Kapitel 3: Die Relationale Algebra
|
|
- Steffen Steinmann
- vor 5 Jahren
- Abrufe
Transkript
1 Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2008/2009 Kapitel 3: Die Relationale Algebra Vorlesung: Prof. Dr. Christian Böhm Übungen: Annahita Oswald, Bianca Wackersreuther Skript 2005 Christian Böhm
2 Arbeiten mit Relationen Es gibt viele formale Modelle, um... mit Relationen zu arbeiten Anfragen zu formulieren Wichtigste Beispiele: Relationale Algebra Relationen-Kalkül Sie dienen als theoretisches Fundament für konkrete Anfragesprachen wie SQL: Basiert i.w. auf der relationalen Algebra QBE (= Query By Example) und Quel: Basieren auf dem Relationen-Kalkül 2
3 Begriff Relationale Algebra Mathematik: Algebra ist eine Operanden-Menge mit Operationen Abgeschlossenheit: Werden Elemente der Menge mittels eines Operators verknüpft, ist das Ergebnis wieder ein Element der Menge Beispiele Natürliche Zahlen mit Addition, Multiplikation Zeichenketten mit Konkatenation Boolsche Algebra: Wahrheitswerte mit,, Mengen-Algebra: Wertebereich: die Menge (Klasse) der Mengen Operationen z.b.,, (Differenzmenge) 3
4 Begriff Relationale Algebra Relationale Algebra: Rechnen mit Relationen Was sind hier die Operanden? Relationen (Tabellen) Beispiele für Operationen? Selektion von Tupeln nach Kriterien (Anr = 01) Kombination mehrerer Tabellen Abgeschlossenheit: Ergebnis einer Anfrage ist immer eine (neue) Relation (oft ohne eigenen Namen) Damit können einfache Terme der relationalen Algebra zu komplexeren zusammengesetzt werden 4
5 Grundoperationen 5 Grundoperationen der Relationalen Algebra: Vereinigung: R = S T Differenz: R = S T Kartesisches Produkt (Kreuzprodukt): R = S T Selektion: R = σ F (S) Projektion: R = π A,B,... (S) Mit den Grundoperationen lassen sich weitere Operationen, (z.b. die Schnittmenge) nachbilden Manchmal wird die Umbenennung von Attributen als 6. Grundoperation bezeichnet 5
6 Vereinigung und Differenz Diese Operationen sind nur anwendbar, wenn die Schemata der beiden Relationen S und T übereinstimmen Die Ergebnis-Relation R bekommt Schema von S Vereinigung: R = S T = {t t S t T} Differenz: R = S T = {t t S t T} Was wissen wir über die Kardinalität des Ergebnisses (Anzahl der Tupel von R)? R = S T S + T R = S T S T 6
7 Beispiel 7 Mitarbeiter: Name Vorname Huber Egon Maier Wolfgang Schmidt Helmut Studenten: Name Vorname Müller Heinz Schmidt Helmut Alle Personen, die Mitarbeiter oder Studenten sind: Mitarbeiter Studenten: Name Vorname Huber Egon Maier Wolfgang Schmidt Helmut Müller Heinz Schmidt Helmut Alle Mitarbeiter ohne diejenigen, die auch Studenten sind: Mitarbeiter Studenten: Name Vorname Huber Egon Maier Wolfgang Duplikat- Elimination!
8 Kartesisches Produkt Wie in Kapitel 2 bezeichnet das Kreuzprodukt R = S T die Menge aller möglichen? Kombinationen von Tupeln aus S und T Seien a 1, a 2,..., a s die Attribute von S und b 1, b 2,..., b t die Attribute von T Dann ist R = S T die folgende Menge (Relation): {(a 1,...,a s,b 1,...,b t ) (a 1,...,a s ) S (b 1,...,b t ) T} Für die Anzahl der Tupel gilt: S T =? S T 8
9 Beispiel Mitarbeiter PNr Name Vorname Abteilung 001 Huber Erwin Mayer Hugo Müller Anton 02 Abteilungen ANr Abteilungsname 01 Buchhaltung 02 Produktion Mitarbeiter Abteilungen PNr Name Vorname Abteilung ANr Abteilungsname 001 Huber Erwin Buchhaltung 001 Huber Erwin Produktion 002 Mayer Hugo Buchhaltung 002 Mayer Hugo Produktion 003 Müller Anton Buchhaltung 003 Müller Anton Produktion 9 Frage: Ist dies richtig?
10 Selektion Mit der Selektion R = σ F (S) werden diejenigen Tupel aus einer Relation S ausgewählt, die eine durch die logische Formel F vorgegebene Eigenschaft erfüllen R bekommt das gleiche Schema wie S Die Formel F besteht aus: Konstanten ( Meier ) Attributen: Als Name (PNr) oder Nummer ($1) Vergleichsoperatoren: =, <,, >,, Boole sche Operatoren:,, Formel F wird für jedes Tupel von S ausgewertet 10
11 Beispiel Mitarbeiter PNr Name Vorname Abteilung 001 Huber Erwin Mayer Hugo Müller Anton 02 Alle Mitarbeiter von Abteilung 01: σ Abteilung=01 (Mitarbeiter) PNr Name Vorname Abteilung 001 Huber Erwin Mayer Hugo Kann jetzt die Frage von S. 9 beantwortet werden?
12 Beispiel Mitarbeiter Abteilungen PNr Name Vorname Abteilung ANr Abteilungsname 001 Huber Erwin Buchhaltung 001 Huber Erwin Produktion 002 Mayer Hugo Buchhaltung 002 Mayer Hugo Produktion 003 Müller Anton Buchhaltung 003 Müller Anton Produktion σ Abteilung=ANr (Mitarbeiter Abteilungen) PNr Name Vorname Abteilung ANr Abteilungsname 001 Huber Erwin Buchhaltung 002 Mayer Hugo Buchhaltung 003 Müller Anton Produktion 12 Die Kombination aus Selektion und Kreuzprodukt heißt Join
13 Projektion Die Projektion R = π A,B,... (S) erlaubt es, Spalten einer Relation auszuwählen bzw. nicht ausgewählte Spalten zu streichen die Reihenfolge der Spalten zu verändern In den Indizes sind die selektierten Attributsnamen oder - Nummern ($1) aufgeführt Für die Anzahl der Tupel des Ergebnisses gilt: π A,B,... (S)? S Grund: Nach dem Streichen von Spalten können Duplikat-Tupel entstanden sein 13
14 Projektion: Beispiel 14 Mitarbeiter PNr Name Vorname Abteilung 001 Huber Erwin Mayer Josef Müller Anton Mayer Maria 01 π Name, Abteilung (Mitarbeiter) =... Zwischenergebnis: Name Abteilung Huber 01 Mayer 01 Müller 02 Mayer 01 Duplikate Elimination Name Abteilung Huber 01 Mayer 01 Müller 02
15 Duplikatelimination 15 Erforderlich nach... Projektion Vereinigung Wie funktioniert Duplikatelimination? for (int i = 0 ; i < R.length ; i++) for (int j = 0 ; j < i ; j++) if (R[i] == R[j]) // R[j] aus Array löschen Aufwand? n=r.length: O( ) Besserer Algorithmus mit Sortieren: O(n log n) billige Basisoperationen, aber... n 2 An sich billige Operationen werden durch Duplikatelimination teuer
16 Beispiel-Anfragen Gegeben sei folgendes Relationenschema: Städte (SName: String, SEinw: Integer, Land: String) Länder (LName: String, LEinw: Integer, Partei * : String) * bei Koalitionsregierungen: jeweils eigenes Tupel pro Partei Bestimme alle Großstädte ( ) und ihre Einwohner π SName,SEinw (σ SEinw (Städte)) In welchem Land liegt die Stadt Passau? π Land (σ SName=Passau (Städte)) Bestimme die Namen aller Städte, deren Einwohnerzahl die eines beliebigen Landes übersteigt: π SName (σ SEinw>LEinw (Städte Länder)) 16
17 Beispiel-Anfragen Gegeben sei folgendes Relationenschema: Städte (SName: String, SEinw: Integer, Land: String) Länder (LName: String, LEinw: Integer, Partei * : String) * bei Koalitionsregierungen: jeweils eigenes Tupel pro Partei Finde alle Städtenamen in CDU-regierten Ländern π SName (σ Land=LName (Städte σ Partei=CDU (Länder))) oder auch: π SName (σ Land=Lname Partei=CDU(Städte Länder)) Welche Länder werden von der SPD allein regiert π LName (σ Partei=SPD (Länder)) π LName (σ Partei SPD(Länder)) 17
18 Abgeleitete Operationen Eine Reihe nützlicher Operationen lassen sich mit Hilfe der 5 Grundoperationen ausdrücken: Durchschnitt R = S T Quotient R = S T Join R = S T 18
19 Durchschnitt Idee: Finde gemeinsame Elemente in zwei Relationen (Schemata müssen übereinstimmen): R = S T = {t t S t T} Beispiel: Welche Personen sind gleichzeitig Mitarbeiter und Student? Mitarbeiter: Name Vorname Studenten: Name Vorname Huber Egon Müller Heinz Maier Wolfgang Schmidt Helmut Schmidt Helmut Mitarbeiter Studenten: Name Vorname Schmidt Helmut 19
20 Durchschnitt Implementierung der Operation Durchschnitt mit Hilfe der Grundoperation Differenz : A B A B A B A B = A (A B) Achtung! Manche Lehrbücher definieren: Durchschnitt ist Grundoperation Differenz ist abgeleitete Operation (Definition gleichwertig, also genauso möglich) 20
21 Quotient Dient zur Simulation eines Allquantors Beispiel: R 1 Programmierer Sprache R 2 Sprache Müller Java Basic Müller Basic C++ Müller C++ Java Huber C++ Huber Java Welche Programmierer programmieren in allen Sprachen? R 1 R 2 Programmierer Müller 21 Umkehrung des kartesischen Produktes (daher: Quotient)
22 Join Wie vorher erwähnt: Selektion über Kreuzprodukt zweier Relationen Theta-Join (Θ): R A Θ B S Allgemeiner Vergleich: Θ ist einer der Operatoren =, <,, >,, Equi-Join: R A = B S Natural Join: R S: Ein Equi-Join bezüglich aller gleichbenannten Attribute in R und S wird durchgeführt. Gleiche Spalten werden gestrichen (Projektion) 22
23 Join Implementierung mit Hilfe der Grundoperationen R A Θ B S = σ A Θ B (R S) 23 Gegeben sei folgendes Relationenschema: Städte (SName: String, SEinw: Integer, Land: String) Länder (LName: String, LEinw: Integer, Partei * : String) * bei Koalitionsregierungen: jeweils eigenes Tupel pro Partei Finde alle Städtenamen in CDU-regierten Ländern π SName (Städte Land=LName σ Partei=CDU (Länder)) Bestimme die Namen aller Städte, deren Einwohnerzahl die eines beliebigen Landes übersteigt: π SName (Städte SEinw>LEinw Länder))
24 SQL Projektion Kreuzprodukt Selektion Die wichtigste Datenbank-Anfragesprache SQL beruht wesentlich auf der relationalen Algebra Grundform einer Anfrage * : SELECT Liste von Attributsnamen bzw. * FROM ein oder mehrere Relationennamen [WHERE Bedingung ] Mengenoperationen: SELECT... FROM... WHERE UNION SELECT... FROM... WHERE * SQL ist case-insensitive: SELECT = select = SeLeCt 24
25 SQL 25 Hauptunterschied zwischen SQL und rel. Algebra: Operatoren bei SQL nicht beliebig schachtelbar Jeder Operator hat seinen festen Platz Trotzdem: Man kann zeigen, daß jeder Ausdruck der relationalen Algebra gleichwertig in SQL formuliert werden kann Die feste Anordnung der Operatoren ist also keine wirkliche Einschränkung (Übersichtlichkeit) Man sagt, SQL ist relational vollständig Weitere Unterschiede: Nicht immer werden Duplikate eliminiert (Projektion) zus. Auswertungsmöglichkeiten (Aggregate, Sortieren)
26 SELECT Entspricht Projektion in der relationalen Algebra Aber: Duplikatelimination nur, wenn durch das Schlüsselwort DISTINCT explizit verlangt Syntax: SELECT * FROM... SELECT A 1, A 2,... FROM... SELECT DISTINCT A 1, A 2, Keine Projektion -- Projektion ohne -- Duplikatelimination -- Projektion mit -- Duplikatelimination Bei der zweiten Form kann die Ergebnis relation also u.u. Duplikate enthalten Grund: Performanz 26
27 SELECT 27 Bei den Attributen A 1, A 2,... lässt sich angeben... Ein Attributname einer beliebigen Relation, die in der FROM-Klausel angegeben ist Ein skalarer Ausdruck, der Attribute und Konstanten mittels arithmetischer Operationen verknüpft Im Extremfall: Nur eine Konstante Aggregationsfunktionen (siehe später) Ein Ausdruck der Form A 1 AS A 2 : A 2 wird der neue Attributname (Spaltenüberschrift) Beispiel: select pname pname oespr usdpr currency preis* as oespr, nagel US$ preis*kurs as usdpr, dübel US$ from US$ as currency... produkt, waehrungen...
28 FROM Enthält mindestens einen Eintrag der Form R 1 Enthält die FROM-Klausel mehrere Einträge FROM R 1, R 2,... so wird das kartesische Produkt gebildet: R 1 R 2... Enthalten zwei verschiedene Relationen R 1, R 2 ein Attribut mit gleichem Namen, dann ist dies in der SELECT- und WHERE-Klausel mehrdeutig Eindeutigkeit durch vorangestellten Relationennamen: SELECT Mitarbeiter.Name, Abteilung.Name,... FROM Mitarbeiter, Abteilung WHERE... 28
29 FROM Man kann Schreibarbeit sparen, indem man den Relationen temporär (innerhalb der Anfrage) kurze Namen zuweist (Alias-Namen): SELECT m.name, a.name,... FROM Mitarbeiter m, Abteilung a WHERE... Dies lässt sich in der SELECT-Klausel auch mit der Sternchen-Notation kombinieren: SELECT m.*, a.name AS Abteilungsname,... FROM Mitarbeiter m, Abteilung a WHERE... Manchmal Self-Join einer Relation mit sich selbst: SELECT m1.name, m2.name,... FROM Mitarbeiter m1, Mitarbeiter m2 WHERE... 29
30 WHERE Entspricht der Selektion der relationalen Algebra Enthält genau eine logische Formel (Boolean) Das logische Prädikat besteht aus Vergleichen zwischen Attributwerten und Konstanten Vergleichen zwischen verschiedenen Attributen (Join) Vergleichsoperatoren * Θ: =, <, <=, >, >=, <> Auch: A 1 BETWEEN x AND y (äquivalent zu A 1 >= x AND A 1 <= y) Test auf Wert undefiniert: A 1 IS NULL/IS NOT NULL Inexakter Stringvergleich: A 1 LIKE Datenbank% A 1 IN (2, 3, 5, 7, 11, 13) 30 * Der Gleichheitsoperator wird nicht etwa wie in Java verdoppelt
31 WHERE Innerhalb eines Prädikates: Skalare Ausdrücke: Numerische Werte/Attribute mit +,, *, / verknüpfbar Strings: char_length, Konkatenation und substring Spezielle Operatoren für Datum und Zeit Übliche Klammernsetzung. Einzelne Prädikate können mit AND, OR, NOT zu komplexeren zusammengefasst werden Idee: Alle Tupel des kartesischen Produktes aus der FROM-Klausel werden getestet, ob sie das log. Prädikat erfüllen. Effizientere Ausführung möglich mit Index 31
32 WHERE 32 Inexakte Stringsuche: A 1 LIKE Datenbank% bedeutet: Alle Datensätze, bei denen Attribut A 1 mit dem Präfix Datenbank beginnt. Entsprechend: A 1 LIKE %Daten% In dem Spezialstring hinter LIKE... %steht für einen beliebig belegbaren Teilstring _steht für ein einzelnes frei belegbares Zeichen Beispiel: Alle Mitarbeiter, deren Nachname auf er endet: select * from mitarbeiter where name like %er Mitarbeiter PNr Name Vorname ANr 001 Huber Erwin Mayer Josef Müller Anton Schmidt Helmut 01
33 Join Normalerweise wird der Join wie bei der relationalen Algebra als Selektionsbedingung über dem kartesischen Produkt formuliert. Beispiel: Join zwischen Mitarbeiter und Abteilung select * from Mitarbeiter m, Abteilungen a where m.anr = a.anr In neueren SQL-Dialekten auch möglich: select * from Mitarbeiter m join Abteilungen a on a.anr=m.anr select * from Mitarbeiter join Abteilungen using (ANr) select * from Mitarbeiter natural join Abteilungen Nach diesem Konstrukt können mit einer WHERE- Klausel weitere Bedingungen an das Ergebnis gestellt werden. 33
34 Beispiel (Wdh. S. 12) select * from Mitarbeiter m, Abteilungen a... PNr Name Vorname m.anr a.anr Abteilungsname 001 Huber Erwin Buchhaltung 001 Huber Erwin Produktion 002 Mayer Hugo Buchhaltung 002 Mayer Hugo Produktion 003 Müller Anton Buchhaltung 003 Müller Anton Produktion...where m.anr = a.anr PNr Name Vorname m.anr a.anr Abteilungsname 001 Huber Erwin Buchhaltung 002 Mayer Hugo Buchhaltung 003 Müller Anton Produktion 34
35 Beispiele: 35 Gegeben sei folgendes Datenbankschema: Kunde (KName, KAdr, Kto) Auftrag (KName, Ware, Menge) Lieferant (LName, LAdr, Ware, Preis) Welche Lieferanten liefern Mehl oder Milch? select distinct LName from Lieferant where Ware = Mehl or Ware = Milch Welche Lieferanten liefern irgendetwas, das der Kunde Huber bestellt hat? select distinct LName from Lieferant l, Auftrag a where l.ware = a.ware and KName = Huber
36 Beispiele (Self-Join): 36 Kunde (KName, KAdr, Kto) Auftrag (KName, Ware, Menge) Lieferant (LName, LAdr, Ware, Preis) Name und Adressen aller Kunden, deren Kontostand kleiner als der von Huber ist select k1.kname, k1.adr from Kunde k1, Kunde k2 where k1.kto < k2.kto and k2.kname = Huber Finde alle Paare von Lieferanten, die eine gleiche Ware liefern select distinct L1.Lname, L2.LName from Lieferant L1, Lieferant L2 where L1.Ware=L2.Ware and L1.LName<L2.LName?
37 Beispiele (Self-Join) 37 L1.LName > L2.LName Lieferant * Müller Mehl Müller Haferfl Bäcker Mehl Ohne Zusatzbedingung: Müller Mehl Müller Mehl Müller Mehl Bäcker Mehl Müller Haferfl Müller Haferfl Bäcker Mehl Müller Mehl Bäcker Mehl Bäcker Mehl Nach Projektion: Müller Müller Müller Bäcker Bäcker Müller Bäcker Bäcker L1.LName = L2.LName
38 UNION, INTERSECT, EXCEPT Üblicherweise werden mit diesen Operationen die Ergebnisse zweier SELECT-FROM-WHERE-Blöcke verknüpft: select * from Mitarbeiter where name like A% union -- Vereinigung mit Duplikatelimination select * from Studenten where name like A% Bei neueren Datenbanksystemen ist auch möglich: select * from Mitarbeiter union Studenten where... Genauso bei: Durchschnitt: INTERSECT Differenz: EXCEPT Vereinigung ohne Duplikatelimination: UNION ALL 38
39 UNION, INTERSECT, EXCEPT Die relationale Algebra verlangt, daß die beiden Relationen, die verknüpft werden, das gleiche Schema besitzen (Namen und Wertebereiche) SQLverlangt nur kompatible Wertebereiche, d.h.: beide Wertebereich sind character (Länge usw. egal) beide Wertebereiche sind Zahlen (Genauigkeit egal) oder beide Wertebereiche sind gleich 39
40 UNION, INTERSECT, EXCEPT Mit dem Schlüsselwort corresponding beschränken sich die Operationen automatisch auf die gleich benannten Attribute Beispiel (aus Datenbanken kompakt): R 1 : R 2 : A B C A C D R 1 union R 2 : R 1 union corresponding R 2 : A B C A C
41 Änderungs-Operationen 41 Bisher: Nur Anfragen an das Datenbanksystem Änderungsoperationen modifizieren den Inhalt eines oder mehrerer Tupel einer Relation Grundsätzlich unterscheiden wir: INSERT: Einfügen von Tupeln in eine Relation DELETE: Löschen von Tupeln aus einer Relation UPDATE: Ändern von Tupeln einer Relation Diese Operationen sind verfügbar als... Ein-Tupel-Operationen z.b. die Erfassung eines neuen Mitarbeiters Mehr-Tupel-Operationen z.b. die Erhöhung aller Gehälter um 2.1%
42 Die UPDATE-Anweisung Syntax: update relation set attribut 1 = ausdruck 1 [,..., attribut n = ausdruck n ] * [where bedingung] Wirkung: In allen Tupeln der Relation, die die Bedingung erfüllen (falls angegeben, sonst in allen Tupeln), werden die Attributwerte wie angegeben gesetzt * falsch in Heuer&Saake: Zuweisungen müssen durch Kommata getrennt werden 42
43 Die UPDATE-Anweisung 43 UPDATE ist i.a. eine Mehrtupel-Operation Beispiel: update Angestellte set Gehalt = 6000 Wie kann man sich auf ein einzelnes Tupel beschränken? Spezifikation des Schlüssels in WHERE-Bedg. Beispiel: update Angestellte set Gehalt = 6000 where PNr = 7
44 Die UPDATE-Anweisung Der alte Attribut-Wert kann bei der Berechnung des neuen Attributwertes herangezogen werden Beispiel: Erhöhe das Gehalt aller Angestellten, die weniger als 3000,-- verdienen, um 2% update Angestellte set Gehalt = Gehalt * 1.02 where Gehalt < 3000 UPDATE-Operationen können zur Verletzung von Integritätsbedingungen führen: Abbruch der Operation mit Fehlermeldung. 44
45 Die DELETE-Anweisung 45 Syntax: delete from relation [where bedingung] Wirkung: Löscht alle Tupel, die die Bedingung erfüllen Ist keine Bedingung angegeben, werden alle Tupel gelöscht Abbruch der Operation, falls eine Integritätsbedingung verletzt würde (z.b. Fremdschlüssel ohne cascade) Beispiel: Löschen aller Angestellten mit Gehalt 0 delete from Angestellte where Gehalt = 0
46 Die INSERT-Anweisung Zwei unterschiedliche Formen: Einfügen konstanter Tupel (Ein-Tupel-Operation) Einfügen berechneter Tupel (Mehr-Tupel-Operation) Syntax zum Einfügen konstanter Tupel: insert into relation (attribut 1, attribut 2,...) values (konstante 1, konstante 2,...) oder: insert into relation values (konstante 1, konstante 2,...) 46
47 Einfügen konstanter Tupel Wirkung: Ist die optionale Attributliste hinter dem Relationennamen angegeben, dann... können unvollständige Tupel eingefügt werden: Nicht aufgeführte Attribute werden mit NULL belegt werden die Werte durch die Reihenfolge in der Attributsliste zugeordnet Beispiel: insert into Angestellte (Vorame, Name, PNr) values ('Donald', 'Duck', 678) PNr Name Vorname ANr 678 Duck Donald NULL 47
48 Einfügen konstanter Tupel Wirkung: Ist die Attributliste nicht angegeben, dann... können unvollständige Tupel nur durch explizite Angabe von NULL eingegeben werden werden die Werte durch die Reihenfolge in der DDL-Definition der Relation zugeordnet (mangelnde Datenunabhängigkeit!) Beispiel: insert into Angestellte values (678, 'Duck', 'Donald', NULL) PNr Name Vorname ANr 678 Duck Donald NULL 48
49 Einfügen berechneter Tupel Syntax zum Einfügen berechneter Tupel: insert into relation [(attribut 1,...)] ( select... from... where... ) Wirkung: Alle Tupel des Ergebnisses der SELECT-Anweisung werden in die Relation eingefügt Die optionale Attributliste hat dieselbe Bedeutung wie bei der entsprechenden Ein-Tupel-Operation Bei Verletzung von Integritätsbedingungen (z.b. Fremdschlüssel nicht vorhanden) wird die Operation nicht ausgeführt (Fehlermeldung) 49
50 Einfügen berechneter Tupel Beispiel: Füge alle Lieferanten in die Kunden-Relation ein (mit Kontostand 0) Datenbankschema: Kunde (KName, KAdr, Kto) Lieferant (LName, LAdr, Ware, Preis) insert into Kunde (select distinct LName, LAdr, 0 from Lieferant) 50
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2012 Kapitel 3: Datenbanksysteme Vorlesung:
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2015 Kapitel 3: Datenbanksysteme Vorlesung:
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2017 Kapitel 3: Datenbanksysteme Vorlesung:
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:
Kapitel 3: Die Relationale Algebra
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Dsteme Skript zur Vorlesung Dsteme I Wintersemester 2010/2011 Kapitel onale Alge Vorlesung: PD Dr. Matthias
Kapitel 3: Die Relationale Algebra
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme Wintersemester 2018/2019 Kapitel 3: Die Relationale
Kapitel 3: Die Relationale Algebra
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Vorlesung Wintersemester 2014/2015 Kapitel 3: Die Relationale Algebra Vorlesung: PD Dr. Arthur
Kapitel 3: Die Relationale Algebra
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2005/2006 Kapitel 3: Die Relationale Algebra Vorlesung:
Kapitel 3: Die Relationale Algebra
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Dsteme Skript zur Vorlesung tenbanks Wintersemester 2011/2012 Kapitel onale Alge Vorlesung: Prof. Dr. Christian
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:
Kapitel 1: Einführung
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2008/2009 Kapitel 1: Einführung Vorlesung: Prof. Dr.
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel : Datenbanksysteme Vorlesung:
Kapitel 2: Das Relationale Modell
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2006/2007 Kapitel 2: Das Relationale Modell Vorlesung:
Welche Kunden haben die gleiche Ware bestellt? select distinct a1.name, a2.name from Auftrag a1, Auftrag a2 where a1.ware = a2.ware.
*HVFKDFKWHOWH$QIUDJHQ In einer SQL-Anweisung können in der where-klausel, from-klausel, select-klausel wieder SQL-Anweisungen auftreten. Man spricht dann auch von einer geschachtelten Anfrage oder Unteranfrage.
3.4 Die relationale Algebra
Algebra: 3.4 Die relationale Algebra gegeben eine Menge N ( Anker der Algebra ) Menge von Operationen { σ 1,, σ n } der Form σ j :N k N elationale Algebra Anker ist die Menge aller elationen {(, I) I ist
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2014 Kapitel 3: Datenbanksysteme Vorlesung:
Kapitel 4: Relationen-Kalkül
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2013/2014 Vorlesung: Prof. Dr. Christian Böhm Übungen:
Daten-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
Kapitel 4: Relationen-Kalkül
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2006/2007 Vorlesung: Dr. Peer Kröger Übungen: Karsten
Kapitel 2: Das Relationale Modell
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme I Wintersemester 2012/2013 Kapitel 2: Das Relationale
PRG2 Folien Zicari Teil 5. Einführung in Datenbanken SS 2007
PRG2 Folien Zicari Teil 5 Einführung in Datenbanken SS 2007 Prof. Dott. Ing. Roberto Zicari Johann Wolfgang Goethe-Universität Frankfurt am Main PRG2 V-1 Fachbereich Informatik und Mathematik SQL SQL =
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:
SQL. Ziele. Grundlagen von SQL. Beziehung zur relationalen Algebra SELECT, FROM, WHERE. Joins ORDER BY. Aggregatfunktionen. dbis.
SQL Lehr- und Forschungseinheit Datenbanken und Informationssysteme Ziele Grundlagen von SQL Beziehung zur relationalen Algebra SELECT, FROM, WHERE Joins ORDER BY Aggregatfunktionen Lehr- und Forschungseinheit
Query 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
Kapitel 4: Relationen-Kalkül
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme I Wintersemester 2017/2018 Vorlesung: Prof. Dr. Christian
Kapitel 5: Sortieren, Gruppieren und Views in SQL
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme I Wintersemester 2016/2017 Kapitel 5: Sortieren, Gruppieren
Rückblick: Relationale Normalisierung
Rückblick: Relationale Normalisierung Gute Relationenschema vermeiden Redundanz und führen nicht zu Anomalien beim Einfügen, Löschen oder Ändern Relationale Normalformen (1NF, 2NF, 3NF, BCNF, 4NF) charakterisieren
Kapitel 5: Mehr zu SQL
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 2005/2006 Vorlesung: Dr. Matthias Schubert Übungen: Elke
SQL als Zugriffssprache
SQL als Zugriffssprache Der Select Befehl: Aufbau Select- und From-Klausel Where-Klausel Group-By- und Having-Klausel Union Join-Verbindung Order-By-Klausel Der Update-Befehl Der Delete-Befehl Der Insert-Befehl
4. Relationenalgebra. Einleitung. Selektion und Projektion Mengenoperatoren. Verbundoperationen (Join) Division Beispielanfragen
Einleitung 4. Relationenalgebra Selektion und Projektion Mengenoperatoren Vereinigung, Durchschnitt, Differenz kartesisches Produkt Verbundoperationen (Join) Theta-Join natürlicher Verbund Semi-Join äußerer
Kapitel 6. Datenmalipulation (DML) d. h. insert, update, delete, select im Relationenmodell (in Oracle)
Kapitel 6 Datenmalipulation (DML) d. h. insert, update, delete, select im Relationenmodell (in Oracle) 1 Datenmanipulationssprache (DML) SQL Einfügen: Insert-Statement Ändern: Update-Statement Löschen:
Diskussion: Personal (1)
Diskussion: Personal (1) ER-Diagramm: Abteilung ist beschäftigt in [0, n] [0, 1] Person Umsetzung ins Relationenmodell? Diskussion: Personal (2) Zusätzliche Regel: In jeder Abteilung (Person) muss mindestens
Rückblick: Relationales Modell
Rückblick: Relationales Modell Relationales Modell als vorherrschendes Datenmodell Relationen (Tabellen) besitzen Attribute (Spalten) mit Wertebereichen und beinhalten Tupel (Zeilen) Umsetzung eines konzeptuellen
Die Anweisung create table
SQL-Datendefinition Die Anweisung create table create table basisrelationenname ( spaltenname 1 wertebereich 1 [not null],... spaltenname k wertebereich k [not null]) Wirkung dieses Kommandos ist sowohl
Es geht also im die SQL Data Manipulation Language.
1 In diesem Abschnitt wollen wir uns mit den SQL Befehlen beschäftigen, mit denen wir Inhalte in Tabellen ( Zeilen) einfügen nach Tabelleninhalten suchen die Inhalte ändern und ggf. auch löschen können.
insert, update, delete Definition des Datenbankschemas select, from, where Rechteverwaltung, Transaktionskontrolle
Einführung in SQL insert, update, delete Definition des Datenbankschemas select, from, where Rechteverwaltung, Transaktionskontrolle Quelle Wikipedia, 3.9.2015 SQL zur Kommunikation mit dem DBMS SQL ist
Datenbanksysteme Kapitel 5: SQL Data Manipulation Language
Datenbanksysteme Kapitel 5: SQL Data Manipulation Language Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter Chamoni
Relationen-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
Grundlagen von Datenbanken
Agenda: Grundlagen von Datenbanken SS 2010 3. Relationale Algebra Prof. Dr. Stefan Böttcher Universität Paderborn mit Material von Prof. Dr. Gregor Engels Grundlagen von Datenbanken - SS 2010 - Prof. Dr.
Kapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2015 Kapitel 3: Datenbanksysteme Vorlesung:
Datenbanken Unit 4: Das Relationale Modell & Datenintegrität
Datenbanken Unit 4: Das Relationale Modell & Datenintegrität 15. III. 2016 Outline 1 Organisatorisches 2 SQL 3 Relationale Algebra Notation 4 Datenintegrität Organisatorisches Erster Zwischentest: nach
Seminar 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
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:
Kapitel 5: Sortieren, Gruppieren und Views in SQL
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Dsteme Skript zur Vorlesung Dsteme I Wintersemester 2011/2012 tel 5: Sortieren und Vie Vorlesung: Prof. Dr.
Relationale Algebra. Thomas Heimrich. Rel. Algebra. Grundlagen. Beispielrelationen. rel. Algebra. Definition der rel. Algebra.
1 / 17 Rel. Relationale Thomas Heimrich rel. Formale Sprachen Rel. relationale Die relationale ist prozedural orientiert. Sie beinhaltet implizit einen Abarbeitungsplan für die Anfrage. Die rel. ist wichtig
Kapitel 5: Mehr zu SQL
Ludwig Maximilians Universität München Institut für Informatik Lehr- und Forschungseinheit für tenbanksysteme Skript zur Vorlesung tenbanks Wintersemester 2010/2011 itel 5: Meh Vorlesung: PD Dr.Matthias
SQL. DDL (Data Definition Language) Befehle und DML(Data Manipulation Language)
SQL DDL (Data Definition Language) Befehle und DML(Data Manipulation Language) DML(Data Manipulation Language) SQL Abfragen Studenten MatrNr Name Vorname Email Age Gruppe 1234 Schmidt Hans schmidt@cs.ro
Structured Query Language (SQL) als standardisierte Anfragesprache für relationale Datenbanken
Rückblick Structured Query Language (SQL) als standardisierte Anfragesprache für relationale Datenbanken Data Definition Language zur Schemadefinition (z.b. CREATE TABLE zum Anlegen von Tabellen) Data
Kap. 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,
[ SQL] Wissen, das sich auszahlt
[www.teia.de SQL] Wissen, das sich auszahlt INHALT SEITE 12 [I] 1] Einführung in SQL und relationale Datenbanken 12 14 16 18 11 1.1 1.2 Einführung Die Structured Query Language (SQL) Tabellen Mehrere Tabellen
Datenbanken Unit 5: Datenintegrität und funktionale Abhängigkeit
Datenbanken Unit 5: Datenintegrität und funktionale Abhängigkeit 23. IV. 2018 Outline 1 Organisatorisches 2 Relationale Algebra Notation 3 Datenintegrität 4 Funktionale Abhängigkeit 5 SQL Outline 1 Organisatorisches
Die Sprache QUEL. Beispiel für QUEL-Anfrage. Weitere Datenbanksprachen. Anfragen in QUEL. Welche Lieferanten liefern von Weiß bestellte Waren?
( " unique - ( ) [ DDL DML des INGRES-Systems DDL analog zu SQL DML an Tupelkalkül angelehnt Die Sprache QUEL Beispiel für QUEL-Anfrage Welche Lieferanten liefern von Weiß bestellte Waren? : range of is
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Wirtschaftsinformatik 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.
Grundlagen von SQL. Informatik 2, FS18. Dr. Hermann Lehner (Material von Dr. Markus Dahinden) Departement Informatik, ETH Zürich
Grundlagen von SQL Informatik 2, FS18 Dr. Hermann Lehner (Material von Dr. Markus Dahinden) Departement Informatik, ETH Zürich Markus Dahinden 13.05.18 1 Grundlagen von SQL (Structured Query Language)
5/14/18. Grundlagen von SQL. Grundlagen von SQL. Google, Facebook und Co. setzen auf SQL. Whatsapp
5/14/18 Grundlagen von SQL (Structured Query Language) Datenbanksprache Befehle Datenbanken und Tabellen erstellen/verändern Daten manipulieren (eingeben, ändern, löschen) Datenbank durchsuchen (Queries
Seminar 1 SQL Abfragen DML. MatrNr Name Vorname Age Gruppe Schmidt Hans Meisel Amelie
Seminar 1 SQL Abfragen DML Studenten MatrNr Name Vorname Email Age Gruppe 1234 Schmidt Hans schmidt@cs.ro 21 331 1235 Meisel Amelie meisel@cs.ro 22 331 1236 Krause Julia krause@cs.ro 21 332 1237 Rasch
Relationale Datenbanksprachen
Relationale Datenbanksprachen SQL-Kern Weitere Sprachkonstrukte von SQL SQL-Versionen Andreas Heuer, Gunter Saake Datenbanken I 9-1 Sprachen und ihre Grundlagen Grundlagen Kommerzielle Sprachen ISBL SQL
3. Das Relationale Datenmodell
3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large hared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBM wie
Informatik II Vorlesung am D-BAUG der ETH Zürich. Vorlesung 12, Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen
Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 12, 30.5.2016 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen Datendefinition (DDL) in SQL Datentypen character (n),
Indexstrukturen in SQL
Indestrukturen in SQL Anlegen eines Primärinde in SQL: Anlegen eines Sekundärinde in SQL: Bsp: create table Dozenten ( DNr integer primary key, Name varchar(0), Geburt date, ) create [Unique] inde indename
Informatik II Vorlesung am D-BAUG der ETH Zürich. Vorlesung 12, 2017 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen
Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 12, 2017 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen Datendefinition (DDL) in SQL Anlegen einer Tabelle create
SQL. DDL (Data Definition Language) Befehle und DML(Data Manipulation Language)
SQL DDL (Data Definition Language) Befehle und DML(Data Manipulation Language) DML(Data Manipulation Language) SQL Abfragen Studenten MatrNr Name Vorname Email Age Gruppe 1234 Schmidt Hans schmidt@cs.ro
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
2.5 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
Vorlesung Datenbanken I Zwischenklausur
Prof. Dr. Stefan Brass 12. Dezember 2003 Institut für Informatik MLU Halle-Wittenberg Vorlesung Datenbanken I Zwischenklausur Name: Matrikelnummer: Studiengang: Aufgabe Punkte Max. Punkte Zeit 1 (Integritätsbedingungen)
Kapitel 10: Relationale Anfragebearbeitung
Ludwig Maimilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 201/2016 Kapitel 10: Relationale Anfragebearbeitung Vorlesung:
Schlüssel. Definition: Ein Schlüssel (key) einer Relation r(r) ist eine Til Teilmenge K von R, so dass für je zwei verschiedene Tupeln t 1
Schlüssel Definition: Ein Schlüssel (key) einer Relation r(r) ist eine Til Teilmenge K von R, so dass für je zwei verschiedene Tupeln t 1 und t 2 r gilt: - t 1 (K) t 2 (K) und - keine echte Teilmenge K'
Teil II Relationale Datenbanken Daten als Tabellen
Teil II Relationale Datenbanken Daten als Tabellen Relationale Datenbanken Daten als Tabellen 1 Relationen für tabellarische Daten 2 SQL-Datendefinition 3 Grundoperationen: Die Relationenalgebra 4 SQL
SQL: Weitere Funktionen
Vergleich auf Zeichenketten SQL: Weitere Funktionen LIKE ist ein Operator mit dem in Zeichenketten andere Zeichenketten gesucht werden; zwei reservierte Zeichen mit besonderer Bedeutung sind hier % (manchmal
Datenbanksysteme Kapitel 5: SQL - Grundlagen
Datenbanksysteme Kapitel 5: SQL - Grundlagen Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Prof. Peter Dr. Chamoni Peter
Datenbanksysteme Kapitel 5: SQL Grundlagen Teil 1
Datenbanksysteme Kapitel 5: SQL Grundlagen Teil 1 Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Prof. Dr. Dr. Peter Peter
Auf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort... 13
Auf einen Blick Vorwort... 13 Teil 1 Vorbereitung Kapitel 1 Einleitung... 17 Kapitel 2 SQL der Standard relationaler Datenbanken... 21 Kapitel 3 Die Beispieldatenbanken... 39 Teil 2 Abfrage und Bearbeitung
Datenmanipulation in SQL (1): Subselect:
Datenmanipulation in SQL (1): Unter Datenmanipulation wird sowohl der lesende Zugriff auf die Daten (Select Statement) als auch die Änderung von Daten (Insert, Delete, Update) subsummiert. Wir beginnen
8. Relationale Datenbanksprachen
8. Relationale Datenbanksprachen SQL-Kern Weitere Sprachkonstrukte von SQL SQL-Versionen VL Datenbanken I 8 1 SQL-Kern select Projektionsliste arithmetische Operationen und Aggregatfunktionen from zu verwendende
Webbasierte Informationssysteme 8. Datenbanksprache SQL
Universität Paderborn Datenbanksprache SQL Webbasierte Informationssysteme 8. Datenbanksprache SQL Prof. Dr. Gregor Engels Alexander Förster AG Datenbank- und Informationssysteme 1 umfasst Sprachanteile
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:
Webbasierte Informationssysteme 8. Datenbanksprache SQL
Universität Paderborn Webbasierte Informationssysteme 8. Datenbanksprache SQL Prof. Dr. Gregor Engels Alexander Förster AG Datenbank- und Informationssysteme 1 Kapitelübersicht Einführung in relationale
Antwort auf QB ist Menge von Tupeln, i-e. selbst wieder Relation (wie bei rel. Algebra) in QB "Zugriff" auf Tupel mit Tupel-Variablen
Kapitel 6.3 SQL als Anfragesprache Kap. 6.3.1 Allgemeine Begriffe Identifiers: Var-Name ~ Tupel-Variable Table-Name ~ Rel., View Field-Name ~ Attribut-Bez. Key-Words: select where key is integer string
mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 14. Mai 2007 σ KID= 11a (Schüler) π S Name (σ KID= 11a (Schüler))
3. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 14. Mai 2007 Hinweis: Wir schlagen vor, die Aufgaben in der Reihenfolge