Grundlagen von Datenbanken. B-Bäume, B*-Bäume Normalisierung
|
|
- Heidi Busch
- vor 7 Jahren
- Abrufe
Transkript
1 Grundlagen von Datenbanken B-Bäume, B*-Bäume Normalisierung
2 B-Bäume Definition: Seien k, h ganze Zahlen, h > 0, k > 0. Ein B-Baum B der Klasse τ(k,h) ist entweder ein leerer Baum oder ein geordneter Suchbaum mit folgenden Eigenschaften: Jeder Pfad von der Wurzel zu einem Blatt hat die gleiche Länge h-1. Jeder Knoten außer der Wurzel und den Blättern hat mindestens k+1 Söhne. Die Wurzel ist ein Blatt oder hat mindestens 2 Söhne. Jeder Knoten hat höchstens 2k+1 Söhne. Jeder Knoten mit Ausnahme der Wurzel hat mindestens k und höchstens 2k Einträge. L Knotenformat: bm K 1 D 1 K 2 D 2... K b D b freier Platz P 0 P 1 P 2 P b 2
3 B-Bäume In jedem Knoten stehen die Schlüssel in aufsteigender Ordnung mit K 1 <K 2 <...<K b. Jeder Schlüssel hat eine Doppelrolle als Identifikator eines Datensatzes und als Wegweiser im Baum. B-Baum der Klasse t(2,3):
4 B-Bäume (Beispiel-Splitten) Split-Faktor: Einfügen von 63 (Splitten)
5 B-Bäume (Beispiel-Einfügen bei doppeltem Überlauf) Split-Faktor: Einfügen von 42 (Überlauf)
6 B-Bäume (Beispiel-Einfügen bei doppeltem Überlauf) Split-Faktor: Einfügen von 29 (Splitten)
7 B-Bäume (Beispiel-Ausgleichen) Löschen von 42 (Ausgleichen)
8 B-Bäume (Beispiel-Mischen) Löschen von 8 (Mischen)
9 B*-Bäume Definition: Seien k, k* und h* ganze Zahlen, h* 0, k, k* > 0. Ein B*-Baum B der Klasse t (k,k*,h*) ist entweder ein leerer Baum oder ein geordneter Suchbaum, für den gilt: Jeder Pfad von der Wurzel zu einem Blatt besitzt die gleiche Länge h*-1. Jeder Knoten außer der Wurzel und den Blättern hat mindestens k+1 Söhne, die Wurzel mindestens 2 Söhne, außer wenn sie ein Blatt ist. Jeder innere Knoten hat höchstens 2k+1 Söhne. Jeder Blattknoten mit Ausnahme der Wurzel als Blatt hat mindestens k* und höchstens 2k* Einträge. Innere Knotenformat: M K 1... K b freier Platz L Blattknotenformat: M... freier Platz K 1 D 1 K 2 D 2 L K m D m P 0 P 1 P b P prior P next 9
10 B*-Bäume (Erklärungsmodell) Der B*-Baum lässt sich auffassen als eine gekettete sequentielle Datei von Blättern, die einen Indexteil besitzt, der selbst ein B-Baum ist. Im Indexteil werden insbes. beim Split-Vorgang die Operationen des B- Baums eingesetzt. B*-Baum der Klasse t(3, 2, 3):
11 B*-Bäume (Beispiel-Splitten) Split-Faktor: Einfügen von 41 (Splitten)
12 B*-Bäume (Beispiel-Einfügen bei doppeltem Überlauf) Split-Faktor: Einfügen von 39 (Überlauf)
13 B*-Bäume (Beispiel-Einfügen bei doppeltem Überlauf) Split-Faktor: Einfügen von 29 (Splitten)
14 B*-Bäume (Beispiel-Ausgleichen) Löschen von 64 (Ausgleichen)
15 B*-Bäume (Beispiel-Mischen) Löschen von 64 (Mischen)
16 Änderungsanomalien Bücherei ( KID, Signatur, KName, ISBN, Autor, Titel, Auflage, Bestand, Ausleihdatum, Leihdauer ) KID, Signatur Ausleihdatum, Leihdauer KID KName Signatur ISBN ISBN Autor, Titel Autor, Titel ISBN ISBN, Auflage Bestand Autor, Titel, Auflage Bestand 16
17 Änderungsanomalien Einfüge-Anomalie: ODER Es ist nicht möglich ein neues Buch einzufügen, wenn dieses nicht von einem Kunden ausgeliehen wird. Es ist nicht möglich, einen Kunden anzulegen ohne dass dieser ein Buch ausleiht. 17
18 Änderungsanomalien Lösch-Anomalie: ODER Wenn der Kunde das letzte Buch zurückgibt, gehen auch die Kundeninformationen verloren. Mit dem Löschen eines Kunden gehen auch die Informationen über ein Buch verloren, wenn dies von keinem anderen Kunden ausgeliehen ist. 18
19 Änderungsanomalien Modifikations-Anomalie: Um den Titel eines Buches zu korrigieren, müssen die Tupel für alle Leihverhältnisse desselben Buches aktualisiert werden. ODER: Ändert sich der Name eines Kunden, müssen die Tupel für alle Ausleihverhältnisse des Kunden aktualisiert werden. 19
20 Normalformen KID, Signatur Ausleihdatum, Leihdauer KID KName Signatur ISBN ISBN Autor, Titel Autor, Titel ISBN ISBN, Auflage Bestand Autor, Titel, Auflage Bestand 20
21 Normalformen 1. NF alle Attribute sind atomar. a b a b z b z X={a,b} Y={b} b z 21
22 Normalformen a b a b z b z X={a} Y={b} b z 22
23 a) Fkt. Abhängigkeiten FA1: Name Straße FA2: Name, Datum Treffpunkt 23
24 a) Fkt. Abhängigkeiten FA1: Name Straße FA2: Name, Datum Treffpunkt Schlüsselkandidaten: Name, Datum 24
25 a) Fkt. Abhängigkeiten FA1: Name Straße FA2: Name, Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Name, Datum Straße, Treffpunkt 25
26 a) Fkt. Abhängigkeiten FA1: Name Straße FA2: Name, Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Datum Straße, Treffpunkt 1NF, aber da Straße partiell von Name, Datum abhängt ist die Relation bzgl. dieser Menge an funktionellen Abhängigkeiten nicht in 2NF. Folglich auch nicht in 3NF. 26
27 b) Fkt. Abhängigkeiten FA1: Name, Straße, Datum Treffpunkt 27
28 b) Fkt. Abhängigkeiten FA1: Name, Straße, Datum Treffpunkt Schlüsselkandidaten: Name, Straße, Datum 28
29 b) Fkt. Abhängigkeiten FA1: Name, Straße, Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Name, Straße, Datum Treffpunkt 29
30 b) Fkt. Abhängigkeiten FA1: Name, Straße, Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Straße, Datum Treffpunkt Da nur eine funktionale Abhängigkeit existiert, kann es weder partielle noch transitive Abhängigkeiten geben. Die Relation ist bzgl. dieser Menge an funktionellen Abhängigkeiten somit in 3NF. 30
31 c) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum, Treffpunkt Name, Straße 31
32 c) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum, Treffpunkt Name, Straße Schlüsselkandidaten: Name, Straße oder Datum, Treffpunkt 32
33 c) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum, Treffpunkt Name, Straße Schlüsselkandidaten: Nicht-Primärattribute: Name, Straße oder Datum, Treffpunkt Ø 33
34 c) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum, Treffpunkt Name, Straße Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Straße oder Datum, Treffpunkt Ø Da es keine Nicht-Primärattribute gibt, muss die Relation bzgl. dieser Menge an funktionellen Abhängigkeiten in 3NF sein. 34
35 d) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum Treffpunkt 35
36 d) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum Treffpunkt Schlüsselkandidaten: Name, Straße 36
37 d) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Name, Straße Datum, Treffpunkt 37
38 d) Fkt. Abhängigkeiten FA1: Name, Straße Datum, Treffpunkt FA2: Datum Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Straße Datum, Treffpunkt Es treten keine partiellen Abhängigkeiten auf. Die Relation ist somit in 2NF. Da Treffpunkt aber über Datum transitiv von Name, Straße abhängt, ist die Relation bzgl. dieser Menge an funktionellen Abhängigkeiten nicht in 3NF. 38
39 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name 39
40 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name Schlüsselkandidaten: Datum, Treffpunkt oder Name, Treffpunkt oder Straße, Treffpunkt 40
41 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name Schlüsselkandidaten: Datum, Treffpunkt oder Name, Treffpunkt oder Straße, Treffpunkt 41
42 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name Schlüsselkandidaten: Datum, Treffpunkt oder Name, Treffpunkt oder Straße, Treffpunkt 42
43 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name Schlüsselkandidaten: Nicht-Primärattribute: Datum, Treffpunkt oder Name, Treffpunkt oder Straße, Treffpunkt Ø 43
44 e) Fkt. Abhängigkeiten FA1: Name Datum FA2: Datum, Treffpunkt Straße FA3: Straße Name Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Datum, Treffpunkt oder Name, Treffpunkt oder Straße, Treffpunkt Ø Da es keine Nicht-Primärattribute gibt, muss die Relation bzgl. Dieser Menge an funktionellen Abhängigkeiten in 3NF sein. 44
45 f) Fkt. Abhängigkeiten FA1: Name Straße FA2: Datum Treffpunkt FA3: Straße, Datum Name 45
46 f) Fkt. Abhängigkeiten FA1: Name Straße FA2: Datum Treffpunkt FA3: Straße, Datum Name Schlüsselkandidaten: Name, Datum oder Straße, Datum 46
47 f) Fkt. Abhängigkeiten FA1: Name Straße FA2: Datum Treffpunkt FA3: Straße, Datum Name Schlüsselkandidaten: Nicht-Primärattribute: Name, Datum oder Straße, Datum Treffpunkt 47
48 f) Fkt. Abhängigkeiten FA1: Name Straße FA2: Datum Treffpunkt FA3: Straße, Datum Name Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Datum oder Straße, Datum Treffpunkt 1NF, aber da Treffpunkt partiell von Straße, Datum und von Name, Datum abhängt ist die Relation bzgl. Dieser Menge an funktionellen Abhängigkeiten nicht in 2NF. Folglich auch nicht in 3NF. 48
49 g) Fkt. Abhängigkeiten FA1: Name, Straße Treffpunkt FA2: Datum Treffpunkt FA3: Treffpunkt Datum 49
50 g) Fkt. Abhängigkeiten FA1: Name, Straße Treffpunkt FA2: Datum Treffpunkt FA3: Treffpunkt Datum Schlüsselkandidaten: Name, Straße 50
51 g) Fkt. Abhängigkeiten FA1: Name, Straße Treffpunkt FA2: Datum Treffpunkt FA3: Treffpunkt Datum Schlüsselkandidaten: Nicht-Primärattribute: Name, Straße Datum, Treffpunkt 51
52 g) Fkt. Abhängigkeiten FA1: Name, Straße Treffpunkt FA2: Datum Treffpunkt FA3: Treffpunkt Datum Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Name, Straße Datum, Treffpunkt Es treten keine partiellen Abhängigkeiten auf. Die Relation ist bzgl. dieser funktionellen Abhängigkeiten somit in 2NF. Da Datum aber über Treffpunkt transitiv von Name, Straße abhängt, ist die Relation bzgl. dieser Menge an funktionellen Abhängigkeiten nicht in 3NF. 52
53 h) Fkt. Abhängigkeiten FA1: Treffpunkt Name FA2: Name Datum, Straße, Treffpunkt 53
54 h) Fkt. Abhängigkeiten FA1: Treffpunkt Name FA2: Name Datum, Straße, Treffpunkt Schlüsselkandidaten: Treffpunkt oder Name 54
55 h) Fkt. Abhängigkeiten FA1: Treffpunkt Name FA2: Name Datum, Straße, Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Treffpunkt oder Name Straße, Datum 55
56 h) Fkt. Abhängigkeiten FA1: Treffpunkt Name FA2: Name Datum, Straße, Treffpunkt Schlüsselkandidaten: Nicht-Primärattribute: Normalformen: Treffpunkt oder Name Straße, Datum Da beide Schlüsselkandidaten einattributig sind, kann es keine partiellen Abhängigkeiten geben. Die Relation ist bzgl. dieser funktionellen Abhängigkeiten somit in 2NF. Da es sich bei Treffpunkt und Name jeweils um einen Schlüsselkandidaten handelt und somit Treffpunkt Name gilt, existieren auch keine transitiven Abhängigkeiten. Die Relation ist bzgl. dieser Menge an funktionellen Abhängigkeiten daher sogar in 3NF. 56
Algorithmen 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
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,
MehrInformationssysteme SS 2013 Lösungsvorschläge zu Übungsblatt 2. Übungsblatt 2. Für die Übungen in der Woche vom 29. April bis 03.
Prof. Dr.-Ing. Stefan Deßloch AG Heterogene Informationssysteme Fachbereich Informatik Technische Universität Kaiserslautern Übungsblatt 2 Für die Übungen in der Woche vom 29. April bis 03. Mai 2013 Aufgabe
MehrMehrwegbäume Motivation
Mehrwegbäume Motivation Wir haben gute Strukturen (AVL-Bäume) kennen gelernt, die die Anzahl der Operationen begrenzen Was ist, wenn der Baum zu groß für den Hauptspeicher ist? Externe Datenspeicherung
MehrB / B* - Bäume. Guido Hildebrandt Seminar Datenbanksysteme
B / B* - Bäume Guido Hildebrandt Seminar Datenbanksysteme 25.11.2010 Gliederung Einleitung Binärbaum B - Baum B* - Baum Varianten Zusammenfassung Quellen Gliederung Einleitung Binärbaum B - Baum B* - Baum
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann Blatt Nr. 9 Übung zur Vorlesung Grundlagen: Datenbanken im WS4/5 Harald Lang (harald.lang@in.tum.de) http://www-db.in.tum.de/teaching/ws45/grundlagen/
MehrEigenschaften von Datenbanken, insbesondere
Eigenschaften von Datenbanken In diesem Abschnitt beschreiben wir wünschenswerte Eigenschaften von Datenbanken, insbesondere Relationenschemata: Normalformen, die auf mathematischen Modellen beruhen und
Mehrt-äre Bäume können - wie Binärbäume - degenerieren, d.h. durch ungünstige Einfügereihenfolge kann ein unausgewogener Baum mit großer Höhe entstehen.
.3 B-Bäume t-äre Bäume können - wie Binärbäume - degenerieren, d.h. durch ungünstige Einfügereihenfolge kann ein unausgewogener Baum mit großer Höhe entstehen. Wird der t-äre Baum zur Verwaltung von Daten
MehrNormalformen. Was sind Kriterien eines guten Entwurfs? So wenig Redundanz wie möglich. Keine Einfüge-, Lösch-, Änderungsanomalien
Normalformen Was sind Kriterien eines guten Entwurfs? So wenig Redundanz wie möglich Keine Einfüge-, Lösch-, Änderungsanomalien IX-19 Erste und Zweite Normalform Beispiel: (nicht 1. Normalform) vorrat
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
MehrRelationale Datenbanken
Ramon A. Mata-Toledo, Pauline K. Cushman Relationale Datenbanken Schaum's Repetitorien Übersetzung aus dem Amerikanischen von G&U Technische Dokumentation GmbH Z Die Autoren 9 Vorwort 9 1 Ein Überblick
MehrD1: Relationale Datenstrukturen (14)
D1: Relationale Datenstrukturen (14) Die Schüler entwickeln ein Verständnis dafür, dass zum Verwalten größerer Datenmengen die bisherigen Werkzeuge nicht ausreichen. Dabei erlernen sie die Grundbegriffe
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/3, Folie 1 2010 Prof. Steffen Lange - HDa/FbI
MehrRotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y
Die AVL-Eigenschaft soll bei Einfügungen und Streichungen erhalten bleiben. Dafür gibt es zwei mögliche Operationen: -1-2 Rotation Abbildung 3.1: Rotation nach rechts (analog links) -2 +1 z ±1 T 4 Doppelrotation
MehrTag 4 Inhaltsverzeichnis
Tag 4 Inhaltsverzeichnis Normalformen Problem Formen (1-4) Weitere Formen Transaktionen Synchronisationsprobleme Überblick Autocommit Locking Savepoints Isolation levels Übungen RDB 4-1 Normalformen Problematik
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS3/4 Henrik Mühe (muehe@in.tum.de) http://www-db.in.tum.de/teaching/ws34/dbsys/exercises/
MehrVeranstaltung Pr.-Nr.: Normalisierung. Veronika Waue WS 07/08
Veranstaltung Pr.-Nr.: 101023 Normalisierung Veronika Waue WS 07/08 Veronika Waue: Grundstudium Wirtschaftsinformatik WS07/08 Normalformen...stellen ein formelles Maß für die Güte / Eignung / Qualität
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 11 Hausaufgabe 1 Übung zur Vorlesung Grundlagen: Datenbanken im WS13/14 Henrik Mühe (muehe@in.tum.de)
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
MehrNormalisierung I. Ziele
Normalisierung I Lehr- und Forschungseinheit Datenbanken und Informationssysteme 1 Ziele Formale Ermittlung von Schlüsselkandidaten Funktionale Abhängigkeiten Normalformen Lehr- und Forschungseinheit Datenbanken
Mehr7.1.2 Membership-Test - fortgesetzt
7. Formaler Datenbankentwurf 7.1. Funktionale Abhängigkeiten Seite 1 7.1.2 Membership-Test - fortgesetzt Membership-Test: X Y F +? (Attribut-)Hülle X + von X (bzgl. F) X + = {A A V und X A F + }. Membership-Test
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
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 Bruder-Bäume, B-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei Wörterbuchoperationen
MehrTag 4 Inhaltsverzeichnis
Tag 4 Inhaltsverzeichnis Normalformen Problem Formen (1-4) Weitere Formen Transaktionen Synchronisationsprobleme Überblick Autocommit Locking Savepoints Isolation levels Übungen RDB 4-1 Normalformen Problematik
MehrMusterlösung zur Finalklausur Datenbanksysteme am
Musterlösung zur Finalklausur Datenbanksysteme am 5.2.2003 Aufgabe 1 a) Anfragen: (20 Punkte) i.suchen Sie die Stücke (Titel), die Komponist Lennon erstellt hat und von der Musikfirma EMI veröffentlicht
MehrKapitel 11. Normalisierung
Kapitel 11 Normalisierung Ziel: Ziel und Idee der Normalisierung Anpassen an die Erfordernisse des Relationenmodells (1. Normalform) Vermeidung von Redundanz (weitere Normalformen) Keine Fehler (Anomalien)
MehrDatenbanken 6: Normalisierung
Datenbanken 6: Normalisierung 27 III 2017 Outline 1 SQL 2 Überblick Datenbankdesign 3 Anomalien 4 Datenbank Normalisierung Zerlegung von Relationen 5 Normalisierung Erste Normalform Zweite Normalform Dritte
MehrUniversität Augsburg, Institut für Informatik WS 2009/2010 Prof. Dr. W. Kießling 15. Jan Dr. A. Huhn, F. Wenzel, M. Endres Lösungsblatt 10
Universität Augsburg, Institut für Informatik WS 009/010 Prof. Dr. W. Kießling 15. Jan. 010 Dr. A. Huhn, F. Wenzel, M. Endres Lösungsblatt 10 Aufgabe 1: B-Bäume Datenbanksysteme I a) Abschätzen der Höhe
Mehr3. Übungszettel (Musterlösung)
3. Übungszettel (Musterlösung) Einführung in Datenbanksysteme Datenbanken für die Bioinformatik Heinz Schweppe, Jürgen Broß, Katharina Hahn Übungsaufgaben 1. Aufgabe (DDL + Constraints) XX Punkte Die Tabellen
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
MehrOrdnungsrelationen auf Mengen. Beispiel einer Ordnungsrelation. Spezielle Elemente von Ordnungen. Spezielle Elemente von Ordnungen
Ordnungsrelationen auf Mengen! Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
Mehrd.h. zu Definitions-Stelle eindeutiger Funktionswert x X! y Y : (x,y) f umgekehrt: (x 1,y), (x 2,y) f ist o.k. X Y f(x) = y
Kapitel 7 Normalformen und DB-Entwurf Kap. 7.1 Normalformen Theorie Funktionale Abhängigkeit: f X Y f als Relation, d.h. Menge von Paaren {(x,y)} x: Definitions-Stelle, y: Funktionswert f ist Funktion
MehrProfilunterricht Modul: Modellierung (IT & Medien) Normalisierung. Tobias Liebing 1
Profilunterricht Modul: Modellierung (IT & Medien) Normalisierung Tobias Liebing 1 Ablauf 1. Wiederholung des Stoffes aus der letzten Stunde 2. Normalisierung 3. ER-Modell 4. Datenbank mit Base Tobias
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrDatenbanksysteme Übungsblatt 1
Datenbanksysteme Übungsblatt 1 Sommersemester 2003 AIFB Institut für Angewandte Informatik und Formale Beschreibungsverfahren 1 Aufgabe 1a (1/2) Änderungsanomalie: Wenn eine Änderung nicht überall ordnungsgemäß
Mehr4. Normalisierung von Relationenschemata
4. Normalisierung von Relationenschemata Ziel: Vermeidung von Anomalien in Relationenschemata wird erreicht durch systematische Vorgehensweise beim Datenentwurf vom eerm zum Relationalen Modell (s. voriges
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Dr. Thomas Neumann Blatt Nr. 8 Übung zur Vorlesung Grundlagen: Datenbanken im WS14/15 Harald Lang (harald.lang@in.tum.de) http://www-db.in.tum.de/teaching/ws1415/grundlagen/
MehrAlgorithmen und Datenstrukturen I Bruder-Bäume
Algorithmen und Datenstrukturen I Bruder-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 11.12.2017 10:50 Algorithmen und Datenstrukturen I, Bruder-Bäume 1/24 Definition ein binärer Baum heißt ein Bruder-Baum,
MehrNachtrag zu binären Suchbäumen (nicht (nur) AVL Bäumen: Löschen von Elementen in binären Suchbäumen. 1. Fall: zu löschendes Element ist Blatt: löschen
Nachtrag zu binären Suchbäumen (nicht (nur) AVL Bäumen: Löschen von Elementen in binären Suchbäumen 3 1. Fall: zu löschendes Element ist Blatt: löschen 1 2 4 9 10 11 12 13 2. Fall: zu löschendes Element
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrWir haben folgende Ausprägung der Relation Studenten:
Übungen Aufgabe Wir haben folgende Ausprägung der Relation Studenten: SID Name Email Age Note 2833 Jones jones@scs.ubbcluj.ro 9 9 2877 Smith smith@scs.ubbcluj.ro 2 8 2976 Jones jones@math.ubbcluj.ro 2
MehrDatenstrukturen & 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
MehrDatenmanagement Übung 5
Datenmanagement Übung 5 Normalisierung (1.-3. NF) AUFGABE 1 1 Definitionen 1. NF Eine Relation befindet sich in 1. NF, wenn jeder Attributwert atomar ist und alle Nicht-Schlüsselattribute funktional vom
MehrB*-BÄUME. Ein Index ist seinerseits wieder nichts anderes als eine Datei mit unpinned Records.
B*-Bäume 1 B*-BÄUME Beobachtung: Ein Index ist seinerseits wieder nichts anderes als eine Datei mit unpinned Records. Es gibt keinen Grund, warum man nicht einen Index über einem Index haben sollte, und
Mehr3. Binäre Suchbäume. 3.1 Natürliche binäre Suchbäume. EADS 3.1 Natürliche binäre Suchbäume 78/598 ľernst W. Mayr
3. Binäre Suchbäume 3.1 Natürliche binäre Suchbäume Definition 18 Ein natürlicher binärer Suchbaum über einem durch total geordneten Universum U ist ein als interner Suchbaum organisierter Binärbaum (also:
MehrAbhängigkeiten und Normalisierung
Abhängigkeiten und Abhängigkeiten als Ursachen für Inkonsistenzen Der sprozess Normalformen (1NF, 2NF, 3NF) Seite 1 Abhängigkeiten Funktionale Abhängigkeit Ein Attribut bzw. eine Attributkombination A
MehrLösungen zu Aufgabenblatt 9
Fachbereich Informatik Prof. Dr. Peter Becker Objektrelationale Datenbanksysteme Wintersemester 2011/ 14. Januar 2013 Lösungen zu Aufgabenblatt 9 Aufgabe 1 (Einfügen in B-Bäume) In einen leeren B-Baum
MehrProgrammierung und Datenbanken II
Programmierung und Datenbanken II Wiederholung Was haben wir bisher getan? Anwendungsbereich analysiert Datenobjekte + Beziehungen identifiziert Modelle erstellt Modellhafte Aufbereitung der Analyse (ERM/SERM)
MehrÜbung: Algorithmen und Datenstrukturen SS 2007
Übung: Algorithmen und Datenstrukturen SS 07 Prof. Lengauer Sven Apel, Michael Claÿen, Christoph Zengler, Christof König Blatt 8 Votierung in der Woche vom 25.06.0729.06.07 Aufgabe 22 AVL-Bäume (a) Geben
MehrAufgabe 1) Übung 4: 1.2
Übung 4: Aufgabe 1) 1.2 Relation: Eine Relation besteht aus Attributen und Tupeln. Sie wird üblicherweise mit Hilfe einer Tabelle beschrieben, welche in zweidimensionaler Anordnung die Datenelemente erfasst.
MehrProseminar Kodierverfahren bei Dr. Ulrich Tamm Sommersemester 2003 Thema: Codierung von Bäumen (Prüfer Codes...)
Proseminar Kodierverfahren bei Dr. Ulrich Tamm Sommersemester 2003 Thema: Codierung von Bäumen (Prüfer Codes...) Inhalt: Einleitung, Begriffe Baumtypen und deren Kodierung Binäre Bäume Mehrwegbäume Prüfer
MehrDies bewirkt einen höheren Verzweigungsgrad und somit eine niedrigere Höhe des Baumes. Schnelleres Suchen und Manipulieren
5.2 B*-Bäume In B-Bäumen spielen die Indexelemente (x; ) zwei ganz verschiedene Rollen: (i) Der Schlüssel x wird zusammen mit der assoziierten Information gespeichert. (ii) Der Schlüssel x wird zur Navigation
MehrKapitel : 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
Mehr4. Normalformen. Qualitätsanforderungen an Tabellen. Klassische Normalformen (1,. 2., 3.) Spezielle Normalformen
4. Normalformen Qualitätsanforderungen an Tabellen Klassische Normalformen (1,. 2., 3.) Spezielle Normalformen 79 Normalisierungsgründe Verständlicheres Datenmodell für Anwender und Entwickler Vermeidung
MehrFinalklausur zur Vorlesung Datenbanksysteme I Wintersemester 2003/2004 Prüfer: Prof. R. Bayer, Ph.D. Datum: Zeit: 16.
Finalklausur zur Vorlesung Datenbanksysteme I Wintersemester 2003/2004 Prüfer: Prof. R. Bayer, Ph.D. Datum: 13.02.2004 Zeit: 16. Uhr Hinweis: Die Bearbeitungszeit beträgt 90 Minuten. Bitte benutzen Sie
MehrRelationale Entwurfstheorie (Teil 2)
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken (Teil 2) Dr. Gerd Gröner Wintersemester 2013/14 Gliederung Funktionale Abhängigkeiten Dekomposition der Relationenschemata:
MehrS.Müllenbach Datenbanken Informationsanalyse Normalformen- 1. Kurse. Name TNR ...
S.Müllenbach Datenbanken Informationsanalyse Normalformen 1 Datenbanken Normalformentheorie Anomalien e EinfügeAnomalie Es soll ein neuer eingetragen werden : =, = V, ++ preis = ++ => Dies geht jedoch
MehrKurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom Seite 1. Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15.
Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom 15.08.98 Seite 1 Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15. August 1998 Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
MehrEinführung in die Informatik 2
Einführung in die Informatik Strukturelle Induktion Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 0 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 1:30-14:00 Uhr, o.n.v.
MehrZiel: Schaffung einer zusätzlichen, schnellen Zugriffsmöglichkeit unabhängig von Primärorganisation der Datei
3.1. Flache Indexe Ziel: Schaffung einer zusätzlichen, schnellen Zugriffsmöglichkeit unabhängig von Primärorganisation der Datei Mittel: Definition eines Index über ein (Zugriffs-) Attribut (Schlüssel
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Kapitel 3: Datenbanksysteme Vorlesung:
MehrWiederholung. Datenstrukturen und. Bäume. Wiederholung. Suchen in linearen Feldern VO
Wiederholung Datenstrukturen und Algorithmen VO 708.031 Suchen in linearen Feldern Ohne Vorsortierung: Sequentielle Suche Speicherung nach Zugriffswahrscheinlichkeit Selbstanordnende Felder Mit Vorsortierung:
MehrSuchbäume 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
Mehr6. Formaler Datenbankentwurf 6.1. Rückblick. Datenbanken und Informationssysteme, WS 2012/13 22. Januar 2013 Seite 1
6. Formaler Datenbankentwurf 6.1. Rückblick 3. Normalform Ein Relationsschema R = (V, F) ist in 3. Normalform (3NF) genau dann, wenn jedes NSA A V die folgende Bedingung erfüllt. Wenn X A F, A X, dann
MehrVorlesung Datenbanktheorie. Church-Rosser-Eigenschaft der Verfolgungsjagd. Berechnung von chase(t, t, Σ) Vorlesung vom Mittwoch, 05.
Vorlesung Datenbanktheorie Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Vorlesung vom Mittwoch, 05. Juli 2006 Letzte Vorlesung: Kurze Bemerkungen zum Armstrong-Kalkül The Chase:
Mehr13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
MehrDas relationale Datenmodell
Das relationale Datenmodell Konzepte Attribute, Relationenschemata, Datenbank-Schemata Konsistenzbedingungen Beispiel-Datenbank Seite 1 Einführung Zweck datenmäßige Darstellung von Objekten und Beziehungen
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik - SS 0 Bäume Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
Mehr3. Normalform. Redundanz: Land mehrfach gespeichert Anomalien?
3. Normalform Motivation: Man möchte zusätzlich verhindern, dass Attribute von nicht-primen Attributen funktional abhängig sind. Beispiel: LieferAdr (LNr, LName, LStadt, LLand) 001 Huber München Deutschland
Mehra) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:
1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem
MehrEntwurf von Relationalen Datenbanken (1) (mit dem Entity-Relationship-Modell)
In der Regel werden Diskursbereiche durch mehrere Relationen (Tabellen) abgebildet. Ziele: Entwurf von Relationalen Datenbanken (1) (mit dem Entity-Relationship-Modell) Vermeiden von Redundanz in Relationen
MehrKapitel 7: Formaler Datenbankentwurf
7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen
MehrIntroduction to Data and Knowledge Engineering. 3. Übung. Funktionale Abhängigkeiten und Normalformen
Introduction to Data and Knowledge Engineering 3. Übung Funktionale Abhängigkeiten und Normalformen Bemerkungen zu Normalformen 1NF 1NF: alle Attribute sind atomar. Bemerkungen: Nur teilweise formal überprüfbar:
MehrMatthias Schubert. Datenbanken. Theorie, Entwurf und Programmierung relationaler Datenbanken. 2., überarbeitete Auflage. Teubner
Matthias Schubert Datenbanken Theorie, Entwurf und Programmierung relationaler Datenbanken 2., überarbeitete Auflage m Teubner Inhalt Wichtiger Hinweis 12 Vorwort 13 Wer sollte dieses Buch lesen? 13 Noch
Mehr1 AVL-Bäume. 1.1 Aufgabentyp. 1.2 Überblick. 1.3 Grundidee
AVL-Bäume. Aufgabentyp Fügen Sie in einen anfangs leeren AVL Baum die folgenden Schlüssel ein:... Wenden Sie hierbei konsequent den Einfüge /Balancierungsalgorithmus an und dokumentieren Sie die ausgeführten
MehrKapitel : 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
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/2, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
MehrDatenbank Modellierung - Normalisierung
Name Klasse Datum 1 Redundanzfreiheit als oberste Regel Ein sauber definiertes Datenmodell muss neben der korrekten Abbildung der realen Situation vor allem frei von allen Redundanzen sein. Dies bedeutet,
MehrAlgorithmen und Datenstrukturen 2. Dynamische Datenstrukturen
Algorithmen und Datenstrukturen 2 Dynamische Datenstrukturen Algorithmen für dynamische Datenstrukturen Zugriff auf Variable und Felder durch einen Ausdruck: Namen durch feste Adressen referenziert Anzahl
MehrDBS1: Übungsserie Normalformen und relationale Algebra Structured Query Language (SQL)
DBS1: Übungsserie 3 + 4 Normalformen und relationale Algebra Structured Query Language (SQL) Sascha Szott Fachgebiet Informationssysteme Aufgabe 1a: Bestimmung von 2 gegeben: Relation R mit Attributen
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 10 Übung zur Vorlesung Grundlagen: Datenbanken im WS15/16 Harald Lang, Linnea Passing (gdb@in.tum.de)
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 20) Übungsblatt 8 Abgabe: Montag, 24.06.20, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes Gruppenmitglieds
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
MehrZerlegung einer Relation
Normalformen Normalisierung Normalformen definieren Qualitätskriterien (Vermeidung der Inkonsistenzen) Redundanz ist oft die Ursache von Schemata Probleme (keine FDs keine Redundanz) Normalisierung: Jede
MehrOrganisationsformen der Speicherstrukturen
Organisationsformen der Speicherstrukturen Bäume und Hashing 1 Motivation Ablage von Daten soll einfachen, schnellen und inhaltsbezogenen Zugriff ermöglichen (z.b. Zeige alle Schüler des Lehrers X am heutigen
MehrUniversität Augsburg, Institut für Informatik WS 2007/2008 Prof. Dr. W. Kießling 18. Jan Dr. A. Huhn, M. Endres, T. Preisinger Übungsblatt 12
Universität Augsburg, Institut für Informatik WS 2007/2008 Prof Dr W Kießling 18 Jan 2008 Dr A Huhn, M Endres, T Preisinger Übungsblatt 12 Datenbanksysteme I Hinweis: Das vorliegende Übungsblatt besteht
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
MehrDynamische Mengen. Realisierungen durch Bäume
Dynamische Mengen Eine dynamische Menge ist eine Datenstruktur, die eine Menge von Objekten verwaltet. Jedes Objekt x trägt einen eindeutigen Schlüssel key[x]. Die Datenstruktur soll mindestens die folgenden
MehrDatenbanksysteme und Datenmodellierung
Datenbanksysteme und Datenmodellierung Begleitende Übung zur Vorlesung von Prof. Dr. Uwe H. Suhl Normalisierung (2) und Weihnachts-Special (Termin #08: 15.12.2004) Wintersemester 2004 / 2005 Freie Universität
MehrER-Modell, Normalisierung
ER-Modell Mit dem Entity-Relationship-Modell kann die grundlegende Tabellen- und Beziehungsstruktur einer Datenbank strukturiert entworfen und visualisiert werden. Das fertige ER-Modell kann dann ganz
MehrDatenstrukturen und Algorithmen
Datenstrukturen und Algorithmen VO 708.031 Bäume robert.legenstein@igi.tugraz.at 1 Inhalt der Vorlesung 1. Motivation, Einführung, Grundlagen 2. Algorithmische Grundprinzipien 3. Sortierverfahren 4. Halden
MehrWünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n)
.6 Ausgeglichene Mehrweg-Suchbäume Wünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n) Methoden: lokale Transformationen (AVL-Baum) Stochastische
MehrBaum-Indexverfahren. Einführung
Baum-Indexverfahren Prof. Dr. T. Kudraß 1 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit Schlüsselwert k 2.
MehrTutorium 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
MehrBaum-Indexverfahren. Prof. Dr. T. Kudraß 1
Baum-Indexverfahren Prof. Dr. T. Kudraß 1 Einführung Drei Alternativen, wie Dateneinträge k* im Index aussehen können: 1. Datensatz mit Schlüsselwert k 2.
MehrGrundlagen 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.
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 - Balancierte Bäume, AVL-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei
MehrB-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
Mehr