Datenmodell. Skript zur Vorlesung Geo-Informationssysteme. Wintersemester 2014/15 Ludwig-Maximilians-Universität München
|
|
- Mona Küchler
- vor 7 Jahren
- Abrufe
Transkript
1 LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 3: Abbildung auf das relationale Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität München (c) Matthias Renz 2014, Peer Kröger 2011, basierend auf dem Skript von Christian Böhm aus dem SoSe 2009
2 3. Abbildung auf das relationale Datenmodell 1. Einführung 2. Spaghetti-Modell 3. TIGER-Modell 4. Schwächen des relationalen Modells Geo-Informationssysteme 48
3 3.1 Punkt (I) Träger der geometrischen Information, auf dem die anderen Grundelemente aufbauen Die Lage eines Punktes im Datenraum wird über Koordinaten bezüglich eines Koordinationssystems bestimmt Kartesisches Koordinatensystem (Distanzen in Richtung der Koordinatenachsen) z.b. x = 1310, y = 1278 Polarkoordinatensystem (Winkel und Distanz vom Ursprung) z.β. = 45, r = 1441 Geo-Informationssysteme 49
4 3.1 Punkt (II) Geographisches Koordinatensystem (Einteilung in Längen- und Breitengrade) Geo-Informationssysteme 50
5 3.1 Punkt (III) Der Datenraum ist ein metrischer Raum: Zwischen zwei Punkten P1 und P2 ist eine (nicht-negative) ti Distanz d (Metrik) definiert, so daß d (P1,P2) = 0 P1 = P2 (Identität) d (P1,P2) P2) = d (P2,P1) P1) (Symmetrie) d (P1,P2) d (P1,P3) + d (P3,P2) (Dreiecks-Ungleichung) Beispiele: Euklidische Distanz: d((x1,y1),(x2,y2)) = Manhattan Distanz: d((x1,y1),(x2,y2)) = x1 - x2 + y1 - y2 y y x Orthodrome (= kürzeste Verbindung zweier Punkte auf einer Kugeloberfläche): [Wikipedia] Zentriwinkel: ζ P1,P2 = arccos(sin( A) sin( B)+cos( A) cos( B) cos(λb λa)) P1 = ( A, λa) in ( A = Breitengrad(A), λa = Längengrad(A)), P2 = ( B, λb) Distanz (Orthodrome): d (P1,P2) = km ζ P1,P2 P2 / 360 Zur Vereinfachung wird von einer Erdkugel mit U = km ausgegangen. Geo-Informationssysteme 51 x [Quelle: Wikipedia]
6 3.1 Punkt (IV) Beispiel: Berechnung der Entfernung Berlin Tokio Berlin (A) A = 52 31' 0" N = 52,517 λa = 13 24' 0" E = 13,40 Tokio (B) B = 35 42' 0" N = 35,70 λa = ' 0" E = 139,767 Berlin Tokio Winkelberechnung ζ A,B = arccos ( sin( A) sin( B) + cos( A) cos( B) cos(λb λa)) = 80,212 Streckenberechnung Zur Vereinfachung wird von einer Erdkugel mit U = km ausgegangen. d(berlin,tokio) = ζ / km = 80,212 / km = 8912 km Es können weitere vermessungstechnische Informationen zugeordnet sein: Höhe, Nummer, Art der Erfassung, Genauigkeit, Datum der Erfassung,... Geo-Informationssysteme 52
7 3.1 Linien als topologische Eigenschaft: Kante direkte Verbindung zwischen zwei Punkten alle direkten Verbindungen zwischen zwei Punkten sind topologisch äquivalent topologisch äquivalent: die relative Lage zweier Objekte zueinander ist gleich als geometrische Eigenschaft: Strecke oder Streckenzug Strecke: geradlinige Verbindung zwischen zwei Punkten, Streckenzug: Folge von Strecken alternativ: Kurven (z.b. Kreisbögen, Bézier-Kurven) Geo-Informationssysteme 53
8 3.1 Fläche Fläche ohne Löcher über geschlossenen Kanten- / Streckenzug definiert Polygon: geschlossener Streckenzug einfaches Polygon: Strecken sind bis auf die Eckpunkte überlappungsfrei Fläche mit Löchern Modellierungsalternativen: über ein äußeres Polygon und 0, 1 oder mehrere innere Polygone mit Hilfe von Pseudokanten Geo-Informationssysteme 54
9 3.2 Spaghetti-Modell ist ein einstufiges Vektormodell Jedes Objekt wird als Folge ausgezeichneter (x,y)-koordinaten) K (z.b. der Eckpunkte) definiert. Die Repräsentation zweier Objekte ist unabhängig voneinander (d.h. gleiche Punkte werden mehrfach gespeichert). Objektklassen Punkt Streckenzug einfaches Polygon Eigenschaften: einfach keine explizite topologische Information (insbesondere keine Löcher in Polygonen explizit modellierbar) starke Redundanz Geo-Informationssysteme 55
10 3.3 Zweistufige Vektormodelle mit Koordinatenreferenzierung Polygon: geordnetes Verzeichnis i von Punktreferenzen mit Streckenzugreferenzierung Polygon: geordnetes Verzeichnis von Steckenzugreferenzen (Orientierungsinformation notwendig) Polygon über Verzeichnis repräsentiert (Datenstruktur variabler Größe) keine Löcher, keine Nachbarschaftsinformation modelliert Geo-Informationssysteme 56
11 3.3 Topologische Vektormodelle (I) explizite Speicherung der topologischen Struktur einfache Bestimmung von benachbarten Objekten höherer Aufwand bei Änderungen höherer Speicheraufwand DIME Dual Independent Map Encoding System (U.S. Bureau of Census, 1970) Grundelement: Kante hat vier Zeiger (Anfangs- und Endpunkt, links und rechts liegende Fläche) Geo-Informationssysteme 57
12 3.3 Topologische Vektormodelle (II) TIGER-Modell Topologically Integrated Geographic Encoding and Referencing Model (Marx, 1986) Datentypen: 0-Zellen: Knoten: Endpunkte von Steckenzügen, Schnittpunkte 1-Zellen: Kante: Verbindung zweier 0-Zellen 2-Zellen: Fläche, die durch Verknüpfung von 1-Zellen beschrieben b werden kann (geschlossener Kantenzug) Cover: Vereinigung von 2-Zellen Organisation: Listen für 0-, 1- und 2-Zellen, Directories für 0-Zellen und Cover (Datenstrukturen fester Größe) Geo-Informationssysteme 58
13 3.3 Topologische Vektormodelle (II) TIGER-Modell (Fortsetzung) 0-Zelle besteht aus ihren Koordinaten, verschiedenen Attributen und einem Verweis zu einer 1-Zelle 2-Zelle besteht insbesondere aus verschiedenen Attributen und einem Verweis zu einer 1-Zelle 1-Zelle (Kante) zentrale Struktur: verbindet 0-Zellen und umschließt 2-Zellen besteht insbesondere aus zwei Verweisen auf 0-Zellen (Anfangs- und Endpunkt) zwei Verweisen auf 2-Zellen (linke und rechte Fläche) je einen Verweis auf die nächste 1-Zelle, die zu der entsprechenden 2-Zelle gehört einem Verweis auf eine Beschreibungsliste (für interne Punkte) Geo-Informationssysteme 59
14 3.3 Topologische Vektormodelle (III) TIGER-Modell (Fortsetzung) Beispiel Geo-Informationssysteme 60
15 3.3 Topologische Vektormodelle (IV) Äquivalentes Modell (Datenstrukturen variabler Größe) Knoten Verweise zu allen Kanten (umlauforientiert) Koordinaten (Geometrie) Kante (auch geschlossen) zwei Verweise auf Eckknoten zwei Verweise auf benachbarte Flächen Verweis auf eine Beschreibungsliste (für interne Punkte, Geometrie) Fläche (mit Löchern) Verweise zu allen umgebenden Kanten (ablauforientiert) Verweise zu allen eingeschlossenen Kanten (Menge, ablauforientiert) Verweis auf Cover Cover Verweise auf Flächen Geo-Informationssysteme 61
16 3.4 Integration in ein relationales DBS Ebenen eines DBS unterschiedliche Sichten verschiedener Benutzer / Anwenderprogramme auf die Daten logische Gesamtsicht aller Daten externe und konzeptionelle Ebene logisches Datenmodell Anfragesprache interne Ebene physische Datenrepräsentation Anfragebearbeitung und -optimierung physische Datenorganisation Geo-Informationssysteme 62
17 3.4 Schwächen auf konzeptioneller Ebene Schema für mehrstufiges Vektormodelll Geo-Informationssysteme 63
18 3.4 Schwächen auf konzeptioneller Ebene Anfragen an dieses Schema Bestimme alle Koordinaten der Parzelle Par1: Probleme SELECT Punkte.x, Punkte.y FROM Parzellen, Polygone, Kanten, Punkte WHERE (Parzellen.OID=Par1) AND (Parzellen.PolID = Polygone.PolID) AND (Polygone.KID = Kanten.KID) AND (Kanten.Von = Punkte.PID); hoher Aufwand für Zugriff auf alle Komponenten eines Polygons (Joins) Antwort auf Anfrage ist unsortiert (kein Objekt Polygon) Objektorientiertes Datenmodell Geo-Informationssysteme 64
19 () 3.4 Objektorientiertes Datenmodell (I) Objekte Objekte sind vom Benutzer definierte Entities, die aus Werten oder anderen Objekten aufgebaut sind (Attribute). Attribute können listen- oder mengenwertig sein. Objekttypen Ein Objekttyp ( Klasse ) beschreibt die Charakteristika einer Menge ähnlicher Objekte. Ein Objekt ist eine konkrete Instanz seines Objekttyps, hat also dessen Charakteristika. Geo-Informationssysteme 65
20 () 3.4 Objektorientiertes Datenmodell (I) Beispiel: type Vertex is public... body [x, y, z: float;] end type Vertex; type Cuboid is public... body [mat: Material; value: float; vertices: <Vertex>;]// Typ: Liste von Vertices end type Cuboid; Geo-Informationssysteme 66
21 ( ) 3.4 Objektorientiertes Datenmodell (II) Operationen Jeder Objekttyp bietet an seiner Benutzerschnittstelle eine Menge von Operationen an, mit deren Hilfe Instanzen dieses Typs manipuliert werden können. Neben diesen Operationen gibt es keine andere Möglichkeit, von außen den internen Zustand eines Objekts abzufragen oder zu ändern. Geo-Informationssysteme 67
22 ( ) 3.4 Objektorientiertes Datenmodell (II) Beispiel: type Vertex is public translate, scale, rotate, distance, inorigin,... // Benutzerschnittstelle body [x, y, z: float;] operations declare translate: Vertex void; // Änderungsfunktion declare scale: Vertex void; // Änderungsfunktion declare rotate: float, char void; // Änderungsfunktion declare distance: Vertex float; // Beobachterfunktion declare inorigin: bool; // Beobachterfunktion... implementation... end type Vertex; Geo-Informationssysteme 68
23 ( ) 3.4 Objektorientiertes Datenmodell (III) Modellierung von Spatial Data Types type Vertex is type Edge is public distance, contained_in,... public... body [x, y: float;] body [begin, end: Vertex;] end type Vertex; end type Edge; type Polygon is type Region is // Parzelle public intersect,... public... body [boundary: <Edge>; body [name: string;...] extension: Polygon; area: float;] end type Polygon; end type Region; Geo-Informationssysteme 69
24 ( ) 3.4 Objektorientiertes Datenmodell (III) Bestimme alle Koordinaten der Parzelle Par1: select x, y from (select begin from (select r.extension.boundary from r in Region where r.name = Par1 )) Geo-Informationssysteme 70
25 ( ) 3.4 Objektorientiertes Datenmodell (IV) Vorteile Spatial Data Types können definiert werden, die in Attributen referenziert werden können. Die Modellierung von Eigenschaften variabler Kardinalität ist einfach mit Hilfe listenbzw. mengenwertiger Attribute. Logisch zusammengehörige Objekte werden physisch benachbart gespeichert ih t(clustering), so dßd daß das Eil Einlesen /Äd Ändern eines Geo- Objektes relativ effizient möglich ist. In den Anfragen können die Operationen der benutzerdefinierten Objekttypen verwendet werden. Geo-Objekte als Objekte modellierbar effizienter i Zugriff auf ein Geo-Objekt Geo-Informationssysteme 71
26 ( ) 3.4 Objektorientiertes Datenmodell (IV) Schwächen Zugriff auf mehrere benachbarte Geo-Objekte ist noch nicht effizient unterstützt (Erweiterung analog TIGER-Modell möglich) Unterstützung durch ausgereiftes DBMS oft schwierig => Schwächen auf konzeptioneller Ebene nicht (so einfach) durch oo Datenmodell behebbar Kompromiss Die meisten (kommerziellen) relationalen DBMS bieten objektrelationale Erweiterungen an (u.a. auch mit gewissen Einschränkungen benutzerdefinierte Datentypen) Geo-Informationssysteme 72
27 3.4 Schwächen auf interner Ebene Aufgaben der internen Ebene physische Datenrepräsentation Anfragebearbeitung und optimierung... Ziele dauerhafte (persistente) Speicherung der Daten effiziente Bearbeitung von thematischen und geometrischen Anfragen, von Kombinationen, von topologischen Operationen usw. Kriterien für Effizienz: Antwortzeit für einzelne Anfragen Durchsatz über alle Anfragen dynamisches Einfügen, Löschen und Verändern von Daten hohe Speicherplatzausnutzung Geo-Informationssysteme 73
28 3.4 Schwächen auf interner Ebene Physische Datenspeicherung seitenorientiert Seite: Transfereinheit zwischen Haupt- und Sekundärspeicher Wahlfreier (direkter) Zugriff Feste Größe: zwischen 512 Byte und 8 Kbyte Zugriff über einen Kamm mit Schreib-/Leseköpfen, der quer zu sich rotierenden Magnetplatten bewegt wird Positionierung des Schreib-/Lesekopfes [6 msec] Warten auf Seite [4 msec] Kontrolle + Übertragung der Seite [1 msec + 0,2 msec / 2KByte Seite] Entwicklung: Kapazität von Plattenspeichern erhöht sich drastisch Zugriffszeiten sinken relativ langsam Zugriffe auf Sekundärspeicher sind verglichen mit Hauptspeicheroperationen sehr zeitaufwendig; Minimierung der Anzahl der Seitenzugriffe Geo-Informationssysteme 74
29 () 3.4 Konventionelle Indexstrukturen (I) B-Bäume Ein Baum heißt Suchbaum, wenn für jeden Eintrag in einem inneren Knoten alle Schlüssel im linken Teilbaum kleiner sind und alle Schlüssel im rechten Teilbaum größer sind als der Schlüssel im Knoten. Ein B-Baum der Ordnung m ist ein Suchbaum mit folgenden Eigenschaften: (1) Jeder Knoten enthält höchstens h 2m Shlü Schlüssel. l (2) Jeder Knoten außer der Wurzel enthält mindestens m Schlüssel. (3) Die Wurzel enthält mindestens einen Schlüssel. (4) Ein Knoten mit k Schlüsseln hat genau k+1 Söhne. (5) Alle Blätter befinden sich auf demselben Level. Geo-Informationssysteme 75
30 () 3.4 Konventionelle Indexstrukturen (I) Beispiel: B-Baum der Ordnung 2 Höhe eines B-Baums für n Schlüssel ist O(log n) Geo-Informationssysteme 76
31 ( ) 3.4 Konventionelle Indexstrukturen (II) Leistung Einfügen, Löschen und Punktanfrage im B-Baum sind auf einen Pfad beschränkt und damit in O(log n) Laufzeitkomplexität Weitere Ziele Sequentielles Auslesen aller Datensätze, die von einem B-Baum organisiert werden. Unterstützung tüt von Bereichsanfragen der Form: Nenne mir alle Studenten, deren Nachname im Bereich [Be... Brz] liegt. Idee Trennung der Indexstruktur in Directoryknoten (innere Knoten) und Datenknoten (Blätter). Sequentielle Verkettung der Datenknoten. B+-Baum Die Datenknoten enthalten alle Datensätze. Directoryknoten enthalten nur noch Separatoren s. Geo-Informationssysteme 77
32 ( ) 3.4 Konventionelle Indexstrukturen (III) Separatoreigenschaft Für jeden Separator s(u) eines Knotens u gelten folgende Separatoreneigenschaften: s(u) > s(v)für alle Directoryknoten v im linken Teilbaum von s(u). s(u) < s(w)für alle Directoryknoten w im rechtenteilbaum von s(u). s(u) > k(v )für alle Primärschlüssel k(v ) und alle Datenknoten v im linken Teilbaum von s(u). s(u) k(w )für alle Primärschlüssel k(w ) und alle Datenknoten w im rechten Teilbaum von s(u). Geo-Informationssysteme 78
33 ( ) 3.4 Konventionelle Indexstrukturen (III) Separatoreigenschaft Beispiel: B+-Baum für Zeichenketten Geo-Informationssysteme 79
34 ( ) 3.4 Konventionelle Indexstrukturen (IV) B-Bäume für Geo-Objekte Lineare Ordnung des 2D Raums nötig Beispiel im 2D benachbarte Objekte werden häufig miteinander angefragt es gibt keine lineare Ordnung, die alle Nachbarschaften des 2D-Raums erhält die Antworten auf eine Fensteranfrage sind über den ganzen Index verteilt Geo-Informationssysteme 80
35 3.4 Konventionelle Zugriffsstrukturen (V) DATABASE Hashverfahren Zuordnung der Objekte zu Einträgen einer Hashtabelle Voraussetzung: Definition einer Hashfunktion mit möglichst wenigen Kollisionen im 2D benachbarte Objekte auf dieselbe bzw. benachbarte Adresse abbilden ähnliche Probleme wie bei B-Bäumen Geo-Informationssysteme 81
36 3.4 Integration in rel. DBMS Zusammenfassung Schwächen auf konzeptioneller Ebene Mächtigkeit des relationalen Modells begrenzt Logisches Schema oft sehr komplex Kein Objektbegriff, Information über einzelne Objekte auf viele Tabellen verteilt Komplexe Anfragen Schwächen auf interner Ebene Datenstrukturen zur physischen Anfragebearbeitung (Indexstrukturen) sind für 1D Daten entworfen (Primärschlüsselsuche) Räumliche Anfragen auf 2D/3D Geo-Objekte Abbildung auf 1D (Linearisierung) führt zu schlechtem Antwortverhalten Nachbarschaftsbeziehungen können nicht vollständig erhalten werden Antworten können über den ganzen Index verteilt sein Geo-Informationssysteme 82
Grundlagen von Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität
Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt:
Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger
4.1 Einführung. 4.2 Z-Ordnung. 4.3 R-Bäume. 4.4 Quadtrees. Kapitel 3: Räumliche Indexstrukturen. 4. Räumliche Indexstrukturen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 3: Räumliche Indexstrukturen Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
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
Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.6 AVL-Bäume 4.8 Rot-Schwarz-Bäume Idee: Verwende Farben, um den Baum vertikal zu
Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
Bäume, Suchbäume und Hash-Tabellen
Im folgenden Fokus auf Datenstrukturen, welche den assoziativen Zugriff (über einen bestimmten Wert als Suchkriterium) optimieren Bäume: Abbildung bzw. Vorberechnung von Entscheidungen während der Suche
Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2013/14. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2013/14 Prof. Dr. Sándor Fekete 1 4.6 AVL-Bäume 2 4.8 Rot-Schwarz-Bäume Rudolf Bayer Idee: Verwende Farben, um den
! DBMS organisiert die Daten so, dass minimal viele Plattenzugriffe nötig sind.
Unterschiede von DBMS und files Speichern von Daten! DBMS unterstützt viele Benutzer, die gleichzeitig auf dieselben Daten zugreifen concurrency control.! DBMS speichert mehr Daten als in den Hauptspeicher
Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
Kapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
Raumbezogene Datenbanken (Spatial Databases)
Raumbezogene Datenbanken (Spatial Databases) Ein Vortrag von Dominik Trinter Alexander Christian 1 Inhalte Was ist ein raumbezogenes DBMS? Modellierung Abfragen Werkzeuge zur Implementierung Systemarchitektur
Objektorientierte Datenmodelle und - verwaltung
Schlagworte der 90er: Objektorientiertes GIS OpenGIS Case-Tool Geoökologe Legt Problemstellung fest (Art, Anzahl, Dimension, Skalierung) Wählt Koordinatensystem Wählt Fachattribute OOUI (object-oriented
Aufbau Datenbanksysteme
Aufbau Datenbanksysteme Lehrveranstaltung Datenbanktechnologien Prof. Dr. Ingo Claßen Prof. Dr. Martin Kempa Hochschule für Technik und Wirtschaft Berlin Speichersystem c Ingo Claßen, Martin Kempa Softwarearchitektur
GIS und raumbezogene Datenbanken
GIS und raumbezogene Datenbanken Eine raumbezogene Datenbank (spatial database) dient der effizienten Speicherung, Verwaltung und Anfrage von raumbezogenen Daten. datenbankorientiert Ein geographisches
B+-Baum mit Z-Ordnung. B+-Baum mit Z-Ordnung. Anforderungen. 7.3 Räumliche Zugriffsstrukturen
B+-Baum mit Z-Ordnung Window Query: 1. Ansatz Benutze den gewöhnlichen Algorithmus für Bereichsanfragen im B + -Baum: Suche mit dem kleinsten Z-Wert des Suchrechtecks (entspricht dem linken unteren Eckpunkt)
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
Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12
Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben
Anfragebearbeitung und Indexstrukturen in Datenbanksystemen
Ludwig-Maximilians-Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Anfragebearbeitung und Indexstrukturen in Datenbanksystemen im Wintersemester
Temporale Daten in objekt-relationalen Datenbanksystemen
Temporale Daten in objekt-relationalen Datenbanksystemen Carsten Kleiner Universität Hannover Institut für Informatik FG Datenbanken und Informationssysteme (dbis) 30159 Hannover 13.Workshop Grundlagen
14. Rot-Schwarz-Bäume
Bislang: Wörterbuchoperationen bei binären Suchbäume effizient durchführbar, falls Höhe des Baums klein. Rot-Schwarz-Bäume spezielle Suchbäume. Rot-Schwarz-Baum mit n Knoten hat Höhe höchstens 2 log(n+1).
Datenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 2. April
6. Algorithmen der Computer-Geometrie
6. Algorithmen der Computer-Geometrie 1. Einführung 2. Schnitt von zwei Strecken 3. Punkt-in-Polygon-Test 4. Schnitt orthogonaler Strecken 5. Punkteinschlussproblem Geo-Informationssysteme 146 6.1 Computer-Geometrie
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
Algorithmen und Datenstrukturen Suchbaum
Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen
Kapitel 6 Anfragebearbeitung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2014 Kapitel 6 Anfragebearbeitung Vorlesung: PD Dr. Peer Kröger
B-Bäume I. Algorithmen und Datenstrukturen 220 DATABASE SYSTEMS GROUP
B-Bäume I Annahme: Sei die Anzahl der Objekte und damit der Datensätze. Das Datenvolumen ist zu groß, um im Hauptspeicher gehalten zu werden, z.b. 10. Datensätze auf externen Speicher auslagern, z.b. Festplatte
Physische Datenorganisation
Physische Datenorganisation Physische Datenorganisation 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 Übersicht Datenbanken, Relationen und Tupel werden auf der untersten Ebene der bereits vorgestellten
Übung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
Wiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen
Was bisher geschah abstrakter Datentyp : Signatur Σ und Axiome Φ z.b. ADT Menge zur Verwaltung (Finden, Einfügen, Entfernen) mehrerer Elemente desselben Typs Spezifikation einer Schnittstelle Konkreter
Balancierte Bäume. Martin Wirsing. in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer. http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06
Balancierte Bäume Martin Wirsing in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06 2 Ziele AVL-Bäume als einen wichtigen Vertreter balancierter
Informatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 10 (3.6.2014) Binäre Suchbäume I Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
XAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL
XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.
Binäre Bäume Darstellung und Traversierung
Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail fb641378@inf.tu-dresden.de Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.
Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
Allgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
Objektorientierte Programmierung
Unterlagen zur Veranstaltung Einführung in die Objektorientierte Programmierung Mit Processing Alexis Engelke Sommer 2012 Alexis Engelke Inhalt Level 1: Geometrie Hintergrundfarben Punkte, Linien und deren
BERUFSPRAKTIKUM UND -VORBEREITUNG
Department für Geographie Marco Brey BERUFSPRAKTIKUM UND -VORBEREITUNG Crashkurs IT-Methoden ein anwendungsorientierter Einstieg in Datenbanksysteme, Programmierung und fortgeschrittene Excel-Funktionen
Einführung in Datenbanken
Grundlagen der Programmierung 2 Einführung in Datenbanken Grundlagen der Programmierung 2 I-1 Inhalt Einführung Entity-Relationship-Diagramm Relationales Modell Entity-Relationship-Diagramm ins Relationales
Systeme 1. Kapitel 3 Dateisysteme WS 2009/10 1
Systeme 1 Kapitel 3 Dateisysteme WS 2009/10 1 Letzte Vorlesung Dateisysteme Hauptaufgaben Persistente Dateisysteme (FAT, NTFS, ext3, ext4) Dateien Kleinste logische Einheit eines Dateisystems Dateitypen
368 4 Algorithmen und Datenstrukturen
Kap04.fm Seite 368 Dienstag, 7. September 2010 1:51 13 368 4 Algorithmen und Datenstrukturen Java-Klassen Die ist die Klasse Object, ein Pfeil von Klasse A nach Klasse B bedeutet Bextends A, d.h. B ist
Hochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.
Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Datenbanken und Informationssysteme II Szenario: Projektverwaltung. Es gibt Projekte, Projektleiter, Mitarbeiter und ihre Zuordnung zu Projekten.
HS Heilbronn - Prof. Dr. P. Fleischmann CAD-K2 10/2010 2/1. Definitionen
HS Heilbronn - Prof. Dr. P. Fleischmann CAD-K2 10/2010 2/1 2 3D-Modellierung 2.1 Modellerzeugung 2.2 Volumenspeicherung beim Solid Model: 2.3 Volumenmodellierung 2.3.1 Verschiebe-Operationen - Sketcher
Informationsverarbeitung im Bauwesen
10 im Bauwesen Markus Uhlmann 1 Zusammenfassung der 9. Vorlesung Datenfelder (Arrays) Statische Felder Dynamische Felder Bestimmung der Grenzen Felder als Parameter für Prozeduren/Funktionen Beispiele:
Fakultät Wirtschaftswissenschaft
Fakultät Wirtschaftswissenschaft Matrikelnr. Name Vorname KLAUSUR: Entwurf und Implementierung von Informationssystemen (32561) TERMIN: 11.09.2013, 14.00 16.00 Uhr PRÜFER: Univ.-Prof. Dr. Stefan Strecker
Geodatenbanksysteme in Theorie und Praxis
Thomas Brinkhoff Geodatenbanksysteme in Theorie und Praxis Einführung in objektrelationale Geodatenbanken unter besonderer Berücksichtigung von Orade Spatial 3., überarbeitete und erweiterte Auflage @
Einführung in die Informatik 1
Einführung in die Informatik 1 Datenorganisation und Datenstrukturen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00
B-Bäume, Hashtabellen, Cloning/Shadowing, Copy-on-Write
B-Bäume, Hashtabellen, Cloning/Shadowing, Copy-on-Write Thomas Maier Proseminar: Ein- / Ausgabe Stand der Wissenschaft Seite 1 von 13 Gliederung 1. Hashtabelle 3 2.B-Baum 3 2.1 Begriffserklärung 3 2.2
1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert
Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume
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
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
Informatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 13 (18.6.2014) Binäre Suchbäume IV (Rot Schwarz Bäume) Algorithmen und Komplexität Rot Schwarz Bäume Ziel: Binäre Suchbäume, welche immer
Suchbäume mit inneren Knoten verschiedener Knotengrade.
Was bisher geschah rekursive Datenstrukturen: lineare Datenstrukturen: Liste, Stack, Queue hierarchische Datenstrukturen: Bäume allgemeine Bäume Binäre Bäume Unäre Bäume = Listen Tiefe eines Knotens in
Nachtrag zu binären Suchbäumen
Nachtrag zu binären Suchbäumen (nicht notwendigerweise zu AVL Bäumen) Löschen 1 3 2 10 4 12 1. Fall: Der zu löschende Knoten ist ein Blatt: einfach löschen 2. Fall: Der zu löschende Knoten hat ein Nachfolgeelement
Physischer Datenbankentwurf: Datenspeicherung
Datenspeicherung.1 Physischer Datenbankentwurf: Datenspeicherung Beim Entwurf des konzeptuellen Schemas wird definiert, welche Daten benötigt werden und wie sie zusammenhängen (logische Datenbank). Beim
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:
Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder
Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element
Algorithmen und Datenstrukturen Bereichsbäume
Algorithmen und Datenstrukturen Bereichsbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung k-d Baum BSP Baum R Baum Motivation
Dateiorganisation und Zugriffsstrukturen
Dateiorganisation und Zugriffsstrukturen Prof. Dr. T. Kudraß 1 Mögliche Dateiorganisationen Viele Alternativen existieren, jede geeignet für bestimmte Situation (oder auch nicht) Heap-Dateien: Geeignet
OM Datenbanken. OM Datenbanken. 8.1 Was ist ein Datenbanksystem? Motivation
1 Inhalt: Relationale Datenbanken 8.1 Was ist ein Datenbanksystem? 8.2 Relationale Datenbanksysteme 8.3 Abbildung des objektorientierten Modells auf Tabellen 2 8.1 Was ist ein Datenbanksystem? Motivation
Datenmodellierung und Datenbanksysteme. Vorlesung. Informationswissenschaft und Informationssysteme. Hans Uszkoreit & Brigi1e Jörg
Vorlesung Informationswissenschaft und Informationssysteme Hans Uszkoreit & Brigi1e Jörg Definitionen Data modeling in software engineering is the process of creating a data model by applying formal data
Einteilung von Datenbanken
Datenbanksysteme (c) A.Kaiser; WU-Wien 1 Einteilung von Datenbanken 1. formatierte Datenbanken 2. unformatierte Datenbanken Information Retrieval Systeme 2 Wozu Datenbanken? Speicherung und Verwaltung
II. Grundlagen der Programmierung. 9. Datenstrukturen. Daten zusammenfassen. In Java (Forts.): In Java:
Technische Informatik für Ingenieure (TIfI) WS 2005/2006, Vorlesung 9 II. Grundlagen der Programmierung Ekkart Kindler Funktionen und Prozeduren Datenstrukturen 9. Datenstrukturen Daten zusammenfassen
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
Programmierung und Modellierung
Programmierung und Modellierung Terme, Suchbäume und Pattern Matching Martin Wirsing in Zusammenarbeit mit Moritz Hammer SS 2009 2 Inhalt Kap. 7 Benutzerdefinierte Datentypen 7. Binärer Suchbaum 8. Anwendung:
Modellierungsmethoden
Modellierungsmethoden Definition (smethoden) smethoden fassen verschiedene Beschreibungsmittel, insbesondere Datenstrukturen und Operationen, für geometrische Objekte zusammen. Äquivalente Begriffe: Geometrische
Datenbanken: Architektur & Komponenten 3-Ebenen-Architektur
Datenbanken: Architektur & Komponenten 3-Ebenen-Architektur Moderne Datenbanksysteme sind nach der 3-Ebenen-Architektur gebaut: Anwendung 1 Web-Anwendung Anwendung 2 Java-Programm... Anwendung n Applikation
Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v)
Ein Baum T mit Knotengraden 2, dessen Knoten Schlüssel aus einer total geordneten Menge speichern, ist ein binärer Suchbaum (BST), wenn für jeden inneren Knoten v von T die Suchbaumeigenschaft gilt: Der
Programmiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
Vorlesung 30.03.2009 1) Einführung
Vorlesung 30.03.2009 1) Einführung Was versteht man unter dem Begriff Datenbank? - Eine Datenbank ist eine Struktur zur Speicherung von Daten mit lesendem und schreibendem Zugriff - Allgemein meint man
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
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2015 Kapitel 3: Datenbanksysteme Vorlesung:
Strukturierte Objekttypen
Strukturierte Objekttypen Der Typ t approxmatch row des letzten Beispiels ist ein sogenannter Objekttyp. Definition: Ein Objekttyp ist ein Datentyp, bei dem (u.u. verschiedene) bekannte Datentypen zu einem
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:
Datenbanksysteme II. Vorlesung: PD Dr. Peer Kröger
Datenbanksysteme II Sommersemester 2012 Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München von Prof. Dr. Christian Böhm (Sommersemester
Datenbankadministration
Datenbankadministration 11. Synchronisation AG DBIS University of Kaiserslautern, Germany Karsten Schmidt kschmidt@informatik.uni-kl.de (Vorlage TU-Dresden) Wintersemester 2008/2009 Transaktion Transaktion
Kapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Einführung. Kapitel 1 2 / 508
Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit
IT-Kompaktkurs. Datenbanken Skript zur Folge 5. Prof. Dr. Georg Herde Fachhochschule Deggendorf
IT-Kompaktkurs Skript zur Folge 5 Prof. Dr. Georg Herde Fachhochschule Deggendorf Semantisches Datenmodell, Entity-Relationship, Normalformen Bei der Entwicklung einer Datenbank wird das Ziel angestrebt,
Inhalt. Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle. Daten und Tabellen - ein Beispiel. Daten und Tabellen - Normalisierung
Inhalt Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle Daten und Tabellen Normalisierung, Beziehungen, Datenmodell SQL - Structured Query Language Anlegen von Tabellen Datentypen (Spalten,
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
6-1 A. Schwill Grundlagen der Programmierung II SS 2005
6-1 A. Schwill Grundlagen der Programmierung II SS 25 6. Suchen Suchen = Tätigkeit, in einem vorgegebenen Datenbestand alle Objekte zu ermitteln, die eine best. Bedingung, das Suchkriterium, erfüllen und
Carl-Christian Kanne. Einführung in Datenbanken p.1/513
Einführung in Datenbanken Carl-Christian Kanne Einführung in Datenbanken p.1/513 Kapitel 1 Einführung Einführung in Datenbanken p.2/513 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern
Modellierung von Geodaten
Modellierung von Geodaten Universität Augsburg Fachbereich Informatik Seminar: Datenbankunterstützung für mobile GIS Sommersemester 2011 Zeev Turevsky Betreuer: Dipl.-Informatiker Florian Wenzel Gliederung
Tutorium Algorithmen & Datenstrukturen
June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten
Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015
Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken
Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume.
Universität Osnabrück 1 Bäume 3 - Objektorientierte Programmierung in Java Vorlesung 10: Collections 4 Einführung Bäume sind verallgemeinerte Listenstrukturen Lineare Liste Jedes Element hat höchstens
Themen des Kapitels. 2 Grundlagen von PL/SQL. PL/SQL Blöcke Kommentare Bezeichner Variablen Operatoren. 2.1 Übersicht. Grundelemente von PL/SQL.
2 Grundlagen von PL/SQL Grundelemente von PL/SQL. 2.1 Übersicht Themen des Kapitels Grundlagen von PL/SQL Themen des Kapitels PL/SQL Blöcke Kommentare Bezeichner Variablen Operatoren Im Kapitel Grundlagen
Kapitel 7 Datenbank-Tuning
Kapitel 7 Datenbank-Tuning Flien zum Datenbankpraktikum Wintersemester 2012/13 LMU München 2008 Thmas Bernecker, Tbias Emrich 2010 Tbias Emrich, Erich Schubert unter Verwendung der Flien des Datenbankpraktikums
Vorwort zur 5. Auflage... 15 Über den Autor... 16
Vorwort zur 5. Auflage...................................... 15 Über den Autor............................................ 16 Teil I Grundlagen.............................................. 17 1 Einführung
6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti
6 Baumstrukturen Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Beispiel: Hierarchisches File System 2
Definition Informationssystem
Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation
Modul 122 VBA Scribt.docx
Modul 122 VBA-Scribt 1/5 1 Entwicklungsumgebung - ALT + F11 VBA-Entwicklungsumgebung öffnen 2 Prozeduren (Sub-Prozeduren) Eine Prozedur besteht aus folgenden Bestandteilen: [Private Public] Sub subname([byval
Objektrelationale und erweiterbare Datenbanksysteme
Objektrelationale und erweiterbare Datenbanksysteme Erweiterbarkeit SQL:1999 (Objekt-relationale Modellierung) In der Vorlesung werden nur die Folien 1-12 behandelt. Kapitel 14 1 Konzepte objekt-relationaler
Vorlesung Informatik II
Vorlesung Informatik II Universität Augsburg Wintersemester 2011/2012 Prof. Dr. Bernhard Bauer Folien von: Prof. Dr. Robert Lorenz Lehrprofessur für Informatik 08. Exkurs: Datenbanken 1 Motivation Datenbanksysteme
(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
WS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2013 Kapitel 3: Datenbanksysteme Vorlesung:
Datumsangaben, enthält mindestens Jahr, Monat, Tag
Datenbanken mit SQL Informatik - Sprenger Häufig wird mit Tabellenkalkulationen gearbeitet, obwohl der Einsatz von Datenbanken sinnvoller ist. Tabellenkalkulationen wie Microsoft Excel oder LibreOffice
Suchbäume. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Suchbäume Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-13-14/infoeinf WS13/14 Action required now 1. Smartphone: installiere die App "socrative