Prolog als Datenbanksprache - Idee
|
|
|
- Paula Albrecht
- vor 9 Jahren
- Abrufe
Transkript
1 Prolog als Datenbanksprache - Idee student Mnr Vorname Name Semester student( 1000, Anna, Arm, ti2 ). student( 1001, ita, eich, ti2 ). student( 1002, Peter, eich, ti2 ). student( 1003, Peter, Petersen, ti2 ). Tupel=Fakt =Datensatz kurs Semester Fach kurs( ti2, Mathe2 ). kurs( ti2, Physik2 ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 1 Prolog als Datenbanksprache - elation Prädikat =elation =Prozedur student( 1000, Anna, Arm, ti2 ). student( 1001, ita, eich, ti2 ). student( 1002, Peter, eich, ti2 ). student( 1003, Peter, Petersen, ti2 ). Tupel=Fakt =Datensatz kurs( ti2, Mathe2 ). kurs( ti2, Physik2 ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 2 1
2 Prolog als Datenbanksprache - Syntax Prädikat =elation =Prozedur Konstanten Integer Atom klein oder in student( 1000, Anna, Arm, ti2 ). student( 1001, ita, eich, ti2 ). student( 1002, Peter, eich, ti2 ). student( 1003, Peter, Petersen, ti2 ). Tupel=Fakt =Datensatz Keine Lücke! Goal = Subquery?- student( M, V, _, _ ). Variablen anonyme Variablen Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 3 Antworten durch Variablenbindung Konstanten Integer Atom student( 1000, Anna, Arm, ti2 ).?- student( M, Peter, _, _ ). student( 1002, Peter, eich, ti2 ). student( 1003, Peter, Petersen, ti2 ). Unifikation scheitert Unifikation bindet: M=1002 Anonoyme Variablen _ und _ können verschieden gebunden werden Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 4 2
3 Select-Project-Join-Queries Query: In welchem Semester S ist Anna Arm, und welche Fächer F muss man in Semester S hören? Goal = Subquery Subquery?- student( _, Anna, Arm, S ), kurs( S, F ). Projektion, Selektion Join Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 5 Join und kartesisches Produkt Query: Wer (ist in welchem Semester S und) muss (deshalb) welche Fächer F hören? Goal = Subquery Subquery?- student( M, V, N, S ), kurs( S, F ). Join Query: Wer könnte welche Fächer F hören??- student( M, V, N, S ), kurs( S2, F ). Kartesisches Produkt Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 6 3
4 Prologregeln - Syntax egel: Head = egelkopf = View Goal = Subquery Subquery?- pflichten( 1000, _, _, _, F ). Anfrage = Query Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 7 Deklarative Semantik Prolog: Prädikatenlogik pflichten( M, V, N, S, F ) student( M, V, N, S ) kurs( S, F ). falls und elationale Algebra pflichten( M, V, N, S, F ) := student X kurs 4 = 1 SQL Create view Pflichten as select * from student S, kurs K where S. S = K. S Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 8 4
5 Select-Project-Join-Queries (Übung) 1. Welche Fächer sind im AM geplant? 2. Welche Semester hören eine Veranstaltung im AM? 3. Welche Semester hören Mo14-16 eine Veranstaltung im AM? 4. In welchen äumen muss Anna Arm Fächer hören? 5. Welche weiteren Queries können damit beantwortet werden? Gegeben: % student( Mnr,Vorname, Name, Semester). student( 1000, Anna, Arm, ti2 ). % kurs(semester, Fach). kurs( ti2, Mathe2 ). % plan( Fach, aum, Zeit ). plan( Mathe2, AM, Mo14-16 ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 9 egel: Prozedurale Semantik: Datenfluss Head = egelkopf = View Goal = Subquery Subquery?- pflichten( 1000, _, _, _, F ). Variablenbindung für Ein- und Ausgabeparameter Transport der Variablenbindung innerhalb einer egel Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 10 5
6 Schnitt, Vereinigung, Differenz Gegeben sind: grundkurs(s,f) und kompaktkurs(s,f) Schnitt: kompakte Grundkurse:?- grundkurs(s,f), kompaktkurs(s,f). Als egel: kompaktergrundkurs(s,f) :- grundkurs(s,f), kompaktkurs(s,f). Vereinigung: Grund- oder Kompaktkurse grundoderkompaktkurs(s,f) :- grundkurs(s,f). grundoderkompaktkurs(s,f) :- kompaktkurs(s,f). Differenz: Grundkurse ohne Kompaktkurse gohnekkurs(s,f) :- grundkurs(s,f), \+ kompaktkurs(s,f). Negationsoperator (NOT) Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 11 Negation as failure?- \+ student(1000, Anna, Arm,_). liefert no, weil?- student(1000, Anna, Arm,_). yes liefert.?- \+ student(123, Anna, Arm,_). liefert yes, weil?- student(123, Anna, Arm,_). Fehlschlägt (no liefert). Negation as failure.?- \+ student(m,v,n,s). liefert no, weil?- student(m,v,n,s). Ergebnisse liefert. Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 12 6
7 Sichere Anfragen(1) Ist Anna Arm mit keiner Mnr als Studentin eingetragen und was ist Ihre Mnr??- \+ student( Mnr, Anna, Arm,_ ). ist unsicher, denn Mnr ist ungebunden. Was ist Mnr? Ist Anna Arm nicht Studentin??- \+ student( _, Anna, Arm,_ ). ist sicher, weil keine ungebundene Variable vorkommt. Unsichere Anfragen sind in den relationalen Kalkülen verboten! In Prolog gibt es ungebundene Variablen (_x123) als Antworten Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 13 Sichere Anfragen(2) Welche Kurse muss Anna Arm nicht hören??- kurs( S, F ), \+ student( _, Anna, Arm,S ). ist sicher, weil die Variable S im negierten Prädikat (\+student()) vorher in einem nicht-negierten Prädikat gebunden wurde. Ist Anna Arm in keinem Semester Studentin und welche Kurse müsste man in diesem Semester hören??- \+ student( _, Anna, Arm,S ), kurs( S, F ). Ist nicht sicher, weil die Variable S im negierten Prädikat (\+student()) noch nicht gebunden ist. In Prolog: eihenfolge beachten! (prozedurale Semantik) Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 14 7
8 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ). C C C C E E E F F F F C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 15 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ).?- pflichten( M, V, N, S, F ) C C?- student( M, V, N, S ) C?- kurs( ti2, F ) C E E E 1000, Anna, Arm, ti2 1007, Nobi, Neu, ti7 ti2, Mathe2 ti2, Physik2 F F F F M=1000, V= Anna, N= Arm, S= ti2 F= Mathe2 C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 16 8
9 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ).?- pflichten( M, V, N, S, F ) C C?- student( M, V, N, S ) C?- kurs( ti2, F ) C E E E 1000, Anna, Arm, ti2 1007, Nobi, Neu, ti7 ti2, Mathe2 ti2, Physik2 F F F F M=1000, V= Anna, N= Arm, S= ti2 F= Physik2 C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 17 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ).?- pflichten( M, V, N, S, F ) C C?- student( M, V, N, S ) C?- kurs( ti7, F ) C E E E 1000, Anna, Arm, ti2 1007, Nobi, Neu, ti7 F F F F C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 18 9
10 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ).?- pflichten( M, V, N, S, F ) C C?- student( M, V, N, S ) C?- kurs( ti7, F ) C E E E 1000, Anna, Arm, ti2 1007, Nobi, Neu, ti7 ti7, pdv2 F F F F M=1000, V= Nobi, N= Neu, S= ti7 F= pdv2 C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 19 Prozedurale Semantik : 4 Port-Modell?- pflichten( M, V, N, S, F ).?- pflichten( M, V, N, S, F ) C C C C E E E F F F F no (more answers) C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 20 10
11 void pflichten( M, V, N, S, F ) { // call-port von Student AS = student. liesalle( M, V, N, S ) ; while ( student(m,v,n,s) = AS. next( ) ) { // exit-port von Student und call-port von Kurs AK = kurs. liesalle( S, F ) ; while ( kurs(s,f) = AK. next( ) ) { // exit-port von Kurs und call-port von Ausgabe Ausgabe( M, V, N, S, F ) ; // fail-port von Ausgabe und redo-port von Kurs } // fail-port von Kurs und redo-port von Student } // fail-port von Student } Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 21 Cut im 4 Port-Modell pflichten( M, V, N, S, F ) :- student( M, V, N, S ),!, kurs( S, F ).?- pflichten( M, V, N, S, F ). C C C C C E E E E! F F F F F Cut verlässt auf dem ückweg die Prozedur-Aufruf-Box (=return) C=Call E=Exit =edo F=Fail Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 22 11
12 Jede Lösung nur einmal sehen Beispiel: Welche Studenten hören mehrere Kurse? Test-Implementierung : hörtmehrerekurse( M ) :- hört( M, K1 ), hört( M, K2 ), \+ K1=K2,!. 0 oder 1 Antwort pro M wegen Cut am Ende Generate-And-Test-egel : studenthörtmehrerekurse( M, V, N, S ) :- student( M, V, N, S ), hörtmehrerekurse( M ). Generator Test (generiert jeden Student genau 1x) ( wählt oder wählt nicht ) Anfrage:?- studenthörtmehrerekurse( M, V, N, S ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 23 x (p(x)) ersetzen durch not x (not p(x)) Beispiel: Welche Studenten hören alle für ti2 angebotenen Kurse? { (M,V,N,S) Student ( ti2,f) Kurs ( hört(m,f) ) } { (M,V,N,S) Student not ( ti2,f) Kurs ( not hört(m,f) ) } Generate-And-Test-egel : studenthörtalleti2kurse( M, V, N, S ) :- student( M, V, N, S ), \+ hörtmindestens1ti2kursnicht( M ). Generator Test (generiert jeden Student genau 1x) ( wählt oder wählt nicht ) Test-Implementierung : hörtmindestens1ti2kursnicht( M ) :- kurs( ti2, K ), \+ hört( M, K ),!. Anfrage:?- studenthörtalleti2kurse( M, V, N, S ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 24 12
13 All-quantifizierte Queries (Übung) 1. Welche Studenten hören mindestens einen Kurs nicht? 2. Welche Studenten hören alle Kurse? 3. Welche Kurse werden von mindestens einem Student nicht gehört? 4. Welche ti2 -Kurse werden von allen Studenten gehört? 5. Welche Kurse werden von allen ti2 -Studenten gehört? 6. Welche weiteren Queries können damit beantwortet werden? Gegeben: % student( Mnr,Vorname, Name, Semester). student( 1000, Anna, Arm, ti2 ). % hört( Mnr, Fach ). hört( 1000, Mathe2 ). % kurs( Semester, Fach ). kurs( ti2, Mathe2 ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 25 Maximum ersetzen durch alle Beispiel: Welcher Student hat die größte Matrikelnummer? { (M,V,N,S) Student M = max( { M2 (M2,V2,N2,S2) Student } ) } { (M,V,N,S) Student (M2,V2,N2,S2) Student ( M M2 ) } { (M,V,N,S) Student not (M2,V2,N2,S2) Student ( M < M2) } Generate-And-Test-egel : studenthatgrößtematrikelnummer( M, V, N, S ) :- student( M, V, N, S ), \+ jemandhatgrößerematrikelnummerals( M ). Generator Test (generiert jeden Student genau 1x) ( wählt oder wählt nicht ) Test-Implementierung : jemandhatgrößerematrikelnummerals ( M ) :- student(m2, _, _, _), M2 > M. Anfrage:?- studenthatgrößtematrikelnummer( M, V, N, S ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 26 13
14 1. Fenster (Editor) für Datenbank Das Prolog-System Editor student( 1000, Anna, Arm, ti2 ). Fakten und egeln!! pflichten( M, V, N, S, F ) :-. aufgabe1( X ) :-. aufgabe2( Y, Z ) :-. 2. Fenster (Prolog) für Compiler-Anweisungen und Queries DOS_Pfad> bp_w95c uebung1.pl?- [uebung1].?- aufgabe1( X ).?- aufgabe2( Y, Z ). Datenbanken und Informationssysteme 1 - WS 2004 / 05 - Prof. Dr. Böttcher - S. Prolog / 27 14
Grundlagen von Datenbanken
Grundlagen von Datenbanken SS 2010 4. Prolog als Datenbanksprache Prof. Dr. Stefan Böttcher Universität Paderborn Grundlagen von Datenbanken - SS 2010 - Prof. Dr. Stefan Böttcher 4. Prolog als Datenbanksprache
1. Datenbanksprachen. 1.1. Prolog als Datenbanksprache. 1.1.1. Datenbank-Prolog in Beispielen. 1.1.2. Selektion und Projektion
1. Datenbanksprachen 1.1. Prolog als Datenbanksprache 1.1.1. Datenbank-Prolog in Beispielen Der Domänenkalkül und auch der für die Datenbankprogrammierung relevante Teil von Prolog (kurz Datenbank-Prolog)
Übung 4. Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017)
Übung 4 Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017) Dennis Fischer [email protected] http://home.in.tum.de/~fischerd/ Technische Universität München Fakultät für Informatik
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 05 Übung zur Vorlesung Grundlagen: Datenbanken im WS16/17 Harald Lang, Linnea Passing ([email protected]
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
GROUP BY, HAVING und Sichten
GROUP BY, HAVING und Sichten Tutorübungen 09/33 zu Grundlagen: Datenbanken (WS 14/15) Michael Schwarz Technische Universität München 11.11 / 12.11.2014 1/12 GROUP BY HAVING Sichten Eine Tabelle studenten
SQL (=Structured Query Language) ist eine Sprache mit 3 Arten von Befehlen:
1.2. SQL 1.2.1. Die 3 Sprachebenen von SQL SQL (=Structured Query Language) ist eine Sprache mit 3 Arten von Befehlen: 1. Befehle zur Datenbankdefinition und Tabellendefinition (DDL=Datendefinitionssprache):
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
Übung 6. Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017)
Übung 6 Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017) Dennis Fischer [email protected] http://home.in.tum.de/~fischerd/ Technische Universität München Fakultät für Informatik
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
Das Relationale Modell
Kapitel 3 Das Relationale Modell 1 / 50 Generelle Anmerkungen Wurde in den Siebzigern von E.F.Codd entwickelt (er bekam den Turing Award dafür) Im Moment das am weitesten verbreitete Datenmodell Hat die
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
[ SQL] Wissen, das sich auszahlt
![[ SQL] Wissen, das sich auszahlt](/thumbs/92/107830280.jpg "[ 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
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
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 8 Hausaufgabe 1 Übung zur Vorlesung Grundlagen: Datenbanken im WS13/14 Henrik Mühe ([email protected])
Grundlagen von Datenbanken. Relationale Algebra und algebraische Optimierung
Grundlagen von Datenbanken Relationale Algebra und algebraische Optimierung Relationale Algebra Überblick Selektion: σ Projektion: π Mengenoperationen:,,,, Kartesisches Produkt: Verbund (Join): Umbenennung:
SQL. strukturierte Datenbankabfragesprache eine Datenbanksprache zur. Structured Query Language:
SQL Structured Query Language: strukturierte Datenbankabfragesprache eine Datenbanksprache zur Definition, Abfrage und Manipulation von Daten in relationalen Datenbanken In der SQL-Ansicht arbeiten In
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Übung zur Vorlesung Einführung in die Informatik 2 für Ingenieure (MSE) Alexander van Renen ([email protected])
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.
Wirtschaftsinformatik 7a: Datenbanken. Dozent: R. Witte
Wirtschaftsinformatik 7a: Datenbanken Dozent: R. Witte Drei Gäste bezahlen nach einem gemeinsamen Abendessen eine Rechnung von 30 Euro, so dass jeder 10 Euro gibt. Der Wirt gibt dem Kellner den Auftrag
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:
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VL Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
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 [email protected]
Relationenkalkül. Prof. Dr. T. Kudraß 1
Relationenkalkül Prof. Dr. T. Kudraß 1 Relationenkalkül Zwei Ausprägungen: Tupelrelationenkalkül (TRK) und Domänenrelationenkalkül (DRK). Kalkül hat Variablen, Konstanten, Vergleichsoperatoren, logische
ISU 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
Entwicklungsumgebung für die Übung
Entwicklungsumgebung für die Übung VU Datenbanksysteme Wolfgang Fischl Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Übungen zu Kognitive Systeme I
Übungen zu Kognitive Systeme I Stephan Weller ([email protected]) Kognitive Systeme / WIAI / Uni Bamberg 19. Oktober 2005 Inhalt Intro Was ist Prolog? Wie funktioniert Prolog? Rekursion
Wiederholung VU Datenmodellierung
Wiederholung VU Datenmodellierung VU Datenbanksysteme Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Oracle 10g Einführung
Kurs Oracle 10g Einführung Teil 5 Einführung Timo Meyer Administration von Oracle-Datenbanken Timo Meyer Sommersemester 2006 Seite 1 von 16 Seite 1 von 16 Agenda 1 Tabellen und Views erstellen 2 Indizes
Reihenfolge von Klauseln
Reihenfolge von Klauseln Bei der Programmierung in Prolog steht grundsätzlich die Repräsentation logischer Zusammenhänge im Vordergrund. Nichtsdestotrotz ist es unvermeidbar, die Mechanismen der Abarbeitung
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.
Fortsetzung: Projektion Selektion. NULL Werte
Fortsetzung: Anfragen mit SQL Bisher: Projektion Selektion Duplikatbehandlung NULL Werte Professoren PersNr Name Rang Raum 2125 Sokrates 226 2126 Russel 232 2127 Kopernikus C3 310 2133 Popper C3 52 2134
Entity Relationship Modell
Entity Relationship Modell 2 Entity/Relationship (ER) Modell Legi Name Semester Entity = Gegenstandstyp Relationship = Beziehungstyp Schlüssel (Identifikation) Studenten hören Hörer Kurs Vorlesungen Attribut
Webbasierte Informationssysteme
SS 2004 Prof. Dr. Stefan Böttcher Universität Paderborn - SS 2004 - Prof. Dr. Stefan Böttcher Folie 1 Was ist eine relationale Datenbank? Menge von Relationen (=Tabellen) und Constraints (=Integritätsbedingungen)
Grundlagen von Datenbanken
Grundlagen von Datenbanken SS 2010 5. Bereichskalkül (=Domänenkalkül) Agenda: Prof. Dr. Stefan Böttcher Universität Paderborn mit Material von Prof. Dr. Gregor Engels Grundlagen von Datenbanken - SS 2010
Software Entwicklung 1
Software Entwicklung 1 Annette Bieniusa AG Softech FB Informatik TU Kaiserslautern Überblick für heute Programmierparadigmen Imperative vs. deklarative Programmierung Beispiele Funktionale Programmierung
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
CADSTAR MRP-Link. MRP-Link ist erstellt von:
CADSTAR MRP-Link MRP-Link ist erstellt von: CSK CAD Systeme Kluwetasch Zip: 2161 Town: Altenholz Street: Struckbrook 9 Tel: +9-31-32917-0 Fax: +9-31-32917-26 Web: http://www.cskl.de E-Mail: [email protected]
Entwicklungsumgebung für die Laborübung
Entwicklungsumgebung für die Laborübung VU Datenbanksysteme Wolfgang Fischl Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Kapitel 2: Grundlagen von Anfragesprachen
2. Grundlagen von Anfragesprachen Seite 1 Kapitel 2: Grundlagen von Anfragesprachen Sprachparadigmen Relationenalgebra Relationenkalkül später SQL 2. Grundlagen von Anfragesprachen 2.1. Relationenalgebra
Kapitel DB:V (Fortsetzung)
Kapitel DB:V (Fortsetzung) V. Grundlagen relationaler Anfragesprachen Anfragen und Änderungen Relationale Algebra Anfragekalküle Relationaler Tupelkalkül Relationaler Domänenkalkül DB:V-70 Relational Algebra
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
Universität Augsburg, Institut für Informatik WS 2005/2006 Prof. Dr. Werner Kießling 21. Nov M. Endres, A. Huhn, P. Preisinger Lösungsblatt 4
Universität Augsburg, Institut für Informatik WS 2005/2006 Prof. Dr. Werner Kießling 21. Nov. 2005 M. Endres, A. Huhn, P. Preisinger Lösungsblatt 4 Datenbanksysteme I Aufgabe 1: Relationale Vollständigkeit
Objektorientierte Datenbanken
OODB 11 Slide 1 Objektorientierte Datenbanken Vorlesung 11 Sebastian Iwanowski FH Wedel OODB 11 Slide 2 Wesentliche Eigenschaften von Hibernate Transparente Persistenz Transitive Persistenz (Persistenz
Komplexitätstheorie Datenbanken und Deskriptive Komplexität
Tabellen von Elementen Komplexitätstheorie Datenbanken und Deskriptive Komplexität Helmut Veith Technische Universität München E: A B ========= 1 2 2 1 3 4 2 3 1 4 3 1 1 1 1 3 2 4 SQL: Anfragen über Tabellen
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
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 06 Übung zur Vorlesung Grundlagen: Datenbanken im WS16/17 Harald Lang, Linnea Passing ([email protected]
Kapitel 1: Einführung 1.1 Datenbanken?
Kapitel 1: Einführung 1.1 Datenbanken? 1. Einführung 1.1. Datenbanken Grundlagen der Datenbanksysteme, WS 2012/13 29. Oktober 2012 Seite 1 1. Einführung 1.1. Datenbanken Willkommen! Studierenden-Datenbank
Anfragebearbeitung. Logische Optimierung Physische Optimierung (Kostenmodelle Tuning ) Kapitel 8 1
Anfragebearbeitung Logische Optimierung Physische Optimierung (Kostenmodelle Tuning ) Kapitel 8 1 Ablauf der Anfrageoptimierung Deklarative Anfrage (SQL) Scanner Parser Sichtenauflösung Algebraischer Ausdruck
Schemamerging und -mapping
Schemamerging und -mapping Seminar Informationsqualität und -integration, 30.06.2006 Überblick Schemaintegration / Einleitung Ziele Integrationskonflikte Integrationstechniken Multidatenbankanfragesprachen
Fragen zum Nachdenken: Wie könnte man das Fehlen eines Attribut-Wertes interpretieren?
Attribut-Werte-Paare Eine Eigenschaft kann beschrieben werden durch ein Paar [a,w]. Dabei bezeichnet a das Attribut und w den konkreten Wert aus dem Wertebereich W a des Attributs. Die Eigenschaften eines
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 07 Übung zur Vorlesung Grundlagen: Datenbanken im WS16/17 Harald Lang, Linnea Passing ([email protected]
C++ Anwendungskurs Tag 4: Datenbanken Daniela Horn Institut für Neuroinformatik Real-time Computer Vision
C++ Anwendungskurs Tag 4: Datenbanken Daniela Horn Institut für Neuroinformatik Real-time Computer Vision 15. März 2018 C++ Anwendungskurs 15. März 2018 Daniela Horn 1 Übersicht 1 Motivation 2 Relationale
Inhaltsverzeichnis. 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
SQL,Teil 2: SELECT. W. Spiegel. Übersicht SELECT. Mehrfache Werte vermeiden: SELECT DISTINCT. Ausgabe ordnen: ORDER BY. Projektion.
SQL,Teil 2: SELECT W. Spiegel Übersicht SELECT Mehrfache Werte vermeiden: SELECT DISTINCT Ausgabe ordnen: ORDER BY Projektion Selektion: WHERE Join mit SELECT Beispiel Aufgaben 1 SELECT Die SELECT-Anweisung
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
Aggregatfunktionen in der Relationenalgebra?
Aggregatfunktionen in der Relationenalgebra? Dieter Sosna Aggregatfunktionen in der Relationenalgebra p.1/23 Gliederung Motivation Begriffe Definitionen Anwendungen Zusammenfassung Aggregatfunktionen in
4.5 Anfragen mit Mengenoperatoren
4. Der SQL-Standard 4.5. Anfragen mit Mengenoperatoren 4.5 Anfragen mit Mengenoperatoren UNION,INTERSECT und. Die beteiligten Tabellen müssen zueinander kompatible Spaltentypen haben. Die Resultatspalte
Cut und Negation. Heute: if-then-else. Negation. Programmierkurs Prolog p.1
Cut und Negation Heute: der Cut if-then-else Negation Programmierkurs Prolog p.1 Zur Erinnerung: Suchbäume p(x) :- a(x). p(x) :- b(x),c(x),d(x). p(x) :- f(x). a(1). p(i1) b(1). c(1). a(i1) b(i1), c(i1),
Datenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück Kapitel 6b: Das relationale Modell Das Relationale Modell (vgl. Lerneinheit 6a) Wertebereiche (Domänen):
KLAUSURDECKBLATT Studienhalbjahr: 1. Semester. Datum: 5. März 2015 Bearbeitungszeit: 90 Minuten. Modul: TINF1002 Dozent: Jan Hladik
Student/in: Unterschrift: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 2014 / 14K KLAUSURDECKBLATT Studienhalbjahr: 1. Semester Datum: 5. März 2015 Bearbeitungszeit: 90 Minuten
Entwicklungsumgebung für die Übung
1 / 35 Entwicklungsumgebung für die Übung VU Datenbanksysteme Wolfgang Fischl Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Wintersemester
Logik-Grundlagen. Syntax der Prädikatenlogik
Logik-Grundlagen X 1 :...: X k : ( A 1 A 2... A m B 1 B 2... B n ) Logische und funktionale Programmierung - Universität Potsdam - M. Thomas - Prädikatenlogik III.1 Syntax der Prädikatenlogik Prädikat: