Datenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2017/18.
|
|
- Viktor Roth
- vor 6 Jahren
- Abrufe
Transkript
1 Datenbanksysteme Wintersemester 2017/18 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern
2 Wiederholung VL Informationssysteme Abbilden eines Teilaspekts der realen Welt Was wollen wir abbilden? Welcher Grad an Details? Welche Entitäten spielen eine Rolle? Und welche Rolle spielen sie? Wie sind Entitäten miteinander verbunden? Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 2 / 63
3 Anforderungsanalyse und ER-Modellierung Anforderungsanalyse Reale Welt: Universität Anforderungsanalyse Pflichtenheft Studenten hören Vorlesungen Professoren halten Vorlesungen Studenten könnten anhand ihrer Matrikelnummer eindeutig identifiziert werden... Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 3 / 63
4 Anforderungsanalyse und ER-Modellierung Entity/Relationship-Modellierung Quelle: Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 4 / 63
5 Anforderungsanalyse und ER-Modellierung Entity/Relationship-Modellierung Quelle: Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 5 / 63
6 Anforderungsanalyse und ER-Modellierung Entity/Relationship-Modellierung 1. Entität Entitätstyp Semester MatrNr Name 2. Beziehung Beziehungstyp Studenten 3. Attribut (Eigenschaft) hören 4. Schlüssel (Identifikation) Vorlesungen 5. Rolle SWS VorlNr Titel Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 6 / 63
7 Anforderungsanalyse und ER-Modellierung Beispiel: Universitätsschema Fachgebiet Assistenten PersNr Name arbeitet für Name PersNr Professoren Studenten MatrNr lesen hören Name voraussetzen Vorlesungen VorlNr Titel Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 7 / 63
8 Relationen Relationales Modell Abbilden des ER-Modells in Relationen: Zum Beispiel: Kunden(ID, Telefon, Adresse, Name) Kaufen(Wert, Datum, Preis, Verkäufer, Auto, Kunde) Verkaufen(Datum, Wert, Kommission, Kunde, Verkäufer, Auto)... oder... Studenten (MatrNr, Name) Hören (MatrNr, VorlNr) Vorlesungen (VorlNr, Titel) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 8 / 63
9 Relationen Beispiel: Die relationale Uni-DB Professoren PersNr Name Rang Raum 2125 Sokrates C Russel C Kopernikus C Popper C Augustinus C Curie C Kant C4 7 voraussetzen Vorgänger Nachfolger prüfen MatrNr VorlNr PersNr Note Studenten Vorlesungen MatrNr Name Semester VorlNr Titel SWS gelesen Xenokrates 18 von Jonas Grundzüge Fichte Ethik Aristoxenos Erkenntnistheorie Schopenhauer Mäeutik Carnap Logik Theophrastos Wissenschaftstheorie Feuerbach Bioethik hören 5259 Der Wiener Kreis MatrNr VorlNr 5022 Glaube und Wissen Die 3 Kritiken Assistenten PerslNr Name Fachgebiet Boss Platon Ideenlehre Aristoteles Syllogistik Wittgenstein Sprachtheorie Rhetikus Planetenbewegung Newton Keplersche Gesetze Spinoza Gott und Natur Prof Dr.-Ing. S. 2Michel TU Kaiserslautern 5022 Datenbanksysteme, WS 17/18 9 / 63
10 Relationale Algebra Die Operatoren der relationalen Algebra Selektion σ Projektion π Kreuzprodukt Join (Verbund) Umbenennung ρ Differenz Division Aggregation γ Duplikateliminierung δ Sortierung τ Vereinigung Schnitt Semi-Join (linker) Semi-Join (rechter) linker äußerer Join rechter äußerer Join äußerer Join Anti-Join Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 10 / 63
11 Relationale Algebra Grundlagen der relationalen Algebra Achtung: Es gibt Relationen (Ausprägungen: R D 1 D 2... D n ) und Relationenschema:{[ attributname1: datentyp1, attributname2: datentyp2,...]}. Das Schema einer Relation wird auch mit sch(r) oder R beschrieben. Die Operatoren und ihre Verwendung: Eingabe eines Operators ist eine oder mehrere Relationen. Ausgabe ist auch wieder eine Relation. D.h., Operatoren sind kombinierbar (mit gewissen Regeln). Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 11 / 63
12 Relationale Algebra Z.B. Selektion Selektion σ Semester>10 (Studenten) σ Semester>10 (Studenten) MatrNr Name Semester Xenokrates Jonas 12 Allgemein: σ F Selektionsprädikat F besteht aus Operatoren: (oder) (und) (nicht) Arithmetischen Vergleichsoperatoren: <,, =, >,,... und natürlich aus Attributnamen der Argumentrelation oder Konstanten als Operanden Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 12 / 63
13 Relationale Algebra Kartesisches Produkt (Kreuzprodukt) Gegeben zwei Relationen R und S: R S beinhaltet ALLE! R S möglichen Paare von Tupeln aus R und S. Enthält viele (oft auch viele unsinnige) Kombinationen! Das resultierende Schema sch(r S) = sch(r) sch(s) = R S. Beim Referenzieren der Attribute des resultierenden Schemas wird R.X und S.Y verwendet, insbesondere bei Überlappungen der Attributnamen der einzelnen Schemata (=keine Unklarheiten was gemeint ist). Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 13 / 63
14 Joins Der natürliche Verbund (Join) Gegeben zwei Relationen ( + Schemata) R(A 1,..., A m, B 1,..., B k ) S(B 1,..., B k, C 1,..., C n ) R S = π A1,...,A m,r.b 1,...,R.B k,c 1,...,C n (σ R.B1 =S.B 1... R.B k =S.B k (R S)) R S R S R S S R A 1 A 2... A m B 1 B 2... B k C 1 C 2... C n Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 14 / 63
15 Joins Mehrere Joins zusammen Es können beliebig viele Relationen durch Join-Operatoren verknüpft werden. Die Reihenfolge spielt dabei keine Rolle (Joins sind kommutativ und assoziativ). (Studenten hoeren) V orlesungen (Studenten hoeren) V orlesungen MatrNr Name Semester VorlNr Titel SWS gelesenvon Fichte Grundzüge Jonas Glaube und Wissen Carnap Wissenschaftstheorie Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 15 / 63
16 Joins Allgemeiner Join (Theta-Join) Gegeben zwei Relationen ( + Schemata) R(A 1,..., A n ) S(B 1,..., B m ) θ ist ein beliebiges Prädikat über den beteiligten Attributen. R θ S = σ θ (R S) R S R S A 1 A 2... A n B 1 B 2... B m Equi-Join: Join-Prädikat θ darf nur auf Gleichheit (=) prüfen. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 16 / 63
17 Joins Weitere Join-Typen: Äußere Joins Diese Join-Typen spezifizieren wie mit Tupeln umgegangen wird, die keinen Joinpartner gefunden haben. linker äußerer Join ): auch partnerlose Tupel der linken ( Relation bleiben erhalten rechter äußerer Join ( ): auch partnerlose Tupel der rechten Relation bleiben erhalten vollständiger äußerer Join ( ): die partnerlosen Tupel beider Relationen bleiben erhalten Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 17 / 63
18 Wiederholung aus InSy Joins Natürlicher Join und linker äußerer Join Natürlicher Join L A B C a 1 b 1 c 1 a 2 b 2 c 2 Linker äußerer Join R C D E c 1 d 1 e 1 = c 3 d 2 e 2 Resultat A B C D E a 1 b 1 c 1 d 1 e 1 L A B C R C D E Resultat A B C D E a 1 b 1 c 1 a 2 b 2 c 2 c 1 d 1 e 1 = c 3 d 2 e 2 a 1 b 1 c 1 d 1 e 1 a 2 b 2 c 2 Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 18 / 63
19 Wiederholung aus InSy Joins Rechter äußerer und äußerer Join Rechter äußerer Join L A B C a 1 b 1 c 1 a 2 b 2 c 2 Äußerer Join R C D E c 1 d 1 e 1 = c 3 d 2 e 2 Resultat A B C D E a 1 b 1 c 1 d 1 e 1 c 3 d 2 e 2 L A B C a 1 b 1 c 1 a 2 b 2 c 2 R C D E c 1 d 1 e 1 = c 3 d 2 e 2 Resultat A B C D E a 1 b 1 c 1 d 1 e 1 a 2 b 2 c 2 c 3 d 2 e 2 Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 19 / 63
20 Joins Weitere Join-Typen: Semi Joins Idee: Finde alle Tupel der linken Relation, die Joinpartner in der rechten Relation haben. L R = π L (L R) L R ist analog definiert. Es gilt: L R = R L Allerdings sind Semi-Joins sowie die linken und rechten äußeren Joins nicht kommutativ! Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 20 / 63
21 Joins Semi-Joins Semi-Join von L mit R L A B C a 1 b 1 c 1 a 2 b 2 c 2 R C D E c 1 d 1 e 1 = c 3 d 2 e 2 Resultat A B C a 1 b 1 c 1 Semi-Join von R und L L A B C a 1 b 1 c 1 a 2 b 2 c 2 R C D E c 1 d 1 e 1 = c 3 d 2 e 2 Resultat C D E c 1 d 1 e 1 Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 21 / 63
22 Operatorbaum Operatorbaum-Darstellung Alternative Darstellung von Ausdrücken der relationalen Algebra. Gerade für größere Ausdrücke viel übersichtlicher. Beispiel: σ T itel=insy hören σ Semester>10 Vorlesungen Studenten Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 22 / 63
23 SQL SQL deklarative Anfragesprache ( was nicht wie ) setzt sich aus drei Sprachen zusammen: Datendefinitions (DDL)-Sprache: erstellt/ändert das Schema create, alter, drop Datenmanipulations (DML)-Sprache ändert Ausprägungen insert, update, delete Anfragesprache: berechnet Anfragen auf den Ausprägungen select * from where... Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 23 / 63
24 SQL Relationen vs. Tabellen In der Regel werden bei relationaler Algebra Relationen als Mengen betrachtet Erweiterung dazu durch Multimengensemantik (siehe InSy) In SQL betrachten wir aber Tabellen (= Bags) Was ist der Unterschied? Relationen versus Tabellen: Tabellen können Duplikate enthalten Tabellen können eine Ordnung haben Tabellen haben nicht unbedingt einen Schlüssel Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 24 / 63
25 SQL Einfache Datendefinitionen in SQL Datentypen character (n), char (n) character varying (n), varchar (n) numeric (p,s), integer blob oder raw für sehr große binäre Daten clob für sehr große String-Attribute date für Datumsangaben xml für XML-Dokumente Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 25 / 63
26 SQL Datendefinitions (DDL) Sprache Tabellen erstellen: create table Professoren( PersNr integer not null, Name varchar (10) not null Rang character (2) ); Tabellen verändern: alter table Professoren add (Raum integer); alter table Professoren modify (Name varchar(30)); Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 26 / 63
27 SQL Datendefinitions (DDL) Sprache Tabellen löschen: drop table Professoren; Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 27 / 63
28 SQL Datenmanipulationssprache: insert insert into Studenten (MatrNr, Name) values (28121, Archimedes ); insert into Studenten (Name) values ( Meier ); insert into hören select MatrNr, VorlNr from Studenten, Vorlesungen where Titel = Logik ; Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 28 / 63
29 SQL Anfragesprache select <Liste von Spalten> from <Liste von Tabellen> where <Bedingung>; select * wählt alle verfügbaren Spalten aus! Relationale Algebra SQL Projektion π select Kreuzprodukt from Selektion σ where Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 29 / 63
30 SQL Select from where... select PersNr, Name from Professoren where Rang = C4 ; Professoren PersNr Name 2125 Sokrates 2126 Russel 2136 Curie 2137 Kant Professoren PersNr Name Rang Raum Sokrates C Russel C Kopernikus C Popper C Augustinus C Curie C Kant C4 7 Anmerkung: SQL legt nicht fest, in welcher Reihenfolge Selektion, Projektion oder Join ausgeführt werden. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 30 / 63
31 SQL Anfragen über mehrere Relationen Welcher Professor liest Mäeutik? select Name, Titel from Professoren, Vorlesungen where PersNr = gelesenvon and Titel = Mäeutik In der relationalen Algebra sieht das wie folgt aus: π Name,T itel (σ P ersnr=gelesenv on T itel= Mäeutik (P rofessoren V orlesungen)) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 31 / 63
32 SQL Übersetzung von SQL in die relationale Algebra Allgemeine Form einer (ungeschachtelten) SQL-Anfrage: Übersetzung in die relationale Algebra: π A1,...,A n (σ P (R 1... R k )) select A 1,..., A n from R 1,..., R k where P ; π A1,...,A n σ P R k R 3 R 1 R 2 Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 32 / 63
33 SQL Anfragen über mehrere Relationen Welche Studenten hören welche Vorlesungen? select Name, Titel from Studenten, hören, Vorlesungen where Studenten.MatrNr=hören.MatrNr and hören.vorlnr = Vorlesungen.VorlNr; Alternativ: select s.name, v.titel from Studenten s, hören h, Vorlesungen v where s.matrnr=h.matrnr and h.vorlnr = v.vorlnr; Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 33 / 63
34 Transaktionsverwaltung Eigenschaften von Transaktionen: ACID Atomicity (Atomarität): Alles oder nichts Consistency: Konsistenter Zustand der DB konsistenter Zustand Isolation: Jede Transaktion hat die DB für sich allein Durability (Dauerhaftigkeit): Änderungen erfolgreicher Transaktionen dürfen nie verloren gehen. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 34 / 63
35 Transaktionsverwaltung Mehrbenutzersynchronisation Das I in ACID. Ausführung der drei Transaktionen T 1, T 2 und T 3 : (a) im Einzelbetrieb (b) im (verzahnten) Mehrbenutzerbetrieb Man möchte, dass die verzahnte Ausführung semantisch äquivalent zu einer seriellen Ausführung (d.h. z.b. t 1 t 3 t 2 ) ist. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 35 / 63
36 Transaktionsverwaltung Transaktionen bei System-Crash Absturz T 1 T 2 t 1 t 2 t 3 Zeit Wie verhält sich solch ein Szenario mit ACID? Was muss beachtet werden? Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 36 / 63
37 Übersicht Übersicht Vorlesung Datenbanksysteme Übersicht, Wiederholung Motivation, Wiederholung aus InSy (Tabellen, relationale Algebra, SQL) Organisation der VL und Regeln zum Übungsbetrieb Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 37 / 63
38 Übersicht Übersicht Anfrageverarbeitung Zugriffskosten Datenbankpuffer-Verwaltung (LRU-k, CLOCK,...) Indexe Index-Tuning Implementierung von Operatoren (Joins, externes Sortieren,...) Histogramme, Sketches Performance-Tuning Schema Denormalisierung Entschachtelung von Anfragen Multi-Query-Optimierung Materialisierte Sichten Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 38 / 63
39 Übersicht Übersicht Anfrageoptimierung Prinzip und regelbasierte Optimierung (Wiederholung InSy) Kostenmodelle für Joins Join-Ordering: Dynamische Programmierung, Greedy Algorithmen Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 39 / 63
40 Übersicht Übersicht Indexstrukturen und Hashing Mehrdimensionale Objekte (R-Baum) Hohe Dimensionen (LSH) Quad-Tree,... Indexierung im metrischen Raum (M-Baum) Erweiterbares/Lineares Hashing Nächste-Nachbar-Anfragen, Skylines und Top-k Algorithmen Nächste-Nachbarn-Anfragen im R-Baum Fagin s Algorithmus, Schwellwert-Algorithmen Skyline Operator Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 40 / 63
41 Übersicht Übersicht Transaktionsverwaltung Transaktionskonzept, Ablauf von Transaktionen Commit-Protokolle Serialisierbarkeit Anomalien im Mehrbenutzerbetrieb Theorie der Serialisierbarkeit Klassen von Historien Synchronisation und Sperrverfahren Sperrprotokolle Nicht-sperrende Protokolle Zweiphasen-Sperrprotokolle Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 41 / 63
42 Übersicht Übersicht Logging und Recovery Fehlermodelle und Recovery-Arten Logging-Strategien Sicherungspunkte Probabilistische Datenbanken Konzept der möglichen Welten Intensionale vs. Extensionale Auswertung und Komplexität Neuere Entwicklungen im Bereich Datenbanksysteme Column-Stores In-Memory-Datenbanken Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 42 / 63
43 Übersicht Übersicht MapReduce MapReduce Grundlagen Joinberechnung in MapReduce evtl. Datenschutz und Zugriffskontrolle Technische Probleme des Datenschutzes Konzepte der Zugriffskontrolle, Zugriffskontrolle in SQL Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 43 / 63
44 Übersicht Literaturliste A. Kemper und A. Eickler. Datenbanksysteme. Oldenbourg-Verlag, T. Härder und E. Rahm. Datenbanksysteme. Springer H. Garcia-Molina, J. Ullman, J. Widom. Database Systems - The Complete Book. Pearson Prentice Hall R. Elmasri, S. Navathe. Fundamentals of database systems. Pearson R. Ramakrishnan und J. Gehrke. Database Management Systems H. Samet. Foundations of Multidimensional and Metric Data Structures. Morgan Kaufmann Publishers G. Weikum und G. Vossen. Transactional Information Systems. Morgan Kaufmann Publishers Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 44 / 63
45 Organisatorisches Organisatorisches Vorlesung 4 SWS Vorlesung: Wöchentlich, Dienstags und Donnerstags. Dienstags, Raum , 11:45 bis 13:15 Uhr Donnerstags, Raum , 15:30 bis 17:00 Uhr 2 SWS Übung: Wöchentlich, Mittwochs. 8:15 bis 9:45. Raum : Übungsgruppenleiter: Manuel Hoffmann. 15:30 bis 17:00. Raum : Übungsgruppenleiter: Marc Dörr. Klausur Abschlussklausur am 19. Februar 2017 (Stand der Planung) Zweite Klausur am 26. März 2017 (Stand der Planung) Für die Zulassung zur Klausur bedarf es einer erfolgreichen Teilnahme am Übungsbetrieb. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 45 / 63
46 Organisatorisches Regeln zum Übungsbetrieb Melden Sie sich im OLAT für die Übung an. Zugangscode: force-nosteal Zulassungskriterien Es gibt insgesamt 50 Aufgaben verteilt auf 12 Blätter. Mit dem korrekten und vollständigen Bearbeiten jeder Aufgabe können Sie jeweils einen Punkt erreichen. Um die Zulassung zur Abschlussklausur zu bekommen, müssen Sie 35 der insgesamt 50 Punkte erhalten (Bearbeitungspunkte). 15 der 50 Aufgaben müssen Sie in der Übung vorstellen können (Präsentationspunkte). Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 46 / 63
47 Organisatorisches Regeln zum Übungsbetrieb (2) Abgabe Für jedes Übungsblatt gibt es eine Frist - in der Regel Montag 16:00 Uhr MEZ - zu der die Aufgaben als PDF in OLAT abgegeben werden müssen. Die Abgabe erfolgt in Zweiergruppen und besteht aus einem PDF pro Übungsblatt. Darüber hinaus müssen Sie individuell markieren, ob Sie für diese Aufgabe einen Präsentationspunkt erhalten möchten. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 47 / 63
48 Organisatorisches Regeln zum Übungsbetrieb (3) Bepunktung Die Bearbeitungspunkte werden von uns zeitnah nach der Abgabe vergeben, wenn Sie die jeweilige Aufgabe vollständig und korrekt bearbeitet haben. Um einen Präsentationspunkt zu erhalten, müssen Sie die entsprechende Aufgabe im OLAT markieren. In der nächsten Übung zeichnen Sie auf einer Liste gegen, dass Sie diese Aufgabe vorrechnen wollen, und unter allen Kandidaten wählt Ihr Tutor einen aus, welcher dann seine Lösung präsentiert, falls diese komplett richtig bearbeitet wurde. Wurde die Aufgabe nicht komplett richtig bearbeitet, wird der Präsentationspunkt nicht anerkannt. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 48 / 63
49 Organisatorisches Vorlesungsfolien und Übungsblätter Vorlesungsfolien Ein in der Regel recht vollständiger Draft wird einen Tag vor der Vorlesung online gestellt. Stabile Version folgt dann nach der VL (bzgl. Typos, Anmerkungen,...). Übungsblätter Ausgabe in der Regel Dienstags in der Vorlesung. Abgabe via OLAT bis Montag der darauffolgenden Woche (Abgabetermin ist auf Übungsblatt angegeben) Besprechung in den folgenden Übungen. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 49 / 63
50 Anfrageverarbeitung Postgresql Einschub In dieser Vorlesung wird Postgresql verwendet/betrachtet The world s most advanced open source database Einfach zu installieren Gute SQL-Unterstützung Transaktionen Gute Dokumentation (es gibt auch Bücher dazu) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 50 / 63
51 Anfrageverarbeitung Postgresql Einschub Beispieldatenbanken zum Üben Installieren Sie eine aktuelle Version von Postgresql. Folgende Daten stellen wir Ihnen als Postgresql-Dump bereit: 1. Die Universitäts-Datenbank 2. Eine bereits generierte Version des TPC-H Benchmark-Datensatzes können Sie hier herunterladen: dbs/protected/tpch.dmp.gz dbs/protected/uni_db.dmp Login wird benötigt (außerhalb der Uni): Benutzername: dbs1718 Passwort 1 : 1 Wird/Wurde in der VL bekannt gegeben Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 51 / 63
52 Anfrageverarbeitung Postgresql Einschub PSQL: Command Line Interface Anfragen ausführen, Schema anlegen, Daten aus CVS-Dateien laden, Skripte ausführen,... siehe Befehlsübersicht via \? Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 52 / 63
53 Anfrageverarbeitung Postgresql Einschub Beispiel: Datenbank erzeugen und Dump einspielen Datenbank erzeugen In GUI oder via command line: createdb university Daten einspielen Mit GUI oder via command line (und psql Kommando): psql university < uni db.dmp Achtung: es gibt auch backup/restore. Dumps sind reine SQL Statements und Daten, werden erzeugt mit pg dump databasename Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 53 / 63
54 Anfrageverarbeitung Postgresql Einschub PGAdmin3 User Interface: Download unter Features Query Builder Sehr anschauliche Darstellung von Ausführungplänen (explain plan) Komfortable Administration (Benutzer, Rechteverwaltung,...) Im OLAT gibt es ein paar Videos zu pgadmin bzw. Import von Daten-Dumps in Postgresql. Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 54 / 63
55 Anfrageverarbeitung Postgresql Einschub PGAdmin3 (2) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 55 / 63
56 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (1) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 56 / 63
57 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (2) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 57 / 63
58 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (3) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 58 / 63
59 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (4) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 59 / 63
60 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (5) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 60 / 63
61 Anfrageverarbeitung Postgresql Einschub PGAdmin3: query builder (6) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 61 / 63
62 Anfrageverarbeitung Postgresql Einschub Postgresql/PGAdmin3: Explain Plan (1) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 62 / 63
63 Anfrageverarbeitung Postgresql Einschub Postgresql/PGAdmin3: Explain Plan (2) Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 17/18 63 / 63
Vorlesung 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,
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,,
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
MehrDatenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16.
Datenbanksysteme Wintersemester 2015/16 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de Wiederholung aus Infosys Wiederholung Infosys: So ging es los... Abbilden eines Teilaspekts
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: 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
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,,...,
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):
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)
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,
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)
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!
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!
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
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
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
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
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
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,
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
MehrSWE4 Slide 1. Software-Engineering. Vorlesung 4 vom Sebastian Iwanowski FH Wedel
SWE4 Slide Software-Engineering Vorlesung 4 vom 08..2004 Sebastian Iwanowski FH Wedel SWE4 Slide 2 Software-Engineering Vorlesungsthemen:. Überblick über das Thema und die Vorlesung 2. Grundlegende Prinzipien
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
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
MehrStudierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert:
Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: Lehrangebot des FG Informationssysteme Modellierung Datenbanken Internet-Suchmaschinen Information
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)
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
MehrDatenintegrität. Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung Statische vs. dynamische Integritätsbedingungen Statische Integritätsbedingungen Bedingungen
MehrSoftware-Engineering
SWE42 Slide Software-Engineering Sebastian Iwanowski FH Wedel Kapitel 4: Systemanalyse Teil 2: Datenorientierte Sicht SWE42 Slide 2 Systemanalyse: Datenorientierte Sicht Entity-Relationship-Modellierung
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
MehrInformationssysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Sommersemester
Informationssysteme Sommersemester 2016 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de Wiederholung: Betriebliche Informationssysteme ˆ spiegeln Geschäftsmodell eines Unternehmens
MehrRelationales Datenmodell Relationale Algebra
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Relationale Algebra Dr. Thomas Gottron Wintersemester 2012/13 Lernziele Grundbegriffe des Relationalen Modells Abbildung von ER-Diagrammen
MehrReferentielle Integrität
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Integritätsbedingungen Bedingungen an den Zustand der Datenbasis dynamische
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.
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.
MehrInformationssysteme Übersicht Sommersemester 2017
Prof. Dr.-Ing. Stefan Deßloch AG Heterogene Informationssysteme Zi. 36/329, Tel.: 0631-205-3275 E-Mail: dessloch@cs.uni-kl.de Informationssysteme Übersicht Sommersemester 2017 http://wwwlgis.informatik.uni-kl.de/cms/courses/informationssysteme/
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:
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
MehrObjektorientierte Datenbanken
OODB 1 Slide 1 Objektorientierte Datenbanken Vorlesung 1 Sebastian Iwanowski FH Wedel OODB 1 Slide Organisatorisches Vorlesung Mittwochs, 09:30 10:5 Raum HS Übung Dienstags, 09:30 10:5 (erstmalig am 1.0.)
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
MehrRelationale Abfragesprachen
Relationale Abfragesprachen Relationale Abfragesprachen VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Relationale Abfragesprachen 1 Überblick
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
MehrRückblick: Datenbankentwurf
Rückblick: Datenbankentwurf Entity-Relationship-Modell für konzeptuellen Entwurf Entitytypen (entity types) (z.b. Studenten) Beziehungstypen (relationships) (z.b. hören) Attribute beschreiben Gegenstände
MehrAufgabe 1: Verschachtelte Anfragen
Aufgabe 1: Verschachtelte Anfragen (1 P.) (a) Betrachten Sie folgenden Ausschnitt des TPC-H Schemas: CREATE TABLE partsupp ( ps_ availqty INT, ps_ partkey INT ); CREATE TABLE lineitem ( l_ partkey INT,
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
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
MehrDatenbanksysteme I. Lehrveranstaltungen zu Datenbanken (SS 07) DBS 2 (2+1) DBS2 IDBS2. Datenschutz und Datensicherheit. Data-Warehouse- Praktikum
Datenbanksysteme I Prof. Dr. E. Rahm Sommersemester 007 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de Prof. E. Rahm 0-1 Lehrveranstaltungen zu Datenbanken (SS 07) (WINF) (WS, +1)
MehrDas Relationale Modell
Kapitel 3 Das Relationale Modell 1 / 50 Generelle Anmerkungen Wurde in den Siebzigern von E.F.Codd entwickelt (er bekam den Turing Award dafür) Im Moment das am weitesten verbreitete Datenmodell Hat die
MehrRelationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls
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)
MehrDatenbanken. Seminararbeit. Einführung in das wissenschaftliche Arbeiten
Seminararbeit vorgelegt von: Gutachter: Studienbereich: Christian Lechner Dr. Georg Moser Informatik Datum: 6. Juni 2013 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung in Datenbanken 1 1.1 Motivation....................................
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
MehrDatenbanken I - Einführung
- Einführung April, 2011 1 von 30 Outline 1 Organisatorisches 2 Vorlesungsinhalt 3 Begrisklärung 4 Motivation 5 Abstraktion 6 Datenmodelle 7 Literaturangabe 2 von 30 Scheinkriterien Belegübung Regelmäÿige
MehrEinsatz und Realisierung von Datenbanken. Prof. Alfons Kemper Lehrstuhl für Informatik III: Datenbanksysteme
Einsatz und Realisierung von Datenbanken Prof. Alfons Kemper Lehrstuhl für Informatik III: Datenbanksysteme kemper@in.tum.de Primärliteratur: Datenbanksysteme: Eine Einführung Alfons Kemper und Andre
MehrDatenbanken. Prof. Dr. Gerd Stumme Dipl.-Inform. Christoph Schmitz. FG Wissensverarbeitung FB Mathematik/Informatik
Datenbanken Prof. Dr. Gerd Stumme Dipl.-Inform. Christoph Schmitz FG Wissensverarbeitung FB Mathematik/Informatik 1 Organisatorisches Vorlesung Beginn: 12. April 2005 Dienstag, 14.00 16.00 Uhr, Raum 1332
MehrDatenmodellierung. VU , SS 2016 Relationale Abfragesprachen SQL. Nysret Musliu, Sebastian Skritek
Relationale Abfragesprachen Datenmodellierung VU 184685, SS 2016 Relationale Abfragesprachen SQL Nysret Musliu, Sebastian Skritek Institut für Informationssysteme Technische Universität Wien Nysret Musliu,
MehrEinsatz und Realisierung von Datenbanken. Prof. Alfons Kemper Lehrstuhl für Informatik III: Datenbanksysteme
Einsatz und Realisierung von Datenbanken Prof. Alfons Kemper Lehrstuhl für Informatik III: Datenbanksysteme kemper@in.tum.de Primärliteratur: Datenbanksysteme: Eine Einführung Alfons Kemper und Andre
Mehr2.5 Relationale Algebra
2.5 Relationale Algebra 2.5.1 Überblick Codd-vollständige relationale Sprachen Relationale Algebra Abfragen werden durch exakte Angabe der auf den Relationen durchzuführenden Operationen formuliert Relationenkalküle
MehrDatenintegrität. Bisherige Integritätsbedingungen
Datenintegrität Integitätsbedingungen chlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Bedingungen an den Zustand der Datenbasis dynamische Bedingungen an Zustandsübergänge
MehrDatenbanksysteme (1)
Kapitel 18: Datenbanksysteme (1) Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht Datenbanken und Datenbanksysteme Entity/Relationship-Modell (ERM) Das Relationale Datenmodell
MehrKap. 3 Relationenmodell mit relationaler Algebra
Kap. 3 Relationenmodell mit relationaler Algebra Kap. 3.1. Trägermenge Seien D 1, D 2,..., D k Domänen: (Typen, Arten, Sorten, Wertmengen) z.b. string integer real Boolean DateTime BLOB, TIFF-image, HTML-Doc,
MehrAcknowledgments. Datenmodellierung. Übersicht. Das Relationale Modell: Begriffsklärung VU , WS Das relationale Modell
Das relationale odell Das relationale odell Acknowledgments Datenmodellierung VU 184.685, WS 2015 Das relationale odell Sebastian Skritek Die Folien sind eine kleine Erweiterung der Folien von Katrin Seyr.
MehrGrundlagen Datenbanken (GDB)
Grundlagen Datenbanken (GDB) Prof. Alfons Kemper, Ph. D. Lehrstuhl für Informatik III: Datenbanksysteme TU München kemper@in.tum.de 1 2 Vorlesungsmodalitäten 3 V + 2 Ü Übung findet wöchentlich statt (nächste
MehrDatenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt
2. Datenbankentwurf Motivation Datenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt Fehler sind umso teurer zu beheben, je weiter die Entwicklung bzw. der Einsatz
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-
MehrDatenbanksysteme (2) Einführung in SQL
Kapitel 19: Datenbanksysteme (2) Einführung in SQL Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht 1. Einführung SQL 2. Datenbankanfragen mit SQL (select from where) 3.
MehrGrundlagen von Datenbanken. Wolfram Wingerath, Steffen Friedrich, Fabian Panse Informationssysteme (ISYS)
Grundlagen von Datenbanken Wolfram Wingerath, Steffen Friedrich, Fabian Panse Informationssysteme (ISYS) Organisatorisches Arbeitsmaterial: http://vsis-www.informatik.uni-hamburg.de/teaching/ws-15.16/gdb
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
MehrDATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
MehrKapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies
Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge
MehrGrundlagen: Datenbanken
Grundlagen: Datenbanken 1. Zentralübung Harald Lang FAQs Ist der Prüfungtermin schon bekannt? Termin: Mi. 18.02.2015, 08:00 Uhr FAQs Gilt der Bonus auch für die Nachholklausur? Ja. Selbst dann, wenn die
MehrEntwicklungsumgebung für die Laborübung
Entwicklungsumgebung für die Laborübung VL Datenbanksysteme Ingo Feinerer Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Gliederung
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
MehrEinführung, Entity-Relationship Modell 9. DATENBANKSYSTEME: DAS ENTITY RELATIONSHIP MODELL
Einführung, Entity-Relationship Modell 9. DATENBANKSYSTEME: DAS ENTITY RELATIONSHIP MODELL 304 Literatur, Quellen Literatur: Kemper, Eickler: Datenbanksysteme: Eine Einführung. Oldenbourg Verlag, 9. Auflage,
MehrGrundlagen: Datenbanken
Grundlagen: Datenbanken 3. Zentralübung / Fragestunde Linnea Passing Harald Lang gdb@in.tum.de Diese Folien finden Sie online. Die Mitschrift stellen wir im Anschluss online. Agenda Hinweise zur Klausur
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:
MehrDatenbanken 1. Relationale Algebra. Nikolaus Augsten. FB Computerwissenschaften Universität Salzburg
Datenbanken 1 Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg http://dbresearch.uni-salzburg.at Sommersemester 2015 Version: 29. Juni 2015 Augsten (Univ. Salzburg)
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof Alfons Kemper, PhD Blatt Nr 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS5/6 Harald Lang, Linnea Passing (gdb@intumde) http://www-dbintumde/teaching/ws56/grundlagen/
MehrNachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)
Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der
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 r. 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS5/6 Harald Lang, Linnea Passing (gdb@in.tum.de)
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
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
MehrDatenbanken Entity-Relationship-Modell und Datenbankentwurf 1. Andreas Heß Hochschule Furtwangen
Datenbanken Entity-Relationship-Modell und Datenbankentwurf 1 Andreas Heß Hochschule Furtwangen Inhalte heute Einführung ins Entity-Relationship-Modell Einführung ins relationale Modell Umsetzung vom E/R-
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
MehrSchema: konkrete Beschreibung einer bestimmten. (unter Verwendung eines Datenmodells)
Datenmodellierung DBS kann vieles, aber nicht alles! Benutzer muss spezifizieren Anforderungen einer Anwendung Art von zu speichernden Daten Zwei wichtige Konzepte beim Entwurf: Datenmodell: Konstrukte
MehrDatenbanken. Prof. Dr. Gerd Stumme Dr. Andreas Hotho Dipl.-Inform. Christoph Schmitz. FG Wissensverarbeitung FB Mathematik/Informatik
Datenbanken Prof. Dr. Gerd Stumme Dr. Andreas Hotho Dipl.-Inform. Christoph Schmitz FG Wissensverarbeitung FB Mathematik/Informatik 1 Organisatorisches Vorlesung Beginn: 17. April 2006 Dienstag, 14.15
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
MehrTransaktionsverwaltung
Transaktionsverwaltung VU Datenbanksysteme vom 21.10. 2015 Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Transaktionsverwaltung
MehrRelationen-Algebra. Prof. Dr. T. Kudraß 1
Relationen-Algebra Prof. Dr. T. Kudraß 1 Relationale Anfragesprachen Query Language (QL): Manipulation und Retrieval von Daten einer Datenbank Relationenmodell erlaubt einfache, mächtige Anfragesprachen
MehrAnfrageoptimierung Logische Optimierung
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Logische Optimierung Dr. Thomas Gottron Wintersemester 2012/13 Ablauf der Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer
MehrDatenbanken. Einführung. Tobias Galliat. Sommersemester 2012
Datenbanken Einführung Tobias Galliat Sommersemester 2012 Basistext: A. Kemper, A. Eickler: Datenbanksysteme, Oldenbourg Verlag, München, 2011, 8. Auflage, Preis: 39,80 ebenfalls empfehlenswert: T. Kudraß
MehrÜbungen zu Datenbanksysteme
Institut für Informatik Universität Osnabrück, 19.05.2009 Prof. Dr. Oliver Vornberger http://www-lehre.inf.uos.de/ dbs Dipl.-Math. Patrick Fox Abgabe bis 02.06.2009, 12:00 Uhr Übungen zu Datenbanksysteme
MehrDatenbanksysteme (5 LP) Softwaretechnik (5 LP) Kommunikationssysteme (5 LP) Automaten und Sprachen. Diskrete Strukturen (5 LP)
Datenbanksysteme I Prof. Dr. E. Rahm Wintersemester 2013/2014 DBS 1 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de WS13/14, Prof. Dr. E. Rahm 0-1 BACHELOR Informatik Algorithmen
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
MehrGarten - Daten Bank. - survival pack -
Garten - Daten Bank - survival pack - Dr. Karsten Tolle PRG2 SS 2017 Inhalt heute Kurz: Motivation und Begriffe SQL (survival pack) create table (Tabelle erzeugen) insert into (Einfügen) select (Anfragen)
MehrDatenbanken. Prof. Dr. Gerd Stumme Dr. Andreas Hotho Dipl.-Inform. Christoph Schmitz. Organisatorisches. Organisatorisches.
Datenbanken Prof. Dr. Gerd Stumme Dr. Andreas Hotho Dipl.-Inform. Christoph Schmitz Präsenzübung bedeutet selbständiges Bearbeiten des Übungsblattes in Kleingruppen à 3-4 Personen unter Betreuung des Assistenten
Mehr9. Sicherheitsaspekte
9. Sicherheitsaspekte Motivation Datenbanken enthalten häufig sensible Daten (z.b. personenbezogene oder unternehmenskritische) Vielzahl verschiedener Benutzer hat Zugriff (z.b. Anwendungen, Mitarbeiter,
MehrÜbung Datenbanken in der Praxis. Datenmodifikation mit SQL
Datenmodifikation mit SQL Folie 45 SQL - Datenmodifikation Einfügen INSERT INTO Relation [(Attribut, Attribut,...)] VALUES (Wert, Wert,...) INSERT INTO Relation [(Attribut, Attribut,...)] SFW-Anfrage Ändern
Mehr