Semantische Modellierung: Entity-Relationship Modell (ERM; Chen, 1976)
|
|
- Tobias Boer
- vor 8 Jahren
- Abrufe
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 SQL/ORACLE INHALT: SQL-3 STANDARD/ORACLE ER-Modellierung Schemaerzeugung Anfragen Views Komplexe Attribute, geschachtelte Tabellen Optimierung Prof. Dr. Wolfgang May
MehrPraktikum: 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
MehrPraktikum: 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
MehrKapitel 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:
MehrDatenbankpraktikum 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
MehrKapitel 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:
Mehr3. 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
MehrAnleitung 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
MehrÜbungsblatt 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
MehrIn 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
Mehr50. 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
MehrAbitur 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
MehrWürfelt 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
MehrProfessionelle 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
Mehr4. 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
MehrMengenvergleiche: 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
Mehr7. 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
MehrGrundlagen 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
MehrInformatik 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
MehrOracle 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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrSQL 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
MehrSQL 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-
MehrErweiterung 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
MehrAbfragen: 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:
MehrKapitel 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
MehrPrimzahlen 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
Mehr2.5.2 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
Mehr1 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.
MehrAccess [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
MehrDatenbanken 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
MehrKurzanleitung. 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.
MehrAufgabe 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
Mehr15.3 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
MehrÜbung 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
MehrInhaltsverzeichnis. 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.
MehrZeichen 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
MehrUniversität 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
MehrTerme 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
MehrKapitel 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
MehrDatenbankpraktikum 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
MehrR 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
MehrInformationsblatt 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
MehrVorlesung 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
Mehrmit 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
MehrMichaela 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
MehrWhitepaper. 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
MehrAGROPLUS 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
Mehr5 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
MehrGrundlagen 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)
MehrEinführung 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
MehrDatenbanken 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
MehrNachtrag: 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
MehrIm 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
MehrDipl. 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
MehrProzentrechnung. 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
MehrKonzeption 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
MehrSQL (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
MehrModellbildungssysteme: 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.
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 (")
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrDas 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
MehrVorlesung 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
MehrErfahrungen 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
MehrRelationales 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
MehrLineare 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
Mehr9. 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
MehrGrundlagen 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
MehrMusterlösungen 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
MehrKurzanleitung 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
MehrDer 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
MehrOutlook. 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
MehrRelationenmodell (RM)
Relationenmodell (RM) Lehr- und Forschungseinheit Datenbanken und Informationssysteme Ziele Relationenmodell Transformation E-R-Modell in Relationenmodell Lehr- und Forschungseinheit Datenbanken und Informationssysteme
MehrAccess [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
MehrKapitel 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
MehrMathematischer 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
MehrIm 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.
Mehr4 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
MehrÜbungskomplex 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
MehrQM: 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,
Mehr7 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
Mehr1 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
MehrRelationale 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
MehrDatenbankentwurf. 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
MehrIst 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,
MehrOECD 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
MehrDetails 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
MehrMediator 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
MehrBehörde 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.
MehrFachdidaktik 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,
MehrMai 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
MehrErwin 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
MehrModul 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%
MehrWir 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
MehrQuadratische 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
MehrSQL - 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
Mehrmobilepoi 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.
MehrThemenblock 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
MehrWinWerk. 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