Datenmodellierung. VU , SS 2016 Relationale Abfragesprachen SQL. Nysret Musliu, Sebastian Skritek
|
|
- Ernst Auttenberg
- vor 6 Jahren
- Abrufe
Transkript
1 Relationale Abfragesprachen Datenmodellierung VU , SS 2016 Relationale Abfragesprachen SQL Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu, Sebastian Skritek Seite 1
2 Relationale Abfragesprachen Acknowledgments Die Folien sind eine kleine Erweiterung der Folien von Katrin Seyr Nysret Musliu, Sebastian Skritek Seite 2
3 Relationale Abfragesprachen Überblick 1 SQL einst und jetzt 2 Datendefinitionssprache 3 Datenabfragesprache 4 Datenmanipulationssprache Nysret Musliu, Sebastian Skritek Seite 3
4 Relationale Abfragesprachen 1 SQL einst und jetzt SQL einst und jetzt SQL wurde auf Basis von relationaler Algebra und Relationenkalkül entwickelt deklarative Sprache mengenorientierte Sprache Abarbeitung Übersetzung der Abfragen mittels Parser in relationale Algebra und Optimierung durch Anfragenoptimierer des DBMS (VU Datenbanksysteme) Relationen werden dargestellt in Form von Tabellen SQL stellt eine standardisierte Datendefinitions (DDL)- Datenmanipulations (DML)- Anfrage (Query)-Sprache Nysret Musliu, Sebastian Skritek Seite 4
5 Relationale Abfragesprachen 1 SQL einst und jetzt SQL einst und jetzt SQL 99: erweiterte SQL 92 um objektrelationale Konstrukte, rekursive Abfragen und Trigger SQL 2003: bietet erweiterte Unterstützung von Nested Tables, von Merge Operationen und auf XML bezogene Eigenschaften SQL 2006: Brücke zu XML, XQuery SQL 2008, 2011: 2011 ist derzeit aktueller Standard System R (IBM): erster DBMS Prototyp, Sprache: Structured English Query Language SQL DBMS: Oracle (Oracle Corporation), Informix (Informix), SQL-Server (Microsoft), DB2 (IBM), PostgreSQL, MySQL Nysret Musliu, Sebastian Skritek Seite 5
6 Relationale Abfragesprachen 2 Datendefinitionssprache Datendefinitionssprache Datentypen: Konstrukte für Zeichenketten, Zahlen, Datum, character (n), char (n) character varying (n), varchar (n) numeric (p,s) integer, int date blob, raw % für große binäre bzw Text Daten clob % für große Text Daten Nysret Musliu, Sebastian Skritek Seite 6
7 Relationale Abfragesprachen 2 Datendefinitionssprache Datendefinitionssprache Schemadefinition und -veränderung create table Professoren ( PersNr integer primary key, Name varchar (10) not null, Rang character (2)); create table voraussetzen ( VorgNr integer, NachfNr integer, primary key ( VorgNr, NachfNr ) ); Nysret Musliu, Sebastian Skritek Seite 7
8 Relationale Abfragesprachen 2 Datendefinitionssprache Datendefinitionssprache Schemadefinition und -veränderung drop table Professoren ; alter table Professoren rename to Vortragende ; alter table Professoren add Raum integer ; alter table Professoren drop Raum ; alter table Professoren alter Name type varchar (30); alter table Professoren alter column Name set data type varchar (30); Nysret Musliu, Sebastian Skritek Seite 8
9 Relationale Abfragesprachen 3 Datenabfragesprache Datenabfragesprache 1 Einfache SQL-Anfragen 2 Anfragen über mehrere Relationen 3 Mengenoperationen 4 Aggregatfunktionen 5 Aggregate und Gruppierung 6 Geschachtelte Anfragen 7 Existenziell quantifizierte Anfragen 8 Allquantifizierte Anfragen 9 Nullwerte 10 Spezielle Sprachkonstrukte 11 Sichten (Views) Nysret Musliu, Sebastian Skritek Seite 9
10 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Example select * from Professoren ; Professoren PersNr Name Rang Raum 2125 Sokrates C Russel C Kopernikus C Popper C Augustinus C Curie C Kant C4 7 Nysret Musliu, Sebastian Skritek Seite 10
11 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Example select Name, Raum from Professoren ; π Name,Raum (Professoren) Professoren Name Raum Sokrates 226 Russel 232 Kopernikus 310 Popper 52 Augustinus 309 Curie 36 Kant 7 Nysret Musliu, Sebastian Skritek Seite 11
12 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Duplikate (Duplikatelimination) Geben Sie alle Rangbezeichnungen für Professoren aus (rel Algebra) π Rang (Professoren) Ergebnis Rang C3 Geben Sie alle Rangbezeichnungen für Professoren aus (SQL) select Rang from Professoren ; C4 Ergebnis Rang C4 C4 C4 C4 Nysret Musliu, Sebastian Skritek Seite 12 C3
13 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Duplikate (Duplikatelimination) Geben Sie alle Rangbezeichnungen für Professoren ohne Duplikate aus select distinct Rang from Professoren ; Ergebnis Rang C4 C3 distinct eliminiert Duplikate aus dem Ergebnis Nysret Musliu, Sebastian Skritek Seite 13
14 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Example Finde die Raumnummer von Professor Popper select Name, Raum from Professoren where Name = Popper ; π Name,Raum ( σname= Popper (Professoren) ) Professoren Name Raum Popper 52 Nysret Musliu, Sebastian Skritek Seite 14
15 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Example Finde die Raumnummer von Professor Popper select Raum from Professoren where Name = Popper ; π Raum ( σname= Popper (Professoren) ) Professoren Raum 52 Nysret Musliu, Sebastian Skritek Seite 15
16 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Struktur einer einfachen Anfrage: select Attribute from Tabelle where Bedingung ; Attribute: Liste jener Attribute, die ausgegeben werden Tabelle: Name der Tabelle, die durchsucht wird Bedingung: Kriterium, das jedes ausgegebene Tupel erfüllen muss Nysret Musliu, Sebastian Skritek Seite 16
17 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Geben Sie Personalnummer und Name aller C4 Professoren an: Professoren PersNr Name Rang Raum 2125 Sokrates C Russel C Kopernikus C Popper C Augustinus C Curie C Kant C4 7 Ergebnis PersNr Name 2125 Sokrates 2126 Russel 2136 Curie 2137 Kant select PersNr, Name from Professoren where Rang = C4 ; Nysret Musliu, Sebastian Skritek Seite 17
18 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Sortierung (Sortierung) Geben Sie die Personalnummer, Name und Rang aller Professoren an Sortieren Sie das Ergebnis absteigend nach dem Rang und aufsteigend nach dem Namen select PersNr, Name, Rang from Professoren order by Rang desc, Name asc ; Ergebnis PersNr Name Rang 2136 Curie C Kant C Russel C Sokrates C Augustinus C Kopernikus C Popper C3 Nysret Musliu, Sebastian Skritek Seite 18
19 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Sortierung (Sortierung) Geben Sie die Personalnummer und den Namen aller Professoren an Sortieren Sie das Ergebnis absteigend nach dem Rang und aufsteigend nach dem Namen select PersNr, Name from Professoren order by Rang desc, Name asc ; Ergebnis PersNr Name 2136 Curie 2137 Kant 2126 Russel 2125 Sokrates 2134 Augustinus 2127 Kopernikus 2133 Popper Nysret Musliu, Sebastian Skritek Seite 19
20 Relationale Abfragesprachen 3 Datenabfragesprache 31 Einfache SQL Anfragen Einfache SQL Anfragen Welche Professoren lesen die LVA Mäeutik? Information aus Tabelle: Professoren, Vorlesungen Professoren (PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon) select Name, Titel from Professoren, Vorlesungen where PersNr = gelesenvon and Titel = Mäeutik ; Nysret Musliu, Sebastian Skritek Seite 20
21 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Struktur einer Abfrage über mehrere Tabellen: select Attribute from Tabelle1, Tabelle2,, TabelleN where Bedingungen ; Bedingungen: greifen auf die Attribute der verschiedenen Tabellen zu Auswertung: 1 Bilde Kreuzprodukt der from Tabellen 2 Überprüfe für jede Zeile die where Bedingungen 3 Projiziere auf select Attribute Nysret Musliu, Sebastian Skritek Seite 21
22 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Welche Professoren lesen die LVA Mäeutik? Information aus Tabelle: Professoren, Vorlesungen Professoren (PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon) select Name, Titel from Professoren, Vorlesungen where PersNr = gelesenvon and Titel = Mäeutik ; π Name,Titel ( σpersnr=gelesenvon Titel= Mäeutik (Professoren Vorlesungen) ) Nysret Musliu, Sebastian Skritek Seite 22
23 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Abarbeitung 1 Bilde Kreuzprodukt der from Tabellen Professoren PersNr Name Rang Raum 2125 Sokrates C Russel C Kopernikus C Popper C Augustinus C Curie C Kant C4 7 Vorlesungen VorlNr Titel SWS PersNr 5001 Grundzüge Ethik Erkenntnistheorie Mäeutik Logik Wissenschaftstheorie Bioethik Der Wiener Kreis Glaube und Wissen Die drei Kritiken Nysret Musliu, Sebastian Skritek Seite 23
24 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Abarbeitung Professoren Vorlesungen PersNr Name Rang Raum VorlNr Titel SWS VPersNr 2125 Sokrates C Grundzüge Sokrates C Ethik Sokrates C Mäeutik Kant C Die drei Kritiken Überprüfe für jede Zeile die where Bedingungen σ PersNr=VPersNr Titel= Mäeutik (Professoren Vorlesungen) PersNr Name Rang Raum VorlNr Titel SWS VPersNr 2125 Sokrates C Mäeutik Nysret Musliu, Sebastian Skritek Seite 24
25 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Abarbeitung σ PersNr=VPersNr Titel= Mäeutik (Professoren Vorlesungen) PersNr Name Rang Raum VorlNr Titel SWS VPersNr 2125 Sokrates C Mäeutik Projiziere auf select Attribute π Name,Titel ( ) Name Titel Sokrates Mäeutik Nysret Musliu, Sebastian Skritek Seite 25
26 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Geben Sie Name und Matrikelnummer der Studierenden und den Titel der von ihnen gehörten Vorlesungen aus Studenten (MatrNr, Name, Sem ) hören (MatrNr, VorlNr) Vorlesungen (VorlNr, Titel, SWS, gelesenvon ) select Studenten MatrNr, Name, Titel from Studenten, hören, Vorlesungen where Studenten MatrNr = hören MatrNr and hören VorlNr = Vorlesungen VorlNr ; Nysret Musliu, Sebastian Skritek Seite 26
27 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Platzhalter für Tabellen und Umbenennung von Attributen Selbe Anfrage bei der Vergabe von Platzhaltern für Tabellennamen: select s MatrNr, sname, v Titel from Studenten s, hören h, Vorlesungen v where s MatrNr = h MatrNr and h VorlNr = v VorlNr ; Finde die Vorlesungsnummern der Vorlesungen, die indirekte Vorgänger 2 Stufe der VO 5216 sind (= Vorgänger der Vorgänger von 5216) voraussetzen ( VorgNr, NachfNr ) select v1 VorgNr as Vorg_Stufe_2 from voraussetzen v1, voraussetzen v2 where v1 NachfNr =v2 VorgNr and v2 NachfNr =5216; Nysret Musliu, Sebastian Skritek Seite 27
28 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Anfragen über mehrere Relationen Struktur einer Abfrage über mehrere Tabellen: select Atrribut1 [ as ] a1, Attribut2 [ as ] a2,, AttributM [ as ] am from Tabelle1 [ as ] t1, Tabelle2 [ as ] t2,, TabelleN [ as ] tn where Bedingungen ; Nysret Musliu, Sebastian Skritek Seite 28
29 Relationale Abfragesprachen 3 Datenabfragesprache 32 Anfragen über mehrere Relationen Übersetzung in relationale Algebra Allgemeine Form einer (ungeschachteteln) SQL-Anfrage: π A1,,A n σ P select A 1,, A n from R 1,, R k where P ; wird zu: π A1,,A n σ P (R 1 R k ) R k R 3 R 1 R 2 Nysret Musliu, Sebastian Skritek Seite 29
30 Relationale Abfragesprachen 3 Datenabfragesprache 33 Mengenoperationen Mengenoperationen Anfragen mit typkompatiblen Ausgabeattributen können mittels Mengenoperationen verknüpft werden Ohne Duplikate: union, intersect, except (minus) Mit Duplikaten: union all, intersect all, except all Suchen Sie den Namen aller Assistenten oder Professoren ( select Name from Assistenten ) union ( select Name from Professoren ); Nysret Musliu, Sebastian Skritek Seite 30
31 Relationale Abfragesprachen 3 Datenabfragesprache 34 Aggregatfunktionen Aggregatfunktionen Aggregatfunktionen sind Operationen, die nicht auf einzelnen Tupeln, sondern auf einer Menge von Tupeln arbeiten: avg(), max(), min(), sum() berechnen den Wert einer Menge von Tupeln, count() zählt die Anzahl der Tupel in der Menge Nysret Musliu, Sebastian Skritek Seite 31
32 Relationale Abfragesprachen 3 Datenabfragesprache 34 Aggregatfunktionen Aggregatfunktionen Geben Sie die durchschnittliche/maximale/minimale Inskriptionsdauer der Studenten an; geben Sie an, wieviele Studierende es gibt select avg ( Semester ) from Studenten ; select max ( Semester ) from Studenten ; select min ( Semester ) from Studenten ; select count ( MatrNr ) from Studenten ; Studenten MatrNr Name Sem Xenokrates Jonas Fichte Aristoxenos Schopenhauer Carnap Theophrastos Feuerbach 2 Nysret Musliu, Sebastian Skritek Seite 32
33 Relationale Abfragesprachen 3 Datenabfragesprache 34 Aggregatfunktionen Aggregatfunktionen Geben Sie die Summe der von C4 Professoren gehaltenen Vorlesungsstunden an select sum ( SWS ) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 ; Vorlesungen VorlNr Titel SWS gelesenvon 5001 Grundzüge Ethik Erkenntnistheorie Mäeutik Logik Der Wiener Kreis Bioethik Professoren PersNr Name Rang 2125 Sokrates C Russel C Popper C3 Nysret Musliu, Sebastian Skritek Seite 33
34 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung Problem: Wollen nicht die Summe aller Vorlesungsstunden absolut berechnen, sondern zu jedem Vortragenden die Summe der von ihm gehaltenen Stunden Lösung: Bilde zu jedem Vortragenden eine Gruppe (mittels der group by Klause) und summiere nur innerhalb dieser Gruppe Allgemein: Alle Zeilen einer Tabelle, die auf den Attributen der group by Klause den selben Wert annehmen, werden zu einer Gruppe zusammengefasst und die Aggregatfunktionen werden bezüglich der Gruppe ausgewertet Bedingungen an die aggregierten Werte werden in der having Klause angeführt Nysret Musliu, Sebastian Skritek Seite 34
35 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Bsp: Aggregate und Gruppierung e Geben Sie zu jedem C4 Professor die Summe der von ihr/ihm gehaltenen Vorlesungsstunden an Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select gelesenvon, sum ( SWS ) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 group by gelesenvon ; Nysret Musliu, Sebastian Skritek Seite 35
36 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Bsp: Aggregate und Gruppierung e Geben Sie zu jedem C4 Professor, der vor allem lange Vorlesungen (Durchschnitt größer gleich 3) hält, die Summe der von ihr/ihm gehaltenen Vorlesungsstunden an Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select gelesenvon, Name, sum ( SWS ) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 group by gelesenvon, Name having avg ( SWS ) >= 3; Nysret Musliu, Sebastian Skritek Seite 36
37 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung Abarbeitung Professoren Vorlesungen PersNr Name Rang Raum VorlNr Titel SWS gelesenvon 2125 Sokrates C Grundzüge Sokrates C Ethik Sokrates C Mäeutik Popper C Grundzüge Kant C Die drei Kritiken where-bedingung Nysret Musliu, Sebastian Skritek Seite 37
38 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung where-bedingung PersNr Name Rang Raum VorlNr Titel SWS gelesenvon 2137 Kant C Grundzüge Sokrates C Ethik Russel C Erkenntnistheorie Sokrates C Mäeutik Sokrates C Logik Russel C Wissenschaftstheorie Russel C Bioethik Kant C Die drei Kritiken Gruppierung Nysret Musliu, Sebastian Skritek Seite 38
39 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung Gruppierung PersNr Name Rang Raum VorlNr Titel SWS gelesenvon 2125 Sokrates C Ethik Sokrates C Mäeutik Sokrates C Logik Russel C Erkenntnistheorie Russel C Wissenschaftstheorie Russel C Bioethik Kant C Grundzüge Kant C Die drei Kritiken having-bedingung Nysret Musliu, Sebastian Skritek Seite 39
40 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung having-bedingung PersNr Name Rang Raum VorlNr Titel SWS gelesenvon 2125 Sokrates C Ethik Sokrates C Mäeutik Sokrates C Logik Kant C Grundzüge Kant C Die drei Kritiken Aggregation (sum) und Projektion gelesenvon Name sum(sws) 2125 Sokrates Kant 8 Nysret Musliu, Sebastian Skritek Seite 40
41 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Aggregate und Gruppierung Achtung: SQL erzeugt pro Gruppe ein Ergebnistupel Alle in der select Klausel aufgeführten Attribute- außer den aggregierten - müssen auch in der group by Klausel aufgeführt werden So wird sichergestellt, dass die ausgegebenen Attribute sich nicht innerhalb der Gruppe ändern select gelesenvon, Name, sum ( SWS ) group by gelesenvon, Name; Nysret Musliu, Sebastian Skritek Seite 41
42 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Bsp: Aggregate und Gruppierung Geben Sie die Namen der Studenten aus, die am längsten studieren Studenten ( MatrNr, Name, Semester ) select Name, max ( Semester ) from Studenten ; ORA-00937: not a single-group group function ERROR: column studentenname must appear in the GROUP BY clause or be used in an aggregate function Nysret Musliu, Sebastian Skritek Seite 42
43 Relationale Abfragesprachen 3 Datenabfragesprache 35 Aggregate und Gruppierung Bsp: Aggregate und Gruppierung (2 Versuch) Geben Sie die Namen der Studenten aus, die am längsten studieren Studenten ( MatrNr, Name, Semester ) select Name, max ( Semester ) from Studenten group by Name ; Alle Tupel?!? Lösung: Geschachtelte Anfrage Nysret Musliu, Sebastian Skritek Seite 43
44 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Es gibt vielfältige Möglichkeiten select Anweisungen zu verknüpfen Folgende Einteilung ist abhängig vom Ergebnis der Unteranfrage (ein Wert oder eine Relation) Ergebnis der Unteranfrage besteht aus einem Tupel mit einem Attribut (= ein Wert): Unteranfrage anstelle eines skalaren Wertes in select bzw where Klausel Ergebnis der Unterabfrage eine Relation Unteranfrage in from Klausel Mengenvergleiche: in, not in, any, all Verknüpfung über Quantoren: exists Bei geschachtelten Abfragen ist für die Laufzeit ausschlaggebend, ob es sich um korrelierte oder unkorrelierte Abfragen handelt Nysret Musliu, Sebastian Skritek Seite 44
45 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Unteranfrage in der where Klausel Geben Sie die Namen der Studenten aus, die am längsten studieren Studenten ( MatrNr, Name, Semester ) select Name from Studenten where Semester = ( select max ( Semester ) from Studenten ); Nysret Musliu, Sebastian Skritek Seite 45
46 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Unteranfrage in der select Klausel Geben Sie zu jedem Vortragenden seine Lehrbelastung aus Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select pname, ( select sum ( SWS ) from Vorlesungen where gelesenvon =p PersNr ) from Professoren p; Achtung: Die Unteranfrage ist korreliert (= sie greift auf Attribute der umschließenden Anfrage zu) Für jedes Ergebnistupel wird die Unteranfrage einmal ausgeführt Nysret Musliu, Sebastian Skritek Seite 46
47 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen (Entschachtelung mittels group by) Geben Sie zu jedem Vortragenden seine Lehrbelastung aus Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select p PersNr, pname, sum ( SWS ) from Professoren p, Vorlesungen v where v gelesenvon =p PersNr group by p PersNr, p Name Nysret Musliu, Sebastian Skritek Seite 47
48 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Unteranfrage in der from Klausel Gesucht sind jene Studenten, die mehr als 2 Vorlesungen hören Studenten ( MatrNr, Name, Semester ) hören ( MatrNr, VorlNr ) select tmp MatrNr, tmp Name, tmp VorlAnzahl from ( select s MatrNr, sname, count (*) as VorlAnzahl from Studenten s, hören h where s MatrNr =h MatrNr group by s MatrNr, s Name ) tmp where tmp VorlAnzahl > 2; Nysret Musliu, Sebastian Skritek Seite 48
49 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen (Entschachtelung mittels having) Gesucht sind jene Studenten, die mehr als 2 Vorlesungen hören Studenten ( MatrNr, Name, Semester ) hören ( MatrNr, VorlNr ) select s MatrNr, s Name, count (*) as VorlAnzahl from Studenten s, hören h where s MatrNr = h MatrNr group by s MatrNr, s Name having count (*) > 2; Nysret Musliu, Sebastian Skritek Seite 49
50 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Mengenvergleiche Unteranfrage in der where Klausel Mengenvergleich mit in/not in Gesucht sind jene Professoren, die keine Lehrveranstaltungen halten Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select Name from Professoren where PersNr not in ( select gelesenvon from Vorlesungen ); Nysret Musliu, Sebastian Skritek Seite 50
51 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Mengenvergleiche Mengenvergleich mit in/not in Gesucht sind für alle Studierenden jene Vorlesungen die sie gehört und zu denen sie eine positive Prüfung abgelegt haben hören ( MatrNr, VorlNr ) prüfen ( MatrNr, VorlNr, PersNr, Note ) select MatrNr, VorlNr from hören where ( MatrNr, VorlNr ) in ( select MatrNr, VorlNr from prüfen where Note < 5); Nysret Musliu, Sebastian Skritek Seite 51
52 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Mengenvergleiche (Entschachtelung mittels intersect) Gesucht sind für alle Studierenden jene Vorlesungen die sie gehört und zu denen sie eine positive Prüfung abgelegt haben hören ( MatrNr, VorlNr ) prüfen ( MatrNr, VorlNr, PersNr, Note ) ( select MatrNr, VorlNr from hören ) intersect ( select MatrNr, VorlNr from prüfen where Note < 5); Nysret Musliu, Sebastian Skritek Seite 52
53 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Mengenvergleiche Mengenvergleich mit any/all (Achtung: kein Allquantor, nur der Vergleich eines Wertes mit einer Menge von Werten) Suchen Sie jene Studenten, die am längsten studieren select Name from Studenten where Semester >= all ( select Semester from Studenten ); gleichbedeutend mit: select Name from Studenten where Semester = ( select max ( Semester ) from Studenten ); Nysret Musliu, Sebastian Skritek Seite 53
54 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Mengenvergleiche Suchen Sie jene Studenten, die nicht am längsten studieren select Name from Studenten where Semester < any ( select Semester from Studenten ); gleichbedeutend mit: select Name from Studenten where Semester < ( select max ( Semester ) from Studenten ); Nysret Musliu, Sebastian Skritek Seite 54
55 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Aggregatfunktionen Geschachtelte Aggregatfunktionen sind nicht erlaubt Unteranfrage verwenden Suchen Sie C4 Professoren, die die meisten Vorlesungsstunden halten Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select gelesenvon, max(sum(sws)) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 group by gelesenvon ; Nysret Musliu, Sebastian Skritek Seite 55
56 Relationale Abfragesprachen 3 Datenabfragesprache 36 Geschachtelte Anfragen Geschachtelte Anfragen Aggregatfunktionen Geschachtelte Aggregatfunktionen sind nicht erlaubt Unteranfrage verwenden Suchen Sie C4 Professoren, die die meisten Vorlesungsstunden halten select gelesenvon, sum ( SWS ) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 group by gelesenvon having sum ( SWS ) >= all ( select sum ( SWS ) from Vorlesungen, Professoren where gelesenvon = PersNr and Rang = C4 group by gelesenvon ); Nysret Musliu, Sebastian Skritek Seite 56
57 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Verknüpfung mit einer Unteranfrage durch Existenzquantor exists exists überprüft, ob die Unterabfrage Tupel enthält oder nicht Gesucht sind all jene Studenten, die älter als der jüngste Professor sind select s* from Studenten s where exists ( select p* from Professoren p where p GebDatum > s GebDatum ); Korrelierte Unteranfrage (sgebdatum und Studenten s)! Nysret Musliu, Sebastian Skritek Seite 57
58 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Eine nicht korrelierte Lösung ist: (Nicht korreliert) Gesucht sind all jene Studenten, die älter als der jüngste Professor sind select s* from Studenten s where s GebDatum < ( select max (p GebDatum ) from Professoren p); oder select s* from Studenten s where s GebDatum < any ( select p GebDatum from Professoren p); oder Nysret Musliu, Sebastian Skritek Seite 58
59 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Suchen Sie all jene Professoren, die keine Lehrveranstaltungen halten Professoren ( PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) select Name from Professoren where not exists ( select * from Vorlesungen where gelesenvon = PersNr ); Korrelierte Unteranfrage (PersNr und Professoren)! Nysret Musliu, Sebastian Skritek Seite 59
60 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Eine nicht korrelierte Lösung ist: select Name from Professoren where PersNr not in ( select gelesenvon from Vorlesungen ); oder ( select PersNr from Professoren ) except ( select gelesenvon from Vorlesungen ); Nysret Musliu, Sebastian Skritek Seite 60
61 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Suchen Sie jene Assistenten, die für einen Professor arbeiten, der jünger ist, als sie selbst Professoren ( PersNr, Name, Rang, Raum, GebDatum ) Assistenten ( PersNr, Name, GebDatum, Boss ) select a* from Assistenten a where exists ( select p* from Professoren p where a Boss = p PersNr and p GebDatum > a GebDatum ); Korrelierte Unteranfrage (agebdatum und Assistenten a)! Nysret Musliu, Sebastian Skritek Seite 61
62 Relationale Abfragesprachen 3 Datenabfragesprache 37 Existentiell quantifizierte Anfragen Existentiell quantifizierte Anfragen Suchen Sie jene Assistenten, die für einen Professor arbeiten, der jünger ist, als sie selbst Professoren ( PersNr, Name, Rang, Raum, GebDatum ) Assistenten ( PersNr, Name, GebDatum, Boss ); Eine nicht korrelierte Lösung mit Join ist: select a* from Assistenten a, Professoren p where a Boss = p PersNr and p GebDatum > a GebDatum ; Nysret Musliu, Sebastian Skritek Seite 62
63 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen Welche Studenten haben alle 4 stündigen Lehrveranstaltungen gehört? Studenten ( MatrNr, Name, Semester ) hören ( MatrNr, VorlNr ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon ) hören π VorlNr ( σsws=4 (Vorlesungen) ) SQL stellt keinen Allquantor zur Verfügung Nysret Musliu, Sebastian Skritek Seite 63
64 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen Nicht direkt in SQL Welche Studenten haben alle 4 stündigen Lehrveranstaltungen gehört? SQL stellt keinen Allquantor zur Verfügung Realisierung durch 1 Logische Äquivalenz (mittels 2 not exists) 2 Teilmengen (mittels exists und except) 3 Abzählen (mittels count) 4 Division (mittels except) Nysret Musliu, Sebastian Skritek Seite 64
65 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung Umformulierung in äqivalente Anfrage mit Negation und Existenzquantor (Prädikatenlogik) xf (x) x( F (x)) Welche Studenten haben alle 4 stündigen Lehrveranstaltungen gehört? Suchen Sie jene Studenten für die gilt: haben alle 4 stündigen Lehrveranstaltungen gehört Suchen Sie jene Studenten für die nicht gilt: haben eine 4 stündige Lehrveranstaltung nicht gehört Suchen Sie jene Studenten für die nicht gilt: es gibt eine 4 stündige Lehrveranstaltung, die der Student nicht gehört hat Nysret Musliu, Sebastian Skritek Seite 65
66 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung SQL Umsetzung folgt nun direkt aus: Suchen Sie jene Studenten für die nicht gilt: es gibt eine 4 stündige Lehrveranstaltung, für die nicht gilt: der Student hat diese Lehrveranstaltung gehört select s* from Studenten s where not exists (select * from Vorlesungen v where vsws = 4 and not exists ( select * from hören h where h VorlNr = v VorlNr and s MatrNr = h MatrNr )); Nysret Musliu, Sebastian Skritek Seite 66
67 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung SQL Umsetzung folgt nun direkt aus: Suchen Sie jene Studenten für die nicht gilt: es gibt eine 4 stündige Lehrveranstaltung, für die nicht gilt: der Student hat diese Lehrveranstaltung gehört select s* from Studenten s where not exists (select * from Vorlesungen v where vsws = 4 and smatrnr not in ( select h MatrNr from hören h where h VorlNr = v VorlNr )); Nysret Musliu, Sebastian Skritek Seite 67
68 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung Umformung im relationalen Tupelkalkül: Studenten (MatrNr, Name, Sem ) hören (MatrNr, VorlNr) Vorlesungen (VorlNr, Titel, SWS, gelesenvon ) {s s Studenten v Vorlesungen(vSWS = 4 h hören(hvorlnr = vvorlnr hmatrnr = smatrnr))} Nysret Musliu, Sebastian Skritek Seite 68
69 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung {s s Studenten v Vorlesungen(vSWS = 4 h hören(hvorlnr = vvorlnr hmatrnr = tmatrnr))} {s s Studenten v Vorlesungen (vsws = 4 h hören(hvorlnr = vvorlnr hmatrnr = smatrnr))} {s s Studenten v Vorlesungen ( (vsws = 4) ( h hören(hvorlnr = vvorlnr hmatrnr = smatrnr)))} {s s Studenten v Vorlesungen((vSWS = 4) ( h hören(hvorlnr = vvorlnr hmatrnr = smatrnr)))} Nysret Musliu, Sebastian Skritek Seite 69
70 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 1 Logische Umformung {s s Studenten v Vorlesungen((vSWS = 4) ( h hören(vvorlnr = hvorlnr smatrnr = hmatrnr)))} select s* from Studenten s where not exists (select * from Vorlesungen v where vsws = 4 and not exists ( select * from hören h where h VorlNr = v VorlNr and s MatrNr = h MatrNr )); Nysret Musliu, Sebastian Skritek Seite 70
71 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 2 Teilmengen Suchen Sie alle Studierenden M für die gilt: Menge aller 4 stündigen LVAs Menge der von M gehörten LVAs kein Operator in SQL, aber Menge aller 4 stündigen LVAs Menge der von M gehörten LVAs Menge aller 4 stündigen LVAs Menge der von M gehörten LVAs = es existiert keine Vorlesung in der Mengendifferenz Nysret Musliu, Sebastian Skritek Seite 71
72 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 2 Teilmengen Suchen Sie alle Studenten M für die nicht gilt: Es gibt eine LVA in der Differenz Menge aller 4 stündigen LVAs Menge der von M gehörten LVAs select s* from Studenten s where not exists ((select VorlNr from Vorlesungen v where vsws = 4) except (select VorlNr from hören h where hmatrnr = smatrnr)) Nysret Musliu, Sebastian Skritek Seite 72
73 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 3 Abzählen Allquantifizierung kann immer auch durch eine count-aggregation ausgedrückt werden Welche Studenten haben alle 4 stündigen Lehrveranstaltungen gehört? 1 Zähle zu jedem Studenten, wieviele 4 stündigen LVAs er besucht hat 2 zähle wieviele 4 stündige LVAs es gibt select s MatrNr, s Name from Studenten s, hören h, Vorlesungen v where s MatrNr = h Matrnr and h VorlNr = v VorlNr and v SWS = 4 group by s MatrNr, s Name having count (*) = (select count (*) from Vorlesungen where SWS = 4); Nysret Musliu, Sebastian Skritek Seite 73
74 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 4 Relationale Algebra? Welche Studierenden haben alle 4-stündigen Vorlesungen gehört? hören MatrNr VorlNr hören π VorlNr σ SWS=4 (Vorlesungen) π VorlNr σ SWS=4 (Vorlesungen) VorlNr = R S MatrNr Nysret Musliu, Sebastian Skritek Seite 74
75 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 4 Relationale Algebra? Die Division kann durch die primitiven Operatoren ausgedrückt werden 1 Bilde alle Paare von Studenten und 4 stündigen LVAs Inhalt der DB wenn alle Studenten alle 4 stündigen LVAs absolviert hätten suche Abweichungen 2 Entferne davon alle Paare (Student, LVA) an LVAs die ein Student besucht hat (dh der Inhalt von hören) Diese Paare aus Studenten und 4 stündigen LVAs fehlen in der DB 3 Aus den übrig gebliebenen Paaren, sammle die Studenten Studenten die mindestens eine 4 stündige LVA nicht besucht haben 4 Ziehe diese Studenten von der Menge aller Studenten ab Studenten die alle 4 stündigen LVAs besucht haben R S = π R S (R) π R S ((π R S (R) S) R) Nysret Musliu, Sebastian Skritek Seite 75
76 Relationale Abfragesprachen 3 Datenabfragesprache 38 Allquantifizierte Anfragen Allquantifizierte Anfragen 4 Relationale Algebra? 1 Bilde alle Paare von Studenten und 4 stündigen LVAs 2 Entferne davon alle Paare (Student, LVA) an LVAs die ein Student besucht hat (dh der Inhalt von hören) 3 Aus den übrig gebliebenen Paaren, sammle die Studenten 4 Ziehe diese Studenten von der Menge aller Studenten ab (select sjamatrnr from Studenten sja) except (select sneinmatrnr from ((select smatrnr, vvorlnr from Studenten s, Vorlesungen v where vsws = 4) except (select * from hören)) snein); Nysret Musliu, Sebastian Skritek Seite 76
77 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Studenten MatrNr Name Semester Xenokrates Jonas Fichte Aristoxenos Schopenhauer Carnap 3 Finde die Anzahl der Studenten Nysret Musliu, Sebastian Skritek Seite 77
78 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Finde die Anzahl der Studenten: select count (*) from Studenten ; (6) select count ( MatrNr ) from Studenten ; (6) select count ( Semester ) from Studenten ; (6) select count (*) from Studenten where Semester < 13 or Semester >= 13; (6) Nysret Musliu, Sebastian Skritek Seite 78
79 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Nullwerte entstehen wenn kein Wert in der Datenbank vorhanden ist, im Zuge der Anfrageauswertung (Bsp äußere Joins) Studenten MatrNr Name Semester Xenokrates Jonas Fichte NULL Aristoxenos Schopenhauer Carnap 3 Finde die Anzahl der Studenten Nysret Musliu, Sebastian Skritek Seite 79
80 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Finde die Anzahl der Studenten: select count (*) from Studenten ; (6) select count ( MatrNr ) from Studenten ; (6) select count ( Semester ) from Studenten ; (5) select count (*) from Studenten where Semester < 13 or Semester >= 13; (5) Nysret Musliu, Sebastian Skritek Seite 80
81 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Einschub: count revisited Verhalten von count(): count(*): Zählt alle Tupel (inkl Duplikate) count(attribute): Zählt die Anzahl der von NULL verschiedenen Werte in der angegebenen Spalte (inkl Duplikate) count(distinct attribute): Zählt die Anzahl der verschiedenen von NULL verschiedenen Werte in der angegebenen Spalte (dh: ohne Duplikate) Nysret Musliu, Sebastian Skritek Seite 81
82 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Gibt es Tupel, bei denen der Wert für Semester unbekannt ist, so gilt: select count (*) from Student where Semester < 13 or Semester >= 13; select count (*) from Studenten ; Nysret Musliu, Sebastian Skritek Seite 82
83 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte: Behandlung in Ausdrücken Arithmetische Ausdrücke: Nullwerten werden propagiert: ist ein Operand null so ist das Ergebnis null null + 1 = null; null * 0 = null; Vergleichsoperatoren: SQL hat dreiwertige Logik: true, false, unknown Das Resultat ist unknown, wenn mindestens eines der Argumente null ist (Semester > 13) liefert unknown, wenn das Semester unbekannt ist, dh den Wert null annimmt Achtung! zb auch (Semester = null) Nysret Musliu, Sebastian Skritek Seite 83
84 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Auswertung logischer Ausdrücke Logische Ausdrücke: werden nach den folgenden Tabellen berechnet: not true unknown false false unknown true and true unknown false true true unknown false unknown unknown unknown false false false false false or true unknown false true true true true unknown true unknown unknown false true unknown false Nysret Musliu, Sebastian Skritek Seite 84
85 Relationale Abfragesprachen 3 Datenabfragesprache 39 Nullwerte Nullwerte Auswertung where-bedingung: es werden nur Tupel eitergereicht, für die die Bedingung zu true auswertet Tupel, für die die Bedingung zu unknown auswertet, werden nicht ins Ergebnis aufgenommen Gruppierung: wird null als ein eigenständiger Wert aufgefasst und in eine eigene Gruppe eingeordnet Nullwerte werden abgefragt mittels: is null bzw is not null select * from Student where Semester is null ; Nysret Musliu, Sebastian Skritek Seite 85
86 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte Spezielle Sprachkonstrukte between like case Joins cross join natural join join left, right, full outer join Nysret Musliu, Sebastian Skritek Seite 86
87 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte between e Suchen Sie jene Studenten, die zwischen dem ersten und dem vierten Semester inskribiert sind: select * from Studenten where Semester > = 1 and Semester < = 4; select * from Studenten where Semester between 1 and 4; select * from Studenten where Semester in (1,2,3,4); Nysret Musliu, Sebastian Skritek Seite 87
88 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte like Vergleich von Zeichenketten: Platzhalter % und e %: beliebig viele (auch gar kein) Zeichen : genau ein Zeichen Suchen Sie die Matrikelnummer von Theophrastos, wobei Sie nicht wissen, ob er sich mit h schreibt: select * from Studenten where Name like T% eophrastos ; Suchen Sie die Matrikelnummern jener Studenten, die mindestens eine LVA über Ethik gehört haben: select distinct MatrNr from Vorlesungen v, hören h where h VorlNr = v VorlNr and v Titel like % thik % ; Nysret Musliu, Sebastian Skritek Seite 88
89 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte case Wandeln Sie die Prüfungsnoten in Werte der Studienabteilung um: select MatrNr, ( case when Note < 15 then S1 when Note < 25 then U2 when Note < 35 then B3 when Note < 40 then G4 else N5 end ) from prüfen ; Die erste qualifizierende when-klausel wird ausgeführt Nysret Musliu, Sebastian Skritek Seite 89
90 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte Joins SQL unterstützt folgende Join-Schlüsselworte: cross join Kreuzprodukt natural join natürlicher Join [inner] join Theta-Join (oder inner join) (left right full) outer join äußerer Join cross join: R 1 R 2 select * from Professoren, Vorlesungen ; select * from Professoren cross join Vorlesungen ; Nysret Musliu, Sebastian Skritek Seite 90
91 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte natural join: R 1 R 2 Die Werte jener Spalten, deren Attributnamen dieselben sind, werden gleichgesetzt Geben Sie Name und Matrikelnummer der Studierenden und den Titel der von ihnen gehörten Vorlesungen aus Studenten (MatrNr, Name, Sem ) hören (MatrNr, VorlNr) Vorlesungen (VorlNr, Titel, SWS, gelesenvon ) Nysret Musliu, Sebastian Skritek Seite 91
92 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte natural join: Geben Sie Name und Matrikelnummer der Studierenden und den Titel der von ihnen gehörten Vorlesungen aus Studenten (MatrNr, Name, Sem ) hören (MatrNr, VorlNr) Vorlesungen (VorlNr, Titel, SWS, gelesenvon ) select Studenten MatrNr, Name, Titel from Studenten, hören, Vorlesungen where Studenten MatrNr = hören MatrNr and hören VorlNr = Vorlesungen VorlNr ; select MatrNr, Name, Titel from Studenten natural join hören natural join Vorlesungen ; Nysret Musliu, Sebastian Skritek Seite 92
93 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte [inner] join: R 1 θ R 2 Welche Professoren lesen die LVA Mäeutik? Professoren (PersNr, Name, Rang, Raum ) Vorlesungen ( VorlNr, Titel, SWS, gelesenvon) select Name, Titel from Professoren, Vorlesungen where PersNr = gelesenvon and Titel = Mäeutik ; select Name, Titel from Professoren join Vorlesungen on PersNr = gelesenvon where Titel = Mäeutik ; Nysret Musliu, Sebastian Skritek Seite 93
94 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte (left right full) outer join: R 1 ( )R 2 Geben Sie eine Liste aller Studierenden aus und ihre Noten zu den abgeprüften Vorlesungen select s MatrNr, sname, p VorlNr, p Note from Studenten s left outer join prüfen p on s MatrNr =p MatrNr ; select s MatrNr, sname, p VorlNr, p Note from prüfen p right outer join Studenten s on s MatrNr =p MatrNr ; Nysret Musliu, Sebastian Skritek Seite 94
95 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte Studenten pr üfen MatrNr Name VorlNr Note Xenokrates Jonas Fichte Aristoxenos Schopenhauer Carnap Theophrastos Feuerbach Ergebnis ohne Verwendung des outer Joins: Studenten pr üfen MatrNr Name VorlNr Note Jonas Schopenhauer Carnap Nysret Musliu, Sebastian Skritek Seite 95
96 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte coalesce() Geben Sie eine Liste aller Studierenden aus und ihre Noten zu den abgeprüften Vorlesungen Für Studierende die keine Vorlesung besucht haben sollen VorlNr und Note den Wert 0 annehmen select s MatrNr, sname, coalesce (p VorlNr,0), coalesce (pnote,0) from Studenten s left outer join prüfen p on s MatrNr =p MatrNr ; Achtung: Typen müssen kompatibel sein Nysret Musliu, Sebastian Skritek Seite 96
97 Relationale Abfragesprachen 3 Datenabfragesprache 310 Spezielle Sprachkonstrukte concat() Studenten ( MatrNr, Vorname, Nachname, Semester ); Geben Sie den Namen aller Studierenden aus select Vorname Nachname from Studenten ; oder select concat ( Vorname, Nachname ) from Studenten ; (oft auch + anstatt ) Nysret Musliu, Sebastian Skritek Seite 97
98 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Sichten (Views) sind gespeicherte Anfragen, die als virtuelle Tabelle zur Verfügung stehen waren ursprünglich nur für den Lesezugriff gedacht, sind aber unter bestimmten Einschränkungen auch update-fähig werden bei jedem Zugriff dynamisch neu erstellt sind nicht Teil des physischen Schemas Verwendung: Konzept zur Anpassung an verschiedene Benutzer Vereinfachung von Anfragen Realisierung der Generalisierung DBMS proprietär: materialized views (ORACLE): präkompilierte nicht mehr virtuelle Anfrage indexed views (SQL Server): zusätzlich gespeicherter Index verwendet zur Beschleunigung von sehr häufig durchgeführten Anfragen Nysret Musliu, Sebastian Skritek Seite 98
99 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Anpassung an unterschiedliche Benutzergruppen Aus Datenschutzgründen soll im Allgemeinen nur die Prüfungsliste, nicht aber die Note lesbar sein: create view prüfensicht as select MatrNr, VorlNr, PersNr from prüfen ; Nysret Musliu, Sebastian Skritek Seite 99
100 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Vereinfachung von Anfragen Vermeidung der ständigen Verwendung des Joins Studenten hören Vorlesungen Professoren create view StudProf ( Sname, Semester, Titel, Pname ) as select sname, s Semester, v Titel, p Name from Studenten s, hören h, Vorlesungen v, Professoren p where s MatrNr =h MatrNr and h VorlNr =v VorlNr and v gelesenvon = p PersNr ; Suchen Sie Name, Semester aller Studenten von Sokrates select distinct Name, Semester from StudProf where Pname = Sokrates ; Nysret Musliu, Sebastian Skritek Seite 100
101 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Realisierung der Generalisierung Sichten realisieren Inklusion und Vererbung: Tupel des Untertyps sollen auch automatisch zum Obertyp gehören Attribute des Obertyps: sollen automatisch vererbt werden entweder Untertypen oder Obertypen als Sicht definieren Entscheidung aufgrund der Häufigkeit der Zugriffe Nysret Musliu, Sebastian Skritek Seite 101
102 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Realisierung der Generalisierung (Untertypen als Sicht) create table Angestellte ( PersNr integer not null, Name varchar (30) not null ); create table ProfDaten ( PersNr integer not null, Rang character (2), Raum integer ); create table AssiDaten ( PersNr integer not null, Fachgebiet varchar (30), Boss integer ); create view Professoren as select * from Angestellte natural join ProfDaten ; create view Assistenten as select * from Angestellte natural join AssiDaten ; Nysret Musliu, Sebastian Skritek Seite 102
103 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Realisierung der Generalisierung (Obertypen als Sicht) create table Professoren ( PersNr integer not null, Name varchar (30) not null, Rang character (2), Raum integer ); create table Assistenten ( PersNr integer not null, Name varchar (30) not null, Fachgebiet varchar (30), Boss integer ); create table AndereAnges ( PersNr integer not null, Name varchar (30) not null ); create view Angestellte as ( select PersNr, Name from Professoren ) union ( select PersNr, Name from Assistenten ) union ( select * from AndereAnges ); Nysret Musliu, Sebastian Skritek Seite 103
104 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Updates auf Sichten Problematisch: insert, update, delete auf eine Sicht e (nicht updatefähige Sichten) create view WieHartAlsPrüfer ( PersNr, Durchschnitt ) as select PersNr, avg ( Note ) from prüfen group by PersNr ; create view VorlesungenSicht as select Titel, SWS, Name from Vorlesungen, Professoren where gelesenvon = PersNr ; Nysret Musliu, Sebastian Skritek Seite 104
105 Relationale Abfragesprachen 3 Datenabfragesprache 311 Sichten (Views) Updates auf Sichten Einschränkungen der update-fähigen Sichten in SQL auf: nur eine Basisrelation Schlüssel muss vorhanden sein keine Aggregatfunktionen, Gruppierung und Duplikateliminierung alle Sichten theoretisch änderbare Sichten in SQL änderbare Sichten Nysret Musliu, Sebastian Skritek Seite 105
106 Relationale Abfragesprachen 4 Datenmanipulationssprache Datenmanipulationssprache Tupel Einfügen Einfügen von Tupeln in eine angelegte Tabelle Professoren ( PersNr : integer, Name : varchar (30), Rang : character (2), Raum : integer ) Einfügen der Professorin Curie: insert into Professoren values (2136, Curie, C4, 36); Einfügen mehrerer Professoren: insert into Professoren values (2125, Sokrates, C4, 226), (2126, Russel, C4, 232); Nysret Musliu, Sebastian Skritek Seite 106
107 Relationale Abfragesprachen 4 Datenmanipulationssprache Datenmanipulationssprache Tupel Einfügen Das Ergebnis einer Anfrage in eine Tabelle eintragen: Eintragen aller Studenten zur Vorlesung Logik : hören ( MatrNr, VorlNr ) Studenten ( MatrNr, Name, Sem ) Vorlesungen ( VorlNr, Titel, SWS, PersNr ) insert into hören select MatrNr, VorlNr from Studenten, Vorlesungen where Titel = Logik ; Nysret Musliu, Sebastian Skritek Seite 107
108 Relationale Abfragesprachen 4 Datenmanipulationssprache Datenmanipulationssprache Tupel Löschen Auflisten der zu löschenden Tupeln: Löschen des Herrn Kant aus der Professorentabelle: delete from Professoren values (2137, Kant, C4, 7); Lösche alle Tupel die eine Bedingung erfüllen: Löschen des Herrn Kant aus der Professorentabelle: delete from Professoren where PersNr =2137; delete from Professoren where PersNr < 2137; Nysret Musliu, Sebastian Skritek Seite 108
Relationale Abfragesprachen
Relationale Abfragesprachen Relationale Abfragesprachen VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Relationale Abfragesprachen 1 Überblick
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #3. SQL (Teil 1)
Vorlesung #3 SQL (Teil 1) Fahrplan Wiederholung/Zusammenfassung Relationales Modell Relationale Algebra Relationenkalkül Geschichte der Sprache SQL SQL DDL (CREATE TABLE...) SQL DML (INSERT, UPDATE, DELETE)
MehrRelationale Anfragesprachen
Relationale Anfragesprachen Structured Query Language: SQL Query by Example: QBE Kapitel 1 Übungen Fr 8.0 Uhr Michael Kühn Raum E 11 SQL standardisierte - Datendefinitions (DDL)- - Datenmanipulations (DML)-
MehrFortsetzung: Projektion Selektion. NULL Werte
Fortsetzung: Anfragen mit SQL Bisher: Projektion Selektion Duplikatbehandlung NULL Werte Professoren PersNr Name Rang Raum 2125 Sokrates 226 2126 Russel 232 2127 Kopernikus C3 310 2133 Popper C3 52 2134
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #4. SQL (Teil 2)
Vorlesung #4 SQL (Teil 2) Fahrplan Eine weitere Aggregation: median Geschachtelte Anfragen in SQL Korrelierte vs. Unkorrelierte Anfragen Entschachtelung der Anfragen Operationen der Mengenlehre Spezielle
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrKapitel 5 Dr. Jérôme Kunegis. SQL: Grundlagen. WeST Institut für Web Science & Technologien
Kapitel 5 Dr. Jérôme Kunegis SQL: Grundlagen WeST Institut für Web Science & Technologien Lernziele Kenntnis der Grundkonzepte von SQL Fähigkeit zur praktischen Anwendung von einfachen SQL-Anweisungen
MehrFortsetzung: Kreuzprodukt, Inner Join. Sortierung. Existenzquantor, Mengenvergleich Gruppierung, Aggregate Cast-Operator
Fortsetzung: Anfragen mit SQL Bisher: Projektion, Selektion, Duplikatbehandlung, NULL Werte Kreuzprodukt, Inner Join Mengenoperationen Sortierung Geschachtelte Anfragen Existenzquantor, Mengenvergleich
MehrDatenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück Kapitel 6b: Das relationale Modell Das Relationale Modell (vgl. Lerneinheit 6a) Wertebereiche (Domänen):
MehrDatenbanksysteme noch Kapitel 7: SQL. Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2015 noch Kapitel 7: SQL Vorlesung vom 12.05.2015 Oliver Vornberger Institut für Informatik Universität Osnabrück SQL: Schlüsselworte select from where order by asc desc as like upper
MehrDatenbanken. Datenintegrität + Datenschutz. Tobias Galliat. Sommersemester 2012
Datenbanken Datenintegrität + Datenschutz Tobias Galliat Sommersemester 2012 Professoren PersNr Name Rang Raum 2125 Sokrates C4 226 Russel C4 232 2127 Kopernikus C3 310 2133 Popper C3 52 2134 Augustinus
MehrVorlesung Datenbanksysteme vom
Vorlesung Datenbanksysteme vom 27.10.2008 Wiederholung: Relationale Algebra Relationale Algebra Join-Operatoren Eigenschaften der relationalen Operatoren Grundlagen des relationalen Modells Seien D 1,
MehrWeb Science & Technologies University of Koblenz Landau, Germany. Grundlagen der Datenbanken. SQL Teil 2. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken SQL Teil 2 Dr. Jérôme Kunegis Wintersemester 2013/14 Bereichsanfragen und Mitgliedschaft in der Menge Anfrage:
MehrKapitel 8 Dr. Jérôme Kunegis. SQL Continued. WeST Institute for Web Science & Technologies
Kapitel 8 Dr. Jérôme Kunegis SQL Continued WeST Institute for Web Science & Technologies Lernziele Syntax von SQL Anfragen Erweiterte Konstrukte in SQL Abfragen: Aggregation, Gruppierung, rekursive Anfragen..
MehrWeb Science & Technologies University of Koblenz Landau, Germany. Grundlagen der Datenbanken SQL. Dr. Gerd Gröner Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Gerd Gröner Wintersemester 2013/14 Lernziele Kenntnisse der Grundkonzepte von Fähigkeit zur praktischen Anwendung
MehrDatenbanksysteme 2009
Datenbanksysteme 2009 Vorlesung vom 11.05.2009: Anfang von Kapitel 6: Das Relationale Modell Oliver Vornberger Institut für Informatik Universität Osnabrück Das Relationale Modell Wertebereiche (Domänen):
MehrDatenintegrität. Arten von Integritätsbedingungen. Statische Integritätsbedingungen. Referentielle Integrität. Integritätsbedingungen in SQL.
Datenintegrität Arten von Integritätsbedingungen Statische Integritätsbedingungen Referentielle Integrität Integritätsbedingungen in SQL Trigger 1 Datenintegrität Einschränkung der möglichen Datenbankzustände
MehrDatenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen
Datenintegrität Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen Formulierung von Integritätsbedingungen ist die wichtigste Aufgabe des DB-Administrators!
MehrDatenbanksysteme 2013
Datenbanksysteme 2013 Kapitel 8: Datenintegrität Vorlesung vom 14.05.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Datenintegrität Statische Bedingung (jeder Zustand) Dynamische
MehrDatenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen
Datenintegrität Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen Formulierung von Integritätsbedingungen ist die wichtigste Aufgabe des DB-Administrators!
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R 1.008. Vorlesung #5. SQL (Teil 3)
Vorlesung #5 SQL (Teil 3) Fahrplan Besprechung der Übungsaufgaben Rekursion Rekursion in SQL-92 Rekursion in DBMS- Dialekten (Oracle und DB2) Views (Sichten) - gespeicherte Abfragen Gewährleistung der
MehrDatenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück 1 Kapitel 6a: Das relationale Modell 2 Das Relationale Modell Wertebereiche (Domänen): D 1, D 2,,...,
MehrDatenintegrität. Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung Statische vs. dynamische Integritätsbedingungen Statische Integritätsbedingungen Bedingungen
MehrGrundlagen des relationalen Modells
Historische Entwicklung relationaler DBMS Grundlagen des relationalen Modells Seien D 1, D 2,..., D n Domänen (~Wertebereiche) Relation: R D 1 x... x D n Bsp.: Telefonbuch string x string x integer Tupel:
MehrDatenbanksysteme Vorlesung vom noch Kapitel 7: SQL. Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2009 Vorlesung vom 19.05.2009 noch Kapitel 7: SQL Oliver Vornberger Institut für Informatik Universität Osnabrück SQL: Self Join 15.) Liste die Namen der Assistenten, die für denselben
MehrWiederholung: Relationale Algebra
Vorlesung Datenbanksysteme vom 1.11.016 Wiederholung: Relationale Algebra Relationale Algebra Join-Operatoren Eigenschaften der relationalen Operatoren Grundlagen des relationalen Modells Seien D1, D,,
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
MehrÜbersicht der wichtigsten MySQL-Befehle
Übersicht der wichtigsten MySQL-Befehle 1. Arbeiten mit Datenbanken 1.1 Datenbank anlegen Eine Datenbank kann man wie folgt erstellen. CREATE DATABASE db_namen; 1.2 Existierende Datenbanken anzeigen Mit
MehrKapitel 8: Datenintegrität
Kapitel 8: Datenintegrität Datenintegrität Statische Bedingung (jeder Zustand) Dynamische Bedingung (bei Zustandsänderung) Bisher: Definition eines Schlüssels 1:N - Beziehung Angabe einer Domäne Jetzt:
MehrAcknowledgments. Datenmodellierung VU , WS Das Relationale Modell: Begriffsklärung. Übersicht. Das relationale Modell
Das relationale Modell Das relationale Modell Acknowledgments Datenmodellierung VU 184.685, WS 2015 Das relationale Modell Sebastian Skritek Die Folien sind eine kleine Erweiterung der Folien von Katrin
MehrDatenbanksysteme noch Kapitel 7: SQL Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2013 noch Kapitel 7: SQL Vorlesung vom 7.5.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Transititve Hülle SQL: avg, group by 16.) Liste die durchschnittliche
MehrReferentielle Integrität
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Integritätsbedingungen Bedingungen an den Zustand der Datenbasis dynamische
MehrAufgabensammlung SQL SW4 1. Einfache Anfragen
Aufgabensammlung SQL SW4 1. Einfache Anfragen Buch: Kapitel 4.6 und 4.7. Datenbank: Die folgenden Anfragen beziehen sich auf die Universitätsdatenbank des Buches. Alle Umlaute werden umschrieben (hören
MehrInformatik für Ökonomen II: Datenintegrität. Prof. Dr. Carl-Christian Kanne
Informatik für Ökonomen II: Datenintegrität Prof. Dr. Carl-Christian Kanne 1 Konsistenzbedingungen DBMS soll logische Datenintegrität gewährleisten Beispiele für Integritätsbedingungen Schlüssel Beziehungskardinalitäten
MehrDiskussion: Personal (1)
Diskussion: Personal (1) ER-Diagramm: Abteilung ist beschäftigt in [0, n] [0, 1] Person Umsetzung ins Relationenmodell? Diskussion: Personal (2) Zusätzliche Regel: In jeder Abteilung (Person) muss mindestens
MehrVorlesungen. Studenten. hören. Grundzüge. Fichte Glaube und Wissen Jonas
Das relationale eato aedatenmodell Studenten hören Vorlesungen MatrNr Name MatrNr VorlNr VorlNr Titel 26120 Fichte 25403 5022 5001 Grundzüge 25403... Jonas... 26120... 5001... 5022... Glaube und Wissen...
MehrSeminar 2. SQL - DML(Data Manipulation Language) und. DDL(Data Definition Language) Befehle.
Seminar 2 SQL - DML(Data Manipulation Language) und DDL(Data Definition Language) Befehle. DML Befehle Aggregatfunktionen - werden auf eine Menge von Tupeln angewendet - Verdichtung einzelner Tupeln yu
MehrRückblick. SQL bietet viele Möglichkeiten zur Anfrageformulierung
Rückblick SQL bietet viele Möglichkeiten zur Anfrageformulierung mathematische Funktionen (z.b. ABS(A) und SIGN(A)) Aggregatfunktionen (z.b. MIN(A) und SUM(A)) Boole sche Operatoren (AND, OR, EXCEPT) Verknüpfungen
MehrSQL. Ziele. Grundlagen von SQL. Beziehung zur relationalen Algebra SELECT, FROM, WHERE. Joins ORDER BY. Aggregatfunktionen. dbis.
SQL Lehr- und Forschungseinheit Datenbanken und Informationssysteme Ziele Grundlagen von SQL Beziehung zur relationalen Algebra SELECT, FROM, WHERE Joins ORDER BY Aggregatfunktionen Lehr- und Forschungseinheit
MehrReferentielle Integrität
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Integritätsbedingungen Bedingungen an den Zustand der Datenbasis dynamische
MehrACCESS SQL ACCESS SQL
ACCESS SQL Datenbankabfragen mit der Query-Language ACCESS SQL Datenbankpraxis mit Access 34 Was ist SQL Structured Query Language Bestehend aus Datendefinitionssprache (DDL) Datenmanipulationssprache
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. 05 Übung zur Vorlesung Grundlagen: Datenbanken im WS16/17 Harald Lang, Linnea Passing (gdb@in.tum.de
MehrTermin 12: Datenbanksysteme (2) - Einführung in SQL
Termin 12: Datenbanksysteme (2) - Einführung in SQL Grundlagen der Informatik Wintersemester 2006/07 Prof. Bernhard Jung Übersicht 1. Einführung SQL 2. Datenbankanfragen mit SQL (select from where) 3.
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D 1, D,, D n Domänen (Wertebereiche) Relation: R D 1 x x D n Bsp.: Telefonbuch string x string x integer Tupel: t R Bsp.: t = ( Mickey Mouse, Main Street, 4711)
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D 1, D,, D n Domänen (Wertebereiche) Relation: R D 1 x x D n Bsp.: Telefonbuch string x string x integer Tupel: t R Bsp.: t = ( Mickey Mouse, Main Street, 711)
MehrMySQL-Befehle. In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben.
MySQL-Befehle 1. Einleitung In diesem Tutorial möchte ich eine kurze Übersicht der wichtigsten Befehle von MySQL geben. 2. Arbeiten mit Datenbanken 2.1 Datenbank anlegen Eine Datenbank kann man wie folgt
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D 1, D 2,..., D n Relation: R D 1 Domänen (Wertebereiche) x... x D n Bsp.: Telefonbuch string x string x integer Tupel: t R Bsp.: t = ( Mickey Mouse, Main Street,
MehrSQL. DDL (Data Definition Language) Befehle und DML(Data Manipulation Language)
SQL DDL (Data Definition Language) Befehle und DML(Data Manipulation Language) DML(Data Manipulation Language) SQL Abfragen Studenten MatrNr Name Vorname Email Age Gruppe 1234 Schmidt Hans schmidt@cs.ro
MehrEinführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten
Einführung in SQL Die Sprache SQL (Structured Query Language) ist eine Programmiersprache für relationale Datenbanksysteme, die auf dem ANSI-SQL-Standard beruht. SQL wird heute von fast jedem Datenbanksystem
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
MehrAbfragen (Queries, Subqueries)
Abfragen (Queries, Subqueries) Grundstruktur einer SQL-Abfrage (reine Projektion) SELECT [DISTINCT] {* Spaltenname [[AS] Aliasname ] Ausdruck} * ; Beispiele 1. Auswahl aller Spalten SELECT * ; 2. Auswahl
MehrDatenmodellierung VU Einführung SS 2016
184.685 Datenmodellierung VU Einführung SS 2016 Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu, Sebastian Skritek Seite 1 1. Motivation Motivation
MehrDatenmodellierung. VU , SS 2015 Das relationale Modell. Sebastian Skritek. Institut für Informationssysteme Technische Universität Wien
Das relationale Modell Datenmodellierung VU 184.685, SS 2015 Das relationale Modell Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Sebastian Skritek Seite 1 Das relationale
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D 1, D,, D n Domänen (Wertebereiche, Mengen) Eine Relation ist eine Teilmenge R D 1 x x D n Bsp.: Telefonbuch string x string x integer Ein Tupel ist jedes Element
MehrSQL als Zugriffssprache
SQL als Zugriffssprache Der Select Befehl: Aufbau Select- und From-Klausel Where-Klausel Group-By- und Having-Klausel Union Join-Verbindung Order-By-Klausel Der Update-Befehl Der Delete-Befehl Der Insert-Befehl
MehrArchitektur eines DBMS Logische Optimierung
Vorlesung Datenbanksysteme vom 16.11.2015 Anfragebearbeitung 1 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Architektur eines DBMS SW-Komponenten der Anfragebearbeitung
MehrEs wird empfohlen folgendes Material anzusehen:
Übung zur Vorlesung "Einführung in die Informatik für Hörer anderer Fachrichtungen (WZW)" IN8003, SS 2011 Prof. Dr. J. Schlichter Dr. Georg Groh, Dipl.Inform. Dipl.Geogr. Jan Herrmann, Florian Schulze
MehrDatenmodellierung. VU , WS 2016 Das relationale Modell. Nysret Musliu, Sebastian Skritek
Das relationale Modell Datenmodellierung VU 184.685, WS 2016 Das relationale Modell Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu, Sebastian
MehrAnwendungsentwicklung Datenbanken SQL. Stefan Goebel
Anwendungsentwicklung Datenbanken SQL Stefan Goebel SQL Structured Query Language strukturierte Abfragesprache von ANSI und ISO standardisiert deklarativ bedeutet was statt wie SQL beschreibt, welche Daten
MehrKapitel 6. Datenmalipulation (DML) d. h. insert, update, delete, select im Relationenmodell (in Oracle)
Kapitel 6 Datenmalipulation (DML) d. h. insert, update, delete, select im Relationenmodell (in Oracle) 1 Datenmanipulationssprache (DML) SQL Einfügen: Insert-Statement Ändern: Update-Statement Löschen:
MehrDas relationale Modell
Das relationale Modell Das relationale Modell VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Das relationale Modell 1. Überblick Überblick
MehrMicrosoft SQL-Server 2000. Enterprise-Manager
Kapitel 7: SQL Microsoft SQL-Server 2000 Server: Client: Enterprise-Manager Query-Analyzer Installation Query Analyzer Tunnel mit Putty Tunnel mit Putty SQL: Geschichte 1970: System R mit Abfragesprache
MehrGrundlagen des relationalen l Modells
Grundlagen des relationalen l Modells Seien D 1, D 2,..., D n Domänen (~Wertebereiche) Relation: R D 1 x... x D n Bsp.: Telefonbuch string x string x integer Tupel: t R Bsp.: t = ( Mickey Mouse, Main Street,
MehrDas relationale Modell
Das relationale Modell Grundlagen Übersetzung von ER-Schemata in relationale Schemata Relationale Algebra Relationenkalkül Domänenkalkül Grundlagen des relationalen Modells Seien D 1, D 2,..., D n Domänen
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. Übung zur Vorlesung Einführung in die Informatik 2 für Ingenieure (MSE) Alexander van Renen (renen@in.tum.de)
MehrDatenbanksysteme Kapitel 7: SQL Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2013 Kapitel 7: SQL Vorlesung vom 6.05.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Transititve Hülle SQL 1970 Edgar Codd: A relational model for large shared
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:
MehrSQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar
Qt-Seminar Dienstag, 10.2.2009 SQL ist......die Abkürzung für Structured Query Language (früher sequel für Structured English Query Language )...ein ISO und ANSI Standard (aktuell SQL:2008)...eine Befehls-
MehrEinführung in SQL. 1. Grundlagen SQL. Structured Query Language. Viele Dialekte. Unterteilung: i. DDL (Data Definition Language)
Einführung in SQL 1. Grundlagen Structured Query Language Viele Dialekte Unterteilung: i. DDL (Data Definition Language) ii. iii. DML (Data Modifing Language) DRL (Data Retrival Language) 1/12 2. DDL Data
Mehrinsert, update, delete Definition des Datenbankschemas select, from, where Rechteverwaltung, Transaktionskontrolle
Einführung in SQL insert, update, delete Definition des Datenbankschemas select, from, where Rechteverwaltung, Transaktionskontrolle Quelle Wikipedia, 3.9.2015 SQL zur Kommunikation mit dem DBMS SQL ist
MehrSeminar 1 SQL Abfragen DML. MatrNr Name Vorname Age Gruppe Schmidt Hans Meisel Amelie
Seminar 1 SQL Abfragen DML Studenten MatrNr Name Vorname Email Age Gruppe 1234 Schmidt Hans schmidt@cs.ro 21 331 1235 Meisel Amelie meisel@cs.ro 22 331 1236 Krause Julia krause@cs.ro 21 332 1237 Rasch
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,
MehrDas Relationale Modell
Kapitel 6 Das Relationale Modell 6.1 Definition Gegeben sind n nicht notwendigerweise unterschiedliche Wertebereiche (auch Domänen genannt) D 1,..., D n, welche nur atomare Werte enthalten, die nicht strukturiert
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
MehrWie definieren wir das Relationen-
Wie definieren wir das Relationen- schema für eine Datenbank? Professoren PersNr Name Rang Raum 2125 Sokrates C4 226 2126 Russel C4 232 2127 Kopernikus C3 310 2133 Popper C3 52 2134 Augustinus C3 309 2136
MehrDatenintegrität. Bisherige Integritätsbedingungen
Datenintegrität Integitätsbedingungen chlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Bedingungen an den Zustand der Datenbasis dynamische Bedingungen an Zustandsübergänge
MehrDatenbanksysteme noch Kapitel 7: SQL. Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2011 noch Kapitel 7: SQL Vorlesung vom 17.05.2011 Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Selfjoin SQL 1970 Edgar Codd: A relational model for large shared
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Das relationale Modell Verfeinerung des relationalen Schemas Relationale Algebra Relationenkalkül Kapitel 3 1 Grundlagen des relationalen Modells Seien D 1, D,, D n
MehrRelationale Darstellung von Entitytypen. Uni-Schema. Grundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D, D 2,, D n Domänen (Wertebereiche) elation: D x x D n Bsp.: Telefonbuch string x string x integer Mickey Mouse Mini Mouse Donald Duck Telefonbuch Straße Main
MehrPRG2 Folien Zicari Teil 5. Einführung in Datenbanken SS 2007
PRG2 Folien Zicari Teil 5 Einführung in Datenbanken SS 2007 Prof. Dott. Ing. Roberto Zicari Johann Wolfgang Goethe-Universität Frankfurt am Main PRG2 V-1 Fachbereich Informatik und Mathematik SQL SQL =
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
MehrWirtschaftsinformatik 7a: Datenbanken. Hochschule für Wirtschaft und Recht SS 16 Dozent: R. Witte
Wirtschaftsinformatik 7a: Datenbanken Hochschule für Wirtschaft und Recht SS 16 Dozent: R. Witte Drei Gäste bezahlen nach einem gemeinsamen Abendessen eine Rechnung von 30 Euro, so dass jeder 10 Euro gibt.
MehrDatenbanksysteme 2013. Kapitel 7: SQL. Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2013 Kapitel 7: SQL Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Transititve Hülle SQL 1970 Edgar Codd: A relational model for large shared data banks 1975 SEQUEL
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
MehrSQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software
SQL Tutorial SQL - Tutorial SS 06 Hubert Baumgartner INSO - Industrial Software Institut für Rechnergestützte Automation Fakultät für Informatik Technische Universität Wien Inhalt des Tutorials 1 2 3 4
Mehrdbis Praktikum DBS I SQL Teil 2
SQL Teil 2 Übersicht Fortgeschrittene SQL-Konstrukte GROUP BY HAVING UNION / INTERSECT / EXCEPT SOME / ALL / ANY IN / EXISTS CREATE TABLE INSERT / UPDATE / DELETE 2 SELECT Syntax SELECT FROM [WHERE [GROUP
MehrQuery Languages (QL) Relationale Abfragesprachen/Relational
Relationale Algebra Relationale Abfragesprachen/Relational Query Languages (QL) Abfragesprachen: Daten aus einer Datenbank zu manipulieren und abzufragen (retrieve information) Das relationalle Modell
MehrVO Datenmodellierung. Katrin Seyr
Datenintegrität Datenintegrität VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Datenintegrität 1. Überblick Überblick 1 Überblick 2 Integritätsbedingungen
MehrTransaktionsverwaltung read write read write
Transaktionsverwaltung Beispiel einer typischen Transaktion in einer Bankanwendung: 1. Lese den Kontostand von A in die Variable a: read(a,a); 2. Reduziere den Kontostand um 50.- Euro: a:= a 50; 3. Schreibe
MehrWelche Kunden haben die gleiche Ware bestellt? select distinct a1.name, a2.name from Auftrag a1, Auftrag a2 where a1.ware = a2.ware.
*HVFKDFKWHOWH$QIUDJHQ In einer SQL-Anweisung können in der where-klausel, from-klausel, select-klausel wieder SQL-Anweisungen auftreten. Man spricht dann auch von einer geschachtelten Anfrage oder Unteranfrage.
MehrSELECT dient dazu, aus einer vorhandenen Datenbank bestimmte Spalten und Zeilen auszugeben es handelt sich also um eine Auswahlabfrage.
SELECT-FROM SELECT dient dazu, aus einer vorhandenen Datenbank bestimmte Spalten und Zeilen auszugeben es handelt sich also um eine Auswahlabfrage. Inhaltsverzeichnis 1 Der grundlegende Aufbau 2 Doppelte
MehrDaniel Warner SQL. Das Praxisbuch. Mit 119 Abbildungen. Franzis
Daniel Warner SQL Das Praxisbuch Mit 119 Abbildungen Franzis Inhaltsverzeichnis Teil I - Einleitung 15 1 Einleitung 17 1.1 Zum Aufbau des Buchs 17 1.2 Hinweise zur Buch-CD 18 1.3 Typografische Konventionen
MehrDatenbanksysteme 2009. Kapitel 7: SQL. Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2009 Kapitel 7: SQL Oliver Vornberger Institut für Informatik Universität Osnabrück SQL 1970 Edgar Codd: A relational model for large shared data banks 1975 SEQUEL für System R von IBM
MehrSQL Data Manipulation Language (DML) und Query Language (QL)
Innsbruck Information System University of Innsbruck School of Management Information Systems Universitätsstraße 15 6020 Innsbruck SQL Data Manipulation Language (DML) und Query Language (QL) Universität
MehrDatenmanipulation in SQL (1): Subselect:
Datenmanipulation in SQL (1): Unter Datenmanipulation wird sowohl der lesende Zugriff auf die Daten (Select Statement) als auch die Änderung von Daten (Insert, Delete, Update) subsummiert. Wir beginnen
MehrEs geht also im die SQL Data Manipulation Language.
1 In diesem Abschnitt wollen wir uns mit den SQL Befehlen beschäftigen, mit denen wir Inhalte in Tabellen ( Zeilen) einfügen nach Tabelleninhalten suchen die Inhalte ändern und ggf. auch löschen können.
MehrOracle 10g Einführung
Kurs Oracle 10g Einführung Teil 5 Einführung Timo Meyer Administration von Oracle-Datenbanken Timo Meyer Sommersemester 2006 Seite 1 von 16 Seite 1 von 16 Agenda 1 Tabellen und Views erstellen 2 Indizes
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. 8 Hausaufgabe 1 Übung zur Vorlesung Grundlagen: Datenbanken im WS13/14 Henrik Mühe (muehe@in.tum.de)
Mehr