Kapitel 3: Abbildung auf das relationale
|
|
- Laura Lehmann
- vor 5 Jahren
- Abrufe
Transkript
1 LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 3: Abbildung auf das relationale Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität München (c) Peer Kröger 2011, basierend auf dem Skript von Christian Böhm aus dem SoSe Abbildung auf das relationale Datenmodell 1. Einführung 2. Spaghetti-Modell 3. TIGER-Modell 4. Schwächen des relationalen Modells Geo-Informationssysteme 2
2 3.1 Punkt (I) Träger der geometrischen Information, auf dem die anderen Grundelemente aufbauen Die Lage eines Punktes im Datenraum wird über Koordinaten bezüglich eines Koordinationssystems bestimmt Kartesisches Koordinatensystem (Distanzen in Richtung der Koordinatenachsen) z.b. x = 1310, y = 1278 Polarkoordinatensystem (Winkel und Distanz vom Ursprung) z.β. = 45, r = 1441 Geo-Informationssysteme Punkt (II) Geographisches Koordinatensystem (Einteilung in Längen- und Breitengrade) Geo-Informationssysteme 4
3 3.1 Punkt (III) Der Datenraum ist ein metrischer Raum: Zwischen zwei Punkten P1 und P2 ist eine (nicht-negative) Distanz d (Metrik) definiert, so daß d (P1,P2) P2) = 0 P1 = P2 (Identität) d (P1,P2) = d (P2,P1) (Symmetrie) d (P1,P2) d (P1,P3) + d (P3,P2) (Dreiecks-Ungleichung) g z.b. Euklidische Distanz: d ( (x1,y1), (x2,y2) ) = 2 z.b. Manhattan Distanz: d ( (x1,y1), (x2,y2) ) = x1 - x2 + y1 - y2 Es können weitere vermessungstechnische Informationen zugeordnet sein: Höhe, Nummer, Art der Erfassung, Genauigkeit, Datum der Erfassung,... Geo-Informationssysteme Linien als topologische Eigenschaft: Kante direkte Verbindung zwischen zwei Punkten alle direkten Verbindungen zwischen zwei Punkten sind topologisch äquivalent topologisch äquivalent: die relative Lage zweier Objekte zueinander ist gleich als geometrische Eigenschaft: Strecke oder Streckenzug Strecke: geradlinige Verbindung zwischen zwei Punkten, Streckenzug: Folge von Strecken alternativ: Kurven (z.b. Kreisbögen, Bézier-Kurven) Geo-Informationssysteme 6
4 3.1 Fläche Fläche ohne Löcher über geschlossenen Kanten- / Streckenzug definiert Polygon: geschlossener Streckenzug einfaches Polygon: Strecken sind bis auf die Eckpunkte überlappungsfrei Fläche mit Löchern Modellierungsalternativen: über ein äußeres Polygon und 0, 1 oder mehrere innere Polygone mit Hilfe von Pseudokanten Geo-Informationssysteme Spaghetti-Modell ist ein einstufiges Vektormodell Jedes Objekt wird als Folge ausgezeichneter (x,y)-koordinaten (z.b. der Eckpunkte) definiert. Die Repräsentation zweier Objekte ist unabhängig voneinander (d.h. gleiche Punkte werden mehrfach gespeichert). Objektklassen Punkt Streckenzug einfaches Polygon Eigenschaften: einfach keine explizite topologische Information (insbesondere keine Löcher in Polygonen explizit modellierbar) starke Redundanz d Geo-Informationssysteme 8
5 3.3 Zweistufige Vektormodelle mit Koordinatenreferenzierung Polygon: geordnetes Verzeichnis von Punktreferenzen mit Streckenzugreferenzierung Polygon: geordnetes Verzeichnis von Steckenzugreferenzen (Orientierungsinformation notwendig) Polygon über Verzeichnis repräsentiert (Datenstruktur variabler Größe) keine Löcher, keine Nachbarschaftsinformation modelliert Geo-Informationssysteme Topologische Vektormodelle (I) explizite Speicherung der topologischen Struktur einfache Bestimmung von benachbarten Objekten höherer Aufwand bei Änderungen höherer Speicheraufwand DIME Dual Independent Map Encoding System (U.S. Bureau of Census, 1970) Grundelement: Kante hat vier Zeiger (Anfangs- und Endpunkt, links und rechts liegende Fläche) Geo-Informationssysteme 10
6 3.3 Topologische Vektormodelle (II) TIGER-Modell Topologically Integrated Geographic Encoding and Referencing Model (Marx, 1986) Datentypen: 0-Zellen: Knoten: Endpunkte von Steckenzügen, Schnittpunkte 1-Zellen: Kante: Verbindung zweier 0-Zellen 2-Zellen: Fläche, die durch Verknüpfung von 1-Zellen beschrieben werden kann (geschlossener Kantenzug) Cover: Vereinigung von 2-Zellen Organisation: Listen für 0-, 1- und 2-Zellen, Directories für 0-Zellen und Cover (Datenstrukturen fester Größe) Geo-Informationssysteme Topologische Vektormodelle (II) TIGER-Modell (Fortsetzung) 0-Zelle besteht aus ihren Koordinaten, verschiedenen Attributen und einem Verweis zu einer 1-Zelle 2-Zelle besteht insbesondere aus verschiedenen Attributen und einem Verweis zu einer 1-Zelle 1-Zelle (Kante) zentrale Struktur: verbindet 0-Zellen und umschließt 2-Zellen besteht insbesondere aus zwei Verweisen auf 0-Zellen (Anfangs- und Endpunkt) zwei Verweisen auf 2-Zellen (linke und rechte Fläche) je einen Verweis auf die nächste 1-Zelle Zelle, die zu der entsprechenden 2-Zelle gehört einem Verweis auf eine Beschreibungsliste (für interne Punkte) Geo-Informationssysteme 12
7 3.3 Topologische Vektormodelle (III) TIGER-Modell (Fortsetzung) Beispiel Geo-Informationssysteme Topologische Vektormodelle (IV) Äquivalentes Modell (Datenstrukturen variabler Größe) Knoten Verweise zu allen Kanten (umlauforientiert) Koordinaten (Geometrie) Kante (auch geschlossen) zwei Verweise auf Eckknoten zwei Verweise auf benachbarte Flächen Verweis auf eine Beschreibungsliste (für interne Punkte, Geometrie) Fläche (mit Löchern) Verweise zu allen umgebenden Kanten (ablauforientiert) Verweise zu allen eingeschlossenen Kanten (Menge, ablauforientiert) Verweis auf Cover Cover Verweise auf Flächen Geo-Informationssysteme 14
8 3.4 Integration in ein relationales DBS Ebenen eines DBS unterschiedliche Sichten verschiedener Benutzer / Anwenderprogramme auf die Daten logische Gesamtsicht aller Daten externe und konzeptionelle Ebene logisches Datenmodell Anfragesprache interne Ebene physische Datenrepräsentation Anfragebearbeitung und -optimierung physische Datenorganisation Geo-Informationssysteme Schwächen auf konzeptioneller Ebene Schema für mehrstufiges Vektormodelll Geo-Informationssysteme 16
9 3.4 Schwächen auf konzeptioneller Ebene Anfragen an dieses Schema Bestimme alle Koordinaten der Parzelle Par1: Probleme SELECT Punkte.x, Punkte.y FROM Parzellen, Polygone, Kanten, Punkte WHERE (Parzellen.OID=Par1) AND (Parzellen.PolID = Polygone.PolID) AND (Polygone.KID = Kanten.KID) AND (Kanten.Von = Punkte.PID); hoher Aufwand für Zugriff auf alle Komponenten eines Polygons (Joins) Antwort auf Anfrage ist unsortiert (kein Objekt Polygon) Objektorientiertes Datenmodell Geo-Informationssysteme Objektorientiertes Datenmodell (I) Objekte Objekte sind vom Benutzer definierte Entities, die aus Werten oder anderen Objekten aufgebaut sind (Attribute). Attribute können listen- oder mengenwertig sein. Objekttypen Ein Objekttyp ( Klasse ) beschreibt die Charakteristika einer Menge ähnlicher h Objekte. Ein Objekt ist eine konkrete Instanz seines Objekttyps, hat also dessen Charakteristika. Geo-Informationssysteme 18
10 3.4 Objektorientiertes Datenmodell (I) Beispiel: type Vertex is public... body [x, y, z: float;] end type Vertex; type Cuboid is public... body [mat: Material; value: float; vertices: <Vertex>;]// Typ: Liste von Vertices end type Cuboid; Geo-Informationssysteme Objektorientiertes Datenmodell (II) Operationen Jeder Objekttyp bietet an seiner Benutzerschnittstelle eine Menge von Operationen an, mit deren Hilfe Instanzen dieses Typs manipuliert werden können. Neben diesen Operationen gibt es keine andere Möglichkeit, von außen den internen Zustand eines Objekts abzufragen oder zu ändern. Geo-Informationssysteme 20
11 3.4 Objektorientiertes Datenmodell (II) Beispiel: type Vertex is public translate, scale, rotate, distance, inorigin,... // Benutzerschnittstelle body [x, y, z: float;] operations declare translate: Vertex void; declare scale: Vertex void; declare rotate: float, char void; declare distance: Vertex float; declare inorigin: bool;... implementation... end type Vertex; // Änderungsfunktion // Änderungsfunktion // Änderungsfunktion // Beobachterfunktion // Beobachterfunktion Geo-Informationssysteme Objektorientiertes Datenmodell (III) Modellierung von Spatial Data Types type Vertex is type Edge is public distance, contained_in,... public... body [x, y: float;] body [begin, end: Vertex;] end type Vertex; end type Edge; type Polygon is type Region is // Parzelle public intersect,... public... body [boundary: <Edge>; body [name: string;...] extension: Polygon; area: float;] end type Polygon; end type Region; Geo-Informationssysteme 22
12 3.4 Objektorientiertes Datenmodell (III) Bestimme alle Koordinaten der Parzelle Par1: select x, y from (select begin from (select r.extension.boundary from r in Region where r.name = Par1 )) Geo-Informationssysteme Objektorientiertes Datenmodell (IV) Vorteile Spatial Data Types können definiert werden, die in Attributen referenziert werden können. Die Modellierung von Eigenschaften variabler Kardinalität ist einfach mit Hilfe listenbzw. mengenwertiger Attribute. Logisch zusammengehörige Objekte werden physisch benachbart gespeichert (Clustering), so daß das Einlesen / Ändern eines Geo- Objektes relativ effizient möglich ist. In den Anfragen können die Operationen der benutzerdefinierten Objekttypen verwendet werden. Geo-Objekte als Objekte modellierbar effizienter Zugriff auf ein Geo-Objekt Geo-Informationssysteme 24
13 3.4 Objektorientiertes Datenmodell (IV) Schwächen Zugriff auf mehrere benachbarte Geo-Objekte ist noch nicht effizient unterstützt (Erweiterung analog TIGER-Modell möglich) Unterstützung durch ausgereiftes DBMS oft schwierig Geo-Informationssysteme Schwächen auf interner Ebene Aufgaben der internen Ebene physische Datenrepräsentation Anfragebearbeitung und optimierung... Ziele dauerhafte (persistente) Speicherung der Daten effiziente Bearbeitung von thematischen und geometrischen Anfragen, von Kombinationen, von topologischen Operationen usw. Kriterien für Effizienz: Antwortzeit für einzelne Anfragen Durchsatz über alle Anfragen dynamisches Einfügen, Löschen und Verändern von Daten hohe Speicherplatzausnutzung Geo-Informationssysteme 26
14 3.4 Schwächen auf interner Ebene Physische Datenspeicherung seitenorientiert Seite: Transfereinheit zwischen Haupt- und Sekundärspeicher Wahlfreier (direkter) Zugriff Feste Größe: zwischen 512 Byte und 8 Kbyte Zugriff über einen Kamm mit Schreib-/Leseköpfen, der quer zu sich rotierenden Magnetplatten bewegt wird Positionierung i des Schreib-/Lesekopfes [6 msec] Warten auf Seite [4 msec] Kontrolle + Übertragung der Seite [1 msec + 0,2 msec / 2KByte Seite] Entwicklung: Kapazität von Plattenspeichern erhöht sich drastisch Zugriffszeiten sinken relativ langsam Zugriffe auf Sekundärspeicher sind verglichen mit Hauptspeicheroperationen sehr zeitaufwendig; Minimierung i i der Anzahl der Seitenzugriffe iff Geo-Informationssysteme Konventionelle Indexstrukturen (I) B-Bäume Bäume Ein Baum heißt Suchbaum, wenn für jeden Eintrag in einem inneren Knoten alle Schlüssel im linken Teilbaum kleiner sind und alle Schlüssel im rechten Teilbaum größer sind als der Schlüssel im Knoten. Ein B-Baum der Ordnung m ist ein Suchbaum mit folgenden Eigenschaften: (1) Jeder Knoten enthält höchstens 2m Schlüssel. (2) Jeder Knoten außer der Wurzel enthält mindestens m Schlüssel. (3) Die Wurzel enthält mindestens einen Schlüssel. (4) Ein Knoten mit k Schlüsseln hat genau k+1 Söhne. (5) Alle Blätter befinden sich auf demselben Level. Geo-Informationssysteme 28
15 3.4 Konventionelle Indexstrukturen (I) Beispiel: B-Baum der Ordnung 2 Höhe eines B-Baums für n Schlüssel ist O(log n) Geo-Informationssysteme Konventionelle Indexstrukturen (II) Leistung Einfügen, Löschen und Punktanfrage im B-Baum sind auf einen Pfad beschränkt und damit in O(log n) Laufzeitkomplexität Weitere Ziele Sequentielles Auslesen aller Datensätze, die von einem B-Baum organisiert werden. Unterstützung von Bereichsanfragen der Form: Nenne mir alle Studenten, deren Nachname im Bereich [Be... Brz] liegt. Idee Trennung der Indexstruktur in Directoryknoten (innere Knoten) und Datenknoten (Blätter). Sequentielle Verkettung der Datenknoten. B+-Baum Die Datenknoten enthalten alle Datensätze. Directoryknoten enthalten nur noch Separatoren s. Geo-Informationssysteme 30
16 3.4 Konventionelle Indexstrukturen (III) Separatoreigenschaft Für jeden Separator s(u) eines Knotens u gelten folgende Separatoreneigenschaften: s(u) > s(v)für alle Directoryknoten v im linken Teilbaum von s(u). s(u) < s(w)für alle Directoryknoten w im rechtenteilbaum von s(u). s(u) > k(v )für alle Primärschlüssel k(v ) und alle Datenknoten v im linken Teilbaum von s(u). s(u) k(w )für alle Primärschlüssel k(w ) und alle Datenknoten w im rechten Teilbaum von s(u). Geo-Informationssysteme Konventionelle Indexstrukturen (III) Separatoreigenschaft Beispiel: B+-Baum für Zeichenketten Geo-Informationssysteme 32
17 3.4 Konventionelle Indexstrukturen (IV) B-Bäume Bäume für Geo-Objekte Lineare Ordnung des 2D Raums nötig Beispiel im 2D benachbarte Objekte werden häufig miteinander angefragt es gibt keine lineare Ordnung, die alle Nachbarschaften des 2D-Raums erhält die Antworten auf eine Fensteranfrage sind über den ganzen Index verteilt Geo-Informationssysteme Konventionelle Zugriffsstrukturen (V) Hashverfahren Zuordnung der Objekte zu Einträgen einer Hashtabelle Voraussetzung: Definition iti einer Hashfunktion mit möglichst wenigen Kollisionen im 2D benachbarte Objekte auf dieselbe bzw. benachbarte Adresse abbilden ähnliche Probleme wie bei B-Bäumen Bäumen Geo-Informationssysteme 34
3. Abbildung auf das relationale Datenmodell
3. Abbildung auf das relationale Datenmodell 1. Einführung 2. Spaghetti-Modell 3. TIGER-Modell 4. Schwächen des relationalen Modells Geo-Informationssysteme 40 3.1 Punkt (I) Träger der geometrischen Information,
Datenmodell. Skript zur Vorlesung Geo-Informationssysteme. Wintersemester 2014/15 Ludwig-Maximilians-Universität München
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 3: Abbildung auf das relationale Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15
Kapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
Kapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2013/14 Ludwig-Maximilians-Universität
{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
Klasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE)
4.4 Quadtrees Überblick Klasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE) Verwaltung von Punkten, Kurven, Flächen usw., häufig
4.4 Quadtrees. Literatur
4.4 Quadtrees Überblick Klasse räumlicher Indexstrukturen, die den Datenraum rekursiv in 4 gleich große Zellen unterteilen (Quadranten NW, NE, SW, SE) Verwaltung von Punkten, Kurven, Flächen usw., häufig
Kapitel 9: Physische Datenorganisation
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2006/2007 Kapitel 9: Physische Datenorganisation Vorlesung:
Kapitel 8: Physische Datenorganisation
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme I Wintersemester 2017/2018 Kapitel 8: Physische Datenorganisation
GEO-INFORMATIONSSYSTEME
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE GEO-INFORMATIONSSYSTEME Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
Kapitel 9: Physische Datenorganisation
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2008/2009 Kapitel 9: Physische Datenorganisation Vorlesung:
2. Ein abstraktes Geo-Datenmodell
2 Ein abstraktes Geo-Datenmodell 1 Was soll modelliert werden? 2 Spatial Data Types 3 Integration in das relationale Datenmodell Geo-Informationssysteme 24 21 Was soll modelliert werden? Einzelne Objekte
Kapitel 1 Grundlagen. Skript zur Vorlesung: Datenbanksysteme II Sommersemester Vorlesung: PD Dr. Peer Kröger
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2016 Kapitel 1 Grundlagen Vorlesung: PD Dr. Peer Kröger http://www.dbs.ifi.lmu.de/cms/datenbanksysteme_ii
ADS: Algorithmen und Datenstrukturen
ADS: Algorithmen und Datenstrukturen Teil X Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 13.
Grundlagen von Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität
4.3 R-Bäume (I) Idee. basiert auf der Technik überlappender Seitenregionen verallgemeinert die Idee des B + -Baums auf den 2-dimensionalen Raum
4.3 R-Bäume (I) Idee basiert auf der Technik überlappender Seitenregionen verallgemeinert die Idee des B + -Baums auf den 2-dimensionalen Raum Geo-Informationssysteme 98 4.3 R-Bäume (I) Definition Ein
Kapitel 6: Algorithmen der Computer-Geometrie
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 6: Algorithmen der Computer-Geometrie Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
GEO-INFORMATIONSSYSTEME
GEO-INFORMATIONSSYSTEME Dozent: Prof. Dr. Christian Böhm Übungsleiter: Annahita Oswald Bianca Wackersreuther Ablauf des ersten Vorlesungstages: 1. Organisation 2. Gliederung der Vorlesung 3. Einführung
Kapitel 9 Kombination von Vektor- und Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15
Algorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 10. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Suchverfahren für große Datenmengen bisher betrachtete Datenstrukturen
Entwicklung der Datenbanksysteme
Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger Jahren waren die
Technische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
Rückblick: Pufferverwaltung
Rückblick: Pufferverwaltung Datenbankpuffer zum Schließen der Zugriffslücke zwischen Primär- und Sekundärspeicher Ersetzungsstrategien berücksichtigen Zeitpunkte und/oder Anzahl der Zugriffe auf bestimmte
4.3 Splitstrategien für R-Bäume (I)
4.3 Splitstrategien für R-Bäume (I) Der Knoten K läuft mit K = M+1 über: Aufteilung auf zwei Knoten K 1 und K 2, sodaß K 1 m und K 2 m Erschöpfender Algorithmus Suche unter den O(2 M ) Möglichkeiten die
Datenbanken. Interne Datenorganisation:
Interne Datenorganisation: Bisher: Konzeptionelle Betrachtungen einer Datenbank aus Sicht der Anwendung: Modellierung, Normalisieren, Sprache zum Einfügen, Ändern, Löschen, Lesen Jetzt: Betrachtung der
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2018 Kapitel 3: Datenbanksysteme Vorlesung:
Datenbanken: Indexe. Motivation und Konzepte
Datenbanken: Indexe Motivation und Konzepte Motivation Warum sind Indexstrukturen überhaupt wünschenswert? Bei Anfrageverarbeitung werden Tupel aller beteiligter Relationen nacheinander in den Hauptspeicher
B / B* - Bäume. Guido Hildebrandt Seminar Datenbanksysteme
B / B* - Bäume Guido Hildebrandt Seminar Datenbanksysteme 25.11.2010 Gliederung Einleitung Binärbaum B - Baum B* - Baum Varianten Zusammenfassung Quellen Gliederung Einleitung Binärbaum B - Baum B* - Baum
Suchbäume. Suchbäume. Einfügen in Binären Suchbäumen. Suchen in Binären Suchbäumen. Prinzip Suchbaum. Algorithmen und Datenstrukturen
Suchbäume Suchbäume Prinzip Suchbaum Der Wert eines Knotens wird als Schlüssel verstanden Knoten kann auch weitere Daten enthalten, die aber hier nicht weiter betrachtet werden Werte der Schlüssel müssen
Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.6 AVL-Bäume 4.8 Rot-Schwarz-Bäume Idee: Verwende Farben, um den Baum vertikal zu
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Kapitel 3: Datenbanksysteme Vorlesung:
Algorithmen und Datenstrukturen 2. Dynamische Datenstrukturen
Algorithmen und Datenstrukturen 2 Dynamische Datenstrukturen Algorithmen für dynamische Datenstrukturen Zugriff auf Variable und Felder durch einen Ausdruck: Namen durch feste Adressen referenziert Anzahl
Kapitel 12: Objekt-relationale Erweiterungen
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Vorlesung Wintersemester 2014/2015 Kapitel 12: Objekt-relationale Erweiterungen Vorlesung:
Informatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 23.6.2016 Giuseppe Accaputo g@accaputo.ch 1 Programm für heute Repetition Datenstrukturen Unter anderem Fragen von gestern Point-in-Polygon Algorithmus Shortest
Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2013/14. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2013/14 Prof. Dr. Sándor Fekete 1 4.6 AVL-Bäume 2 4.8 Rot-Schwarz-Bäume Rudolf Bayer Idee: Verwende Farben, um den
Lernmodul 2 Modelle des Raumes
Folie 1 von 21 Lernmodul 2 Modelle des Raumes Bildnachweis: www. tagesschau.de Folie 2 von 21 Modelle des Raumes Übersicht Motivation Was ist Raum? Formalismus und Invarianz Metrischer Raum/Euklidischer
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur : Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme : PDDr. Peer
Kapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design
Indizierung von Geodaten - Raumbezogene Indexstrukturen. Seminar mobile Geoinformationssystem Vortrag von Markus Steger
Indizierung von Geodaten - Raumbezogene Indexstrukturen Seminar mobile Geoinformationssystem Vortrag von Markus Steger Index wozu ist er gut? Index allgemein Effizienter Zugriff auf Daten, i.d.r. mit B-Baum
Fokus bisher lag bisher auf sinnvoller Abbildung eines Ausschnitts der realen Welt in einer relationalen Datenbank
8. Datenbanktuning Motivation Fokus bisher lag bisher auf sinnvoller Abbildung eines Ausschnitts der realen Welt in einer relationalen Datenbank Beliebige SQL-Anfragen können auf den Daten ausgewertet
Kapitel 8: Physischer Datenbankentwurf
8. Physischer Datenbankentwurf Seite 1 Kapitel 8: Physischer Datenbankentwurf Speicherung und Verwaltung der Relationen einer relationalen Datenbank so, dass eine möglichst große Effizienz der einzelnen
Datenbanken 16.1.2008. Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt:
Datenbanksysteme Entwicklung der Datenbanksysteme Die Entwicklung der Datenbanksysteme ist eng an die der Hardware gekoppelt und wird wie jene in Generationen eingeteilt: 1. Generation: In den fünfziger
1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/3, Folie 1 2010 Prof. Steffen Lange - HDa/FbI
Kapitel 6: Das E/R-Modell
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2013/2014 Vorlesung: Prof. Dr. Christian Böhm Übungen:
Kapitel 9: Physische Datenorganisation
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für tenbanksysteme Skript zur Vorlesung tenbanks Wintersemester 2010/2011 hysische tenorganis Vorlesung: PD Dr.
Dynamische Datenstrukturen
Dynamische Datenstrukturen B-Bäume größere Datenmengen verwalten Extern speichern Art der Speicherung berücksichtigen sonst kein optimaler Datenzugriff möglich Art der Speicherung großer Datenmengen Magnetplatten
Mehrdimensionale Zugriffspfade und Dateiorganisation
Mehrdimensionale Zugriffspfade und Dateiorganisation Gliederung Begriffe, Anforderungen und Probleme, Anwendungsgebiete Konkrete Techniken Bäume Grid-File Mehrdimensionales Hashing Begriffe Eindimensionale
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Bäume, Suchbäume und Hash-Tabellen
Im folgenden Fokus auf Datenstrukturen, welche den assoziativen Zugriff (über einen bestimmten Wert als Suchkriterium) optimieren Bäume: Abbildung bzw. Vorberechnung von Entscheidungen während der Suche
Abgabe: (vor der Vorlesung) Aufgabe 7.1 (P) Binomial Heap
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 7 Prof. Dr. Helmut Seidl, S. Pott,
Hashverfahren I. Algorithmen und Datenstrukturen 251 DATABASE SYSTEMS GROUP
Hashverfahren I Bisher: Suchen mit Hilfe von Schlüsselvergleichen Jetzt: Stattdessen Adressberechnung Auswertung einer Funktion (Hash- oder Adressfunktion) Vorteil: Suche erfolgt weitgehend unabhängig
Mapra: C++ Teil 4. Felix Gruber. 6. Mai IGPM, RWTH Aachen. Felix Gruber (IGPM, RWTH Aachen) Mapra: C++ Teil 4 6.
Mapra: C++ Teil 4 Felix Gruber IGPM, RWTH Aachen 6. Mai 2015 Felix Gruber (IGPM, RWTH Aachen) Mapra: C++ Teil 4 6. Mai 2015 1 / 22 Themen vom letzten Mal Kompilieren mit Makefiles Ein-/Ausgabe über Dateien
2.7 Bucket-Sort Bucket-Sort ist ein nicht-vergleichsbasiertes Sortierverfahren. Hier können z.b. n Schlüssel aus
2.7 Bucket-Sort Bucket-Sort ist ein nicht-vergleichsbasiertes Sortierverfahren. Hier können z.b. n Schlüssel aus {0, 1,..., B 1} d in Zeit O(d(n + B)) sortiert werden, indem sie zuerst gemäß dem letzten
8. Modelle für feste Körper
8. Modelle für feste Körper Modell: Abbild der Realität, welches bestimmte Aspekte der Realität repräsentiert (und andere ausblendet) mathematische Modelle symbolische Modelle Datenmodelle Experimentalmodelle
Kapitel 1: Einführung 1.1 Datenbanken?
1. Einführung 1.1. Datenbanken? Seite 1 Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken? Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2017/18 Pro f. Dr. Sán do r Fe k e te 1 Binärer Suchbaum Außerdem wichtig: Struktur der Schlüsselwerte! 2 Ordnungsstruktur Linker
Datenbanken. 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....................................
Mehrwegbäume Motivation
Mehrwegbäume Motivation Wir haben gute Strukturen (AVL-Bäume) kennen gelernt, die die Anzahl der Operationen begrenzen Was ist, wenn der Baum zu groß für den Hauptspeicher ist? Externe Datenspeicherung
Algorithmen und Datenstrukturen. Kapitel 4: Suchverfahren. Skript zur Vorlesung. Algorithmen und Datenstrukturen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Algorithmen und Datenstrukturen Kapitel 4: Suchverfahren Skript zur Vorlesung Algorithmen und Datenstrukturen Sommersemester
Datenstrukturen. Dortmund, Oktober 1998
Datenstrukturen Dortmund, Oktober 1998 Prof. Dr. Heinz-Michael Winkels, Fachbereich Wirtschaft FH Dortmund Emil-Figge-Str. 44, D44227-Dortmund, TEL.: (0231)755-4966, FAX: (0231)755-4902 1 Inhalt Seite
Logische Datenstrukturen
Lineare Listen Stapel, Warteschlangen Binärbäume Seite 1 Lineare Liste Begriffe first Funktion: sequentielle Verkettung von Datensätzen Ordnungsprinzip: Schlüssel Begriffe: first - Anker, Wurzel; Adresse
Informatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 9.6.2017 Giuseppe Accaputo g@accaputo.ch 1 Aufbau des PVK Tag 1: Java Teil 1 Tag 2: Java Teil 2 Tag 3: Algorithmen & Komplexität Tag 4: Dynamische Datenstrukturen,
4. Räumliche Indexstrukturen
4. Räumliche Indexstrukturen 4.1 Einführung 4.2 Z-Ordnung 4.3 R-Bäume 4.4 Quadtrees Geo-Informationssysteme 66 4.1 Einführung (I) Grundlegende Ideen konventionelle Zugriffsstrukturen sind für die Verwaltung
Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
Geoinformation I Geometr.-topol. Datenstrukturen
Folie 1 von 23 Geoinformation I Geometr.-topol. Datenstrukturen Folie 2 von 23 Geometr.-topol. Datenstrukturen Übersicht! Überblick/Motivation! Fokus! Geometrisch-topologische Datenstrukturen " Spaghetti
Baumbasierte Strukturen
Baumbasierte Strukturen Baumbasierte Struktur / Organisation als Binärbaum Haufendateien oder sortierte Dateien nützlich für statische Dateien Dateien organisiert als Binärbaum Effizientes Einfügen und
Übungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
Kapitel 1: Wiederholungsfragen Grundlagen DBS
Grundlagen DBS 1. Welche zentralen Anforderungen an ein DBS definierte Edgar Codd? 2. Was ist eine Transaktion? 3. Welche Eigenschaften muss das DBMS bei der Transaktionsverarbeitung sicherstellen? 4.
Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y
Die AVL-Eigenschaft soll bei Einfügungen und Streichungen erhalten bleiben. Dafür gibt es zwei mögliche Operationen: -1-2 Rotation Abbildung 3.1: Rotation nach rechts (analog links) -2 +1 z ±1 T 4 Doppelrotation
Geoinformation I Datenmodellierung
Seite 1 von 61 Geoinformation I Datenmodellierung Seite 2 von 61 Datenmodellierung Übersicht Datenverwaltung und Datenbanken objektorientierte Abbildung der Realität Grundlagen der Objektorientierung Darstellung
14. Rot-Schwarz-Bäume
Bislang: Wörterbuchoperationen bei binären Suchbäume effizient durchführbar, falls Höhe des Baums klein. Rot-Schwarz-Bäume spezielle Suchbäume. Rot-Schwarz-Baum mit n Knoten hat Höhe höchstens 2 log(n+1).
Kapitel 1: Einführung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 1: Einführung Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität München
Manipulation von Mengen
Manipulation von Mengen Thomas Röfer Vorrangwarteschlange Linksbaum Heap HeapSort Union-Find-Strukturen Allgemeiner Rahmen für Mengenmanipulationen Rückblick Hashing Streuspeicherverfahren Hashfunktion
Kapitel 4: Bäume i. 1. Einleitung. 2. Ein Datenmodell für Listen. 3. Doppelt-verkettete Listen. 4. Bäume. 5. Das Collections-Framework in Java
Kapitel 4: Bäume i 1. Einleitung 2. Ein Datenmodell für Listen 3. Doppelt-verkettete Listen 4. Bäume 5. Das Collections-Framework in Java Prof. Dr. Peer Kröger: EiP (WS 18/19) Teil 11: Datenstrukturen
Algorithmen und Datenstrukturen. Kapitel 2: Datenstrukturen. Skript zur Vorlesung. Algorithmen und Datenstrukturen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Algorithmen und Datenstrukturen Kapitel 2: Datenstrukturen Skript zur Vorlesung Algorithmen und Datenstrukturen Sommersemester
Kapitel 1: Einführung 1.1 Datenbanken?
Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken Grundlagen der Datenbanksysteme, WS 2012/13 29. Oktober 2012 Seite 1 1. Einführung 1.1. Datenbanken Willkommen! Studierenden-Datenbank
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2013 Kapitel 3: Datenbanksysteme Vorlesung:
technische universität dortmund Fakultät für Informatik LS 8 Speichern von Daten Prof. Dr. Katharina Morik
Speichern von Daten Prof. Dr. Katharina Morik Unterschiede von DBMS und files! DBMS unterstützt viele Benutzer, die gleichzeitig auf dieselben Daten zugreifen concurrency control.! DBMS speichert mehr
Seminar: mobilegis. Einführung zu Geodatenbanken. Session 1 am Von Ralph Zeumann
Seminar: mobilegis Einführung zu Session 1 am Von Ralph Zeumann Einführung zu Gliederung des Vortrages: 1. Einführung zu GIS und 2. Nutzer von 3. Datentypen in 4. Arbeitsweisen von 5. Architektur von Seminar:
Vorlesung Datenstrukturen
Vorlesung Datenstrukturen Binärbaum Suchbaum Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 356 Datenstruktur Binärbaum Strukturrepräsentation des mathematischen Konzepts Binärbaum
Kapitel Andere dynamische Datenstrukturen
Institute of Operating Systems and Computer Networks Algorithms Group Kapitel 4.8-4.11 Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2017/2018 Vorlesung#13, 12.12.2017
1. Einführung Seite 1. Kapitel 1: Einführung
1. Einführung Seite 1 Kapitel 1: Einführung 1. Einführung Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine Adresse ist Seeweg 20. Er ist im zweiten Semester. Lisa
Kapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-45 Relational Design
Kapitel 1: Einführung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 1: Einführung Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität