germany rekursive Beziehung River Rhein, Main main river flows into tributary river ER-Modell 10

7 Beziehungskomplexitäten Jedem Beziehungstyp ist eine Beziehungskomplexität zugeordnet, die die Mindest- und Maximalzahl von Beziehungen ausgedrückt, in denen eine Entität eines Typs unter einer bestimmten Rolle in einem Zustand beteiligt sein darf Ein Komplexitätsgrad eines Beziehungstyps " bzgl einer seiner Rollen $'& ist ein Ausdruck der Form F GD H1IJ Eine 9D MengeK H1IJ von Beziehungen $'& erfüllt den Komplexitätsgrad einer Rolle, wenn für jedesm des entsprechenden Entity-Typs gilt: es existieren mindestens und $'& D H1I K M maximal Beziehungen in, in denen unter der Rolle auftritt ER-Modell 11

8 Beziehungen NBUVQSUWT is capital NXO9QSR3T Province NPO9QSR3T in Prov NBUVQSR3T City NBUVQSUWT NXO9QSU[T belongs to is capital NBUYQSRZT N*UVQSUWT Country NBUYQSRZT encompasses N*UVQSR3T Continent NXO9QSR3T NPOGQSRZT borders ER-Modell 12

9 Schwache Entitätstypen Ein schwacher Entitätstyp ist ein Entitätstyp ohne Schlüssel Schwache Entitätstypen müssen mit mindestens einem (starken) Entitätstyp in einer )[\ -Beziehung stehen (auf der 1-Seite steht der starke Entitätstyp) Sie müssen einen lokalen Schlüssel besitzen, dh Attribute, die erweitert um den Primärschlüssel des betreffenden (starken) Entitätstyps einen Schlüssel des schwachen Entitätstyps ergeben (Schlüsselvererbung) ER-Modell 13

10 Schwache Entitätstypen area pop in name NXO9QSR3T BRD N*UVQSU[T Country code ent 4711 D area pop Province NXO9QSR3T ent 1997 in Prov N*UVQSU[T name Baden-W name City pop Freiburg ent longitude latitude Es gibt zb noch ein Freiburg/CH und Freiburg/Elbe, Niedersachsen ER-Modell 14

11 Mehrstellige Beziehungen: Ein Fluß mündet in ein Meer/See/Fluß; genauer kann dieser Punkt durch die Angabe eines oder zweier Länder beschrieben werden river N]UVQ n T NPO9QE^FT flows into sea NPO9QE^_T Country Aggregation: Sinnvoll, einen Aggregattyp Mündung einzuführen: Mündung river NBUYQ U T flows into NBUYQa`3T NPO9QL^FT sea in NXO9QSR3T Country ER-Modell 15

12 Generalisierung/Spezialisierung: Generalisierung: Flüsse, Seen und Meere bilden die Menge der Gewässer Diesen können zb mit einer Stadt in einer liegt-an-beziehung stehen: name Water NXO9QSR3T located NPO9QSR3T City g River Lake Sea length depth area depth area ER-Modell 16

13 Generalisierung/Spezialisierung: Spezialisierung: MONDIAL enthält nicht alle geographischen Merkmale, sondern nur Flüsse, Seen, Meere, Berge, Wüsten und Inseln (keine Tiefländer, Hochebenen, Steppengebiete, Moore etc) Allen geo-merkmalen gemeinsam ist, dass sie in einer in-beziehung zu Landesteilen stehen: name Geo NBUVQSR3T in NPO9QSR3T Province s River Lake Sea Mountain Island Desert ER-Modell 17

14 Das relationale Modell nur ein einziges Strukturierungskonzept Relation für Objekttypen und Beziehungstypen, Relationenmodell von Codd (1970): mathematisch fundierte Grundlage, ein Relationsschema besteht aus einem Namen sowie einer Menge von Attributen, Continent: Name, Area Jedes Attribut besitzt einen Wertebereich, als Domain bezeichnet Oft können Attribute auch Nullwerte annehmen Continent: Name: VARCHAR(25), Area: NUMBER Die Elemente einer Relation werden als Tupel bezeichnet (Asia,45E7) Im Gegensatz zu einer Menge im üblichen Sinn kann eine Relation Duplikate enthalten Sie ist per Definition ungeordnet Eine Relation bezeichnet somit eine Vielfachmenge Ein (relationales) Datenbank-Schemab ist gegeben durch eine (endliche) Menge von (Relations-)Schemata Continent: ; Country: ; City: Ein (Datenbank)-Zustand ordnet den Relationsschemata eines betrachteten konzeptuellen Schemas jeweils eine Relation zu Relationales Modell 18

15 Abbildung ERM in RM Seien Bced ein Entitätstyp und "ced ein Beziehungstyp im ERM 1 Entitätstypen: ced + gf3h # i +, 2 Beziehungstypen: "jcedk l$'&m*)0 no p$'&-) -/ + q(kfh "r ' s, ' s it U + - s -o +, - s -tou q g wobei ls : +,s :tov Primärschlüssel von : w 5 Falls " ced Rollenbezeichnungen enthält, so wird durch die Hinzunahme der Rollenbezeichnung die Eindeutigkeit der Schlüsselattribute im jeweiligen Beziehungstyp erreicht Für 5x< 8 können im Falle einer (1,1)-Beziehungskomplexität das Relationsschema des Beziehungstyps und das Schema des Entitätstyps zusammengefaßt werden 3 Für einen schwachen Entitätstyp müssen die Schlüsselattribute des identifizierenden Entitätstyps hinzugenommen werden 4 Aggregattypen können unberücksichtigt bleiben, sofern der betreffende Beziehungstyp berücksichtigt wurde Relationales Modell 19

16 Entitätstypen y ced 4kf3h z S name continent area Asia ent E7 Continent Name Area VARCHAR(20) NUMBER Europe Africa e+07 Asia e+07 America 39872e+07 Australia Relationales Modell 20

17 Beziehungstypen y"cedg l$'&mb)/ ',$'&-) -{ qm4gfzh "7 S s +, s Lt U - s - p - s -tu _ q wobei lsz:,s :tov Primärschlüssel von ;: w 5 (man darf aber umbenennen, zb Country für CountryCode) Europe R name code continent encompasses Country percent 20 encompasses Country Continent Percent VARCHAR(4) VARCHAR(20) NUMBER R Europe 20 R Asia 80 D Europe 100 Relationales Modell 21

18 Beziehungstypen Für zweistellige Beziehungstypen können im Falle einer (1,1)-Beziehungskomplexität das Relationsschema des Beziehungstyps und das Schema des Entitätstyps zusammengefaßt werden: name Germany name Berlin Country N*UVQSUWT is capital NXO9QSU[T City ent 0815 Country code D pop Name code Population Capital Province Germany D Berlin Berlin Sweden S Stockholm Stockholm Canada CDN Ottawa Quebec Poland PL Warsaw Warszwaskie Bolivia BOL La Paz Bolivia Relationales Modell 22

19 Schwache Entitätstypen Für einen schwachen Entitätstyp müssen die Schlüsselattribute des identifizierenden Entitätstyps hinzugenommen werden in area pop name Country code BRD N*UVQSU[T areaent 4711 Province pop ent 1997 D name Baden-W N*UVQSU[T in Prov name City Freiburg ent 0815 pop City Name Country Province Population Freiburg D Baden-W Berlin D Berlin Relationales Modell 23

20 Beziehungstypen Falls " ced Rollenbezeichnungen enthält, so wird durch die Hinzunahme der Rollenbezeichnung die Eindeutigkeit der Schlüsselattribute im jeweiligen Beziehungstyp erreicht code Country name NXO9QSRZT NXO9QSR3T C2 borders C1 borders Country1 D D CH Country2 F CH F Relationales Modell 24

21 SQL = Structured Query Language Standard-Anfragesprache Standardisierung: SQL-89, SQL-2 (1992), SQL-3 (1996) SQL-2 in 3 Stufen, entry, intermediate und full level eingeführt SQL-3: Objektorientierung deskriptive Anfragesprache Ergebnisse immer Mengen von Tupeln (Relationen) Implementierung: ORACLE 8 SQL ist case-insensitive, dh CITY=city=City=cItY Innerhalb von< A Quotes ist SQL nicht case-insensitive, dh City='Berlin' City='berlin' jeder Befehl wird mit einem Strichpunkt ; abgeschlossen Kommentarzeilen werden in }0~ ~} eingeschlossen, oder mit 1 oder W o eingeleitet SQL-2 25

22 Data Dictionary: Enthält Metadaten über die Datenbank Datenbanksprache: DDL: Data Definition Language zur Definition der Schemata Tabellen Sichten Indexe Integritätsbedingungen DML: Data Manipulation Language zur Verarbeitung von DB Zuständen Suchen Einfügen Verändern Löschen SQL-2 26

23 Data Dictionary Besteht aus Tabellen und Views, die Metadaten über die Datenbank enthalten Mit ƒ{ 1 1 0ˆ Š [Œ4 ŽZ 4 0ˆ {Œ 1 1 (kurz ƒ{ 1 1 0ˆ Š [Œ4 ŽZ 4 0ˆ ) erklärt sich das Data Dictionary selber TABLE NAME COMMENTS ALL ARGUMENTS Arguments in objects accessible to the user ALL CATALOG All tables, views, synonyms, sequences accessible to the user ALL CLUSTERS Description of clusters accessible to the user ALL CLUSTER HASH EXPRESSIONS Hash functions for all accessible clusters Data Dictionary 27

24 Data Dictionary 1 1 Œ4 % 0ˆ ƒ : Enthält alle Objekte, die einem Benutzer zugänglich sind ˆ1 1 WŒ{ : Enthält alle Tabellen, Views und Synonyme, die einem Benutzer zugänglich sind 1 1 ˆ1 1 ƒ : Enthält alle Tabellen, die einem Benutzer zugänglich sind Analog für diverse andere Dinge ( / 1 1 š%œ Wžo ˆ1 1 WŒ{ Ÿ W ˆ _ / ) ƒ{ Œ4 % 0ˆ ƒ : Enthält alle Objekte, die einem Benutzer gehören Analog für die anderen, meistens existieren für ƒ{ 1 1 auch Abkürzungen, etwa Œ4 für ƒ{ Œ4 % 0ˆ ƒ 1 1 ƒ{ Wƒ : Enthält Informationen über alle Benutzer der Datenbank Data Dictionary 28

25 ƒ{ 1 1 0ˆ œw l 1 ªö Z Š [Œ4 œw l 3ẽ Table name BORDERS CITY CONTINENT COUNTRY DESERT ECONOMY ENCOMPASSES ETHNIC GROUP GEO DESERT GEO ISLAND GEO LAKE GEO MOUNTAIN GEO RIVER GEO SEA Table name ISLAND LAKE LANGUAGE LOCATED IS MEMBER MERGES WITH MOUNTAIN ORGANIZATION POLITICS POPULATION PROVINCE RELIGION RIVER SEA 28 Zeilen wurden ausgewählt Data Dictionary 29

26 Die Definition einzelner Tabellen und Views wird mitž ƒ { 3 N œw l 1 T oder kurzž ƒ N œw l 1 T abgefragt: Ž ƒ [«œ1 F Name NULL? Typ NAME NOT NULL VARCHAR2(25) COUNTRY NOT NULL VARCHAR2(4) PROVINCE NOT NULL VARCHAR2(35) POPULATION NUMBER LONGITUDE NUMBER LATITUDE NUMBER Data Dictionary 30

27 Anfragen: SELECT-FROM-WHERE Anfragen ƒ{ 1 1 0ˆ an die Datenbank werden in SQL ausschließlich mit dem -Befehl formuliert Dieser hat prinzipiell eine sehr einfache Grundstruktur: ƒ{ 1 1 0ˆ Attribute Š [Œ4 Relation(en) Bedingung Einfachste Form: alle Spalten und Zeilen einer Relation ƒ{ 1 1 0ˆ Š [Œ4 [«œ1 F Name C Province Pop Long Lat Vienna A Vienna , ,25 Innsbruck A Tyrol ,22 47,17 Stuttgart D Baden-W Freiburg D Germany NULL NULL 3114 Zeilen wurden ausgewählt SQL: Anfragen 31

28 Projektionen: Auswahl von Spalten ƒ{ 1 1 0ˆ N œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 T Gebe zu jeder Stadt ihren Namen und das Land, in dem sie liegt, aus ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 Š [Œ4 [«œ1 F Name COUNTRY Tokyo J Stockholm S Warsaw PL Cochabamba BOL Hamburg D Berlin D SQL: Anfragen 32

29 DISTINCT ƒ{ 1 1 0ˆ Š [Œ4 / / 1 lª ² Name Islands Area Jersey Channel Islands NULL Mull Inner Hebrides 910 Montserrat Antilles 106 Grenada Antilles NULL ƒ{ 1 1 0ˆ / / 1 lª ²[ Š [Œ4 / / 1 lª ² Islands Channel Islands Inner Hebrides Antilles Antilles ƒ{ 1 1 0ˆ ŽZ ƒ{ˆ 0ˆ / / 1 lª ²[ Š [Œ4 / / 1 lª ² Islands Channel Islands Inner Hebrides Antilles SQL: Anfragen 33

30 Duplikateliminierung Duplikateliminierung nicht automatisch: Duplikateliminierung teuer (Sortieren + Eliminieren) Nutzer will Duplikate sehen später: Aggregatfunktionen auf Relationen mit Duplikaten Duplikateliminierung:ŽZ ƒ{ˆ 0ˆ -Klausel später: Duplikateliminierung automatisch bei Anwendung der Mengenoperatoren {Œ, 1ˆ1 Wƒ{ 0ˆ, SQL: Anfragen 34

31 Selektionen: Auswahl von Zeilen ƒ{ 1 1 0ˆ N œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 T Nl³ W {²«/š/ œw T predicateµ kann dabei die folgenden Formen annehmen: attributeµ opµ valueµ mit ¹ 4<º µ <º µ <m, attributeµ»y WŒˆ ¼ stringµ, wobei underscores im String ein Zeichen repräsentieren und Prozentzeichen null bis beliebig viele Zeichen darstellen, attributeµ value-listµ, wobei value-listµ entweder von der Form ('val1',,'valn') ist, oder durch eine Subquery bestimmt wird,»y WŒˆ ¼ 1½ ƒ{ˆ ƒ N ±1 [¾4± 1 T WŒˆ ( predicateµ ), predicateµ 1 /Ž predicateµ, predicateµ Œ4 predicateµ SQL: Anfragen 35

32 Beispiel: ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 F Wž ³ ± 1 œ«{žlª Š [Œ4 [«œ1 žl±1ª œ1 1 À, / Name Country Population Tokyo J Kyoto J Hiroshima J Yokohama J Sapporo J Beispiel: ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 F Wž ³ ± 1 œ«{žlª Š [Œ4 [«œ1 žl±1ª œ1 1 À, 1 /Ž Wž ³ ± 1 œ«{žlª Á Â1Ã1Ã1Ã1Ã1Ã1à Name Country Population Tokyo J Yokohama J SQL: Anfragen 36

33 Beispiel: ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 F Wž ³ ± 1 œ«{žlª Š [Œ4 [«œ1 žl±1ª œ1 1 Ä [ _ / Name Country Population Kingston JA Amman JOR Suva FJI Die Forderung, daß nach dem J noch ein weiteres Zeichen folgen muß, führt dazu, daß die japanischen Städte nicht aufgeführt werden SQL: Anfragen 37

34 ORDER BY ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 F Wž ³ ± 1 œ«{žlª Š [Œ4 [«œ1 Wž ³ ± 1 œ«{žlª Á Å1Ã1Ã1Ã1Ã1Ã1à Œ4 Ž 1 Wž ³ ± 1 œ«{žlª Ž ƒ Æ, l 3 %œw «ÇW lª ²È Name Country Population Seoul ROK Mumbai IND Karachi PK Mexico MEX Sao Paulo BR Moscow R SQL: Anfragen 38

35 ORDER BY, Alias ƒ{ 1 1 0ˆ Wö Z Wž ³ ± 1 œ«{žlªé 1 W 1 ƒ ŽÊ lª3 «œ1 Š [Œ4 žl±1ª œ1 1 Œ4 Ž 1 Â Æ ŽÊ { l± œgë l± [ %œw «ÇW lª ²È Name Density Western Sahara, Mongolia 1, French Guiana 1, Namibia 2, Mauritania 2, Australia 2, SQL: Anfragen 39

36 Aggregatfunktionen Œ 1ˆ Æ ÍÌ»SŽZ ƒ{ˆ 0ˆ ¼ N œ1œ1 «1± œw T È 1½ Æ N œ1œ1 «1± œw T È 3 Æ N œ1œ1 «1± œw T È ƒ Æ[»SŽZ ƒ{ˆ 0ˆ ¼ N œ1œ1 «1± œw T È Î Æ[»SŽZ ƒ{ˆ 0ˆ ¼ N œ1œ1 «1± œw T È Beispiel: Ermittle die Zahl der in der DB abgespeicherten Städten ƒ{ 1 1 0ˆ žl±1ª œ Æ È Š [Œ4 [«œ1 F Count(*) 3114 Beispiel: Ermittle die Anzahl der Länder, für die Millionenstädte abgespeichert sind ƒ{ 1 1 0ˆ žl±1ª œ Æ ŽZ ƒ{ˆ 0ˆ žl±1ª œ1 1 3È Š [Œ4 [«œ1 Wž ³ ± 1 œ«{žlª Á ÏÃ1Ã1Ã1Ã1Ã1ÃÐ Count(DISTINCT(Country)) 68 Aggregatfunktionen 40

37 Aggregatfunktionen Beispiel: Ermittle die Gesamtsumme aller Einwohner von Städten Österreichs sowie Einwohnerzahl der größten Stadt Österreichs ƒ{ 1 1 0ˆ ƒ _ÆG Wž ³ ± 1 œ«{žlªjèñ 1½FÆG Wž ³ ± 1 œ«{žlªjè Š [Œ4 [«œ1 žl±1ª œ1 1 À Í / SUM(Population) MAX(Population) Und was ist, wenn man diese Werte für jedes Land haben will?? Aggregatfunktionen 41

38 Gruppierung / [Œ 1 berechnet für jede Gruppe eine Zeile, die Daten enthalten kann, die mit Hilfe der Aggregatfunktionen über mehrere Zeilen berechnet werden ƒ{ 1 1 0ˆ N Ò ³ W1 «/ %œ T Š [Œ4 N œw l 1 T N ³ W {²«/š/ œw T / [Œ 1 N œ1œ1 W1 «/ %œ T gibt für jeden Wert von N œ1œ1 W1 «/ %œ T eine Zeile aus Damit darf N Ò ³ W1 «/ %œ T nur Konstanten, Attribute aus N œ1œ1 W1 «/ %œ T, Attribute, die für jede solche Gruppe nur einen Wert annehmen (etwa ž{², wenn N œ1œ1 W1 «/ %œ T Country ist), Aggregatfunktionen, die dann über alle Tupels in der entsprechenden Gruppe gebildet werden, enthalten Die -Klausel N ³ W {²«/š/ œw T enthält dabei nur Attribute der Relationen in N œw l 1 T (also keine Aggregatfunktionen) Gruppierung 42

39 Gruppierung Beispiel: Gesucht sei für jedes Land die Gesamtzahl der Einwohner, die in den gespeicherten Städten leben ƒ{ 1 1 0ˆ žl±1ª œ1 1 F ƒ%±0?æg Wž ³ ± 1 œ«{žlªjè Š [Œ4 [«œ1 / [Œ 1 žl±1ª œ1 1 Country SUM(Population) A AFG AG AL AND Gruppierung 43

40 Bedingungen an Gruppierungen Î3 Die / [Œ 1 -Klausel ermöglicht es, Bedingungen an die durch gebildeten Gruppen zu formulieren: ƒ{ 1 1 0ˆ N Ò ³ W1 «/ %œ T Š [Œ4 N œw l 1 T N ³ W {²«/š/ œw Ï T / [Œ 1 N œ1œ1 W1 «/ %œ T Î3 N ³ W {²«/š/ œw  T -Klausel: Bedingungen an einzelne Tupel bevor gruppiert wird, Î3 -Klausel: Bedingungen, nach denen Î3 die Gruppen zur Ausgabe ausgewählt werden In der -Klausel dürfen neben der / [Œ Aggregatfunktionen 1 nur Attribute vorkommen, die explizit in -Klausel aufgeführt wurden Gruppierung 44

41 Bedingungen an Gruppierungen Beispiel: Gesucht ist für jedes Land die Gesamtzahl der Einwohner, die in den gespeicherten Städten mit mehr als Einwohnern leben Es sollen nur solche Länder ausgegeben werden, bei denen diese Summe größer zehn Millionen ist ƒ{ 1 1 0ˆ žl±1ª œ1 1 F ƒ _ÆG Wž ³ ± 1 œ«{žlªjè Š [Œ4 [«œ1 Wž ³ ± 1 œ«{žlª Á ÏÃ1Ã1Ã1à / [Œ 1 žl±1ª œ1 1 Î3 ƒ _ÆG Wž ³ ± 1 œ«{žlªjè Á ÏÃ1Ã1Ã1Ã1Ã1Ã1à Country SUM(Population) AUS BR CDN CO Gruppierung 45

42 Mengenoperationen SQL-Anfragen können über Mengenoperatoren verbunden werden: N / 1 1 š%œw š/ 1 l±3 / T N Z lª ÇW lª1ž ³ T N / 1 1 š%œw š/ 1 l±3 / T {Œ»y 1 1 ¼ 3 ƒ»y 1 1 ¼ 1ˆ1 Wƒ{ 0ˆ»y 1 1 ¼ automatische Duplikateliminierung (kann verhindert werden mit ALL) Beispiel: Gesucht seien diejenigen Städtenamen, die auch als Namen von Ländern in der Datenbank auftauchen Æpƒ{ 1 1 0ˆ Wö Z Š [Œ4 [«œ1 3È 1ˆ1 Wƒ{ 0ˆ Æpƒ{ 1 1 0ˆ Wö Z Š [Œ4 žl±1ª œ1 1 3ÈÑ Name Armenia Djibouti Guatemala Mengenoperationen 46

43 Join-Anfragen Eine Möglichkeit, mehrere Relationen in eine Anfrage einzubeziehen, sind Join-Anfragen ƒ{ 1 1 0ˆ œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 11 «/ %œ T N ³ W {²«/š/ œw T Prinzipiell kann man sich einen Join als kartesisches Produkt der beteiligten Relationen vorstellen (Theorie: siehe Vorlesung) Attributmenge: Vereinigung aller Attribute ggf durch N œw l 1 T N œ1œ1 T qualifiziert Join mit sich selbst Aliase Join-Anfragen 47

44 Beispiel: Alle Länder, die weniger Einwohner als Tokyo haben ƒ{ 1 1 0ˆ žl±1ª œ1 1 g Wö Z žl±1ª œ1 1 g Wž ³ ± 1 œ«{žlª Š [Œ4 [«œ1 F žl±1ª œ1 1 [«œ1 g Wö Z À Ŵž%Ó WžÔ 1 /Ž žl±1ª œ1 1 g Wž ³ ± 1 œ«{žlª [«œ1 g Wž ³ ± 1 œ«{žlª6 Name Einwohner Albania Andorra Liechtenstein Slovakia Slovenia Join-Anfragen 48

45 Equijoin Beispiel: Es soll für jede politische Organisation festgestellt werden, in welchem Erdteil sie ihren Sitz hat encompasses: Country, Continent, Percentage Organization: Abbreviation, Name, City, Country, Province ƒ{ 1 1 0ˆ žlª œ«ª lª œf 0 1 W 4Õ3«{ œ«{žlª Š [Œ4 lª3š/žo ³ 1 / ẽ Œ 1ÇW lªö«l œ«{žlª lª3š/žo ³ 1 / Ô Ä žl±1ª œ1 1 À Œ 1ÇW lªö«l œ«{žlªx Ä žl±1ª œ1 1 F Name America Europe Europe Europe America Australia/Oceania Organization UN UNESCO CCC EU CACM ANZUS Join-Anfragen 49

46 Verbindung einer Relation mit sich selbst Beispiel: Ermittle alle Städte, die in anderen Ländern Namensvettern haben ƒ{ 1 1 0ˆ g Wö Z g žl±1ª œ1 1 F k žl±1ª œ1 1 Š [Œ4 [«œ1 [«œ1 g Wö Z À k Wö Z 1 /Ž g žl±1ª œ1 1 Ø k žl±1ª œ1 1 F AName ACountry BCountry Alexandria ET RO Alexandria ET USA Alexandria RO USA Barcelona E YV Valencia E YV Salamanca E MEX Join-Anfragen 50

47 Subqueries In der -Klausel können Ergebnisse von Unterabfragen verwendet werden: ƒ{ 1 1 0ˆ N œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 T N œ1œ1 «1± œw T Æ N ž ³ T»y 1 ÚÙÛ 1 1 ¼PÌ 3È N ±1 [¾4± 1 T N ±1 [¾4± 1 T ist eine ƒ{ 1 1 0ˆ -Anfrage (Subquery), für N ž ³ÖT ¹ 4<º µ <º µ <m muß N ±1 [¾4± 1 T eine einspaltige Ergebnisrelation liefern, für N ±1 [¾4± 1 T sind auch mehrspaltige Ergebnisrelationen erlaubt (seit ORACLE 8) Subqueries 51

48 Unkorrelierte Subquery unabhängig von den Werten des in der umgebenden Anfrage verarbeiteten Tupels, wird vor der umgebenden Anfrage einmal ausgewertet, das Ergebnis wird bei der Auswertung der W4 [ 1 l±3 / 1 der äußeren Anfrage verwendet, streng sequentielle Auswertung, daher ist eine Qualifizierung mehrfach vorkommender Attribute nicht erforderlich Beispiel: Bestimme alle Länder, in denen es eine Stadt namens Victoria gibt: ƒ{ 1 1 0ˆ Wö Z Š [Œ4 žl±1ª œ1 1 ž{² Æpƒ{ 1 1 0ˆ žl±1ª œ1 1 Š [Œ4 [«œ1 Wö Z À VÎ3«/š%œWž «{ Ô 2ÈÑ CountryName Canada Seychelles Subqueries 52

49 Unkorrelierte Subquery mit Ü Ý Beispiel: Alle Städte, von denen bekannt ist, daß die an einem Fluß, See oder Meer liegen: ƒ{ 1 1 0ˆ Š [Œ4 [ ˆ ÆG Wö Z žl±1ª œ1 1 FḠ 1 Wž4Õ3«ª3š1 WÈ Æpƒ{ 1 1 0ˆ [«œ1 F žl±1ª œ1 1 FḠ 1 Wž4Õ3«ª3š Š [Œ4 1ž š/ œw {²ÈÑ Name Country Province Ajaccio F Corse Karlstad S Värmland San Diego USA California Subqueries 53

50 Subquery mit ALL Beispiel: 1 1 ist zb dazu geeignet, wenn man alle Länder bestimmen will, die kleiner als alle Staaten sind, die mehr als 10 Millionen Einwohner haben: ƒ{ 1 1 0ˆ Wö Z Ḡ 1 W 1 Ḡ Wž ³ ± 1 œ«{žlª Š [Œ4 žl±1ª œ1 1 1 W 1 Ø 1 1 Æpƒ{ 1 1 0ˆ 1 W 1 Š [Œ4 žl±1ª œ1 1 Wž ³ ± 1 œ«{žlª Á ÏÃ1Ã1Ã1Ã1Ã1Ã1Ã[ÈÑ Name Area Population Albania Macedonia Andorra Subqueries 54

51 Korrelierte Subquery Subquery ist von Attributwerten des gerade von der umgebenden Anfrage verarbeiteten Tupels abhängig, wird für jedes Tupel der umgebenden Anfrage einmal ausgewertet, Qualifizierung der importierten Attribute erforderlich Beispiel: Es sollen alle Städte bestimmt werden, in denen mehr als ein Viertel der Bevölkerung des jeweiligen Landes wohnt ƒ{ 1 1 0ˆ Wö Z žl±1ª œ1 1 Š [Œ4 [«œ1 Wž ³ ± 1 œ«{žlª Þ Á Æpƒ{ 1 1 0ˆ Wž ³ ± 1 œ«{žlª Š [Œ4 žl±1ª œ1 1 ž{² À [«œ1 g Ä žl±1ª œ1 1 ÈÑ Name Country Copenhagen Tallinn Vatican City Reykjavik Auckland DK EW V IS NZ Subqueries 55

52 Der EXISTS-Operator 1½ ƒ{ˆ ƒ bzw WŒˆ 1½ ƒ{ˆ ƒ bilden den Existenzquantor nach ƒ{ 1 1 0ˆ N œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 T»y WŒˆ ¼ 1½ ƒ{ˆ ƒ Æ N / 1 1 š%œw š/ 1 l±3 / T ÈÑ Beispiel: Gesucht seien diejenigen Länder, für die Städte mit mehr als einer Million Einwohnern in der Datenbasis abgespeichert sind ƒ{ 1 1 0ˆ Wö Z Š [Œ4 žl±1ª œ1 1 1½ ƒ{ˆ ƒ Æ ƒ{ 1 1 0ˆ Š [Œ4 [«œ1 Wž ³ ± 1 œ«{žlª µ ÏÃ1Ã1Ã1Ã1Ã1à 1 /Ž [«œ1 g Ä žl±1ª œ1 1 À žl±1ª œ1 1 g Ä ž{² WÈ Name Serbia and Montenegro France Spain Austria Subqueries 56

53 Umformung ßÚàgÜ3áZâãá, Subquery, Join Äquivalent dazu sind die beiden folgenden Anfragen: ƒ{ 1 1 0ˆ Wö Z Š [Œ4 žl±1ª œ1 1 ž{² Æ ƒ{ 1 1 0ˆ žl±1ª œ1 1 Š [Œ4 [«œ1 [«œ1 g Y Wž ³ ± 1 œ«{žlª µ ÏÃ1Ã1Ã1Ã1Ã1Ã[ÈÑ ƒ{ 1 1 0ˆ ŽZ ƒ{ˆ 0ˆ žl±1ª œ1 1 g Y Wö Z Š [Œ4 žl±1ª œ1 1 F [«œ1 [«œ1 g Ä žl±1ª œ1 1 À žl±1ª œ1 1 g Ä ž{² 1 /Ž [«œ1 g Y Wž ³ ± 1 œ«{žlª µ ÏÃ1Ã1Ã1Ã1Ã1ÃÐ Subqueries 57

54 Beispielanfrage Ein Land, in dem mehr als 10 Prozent der Bevölkerung in Großstädten leben, gilt als stark urbanisiert Großstädte sind Städte mit mehr als Einwohnern Welche Länder der EU sind stark urbanisiert? ƒ{ 1 1 0ˆ žl±1ª œ1 1 g Y Wö Z Š [Œ4 žl±1ª œ1 1 F [«œ1 F «/ Z o Œ 1ÇW lªö«l œ«{žlª À 1 /Ž «/ Z o g Ä žl±1ª œ1 1 À žl±1ª œ1 1 g Ä ž{² 1 /Ž «/ Z o g Yˆ1 ³ À S Z o Í 1 /Ž [«œ1 g Y Wž ³ ± 1 œ«{žlª Á Å1Ã1Ã1Ã1Ã1à 1 /Ž [«œ1 g Ä žl±1ª œ1 1 À žl±1ª œ1 1 g Ä ž{² / [Œ 1 žl±1ª œ1 1 g Y Wö Z žl±1ª œ1 1 g Y Wž ³ ± 1 œ«{žlª Î3 Æpƒ _Æ [«œ1 g Y Wž ³ ± 1 œ«{žlªjè{é ž%±1ª œ 1 g Wž ³ ± 1 {œ«{žlª È Á ÃF ÏÖ Name Austria Denmark Germany Ireland Italy Netherlands Spain United Kingdom Subqueries 58

55 Subqueries in der äæåôçè -Zeile ƒ{ 1 1 0ˆ N œ1œ1 W1 «/ %œ T Š [Œ4 N œw l 1 1É ±1 [¾4± 1 1 «/ %œ T N š/žlª ²«œ«{žlª T Werte, die auf unterschiedliche Weise aus einer oder mehreren Tabellen gewonnen werden sollen in Beziehung zueinander gestellt werden Beispiel: Gesucht ist die Zahl der Menschen, die nicht in den gespeicherten Städten leben ƒ{ 1 1 0ˆ Wž ³ ± 1 œ«{žlª 0 lª [ «l² lª œê Š [Œ4 Æpƒ{ 1 1 0ˆ ƒ _ÆG Wž ³ ± 1 œ«{žlªjè ƒ Wž ³ ± 1 œ«{žlª Š [Œ4 žl±1ª œ1 1 ÈÑ Æpƒ{ 1 1 0ˆ ƒ _ÆG Wž ³ ± 1 œ«{žlªjè ƒ 0 lª [ «l² lª œê Š [Œ4 [«œ1 ÈÑ Population-Urban Residents Subqueries 59

56 Subqueries in der äæåôçè -Zeile Dies ist inbesondere geeignet, um geschachtelte Berechnungen mit Aggregatfunktionen durchzuführen: Beispiel: Berechnen Sie die Anzahl der Menschen, die in der größten Stadt ihres Landes leben ƒ{ 1 1 0ˆ ±0?Æ ³ ž ³ Ö«Ç1ÇW %œ3è Š [Œ4 Æpƒ{ 1 1 0ˆ š/žl±1ª œ1 1 F Z ÒFÆ ³ ž ³ ± 1 œ«{žlªjè ³ ž ³ Ö«Ç1ÇW %œ Š [Œ4 [«œ1 / [Œ 1 š/žl±1ª œ1 1 3ÈÑ sum(pop biggest) Subqueries 60

Praktikum: Datenbankprogrammierung in SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE

Praktikum: Datenbankprogrammierung in SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE Praktikum: Datenbankprogrammierung SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE ER-Modellierung Schemaerzeugung Anfragen Views Komplexe Attribute, geschachtelte Tabellen Optimierung Prof. Dr. Wolfgang May

Mehr

Praktikum: Datenbankprogrammierung in SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE

Praktikum: Datenbankprogrammierung in SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE Praktikum: Datenbankprogrammierung SQL/ORACLE Praktikum: Datenbankprogrammierung SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE ER-Modellierung Schemaerzeugung Anfragen Views Komplexe Attribute, geschachtelte

Mehr

Praktikum: Datenbankprogrammierung in SQL/ORACLE

Praktikum: Datenbankprogrammierung in SQL/ORACLE Praktikum: Datenbankprogrammierung in SQL/ORACLE Prof Dr Wolfgang May Universität Göttingen Mit Beiträgen von Erik Behrends, Rainer Himmeröder, Marco Koch, Heiko Oberdiek INHALT: SQL-3 STANDARD/ORACLE

Mehr

Kapitel 3 SQL = Structured Query Language

Kapitel 3 SQL = Structured Query Language Kapitel 3 SQL = Structured Query Language Standard-Anfragesprache Standardisierung: SQL-89, SQL-92 (SQL2), SQL:1999 (SQL3), SQL:2003 SQL2 in 3 Stufen eingeführt (entry, intermediate und full level) SQL3:

Mehr

Datenbankpraktikum SQL. Prof. Dr. Wolfgang May Institut für Informatik Universität Göttingen

Datenbankpraktikum SQL. Prof. Dr. Wolfgang May Institut für Informatik Universität Göttingen Datenbankpraktikum SQL Prof Dr Wolfgang May may@informatikuni-goettingende Institut für Informatik Universität Göttingen Göttingen, März 2005 Vorwort Im Rahmen des SQL-Praktikums sollen die wichtigsten

Mehr

Kapitel 3 SQL = Structured Query Language

Kapitel 3 SQL = Structured Query Language Kapitel 3 SQL = Structured Query Language Standard-Anfragesprache Standardisierung: SQL-89, SQL-92 (SQL2), SQL:1999 (SQL3), SQL:2003 SQL2 in 3 Stufen eingeführt (entry, intermediate und full level) SQL3:

Mehr

3. Das Relationale Datenmodell

3. Das Relationale Datenmodell 3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie

Mehr

Anleitung zur Einrichtung eines POP 3E-Mail-Postfaches als Schiedsperson oder Friedensrichter mit Microsoft Outlook Express

Anleitung zur Einrichtung eines POP 3E-Mail-Postfaches als Schiedsperson oder Friedensrichter mit Microsoft Outlook Express IT Beauftragter des BDS Bundesvorstands Neuruppin, 10.08.2005 Schiedsmann Andreas Roß Haselnußweg 15, 16816 Neuruppin Tel.: 03391-650981, Fax.: 03391-512214 E-Mail: ross@schiedsmann.de Einführung des BDS

Mehr

Übungsblatt 4. Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin)

Übungsblatt 4. Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin) Übungsblatt 4 Aufgabe 7: Datensicht Fachkonzept (Klausur SS 2002, 1. Termin) Die Saartal Linien beauftragen Sie mit dem Entwurf der Datenstrukturen für ein Informationssystem. Dieses soll zur Verwaltung

Mehr

In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.

In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken. In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Abitur 2013 Mathematik GK Stochastik Aufgabe C1

Abitur 2013 Mathematik GK Stochastik Aufgabe C1 Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2013 Mathematik GK Stochastik Aufgabe C1 Wissenschaftler der israelischen Ben-Gurion-Universität sind der Frage nachgegangen, ob die Attraktivität eines

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Professionelle Seminare im Bereich MS-Office

Professionelle Seminare im Bereich MS-Office Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion

Mehr

4. BEZIEHUNGEN ZWISCHEN TABELLEN

4. BEZIEHUNGEN ZWISCHEN TABELLEN 4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe

Mehr

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo.

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo. Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten

Mehr

7. Übung - Datenbanken

7. Übung - Datenbanken 7. Übung - Datenbanken Informatik I für Verkehrsingenieure Aufgaben inkl. Beispiellösungen 1. Aufgabe: DBS a Was ist die Kernaufgabe von Datenbanksystemen? b Beschreiben Sie kurz die Abstraktionsebenen

Mehr

Grundlagen der Programmierung (Vorlesung 14)

Grundlagen der Programmierung (Vorlesung 14) Grundlagen der Programmierung (Vorlesung 14) Ralf Möller, FH-Wedel Vorige Vorlesung Verifikation von Anweisungen und Anweisungsfolgen Schleifen Inhalt dieser Vorlesung Funktionen und Prozeduren Lernziele

Mehr

Informatik 12 Datenbanken SQL-Einführung

Informatik 12 Datenbanken SQL-Einführung Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung

Mehr

Oracle SQL Tutorium - Wiederholung DB I -

Oracle SQL Tutorium - Wiederholung DB I - Oracle SQL Tutorium - Wiederholung DB I - (Version 2.6 vom 24.2.2015) Einleitung Im Folgenden sind zur Wiederholung eine Reihe von SQL-Übungsaufgaben zu lösen. Grundlage für die Aufgaben ist die Mondial

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

SQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I

SQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I SQL SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R VII-1 Beispielrelationen Filiale ( Name Leiter Stadt Einlagen ) Konto ( KontoNr KundenNr FilialName Saldo ) Kredit

Mehr

SQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar

SQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar Qt-Seminar Dienstag, 10.2.2009 SQL ist......die Abkürzung für Structured Query Language (früher sequel für Structured English Query Language )...ein ISO und ANSI Standard (aktuell SQL:2008)...eine Befehls-

Mehr

Erweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:

Erweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt

Mehr

Abfragen: Grundbausteine

Abfragen: Grundbausteine Abfragen: Grundbausteine Abfragen sollen gezielt Teile der Information wiedergeben. Das Ergebnis einer solchen Operation ist eine. Der Aufbau der Ergebnistabelle wird durch zwei Grundverfahren festgelegt:

Mehr

Kapitel 4 Die Datenbank Kuchenbestellung Seite 1

Kapitel 4 Die Datenbank Kuchenbestellung Seite 1 Kapitel 4 Die Datenbank Kuchenbestellung Seite 1 4 Die Datenbank Kuchenbestellung In diesem Kapitel werde ich die Theorie aus Kapitel 2 Die Datenbank Buchausleihe an Hand einer weiteren Datenbank Kuchenbestellung

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

2.5.2 Primärschlüssel

2.5.2 Primärschlüssel Relationale Datenbanken 0110 01101110 01110 0110 0110 0110 01101 011 01110 0110 010 011011011 0110 01111010 01101 011011 0110 01 01110 011011101 01101 0110 010 010 0110 011011101 0101 0110 010 010 01 01101110

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Access [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen

Access [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen

Mehr

Datenbanken Wintersemester 11/12. Prof. Dr. W. May

Datenbanken Wintersemester 11/12. Prof. Dr. W. May AG Datenbanken und Informationssysteme Institut für Informatik Universität Göttingen Datenbanken Wintersemester 11/12 Prof. Dr. W. May 3. Übungsblatt: SQL Besprechung voraussichtlich am 20/21.12.2011 Aufgabe

Mehr

Kurzanleitung. Modell ER-A410 ER-A420

Kurzanleitung. Modell ER-A410 ER-A420 Modell ER-A410 ER-A420 2011 Kassensysteme WEDEMANN GmbH, Oldenburg. Alle Rechte vorbehalten. Der Inhalt dieser ist Eigentum der Kassensysteme WEDEMANN GmbH Oldenburg und unterliegt somit dem Urheberrecht.

Mehr

Aufgabe 1: [Logische Modellierung]

Aufgabe 1: [Logische Modellierung] Aufgabe 1: [Logische Modellierung] a) Entwerfen Sie für das von Ihnen entworfene Modell aus Aufgabe 2 des 1. Übungsblattes ein Star-Schema. b) Entwerfen Sie für das vorangegangene Modell einen Teil eines

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

Übung Datenbanken in der Praxis. Relationale Algebra

Übung Datenbanken in der Praxis. Relationale Algebra Relationale Algebra Folie 16 Relationale Algebra - Aufgabe 1 Gegeben seien die Relationen R1, R2 und R3. Erstellen Sie die Ergebnisrelationen für folgende Operationen und bestimmen Sie jeweils den Grad

Mehr

Inhaltsverzeichnis. 1. Fragestellung

Inhaltsverzeichnis. 1. Fragestellung Inhaltsverzeichnis 1. Fragestellung... 1 2. Herleitung zum Thema... 1 3. Das Entity Relationship Modell (ERM)... 2 4. Praktisches Beispiel zum ERM... 7 5. Anhang...Fehler! Textmarke nicht definiert. 1.

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5

Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Aufgabe 1: Projektion Datenbanksysteme I π A1,...,A n (π B1,...,B

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Kapitel 8: Physischer Datenbankentwurf

Kapitel 8: Physischer Datenbankentwurf 8. Physischer Datenbankentwurf Seite 1 Kapitel 8: Physischer Datenbankentwurf Speicherung und Verwaltung der Relationen einer relationalen Datenbank so, dass eine möglichst große Effizienz der einzelnen

Mehr

Datenbankpraktikum SQL. Prof. Dr. Wolfgang May Institut für Informatik Universität Göttingen

Datenbankpraktikum SQL. Prof. Dr. Wolfgang May Institut für Informatik Universität Göttingen Datenbankpraktikum SQL Prof Dr Wolfgang May may@informatikuni-goettingende Institut für Informatik Universität Göttingen Göttingen, März 2005 Vorwort Im Rahmen des SQL-Praktikums sollen die wichtigsten

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007

mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007 6. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007 Aufgabe 1: Rekursion Betrachten Sie die folgende Tabelle

Mehr

Michaela Weiss 01. April 2015. Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL

Michaela Weiss 01. April 2015. Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL Michaela Weiss 01. April 2015 Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL Seite 2 Datenbanken Allgemeines: Datenbank(management)systeme ermöglichen die Speicherung großer Datenmengen Kennzeichen

Mehr

Whitepaper. Produkt: combit Relationship Manager 7. combit Relationship Manager email-rückläufer Script. combit GmbH Untere Laube 30 78462 Konstanz

Whitepaper. Produkt: combit Relationship Manager 7. combit Relationship Manager email-rückläufer Script. combit GmbH Untere Laube 30 78462 Konstanz combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: combit Relationship Manager 7 combit Relationship Manager email-rückläufer Script Inhalt Einleitung 3 Notwendige Anpassungen 3 crm Solution

Mehr

AGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b

AGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität

Mehr

5 DATEN. 5.1. Variablen. Variablen können beliebige Werte zugewiesen und im Gegensatz zu

5 DATEN. 5.1. Variablen. Variablen können beliebige Werte zugewiesen und im Gegensatz zu Daten Makro + VBA effektiv 5 DATEN 5.1. Variablen Variablen können beliebige Werte zugewiesen und im Gegensatz zu Konstanten jederzeit im Programm verändert werden. Als Variablen können beliebige Zeichenketten

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Datenbanken Microsoft Access 2010

Datenbanken Microsoft Access 2010 Datenbanken Microsoft Access 2010 Abfragen Mithilfe von Abfragen kann ich bestimmte Informationen aus einer/mehrerer Tabellen auswählen und nur diese anzeigen lassen die Daten einer/mehrerer Tabellen sortieren

Mehr

Nachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)

Nachtrag: Farben. Farbblindheit. (Light und Bartlein 2004) Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009

Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger

Mehr

Prozentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:

Prozentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen: Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn

Mehr

Konzeption und prototypische Realisierung eines XML-fähigen Mailtools

Konzeption und prototypische Realisierung eines XML-fähigen Mailtools Universität Paderborn Fachbereich 17 Mathematik/Informatik Arbeitsgruppe Datenbanken und Informationssysteme Warburger Straße 100 33098 Paderborn Konzeption und prototypische Realisierung eines XML-fähigen

Mehr

SQL (Structured Query Language) Schemata Datentypen

SQL (Structured Query Language) Schemata Datentypen 2 SQL Sprachelemente Grundlegende Sprachelemente von SQL. 2.1 Übersicht Themen des Kapitels SQL Sprachelemente Themen des Kapitels SQL (Structured Query Language) Schemata Datentypen Im Kapitel SQL Sprachelemente

Mehr

Modellbildungssysteme: Pädagogische und didaktische Ziele

Modellbildungssysteme: Pädagogische und didaktische Ziele Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und

Mehr

!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.

!(0) + o 1(). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen. Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Das SQL-Schlüsselwort ALL entspricht dem Allquantor der Prädikatenlogik

Das SQL-Schlüsselwort ALL entspricht dem Allquantor der Prädikatenlogik Beispielaufgaben Informationssysteme erstellt von Fabian Rump zur IS Vorlesung 2009/10 1 Multiple Choice Aussage richtig falsch Eine SQL-Abfrage beginnt immer mit dem Schlüsselwort SELECT Eine Datenbank

Mehr

Vorlesung Dokumentation und Datenbanken Klausur

Vorlesung Dokumentation und Datenbanken Klausur Dr. Stefan Brass 5. Februar 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises

Mehr

Erfahrungen mit Hartz IV- Empfängern

Erfahrungen mit Hartz IV- Empfängern Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November

Mehr

Relationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL

Relationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL Relationales Modell: SQLDDL SQL als Definitionssprache SQLDDL umfaßt alle Klauseln von SQL, die mit Definition von Typen Wertebereichen Relationenschemata Integritätsbedingungen zu tun haben Externe Ebene

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

9. Einführung in Datenbanken

9. Einführung in Datenbanken 9. Einführung in Datenbanken 9.1 Motivation und einführendes Beispiel 9.2 Modellierungskonzepte der realen Welt 9.3 Anfragesprachen (Query Languages) 9.1 Motivation und einführendes Beispiel Datenbanken

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Kurzanleitung fu r Clubbeauftragte zur Pflege der Mitgliederdaten im Mitgliederbereich

Kurzanleitung fu r Clubbeauftragte zur Pflege der Mitgliederdaten im Mitgliederbereich Kurzanleitung fu r Clubbeauftragte zur Pflege der Mitgliederdaten im Mitgliederbereich Mitgliederbereich (Version 1.0) Bitte loggen Sie sich in den Mitgliederbereich mit den Ihnen bekannten Zugangsdaten

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Outlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang

Outlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche

Mehr

Relationenmodell (RM)

Relationenmodell (RM) Relationenmodell (RM) Lehr- und Forschungseinheit Datenbanken und Informationssysteme Ziele Relationenmodell Transformation E-R-Modell in Relationenmodell Lehr- und Forschungseinheit Datenbanken und Informationssysteme

Mehr

Access [basics] Rechnen in Berichten. Beispieldatenbank. Datensatzweise berechnen. Berechnung im Textfeld. Reporting in Berichten Rechnen in Berichten

Access [basics] Rechnen in Berichten. Beispieldatenbank. Datensatzweise berechnen. Berechnung im Textfeld. Reporting in Berichten Rechnen in Berichten Berichte bieten die gleichen Möglichkeit zur Berechnung von Werten wie Formulare und noch einige mehr. Im Gegensatz zu Formularen bieten Berichte die Möglichkeit, eine laufende Summe zu bilden oder Berechnungen

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

Im Original veränderbare Word-Dateien

Im Original veränderbare Word-Dateien Objekte einer Datenbank Microsoft Access Begriffe Wegen seines Bekanntheitsgrades und der großen Verbreitung auch in Schulen wird im Folgenden eingehend auf das Programm Access von Microsoft Bezug genommen.

Mehr

4 Grundlagen der Datenbankentwicklung

4 Grundlagen der Datenbankentwicklung 4 Grundlagen der Datenbankentwicklung In diesem Kapitel werden wir die Grundlagen der Konzeption von relationalen Datenbanken beschreiben. Dazu werden Sie die einzelnen Entwicklungsschritte von der Problemanalyse

Mehr

Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder

Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder Übungskomplex Felder (1) Eindimensionale Felder Mehrdimensionale Felder Hinweise zur Übung Benötigter Vorlesungsstoff Ab diesem Übungskomplex wird die Kenntnis und praktische Beherrschung der Konzepte

Mehr

QM: Prüfen -1- KN16.08.2010

QM: Prüfen -1- KN16.08.2010 QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

Relationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14

Relationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14 Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls

Mehr

Datenbankentwurf. 4.2 Logischer Entwurf. Kapitel 4. ER-Modell. Umsetzung. Entwurfsdokumentation. relationales Modell. Verbesserung

Datenbankentwurf. 4.2 Logischer Entwurf. Kapitel 4. ER-Modell. Umsetzung. Entwurfsdokumentation. relationales Modell. Verbesserung 4.2 Logischer Entwurf Datenbankentwurf 4.2 Logischer Entwurf 2002 Prof. Dr. Rainer Manthey Informationssysteme Logischer Entwurf: Einordnung Entwurfsdokumentation logische Strukturen "auf dem Papier" konzeptueller

Mehr

Ist Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers

Ist Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers Ist Excel das richtige Tool für FMEA? Steve Murphy, Marc Schaeffers Ist Excel das richtige Tool für FMEA? Einleitung Wenn in einem Unternehmen FMEA eingeführt wird, fangen die meisten sofort damit an,

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

Mehr

Details zu den Ausdrücken nach FROM, WHERE, GROUP BY und HAVING finden Sie in den Abschnitten über JOIN, WHERE und GROUP BY.

Details zu den Ausdrücken nach FROM, WHERE, GROUP BY und HAVING finden Sie in den Abschnitten über JOIN, WHERE und GROUP BY. SELECT - Der Grundbefehl zur Auswahl von Daten Die SELECT-Anweisung fragt Daten aus einer Datenbank ab und stellt diese in einer virtuellen Tabelle zur Verfügung. Diese virtuelle Tabelle, eine Menge von

Mehr

Mediator 9 - Lernprogramm

Mediator 9 - Lernprogramm Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop

Mehr

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.

Mehr

Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer

Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Klassendiagramme Ein Klassendiagramm dient in der objektorientierten Softwareentwicklung zur Darstellung von Klassen und den Beziehungen,

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

Erwin Grüner 09.02.2006

Erwin Grüner 09.02.2006 FB Psychologie Uni Marburg 09.02.2006 Themenübersicht Folgende Befehle stehen in R zur Verfügung: {}: Anweisungsblock if: Bedingte Anweisung switch: Fallunterscheidung repeat-schleife while-schleife for-schleife

Mehr

Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note:

Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007. Name: Note: 1 Modul Datenbanksysteme 2 Prüfung skizzenhaft SS Aug. 2007 Name: Note: Nr. Aufgaben Max. Punkte Erreichte Punkte 1 Grundlagen ~ 10% Vgl. Hinweis unten 2 Integrität, Procedures, Triggers, Sichten ~ 20%

Mehr

Wir machen neue Politik für Baden-Württemberg

Wir machen neue Politik für Baden-Württemberg Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in

Mehr

Quadratische Gleichungen

Quadratische Gleichungen Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl

Mehr

SQL - Übungen Bearbeitung der Datenbank Personal (1)

SQL - Übungen Bearbeitung der Datenbank Personal (1) Bearbeitung der Datenbank Personal (1) 1. Abfragen einer einzigen Tabelle 1.1. Zeigen Sie alle Informationen an, die über die Kinder der Mitarbeiter gespeichert sind. 1.2. Zeigen Sie aus der Tabelle stelle

Mehr

mobilepoi 0.91 Demo Version Anleitung Das Software Studio Christian Efinger Erstellt am 21. Oktober 2005

mobilepoi 0.91 Demo Version Anleitung Das Software Studio Christian Efinger Erstellt am 21. Oktober 2005 Das Software Studio Christian Efinger mobilepoi 0.91 Demo Version Anleitung Erstellt am 21. Oktober 2005 Kontakt: Das Software Studio Christian Efinger ce@efinger-online.de Inhalt 1. Einführung... 3 2.

Mehr

Themenblock 2: Datenmodellierung mit ERM

Themenblock 2: Datenmodellierung mit ERM Themenblock 2: Datenmodellierung mit ERM Übung Modellierung: Im ersten Schritt werden die Informationsobjekte (Entitytypen) der Aufgabenstellung identifiziert. (Siehe Markierung im Text) Danach werden

Mehr

WinWerk. Prozess 6a Rabatt gemäss Vorjahresverbrauch. KMU Ratgeber AG. Inhaltsverzeichnis. Im Ifang 16 8307 Effretikon

WinWerk. Prozess 6a Rabatt gemäss Vorjahresverbrauch. KMU Ratgeber AG. Inhaltsverzeichnis. Im Ifang 16 8307 Effretikon WinWerk Prozess 6a Rabatt gemäss Vorjahresverbrauch 8307 Effretikon Telefon: 052-740 11 11 Telefax: 052-740 11 71 E-Mail info@kmuratgeber.ch Internet: www.winwerk.ch Inhaltsverzeichnis 1 Ablauf der Rabattverarbeitung...

Mehr