II Heterogenität und Architekturen
|
|
- Gundi Fuchs
- vor 5 Jahren
- Abrufe
Transkript
1 II Heterogenität und Dr. Armin Roth arminroth.de Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
2 Agenda 1 Semantische Heterogenität 2 Architekturparadigmen PDMS Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
3 Semantische Heterogenität Modelle und Strukturelle Heterogenität Modelle sind Abstraktionen Beispiele: Konzeptuelle Modelle (Entity-Relationship-Modell, Ontologie) Logisches DBMS-Schema (relational oder XML) Strukturelle Heterogenität betrifft Modellebene betrachtet Art und Struktur der Modelle ignoriert Bedeutung der Modellelemente (z.b. einer Relation) (Unrealistische) Annahme bisher: gleiche Bezeichung im Modell gleiche Bedeutung Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
4 Semantische Heterogenität Semantik von Modellen Bedeutung der Konzepte des Modells? Semantik eines Konzepts := Zugeordnete Enitäten der realen Welt (bzw. deren Repräsentanten in der Datenbank-Instanz) Schema Instanz Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
5 Semantische Heterogenität Semantik Integriertes Informationssystem [Len02] Integriertes Informationssystem Integriertes IS I = {G, S, M} Globales Schema G Lokale Schemata S Schema Mappings M Lokale Instanzen C Semantik sem C (I): Globale Instanzen B, die I erfüllen Globales Schema Lokales Schema Lokale Instanz Schema Mapping Globale Instanz Lokales Schema Lokale Instanz sem C (I) = { B B ist Instanz von G und erfüllt M bzgl. C} Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
6 Semantische Heterogenität Konflikte in Namen / Bezeichnungen Definition Konzept in Modell? Korrespondenzarten zwischen Semantik unterschiedlicher Konzepte A und B: A = B Äquivalenz A B Inklusion A B Überlappung A B Disjunktion Synonyme (z.b. surname vs. last name) Homonyme Einheiten Werte Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
7 Semantische Heterogenität Identität von Real-world Entities Zentrale Fragen: Was ist ein (Geschäfts-)Objekt? XML: Über mehrere Schachtelungsebenen hinweg Relationales Modell: Über mehrere Relationen hinweg Repräsentiert Objekt a die gleiche real-world Entität wie Objekt b? Wie finde ich effizient gleiche Repräsentationen (d.h. ohne quadratische Laufzeit, Ähnlichkeitsmaße)? Synonyme für Problem: Duplikaterkennung Objektidentifikation Record Linkage Data Cleansing... Auf Datenebene Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
8 Datenkonflikte Semantische Heterogenität Datenkonflikt: Zwei Duplikate haben unterschiedliche Attributwerte für ein semantisch gleiches Attribut. Im Gegensatz zu Konflikten mit Integritätsbedingungen Datenkonflikte entstehen innerhalb eines Informationssystems (intra-source) bei Integration mehrerer Informationssysteme (inter-source). Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
9 Semantische Heterogenität Datenkonflikte Beispiel amazon.de Konflikt kann auch mit NULL-Wert herrschen H. Melville $3.98 ID Herman Melville Moby Dick $5.99 bol.de Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
10 Agenda Architekturparadigmen 1 Semantische Heterogenität 2 Architekturparadigmen PDMS Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
11 Architekturparadigmen Architekturparadigmen Materialisiert A priori-integration Zentrale Datenbasis Zentrale Anfragebearbeitung Typisches Beispiel: Data Warehouse Virtuell On demand-integration Dezentrale Daten Dezentrale Anfragebearbeitung Typisches Beispiel: Mediator-basiertes Informationssystem Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
12 Architekturparadigmen Materialisierte Integration Datenfluss Push Erstmaliges Laden (population) des DW (Data Cleansing) Periodischer Datenimport: Updating materialized views Redundante Datenhaltung Aggregation und Löschung alter Daten Anwendung 1 Data Warehouse Anwendung 2 ETL 1 ETL 2 ETL 3 Quelle 1 Quelle 2 Quelle 3 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
13 Materialisierte Integration Anfragebearbeitung/Schema Architekturparadigmen Anfragebearbeitung: Wie normale DBMS Aggregation Decision Support Schema: Bottom-Up-Entwurf Schemaintegration Star-Schema (Fact Table, Dimension Tables) Anwendung 1 Data Warehouse Anwendung 2 ETL 1 ETL 2 ETL 3 Quelle 1 Quelle 2 Quelle 3 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
14 Architekturparadigmen Virtuelle Integration Datenfluss Pull Daten sind in Quellen gespeichert Nur Anfragen und Ergebnisse werden übertragen (Query Shipping) Anwendung 1 Anwendung 2 Wrapper 1 Mediator Wrapper 2 Wrapper 3 Data Cleansing nur online möglich Quelle 1 Quelle 2 Quelle 3 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
15 Architekturparadigmen Virtuelle Integration Anfragebearbeitung/Schema Anfragebearbeitung: Optimierung schwierig (Fähigkeiten, Geschwindigkeiten der Quellen) Viele mögliche Pläne zur Berechnung des Anfrageergebnisses Schema: Top-down Entwurf Leicht erweiterbar (global durch neue Quellen, lokal durch ein Mapping) Schema Mapping statt Schemaintegration Anwendung 1 Anwendung 2 Wrapper 1 Mediator Wrapper 2 Wrapper 3 Quelle 1 Quelle 2 Quelle 3 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
16 Architekturparadigmen Materialisiert vs. Virtuelle Integration Vergleich Materialisiert Virtuell Aktualität (Cache) + Antwortzeit + Flexibilität (GaV) + (LaV) Komplexität + ++ Autonomie + Anfragemächtigkeit + Read/Write +/+ +/ Ressourcenbedarf? (workload)? (workload) Vollständigkeit +? (OWA, CWA) Datenreinigung + Informationsqualität + Legende: : wenig, +: viel, ++: sehr viel Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
17 Agenda PDMS 1 Semantische Heterogenität 2 Architekturparadigmen PDMS Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
18 PDMS Nachteile integrierter Informationssysteme Globales Schema: Komplex Einigungsprozess erforderlich Wartung bedeutet (aufwändige) Schema-Evolution Praxis bevorzugt dynamische Integration mit ähnlichen Informationssystemen Skalierbarkeit, Flexibilität problematisch Mediator: Single point of... Control Failure Maintenance Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
19 PDMS Beispiel: Standardisiertes Schema ISO (STEP): Standard for Exchange of Product Data Teilschema Grunddaten für Automotive Mechanik-Entwurfsprozess (ISO ) Entstanden in langem Standardisierungsprozess Datentransformation aufwändig Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
20 PDMS PDMS: Generalisierung integrierter Inform. Integration bereits existierender integrierter Informationssysteme Beispielsweise bei Firmenzusammenschlüssen Reorganisationen Integriertes Informationssystem A Integriertes Informationssystem B Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
21 PDMS Peers: Integrierte Informationssysteme Funktionalität: Anfragen initiieren Anfragen auswerten Anfragevermittlung (Mediation) Lokale Mappings Peer Schema Peer Mappings Lokale Datenquellen (lokales Schema) Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
22 Beispiel-PDMS PDMS P 1 P 5 P 2 P 4 P 6 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
23 PDMS Ausblick PDMS-Anfragebearbeitung P 1 Mappings sind gerichtet! P 5 Mappings bilden Zyklen! Abhängig von Semantik der Mappings kann Anfragebearbeitung undecidable sein! P 2 P 4 P 6 Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
24 Literatur PDMS [Len02] Maurizio Lenzerini. Data integration: A theoretical perspective. In Proc. of the Symposium on Principles of Database Systems (PODS), (optional, sehr theoretisch). Dr. Armin Roth (arminroth.de) II Heterogenität und / 24
Autonomie & Heterogenität
Autonomie & Heterogenität Komplexe Informationssysteme Fabian Panse panse@informatik.uni-hamburg.de Universität Hamburg Probleme Einführung Autonomie Heterogenität Daten sind auf mehrere Quellen verteilt
MehrSchema Mapping. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
Dr. Armin Roth arminroth.de 25.04.2013 Dr. Armin Roth (arminroth.de) II Schema Mapping 25.04.2013 1 / 23 Agenda 1 Wiederholung: Schema Matching / Integration 2 Schema Mapping Definitionen Beispiel Algorithmus
MehrInformationsintegration Materialisierte vs Felix Naumann
Informationsintegration Materialisierte vs. Virtuelle Integration 15.5.2008 Felix Naumann Überblick 2 Szenarien der Informationsintegration Data Warehouse Föderierte Datenbanken Einführung Materialisiert
MehrDatenintegration. Kapitel 0: Organisatorisches. Dr. Anika Groß Sommersemester 2016
Datenintegration Datenintegration Kapitel 0: Organisatorisches Dr. Anika Groß Sommersemester 2016 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Organisatorisches Termin: donnerstags,
MehrDatenintegration & Datenherkunft Verteilung, Autonomie und Heterogenität
Datenintegration & Datenherkunft Verteilung, Autonomie und Heterogenität Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design
MehrDuplikaterkennung. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Duplikaterkennung / 17
Dr. Armin Roth arminroth.de 27.04.2013 Dr. Armin Roth (arminroth.de) II Duplikaterkennung 27.04.2013 1 / 17 Agenda 1 Wiederholung: Datenwertintegration 2 Duplikaterkennung Dr. Armin Roth (arminroth.de)
MehrKapitel 3: Eigenschaften von Integrationssystemen. Einordnung von Integrationssystemen bzgl. Kriterien zur Beschreibung von Integrationssystemen
Datenintegration Datenintegration Kapitel 3: Eigenschaften von Integrationssystemen Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Einordnung
MehrData Lineage / Data Fusion
Data Lineage / Data Fusion Dr. Armin Roth arminroth.de 27.04.2013 Dr. Armin Roth (arminroth.de) II Data Lineage / Data Fusion 27.04.2013 1 / 38 Agenda 1 Data Lineage Herkunft existierender Daten Herkunft
MehrMedizininformatik Software Engineering
Vorlesung Software Engineering Inhaltsverzeichnis 1. Einleitung 2. Software und Medizinprodukt 3. Vorgehensmodelle 4. Strukturierter Entwurf von Echtzeitsystemen 4.1 Echzeit, was ist das? 4.2 Einführung
MehrÜberblick. Informationsintegration Materialisierte vs. Virtuelle Integration. 1.11.2005 Felix Naumann. Ankündigungen
Informationsintegration Materialisierte vs. Virtuelle Integration 1.11.2005 Felix Naumann Ankündigungen Überblick 2 Szenarien der Informationsintegration Data Warehouse Föderierte Datenbanken Einführung
MehrAnfragebearbeitung LaV und PDMS
Anfragebearbeitung LaV und PDMS Dr. Armin Roth arminroth.de 25.06.2012 Dr. Armin Roth (arminroth.de) II Anfragebearbeitung LaV, PDMS 25.06.2012 1 / 26 Agenda 1 Anfragebearbeitung Local-as-View Nutzung
MehrInformationsintegration
Informationsintegration Heterogenität Datenkonflikte Transparenz Ulf Leser Wissensmanagement in der Bioinformatik Klassifikationsdimensionen [ÖV99] Klassische Eigenschaften von Informationssystemen Verteilung
MehrInformationsintegration
Informationsintegration Architekturen Vergleichskriterien für integrierte Systeme Ulf Leser Wissensmanagement in der Bioinformatik Übersicht Technische Heterogenität Technische Realisierung des Datenzugriffs
MehrDatenbankentwurf. Kapitel 3. Datenbankentwurf 76 / 508
Kapitel 3 Datenbankentwurf 76 / 508 Phasen des Datenbankentwurfs Phasen des Datenbankentwurfs Anforderungsanalyse Spezifikation Konzeptueller Entwurf Konzeptuelles Schema Logischer Entwurf Logisches Schema
MehrKapitel 1: Wiederholungsfragen Grundlagen DBS
Grundlagen DBS 1. Welche zentralen Anforderungen an ein DBS definierte Edgar Codd? 2. Was ist eine Transaktion? 3. Welche Eigenschaften muss das DBMS bei der Transaktionsverarbeitung sicherstellen? 4.
Mehr30. Juni 2006 - Technische Universität Kaiserslautern. Paul R. Schilling
30. Juni 2006 - Technische Universität Kaiserslautern Paul R. Schilling ! " #$% & '( ( ) *+, - '. / 0 1 2("$ DATEN SIND ALLGEGENWÄRTIG Bill Inmon, father of data warehousing Unternehmen In einer vollkommenen
MehrSchema Mapping. Armin Roth 25.04.2013. arminroth.de. Armin Roth (arminroth.de) II Schema Mapping 25.04.2013 1 / 23
Schema Mapping Armin Roth arminroth.de 25.04.2013 Armin Roth (arminroth.de) II Schema Mapping 25.04.2013 1 / 23 Agenda 1 Wiederholung: Schema Mapping 2 Logische Mappings 3 Erzeugung der Anfragen Armin
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:??
MehrKonzeptueller Entwurf
Konzeptueller Entwurf UML Klassendiagrame UML Assoziationen Entspricht Beziehungen Optional: Assoziationsnamen Leserichtung ( oder ), sonst bidirektional Rollennamen Kardinalitätsrestriktionen UML Kardinalitätsrestriktionen
MehrKomplexität. Matthias Sax. 9. Juli Humboldt-Universität zu Berlin. Institut für Informatik
Komplexität Matthias Sax Humboldt-Universität zu Berlin Institut für Informatik 9. Juli 2007 Matthias Sax Komplexität 1 / 21 1 Problemstellung 2 Polynomiale Fälle Ungleichheit Anfragen in der Logik der
MehrSemantische Datenintegration: Strategien zur Integration von Datenbanken
Semantische Datenintegration: Strategien zur Integration von Datenbanken Inhalt 1. Wiederholung Integrationskonflikte 2. Klassische Strategien zur Integration 1. Eng gekoppelte Ansätze 2. Lose gekoppelte
MehrDatenbanken Grundlagen und Design
Frank Geisler Datenbanken Grundlagen und Design 3., aktualisierte und erweiterte Auflage mitp Vorwort 15 Teil I Grundlagen 19 i Einführung in das Thema Datenbanken 21 i.i Warum ist Datenbankdesign wichtig?
Mehr8 Schlussfolgerungen
112 8 Schlussfolgerungen Die Zielsetzung der vorliegenden Arbeit wurde mit der Erstellung eines Referenzmodells als Vorschlag der Datenorganisation für den Bereich der Milcherzeugung unter Anwendung eines
MehrInformationsintegration
Informationsintegration Einführung Ulf Leser Wissensmanagement in der Bioinformatik Informationsintegration Anfrage Integriertes Informationssystem Oracle, DB2 Anwendung Dateisystem Web Service HTML Form
MehrInformationsintegration. Ulf Leser Sebastian Wandelt
Informationsintegration Ulf Leser Sebastian Wandelt Informationsintegration Anfrage Integriertes Informations- system Oracle, DB2 Dateisystem Web Service App HTML Form Integriertes Info.-system Ulf Leser:
MehrBeyond Information Integration: Content Merging Forschungskolloquium CIS/ISST
Beyond Information Integration: Content Merging Forschungskolloquium CIS/ISST Felix Naumann naumann@informatik.hu-berlin.de Einige Untertitel Content Merging Objekt/Data Fusion Data Amalgamation Data Consolidation
MehrInhaltsverzeichnis. 1 Einleitung Motivation und Umfeld Zielsetzung der Arbeit Methodisches Vorgehen und Aufbau der Arbeit 3
Inhaltsverzeichnis 1 Einleitung 1 1.1 Motivation und Umfeld 1 1.2 Zielsetzung der Arbeit 2 1.3 Methodisches Vorgehen und Aufbau der Arbeit 3 2 Grundlagen des Feuerwehrwesens 5 2.1 Kategorisierung der Feuerwehren
MehrIntegration, Migration und Evolution
14. Mai 2013 Programm für heute 1 2 Quelle Das Material zu diesem Kapitel stammt aus der Vorlesung Datenintegration & Datenherkunft der Universität Tübingen gehalten von Melanie Herschel im WS 2010/11.
MehrRelationales Datenbanksystem Oracle
Relationales Datenbanksystem Oracle 1 Relationales Modell Im relationalen Modell wird ein relationales Datenbankschema wie folgt beschrieben: RS = R 1 X 1 SC 1... R n X n SC n SC a a : i=1...n X i B Information
MehrInformationsintegration
Informationsintegration Heterogenität Transparenz Ulf Leser Wissensmanagement in der Bioinformatik Klassifikationsdimensionen Verteilung Autonomie Heterogenität Ulf Leser: Informationsintegration, Wintersemester
MehrSchema Matching und Integration
und Integration Dr. Armin Roth arminroth.de 25.04.2013 Dr. Armin Roth (arminroth.de) II Schema Matching und Integr. 25.04.2013 1 / 26 Agenda 1 Schema Matching 2 Schema Integration Dr. Armin Roth (arminroth.de)
MehrKapitel DB:IV (Fortsetzung)
Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-45 Relational Design
MehrInformationsintegration
Informationsintegration Einleitung Teil 2 Ulf Leser Informationsintegration am Beispiel Quellen Daten versus Schemata Ulf Leser: Informationsintegration 2 Frage eines Biologen Finde alle menschlichen Sequenzen,
MehrDatenintegration & Datenherkunft Verteilung, Autonomie, und Heterogenität
Datenintegration & Datenherkunft Verteilung, Autonomie, und Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Klassifikation
MehrData Warehouse Grundlagen
Seminarunterlage Version: 2.13 Version 2.13 vom 27. August 2018 Dieses Dokument wird durch die veröffentlicht.. Alle Rechte vorbehalten. Alle Produkt- und Dienstleistungs-Bezeichnungen sind Warenzeichen
MehrCommon Warehouse Metamodel und Imperfektion
Common Warehouse Metamodel und Imperfektion Christoph Goebel Imperfektion und erweiterte Konzepte im Data Warehousing 2 Fragestellungen Welche Bedeutung haben Metadaten in der Information Supply Chain
MehrKonzeptionelle Modellierung von XML-Dokumenttypen
Konzeptionelle Modellierung von XML-Dokumenttypen Rainer Eckstein Institut für Informatik LFE DBIS Humboldt-Universität zu Berlin Rainer Eckstein 1 Konzeptionelle Modellierung von XML: XML (extensible
MehrRepetitorium. Data Warehousing und Data Mining 11/12. Sebastian Wandelt 13./16. Februar 2012
Repetitorium Data Warehousing und Data Mining 11/12 Sebastian Wandelt 13./16. Februar 2012 Inhalt Data Warehousing und Data Mining auf 40 Slides Weder in-, noch exklusiv! Subjektive Zusammenfassung pro
MehrInhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis...
Inhaltsübersicht...IX Inhaltsverzeichnis...XI Abbildungsverzeichnis...XVII Tabellenverzeichnis... XXIII Abkürzungsverzeichnis... XXV 1 Einführung... 1 1.1 Problemstellung... 1 1.2 Zielsetzung... 3 1.3
MehrInformationsintegration
Informationsintegration Local-as-View Anfrageplanung Ulf Leser Inhalt dieser Vorlesung Anfragekorrespondenzen Formale Definition Korrespondenztypen und -arten GaV erklärt Local as View Query Containment
MehrKapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2013/14 Ludwig-Maximilians-Universität
MehrInformationsintegration Architekturen. 17.4.2012 Felix Naumann
Informationsintegration Architekturen 17.4.2012 Felix Naumann Überblick 2 Überblick über Informationssysteme Klassifikation Materialisiert vs. virtuell Architekturen 3 Schichten Architektur 4 Schichten
MehrErfolg mit Oracle BI?
Erfolg mit Oracle BI? Typische Fehlerszenarien und deren Lösung Gerd Aiglstorfer G.A. itbs GmbH Das Thema 2 Oracle BI (OBIEE)? Das war eine Fehlentscheidung! Viel zu umständlich! Wenig Flexibilität & teure
MehrDatenintegration & Datenherkunft Einführung
Datenintegration & Datenherkunft Einführung Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Kapitel 1 Einführung Vorstellung
MehrKapitel 1 Grundlagen. Skript zur Vorlesung: Datenbanksysteme II Sommersemester Vorlesung: PD Dr. Peer Kröger
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Datenbanksysteme II Sommersemester 2016 Kapitel 1 Grundlagen Vorlesung: PD Dr. Peer Kröger http://www.dbs.ifi.lmu.de/cms/datenbanksysteme_ii
MehrData Warehouse schnell gemacht Performanceaspekte im Oracle DWH
Data Warehouse schnell gemacht Performanceaspekte im Oracle DWH Dani Schnider Principal Consultant Business Intelligence BI Trilogie, Zürich/Basel 25./26. November 2009 Basel Baden Bern Lausanne Zürich
MehrXML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG
Mittwoch, 9. November 2005 13h00, Bruno-Schmitz-Saal 18. Deutsche ORACLE-Anwenderkonferenz XML-Datenaustausch in der Praxis Projekt TOMIS bei der ThyssenKrupp Stahl AG Volker Husemann Thyssen Krupp Stahl
MehrQualitäts- und Semantik-gesteuerte Anfragebearbeitung für Peer-basierte Datenmanagementsysteme (PDMS)
Qualitäts- und Semantik-gesteuerte Anfragebearbeitung für Peer-basierte Datenmanagementsysteme (PDMS) Armin Roth DaimlerChrysler Forschungszentrum Ulm armin.roth@daimlerchrysler.com Felix Naumann Humboldt-Universität
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
MehrAusgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema".
Phasen des Datenbanken-Designs Konzeptuelles Design Eingabe: Anforderungen Ausgabe: Eine DBMS unabhängige high-level Repräsentation der Anforderungen, das "konzeptuelle Schema". Qualität: Richtigkeit und
MehrDas relationale Modell (Teil 1)
Vorlesung #2 Das relationale Modell (Teil 1) Fahrplan WS 2010/11 Feedback Vorlesung#1 Das relationale Modell Einordnung (wir überspringen die Modellierung, das kommt im 4. Semester Datenmanagement ) Definition,
MehrMachen Sie Ihre Daten bereit für INSPIRE mit HALE
Machen Sie Ihre Daten bereit für INSPIRE mit HALE Christian Malewski Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel +49 6151 155 424 Fax 444 christian.malewski@igd.fraunhofer.de
Mehr1. Einführung Seite 1. Kapitel 1: Einführung
1. Einführung Seite 1 Kapitel 1: Einführung 1. Einführung Seite 2 Willkommen! Studierenden-Datenbank Hans Eifrig hat die Matrikelnummer 1223. Seine Adresse ist Seeweg 20. Er ist im zweiten Semester. Lisa
Mehr2. Architektur verteilter Datenbanksysteme
2. Architektur verteilter Datenbanksysteme Verteilte Datenbank, kurz DDB (engl. distributed database): eine Sammlung logisch zusammengehöriger Datenbanken, welche über Rechnerknoten ( Sites ) verteilt
MehrExtraktion, Transformation, Laden (ETL)
Extraktion, Transformation, Laden (ETL) ETL-Prozeß Integrationsschritte Integrationsprobleme fi Konflikte und deren Klassifikation fi Behebung von Konflikten Data Cleaning VL Data Warehouses, WS 2000/2001
MehrKapitel 2: Ein abstraktes Geo-Datenmodell
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 2: Ein abstraktes Geo-Datenmodell Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
MehrSchemaSQL Eine Multidatenbank Sprache. Volodymyr Biryuk
SchemaSQL Eine Multidatenbank Sprache Volodymyr Biryuk Herausforderung Aufbau eines Multi-Datenbank-Systems (MDBS) Problem Autonomie Distribution Heterogenität Integration heterogener Datenquellen Art
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2018 Kapitel 3: Datenbanksysteme Vorlesung:
MehrKapitel 6. Vorlesung: PD Dr. Peer Kröger
Kapitel 6 Einführung in Data Warehouses Vorlesung: PD Dr. Peer Kröger Dieses Skript basiert auf den Skripten zur Vorlesung Datenbanksysteme II an der LMU München Dieses Skript basiert auf den Skripten
Mehr2. Klassifikation von Mehrrechner-DBS
2. Klassifikation von Mehrrechner-DBS Merkmale für PDBS/VDBS Räumliche Verteilung: ortsverteilt oder lokal Rechnerkopplung: enge, lose oder nahe Kopplung Externspeicheranbindung: partitioniert oder gemeinsam
MehrÜberblick. Informationsintegration Local-as-View: LaV Felix Naumann
Informationsintegration Local-as-View: LaV 7.6.2007 Felix Naumann Überblick 2 Motivation Korrespondenzen Übersicht Anfrageplanung Global as View (GaV) Local as View (LaV) Modellierung Anwendungen Anfragebearbeitung
MehrDatenbankbasierte Lösungen
Technologische Beiträge für verteilte GIS - Anforderungen an verteilte GIS und Lösungsansätze Datenbankbasierte Lösungen Johannes Kebeck Senior Systemberater ORACLE Deutschland GmbH Agenda TOP Thema 1
MehrData Warehousing. Sommersemester 2005. Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2005 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
Mehr.NETUser. René Leupold Patrick Weibel. Group Bern. Follow dnugbe on twitter
.NETUser Group Bern René Leupold Patrick Weibel www.dnug-bern.ch Follow dnugbe on twitter DNUG Bern Sponsoren Über René Leupold connect@databinding.net http://www.databinding.net CV siehe Xing ;-) Über
MehrLogische Modellierung von Data Warehouses
Logische Modellierung von Data Warehouses Vertiefungsarbeit von Karin Schäuble Gliederung. Einführung. Abgrenzung und Grundlagen. Anforderungen. Logische Modellierung. Methoden.. Star Schema.. Galaxy-Schema..
MehrInhaltsverzeichnis. vii.
vii 1 Einführung in Data-Warehouse-Systeme 1 1.1 Anwendungsszenario Getränkemarkt 2 1.2 OLTP versus OLAP 4 1.2.1 OLAP-versus OLTP-Transaktionen 5 1.2.2 Vergleich von OLTP und OLAP 6 1.2.3 Abgrenzung: DBMS-Techniken
MehrDatenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt
2. Datenbankentwurf Motivation Datenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt Fehler sind umso teurer zu beheben, je weiter die Entwicklung bzw. der Einsatz
MehrInhalt. 1 Einleitung Warum dieses Buch? Der rote Faden Danksagung URL zum Buch 4. TEIL I Einführung 5
Inhalt 1 Einleitung 1 1.1 Warum dieses Buch? 1 1.2 Der rote Faden 2 1.3 Danksagung 3 1.4 URL zum Buch 4 TEIL I Einführung 5 2 XML-Grundlagen 7 2.1 Einleitung 7 2.2 WasistXML? 7 2.3 Dokumenttypen und Namensräume
MehrData Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrFoundations of uncertain data integration
Foundations of uncertain data integration Seminar Informationsintegration Stephan Barnert IT Management & Consulting 11.09.2015 Agenda Problemstellung Einleitung Beispiel zur Integration Wiederholung LAV
MehrDatenbanken 1. Kapitel 2: Datenbankentwurf. Ansprechpartner hat Name Adresse. Geschaeftspartner <pi> Characters (30) Characters (50) ist.
Datenbanken 1 Kapitel 2: Datenbankentwurf Ansprechpartner hat Name Adresse Geschaeftspartner Characters (30) Characters (50) ist Haendler Rabatt Integer Spediteur Verfuegbar Characters (20) Kunde
MehrInformationsintegration
Informationsintegration Data Warehouse (= Materialisierte Integration) Ulf Leser Sebastian Wandelt Inhalt dieser Vorlesung Data Warehouses OLAP versus OLTP Multidimensionale Modellierung ETL Prozess Vergleich:
MehrEin Transparentes Datenmodell zur Verarbeitung Verlinkter XML-Dokumente
Ein Transparentes Datenmodell zur Verarbeitung Verlinkter XML-Dokumente Wolfgang May Univ. Freiburg/Göttingen & Dimitrio Malheiro Univ. Freiburg GI-Fachtagung BTW 2003 Leipzig, 26.2.2003 Situation autonome
MehrKonzeptuelle Modellierung
Kapitel 2 Konzeptuelle Modellierung 2.1 Das Entity-Relationship-Modell Die grundlegenden Modellierungsstrukturen dieses Modells sind die Entities (Gegenstände) und die Relationships (Beziehungen) zwischen
MehrInformationsintegration
Informationsintegration Verteilung, Autonomie, Heterogenität, Transparenz Ulf Leser Sebastian Wandelt Inhalt dieser Vorlesung Verteilung Autonomie Heterogenität Transparenz Ulf Leser: Informationsintegration
MehrGeoinformation Abbildung auf Tabellen
Folie 1 von 32 Geoinformation Abbildung auf Tabellen Folie 2 von 32 Abbildung auf Tabellen Übersicht Motivation des relationalen Datenmodells Von Objekten zu Tabellen Abbildung von Objekten Schlüssel Abbildung
MehrKapitel DB:II. II. Datenbankentwurf und Datenbankmodelle. Entwurfsprozess Datenbankmodelle
Kapitel DB:II II. Datenbankentwurf und Datenbankmodelle Entwurfsprozess Datenbankmodelle DB:II-1 DB Design and Models STEIN 2004-2018 Entwurfsprozess ANSI/SPARC-Schema-Architektur externe Ebene externes
MehrInformationsintegration Einführung
Informationsintegration Einführung 17.4.2007 Felix Naumann Integrierte Informationssysteme 2 Anfrage Integriertes Informationssystem Oracle, DB2 Anwendung Dateisystem Web Service HTML Form Integriertes
MehrMETHODEN DES DATENBANKDESIGNS
METHODEN DES DATENBANKDESIGNS Man unterscheidet vier Strategien zum Design eines Schemas: Top-Down Bottom-Up Inside-Out und Mixed. Jede Strategie ist durch einen bestimmten Satz von Primitiven charakterisiert
MehrArchitektur eines Identitätsmanagementsystems an einer Hochschule
Diplomarbeit Architektur eines Identitätsmanagementsystems an einer Hochschule steffen.hofmann@fu-berlin.de betreut von Birgit Feldmann an der Fakultät für Mathematik und Informatik, Lehrgebiet Informationssysteme
MehrEinführung in die Datenorganisation. Informationssysteme
Einführung in die Datenorganisation Informationssysteme Informationen Sind Kenntnisse über Sachverhalte Daten sind abgelegte Informationen Nachrichten sind Informationen zur Weitergabe Drei Betrachtungsebenen
MehrDaten Bank. 2. Vorlesung. Dr. Karsten Tolle PRG2 SS 2014
Daten Bank 2. Vorlesung Dr. Karsten Tolle PRG2 SS 2014 Letzte Vorlesung Grundbegriffe SQL create table insert select Dr. Karsten Tolle PRG2 SS 2014 2 Heute Übersicht Modellierung (ER-Diagramme) Entitäten
MehrLogischer Entwurf. Stufen der Entwicklung einer Datenbank. Inhalt. Übersicht. 1. Datenbank - Entwurf ( ER - Diagramm)
10. Logischer Entwurf 10-1 10. Logischer Entwurf 10-2 Stufen der Entwicklung einer Datenbank 1. Datenbank - Entwurf ( ER - Diagramm) Logischer Entwurf 2. Umsetzen des ER - Diagramms ins relationale Modell
MehrData Cubes PG Wissensmangement Seminarphase
PG 402 - Wissensmangement Seminarphase 23.10.2001-25.10.2001 Hanna Köpcke Lehrstuhl für Künstliche Intelligenz Universität Dortmund Übersicht 1. Einführung 2. Aggregation in SQL, GROUP BY 3. Probleme mit
MehrKapitel 1: Einführung 1.1 Datenbanken?
Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken Grundlagen der Datenbanksysteme, WS 2012/13 29. Oktober 2012 Seite 1 1. Einführung 1.1. Datenbanken Willkommen! Studierenden-Datenbank
MehrDatenqualität-Der GQM- Ansatz und das DWQ- Projekt
Datenqualität-Der GQM- Ansatz und das DWQ- Projekt Guy Hermann Ngassa Imperfektion und erweiterte Konzepte im Data Warehousing 2 Überblick Einleitung Data-Warehouse-Qualität-Projekt (DWQ-Projekt) Bezug
MehrDATAFUSION IM MILCHVIEHSTALL
Forschen und Prüfen für die Landwirtschaft Josephinum Research DATAFUSION IM MILCHVIEHSTALL Smart Farming und Nachhaltigkeit: Chancen und Herausforderungen 4. Agroscope-Nachhaltigkeitstagung Franz Handler,
MehrData Lakes: Lösung oder neue Herausforderung für Data-Integration
Data Lakes: Lösung oder neue Herausforderung für Big-Data Data-Integration Integration? PD Dr. Christoph Quix Fraunhofer-Institut für Angewandte Informationstechnik FIT Life Science Informatics Abteilungsleiter
MehrLiteratur. Inhalt. Einführung und Grundlagen
Einführung und Grundlagen A.Kaiser; WU-Wien MIS 36 Literatur Gluchowski, Peter, Gabriel, Roland, Chamoni, Peter; Management-Support- Systeme, Springer, 1997 Vetschera, Rudolf, Informationssysteme der Unternehmensführung,
MehrLösung - Übungsblatt 2
Lösung - Übungsblatt 2 (Modellierung von Datenquellen) Fabian Panse panse@informatik.uni-hamburg.de Universität Hamburg Aufgabe 1: GaV mit Nebenbedingungen Student(MNr, Name, Sem, SG) IC: Sem > 5 S1(MNr,
MehrDatenbanken. Datenbanken. Grundlagen und Design. Grundlagen und Design. Frank. Geisler. 4. Auflage
Datenbanksysteme, Datenbankanwendungen und Middleware Das relationale Datenbankmodell ER-Datenbankmodellierung und Normalisierung SQL-Grundlagen Projektablauf bei der Erstellung einer Datenbank Transaktionen
MehrInformationsintegration Local-as-View: LaV Felix Naumann
Informationsintegration Local-as-View: LaV 10.7.2008 Felix Naumann Überblick 2 Motivation Korrespondenzen Übersicht Anfrageplanung Global as View (GaV) Local as View (LaV) Modellierung Anwendungen Anfragebearbeitung
MehrDatenmodelle. Einführung in das Entity-Relationship-Modell. Datenbankmodelle. Beispiel für ein ER-Schema. Kunde( Meier, , ) 41, Meier
Einführung in das Entity-Relationship-Modell Datenmodelle Datenmodelle dienen der Darstellung der Informationsstruktur, nicht der Darstellung der Informationen selbst. Motivation Grundbestandteile von
MehrDatenmodelle dienen der Darstellung der Informationsstruktur, nicht der Darstellung der Informationen selbst. Motivation
Einführung in das Entity-Relationship-Modell Datenmodelle Datenmodelle dienen der Darstellung der Informationsstruktur, nicht der Darstellung der Informationen selbst. Motivation Grundbestandteile von
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken SQL, Häufige Mengen Nico Piatkowski und Uwe Ligges 11.05.2017 1 von 16 Überblick Was bisher geschah... Modellklassen Verlustfunktionen Numerische Optimierung Regularisierung
Mehr