DB-Anfrageverarbeitung Überblick (2)
|
|
- Dörte Hartmann
- vor 7 Jahren
- Abrufe
Transkript
1 DB-Anfrageverarbeitung Überblick (1) Transaktionsprogramme Mengenorientierte DB-Schnittstelle SQL, QBE... Satzorientierte DB-Schnittstelle FID EXT/STORE... Interne Satz-Schnittstelle Speichere Satz (in B*-Baum),... DB-Puffer-Schnittstelle Stelle Seite bereit / gib Seite frei Dateischnittstelle Lies/Schreibe Block Geräteschnittstelle Kanalprogramme Logische Datenstrukturen Logische Zugriffspfade Speicherungsstrukturen Seitenzuordnungsstrukturen Speicherzuordnungsstrukturen Externspeichermedien ns Zugriffslücke ms 1 DB-Anfrageverarbeitung Überblick (2) splan Code-Generierung Interpretation in Programmierumgebung 2
2 Behandlung von DB-Anweisungen Verarbeitungsschritte zur Auswertung von DB-Anweisungen: 1. Lexikalische und syntaktische Analyse - Überprüfung auf korrekte Syntax (Parsing) - Erstellung eines s (AG) als Bezugsstruktur für die nachfolgenden sschritte 2. Semantische Analyse - Feststellung der Existenz und Gültigkeit der referenzierten Tabellen, Sichten und Attribute - Einsetzen der Sichtdefinitionen in den AG - Ersetzen der externen durch interne amen (amensauflösung) - Konversion vom externen Format in interne Darstellung 3 Behandlung von DB-Anweisungen (2) splan splan Code- Interpretation Generierung in Programmierumgebung Code- Interpretation Generierung in Programmierumgebung Verarbeitungsschritte zur Auswertung von DB-Anweisungen (Forts.) 3. Zugriffs- und Integritätskontrolle - sollen aus Leistungsgründen, soweit möglich, schon zur szeit erfolgen - Zugriffskontrolle erfordert bei Wertabhängigkeit Generierung von Laufzeitaktionen - Durchführung einfacher Integritätskontrollen (Kontrolle von Formaten und Konversion von Datentypen); Generierung von Laufzeitaktionen für komplexere Kontrollen 4. und - dienen der effektiveren und frühzeitigen Fehlererkennung - Überführung des AG in eine ormalform (Beispielsweise konjunktive/disjunktive ormalformen der WHERE-Klauseln) - Elimination von Redundanzen im AG 4
3 Behandlung von DB-Anweisungen (3) splan Code- Interpretation Generierung Verarbeitungsschritte zur Auswertung von DB- Anweisungen (Forts.) 5. Restrukturierung und Transformation - Restrukturierung zielt auf globale Verbesserung des AG ab; bei der Transformation werden ausführbare Operationen eingesetzt - Anwendung von heuristischen Regeln (algebraische ) zur Restrukturierung des AG - Transformation führt Ersetzung und ggf. Zusammenfassen der logischen Operatoren durch Planoperatoren durch (nichtalgebraische ): Meist sind mehrere Planoperatoren als Implementierung eines logischen Operators verfügbar - Bestimmung alternativer Zugriffspläne (nicht-algebraische ): Meist sind viele sreihenfolgen oder Zugriffspfade auswählbar - Bewertung der Kosten und Auswahl des günstigsten splanes Schritte werden als Anfrageoptimierung zusammengefasst! in Programmierumgebung 5 Behandlung von DB-Anweisungen (4) Verarbeitungsschritte zur Auswertung von DB- Anweisungen (Forts.) 6. Code-Generierung - Generierung eines zugeschnittenen Programms für die vorgegebene (SQL-) Anweisung - Erzeugung eines ausführbaren Zugriffsmoduls - Verwaltung der Zugriffsmodule in einer DBVS-Bibliothek splan Code- Interpretation Generierung in Programmierumgebung 6
4 DB-Anfrageverarbeitung Kostenaspekte Laufzeit Keine Vorbereitung splan Code-Generierung Interpretation in Programmierumgebung szeit Laufzeit Maximale Vorbereitung 7 Auswertung von DB-Anweisungen Auswertungstechnik: Spektrum von Verfahren mit folgenden Eckpunkten Maximale Vorbereitung - Für eine DB-Anweisung wird ein zugeschnittenes Programm (Zugriffsmodul) zur szeit erzeugt - Zur einer DB-Anweisung (Laufzeit) wird das Zugriffsmodul geladen und abgewickelt; dabei wird durch Aufrufe des DBVS (genauer: des Zugriffssystems) das Ergebnis abgeleitet Keine Vorbereitung - typisch für Call-Schnittstellen und dynamisches (eingebettetes) SQL - Allgemeines Programm (Interpreter) akzeptiert DB-Anweisungen als Eingabe und erzeugt durch Aufrufe des Zugriffssystems das Ergebnis 8
5 und splan Beispiel SQL-Anweisung SELECT FROM WHERE P.ame, P.Beruf, J.Pname Pers P, Abt A, Proj J A.Ein > AD J.Ort = KL AD A.Anr = P.Anr AD A.Anr = J.Anr; Zugehöriger (nach algebraischer ) π ame, Beruf, Pame Anr, ame, Beruf π Pers π σ Abt Anr Ein > 1 M π σ Proj Anr, Pame Ort = KL 9 und splan Beispiel (Forts.) Ausschnitt aus einem möglichen splan... JOI Method: Sort-Merge Pred: A.Anr = P.Anr Inner: Outer: SORT Cols: Input: Anr GET Table: Pers Cols: ame, Beruf,.. Input: ACCESS Table: Abt Cols: Anr Pred: Ein > 1 M ACCESS Table: I (Pers(Anr)) Cols: TID, Anr Pred: 10
6 Anfrageoptimierung Von der Anfrage (Was?) zur Auswertung (Wie?) Ziel: kostengünstiger Auswertungsweg sarten Regelbasiert (algebraische ) Kostenbasiert (Kostenmodell erforderlich, höhere Genauigkeit) Einsatz einer großen Anzahl von Techniken und Strategien logische Transformation von Anfragen Auswahl von Zugriffspfaden optimierte Speicherung von Daten auf Externspeichern Probleme genaue ist im allgemeinen nicht berechenbar Fehlen von genauer statistischer Information breiter Einsatz von Heuristiken (Daumenregeln) sziel Antwortzeitminimierung: Minimierung der Ressourcennutzung für gegebenen Output Durchsatzmaximierung: Maximierung des Outputs bei gegebenen Ressourcen 11 Bewertung von splänen Kostenbasierte basiert auf zwei im Allgemeinen falschen Annahmen 1. Alle Datenelemente und Attributwerte sind gleichverteilt 2. Die Werte und alle Attribute sind stochastisch unabhängig Lösung? Verbesserung der Statistiken/Heuristiken (Histogramme)? Berechnung von noch mehr splänen? Obwohl Kostenabschätzungen meistens ungenau und/oder falsch sind 12
7 Kostenmodell Berechnungsgrundlagen (1) Optimierer erstellt Kostenvoranschlag für jeden splan (möglicher Lösungsweg) Gewichtete Kostenformel: C = #physischer Seitenzugriffe + W (#Aufrufe des Zugriffssystems) gewichtetes Maß für E/A- und CPU-Auslastung W ist das Verhältnis des Aufwandes für einen ZS-Aufruf zu einem Seitenzugriff Ziel der Gewichtung: Minimierung der Kosten in Abhängigkeit des Systemzustandes System "I/O-bound": kleines W #Instr. pro ZS Aufruf W I O = #Instr.pro E A + Zugriffszeit MIPS-Rate System "CPU-bound": relativ großes W W I O #Instr.pro ZS Aufruf W CPU = W 1000 #Instr. pro E A CPU = = 0, I. = I msec 10 7 = 0, 008 I./sec 13 Kostenmodell Berechnungsgrundlagen (2) statistische Größen für Segmente: M S Anzahl der Datenseiten des Segmentes S L S Anzahl der leeren Seiten in S statistische Größen für Relationen: R Anzahl der Tupel der Relation R (Card(R)) T R,S Anzahl der Seiten in S mit Tupeln von R C R Clusterfaktor (Anzahl Tupel pro Seite) statistische Größen pro Index I auf Attributen A einer Relation R: j I Anzahl der Attributwerte/ Schlüsselwerte im Index (=Card (π A (R)) B I Anzahl der Blattseiten (B*-Baum)... Statistiken müssen im DB-Katalog gewartet werden Aktualisierung bei jeder Änderung sehr aufwendig zusätzliche Schreib- und Log- Operationen DB-Katalog wird zum Sperr-Engpass Alternative: Initialisierung der statistischen Werte zum Lade- oder Generierungszeitpunkt von Relationen und Indexstrukturen periodische eubestimmung der Statistiken durch eigenes Kommando/ Dienstprogramm (DB2: RUSTATS) 14
8 Kostenmodell Berechnungsgrundlagen (3) Selektivitätsfaktor SF Mit Hilfe der statistischen Werte kann der Optimizer jedem Verbundterm im Qualifikationsprädikat einen Selektivitätsfaktor (0 SF 1) zuordnen (erwarteter Anteil an Tupeln, die das Prädikat erfüllen): Card (σ p (R)) = SF(p) Card (R) Selektivitätsfaktor SF bei: 1/j i wenn Index auf A i A i=a i SF = 1/10 sonst 1 / Max(j i, j k) wenn Index auf A i, A k A i = A k SF = 1 / j i wenn Index auf A i 1 / j k wenn Index auf A k 1/10 sonst A i a i (oder A i > a i) SF = (a max - a i) / (a max - a min) wenn Index auf A i und Wert interpolierbar 1 / 3 sonst A i BETWEE a i AD a k SF = (a k-a i) / (a max - a min) wenn Index auf A i und Wert interpolierbar 1 / 4 sonst A i I (a 1, a 2,..., a r) SF = r / j i wenn Index auf A i und SF < / 2 sonst 15 Kostenmodell Berechnungsgrundlagen (4) Berechnung von Ausdrücken SF (p(a) p(b)) = SF (p(a)) SF (p(b)) SF (p(a) p(b)) = SF (p(a)) + SF (p(b)) - SF (p(a)) SF (p(b)) SF ( p(a)) = 1 - SF (p(a)) Join-Selektivitätsfaktor (JSF) Card (R S) = JSF Card(R) Card(S) bei (:1)-Joins (verlustfrei): Card (R S) = Max(Card(R), Card(S)) 16
9 Beispiel: Einfache Anfrage Vorhandene Zugriffspfade Relationen-Scan im Segment von PERS I PERS (BERUF) I PERS (GEHALT) SELECT AME, GEHALT FROM PERS WHERE BERUF = PROGRAMMIERER AD GEHALT Statistische Kennwerte Der Optimizer findet folgende Parameter im DB-Katalog: = Anzahl der Tupel in Relation PERS C = durchschnittliche Anzahl von PERS-Tupeln pro Seite j i = Index-Kardinalität (Anzahl der Attributwerte für A i )... + Information über Clusterbildung Annahmen Jeder 10. Programmierer hat ein Gehalt > 100 K Jeder 2. Angestellte mit Gehalt > 100 K ist Programmierer 17 Methode 1: Scan über I PERS (BERUF) OPE SCA auf I PERS (BERUF) bei BERUF = PROGRAMMIERER FETCH EXT WHERE GEHALT ; CLOSE SCA wenn BERUF PROGRAMMIERER Kosten: Clusterbildung auf I PERS (BERUF) K w C j BERUF 10 j BERUF keine Clusterbildung K w j B E R U F 10 j B E R U F Ann: Jeder 10. Programmierer hat ein Gehalt > 100 K 18
10 Methode 2: Scan über I PERS (GEHALT) OPE SCA auf I PERS (GEHALT) bei GEHALT FETCH EXT WHERE BERUF = PROGRAMMIERER ; CLOSE SCA wenn EOT Kosten: Clusterbildung auf I PERS (GEHALT) K C w keine Clusterbildung K w Ann: Jeder 2. Angestellte mit Gehalt 100 K ist Programmierer 19 vs. Interpretation (1) Laufzeit Keine Vorbereitung splan Code-Generierung Interpretation in Programmierumgebung szeit Laufzeit Maximale Vorbereitung 20
11 vs. Interpretation (2) Binden Beispiel - AP: SELECT Pnr, ame, Gehalt FROM Pers WHERE Beruf = Programmierer - DB-Katalog - SYSREL: Tabellenbeschreibungen: Pers,... - SYSATTR: Attributbeschreibungen: Pnr, ame, Gehalt,... - SYSIDEX: I Pers (Beruf),... - SYSAUTH: utzungsrechte - SYSIT/RULES: Integritätsbedingungen, Zusicherungen, vs. Interpretation (3) Bindezeitpunkt szeit (ÜZ) skosten: unerheblich für Antwortzeit (AZ) Zugriffe (zur LZ): effizient datenabhängig! AP Invalidierung durch Schemaänderungen Ausgleich gesucht! Interpretation: erheblich für AZ Zugriffe (zur LZ): teuer Laufzeit (LZ) datenunabhängig! 22
12 vs. Interpretation (4) Bindezeitpunkt (Forts.) Macht die für die Abwicklung einer DB-Anweisung erforderlichen Operationen von DB-Schema abhängig Maximale Vorbereitung einer DB-Anweisung - aufwendige und Erstellung eines Zugriffsmoduls - maximale Auswirkungen von Schemaänderungen, welche die DB-Anweisung betreffen - Schemaänderungen nach der werden nicht berücksichtigt (neue Zugriffspfade, geänderte Statistiken etc.) - Invalidierung des Zugriffsmoduls und erneute Erstellung Interpretation einer DB-Anweisung - Interpreter wertet Anweisung (als Zeichenfolge) zur Laufzeit aus - aktueller DB-Zustand wird automatisch berücksichtigt - sehr hohe skosten bei Programmschleifen sowie durch häufige Katalogzugriffe - interessant vor allem für Ad-hoc-Anfragen bzw. dynamisches SQL 23 vs. Interpretation (5) Kosten Interpretation Gesamtkosten Zugriffsmodulerstellung #Satzzugriffe 24
13 Zusammenfassung Anfrageverarbeitung Kostenmodell Minimierung der Kosten in Abhängigkeit des Systemzustandes Problem: Aktualisierung der statistischen Kenngrößen Anfrageoptimierung: Kernproblem der mengenorientierter DB-Sprachen Fatale Annahmen - Gleichverteilung der Attributwerte - Unabhängigkeit der Attribute Kostenvoranschläge für spläne - CPU-Zeit und E/A-Aufwand - Anzahl der achrichten und zu übertragende Datenvolumina (im verteilten Fall) Gute Heuristiken zur Auswahl von splänen sehr wichtig 25
7. Anfrageoptimierung Vorgehensweise Übersetzung vs. Interpretation von DB-Operationen
7. Anfrageoptimierung Vorgehensweise Übersetzung vs. Interpretation von DB-Operationen Anfragedarstellung Anfragetransformation Erstellung und Auswahl von Zugriffsplänen Kostenbewertung WS10/11, Prof.
Mehr9. Mengenorientierte DB-Schnittstelle
9. Mengenorientierte DB-Schnittstelle Logische Datenstrukturen Ziele - Darstellung der prinzipiellen Schritte der Übersetzung von mengenorientierten DB-Sprachen - Realisierung der verschiedenen Optimierungskonzepte
MehrGrundlagen von Datenbanken. 4. Übung: Algebraische Optimierung
Grundlagen von Datenbanken 4. Übung: Algebraische Optimierung Algebraische Optimierung Ziel Effiziente Ausführung eines algebraischen Ausdrucks Minimierung der Größe von Zwischenergebnissen (das Endergebnis
MehrAnfrageoptimierung Kostenabschätzung
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Kostenabschätzung Dr. Thomas Gottron Wintersemester 2012/13 Regel vs. Kostenbasierte Optimierung Bisher: Regeln, wie Optimierung
MehrGrundlagen von Datenbanken. 4. Übung: Algebraische Optimierung
Grundlagen von Datenbanken 4. Übung: Algebraische Optimierung Algebraische Optimierung Ziel Effiziente Ausführung eines algebraischen Ausdrucks Minimierung der Größe von Zwischenergebnissen (das Endergebnis
MehrAbschluss Einblick und Ausblick
Abschluss Einblick und Ausblick Prof. Dr. T. Kudraß 1 Benutzer Komponenten eines DBMS (Überblick) I/O-Prozessor Output-Generierung Parser für selbst. oder eingebettete Kommandos Precompiler Autorisierungs-Kontrolle
MehrKapitel 10: Relationale Anfragebearbeitung
Ludwig Maimilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 201/2016 Kapitel 10: Relationale Anfragebearbeitung Vorlesung:
MehrIndexstrukturen in SQL
Indestrukturen in SQL Anlegen eines Primärinde in SQL: Anlegen eines Sekundärinde in SQL: Bsp: create table Dozenten ( DNr integer primary key, Name varchar(0), Geburt date, ) create [Unique] inde indename
MehrStar Join & Kostenbasierte Optimierung. Architektur von Datenbanksystemen II
Star Join & Kostenbasierte Optimierung Architektur von Datenbanksystemen II Star Join Übungsaufgabe zum 09.06.2015 JOIN-ALGORITHMUS für folgendes Scenario Große Faktentabelle F mit sehr vielen Einträgen
MehrAnfragebearbeitung. Anfrage. Übersetzer. Ausführungsplan. Laufzeitsystem. Ergebnis
Anfragebearbeitung Anfrage Übersetzer Ausführungsplan Laufzeitsystem Ergebnis Übersetzung SQL ist deklarativ, Übersetzung für Laufzeitsystem in etwas prozedurales DBMS übersetzt SQL in eine interne Darstellung
MehrAufbau 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
MehrKapitel 5 Anfragebearbeitung
Kapitel 5 Anfragebearbeitung Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2008, LMU München 2008 Dr. Peer Kröger Dieses Skript basiert zu einem Teil auf dem Skript zur Vorlesung Datenbanksysteme
Mehr6. Sichten, Integrität und Zugriffskontrolle. Vorlesung "Informa=onssysteme" Sommersemester 2015
6. Sichten, Integrität und Zugriffskontrolle Vorlesung "Informa=onssysteme" Sommersemester 2015 Überblick Sichten Integritätsbedingungen Zugriffsrechte SQL- Schema und SQL- Katalog Das Informa=onsschema
MehrOracle 9i Einführung Performance Tuning
Kurs Oracle 9i Einführung Performance Tuning Teil 3 Der Optimizer Timo Meyer Wintersemester 2005 / 2006 Seite 1 von 16 Seite 1 von 16 1. auf Tabellen 2. 3. Optimizer 4. Optimizer RBO 5. Optimizer CBO 6.
Mehr4. Anwendungsprogrammierschnittstellen
4. Anwendungsprogrammierschnittstellen Kopplung mit einer Wirtssprache 1 : Übersicht und Aufgaben Eingebettetes statisches SQL - Cursor-Konzept - SQL-Programmiermodell - Rekursion - Ausnahme- und Fehlerbehandlung
MehrDatenbanken: Indexe. Motivation und Konzepte
Datenbanken: Indexe Motivation und Konzepte Motivation Warum sind Indexstrukturen überhaupt wünschenswert? Bei Anfrageverarbeitung werden Tupel aller beteiligter Relationen nacheinander in den Hauptspeicher
MehrIndizes B+Bäume in Oracle. Jörg Winkler
Indizes B+Bäume in Oracle Vortragende: Conrad Kobsch Jörg Winkler Inhalt Allgemeines Aufbau / Eigenschaften von B+Bäumen Vorteile / Nachteile B+Baum-Indexe Kriterien für Indizes Anlegen eines Indizes Anfrageoptimierung
MehrPhysischer DB-Entwurf
Physischer DB-Entwurf Prof. Dr. T. Kudraß 1 Überblick Ausgangslage: Konzeptuelles und externes Schema sind erstellt: ER Modell, Schemaverfeinerung und Definition von Sichten Nächster Schritt: Physischer
MehrGrundlagen des Relationenmodells. Inhalt. Übersicht Grundkonzepte Abbildung von ER-Diagrammen Relationenalgebra Algebraische Optimierung
Grundlagen des Relationenmodells Inhalt Übersicht Grundkonzepte Abbildung von ER-Diagrammen Relationenalgebra Algebraische Optimierung N. Ritter, HMS, 13.09.2007 1 Übersicht (1) Datenstruktur Relation
MehrGrundlagen des Relationenmodells. Inhalt. Übersicht Grundkonzepte Abbildung von ER-Diagrammen Relationenalgebra Algebraische Optimierung
Grundlagen des Relationenmodells Inhalt Übersicht Grundkonzepte Abbildung von ER-Diagrammen Relationenalgebra Algebraische Optimierung N. Ritter, HMS 1 Übersicht (1) Datenstruktur Relation (Tabelle) einzige
MehrVorlesung Wissensentdeckung in Datenbanken
Vorlesung Wissensentdeckung in Datenbanken Data Cube Katharina Morik, Uwe Ligges Informatik LS 8 22.04.2010 1 von 26 Gliederung 1 Einführung 2 Aggregation in SQL, GROUP BY 3 Probleme mit GROUP BY 4 Der
MehrKapitel 9. Embedded SQL. Prof. Dr. Wolfgang Weber Vorlesung Datenbanken 1
Kapitel 9 Embedded SQL Vorlesung Datenbanken 1 Embedded SQL (siehe auch [Date00]) Arbeitsweise ähnlich PL/SQL, allerdings: Normale Programmiersprache mit eingestreuten SQL-Befehlen und anderen Befehlen
MehrDatenbanken II. Methodik zur Optimierung der Datenbanken. (Aissa Aarab)
Datenbanken II Methodik zur Optimierung der Datenbanken (Aissa Aarab) Motivation der Datenbankoptimierung: die Optimierung der Datenbanken bedeutet im allgemeinen,von den vielfältigen Möglichkeiten der
MehrVorlesung Wissensentdeckung in Datenbanken
Gliederung Vorlesung Wissensentdeckung in Datenbanken Data Cube Katharina Morik, Claus Weihs 14.07.2009 1 Einführung 2 Aggregation in SQL, GROUP BY 3 Probleme mit GROUP BY 4 Der Cube-Operator 5 Implementierung
MehrData Cubes PG Wissensmangement Seminarphase
PG 402 - Wissensmangement Seminarphase 23.10.2001-25.10.2001 Hanna Köpcke Lehrstuhl für Künstliche Intelligenz Universität Dortmund Übersicht 1. Einführung 2. Aggregation in SQL, GROUP BY 3. Probleme mit
MehrData Cube. 1. Einführung. 2. Aggregation in SQL, GROUP BY. 3. Probleme mit GROUP BY. 4. Der Cube-Operator. 5. Implementierung des Data Cube
Data Cube 1. Einführung 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator 5. Implementierung des Data Cube 6. Zusammenfassung und Ausblick Dank an Hanna Köpcke! 1 On-line Analytical
MehrKommunikation und Datenhaltung
Kommunikation und Datenhaltung Anfrageoptimierung Überblick über den Datenhaltungsteil Einleitung und Grundlagen Architektur von Datenbanksystemen Datenbankanfragen Relationenmodell und Relationenalgebra
MehrLogische Optimierung. Im Allgemeinen wird keine optimale Lösung erzielt, sondern nur eine Verbesserung. Logische Optimierung
Logische Optimierung Höhere, nichtprozedurale Abfragesprachen (SQL, QBE,...) verlangen keine Kenntnisse des Benutzers über die Implementierung, müssen aber in prozedurale Form (z. B. Relationenalgebra)
Mehr4. Objektrelationales Typsystem Kollektionstypen. Nested Table
Nested Table Bei einer Nested Table handelt es sich um eine Tabelle als Attributwert. Im Gegensatz zu Varray gibt es keine Beschränkung bei der Größe. Definition erfolgt auf einem Basistyp, als Basistypen
MehrEinleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join
Parsen der Anfrage (SQL) Transformation in eine Standardform (Relationenalgebra) Logische Optimierung Transformation in alternative Zugriffspläne, Physische Optimierung Ausführung des gewählten Zugriffsplans
MehrDatenbankadministration
Datenbankadministration 8. Anfrageoptimierung II AG DBIS University of Kaiserslautern, Germany Karsten Schmidt kschmidt@informatik.uni-kl.de (Vorlage TU-Dresden) Wintersemester 2008/2009 Übersicht Vorherige
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
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort... 13
Auf einen Blick Vorwort... 13 Teil 1 Vorbereitung Kapitel 1 Einleitung... 17 Kapitel 2 SQL der Standard relationaler Datenbanken... 21 Kapitel 3 Die Beispieldatenbanken... 39 Teil 2 Abfrage und Bearbeitung
Mehr9 Auswertung von Anfrageoperatoren 9.1 Selektion
9. Auswertung von Anfrageoperatoren 9.1. Selektion Seite 1 9 Auswertung von Anfrageoperatoren 9.1 Selektion Auswertung von σ[a op val]r. Index zu A, Sortierung zu A, Operator op. Auswertung von Formeln
MehrSQL: Weitere Funktionen
Vergleich auf Zeichenketten SQL: Weitere Funktionen LIKE ist ein Operator mit dem in Zeichenketten andere Zeichenketten gesucht werden; zwei reservierte Zeichen mit besonderer Bedeutung sind hier % (manchmal
MehrDateiorganisation und Zugriffsstrukturen. Prof. Dr. T. Kudraß 1
Dateiorganisation und Zugriffsstrukturen Prof. Dr. T. Kudraß 1 Mögliche Dateiorganisationen Viele Alternativen existieren, jede geeignet für bestimmte Situation (oder auch nicht) Heap-Dateien: Geeignet
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13
Auf einen Blick Vorwort 13 Teil 1 Vorbereitung Kapitel 1 Einleitung 17 Kapitel 2 SQL - der Standard relationaler Datenbanken 21 Kapitel 3 Die Beispieldatenbanken 39 Teil 2 Abfrage und Bearbeitung Kapitel
MehrDatenbanken 2. Anfragebearbeitung. Nikolaus Augsten. FB Computerwissenschaften Universität Salzburg. Version 1.
Datenbanken 2 Anfragebearbeitung Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg Version 1. Juni 2017 Wintersemester 2017/18 Augsten (Univ. Salzburg) DB2 Anfragebearbeitung
MehrDas Programm ist deterministisch: es gibt für jedes Ziel höchstens eine Klausel, die zur erfolgreichen Ableitung des Zieles
Green Cuts Klauseln zum Mischen zweier geordneten Listen: merge ( [X Xs ], [Y Ys ], [X Zs ] ) : X < Y, merge ( Xs, [ Y Ys ], Zs ). (1) merge ( [X Xs ], [Y Ys ], [ X,Y Zs ] ) : X =:= Y, merge (Xs, Ys, Zs
MehrInhalt. Datenbanken 2. Literatur und Quellen. Inhalt. Anfragebearbeitung. Nikolaus Augsten. Wintersemester 2017/18
Inhalt Datenbanken 2 Anfragebearbeitung 1 Einführung Nikolaus Augsten 2 Anfragekosten anschätzen nikolausaugsten@sbgacat FB Computerwissenschaften Universität Salzburg Version 1 Juni 2017 Wintersemester
MehrVisualisierung in Informatik und Naturwissenschaften
Visualisierung in Informatik und Naturwissenschaften Datenbankvisualisierung Sven Bernhard 12.06.1999 Datenbankvisualisierung Datenbanktheorie in 5 Minuten Visualisierung vs. Datenbanken Visualisierung
MehrInformationssysteme Übersicht Sommersemester 2017
Prof. Dr.-Ing. Stefan Deßloch AG Heterogene Informationssysteme Zi. 36/329, Tel.: 0631-205-3275 E-Mail: dessloch@cs.uni-kl.de Informationssysteme Übersicht Sommersemester 2017 http://wwwlgis.informatik.uni-kl.de/cms/courses/informationssysteme/
MehrIMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN
Joins 1 Literatur IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN A. Kemper, A. Eickler: Datenbanksysteme Eine Einführung, 8. Auflage Oldenburg Verlag, 2011, ISBN 978-3-486-59834-6 (als E-Book mit dem Übungsbuch
MehrOptimiertes Laden in die F-Fakten-Tabelle des SAP BW
Optimiertes Laden in die F-Fakten-Tabelle des SAP BW Schlüsselworte SAP BW Index unusable. Einleitung Jörn Bartels Oracle München Mit Oracle Database 11g Release 2 kann das Laden der F-Fakten Tabelle in
MehrInhalt. Datenbanken Vertiefung. Literatur und Quellen. Inhalt. Anfragebearbeitung. Nikolaus Augsten. Wintersemester 2013/14
Inhalt Datenbanken Vertiefung Anfragebearbeitung Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg 1 Einführung 2 Anfragekosten anschätzen 3 4 Wintersemester 2013/14
MehrAnfrageoptimierung Logische Optimierung
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Logische Optimierung Dr. Thomas Gottron Wintersemester 2012/13 Ablauf der Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer
MehrKap. 1: Einführung / DBS-Architektur. Einsatz von Datenbanksystemen
Kap. 1: Einführung / DBS-Architektur Aufbau von DBS 3-Schichtenmodell 5-Schichtenmodell Datenbankadministration / Tuning Prof. E. Rahm 1-1 Einsatz von Datenbanksystemen Merkmale effiziente Verwaltung großer
MehrDatenbanken Unit 4: Das Relationale Modell & Datenintegrität
Datenbanken Unit 4: Das Relationale Modell & Datenintegrität 15. III. 2016 Outline 1 Organisatorisches 2 SQL 3 Relationale Algebra Notation 4 Datenintegrität Organisatorisches Erster Zwischentest: nach
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einleitung... 15
Vorwort..................................................... 13 Kapitel 1 Einleitung.......................................... 15 Kapitel 2 SQL der Standard relationaler Datenbanken... 19 2.1 Die Geschichte................................
Mehr7.3 Baum-Indexstrukturen
7. Physischer Datenbankentwurf 7.3. Baum-Indexstrukturen Seite 1 7.3 Baum-Indexstrukturen B-Baum der Ordnung (m, l); m > 2, l > 1. Die Wurzel ist entweder ein Blatt oder hat mindestens zwei direkte Nachfolger.
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof Alfons Kemper, PhD Blatt Nr 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS5/6 Harald Lang, Linnea Passing (gdb@intumde) http://www-dbintumde/teaching/ws56/grundlagen/
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,
MehrSpeicherung von XML in (objekt-)relationalen Datenbanken. Burkhard Schäfer
Speicherung von XML in (objekt-)relationalen Datenbanken Burkhard Schäfer Übersicht Motivation Anforderungen Ansätze modellorientiert strukturorientiert Zusammenfassung Motivation Warum XML in Datenbanken
MehrInhaltsverzeichnis. Vorwort 13. Kapitel 1 Einleitung 15
Vorwort 13 Kapitel 1 Einleitung 15 Kapitel 2 SQL-der Standard relationaler Datenbanken... 19 2.1 Die Geschichte 19 2.2 Die Bestandteile 20 2.3 Die Verarbeitung einer SQL-Anweisung 22 2.4 Die Struktur von
Mehr2 Wegweiser Projektbeschreibung...69
1 Projektmanagement...1 1.1 Komponenten eines SAP-R/3-Systems...1 1.2 Datenstruktur eines R/3-Systems...3 1.3 Änderungen an R/3-Datenobjekten...6 1.3.1 Änderungsebenen...6 1.3.2 Änderungsstrategien...8
MehrWebbasierte Informationssysteme
SS 2004 Prof. Dr. Stefan Böttcher Universität Paderborn - SS 2004 - Prof. Dr. Stefan Böttcher Folie 1 Was ist eine relationale Datenbank? Menge von Relationen (=Tabellen) und Constraints (=Integritätsbedingungen)
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
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrIndexbasiertes SQL Tuning
Indexbasiertes SQL Tuning Eine Einführung Sebastian Wittig Systementwickler merlin.zwo InfoDesign GmbH & Co. KG 76228 Karlsruhe Spitzenleistung heißt, sich auf seine Stärken zu konzentrieren. merlin.zwo
MehrNutzung der Oracle Database InMemory Option für SAP BW
Nutzung der Oracle Database InMemory Option für SAP BW Schlüsselworte Oracle, SAP-BW, InMemory, Star-Schema. Jörn Bartels Oracle München Einleitung In SAP BW wurde bisher ein erweitertes Snow Flake Schema
MehrVerteilte Systeme. Verteilte Systeme. 5 Prozeß-Management SS 2016
Verteilte Systeme SS 2016 Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 31. Mai 2016 Betriebssysteme / verteilte Systeme Verteilte Systeme (1/14) i
MehrArchitektur und Optimierung relationaler Datenbanksysteme
Literatur Architektur und relationaler Datenbanksysteme M. Jarke, J. Koch: Query optimization in database systems, ACM Computing Surveys, Vol. 16, No. 2, pp. 111-152, 1984. (ein Klassiker zur Anfrageoptimierung)
MehrKapitel 9: Klassen und höhere Datentypen. Klassen und höhere. Objekte, Felder, Methoden. Küchlin/Weber: Einführung in die Informatik
Klassen und höhere Datentypen Objekte, Felder, Methoden Küchlin/Weber: Einführung in die Informatik Klassen Klasse (class) stellt einen (i.a. benutzerdefinierten) Verbund-Datentyp dar Objekte sind Instanzen
MehrSemi-Skylines und Skyline Snippets
Skyline von Manhattan, NY, USA Semi-Skylines und Skyline Snippets Markus Endres Universität Augsburg 10. Februar 2011 Skyline Queries Finde preiswerte Hotels in Strandnähe! Distance to the beach [km] 2.0
MehrSQL. SQL: Structured Query Language. Früherer Name: SEQUEL. Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99
SQL Früherer Name: SEQUEL SQL: Structured Query Language Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99 SQL ist eine deklarative Anfragesprache Teile von SQL Vier große Teile:
MehrInhalt. 1. Indextypen B*Baum-Index Reversed Key Index Bitmap Index Funktionsbasierter Index
Inhalt 1. Indextypen B*Baum-Index Reversed Key Index Bitmap Index Funktionsbasierter Index 2. Indexverwendung Vergleich von B*Baum und Bitmap Steuerung der Indexverwendung Richtlinien für die Indizierung
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 10. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Suchverfahren für große Datenmengen bisher betrachtete Datenstrukturen
MehrDatenbanksysteme II Physische Repräsentation von Daten Felix Naumann
Datenbanksysteme II Physische Repräsentation von Daten (Kapitel 12) 27.4.2008 Felix Naumann Architektur 2 Mengenorientierter Zugriff Satzorientierter Zugriff Interne Satzschnittstelle Systempufferschnittstelle
Mehr2. Architektur von Datenbanksystemen
2. Architektur von Datenbanksystemen Betrachtete Fragestellungen Schichtenmodell eines relationalen DBMS Hardware und Betriebssystem Pufferverwaltung Speichersystem Zugriffssystem Datensystem VL Datenbank-Implementierungstechniken
Mehr5. Basisalgorithmen für DB-Operationen
5. Basisalgorithmen für DB-Operationen Datenbankparameter Komplexität von Grundalgorithmen Unäre Operationen (Scan, Selektion, Projektion) Binäre Operationen: Mengenoperationen Berechnung von Verbunden
MehrAggregatfunktionen in der Relationenalgebra?
Aggregatfunktionen in der Relationenalgebra? Dieter Sosna Aggregatfunktionen in der Relationenalgebra p.1/23 Gliederung Motivation Begriffe Definitionen Anwendungen Zusammenfassung Aggregatfunktionen in
MehrÜberblick Felix Naumann. Zugriffsrechte Zugriffsrechte erzeugen Zugriffsrechte prüfen Zugriffsrechte vergeben Zugriffsrechte entziehen
Datenbanksysteme I Zugriffskontrolle (kleiner Einschub) 18.1.2007 Felix Naumann Überblick 2 Zugriffsrechte Zugriffsrechte erzeugen Zugriffsrechte prüfen Zugriffsrechte vergeben Zugriffsrechte entziehen
MehrRelationale Algebra. Relationale Algebra. Grenzen der Ausdrucksstärke konjunktiver Anfragen. Vereinigung und Differenz.
4.1 4.2 4.1 4.2 NICOLE SCHWEIKARDT, ISOLDE ADLER GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 4, SEITE 1 Grenzen der Ausdrucksstärke konjunktiver Anfragen Wir haben gesehen: konjunktive
Mehr5.3 Datenänderung/-zugriff mit SQL (DML)
5.3 Datenänderung/-zugriff mit SQL (DML) Hinweis: - DML-Anweisungen sind mengenorientiert - Mit einer Anweisungen kann mehr als ein Tupel eingefügt, geändert, gelöscht oder gelesen werden Benutzungs- und
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
MehrUniversität Augsburg, Institut für Informatik Wintersemester 2008/2009 Prof. Dr. W. Kießling 03. Februar Semesterklausur
Universität Augsburg, Institut für Informatik Wintersemester 2008/2009 Prof. Dr. W. Kießling 03. Februar 2009 Dr. A. Huhn, M. Endres, T. Preisinger Datenbanksysteme I Semesterklausur Hinweise: Die Bearbeitungszeit
Mehr11.3 Transaktionen und LUWs in SAP R/3
11.3 Transaktionen und LUWs in SAP R/3 G Transaktionen heissen in SAP/R3 Logical Unit of Work (LUW). Eine LUW besteht in der Regel aus zwei Teilen: SAP-Transaktion: Folge von vorbereiteten Dialogschritten
MehrKonzepte von Betriebssystem-Komponenten. Programmstart & dynamische Bibliotheken SS 05. Wladislaw Eckhardt.
Proseminar KVBK Programmstart dynamische Bibliotheken Konzepte von Betriebssystem-Komponenten Programmstart & dynamische Bibliotheken SS 05 Wladislaw Eckhardt Wladi23@gmx.net 1 1 Einleitung 1.1 Problematik
MehrRelationale Algebra. Relationale Algebra. Grenzen der Ausdrucksstärke konjunktiver Anfragen. Vereinigung und Differenz.
3.1 3.2 3.1 3.2 NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL 3, SEITE 1 NICOLE SCHWEIKARDT GOETHE-UNIVERSITÄT FRANKFURT VORLESUNG LOGIK UND DATENBANKEN KAPITEL
MehrDatenbanken: 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
MehrDaten-Definitionssprache (DDL) Bisher: Realwelt -> ERM -> Relationen-Modell -> normalisiertes Relationen-Modell. Jetzt: -> Formulierung in DDL
Daten-Definitionssprache (DDL) Bisher: Realwelt -> ERM -> Relationen-Modell -> normalisiertes Relationen-Modell Jetzt: -> Formulierung in DDL Daten-Definitionssprache (DDL) DDL ist Teil von SQL (Structured
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken SQL, Häufige Mengen Nico Piatkowski und Uwe Ligges 11.05.2017 1 von 16 Überblick Was bisher geschah... Modellklassen Verlustfunktionen Numerische Optimierung Regularisierung
MehrDatenbanksysteme I Anfragebearbeitung und -optimierung. 27.6.2011 Felix Naumann
Datenbanksysteme I Anfragebearbeitung und -optimierung 27.6.2011 Felix Naumann Anfragebearbeitung Grundproblem 2 Anfragen sind deklarativ. SQL, Relationale Algebra Anfragen müssen in ausführbare (prozedurale)
MehrDownload:.../~rieche. gehalten am 2. Februar 2004. Stephan Rieche. Vortrag. Thema: Index Selection. von. Seminar Advanced Data Warehouse
Seminar Advanced Data Warehouse Thema: Index Selection Vortrag von Stephan Rieche gehalten am 2. Februar 2004 Download:.../~rieche Inhalt des Vortrages 1. Einleitung - Was ist das Index Selection Problem?
MehrDas Entity-Relationship-Modell. Prof. Dr. T. Kudraß 1
Das Entity-Relationship-Modell Prof. Dr. T. Kudraß 1 Datenmodell Datenmodelle System von Konzepten zur abstrakten Darstellung eines Ausschnitts der realen Welt mittels Daten Verschiedene Abstraktionsebenen
MehrAnfragebearbeitung 2. Vorlesung Datenbanksysteme vom
Vorlesung Datenbanksysteme vom 21.11.2016 Anfragebearbeitung 2 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Physische Optimierung Iterator: einheitliche Schnittstelle
MehrDatenbank- Implementierung
DB2 Crash 0 1 Crash-Kurs Datenbank- Implementierung Uni Magdeburg Gunter Saake saake@iti.cs.uni-magdeburg.de DB2 Crash 0 1 Überblick 1. Architektur von Datenbanksystemen 2. Basisalgorithmen für Datenbankoperationen
MehrEinleitung 19. Teil I Einführung in Datenbanksysteme 25. Kapitel 1 Wozu Datenbanksysteme da sind 27
Inhaltsverzeichnis Einleitung 19 Über dieses Buch 19 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut ist 22 Teil I: Einführung
MehrAnfragebearbeitung 3
Anfragebearbeitung 3 VL Datenbanksysteme, WS 2014/5 Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Kostenmodelle und
MehrInhaltsverzeichnis. Inhalt. 1 Einführung in die Datenbanktechnologie
3 Inhaltsverzeichnis 1 Einführung in die Datenbanktechnologie 1.1 Einleitung... 8 1.1.1 Zielsetzung... 8 1.1.2 Aufbau des Studienbuches... 9 1.1.3 Abgrenzung... 10 1.2 Grundbegriffe... 10 1.3 Datenbanksysteme...
MehrABP Wo steckt der Fehler in der SQL-Anfrage? Semantische Prüfung von Lösungen Prof. Dr. Inga Marina Saatz
ABP 017 Wo steckt der Fehler in der SQL-Anfrage? Semantische Prüfung von Lösungen 017 - Prof. Dr. Inga Marina Saatz Inhaltsübersicht Prof. Inga M. Dr. Saatz I. Saatz Datenbanken SQLearn 1 Fachbereich ABP
MehrKonjunktive Anfragen II
Azyklische Anfragen Vorlesung Datenbanktheorie Vorlesung vom Mittwoch, 21. Juni 2006 Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Letzte Vorlesung: effiziente Auswertung von azyklischen
Mehr10. Übungsblatt. Für die Übung am Donnerstag, 15. Januar 2009, von 15:30 bis 17:00 Uhr in 13/222.
AG Datenbanken und Informationssysteme Wintersemester 2008 / 2009 Prof. Dr.-Ing. Dr. h. c. Theo Härder Fachbereich Informatik Technische Universität Kaiserslautern http://wwwlgis.informatik.uni-kl.de/cms
MehrDatenbanken Implementierungstechniken SS2015
Hochschule für Technik, Wirtschaft und Kultur Leipzig Leipzig University of Applied Sciences Parallele DBMS Datenbanken Implementierungstechniken SS2015 Alexander Müller Fakultät Informatik, Mathematik
MehrTeil VIII. Weitere Datenbanksprachen
Teil VIII Weitere Datenbanksprachen Weitere Datenbanksprachen 1 Programmiersprachenanbindung 2 QBE 3 Änderungen in QBE 4 Anfragen in Access Sattler / Saake Datenbanksysteme Wintersemester 2010/11 8 1 Programmiersprachenanbindung
MehrKlausur PI Datenbanken II vom Name: Praktische Informatik (Krägeloh)
Versehen Sie jedes Aufgabenblatt/-blätter mit Ihrem Namen und geben es mit ab! Seite 1 Aufgabe 1: ( 30 Punkte) 1) Ein Entity-Set E1 wird in die Subklassen S1 und S2 spezialisiert. Was bedeutet die Aussage:
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
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
MehrOperator-Kostenmodelle für Fortschrittsschätzung und Opt. Datenbanksystemen
Operator-Kostenmodelle für und Optimierung in Datenbanksystemen 23. Oktober 2012 Übersicht 1 Grundlagen Ziele der Arbeit Grundlagen Kostenmodelle Neues Framework Entwickelte Hilfsmittel 2 3 Ziele der Arbeit
Mehr