4. Das Preference SQL - System

Transkript

1 4. Das Preference SQL - System 4.1 Preference SQL Middleware 4.2 Preference SQL Syntax Präferenz-Konstruktoren Qualitätsfunktionen für Bewertung Top-k Schnittstelle zum Auffüllen BUT ONLY als Nachfilter 4.3 Anwendungsbeispiele 4.4 Erweiterung um GROUPING Prof. Kießling

2 4.1 Preference SQL Middleware Server Client SQL-DB: Oracle, MySQL, JDBC-Treiber Preference SQL- Implementierung Preference SQL- JDBC-Treiber Java-Applikation oder SQL-Client Mitarbeit bei Preference SQL in jeder Form erwünscht! Prof. Kießling

3 Beispiel: DbVisualizer als (P)SQL-Client Prof. Kießling

4 Benötigte Daten für Treiber-Konfiguration: Preference SQL-JDBC-Treiber: PreferenceSQLJDBCClient.jar (per Download von Homepage) Driver: psql.connector.client.psqldriver URL: Login: Näheres dazu auf Übungsblatt Prof. Kießling

5 4.2 Preference SQL Syntax Vorbemerkungen: Preference SQL = Standard SQL + Präferenzen Per Default verwendet Preference SQL reguläre SV-Semantik. Bei jeder numerischer Präferenz ist der d-parameter (im Folgenden d) optional. Dokumentation findet sich unter Prof. Kießling

6 Preference SQL-Abfrageblock: 10. SELECT <projection_list> 1. FROM <table_references> 2. WHERE <hard_conditions> PREFERRING <pref_constructor> 6. GROUP BY <attribute_list> 7. HAVING <hard_conditions> 8. ORDER BY <attribute_list> 9. LIMIT <number>; Prof. Kießling

7 Auswertungsreihenfolge 1. R := R 1 x x R n kartesisches Produkt 2. T 1 := σ H (R) H ist eine harte Bedingung auf dem kart. Produkt T 4 :=...σ [P] (T 1 ) Präferenzauswertung auf dem Ergebnis der harten Selektion; Verfeinerung auf der nachfolgenden Folie; 6. T 5 := Γ AGG (T 4 ) Gruppierung nach Aggregationsattributen 7. T 6 := σ HAVING (T 5 ) Selektion pro Gruppe durch Agg.attribut / Agg.funktion 8. T 7 := SORT A (T 6 ) Sortierung nach Attributen 9. T 8 := LIMIT n (T 7 ) Begrenzung der Ergebnismenge 10. T 9 := π A (T 8 ) Projektion von Attributen, Präferenzauswertung stellt weitere Funktionen für Projektion zur Verfügung! Prof. Kießling

8 Bemerkungen: In SQL gruppiert GROUP BY HAVING die Ergebnismenge nach der harten Selektion in Partitionen, die durch die Gruppierungsattribute charakterisiert sind und den HAVING-Bedingungen genügen müssen. In Preference SQL gruppiert GROUP BY HAVING die BMO-Menge, die durch die Präferenzauswertung resultiert, nach den Gruppierungsattributen. Zudem gelten die HAVING-Bedingungen. Prof. Kießling

9 Präferenz-Selektion: 3. PREFERRING <soft_conditions> 4. TOP <number> 5. BUT ONLY <but_only_conditions> 3. T 2 := σ [P] (T 1 ) Präferenzauswertung nach harter Selektion 4. T 3 := TOP k (T 2 ) Top-k Schnittstelle, siehe später 5. T 4 := σ BO (T 3 ) BO ist eine harte Bedingung (Nachfilter). Beachte: Die gleichzeitige Verwendung von TOP K und BUT ONLY sollte semantisch durch Anwendung begründbar sein! Prof. Kießling

10 4.2.1 Präferenz-Konstruktoren Mit Hilfe von Basispräferenzen, die sich aufteilen in Kategorielle Präferenzen und Numerische Präferenzen werden induktiv komplexe Präferenzen aufgebaut. Prof. Kießling

11 Numerische Basispräferenzen 1.) SCORE (A, f, d, SV) Preference SQL-Syntax: <column> SCORE <string_literal> [, <number> ] [<SV-Relation>] Beispiele: alter SCORE 'sqrtscoref' preis SCORE 'preisfunktion', 5 Prof. Kießling

12 SCORE-Funktionen in Preference SQL: Die Definition einer SCORE-Präferenz erfolgt über CREATE [OR REPLACE] SCORE '<name>' AS BEGIN <Java-Anweisungen> END; Vordefinierte SCORE-Funktionen in Preference SQL: - absscoref : Betrag, z.b. 'absscore' - identityscoref : Identität, z.b. 'identityscoref', 2 - negscoref : Negation, z.b. 'negscoref' - powtwoscoref : Quadrat, z.b. 'powtwoscoref', 10 - powthreescoref : Kubik, z.b. 'powthreescoref', 4 - sqrtscoref : Quadratwurzel, z.b. 'sqrtscoref' Details zum Schreiben von eigenen SCORE- bzw. RANK-Funktionen Prof. Kießling

13 2.) BETWEEN (A, [low, up], d, SV) Preference SQL-Syntax: PREFERRING <column> BETWEEN <low>, <up> [, <number> ] [<SV-Relation>] Beispiele: alter BETWEEN 10, 16 preis BETWEEN 5000, 6000, 100 Prof. Kießling

14 3.) AROUND (A, z, d, SV) Preference SQL-Syntax: <column> AROUND <number> [, <number> ] [<SV-Relation>] Beispiele: leistung AROUND 90 verbrauch AROUND 6.5, 0.5 Prof. Kießling

15 4.) HIGHEST (A, d, SV) Preference SQL-Syntax: <column> HIGHEST [<number>, <number> ] [<SV-Relation>] Das 1. <number>-element ist das Supremum. Das 2. <number>-element ist der d-parameter. Beispiele: leistung HIGHEST jahresgehalt HIGHEST , 1000 Prof. Kießling

16 5.) LOWEST (A, d, SV) Preference SQL-Syntax: <column> LOWEST [<number>, <number> ] [<SV-Relation>] Das 1. <number>-element ist das Infimum. Das 2. <number>-element ist der d-parameter. Beispiele: preis LOWEST verbrauch LOWEST 2.0, 0.5 Prof. Kießling

17 Kategorielle Basispräferenzen 1.) LAYERED m (A, L, SV) Preference SQL-Syntax: PREFERRING <column> LAYERED ( ( (<string_literal> [, <string_literal>]* ) OTHERS) [, (<string_literal> [, <string_literal>]* ), OTHERS ]* ) [<SV-Relation>] Zudem gilt: es darf nur ein OTHERS geben. Beispiel: farbe LAYERED ( ('blau', 'gelb'), ('weiß', 'schwarz'), OTHERS, ('lila', 'rosa') ) Prof. Kießling

18 2.) POS/POS (A, POS 1 -set, POS 2 -set, SV) Preference SQL-Syntax: PREFERRING <column> IN (<string_literal> [, <string_literal>]* ) ELSE (<string_literal> [, <string_literal>]* ) [<SV-Relation>] Beispiele: modell IN ('Kombi', 'Limousine') ELSE ('SUV', 'Van') farbe IN ('blau', 'gelb') ELSE ('rot', 'grün') Prof. Kießling

19 3.) POS (A, POS-set, SV) Preference SQL-Syntax: PREFERRING <POS> [<SV-Relation>] <POS> ::= <column> = <string_literal> <column> IN (<string_literal> [, <string_literal>]* ) Beispiele: farbe IN ('gelb', 'grün', 'blau') amtsbezeichnung = 'Bundespräsident' modell = 'Kombi' Prof. Kießling

20 4.) POS/NEG (A, POS-set, NEG-set, SV) Preference SQL-Syntax: PREFERRING <column> IN (<string_literal> [, <string_literal>]* ) NOT IN (<string_literal> [, <string_literal>]* ) [<SV-Relation>] Beispiele: modell IN ('Kombi', 'Limousine') NOT IN ('SUV', 'Van') farbe IN ('blau', 'gelb') NOT IN ('pink', 'rosa', 'lila') Prof. Kießling

21 5.) NEG (A, NEG-set, SV) Preference SQL-Syntax: PREFERRING <NEG> [<SV-Relation>] <NEG> ::= <column>!= <string_literal> <column> <> <string_literal> <column> NOT IN (<string_literal> [, <string_literal>]* ) Beispiele: farbe NOT IN ('gelb', 'grün', 'blau') amtsbezeichnung <> 'Bundespräsident' modell!= 'Kombi' Prof. Kießling

22 6.) EXPLICIT (A, E-Graph) Preference SQL-Syntax: PREFERRING <column> EXPLICIT ( <string_literal> < <string_literal> [, <string_literal> < <string_literal> ]* ) Die Implementierung sichert Zyklenfreiheit im E-Graph zu. Die Explicit- Präferenz hat keinen SV-Parameter. Es gilt triviale SV-Semantik. Beispiel: modell EXPLICIT ( 'LKW' < 'Van', 'Van' < 'Kombi', 'Van' < 'Limousine', 'Kombi' < 'Limousine' ) Prof. Kießling

23 Folgende Produktionen gelten für SV-Relation: <SV-Relation> ::= REGULAR TRIVIAL // benutzerdefiniert // Default-SV-Relation, siehe unten // Reguläre SV-Semantik // Triviale SV-Semantik // Implementierung sichert disjunkte SV-// Mengen zu SV ( (<string_literal> [, <string_literal>]*) [, (<string_literal> [, <string_literal> ]*) ]* ) Für SCORE und Subkonstruktoren ist reguläre SV-Semantik der Default. Für EXPLICIT (und später GROUPING) gilt triviale SV-Semantik als Default. Prof. Kießling

24 Beispiel für benutzerdefinierte SV-Semantik: SELECT id FROM car PREFERRING color IN ('blue', 'yellow', 'white') ELSE ('green', 'red', 'pink') SV ( ('blue', 'yellow'), ('green', 'red') ) AND price LOWEST; Prof. Kießling

25 Beispiele zu Preference SQL-Anfragen: (elementare Präferenzkonstruktoren) SELECT * FROM trips PREFERRING duration AROUND 14, 1; SELECT * FROM apartments PREFERRING area HIGHEST 400, 10; SELECT PREFERRING SELECT PREFERRING * FROM programmers experience IN ('java', 'C++'); * FROM hotels location <> 'downtown'; Prof. Kießling

26 SELECT make, age FROM car PREFERRING age AROUND 5, 2; -- Gruppierung obiger BMO-Tupel nach Marke SELECT make, count(*) FROM car PREFERRING age AROUND 5, 2 GROUP BY make; -- zusätzliche Anforderung: Mindestanzahl pro Gruppe SELECT make, count(*) FROM car PREFERRING age AROUND 5, 2 GROUP BY make HAVING count(*) > 2; Prof. Kießling

27 Komplexe Präferenzen Komplexe Präferenzen setzen sich aus den bereits bekannten Basispräferenzen zusammen. 1.) Pareto ({A 1, A 2 }, < P1 P 2 ) Preference SQL-Syntax: PREFERRING <preference> AND <preference> Beispiel: preis AROUND 5000, 500 AND farbe = 'blau' Prof. Kießling

28 2.) Priorisierung ({A 1, A 2 }, < P1 & P 2 ) Preference SQL-Syntax: PREFERRING <preference> PRIOR TO <preference> Beispiele: price AROUND 5000 PRIOR TO color = 'blue' price AROUND 5000, 100 PRIOR TO (color IN ('blue', 'green', 'red') SV( ('blue', 'green') ) ) Prof. Kießling

29 Beispiele zu Preference SQL-Anfragen: (komplexe Präferenzkonstruktoren) SELECT PREFERRING SELECT WHERE PREFERRING * FROM computers main_memory HIGHEST AND cpu_speed HIGHEST; * FROM car brand = 'Opel' (category IN ('roadster') ELSE ('passenger') AND price AROUND 40000, 2000 AND power HIGHEST) PRIOR TO color = 'red' PRIOR TO mileage LOWEST 0, 10000; Prof. Kießling

30 3.) Numerisches Ranking ({A 1, A 2 }, < rankf, d) Preference SQL-Syntax: PREFERRING ( <score_preference> <rank_preference> [ <score_preference> <rank_preference > ]* ) RANK <string_literal> [ <string_literal> ] [ <number> ] Die Definition einer RANK-Präferenz erfolgt analog zu SCORE über CREATE [OR REPLACE] RANKFUNCTION '<name>' AS BEGIN <Java-Anweisungen> END; Details zur Einbindung von Java-Code für RANK-Präferenzen Prof. Kießling

31 Vordefinierte RANK-Funktionen in Preference SQL, Beispiele: - avgrankf : gewichteter Durchschnitt, z.b. 'avgrankf' '0.2, 0.5' - sumrankf : ungewichtete Summe, z.b. 'sumrankf' - maxrankf : Maximum, z.b. 'maxrankf' - minrankf : Minimum, z.b. 'minrankf' - productrankf : gewichtetes Produkt, z.b. 'productrankf' '3, 5' Beispiel: ( leistung SCORE 'f1' ( alter SCORE 'f2' preis LOWEST 0, 500 ) RANK 'sumrankf' id SCORE 'f4' ) RANK 'avgrankf' '0.20, 0.50, 0.10' Fkt.name Parameter d-parameter Prof. Kießling

32 Qualitätsfunktionen DISTANCE (<preference_alias>) berechnet die Distanz zwischen einem Attributwert v und den perfekten Treffern bezüglich einer numerischen Basispräferenz über der Domäne von A. Beispiel: DISTANCE : dom(a) R 0 + DISTANCE (v, [low, up]) := if v [low, up] then 0 else if v < low then low - v else v - up SELECT id, DISTANCE(p_age) FROM car PREFERRING (age AROUND 40 AS p_age) Prof. Kießling

33 LEVEL (<preference_alias>) berechnet das Level eines Attributwerts v einer diskretisierten Basispräferenz über der Domäne von A. Perfekte Attributwerte haben das Level 0. LEVEL : dom(a) G 0 + Numerische Domäne A mit d-parameter: LEVEL (v, [low, up]) := DISTANCE (v, [low, up]) / d Kategorielle Domäne A: LEVEL (v) = layer m (v) Prof. Kießling

34 Qualitätsfunktionen können benutzt werden in der Projektion wie Attribute z.b. SELECT id, LEVEL(p_age), DISTANCE(p_price) FROM car PREFERRING (age LOWEST 0, 2 AS p_age) AND (price LOWEST AS p_price) in der BUT ONLY-Klausel als boolescher Ausdruck z.b. wie oben BUT ONLY DISTANCE(p_price) < 5000 AND LEVEL(p_age) < 5 Prof. Kießling

35 Hinweis: Bezeichne pref_alias eine Basispräferenz P über einem Attribut A. Mit Hilfe der booleschen Ausdrücke LEVEL(pref_alias) = 0 DISTANCE(pref_alias) = 0.0 kann überprüft werden, ob ein Tupel einen perfekten Attributwert bezüglich P(A) hat. Prof. Kießling

36 Beispiel: Qualitätsfunktionen in Projektion SELECT ident, color, age, LEVEL(pc) AS lvl, DISTANCE(pa) AS dist FROM oldtimer PREFERRING (color IN ('white') ELSE ('yellow') AS pc) AND (age AROUND 40 AS pa); oldtimer ident color age Maggie white 19 Bart green 19 Homer yellow 35 Selma red 40 Smithers red 43 BMO: ident color age lvl dist Selma red Homer yellow Maggie white Prof. Kießling

37 Top-k Schnittstelle Motivation Das BMO-Query-Modell liefert die bestmögliche Ergebnismenge. Vorab ist aber unbekannt, wie groß die Menge ist. Das Top-k-Query-Modell soll genau k beste Ergebnisse liefern. k < BMO zufällige Auswahl der BMO-Ergebnisse k >= BMO BMO-Ergebnisse und weitere nächstbeste Ergebnisse, so dass k Ergebnisse zurückgeliefert werden. Eine Erweiterung des BMO-Modells zu einem Multi-Level-BMO-Modell liefert pro Schicht die nächstbesten Ergebnisse. Prof. Kießling

38 Theorem Jede strikt partielle Ordnung lässt sich auf eine spezielle schwache Ordnung, die sogenannte Multi-Level-BMO-Ordnung abbilden. Diese Ordnung wird durch die iterierte Anwendung der Präferenzselektion, der jeweils ihre iterationsspezifisches BMO i -Menge zugeordnet ist, generiert. Prof. Kießling

39 Multi-Level-BMO Beispiel 2-SV aus Kap. 3: POS/POS(color, {white}; {yellow}, ~) AROUND(age, 40, ~) erzeugt eine strikt partielle Ordnung, die auf eine schwache Ordnung (Multi-Level-BMO- Ordnung) abgebildet werden kann: i dent col or age Maggie white 29 Bart green 19 Homer yellow 35 Selma red 40 Smithers red Skinner yellow BMO 0 BMO 1 BMO 2 (white, 29) (green, 19) (yellow, 35) (yellow, 51) (red, 40) (red, 43) Prof. Kießling

40 Beispiel: SELECT * FROM oldtimer PREFERRING TOP 3 color IN ('red') AND age BETWEEN 40, 45, 5 BMO 0 := σ[p](oldtimer) = BMO 1 := σ[p](oldtimer \ BMO 0 ) = oldtimer ident color age Maggie white 19 Bart green 19 Homer yellow 35 Selma red 40 Smithers red 43 Ergebnis: ident color age Selma red 40 Smithers red 43 Homer yellow 35 Prof. Kießling

41 BUT ONLY Kontrolle der Qualität der Ergebnismenge: BUT ONLY schränkt durch harte Bedingungen das bisherige Ergebnis ein. Dabei können auch die Qualitätsfunktionen für Präferenzen als Qualitätsfilter eingesetzt werden. Die Verwendung von anderen booleschen Ausdrücken als Selektion auf den Tupeln der Ergebnismenge - syntaktisch analog zur WHERE-Klausel - verursacht eine Nachfilterung der BMO-Menge. Bemerkung: Bei Verwendung des gleichen booleschen Ausdrucks kann die Ergebnismenge unterschiedlich sein, je nachdem ob der Ausdruck in der Vorfilterung (WHERE) bzw. in der Nachfilterung (BUT ONLY) verwendet wird. Prof. Kießling

42 Beispiel zum Unterschied zwischen Vorfilterung und Nachfilterung durch gleichen booleschen Ausdruck: car id price age SELECT id FROM car WHERE price < PREFERRING age AROUND 5, 2 {2, 3} SELECT id FROM car PREFERRING age AROUND 5, 2 BUT ONLY price < { } Prof. Kießling

43 Beispiel: Qualitätsfunktionen in BUT ONLY SELECT FROM PREFERRING BUT ONLY t.*, LEVEL (p_start_day) AS delta_start, DISTANCE (p_duration) AS delta_duration trips t (start_day AROUND date ' ', INTERVAL '1' DAY AS p_start_day) AND (duration AROUND 14 AS p_duration) DISTANCE (p_duration) <= 2 AND LEVEL (p_start_day) < 3; Hinweis: Datentypen und Preference SQL Prof. Kießling

44 4.3 Anwendungsbeispiele Designhinweise für personalisierte Suchmaschinen: Harte Selektionen (WHERE) gegen weiche (PREFERRING)? Welche Kontrolle bzgl. der Qualität der Ergebnismenge (BUT ONLY-Einschränkung)? Bedeutung von Multi-Attribut-Präferenzen (AND contra PRIOR TO contra RANK)? Präsentation der Ergebnismenge (Einsatz von LEVEL(p_alias), DISTANCE(p_alias))? Woher stammen Präferenzen? Fest verbunden mit der Suchmaske durch den Bereitsteller des E- Services (Benutzermodell)? Explizit eingegeben von den E-Business-Kunden? Implizit eingetragene Verkäufer-Präferenzen? Implizit eingetragenes anwendungsspezifisches Domänen- / Kontextwissen? Prof. Kießling

45 4.3.1 Gebrauchwagenhandel Prof. Kießling

46 SELECT *, LEVEL(p_manu), LEVEL(p_model), LEVEL(p_price), LEVEL(p_mileage), LEVEL(p_regyear), LEVEL(p_diesel), LEVEL(p_airbag), LEVEL(p_autotransmission), LEVEL(p_aircondition) FROM used_cars PREFERRING ((manufacture = 'BMW' AS p_manu) AND (model = '7' AS p_model)) PRIOR TO ((price BETWEEN 0, 75000, 7500 AS p_price) AND (mileage BETWEEN 0, 30000, 3000 AS p_milage) AND (regyear BETWEEN 1997, 1999, 2 AS p_regyear) AND (diesel = 'yes' AS p_diesel) AND (airbag = 'yes' AS p_airbag) AND (autotransmission = 'yes' AS p_autotransmission) AND (aircondition = 'yes' AS p_aircondition)); Prof. Kießling

47 Prof. Kießling

48 4.4 Gruppierende Präferenzen Präferenzen lassen sich gruppieren mit dem Schlüsselwort GROUPING, wodurch ausgedrückt wird, dass die Präferenz pro Gruppe ausgewertet werden soll. Wie von GROUP BY gewohnt, können auch Aggregatsfunktionen in der Projektion bzw. in der HAVING-Klausel verwendet werden. Bemerkung: Die SQL-Schlüsselwörter GROUP BY HAVING und die Preference-SQL-Schlüsselwörter GROUPING HAVING dürfen nur exklusiv genutzt werden! Prof. Kießling

49 Deklarative Semantik der gruppierenden Präferenz- Selektion: Gegeben seien eine Relation R, eine Menge von Attributen G attrib(r) und eine Äquivalenz-Relation (als Spezialfall: SV- Relation) G auf dom(g). Die gruppierende Präferenzselektion bezüglich G ist definiert als: σ[p GROUPING G ](R) := {t R v R: t[g] G v[g] t[a] < P v[a]} Die Präferenzselektion wird also jeweils pro Gruppe ausgewertet. Prof. Kießling

50 Gruppierender Preference SQL-Abfrageblock: 9. SELECT <projection_list> 1. FROM <table_references> 2. WHERE <hard_conditions> 3'. - 6'. PREFERRING <group_pref_constructor> 7. ORDER BY <attribute_list> 8. LIMIT <number>; Prof. Kießling

51 Syntax der gruppierenden Präferenz-Selektion: 3'. PREFERRING <soft_conditions> 4'. TOP <number> 5'. BUT ONLY <but_only_conditions> 3'. GROUPING <grouping_attributes> 6'. HAVING <having_condition> Der Default der SV-Relation G ist TRIVIAL. Prof. Kießling

52 Verarbeitungsreihenfolge der gruppierenden Präferenz- Selektion: 3'. T 2 := σ [P GROUPING G ] (T 1 ) Präferenzauswertung pro Gruppe 4'. T 3 := σ TOP (T 2 ) Top-k Schnittstelle 5'. T 4 := σ BO (T 3 ) BO ist eine harte Bedingung (Nachfilter). 6'. T 5 := σ HAVING (T 4 ) HAVING ist eine harte Bedingung für Gruppen mittels Gruppierungsattribute oder Aggregationsfunktionen. Prof. Kießling

53 Bemerkungen: GROUPING HAVING verhält sich wie GROUP BY HAVING : Nur Gruppierungsattribute und Aggregatsfunktionen sind in dieser Klausel zulässig und schließen ganze Gruppen aus. Aliase, die in der GROUPING-Klausel definiert werden, dürfen in der Projektion und in Aggregatsfunktionen benutzt werden. TOP erzeugt die gewünschte Mengengröße pro Gruppe (Multimengensemantik). Nicht aggregierte Attribute können nur durch BUT ONLY nachgefiltert werden, wodurch Tupel evtl. gelöscht werden. Qualitätsfunkionen können in BUT ONLY verwendet werden. Prof. Kießling

54 Beispiele zur Auswertung von GROUPING: Gegeben sei: car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

55 Beispiel 1: SELECT make, color, price FROM car PREFERRING price LOWEST GROUPING make ORDER BY make, color; car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

56 Beispiel 2: SELECT make, color, price FROM car PREFERRING price LOWEST GROUPING color ORDER BY color, make; car make color price chevrolet brown porsche brown chevrolet green 4000 chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling

57 Beispiel 3: SELECT color, count(color) as counter FROM car PREFERRING price LOWEST GROUPING color ORDER BY color; ==> color counter brown 1 green 2 silver 1 car make color price chevrolet brown porsche brown chevrolet green 4000 chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling

58 Beispiel 4: SELECT make, color, price FROM car PREFERRING price LOWEST TOP 3 GROUPING make ORDER BY make, color; ==> Alle nicht durchgestrichenen Tupel gehören zur Ergebnismenge. Blaue Tupel gehören zu BMO 1. car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

59 Beispiel 5: SELECT make, color, price FROM car PREFERRING price LOWEST TOP 3 GROUPING make HAVING make <> 'porsche' ORDER BY make, color; ==> Alle nicht durchgestrichenen Tupel Gehören zur Ergebnismenge. car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

60 Beispiel 6: SELECT make, color, price FROM car PREFERRING price LOWEST TOP 3 BUT ONLY price < 2000 GROUPING make HAVING make <> 'porsche' ORDER BY make, color; ==> Leere Ergebnismenge. car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

61 Beispiel 7: SELECT make, color, price FROM car PREFERRING price LOWEST TOP 3 GROUPING make HAVING make <> 'porsche' ORDER BY make, color LIMIT 1; ==> Nur 1 grünes Tupel car make color price chevrolet brown chevrolet green 4000 chevrolet green 4000 chevrolet green chevrolet silver 7000 porsche brown porsche green Prof. Kießling

62 GROUPING mit benutzerdefinierter SV-Semantik: A, B, seien Attribute einer Relation R, wobei a i, b i, deren Domänenwerte seien. In der GROUPING-Klausel steht für benutzerdefinierte SV-Semantik folgende Syntax zur Verfügung: GROUPING A SV ((a 1, a 2, ) [AS 'KlasseA1'],, [OTHERS [AS...]]) [AS A-Alias]], B SV ((b 1, b 2, ) [AS 'KlasseB1'],, [OTHERS [AS...]]) [AS B-Alias]], Bei fehlenden Klassennamen wird ein Default-Name generiert wie '(a 1, a 2 )' bzw. 'OTHERS'. Prof. Kießling

63 Beispiel 3-SV1: SELECT my_color, count(color) as counter FROM car PREFERRING price LOWEST GROUPING color SV (('green'), OTHERS AS 'old_fashioned') AS my_color ORDER BY my_color desc; ==> my_color counter old_fashioned 1 (green) 2 car make color price chevrolet brown porsche brown chevrolet green 4000 chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling

64 Beispiel 3-SV2: SELECT prod_country, count(color) as counter FROM car PREFERRING price LOWEST GROUPING make SV (('vw', 'porsche') AS 'Inland', OTHERS AS 'Ausland') AS prod_country ORDER BY prod_country desc; ==> prod_country counter (Inland) 1 (Ausland) 1 car make color price chevrolet brown porsche brown vw green 4000 chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling

65 Beispiel zu unterschiedlichen Ergebnissen von GROUP BY im Vergleich zu GROUPING: Anzahl der möglichst billigen Autos, aufgeschlüsselt nach Marke SELECT make, count(*) FROM car PREFERRING price LOWEST GROUP BY make; ==> make count(*) vw 1 chevrolet 1 car make color price chevrolet brown porsche brown vw green 4000 ; chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling

66 Beispiel zu unterschiedlichen Ergebnissen von GROUP BY im Vergleich zu GROUPING: Marke und Anzahl der markenspezifisch möglichst billigen Autos SELECT make, count(*) FROM car PREFERRING price LOWEST GROUPING make; ==> make vw 1 chevrolet 1 porsche 1 count(*) car make color price chevrolet brown porsche brown vw green 4000 chevrolet green 4000 chevrolet green porsche green chevrolet silver 7000 Prof. Kießling ;

67 Beispiele zu Preference SQL-Anfragen mit GROUPING (GROUPING mit Aggregation in Projektion oder HAVING) SELECT make, count(*) AS best_model FROM car PREFERRING price LOWEST AND age LOWEST GROUPING make; SELECT make, count(*) AS best_model FROM car PREFERRING price LOWEST AND age LOWEST GROUPING make HAVING count(*) > 5 AND make <> 'chevrolet'; Prof. Kießling

68 Beispiel zu Preference SQL-Anfragen mit GROUPING: (GROUPING mit Vorfilterung und Nachfilterung) SELECT make, count(*) AS best_model FROM car WHERE age < Vorfilterung PREFERRING price LOWEST AND age LOWEST BUT ONLY color <> 'red' -- Nachfilterung GROUPING make HAVING count(*) > 5 and make <> 'chevrolet'; Prof. Kießling