6.4 Nicht-Relationale Datenbanksysteme
|
|
- Brit Seidel
- vor 5 Jahren
- Abrufe
Transkript
1 6.4 Nicht-Relationale Datenbanksysteme In den letzten 10+ Jahren ist eine Vielzahl verschiedenartiger nicht-relationaler Datenbanksysteme entstanden Einen Überblick über die verschiedenen entstandenen Arten von nicht-relationalen Datenbanksystemen sowie den Vorschlag einer Gruppierung bietet folgender Artikel R. Catell: Scalable SQL and NoSQL Data Stores SIGMOD Record, December
2 6.4.1 Key-Value Stores Key-Value Stores speichern Schlüssel-Wert-Paare wie (37821, Max Müller ) und bieten zumindest folgende Methoden zum Zugriff put(key, value) legt Wert zu Schlüssel ab get(key) holt Wert zu Schlüssel sofern die zugrundeliegende Datenstruktur die Ordnung der Werte beibehält, gibt es zudem Bereichsanfragen range(low, high) holt Werte mit Schlüsseln im Bereich Schlüssel und Werte sind intern meist byte[], Entwickler muss sich um Serialisierung/Deserialisierung kümmern 48
3 Key-Value Stores Verbreitete Systeme: BerkeleyDB ( Redis ( Riak KV ( Project Voldemort ( Systeme übernehmen häufig Ideen aus Amazon Dynamo: G. DeCandia et al.: Dynamo: Amazon s Highly Available Key-value Store, ACM SOSP
4 BerkeleyDB BerkeleyDB ist ein Key-Value-Store zum Betrieb auf einem Rechner, der zudem (ähnlich SQLite) in Anwendungen eingebettet werden kann BerkeleyDB basiert auf einem B + -Baum als Datenstruktur und unterstützt somit auch Bereichsanfragen BerkeleyDB Java Edition bietet sogenannte Stored Collections; diese implementieren die von Java bekannten Interfaces List und Map und lagern Daten transparent im Sekundärspeicher aus 50
5 Redis Redis ist ein verteilter Key-Value Store, der Daten im Hauptspeicher der Rechner hält, sofern keine Dauerhaftigkeit sichergestellt werden muss Replikation (d.h. die gleichen Daten werden mehrfach gehalten) erlaubt zudem eine Skalierung bei Wachstum der Anfragelast 51
6 HollywoodDB in Redis Schauspieler und Filme in jeweils eigenem Namespace 3141 { Vorname : Uma, Name : Thurman, Geburstdatum : spieltin : [{ FId : 2718, Rolle : Die Braut }, ] } { Titel : Kill Bill, Volume 1, Jahr : 2003, Land : U.S.A. darinspielt : [{ SId : 3141, Rolle : Die Braut }, ] }... Schauspieler Filme 52
7 HollywoodDB in Redis Q1: Alle Attributes des Schauspielers mit der SId 3141 get( Schauspieler_3141 ) Q2: Alle Filme aus Land U.S.A. mit ihren Attributen Scannen und Filtern aller Filme in der Anwendung Redis unterstützt selbst keine Indizes, wir könnten jedoch in unserer Anwendung einen Index verwalten, z.b. Land_U.S.A { FIds : [2718, ] } 53
8 HollywoodDB in Redis Q3: Alle Schauspieler mit ihren Attributen, die in dem Film mit dem Titel Kill Bill, Volume 1 mitgespielt haben Redis unterstützt keine Verknüpfungen (Joins) Finden des Films mit dem gegebenen Titel wie in Q2 Scanne und Filtern aller Schauspieler in der Anwendung Q4: Anzahl der Filme, in denen der Schauspieler mit der SId 3141 pro Jahr gespielt hat, aufsteigend sortiert nach dem Jahr Scannen aller Filme in der Anwendung bei gleichzeitigen Gruppieren und Aggregieren 54
9 6.4.2 Extensible Record Stores Extensible Record Stores erweitern die Idee von Key- Value Stores, indem sie für den Wert eine Struktur (ähnlich dem Schema einer Tabelle) zulassen Schlüssel ist weiterhin z.b. ein byte[] Wert besteht aus Paaren von Spaltenname und -wert Im Gegensatz zum relationalen Modell gibt es kein fixes Schema und das System ist für dünnbesetzte Daten optimiert, d.h. Spalten für die meisten Daten unbekannt BigTable als ein bei Google entwickeltes System war Vorreiter der Extensible Record Stores 55
10 Extensible Record Stores Operationen: Im einfachsten Fall wie bei Key-Value Stores Verbreitete Systeme: Apache HBase ( Apache Cassandra ( Hypertable ( Systeme übernehmen häufig Ideen aus Google BigTable: F. Chang et al.: Bigtable: A Distributed Storage System for Structured Data, ACM Transactions on Computer Systems 26(2):4,
11 Apache Cassandra Aufgrund des vorgegebenen Schemas kann man sich die Daten als Tabelle, evtl. mit vielen Lücken, vorstellen Apache Cassandra imitiert soweit möglich SQL und bietet mit CQL eigene Sprache für DDL, DML und DQL Schauspieler SId Vorname Name Geburtsdatum spieltin 3141 Uma Thurman [2718,... ]. Filme FId Titel Jahr Land darinspielt 2718 Kill Bill, Volume U.S.A. [3141,... ] Mengenwertige Attribute. 57
12 HollywoodDB in Apache Cassandra Q1: Alle Attributes des Schauspielers mit der SId SELECT * 2 FROM Schauspieler 3 WHERE SId = 3141 Q2: Alle Filme aus Land U.S.A. mit ihren Attributen 1 SELECT * 2 FROM Filme 3 WHERE Land = U.S.A. Cassandra warnt vor Bearbeitung durch Scannen der Tabelle Cassandra kann Anfrage durch Anlegen eines Index auf einer einzelnen Spalte (hier: Land) beschleunigen 58
13 HollywoodDB in Apache Cassandra Q3: Alle Schauspieler mit ihren Attributen, die in dem Film mit dem Titel Kill Bill, Volume 1 mitgespielt haben Cassandra unterstützt keinerlei Joins, daher Zerlegung in zwei Anfragen notwendig ( Film mit Titel Kill Bill, Volume 1 dann Schauspieler, die in Film mit Fid 2718 gespielt haben ) Q4: Anzahl der Filme, in denen der Schauspieler mit der SId 3141 pro Jahr gespielt hat, aufsteigend sortiert nach dem Jahr Cassandra unterstützt Gruppierung und Aggregation nur auf Attributen des Primärschlüssels, daher müssen diese in der Anwendung erfolgen 59
14 6.4.3 Dokumentorientierte Datenbanken Dokumentenorientierte Datenbanken (document stores) modellieren die Daten als Dokumente in einem Format wie JSON oder XML JavaScript Object Notation (JSON) leichtgewichtiges Format, ursprünglich zur Serialisierung von JavaScript-Objekten JSON-Dokument ist Folge von Schlüssel-Wert-Paaren Schlüssel ist ein String Wert ist ein String, Integer, Float, Boolean, Array oder ein geschachteltes JSON-Dokument 60
15 Dokumentenorientierte Datenbanken Operationen: Einfügen, Löschen und Ändern von Dokumenten Anfragen in stark unterschiedlichem Umfang und Ausprägung JSON-Dokumente als Kombination von Wertevergleichen JavaScript-Funktion, die auf jedes Dokument angewandt wird MapReduce-Implementierungen für komplexeste Anfragen Verbreitete Systeme: CouchDB ( MongoDB ( Elasticsearch ( 61
16 JavaScript Object Notation (JSON) Beispiel: JSON-Dokument zu Uma Thurman { Vorname : Uma, Name : Thurman, Geburstdatum : spieltin : [{ FId : 2718, Rolle : Die Braut }, ] } JSON ist leicht zu lesen und zu verarbeiten JSON ist im Vergleich zu XML leichtgewichtiger JSON selbst legt kein Schema fest, mit JSON-Schema existiert jedoch ein Format zur Schemadefinition, so dass Dokumente validiert werden können 62
17 Dokumentenorientierte Datenbanken Zugriff auf so gespeicherte Daten dann mittels Anfrageprädikaten z.b. { Name : Thurman } Systeme bieten teilweise zusätzliche Funktionalität Gruppierung und Aggregation (MongoDB) MapReduce zur Anfrageformulierung (CouchDB) Indizes auf ausgewählten Attributen (MongoDB, CouchDB) Verteilung und Replikation zur Skalierung bei großen Datenmengen und/oder hoher Anfragelast 63
18 MongoDB & CouchDB MongoDB erwartet Dokumente im JSON-Format; erlaubt Anfrageterminologie an SQL angelehnt CouchDB erwartet Dokumente im JSON-Format; erlaubt Implementierung von Anfragen in MapReduce 64
19 MongoDB Schauspieler und Filme jeweils in eigener Collection { _id : 3141, Vorname : Uma, Name : Thurman, Geburstdatum : spieltin : [{ FId : 2718, Rolle : Die Braut }, ] }... { _id : 2718, Titel : Kill Bill, Volume 1, Jahr : 2003, Land : U.S.A. darinspielt : [{ SId : 3141, Rolle : Die Braut }, ] }... Schauspieler Filme 65
20 HollywoodDB in MongoDB Q1: Alle Attributes des Schauspielers mit der SId db.schauspieler.find({" _id" : 3141}) Q2: Alle Filme aus Land U.S.A. mit ihren Attributen 1 db.filme.find({" Land" : "U.S.A."}) Anfrage kann durch Anlegen eines Index auf der Spalte Land beschleunigt werden MongoDB unterstützt Indizes über mehrere Spalten und bietet zahlreiche Optionen zu deren Kalibrierung 66
21 HollywoodDB in MongoDB Q3: Alle Schauspieler mit ihren Attributen, die in dem Film mit dem Titel Kill Bill, Volume 1 mitgespielt haben db.filme.aggregate([ {$match : {Titel : "Kill Bill, Volume 1"}}, {$unwind : "$darinspielt"}, {$project : {darinspielt : 1}}, {$lookup : {from : "Schauspieler", localfield : "darinspielt.sid", foreignfield : "_id", as : "Schauspieler"}}, {$project : {Schauspieler : 1}} ]) 67
22 HollywoodDB in MongoDB Q4: Anzahl der Filme, in denen der Schauspieler mit der SId 3141 pro Jahr gespielt hat, aufsteigend sortiert nach dem Jahr db.filme.aggregate([ {$unwind : "$darinspielt"}, {$match : { "darinspielt.sid" : 3141}}, {$group : { _id : "$Jahr", Anzahl : {$sum : 1} }}, {$sort : {"Jahr" : 1}} ]) 68
23 6.4.4 Graphdatenbanken Graphdatenbanken (graph stores) speichern Daten in Form eines gerichteten, beschrifteten Graphs (directed labeled graph) Man kann zwei Variationen dieser Idee unterscheiden Semantic Web -Ansatz (nach T. Berners-Lee) auf Grundlage der W3C-Standards RDF und RDF Schema, wobei alles als Knoten und Kanten im Graph dargestellt wird Property-Graph-Modell hingegen erlaubt, dass Knoten und Kanten eigene Attribute besitzen können, was im Vergleich zu kompakteren Graphen führt 69
24 Graphdatenbanken Festes Schema, wie beim relationalen Modell, ist meist nicht erforderlich, d.h. neue Beschriftungen für Kanten und Knoten können hinzugefügt werden Triple Stores für Daten im Semantic-Web Format RDF mit Anfragesprache SPARQL sind Spezialfall von Graphdatenbanken 70
25 Graphdatenbanken Operationen: Einfügen, Löschen und Ändern von Knoten und Kanten Anfragen basieren auf der Angabe von Graphmustern (graph patterns), die komplexe Operationen (z.b. kürzeste Pfade) beinhalten können Schema ist flexibel, kann jedoch (z.b. mittels RDF Schema) angegeben und dann auch validiert werden Skalierung durch Partitionierung und/oder Replikation ACID-Transaktionen (Neo4J und OrientDB) 71
26 Resource Description Framework (RDF) Resource Description Framework (RDF) stellt Graph als Sammlung von (Subjekt, Prädikat, Objekt)-Tripeln dar, wobei Subjekt sowie Prädikat URIs und das Objekt eine URI oder ein Wert (literal) sein können <s:2718, a:name, Thurman > RDF Schema zur Schemadefinition SPARQL als Anfragesprache für RDF-Daten RDF, RDF Schema und SPARQL sind Standards des W3C 72
27 Property Graph Model Property Graph Model fordert, dass Kanten beschriftet sind, dass Knoten und Kanten eine eindeutige ID besitzen und erlaubt, dass diesen eine Menge von Attributen (Schlüssel-Wert-Paare) zugeordnet ist 73
28 RDF vs. Property Graph Model f:3141 Thurman _id : s2718 Name : Thurman Vorname : Uma Geburtsdatum : a:spieltin a:name spieltin _id : sf6643 Rolle: Die Braut a:geb. s:2718 a:vorname Uma _id : f3141 Titel : Kill Bill 1 Land : U.S.A. Jahr : 2013 RDF Property Graph Model 74
29 Graphdatenbanken Verbreitete Systeme (RDF) sogenannte Triple Stores: Apache Jena ( Virtuoso ( RDF4J ( Verbreitete Systeme (Property Graph Model): Neo4J ( OrientDB ( 75
30 Neo4J Neo4J zum Betrieb auf einem Rechner; bietet mit Cypher eine eigene Anfragesprache, die auch Graphoperationen wie kürzeste Pfade unterstützt OrientDB zum Betrieb auf mehreren Rechnern; unterstützt SQL als Anfragesprache 76
31 Neo4J Neben Kanten können auch Knoten beschriftet werden und hierdurch, ähnlich zu Tabellen, typisiert werden Cypher als SQL-artige Anfragesprache 1 CREATE (s:schauspieler { 2 SId:3141, 3 Vorname: Uma, 4 Name: Thurman, 5 Geburtsdatum: }) Integritätsbedingungen zur Schemadefinition welche Attribute muss ein Knoten besitzen welche Attribute müssen eindeutig sein welche Attribute sind voneinander abhängig 77
32 HollywoodDB in Neo4J Q1: Alle Attributes des Schauspielers mit der SId MATCH (s:schauspieler) 2 WHERE s.sid = RETURN * Q2: Alle Filme aus Land U.S.A. mit ihren Attributen 1 MATCH (f:filme) 2 WHERE f.land= U.S.A. 3 RETURN * Anfrage kann durch Anlegen eines Index auf dem Attribut (Spalte) Land beschleunigt werden Indizes über Kombination von Attributen unterstützt 78
33 HollywoodDB in Neo4J Q3: Alle Schauspieler mit ihren Attributen, die in dem Film mit dem Titel Kill Bill, Volume 1 mitgespielt haben 1 MATCH (s:schauspieler)-[r:spieltin]->(f:filme) 2 WHERE f.titel= Kill Bill, Volume 1 3 RETURN s 79
34 HollywoodDB in Neo4J Q4: Anzahl der Filme, in denen der Schauspieler mit der SId 3141 pro Jahr gespielt hat, aufsteigend sortiert nach dem Jahr 1 MATCH (s:schauspieler)-[r:spieltin]->(f:filme) 2 WHERE s.sid= RETURN COUNT(f.Titel) AS Anzahl, f.jahr 4 ORDER BY f.jahr 80
35 Zusammenfassung NoSQL bietet Alternativen zu RDBMSs für Anwendungen, die z.b. keine ACID-Transaktionen benötigen, kein rigides Schema festlegen können oder ihre Daten auf viele herkömmliche Rechner verteilen müssen Bei rudimentären Systemen (z.b. Key-Value Stores) müssen Entwickler vieles, was bei einem RDBMS gegeben ist, beispielsweise Joins, selbst implementieren SQL als Anfragesprache spielt auch in NoSQL-Systemen eine Rolle und wird zunehmend nachgerüstet (z.b. Apache Drill und Apache Impala) 81
36 Zusammenfassung Konvergenz von RDBMS und NoSQL-Datenbanken RDBMS lernen andere NoSQL-Ansätze zu imitieren (z.b. SAP HANA als Graphdatenbank) JSON als zusätzlicher Datentyp zur Schemaflexibilisierung (z.b. in PostgreSQL und MySQL) SQL-Anfragen über NoSQL-Datenbanken z.b. mittels JDBC-Treibern (z.b. für MongoDB) oder RDBMS mit NoSQL-Storage (z.b. Apache Phoenix) 82
37 Zusammenfassung Unterschiedliche Ansätze für unterschiedliche Anforderungen Key-Value Stores: keinerlei Schema, hohe Lese-/Schreiblast, einfachste Anfragen Caches Extensible-Record Stores: erweiterbares Schema, hohe Lese-/Schreiblast, objektbezogene Anfragen Document Stores: flexibles Schema, hohe Lese-/Schreiblast, objektbezogene Anfragen Object Stores Graphdatenbanken: flexibles Schema, komplexe Anfragen über Objekte und deren Beziehungen Social Networks 83
38 Literatur [1] A. Kemper und A. Eickler: Datenbanksysteme Eine Einführung, De Gruyter Oldenbourg, 2015 (Kapitel 21) [2] L. Wiese: Advanced Data Management for SQL, NoSQL, Cloud and Distributed Databases, DeGruyter, 2015 [3] M. Kleppmann: Designing Data-Intensive Applications, O Reilly,
Inhalt NoSQL? 12.2 MapReduce & Co Key-Value Stores Extensible Record Stores Dokumentorientierte Datenbanken
7. NoSQL Inhalt 12.1 NoSQL? 12.2 MapReduce & Co 12.3 Key-Value Stores 12.4 Extensible Record Stores 12.5 Dokumentorientierte Datenbanken 12.6 Graphdatenbanken 2 12.1 NoSQL? Relationale Datenbanksysteme
MehrInhalt NoSQL? 12.2 MapReduce & Co Key-Value Stores Extensible Record Stores Dokumentorientierte Datenbanken
12. NoSQL Inhalt 12.1 NoSQL? 12.2 MapReduce & Co 12.3 Key-Value Stores 12.4 Extensible Record Stores 12.5 Dokumentorientierte Datenbanken 12.6 Graphdatenbanken 2 12.1 NoSQL? Relationale Datenbanksysteme
MehrStefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN:
sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42355-8 Weitere Informationen oder Bestellungen
MehrNoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE
NoSQL Datenbanken EIN ÜBERBLICK ÜBER NICHT-RELATIONALE DATENBANKEN UND DEREN POTENTIALE IM ALLGEMEINEN UND IN DER INDUSTRIE Was bedeutet NoSQL? Ein Sammelbegriff für alternative Datenbanklösungen, die
MehrInhaltsverzeichnis. Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner. NoSQL
sverzeichnis Stefan Edlich, Achim Friedland, Jens Hampe, Benjamin Brauer, Markus Brückner NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken ISBN: 978-3-446-42753-2 Weitere Informationen
MehrANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE. NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik
ARFA ANALYTICS, RISK MANAGEMENT & FINANCE ARCHITECTURE NoSQL Datenbanksysteme Übersicht, Abgrenzung & Charakteristik Ralf Leipner Domain Architect Analytics, Risk Management & Finance 33. Berner Architekten
MehrDatenbanken & Informationssysteme (WS 2016/2017)
Datenbanken & Informationssysteme (WS 2016/2017) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de)
MehrStefan Edlich Achim Friedland Jens Rampe Benjamin Brauer. NoSQL. Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER
Stefan Edlich Achim Friedland Jens Rampe Benjamin Brauer NoSQL Einstieg in die Welt nichtrelationaler Web 2.0 Datenbanken HANSER Geleitwort 1 Vorwort 1 1 Einführung 1 1.1 Historie 1 1.2 Definition und
MehrEvaluation verschiedener Triple-Stores zum Speichern von Metadaten im Kontext des Forschungsdatenmanagements
Evaluation verschiedener Triple-Stores zum Speichern von Metadaten im Kontext des Forschungsdatenmanagements Sarah Bensberg - Seminarvortrag - 08.02.2017 Inhaltsverzeichnis Motivation - Forschungsdatenmanagement
MehrInformationssysteme für Ingenieure
Informationssysteme für Ingenieure Vorlesung Herbstsemester 2016 Überblick und Organisation R. Marti Organisation Web Site: http://isi.inf.ethz.ch Dozent: Robert Marti, martir ethz.ch Assistenz:??
MehrÜberblick und Vergleich von NoSQL. Datenbanksystemen
Fakultät Informatik Hauptseminar Technische Informationssysteme Überblick und Vergleich von NoSQL Christian Oelsner Dresden, 20. Mai 2011 1 1. Einführung 2. Historisches & Definition 3. Kategorien von
MehrNoSQL HANSER. Einstieg in die Web 2.0 Datenbanken. Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner
Stefan Edlich Achim Friedland Jens Hampe Benjamin Brauer Markus Brückner NoSQL Einstieg in die Web 2.0 Datenbanken 2., akutalisierte und erweiterte Auflage HANSER Geleitwort Vorwort Vorwort zur 2. Auflage
MehrSinn (und Unsinn) für Informix Benutzer
NoSQL : Sinn (und Unsinn) für Informix Benutzer Martin Fürderer IBM Informix Entwicklung München Agenda Was bedeutet NoSQL für Informix Benutzer? Was bedeutet NoSQL? Fragen? Welche NoSQL Funktionalität
Mehr9. Sicherheitsaspekte
9. Sicherheitsaspekte Motivation Datenbanken enthalten häufig sensible Daten (z.b. personenbezogene oder unternehmenskritische) Vielzahl verschiedener Benutzer hat Zugriff (z.b. Anwendungen, Mitarbeiter,
MehrDatenbanken und Datenbanktypen Tag 1 : Kapitel 1. Christian Inauen. Lernziele. Entwicklung der Datenbanken.
Tag 1 : und 10.08.2015 Jede/r Lernende... kann in eigenen Worten die Entstehung von erläutern kennt die verschiedenen Arten von mit entsprechenden Eigenschaften kann die Abkürzungen ACID, BASE und CAP
MehrDATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
MehrNoSQL. Prof. Dr. Ingo Claßen. Einführung. Kategorisierung von NoSQL-Systemen. Verteilung. Konsistenz. Literatur
NoSQL Prof. Dr. Ingo Claßen Hochschule für Technik und Wirtschaft Berlin Einführung Kategorisierung von NoSQL-Systemen Verteilung Konsistenz Literatur Einführung Warum NoSQL Unterstützung großer Datenmengen
MehrNoSQL-Datenbanken. Kapitel 1: Einführung. Lars Kolb Sommersemester 2014. Universität Leipzig http://dbs.uni-leipzig.de 1-1
NoSQL-Datenbanken Kapitel 1: Einführung Lars Kolb Sommersemester 2014 Universität Leipzig http://dbs.uni-leipzig.de 1-1 Inhaltsverzeichnis NoSQL-Datenbanken Motivation und Definition Kategorisierung, Eigenschaften
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort... 13
Auf einen Blick Vorwort... 13 Teil 1 Vorbereitung Kapitel 1 Einleitung... 17 Kapitel 2 SQL der Standard relationaler Datenbanken... 21 Kapitel 3 Die Beispieldatenbanken... 39 Teil 2 Abfrage und Bearbeitung
MehrNoSQL-Databases. Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de
NoSQL-Databases Präsentation für Advanced Seminar "Computer Engineering", Matthias Hauck, matthias.hauck@stud.uni-heidelberg.de Klassische SQL-Datenbanken Anwendungsgebiet: Geschäftsanwendungen Behördenanwendungen
MehrSODA. Die Datenbank als Document Store. Rainer Willems. Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG
SODA Die Datenbank als Document Store Rainer Willems Master Principal Sales Consultant Oracle Deutschland B.V. & Co. KG vs No Anforderungskonflikte Agile Entwicklung Häufige Schema-Änderungen Relationales
MehrAuf einen Blick. Abfrage und Bearbeitung. Erstellen einer Datenbank. Komplexe Abfragen. Vorwort 13
Auf einen Blick Vorwort 13 Teil 1 Vorbereitung Kapitel 1 Einleitung 17 Kapitel 2 SQL - der Standard relationaler Datenbanken 21 Kapitel 3 Die Beispieldatenbanken 39 Teil 2 Abfrage und Bearbeitung Kapitel
MehrAusblick über den Tellerrand
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken über den Tellerrand Dr. Thomas Gottron Wintersemester 2012/13 Column Stores Thomas Gottron GLDB 2012/13 2 Row Stores Wir haben betrachtet:
MehrSemistrukturierte Daten
Semistrukturierte Daten JSON Stefan Woltran Emanuel Sallinger Institut für Informationssysteme Technische Universität Wien Sommersemester 2014 Stefan Woltran, Emanuel Sallinger Seite 1 JSON JSON steht
MehrSODA Die Datenbank als Document Store Rainer Willems Oracle Deutschland B.V. & Co. KG Dreieich Schlüsselworte
SODA Die Datenbank als Document Store Rainer Willems Oracle Deutschland B.V. & Co. KG Dreieich Schlüsselworte SODA, Simple Oracle Document Access, Document Store, Schemaless, JSON, Collections Einleitung
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrBigTable. 11.12.2012 Else
BigTable 11.12.2012 Else Einführung Distributed Storage System im Einsatz bei Google (2006) speichert strukturierte Daten petabyte-scale, > 1000 Nodes nicht relational, NoSQL setzt auf GFS auf 11.12.2012
MehrNoSQL. 1. Motivation für NoSQL. 2. Datenmodelle für NoSQL. 3. KV-Stores und Wide Column. 4. Document Stores. 5. Graph Stores
Teil XI NoSQL NoSQL 1. Motivation für NoSQL 2. Datenmodelle für NoSQL 3. KV-Stores und Wide Column 4. Document Stores 5. Graph Stores Sattler/Saake VL Datenbanksysteme Januar 2019 11 1 Motivation für NoSQL
MehrPräsentation mongodb. David Wild
Präsentation mongodb David Wild 11.12.2012 Einleitung 2009 vom US-Startup 10gen als Open-Source-Lösung vorgestellt Einleitung 2009 vom US-Startup 10gen als Open-Source-Lösung vorgestellt Name stammt aus
MehrWiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
MehrNoSQL-Datenbanken. Kapitel 1: Einführung. Dr. Anika Groß Sommersemester Universität Leipzig 1-1
NoSQL-Datenbanken Kapitel 1: Einführung Dr. Anika Groß Sommersemester 2017 Universität Leipzig http://dbs.uni-leipzig.de 1-1 Inhaltsverzeichnis NoSQL-Datenbanken Motivation und Definition Kategorisierung,
MehrNoSQL. 1 Motivation für NoSQL. 2 Datenmodelle für NoSQL. 3 KV-Stores und Wide Column. 4 Document Stores. 5 Graph Stores. NoSQL
Teil XII NoSQL NoSQL 1 Motivation für NoSQL 2 Datenmodelle für NoSQL 3 KV-Stores und Wide Column 4 Document Stores 5 Sattler / Saake Datenbanksysteme Letzte Änderung: Okt. 2016 12 1 Lernziele für heute...
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einleitung... 15
Vorwort..................................................... 13 Kapitel 1 Einleitung.......................................... 15 Kapitel 2 SQL der Standard relationaler Datenbanken... 19 2.1 Die Geschichte................................
MehrDatenbanken. Seminararbeit. Einführung in das wissenschaftliche Arbeiten
Seminararbeit vorgelegt von: Gutachter: Studienbereich: Christian Lechner Dr. Georg Moser Informatik Datum: 6. Juni 2013 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung in Datenbanken 1 1.1 Motivation....................................
MehrFokus 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
MehrHadoop. Eine Open-Source-Implementierung von MapReduce und BigTable. von Philipp Kemkes
Hadoop Eine Open-Source-Implementierung von MapReduce und BigTable von Philipp Kemkes Hadoop Framework für skalierbare, verteilt arbeitende Software Zur Verarbeitung großer Datenmengen (Terra- bis Petabyte)
MehrAndere Datenbankmodelle. Graphendatenbanken
Andere Datenbankmodelle Graphendatenbanken Datenbankmodelle Relationale Datenbank (SQL) NoSQL (Not Only SQL): Implementierungen können folgendermaßen nach Datenmodell gegliedert werden: Dokumentorientierte
MehrStructured 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
MehrInhaltsverzeichnis. Vorwort 13. Kapitel 1 Einleitung 15
Vorwort 13 Kapitel 1 Einleitung 15 Kapitel 2 SQL-der Standard relationaler Datenbanken... 19 2.1 Die Geschichte 19 2.2 Die Bestandteile 20 2.3 Die Verarbeitung einer SQL-Anweisung 22 2.4 Die Struktur von
Mehr3. Relationales Modell & Algebra
3. Relationales Modell & Algebra Inhalt 3.1 Relationales Modell Wie können wir Daten mathematisch formal darstellen? 3.2 Übersetzung eines konzeptuellen Modells Wie können wir ein konzeptuelles Modell
MehrDatenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie
Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter
MehrWeb Technologien NoSQL Datenbanken
Web Technologien NoSQL Datenbanken Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Information and Service Systems Department of Law and Economics WS 2011/2012 Wednesdays, 8:00 10:00 a.m. Room HS 021, B4
MehrRückblick. SQL bietet viele Möglichkeiten zur Anfrageformulierung
Rückblick SQL bietet viele Möglichkeiten zur Anfrageformulierung mathematische Funktionen (z.b. ABS(A) und SIGN(A)) Aggregatfunktionen (z.b. MIN(A) und SUM(A)) Boole sche Operatoren (AND, OR, EXCEPT) Verknüpfungen
MehrSQL. SQL: Structured Query Language. Früherer Name: SEQUEL. Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99
SQL Früherer Name: SEQUEL SQL: Structured Query Language Standardisierte Anfragesprache für relationale DBMS: SQL-89, SQL-92, SQL-99 SQL ist eine deklarative Anfragesprache Teile von SQL Vier große Teile:
MehrAlgorithmen. Consistent Hashing Bloom Filter MapReduce. Distributed Hash Tables. Einführung 1
Algorithmen Consistent Hashing Bloom Filter MapReduce Distributed Hash Tables Einführung 1 Consistent Hashing Problem: Wie finde ich den Speicherort für ein Objekt in einem verteilten System mit n Knoten?
MehrGrundlagen 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)
MehrDatenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie
Datenbanksysteme Kapitel 6: Neue Konzepte der Datenbanktechnologie Prof. Dr. Peter Chamoni Mercator School of Management Lehrstuhl für Wirtschaftsinformatik, insb. Business Intelligence Prof. Dr. Peter
Mehr5/14/18. 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
MehrBig Data Management Thema 14: Cassandra
Thema 14: Cassandra Jan Kristof Nidzwetzki Thema 14: Cassandra 1 / 25 Übersicht 1 Grundlagen Überblick Geschichte Datenmodel 2 Architektur Der logische Ring Persistenz der Daten Tunable Consistency Read
Mehr3. Relationales Modell & Algebra
3. Relationales Modell & Algebra Inhalt 3.1 Relationales Modell Wie können wir Daten mathematisch formal darstellen? 3.2 Übersetzung eines konzeptuellen Modells Wie können wir ein konzeptuelles Modell
MehrJava Database Connectivity (JDBC) zum Zugriff aus in z.b. in Java geschriebenen Applikationen
Rückblick Java Database Connectivity (JDBC) zum Zugriff aus in z.b. in Java geschriebenen Applikationen JDBC erlaubt Transaktionskontrolle, d.h. Festschreiben und Zurückrollen sowie setzten der Isolationsstufe
MehrNoSQL Andere Wege in der Speicherung von Geodaten?
NoSQL Andere Wege in der Speicherung von Geodaten? Holger Baumann, Agenda Status Quo Speicherung von Geodaten in SQL-Datenbanken Datenbanken im Web Umfeld Verteilte Datenbanken Begriff und Klassifizierung
MehrDatenbanksysteme. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2015/16.
Datenbanksysteme Wintersemester 2015/16 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern smichel@cs.uni-kl.de MapReduce, Prof. Dr.-Ing. S. Michel TU Kaiserslautern Datenbanksysteme, WS 15/16 2 / 35 MapReduce,
MehrDatenbankmodelle und Datenbanksprachen
Datenbankmodelle und Datenbanksprachen Dr.-Ing. Guy Vollmer FH Dortmund, FB Informatik Dienstag, 30. September 2008 1 Agenda 1. Einordnung des Themas 2. Datenbankmodelle Relationales Datenmodell 3. Datenbanksprachen
MehrInhaltsverzeichnis. Lothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN:
Lothar Piepmeyer Grundkurs Datenbanksysteme Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-42354-1
MehrEin XML Dokument zeichnet sich im Wesentlichen durch seine baumartige Struktur aus:
RDF in wissenschaftlichen Bibliotheken 5HWULHYDODXI5') Momentan existiert noch keine standardisierte Anfragesprache für RDF Dokumente. Auf Grund der existierenden XML Repräsentation von RDF liegt es jedoch
MehrXML-Technologien Tutorium 6
XML-Technologien Tutorium 6 Thema: Semantic Web Linked Data RDF SPARQL von: Kain Kordian Gontarska kainkordian@gmail.com Semantic Web Das Internet soll nicht nur aus "dummen" Inhalten bestehen. (Ansammlung
MehrSkalierbare Webanwendungen
Skalierbare Webanwendungen Thomas Bachmann Lead Software Architect & CIO Mambu GmbH Twitter: @thobach Anwendungsbeispiel Hohe Nichtfunktionale Anforderungen Sicherheit Vertraulichkeit Integrität Verfügbarkeit
MehrRückblick: Entity-Relationship-Modell
Rückblick: Entity-Relationship-Modell Entity-Relationship-Modell für konzeptuellen Entwurf Entitytypen (entity types) (z.b. Studenten) Beziehungstypen (relationships) (z.b. hören) Attribute beschreiben
MehrBig Data in der Praxis
Jonas Freiknecht Big Data in der Praxis Lösungen mit Hadoop, HBase und Hive Daten speichern, aufbereiten, visualisieren HANSER Vorwort XI 1 Einleitung 1 2 Big-Data 7 2.1 Historische Entstehung 8 2.2 Big-Data
MehrDatenmodelle und Datenbanken 2
Datenmodelle und Datenbanken 2 Prof. N. Fuhr Institut für Informatik und Interaktive Systeme Arbeitsgruppe Informationssysteme 24. Februar 2005 Hinweise zur Bearbeitung Die Zeit läuft erst, wenn Sie alle
MehrSoziotechnische Informationssysteme
Soziotechnische Informationssysteme 8. NoSQL Relationale Datenbank NoSQL Datenbank Relationale Datenbank? NoSQL Datenbank RDBM 2 Warum? Skalierbarkeit Riesige Datenmengen Performanz und Elastizität Auslastung
MehrPraktische SQL-Befehle
Praktische SQL-Befehle Datenbanksysteme I WiSe 2018/2019 Todor Ivanov DB1 WS2018 1 Praktische SQL-Befehle Nested Selects Inserts Updates Views Triggers Constraints Functions Voraussetzung: Laptop + MySQL/
MehrNeues aus der nicht-, semi- und relationalen Welt
Neues aus der nicht-, semi- und relationalen Welt Information Management Thomas Klughardt Senior System Consultant Das Big Data Problem Was bedeutet Big Data? Performancekritisch Echtzeit Cold Storage
MehrMCSA: SQL 2016 Database Development
MCSA: SQL 2016 Database Development Querying Data with Transact-SQL & Developing SQL Databases Seminarziel In diesem 6-tägigen Kurs werden die Teilnehmer von Grund auf in die Entwicklung
Mehr7. XML-Datenbanksysteme und SQL/XML
7. XML-Datenbanksysteme und SQL/XML Native XML-DBS vs. XML-Erweiterungen von ORDBS Speicherung von XML-Dokumenten Speicherung von XML-Dokumenten als Ganzes Generische Dekomposition von XML-Dokumenten Schemabasierte
MehrGrundlagen von Datenbanken
Grundlagen von Datenbanken Aufgabenzettel 4 SQL-Anfragen Überblick: DB-Entwurf und Modellierung Konzeptioneller Entwurf Anforderungen Informationsmodell PNr. Vorname Nachname Geb.Datum Person n Datum kaufen
MehrEinführung in CouchDB
Einführung in CouchDB Zurücklehnen und entspannen! http://slog.io Thomas Schrader (@slogmen) 12/2010 Übersicht Bestandsaufnahme Ansatz Geschichte Technologien Features Skalierbarkeit Kurz & Gut Fazit Relationale
MehrMicrosoft Access 2010 SQL nutzen
Microsoft Access 2010 SQL nutzen Welche Bestellungen hat Kunde x aufgegeben? Welche Kunden haben noch nie bestellt? Wer hat welche Bestellungen von welchen Kunden aufgenommen? S(tructured)Q(uery)L(anguage)
MehrÜbersicht der wichtigsten MySQL-Befehle
Übersicht der wichtigsten MySQL-Befehle 1. Arbeiten mit Datenbanken 1.1 Datenbank anlegen Eine Datenbank kann man wie folgt erstellen. CREATE DATABASE db_namen; 1.2 Existierende Datenbanken anzeigen Mit
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
MehrNoSQL. Was Architekten beachten sollten. Dr. Halil-Cem Gürsoy adesso AG. Architekturtag @ SEACON 2012 Hamburg
NoSQL Was Architekten beachten sollten Dr. Halil-Cem Gürsoy adesso AG Architekturtag @ SEACON 2012 Hamburg 06.06.2012 Agenda Ein Blick in die Welt der RDBMS Klassifizierung von NoSQL-Datenbanken Gemeinsamkeiten
MehrRückblick: Datenbankentwurf
Rückblick: Datenbankentwurf Entity-Relationship-Modell für konzeptuellen Entwurf Entitytypen (entity types) (z.b. Studenten) Beziehungstypen (relationships) (z.b. hören) Attribute beschreiben Gegenstände
MehrProjektgruppe. Knowledge Representation Persistence and Reasoning
Projektgruppe Seminarvortrag von Stefan Middeke Knowledge Representation Persistence and Reasoning 4. Juni 2010 Überblick Motivation Repräsentation der Daten Speicherung und Abfrage von Daten Folgerungen
MehrJSON. Johannes Baiter. 5. Mai 2015
JSON Johannes Baiter 5. Mai 2015 Kurz und Knapp JavaScript Object Notation (JSON) is a lightweight, text-based, language-independent data interchange format. { } "title" "JSON: JavaScript Object Notation",
MehrAbstract Graphdatenbanken. Autor: Thi Minh Phuong Pham Modul: Oberseminar Datenbanksysteme Betreuer: Prof. Dr.-Ing. Thomas Kudrass
Abstract Graphdatenbanken Autor: Thi Minh Phuong Pham Modul: Oberseminar Datenbanksysteme Betreuer: Prof. Dr.-Ing. Thomas Kudrass 30. Juni 2017 1 Motivation Graphdatenbanken sind in unserer heutigen Gegenwart
MehrDatenbanken im WI-Unterricht mit
Datenbanken im WI-Unterricht mit Inhaltsverzeichnis 1 ER-Modell - Entity Relationship Modell 1 1.1 Entitäten................................................. 2 1.2 Relationen................................................
MehrNoSQL & Big Data. NoSQL Databases and Big Data. NoSQL vs SQL DBs. NoSQL DBs - Überblick. Datenorientierte Systemanalyse. Gerhard Wohlgenannt
NoSQL & Big Data Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle
MehrNoSQL Databases and Big Data
Datenorientierte Systemanalyse NoSQL Databases and Big Data Gerhard Wohlgenannt NoSQL & Big Data Die besprochenen Systeme haben nicht den Anspruch und das Ziel DBS zu ersetzen, sondern für gewisse Anwendungsfälle
Mehr4. Structured Query Language (SQL)
4. Structured Query Language (SQL) Rückblick Konzeptuelles Modell (ERM) können wir nun in (wenige) Relationen übersetzen Relationale Algebra gibt uns eine Sprache an die Hand, mit der wir Anfragen auf
MehrSQL und MySQL. Kristian Köhntopp
SQL und MySQL Kristian Köhntopp Wieso SQL? Datenbanken seit den frühen 1950er Jahren: Hierarchische Datenbanken Netzwerkdatenbanken Relationale Datenbanken = SQL Relational? 10 9 8 7 6 f(y) := y = x r(y)
MehrDatenbanken (WS 2015/2016)
Datenbanken (WS 2015/2016) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
MehrGraphdatenbanksysteme
Graphdatenbanksysteme Ein Überblick Benjamin Gehrels benjamin@gehrels.info GitHub: @BGehrels Was ist das? WITH RECURSIVE manager ( level, managerid) AS ( SELECT 1 AS depth, employees.managerid AS managerid
Mehr2. Relationale Datenbanken
2. Relationale Datenbanken Inhalt 2.1 Entity-Relationship-Modell 2.2 Relationales Modell 2.3 Relationale Entwurfstheorie 2.4 Relationale Algebra 2.5 Structured Query Language (SQL) 2 2.1 Entity-Relationship-Modell
MehrGoogle's BigTable: Ein verteiltes Speichersystem für strukturierte Daten. von Florian Eiteljörge
Google's BigTable: Ein verteiltes Speichersystem für strukturierte Daten von Florian Eiteljörge 1. Was ist Bigtable? 2. Datenmodell Übersicht 3. Implementierung/Architektur von Bigtable 4. Vergleich mit
MehrNoSQL Datenbanken PI Datenorientierte Systemanalyse, WS 2014/15. LV Datenorientierte Systemanalyse, WS 2014/15
NoSQL Datenbanken LV Datenorientierte Systemanalyse, WS 2014/15 Dr. Walter Ebner, Institut für Informationswirtschaft Wirtschaftsuniversität Wien Überblick Abgrenzung zu relationalen
MehrSQL für Trolle. mag.e. Dienstag, 10.2.2009. Qt-Seminar
Qt-Seminar Dienstag, 10.2.2009 SQL ist......die Abkürzung für Structured Query Language (früher sequel für Structured English Query Language )...ein ISO und ANSI Standard (aktuell SQL:2008)...eine Befehls-
MehrDatenbanken Unit 12: NoSQL-Datenbanken und XML
Datenbanken Unit 12: NoSQL-Datenbanken und XML 18. VI. 2018 Outline 1 Organisatorisches 2 NoSQL: Diverse Ansätze 3 NoSQL: Objekt-relationale Datenbanken Object-Relational Impedance Mismatch Objekt-relationale
MehrNoSQL mit XML. Einsatzmöglichkeiten und Vorteile eines dokumentorien<erten Repositories. MarkupForum Jochen Jörg, Senior Consultant, MarkLogic
NoSQL mit XML Einsatzmöglichkeiten und Vorteile eines dokumentorien
MehrDatenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken
Datenbanken Unit 9: OLAP, OLTP und objektrelationale Datenbanken 17. V. 2017 Outline 1 Organisatorisches 2 SQL 3 OLTP, OLAP, SAP, and Data Warehouse OLTP and OLAP SAP 4 Objekt-relationale Datenbanken Beispiel
Mehr7. Big Data und NoSQL-Datenbanken
7. Big Data und NoSQL-Datenbanken Motivation Big Data Herausforderungen Einsatzbereiche Systemarchitekturen für Big Data Analytics Analyse-Pipeline Hadoop, MapReduce, Spark/Flink NoSQL-Datenbanken Eigenschaften
MehrNon-Standard-Datenbanken Von NoSQL zu NewSQL
Non-Standard-Datenbanken Von NoSQL zu NewSQL Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Dennis Heinrich (Übungen) Big Data 2 NoSQL: Not Only SQL? Datenmengen werden groß
MehrDas Leben der Anderen
Das Leben der Anderen Twitter-Analyse mit Oracle12c, JSON und APEX Carsten Czarski Business Unit Database Oracle Deutschland B.V. & Co KG About: Carsten Czarski 1973 München Verheiratet zwei Kinder ORACLE
MehrDB1. DB SQL-DQL 1 Mario Neugebauer
DB1 DB1-12 041-SQL-DQL 1 Mario Neugebauer Einführung Informationsmodellierung Relationales Datenbankmodell Datenbanksprache SQL Einführung Daten-Abfrage-Sprache - DQL Daten-Definitions-Sprache - DDL Daten-Manipulations-Sprache
Mehr