Schema Mapping. Armin Roth arminroth.de. Armin Roth (arminroth.de) II Schema Mapping / 23
|
|
- Damian Schuler
- vor 7 Jahren
- Abrufe
Transkript
1 Schema Mapping Armin Roth arminroth.de Armin Roth (arminroth.de) II Schema Mapping / 23
2 Agenda 1 Wiederholung: Schema Mapping 2 Logische Mappings 3 Erzeugung der Anfragen Armin Roth (arminroth.de) II Schema Mapping / 23
3 Wiederholung: Schema Mapping Schema Mapping Definitionen I [FHP + 02] (Inter-Schema) Korrespondenz: Zuordnung von Quellschemaelement(en) zu Zielschemaelement(en) (High-level) Mapping Menge von Korrespondenzen (Low-Level) Logisches Mapping Logische Übersetzung eines oder mehrerer Mappings, die den Integritätsbedingungen beider Schemas gehorcht und die Intention des Nutzers wiederspiegelt Armin Roth (arminroth.de) II Schema Mapping / 23
4 Wiederholung: Schema Mapping Schema Mapping Definitionen II [FHP + 02] Interpretation Übersetzung eines Mappings in logische(s) Mapping(s) Übersetzung eines logischen Mappings in Transformationsanfrage Transformationsanfrage Anfrage in einer Anfragesprache, die Daten des Quelldaten in Struktur des Zielschemas überführt Armin Roth (arminroth.de) II Schema Mapping / 23
5 Wiederholung: Schema Mapping Schema Mapping im Kontext Möchte Daten aus S Versteht T Versteht nicht immer S Quell- Schema S (High-level) Mapping Mapping Compiler Ziel- Schema T Quell- Instanz (Low-level) Logisches Mapping (bzw. Transformations)? Ziel- Instanz? Armin Roth (arminroth.de) II Schema Mapping / 23
6 Wiederholung: Schema Mapping Schema Mapping Beispiel [FHP + 02] spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
7 Wiederholung: Schema Mapping Erfinden von Werten Zwei Gründe zum Erfinden: non-null und Identität Non-null Werte: Erfundener Wert egal z.b. unbekannt oder null (oder Berlin ) ID Werte: Skolemfunktion Input: n Werte ((beliebige Domäne)) Output: bzgl. Input eindeutiger Wert (beliebiger Domäne) Beispiel: Konkatenation aller Input-Werte als String firma name organisationen org orgid orgname Wert für org.orgid nicht egal, sondern je nach firma.name eindeutig! Armin Roth (arminroth.de) II Schema Mapping / 23
8 Wiederholung: Schema Mapping Schema Mapping Beispiel spendendb firmen firma name spenden spende betrag projekt spender Interpretation: - Erzeuge für jede firma in spendendb. eine org in haushaltdb - Erzeuge für jede spende in spendendb eine einnahme in haushaltdb - Erzeuge für jede spende in spendendb eine buchung in haushaltdb - Gruppiere korrekt: Schachtelung Fremdschlüssel! haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
9 Wiederholung: Schema Mapping Schema Mapping Beispiel spendendb firmen firma name spenden spende betrag projekt spender Weitere Interpretation: haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
10 Wiederholung: Schema Mapping Schema Mapping Algorithmus Drei Schritte: 1 Entdeckung von intra-schema Assoziationen 2 Entdeckung von inter-schema logischen Mappings 3 Anfrageerzeugung spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
11 Wiederholung: Schema Mapping Schritt 1: Entdeckung von Assoziationen Intra-schema Assoziationen zwischen Schemaelementen Relationale Sichten enthalten maximale Gruppen assoziierter Elemente Jede Sicht repräsentiert eine eigene Kategorie an Daten der Datenquelle Unabhängig vom Mapping (aber beschränkt auf gemappte Elemente) Quell- Schema S Assoziationen des Quellschemas Ziel- Schema T Assoziationen des Zielschemas Armin Roth (arminroth.de) II Schema Mapping / 23
12 Wiederholung: Schema Mapping Entdeckung von Assoziationen Betrachte nun Schlüssel / Fremdschlüssel (ICs) Logische Relation Erweitere jeden primären Pfad durch Verfolgen der ICs (chase) haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
13 Agenda Logische Mappings 1 Wiederholung: Schema Mapping 2 Logische Mappings 3 Erzeugung der Anfragen Armin Roth (arminroth.de) II Schema Mapping / 23
14 Logische Mappings Schritt 2: Entdeckung von logischen Mappings Entdecke logische Mappings zwischen Quell- und Zielschema Betrachte alle Kombinationen aus Assoziationen des Quellschemas und Assoziationen des Zielschemas Interessant sind nur Kombinationen, deren Assoziationen durch Korrespondenzen verbunden sind Quell- Schema S Element - Element Korrespondenzen Ziel- Schema T Logisches Mapping Assoziationen des Quellschemas Assoziationen des Zielschemas Armin Roth (arminroth.de) II Schema Mapping / 23
15 Logische Mappings Entdeckung von logischen Mappings spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Ausgehende Korrespondenzen: Finden alle ein Ziel in der Kombination? Armin Roth (arminroth.de) II Schema Mapping / 23
16 Logische Mappings Entdeckung von logischen Mappings spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Eingehende Korrespondenzen: Stammen sie alle aus Assoziationen der Kombination? Armin Roth (arminroth.de) II Schema Mapping / 23
17 Input des Nutzers Logische Mappings spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
18 Input des Nutzers Logische Mappings spendendb firmen firma name 2. Nutzer wählt logische Mappings spenden (Interpretationen) aus spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge 1. Nutzer malt Korrespondenzen Armin Roth (arminroth.de) II Schema Mapping / 23
19 Logische Mappings Schritt 3: Erzeugung der Anfragen Erzeuge für jedes (ausgewählte) logische Mapping eine Anfrage Auswahl und verknüpfen der entsprechenden Quelldaten Generierung der entsprechenden Zieldaten Quell- Schema S Element - Element Korrespondenzen Ziel- Schema T Anfrage: - entschachteln - joinen Logisches Mapping Anfrage (Ziel): - schachteln - splitten - Werte erfinden Assoziationen des Quellschemas Assoziationen des Zielschemas Armin Roth (arminroth.de) II Schema Mapping / 23
20 Agenda Erzeugung der Anfragen 1 Wiederholung: Schema Mapping 2 Logische Mappings 3 Erzeugung der Anfragen Armin Roth (arminroth.de) II Schema Mapping / 23
21 Erzeugung der Anfragen Erzeugung der Anfragen Probleme Erfinden von Werten NULL-Werte nicht immer ausreichend Schlüssel und passende Fremdschlüssel müssen erzeugt werden Schachtelung Geschachtelte Strukturen anstatt flacher logischer Relation Gruppierung Armin Roth (arminroth.de) II Schema Mapping / 23
22 Gruppierung Erzeugung der Anfragen Alle Attribute erhalten Werte: Aber Assoziationen könnten verloren gehen Neue (falsche) Assoziationen könnten erzeugt werden Deshalb: Gruppierung notwendig Trick: Virtuelle ID Generierung mittels Skolemfunktion basierend auf allen Werten hierarchisch über der aktuellen Relation Im Beispiel: Jedes Tupel haushaltdb erhält ID Sk(land, ) Jedes weitere Tupel aus firmen mit gleichen Werten für und land errechnet gleiche ID und wird unter gleichem Element geschachtelt haushaltdb spendendb firmen firma name land land Haushalt organisationen org orgid orgname Armin Roth (arminroth.de) II Schema Mapping / 23
23 Erzeugung der Anfragen Erzeugung von Anfragen Erzeugung proprietärer Regeln in Clio (IBM Research) for x in spenden let a = x.spende., b= x.spende.projekt, c = x.spende.betrag return <einnahme = < = a, proj = b, = Sk(a, b, c)>> in einnahmen, <buchung = < = Sk(a, b, c), datum = null, menge = c>> in buchungen spendendb spenden spende projekt betrag spender haushaltdb einnahmen einnahme proj buchungen buchung datum menge Armin Roth (arminroth.de) II Schema Mapping / 23
24 Literatur Erzeugung der Anfragen [FHP + 02] R. Fagin, M. Hernandez, L. Popa, Y. Velegrakis, and R. J. Miller. Translating web data. In Proc. of the Int. Conf. on Very Large Databases (VLDB), Armin Roth (arminroth.de) II Schema Mapping / 23
Schema Mapping. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
Dr. Armin Roth arminroth.de 25.04.2013 Dr. Armin Roth (arminroth.de) II Schema Mapping 25.04.2013 1 / 23 Agenda 1 Wiederholung: Schema Matching / Integration 2 Schema Mapping Definitionen Beispiel Algorithmus
MehrDatenintegration & Datenherkunft Schema Matching & Mapping
Datenintegration & Datenherkunft Schema Matching & Mapping Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Ausblick auf
MehrInformationsintegration
Informationsintegration Schema Mapping Ulf Leser Wissensmanagement in der Bioinformatik Schema Matching Anfrageplanung beruht auf Korrespondenzen Die müssen irgendwo herkommen Das Finden von Korrespondenzen
MehrInformationsintegration Schema Mapping Felix Naumann
Informationsintegration Schema Mapping 2.6.2008 Felix Naumann Erste Hälfte 2 Einführung in die Informationsintegration Szenarien Problemstellung der Informationsintegration Verteilung und Autonomie Heterogenität
MehrInformationsintegration Schema Mapping Felix Naumann
Informationsintegration Schema Mapping 8.5.2012 Felix Naumann Erste Hälfte 2 Problemstellung Einführung in die Informationsintegration Szenarien der Informationsintegration Verteilung und Autonomie Heterogenität
MehrDatenintegration. Kapitel 6: Schemamanagement. Dr. Michael Hartung Sommersemester 2013
Datenintegration Datenintegration Kapitel 6: Schemamanagement Dr. Michael Hartung Sommersemester 2013 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Schemaintegration Erzeugung
MehrDatenintegration. Kapitel 6: Schemamanagement. Andreas Thor Sommersemester 2008. Inhalt
Datenintegration Datenintegration Kapitel 6: Schemamanagement Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Schemaintegration Erzeugung
MehrII Heterogenität und Architekturen
II Heterogenität und Dr. Armin Roth arminroth.de 24.04.2013 Dr. Armin Roth (arminroth.de) II Heterogenität und 24.04.2013 1 / 24 Agenda 1 Semantische Heterogenität 2 Architekturparadigmen PDMS Dr. Armin
MehrDatenbanken. Schemaerweiterung zur Abbildung von Imperfekten Daten. Andreas Merkel
Seminar Impferfektion und Datenbanken Schemaerweiterung zur Abbildung von Imperfekten Daten Andreas Merkel Inhalt Einführung - Eigenschaften des relationalen Modells - Erweiterungsmöglichkeiten Zwei unterschiedliche
MehrSeminar Informationsintegration und Informationsqualität
Seminar Informationsintegration und Informationsqualität Produkte und Prototypen Matthias Käppler Technische Universität Kaiserslautern 01. Juli 2006 1 / 50 Gliederung Grundlagen der Informationsintegration...
MehrData Lineage / Data Fusion
Data Lineage / Data Fusion Dr. Armin Roth arminroth.de 27.04.2013 Dr. Armin Roth (arminroth.de) II Data Lineage / Data Fusion 27.04.2013 1 / 38 Agenda 1 Data Lineage Herkunft existierender Daten Herkunft
MehrKapitel 7 Studie: Verwaltung von E-Commerce Daten
Kapitel 7 Studie: Verwaltung von E-Coerce Daten Was ist speziell? (1 Produt-Daten, z. B. Eletronibauteile 2000 Produtategorien, insgesat über 5000 Attribute über alle Kategorien, ständig neue Teile it
MehrDuplikaterkennung. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Duplikaterkennung / 17
Dr. Armin Roth arminroth.de 27.04.2013 Dr. Armin Roth (arminroth.de) II Duplikaterkennung 27.04.2013 1 / 17 Agenda 1 Wiederholung: Datenwertintegration 2 Duplikaterkennung Dr. Armin Roth (arminroth.de)
MehrSchema Mappings in PDMS
Schema Mappings in PDMS Rostock, 9. Juni 2005 Prof. Felix Naumann naumann@informatik.hu-berlin.de Humboldt-Universität zu Berlin Humboldt-Universität zu Berlin 9. Juni 2005 Felix Naumann, Humboldt-Universität
MehrDatenbanken 1. Sommersemester Übung 2
Datenbanken 1 Sommersemester 2017 Übung 2 Übersicht Aufgabe 1: Mengen vs. Multimengen (Grundlagen) Aufgabe 2: ER-Diag. und rel. Schema (binäre Beziehung) Aufgabe 3: ER-Diag. und rel. Schema (ternär Beziehung)
MehrSchemaSQL Eine Multidatenbank Sprache. Volodymyr Biryuk
SchemaSQL Eine Multidatenbank Sprache Volodymyr Biryuk Herausforderung Aufbau eines Multi-Datenbank-Systems (MDBS) Problem Autonomie Distribution Heterogenität Integration heterogener Datenquellen Art
MehrCLICK TO EDIT MASTER TITLE STYLE
CLICK TO EDIT MASTER TITLE STYLE AUTOMATISCHE ERZEUGUNG VON BENUTZEROBERFLÄCHEN UND DATENHALTUNG FÜR DIE KONFIGURATION VON FELDGERÄTEN Diplomverteidigung Betreuer (Firma ubigrate): Dipl.-Inform. Falk Hartmann
MehrAlgorithmen zur Berechnung der Transitiven Hülle einer Datenbankrelation
Algorithmen zur Berechnung der Transitiven Hülle einer Datenbankrelation Daniel Reinhold Shenja Leiser 6. Februar 2006 2/28 Gliederung Einführung Transitive Hülle Definition Iterative Algorithmen 1. Naive
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design
MehrTeil III. Relationale Datenbanken Daten als Tabellen
Teil III Relationale Datenbanken Daten als Tabellen Relationale Datenbanken Daten als Tabellen 1 Relationen für tabellarische Daten 2 SQL-Datendefinition 3 Grundoperationen: Die Relationenalgebra 4 SQL
MehrKapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2013/14 Ludwig-Maximilians-Universität
MehrKonzeptueller Entwurf
Konzeptueller Entwurf UML Klassendiagrame UML Assoziationen Entspricht Beziehungen Optional: Assoziationsnamen Leserichtung ( oder ), sonst bidirektional Rollennamen Kardinalitätsrestriktionen UML Kardinalitätsrestriktionen
Mehr4. Datenabfrage mit QBE
Informationsbestände analysieren Datenabfrage mit QBE 4. Datenabfrage mit QBE Übung 4.1. Datenbank Schule Ziel Sie können mit QBE Daten aus einer bestehende Datenbank auslesen und Auswertungen vornehmen.
MehrEinstieg in die Informatik mit Java
1 / 27 Einstieg in die Informatik mit Java Klassen als Datenstrukturen Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 27 1 Überblick: Klassen als Datenstruktur 2 Vereinbarung
Mehr2. Ein abstraktes Geo-Datenmodell
2 Ein abstraktes Geo-Datenmodell 1 Was soll modelliert werden? 2 Spatial Data Types 3 Integration in das relationale Datenmodell Geo-Informationssysteme 24 21 Was soll modelliert werden? Einzelne Objekte
MehrRelationaler Datenbankentwurf
Übung Datenbanksysteme I Relationaler Datenbankentwurf Thorsten Papenbrock Vorstellung: Tutoren-Team 2 Übung: Thorsten Papenbrock Email: thorsten.papenbrock@hpi.uni-potsdam.de Raum: A-1.7 Tutoren: Alexander
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #3. SQL (Teil 1)
Vorlesung #3 SQL (Teil 1) Fahrplan Wiederholung/Zusammenfassung Relationales Modell Relationale Algebra Relationenkalkül Geschichte der Sprache SQL SQL DDL (CREATE TABLE...) SQL DML (INSERT, UPDATE, DELETE)
MehrSchema Matching und Integration
und Integration Dr. Armin Roth arminroth.de 25.04.2013 Dr. Armin Roth (arminroth.de) II Schema Matching und Integr. 25.04.2013 1 / 26 Agenda 1 Schema Matching 2 Schema Integration Dr. Armin Roth (arminroth.de)
Mehr1. Einführung Seite 1. Kapitel 1: Einführung
1. Einführung Seite 1 Kapitel 1: Einführung 1. Einführung Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine Adresse ist Seeweg 20. Er ist im zweiten Semester. Lisa
MehrRelationales Datenbanksystem Oracle
Relationales Datenbanksystem Oracle 1 Relationales Modell Im relationalen Modell wird ein relationales Datenbankschema wie folgt beschrieben: RS = R 1 X 1 SC 1... R n X n SC n SC a a : i=1...n X i B Information
MehrAktuelles Schlagwort Semi-strukturierte Daten
Aktuelles Schlagwort Semi-strukturierte Daten François Bry, Michael Kraus, Dan Olteanu und Sebastian Schaffert Institut für Informatik, Universität München, Oettingenstraße 67, 80538 München, http://www.pms.informatik.uni-muenchen.de
MehrKapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
Mehr7. XML-Datenbanksysteme und SQL/XML
7. XML-Datenbanksysteme und SQL/XML Native XML-DBS vs. XML-Erweiterungen von ORDBS Speicherung von XML-Dokumenten Speicherung von XML-Dokumenten als Ganzes Generische Dekomposition von XML-Dokumenten Schemabasierte
MehrRelationales Datenbankpraktikum 2016ss
Relationales Datenbankpraktikum 2016ss 3 Teile 1) Datenbankentwurf, Datenimport 2) Formulierung von SQL-Anfragen V. Christen, Dr. A. Groß, M. Junghanns, Z. Sehili 3) Entwicklung einer Middleware für eine
MehrTheorie zur Übung 8 Datenbanken
Theorie zur Übung 8 Datenbanken Relationale Datenbanksysteme Ein relationales Datenbanksystem (RDBS) liegt vor, wenn dem DBS ein relationales Datenmodell zugrunde liegt. RDBS speichern Daten in Tabellenform:
Mehr3. Persistenz und Datenbanken Content Providers. Content Providers. Generische Schnittstelle zum Zugriff auf Daten zwischen Anwendungen
Content Providers Generische Schnittstelle zum Zugriff auf Daten zwischen Anwendungen Entkopplung der Daten-Schicht von der Anwendungsschicht Zugriff erfolgt URI-basiert Kontrolle der Zugriffsrechte eingebaute
MehrDatenintegration & Datenherkunft Varianten der Data Provenance
Datenintegration & Datenherkunft Varianten der Data Provenance Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Arten des
MehrRelationen-Algebra. Prof. Dr. T. Kudraß 1
Relationen-Algebra Prof. Dr. T. Kudraß 1 Relationale Anfragesprachen Query Language (QL): Manipulation und Retrieval von Daten einer Datenbank Relationenmodell erlaubt einfache, mächtige Anfragesprachen
MehrTipps und Tricks für FME mit INSPIRE. Beispiel: Protected Sites 1
Tipps und Tricks für FME mit INSPIRE Beispiel: Protected Sites 1 Themen Generelle Konzepte Vorarbeiten mit den Daten Erstellen der Attribute Parameter Datumswerte Listenattribute Geometrieoperationen Parameter
MehrDeclarative Data Cleaning
Declarative Data Cleaning Vortragsgrundlage: Helena Galhardas, Daniela Florescu, Dennis Shasha, Eric Simon, Cristian Augustin Saita: Declarative Data Cleaning: Language, Model, and Algorithms, in VLDB
MehrKap. 3 Relationenmodell mit relationaler Algebra
Kap. 3 Relationenmodell mit relationaler Algebra Kap. 3.1. Trägermenge Seien D 1, D 2,..., D k Domänen: (Typen, Arten, Sorten, Wertmengen) z.b. string integer real Boolean DateTime BLOB, TIFF-image, HTML-Doc,
MehrVorlesung Datenbanken II A Klausur
Prof. Dr. Stefan Brass 16. Juli 2004 Institut für Informatik MLU Halle-Wittenberg Vorlesung Datenbanken II A Klausur Name: Matrikelnummer: Studiengang: Aufgabe Punkte Max. Punkte Zeit 1 (Entwurf im ER-Modell)
MehrInformationssysteme für Ingenieure
Informationssysteme für Ingenieure Vorlesung Herbstsemester 2016 Überblick und Organisation R. Marti Organisation Web Site: http://isi.inf.ethz.ch Dozent: Robert Marti, martir ethz.ch Assistenz:??
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrKapitel 5 Dr. Jérôme Kunegis. SQL: Grundlagen. WeST Institut für Web Science & Technologien
Kapitel 5 Dr. Jérôme Kunegis SQL: Grundlagen WeST Institut für Web Science & Technologien Lernziele Kenntnis der Grundkonzepte von SQL Fähigkeit zur praktischen Anwendung von einfachen SQL-Anweisungen
MehrInformationsintegration Global-as-View: GaV Felix Naumann
Informationsintegration Global-as-View: GaV 5.6.2012 Felix Naumann Überblick 2 Motivation Korrespondenzen Übersicht Anfrageplanung Global as View (GaV) Modellierung Anfragebearbeitung Local as View (LaV)
MehrXML-Archivierung betriebswirtschaftlicher Datenbank-Objekte*
XML-Archivierung betriebswirtschaftlicher Datenbank-Objekte* Bernhard Zeller Axel Herbst Alfons Kemper 9400 Passau @db.fmi.uni-passau.de SAP AG 6990 Walldorf axel.herbst@sap.com * Diese Arbeit
Mehrzu E 1 der Form (0, 1) erfüllen.
1 Aufgabe 4.1: Sei B ein Beziehungstyp über den drei Entitätstypen E 1, E 2 und E 3. Sei ohne Beschränkung der Allgemeinheit die Beziehungskomplexität zu E 1 der Form (0, 1). Wir zeigen, dass B durch die
Mehr6.6 Vorlesung: Von OLAP zu Mining
6.6 Vorlesung: Von OLAP zu Mining Definition des Begriffs Data Mining. Wichtige Data Mining-Problemstellungen, Zusammenhang zu Data Warehousing,. OHO - 1 Definition Data Mining Menge von Techniken zum
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-45 Relational Design
MehrSeminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006
Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet
MehrDIPLOMARBEIT. Titel der Diplomarbeit. Evaluierung von Clio zur Transformation von Metamodellen. Verfasser. Oliver Motschiunigg
DIPLOMARBEIT Titel der Diplomarbeit Evaluierung von Clio zur Transformation von Metamodellen Verfasser Oliver Motschiunigg angestrebter akademischer Grad Magister der Sozial- und Wirtschaftswissenschaften
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
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
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrKapitel 3: Grundlagen von Anfragesprachen
3. Grundlagen von Anfragesprachen 3. Kapitel 3: Grundlagen von Anfragesprachen Sprachparadigmen Relationenalgebra Relationenkalkül Datenbanken und Informationssysteme, WS 2012/13 9. November 2012 Seite
MehrQualitäts- und Semantik-gesteuerte Anfragebearbeitung für Peer-basierte Datenmanagementsysteme (PDMS)
Qualitäts- und Semantik-gesteuerte Anfragebearbeitung für Peer-basierte Datenmanagementsysteme (PDMS) Armin Roth DaimlerChrysler Forschungszentrum Ulm armin.roth@daimlerchrysler.com Felix Naumann Humboldt-Universität
MehrDatenbanken: Relationales Modell und SQL. Dr. Matthias Uflacker, Stefan Klauck 23. April 2018
Datenbanken: Relationales Modell und SQL Dr. Matthias Uflacker, Stefan Klauck 23. April 2018 Vorlesungsinhalte/-aufbau Phase 1 Einführung zu Unternehmensanwendungen (2 Vorlesungen) Grundlagen von spaltenorientierten
MehrProgrammieren II. Innere Klassen. Heusch 10, Ratz 5.2.1, Institut für Angewandte Informatik
Programmieren II Innere Klassen Heusch 10, 13.10 Ratz 5.2.1, 9.8 KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Innere Klassen Bisher kennen wir nur Klassen, die entweder zusammen
MehrKommunikation und Datenhaltung. Übungsblatt D1. (Relationale Algebra & SQL)
Kommunikation und Datenhaltung Übungsblatt D1 (Relationale Algebra & SQL) Ausgabe: 18.05.2009 Besprechung: 25.05.2009 Alle Aufgaben auf diesem Übungsblatt beziehen sich auf ein leicht abgewandeltes Datenbankschema
Mehr1.1 Datenbanken Tabellen SQL und die Befehlseingabe Beispieldatenbank 36
Vorwort 11 1 Einleitung 15 1.1 Datenbanken 21 1.2 Tabellen 29 1.3 SQL und die Befehlseingabe 29 1.4 Beispieldatenbank 36 2 Am Anfang 38 2.1 Aufrufen der SQL-Eingabemaske 38 2.2 Schließen der SQL-Eingabemaske
MehrKlassen als Datenstrukturen
Einstieg in die Informatik mit Java, Vorlesung vom 27.11.07 Übersicht 1 Klassen als Datenstruktur 2 Vereinbarung von Klassen 3 Erzeugen von Objekten - Instanzen einer Klasse 4 Zugriff auf Attribute 5 Initialisierung
MehrCognitive Interaction Technology Center of Excellence
Kanonische Abdeckung Motivation: eine Instanz einer Datenbank muss nun alle funktionalen Abhängigkeiten in F + erfüllen. Das muss natürlich immer überprüft werden (z.b. bei jedem update). Es reicht natürlich
MehrRelationales Datenbankpraktikum
Relationales Datenbankpraktikum Dr. A. Groß, M.Junghanns, V. Christen, Z. Sehili Aufgabe 3 Agenda Überblick zur Aufgabenstellung Hibernate Verwendung des Hibernate- Mapping und HQL innerhalb einer Konsolenapplikation
MehrS(tructured)Q(uery)L(anguage)
S(tructured)Q(uery)L(anguage) Welche Kunden haben wir? Welche Kunden wohnen in Chicago? Welche Bestellung wurden zwischen dem 01.03.2006 und dem 31.03.2006 aufgegeben? Leibniz Universität IT Services Anja
MehrProf. Dr. Rolf Lauser
Prof. Dr. Rolf Lauser Dr.-Gerhard-Hanke-Weg 31 85221 Dachau Tel.: 08131/511750 Fax: 08131/511619 rolf@lauser-nhk.de.de Von der Industrie- und Handelskammer für München und Oberbayern öffentlich bestellter
Mehr4. Lernen von Entscheidungsbäumen
4. Lernen von Entscheidungsbäumen Entscheidungsbäume 4. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
MehrRelationale Algebra. Thomas Heimrich. Rel. Algebra. Grundlagen. Beispielrelationen. rel. Algebra. Definition der rel. Algebra.
1 / 17 Rel. Relationale Thomas Heimrich rel. Formale Sprachen Rel. relationale Die relationale ist prozedural orientiert. Sie beinhaltet implizit einen Abarbeitungsplan für die Anfrage. Die rel. ist wichtig
MehrVorlesung Datenbanken I Endklausur
Prof. Dr. Stefan Brass 6. Februar 2004 Institut für Informatik MLU Halle-Wittenberg Vorlesung Datenbanken I Endklausur Name: Matrikelnummer: Studiengang: Aufgabe Punkte Max. Punkte Zeit 1 (SQL) 9 30 min
MehrDatenbanken. Zusammenfassung. Datenbanksysteme
Zusammenfassung Datenbanksysteme Christian Moser Seite 1 vom 7 12.09.2002 Wichtige Begriffe Attribut Assoziation API Atomares Attribut Datenbasis DBMS Datenunabhängigkeit Datenbankmodell DDL DML DCL ER-Diagramm
MehrÜbung Datenbanksysteme I Relationaler Datenbankentwurf. Thorsten Papenbrock
Übung Datenbanksysteme I Relationaler Datenbankentwurf Thorsten Papenbrock Willkommen: Vorstellung 2 Übung: Thorsten Papenbrock Email: thorsten.papenbrock@hpi.uni-potsdam.de Raum: A-1.8 Tutoren: Kathrin
MehrBachelorarbeit. Database Live Migration. Stückler Karl. Wirtschafts- und Sozialwissenschaften. Dipl.-Ing. Mag. Dr. Albert Weichselbraun
WIRTSCHAFTSUNIVERSITÄT WIEN Vienna University of Economics and Business Bachelorarbeit Titel der Bachelorarbeit: Database Live Migration Verfasser/in (Nachname, Vorname): Matrikelnummer: Stückler Karl
MehrSchemamerging und -mapping
Schemamerging und -mapping Seminar Informationsqualität und -integration, 30.06.2006 Überblick Schemaintegration / Einleitung Ziele Integrationskonflikte Integrationstechniken Multidatenbankanfragesprachen
MehrJava Database Connectivity (JDBC) zum Zugriff aus in z.b. in Java geschriebenen Applikationen
Rückblick Java Database Connectivity (JDBC) zum Zugriff aus in z.b. in Java geschriebenen Applikationen JDBC erlaubt Transaktionskontrolle, d.h. Festschreiben und Zurückrollen sowie setzten der Isolationsstufe
MehrGrundlagen von Datenbanken
Agenda: Grundlagen von Datenbanken SS 2010 3. Relationale Algebra Prof. Dr. Stefan Böttcher Universität Paderborn mit Material von Prof. Dr. Gregor Engels Grundlagen von Datenbanken - SS 2010 - Prof. Dr.
MehrRelationale Algebra Datenbanken I (Systemorientierte Informatik IV) Sommersemester Mengenoperationen
Concept Content.. Information Topic Relationale Algebra Datenbanken I (Systemorientierte Informatik IV) Sommersemester 2007 Gunar Fiedler (fiedler@is.informatik.uni-kiel.de) Institut für Informatik Arbeitsgruppe
MehrDas relationale Modell (Teil 1)
Vorlesung #2 Das relationale Modell (Teil 1) Fahrplan WS 2010/11 Feedback Vorlesung#1 Das relationale Modell Einordnung (wir überspringen die Modellierung, das kommt im 4. Semester Datenmanagement ) Definition,
Mehr6. Rechnen mit Matrizen.
6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem
MehrEinführung in die Informatik II
Einführung in die Informatik II Relationale Datenbanken und SQL Theorie und Anwendung Prof. Dr. Nikolaus Wulff Gründe für eine Datenbank Meist werden Daten nicht in XML-Dokumenten, sondern innerhalb einer
Mehrn 1. Der Begriff Informatik n 2. Syntax und Semantik von Programmiersprachen - 1 -
n 1. Der Begriff Informatik n 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik n "Informatik" = Kunstwort aus Information
MehrInformatik Klasse 13, Foliensatz 1 Wiederholung
rof. G. Kemnitz Institut für Informatik, Technische Universität Clausthal 10. August 2009 1/7 Informatik Klasse 13, Foliensatz 1 Wiederholung Prof. G. Kemnitz Institut für Informatik, Technische Universität
MehrGrundlagen Datenbanken
FG Datenbank- und Informationssysteme Prof. Dr. Gregor Engels Klausur Grundlagen Datenbanken 30. Juli 2008 Bearbeitungszeit: 120 Minuten unbedingt vollständig und lesbar ausfüllen! Vorname: Matrikelnummer:
MehrInduktion von Assoziationsregeln. Stefan Mandl
Induktion von Assoziationsregeln Stefan Mandl Inhalt Was sind Assoziationsregeln? Qualitätsbewertung Algorithmus Was sind Assoziationsregeln? Assoziationsregeln Assoziationsregeln beschreiben Korrelationen
MehrAnalyse und praktischer Vergleich von neuen Access- Layer-Technologien in modernen Webanwendungen unter Java. Oliver Kalz
Analyse und praktischer Vergleich von neuen Access- Layer-Technologien in modernen Webanwendungen unter Java Oliver Kalz Agenda Grundlagen Objektpersistenz Objektrelationales Mapping Performance Fazit
MehrDas Simplexverfahren
Byron Das Simplexverfahren. Worum es geht: Es ist eine lineare Gleichung f gegeben, sowie ein System von Ungleichungen, die nähere Aussagen über die Unbekannten von f geben. Durch das Simplexverfahren
MehrRückblick: Relationales Modell
Rückblick: Relationales Modell Relationales Modell als vorherrschendes Datenmodell Relationen (Tabellen) besitzen Attribute (Spalten) mit Wertebereichen und beinhalten Tupel (Zeilen) Umsetzung eines konzeptuellen
MehrDatenbanken. Teil 2: Informationen. Kapitel 2: Einführung. Zusammenfassung der Grundbegriffe. Übersicht über wichtige Grundbegriffe:
Datenbanken Einführung Seite 1 von 17 Datenbanken Teil 2: Informationen Kapitel 2: Einführung Zusammenfassung der Übersicht über wichtige : 1. Merkmal,, 2., 3., 4., nname 5. Beziehungstabelle, zusammengesetzter
MehrAccess Path Selection in a Relational Database Management System. Access Path Selection Edgar Näther
Access Path Selection in a Relational Database Management System Gliederung 2 Einführung Zugriffswege für eine Relation Einsatz von Statistiken / Selektivitätsfaktoren Kostenformeln für eine Relation Auswahl
MehrKapitel 11: Association Rules
Kapitel 11: Association Association Einleitung Association : Eine wichtige Art von Mustern, an der man im Data-Mining Kontext interessiert ist. Muster mit einfacher Struktur. Ziel im folgenden: Finden
MehrModellierung in SAP HANA Teil 2
Modellierung in SAP HANA Teil 2 Autor Julissa Cusi Datum der Veröffentlichung 01.06.2018 Die Verwendung ist nur für den persönlichen Gebrauch und nur im Rahmen der Nutzung der Bissantz-Softwareprodukte
MehrEinstieg in die Informatik mit Java
1 / 24 Einstieg in die Informatik mit Java Klassen als Datenstrukturen Gerd Bohlender Institut für Angewandte und Numerische Mathematik Gliederung 2 / 24 1 Klassen als Datenstruktur 2 Vereinbarung von
MehrInhaltsverzeichnis. 1 Einleitung 1. 2 Aufbau von Data-Warehouse-Systemen 15. Lehner, Wolfgang Datenbanktechnologie für Data-Warehouse-Systeme 2003
1 Einleitung 1 1.1 Betriebswirtschaftlicher Ursprung des Data Warehousing 2 1.2 Statistischer Ursprung des Data Warehousing 5 1.3 Fòderativer Ursprung des Data Warehousing 7 1.4 Definition eines Data-Warehouse-Systems
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-
MehrMedizininformatik Software Engineering
Vorlesung Software Engineering Inhaltsverzeichnis 1. Einleitung 2. Software und Medizinprodukt 3. Vorgehensmodelle 4. Strukturierter Entwurf von Echtzeitsystemen 4.1 Echzeit, was ist das? 4.2 Einführung
Mehr