Schema Mapping. Dr. Armin Roth arminroth.de. Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
|
|
- Fabian Weiner
- vor 6 Jahren
- Abrufe
Transkript
1 Dr. Armin Roth arminroth.de Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
2 Agenda 1 Wiederholung: Schema Matching / Integration 2 Schema Mapping Definitionen Beispiel Algorithmus Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
3 Wiederholung: Schema Matching / Integration Schema Matching Ansätze [RB01] Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
4 Wiederholung: Schema Matching / Integration Schemaintegration Vorgehen Halbautomatischer Prozess Schritte [BLN86]: Vorintegration: Schemaauswahl, binäres oder n-äres Integrieren Schemavergleich: Schema Matching, Semantische und strukturelle Konflikte Schemaangleichung: Schema Mapping Schemafusion und Umstrukturierung Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
5 Agenda Schema Mapping 1 Wiederholung: Schema Matching / Integration 2 Schema Mapping Definitionen Beispiel Algorithmus Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
6 Schema Mappings Anwendungen Quell- Schema Schema Mapping Ziel- Schema Datentransformation Gesucht: Zielinstanz, die bestmöglich die Quelldaten ins Zielschema transformiert Virtuelle Datenintegration Anfragebearbeitung Schemaevolution Quell- Instanz Schema 1 Instanz 1 Schema 1 Integriertes Informations- System Schema 2 Instanz 2 Ziel- Instanz? Globales Schema... Anfrage Schema n Instanz n Schema 2 Instanz Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
7 Schema Mapping Definitionen I [FHP + 02] (Inter-Schema) Korrespondenz: Zuordnung von Quellschemaelement(en) zu Zielschemaelement(en) (High-level) Mapping Menge von Korrespondenzen (Low-Level) Logisches Mapping Logische Übersetzung eines oder mehrerer Mappings, die den Integritätsbedingungen beider Schemas gehorcht und die Intention des Nutzers wiederspiegelt Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
8 Definitionen Schema Mapping Definitionen II [FHP + 02] Interpretation Übersetzung eines Mappings in logische(s) Mapping(s) Übersetzung eines logischen Mappings in Transformationsanfrage Transformationsanfrage Anfrage in einer Anfragesprache, die Daten des Quelldaten in Struktur des Zielschemas überführt Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
9 Definitionen Schema Mapping im Kontext Möchte Daten aus S Versteht T Versteht nicht immer S Quell- Schema S (High-level) Mapping Mapping Compiler Ziel- Schema T Quell- Instanz (Low-level) Logisches Mapping (bzw. Transformations)? Ziel- Instanz? Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
10 Motivation Schema Mapping Definitionen Datentransformation zwischen heterogenen Schemas: Experten schreiben komplexe Anfragen oder Programme Zeitintensiv Experte für die Domäne, für Schemata und für Anfrage XML macht alles noch schwieriger: XML Schema, XQuery Idee: Automatisierung Gegeben: Zwei Schemata und ein high-level Mapping dazwischen Gesucht: Anfrage zur Datentransformation Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
11 Definitionen Motivation Probleme Geschachtelte Strukturen Geschachteltes relationales Modell XML Geschachtelte Integritätsbedingungen Korrespondenzen Nutzerfreundlich Automatische Entdeckung Intention des Nutzers erkennen und repräsentieren Semantik der Daten erhalten Assoziationen entdecken & erhalten Schemata und Integritätsbedingungen nutzen Neue Datenwerte erzeugen Korrekte Gruppierungen Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
12 Beispiel Schema Mapping Beispiel [FHP + 02] spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
13 Schema Mapping Beispiel Beispiel spendendb firmen firma name spenden spende betrag projekt spender Interpretation: - Erzeuge für jede firma in spendendb eine org in haushaltdb - orgid muss erfunden werden - muss erfunden werden haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
14 Beispiel Erfinden von Werten Zwei Gründe zum Erfinden: non-null und Identität Non-null Werte: Erfundener Wert egal z.b. unbekannt oder null (oder Berlin ) ID Werte: Skolemfunktion Input: n Werte ((beliebige Domäne)) Output: bzgl. Input eindeutiger Wert (beliebiger Domäne) Beispiel: Beispiel: Konkatenation aller Input-Werte als String firma name organisationen org orgid orgname Wert für org.orgid nicht egal, sondern je nach firma.name eindeutig! Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
15 Schema Mapping Beispiel Beispiel spendendb firmen firma name spenden spende betrag projekt spender Interpretation: - Erzeuge für jede spendendb.firma. ein haushaltdb.haushalt mit gleichem Namen - Gruppiere jede firma unter den entsprechenden Haushalt haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
16 Schema Mapping Beispiel Beispiel spendendb firmen firma name spenden spende betrag projekt spender Interpretation: - Erzeuge für jede firma in spendendb. eine org in haushaltdb - Erzeuge für jede spende in spendendb eine einnahme in haushaltdb - Erzeuge für jede spende in spendendb eine buchung in haushaltdb - Gruppiere korrekt: Schachtelung & Fremdschlüssel! haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
17 Schema Mapping Beispiel Beispiel spendendb firmen firma name spenden spende betrag projekt spender Weitere Interpretation: & haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
18 Beispiel Schema Mapping Situationen [Leg05] Mapping Situationen Erzeugung von Duplikaten Mapping S ituationen infolge fehlender Korres pondenzen Mapping Situationen, die mehr als eine Korrespondenz betreffen spezielle Situationen mit Choice-Gruppierungen unterschiedliche Strukturen in Quelle und Ziel Attribut des Quellschemas nicht Teil des Mappings Attribut des Zielschemas nicht Teil des Mappings Element des Quell- oder Zielschemas nicht Teil des Mappings Zusammenhang der Quellstrukturen Zusammenhang der Zielstrukturen Teil eines Schlüssel oder UNIQUE- Constraints Teil eines Fremdschlüssels erforderlich mit/ohne Vorgabewert nicht erforderlich struktureller Zusammenhang struktureller Zusammenhang Fremdschlüsselbasierter Zusammenhang alle Kombinationen Fremdschlüsselbasierter Zusammenhang Mapping Situationen, die einzelne Korrespondenzen betreffen kein (offensichtlicher) Zusammenhang kein (offensichtlicher) Zusammenhang (nicht untersucht) 1:1 Korrespondenzen n:1 Korrespondenzen m:n Korrespondenzen 1:n Korrespondenzen Quelle Attribut Ziel Attribut Unterscheidungen je nach Zusammenhang der Quell- und/oder Zielstrukturen ähnlich Element Element (nur für Attribute) Situationen in Abhängigkeit von der Kardinalitaet Transformationsfunktion und/oder Filter vorhanden Situationen in Abhängigkeit vom Datentyp Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
19 Algorithmus Schema Mapping Algorithmus Drei Schritte: 1 Entdeckung von intra-schema Assoziationen 2 Entdeckung von inter-schema logischen Mappings 3 Anfrageerzeugung spendendb firmen firma name spenden spende betrag projekt spender haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
20 Algorithmus Schritt 1: Entdeckung von Assoziationen Intra-schema Assoziationen zwischen Schemaelementen Relationale Sichten enthalten maximale Gruppen assoziierter Elemente Jede Sicht repräsentiert eine eigene Kategorie an Daten der Datenquelle Unabhängig vom Mapping (aber beschränkt auf gemappte Elemente) Quell- Schema S Assoziationen des Quellschemas Ziel- Schema T Assoziationen des Zielschemas Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
21 Algorithmus Entdeckung von Assoziationen Start: Alle primären Pfade Assoziationen im Schema ohne Integritätsbedingungen Relationale Schemas: Jede Relation entspricht einem primären Pfad Geschachtelte Schemas: Attribute einer Ebene Attribute geschachtelter Ebenen haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
22 Algorithmus Entdeckung von Assoziationen Betrachte nun Schlüssel / Fremdschlüssel (ICs) Logische Relation Erweitere jeden primären Pfad durch Verfolgen der ICs (chase) haushaltdb Haushalt organisationen org orgid orgname einnahmen einnahme proj buchungen buchung datum menge Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
23 References Schema Mapping Algorithmus [BLN86] C. Batini, M. Lenzerini, and S.B. Navathe. A comparative analysis of methodologies for database schema integration. ACM Computing Surveys, 18(4): , [FHP + 02] R. Fagin, M. Hernandez, L. Popa, Y. Velegrakis, and R. J. Miller. Translating web data. In Proc. of the Int. Conf. on Very Large Databases (VLDB), [Leg05] [RB01] Frank Legler. Datentransformation mittels Schema Mapping. Master s thesis, Humboldt-Universität zu Berlin, E. Rahm and P.A. Bernstein. A survey of approaches to automatic schema matching. The VLDB Journal, 10(4): , Dr. Armin Roth (arminroth.de) II Schema Mapping / 23
Datenintegration. Kapitel 6: Schemamanagement. Andreas Thor Sommersemester 2008. Inhalt
Datenintegration Datenintegration Kapitel 6: Schemamanagement Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Schemaintegration Erzeugung
Mehr3. Das Relationale Datenmodell
3. Das Relationale Datenmodell Das Relationale Datenmodell geht zurück auf Codd (1970): E. F. Codd: A Relational Model of Data for Large Shared Data Banks. Comm. of the ACM 13(6): 377-387(1970) DBMS wie
MehrUni Duisburg-Essen Fachgebiet Informationssysteme Prof. Dr. N. Fuhr
Raum: LF 230 Bearbeitung: 9.-11. Mai 2005 Datum Gruppe Vorbereitung Präsenz Aktuelle Informationen unter: http://www.is.informatik.uni-duisburg.de/courses/dbp_ss03/ Tabellen in IBM DB2 Tabellen Eine relationale
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
MehrDatenbanken. Sommersemester 2010 Probeklausur
Prof. Dr. V. Linnemann Christoph Reinke Universität zu Lübeck Institut für Informationssysteme Lübeck, den 29. Juli 2010 Datenbanken Sommersemester 2010 Probeklausur Hinweise: Es ist sinnvoll, die Aufgaben
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
MehrPräsentation zum Thema XML Datenaustausch und Integration
Sebastian Land Präsentation zum Thema XML Datenaustausch und Integration oder Warum eigentlich XML? Gliederung der Präsentation 1. Erläuterung des Themas 2. Anwendungsbeispiel 3. Situation 1: Homogene
MehrSeminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006
Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet
Mehr10. Vorlesung: Datenorganisation SS 2007
10. Vorlesung: Datenorganisation SS 2007 8 Parallele Transaktionen 9 9.1 Drei-Ebenen Ebenen-Architektur 9.2 Verteilte Datenbanken 9.3 Client-Server Server-Datenbanken 9.4 Föderierte Datenbanken 9.5 Das
MehrInformationsintegration I Einführung
Informationsintegration I Einführung Felix Naumann Integrierte Informationssysteme Anfrage Integriertes Informationssystem Oracle, DB2 Anwendung Dateisystem Web Service HTML Form Integriertes Info.-system
MehrIntegration lokaler Daten in ifuice
: Integration lokaler Daten in ifuice Bearbeiter: Sarah Gebhardt Betreuer: Andreas Thor Seite 1 Motivation Warum eine Integration lokaler Daten? Viele Infos im Web, aber andere Listen im Web, aber nicht
MehrBachelorarbeit. Database Live Migration. Stückler Karl. Wirtschafts- und Sozialwissenschaften. Dipl.-Ing. Mag. Dr. Albert Weichselbraun
WIRTSCHAFTSUNIVERSITÄT WIEN Vienna University of Economics and Business Bachelorarbeit Titel der Bachelorarbeit: Database Live Migration Verfasser/in (Nachname, Vorname): Matrikelnummer: Stückler Karl
MehrExtraktion, Transformation, Laden (ETL)
Extraktion, Transformation, Laden (ETL) ƒ ETL-Prozeß ƒ Integrationsschritte ƒ Integrationsprobleme Konflikte und deren Klassifikation Behebung von Konflikten ƒ Data Cleaning Vorlesung Data-Warehouse-Technologien
MehrVorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14
Universität Augsburg, Institut für Informatik Wintersemester 2013/14 Prof. Dr. W. Kießling 10. Oktober 2013 F. Wenzel, D. Köppl Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14
MehrAd-hoc-Integration in schemabasierten P2P-Systemen
Ad-hoc-Integration in schemabasierten P2P-Systemen Marcel Karnstedt 1 Kai-Uwe Sattler 1 Eike Schallehn 2 Martin Endig 3 1 Technische Universität Ilmenau, Postfach 100565, 98684 Ilmenau 2 Universität Magdeburg,
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
MehrSpeicherung von XML in (objekt-)relationalen Datenbanken. Burkhard Schäfer
Speicherung von XML in (objekt-)relationalen Datenbanken Burkhard Schäfer Übersicht Motivation Anforderungen Ansätze modellorientiert strukturorientiert Zusammenfassung Motivation Warum XML in Datenbanken
MehrDatenintegration & Datenherkunft Varianten der Data Provenance
Datenintegration & Datenherkunft Varianten der Data Provenance Wintersemester 2010/11 Melanie Herschel melanie.herschel@uni-tuebingen.de Lehrstuhl für Datenbanksysteme, Universität Tübingen 1 Arten des
MehrHochschule Karlsruhe Technik und Wirtschaft- 10.7.2013. Anhänge: Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Prof. Schmidt.
Fakultät für Informatik und Wirtschaftsinformatik SS 2013 Datenbanken und Informationssysteme II Szenario: Projektverwaltung. Es gibt Projekte, Projektleiter, Mitarbeiter und ihre Zuordnung zu Projekten.
MehrModellbasierter Entwurf föderierter Informationssysteme
Diese Arbeit baut auf auf eine Reihe von Vorarbeiten bei der Fachgruppe Computergestützte Informationssysteme der TU Berlin und am Fraunhofer ISST, die sich mit dem komplexen Gebiet der Definition, Verwaltung
MehrKap 4: Abbildung des E/R Modells auf das relationale Modell. Entity steht in Bez. Anzahl der a A r b B
Kap 4: Abbildung des E/R Modells auf das relationale Modell Verfeinerung von Beziehungsarten Entity steht in Bez. Anzahl der a A r b B 1 = 1 0 1 1 Kap. 4.1 Abbildung von Entities Entity-Schema Relationenschema
MehrAusgangspunkt. Datenintegration. Ziel. Konflikte. Architekturen. Transparenz
Ausgangspunkt Datenintegration Web Informationssysteme Wintersemester 2002/2003 Donald Kossmann Daten liegen in verschiedenen Datenquellen (Extremfall: jede URL eigene Datenquelle) Mietautos bei www.hertz.com
MehrAllgemeines. veröffentlicht unter http://www.profv.de/uni/ lizensiert unter. Creative Commons BY-SA 3.0. XQuery in MS SQL Server 2005
Volker Grabsch 14. Januar 2008 Allgemeines veröffentlicht unter http://www.profv.de/uni/ lizensiert unter Creative Commons BY-SA 3.0 Quelle Dieser Vortrag basiert auf dem Paper XQuery Implementation in
MehrServicebasierte Datenintegration
Präsentation zur Seminararbeit Christoph Aßmann Aßmann, Christoph Leipzig, 26.01.2010 Folie 1 Inhalt Begriffe Motivation Abgrenzung Grid Cloud OGSA: Architektur servicebasierter Grids Standardisierung
MehrKlassifikation von Integrationskonflikten
Klassifikation von Integrationskonflikten Christiane Telöken 1 Inhaltsverzeichnis 1. Was bedeutet Integration? 2. Strukturelle Heterogenitätskonflikte 2.1 Konflikte bei bilateralen Korrespondenzen 2.2
MehrRelationale Datenbanken Kursziele
Relationale Datenbanken Kursziele DB Grundlagen Daten-Modellierung Relationales Modell und DB => Praxis: Mit SQL als Anfragesprache Mit MySQL als DB RDB 1-1 Kursinhalt (Tage) 1. DB Einleitung / Entity-Relationship
MehrDatenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013
Datenqualität in medizinisch-betriebswirtschaftlichen Informationssystemen MedConf 2013 Endler Gregor, Warum Datenqualität? 2002, USA: 600.000.000 $ Y2k weltweit: 1.500.000.000 $ Kosten 44.000 98.000 Todesfälle
MehrXML Werkzeug XML Spy. Frank Heininger Axel Labuschke
XML Werkzeug XML Spy Frank Heininger Axel Labuschke Gliederung Werkzeugkategorien Strukturbeschreibung Dokumentenerstellung Dokumentenbetrachtung Datenhaltung XML Spy Einführung Funktionen Benutzeroberfläche
MehrEntfernung von Duplikaten in Data Warehouses
Entfernung von Duplikaten in Data Warehouses Daniel Martens 11.09.2015, Informationsintegration, Seminar 1/41 Gliederung Problem & Motivation Domänen-unabhängige Verfahren Domänen-abhängige Verfahren DELPHI
MehrER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung
ER-Modellierung am Beispiel der Universitätsdatenbank aus der DBIS-Vorlesung Datenbank-Praktikum SS 2010 Prof. Dr. Georg Lausen Florian Schmedding ER-Modell: Wiederholung Entitäten E Beziehungen B Attribute
MehrSeminar C02 - Praxisvergleich OLAP Tools
C02: Praxisvergleich OLAP Tools Ein Seminar der DWH academy Seminar C02 - Praxisvergleich OLAP Tools Das Seminar "Praxisvergleich OLAP-Tools" bietet den Teilnehmern eine neutrale Einführung in die Technologien
MehrVergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses
Vergleich von Open-Source und kommerziellen Programmen zur Durchführung eines ETL-Prozesses Exposé zur Diplomarbeit Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Fakultät II Institut
MehrData Mining als Arbeitsprozess
Data Mining als Arbeitsprozess Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 31. Dezember 2015 In Unternehmen werden umfangreichere Aktivitäten oder Projekte im Bereich des Data Mining
MehrSzenario: B2B Lösung W4F / Lixto /
Unterschiede und Gemeinsamkeiten XML als Web Datenformat Motivation HTML Dokumentorientiert Flexibilität Layout Präsentation Datenbanken Datenorientiert Abstraktion Anfragesprache Manipulationssprache
MehrSchlüssel bei temporalen Daten im relationalen Modell
Schlüssel bei temporalen Daten im relationalen Modell Gesine Mühle > Präsentation > Bilder zum Inhalt zurück weiter 322 Schlüssel im relationalen Modell Schlüssel bei temporalen Daten im relationalen Modell
Mehr7. Analyse-Phase: Datenmodellierung Software Engineering
7. Analyse-Phase: Datenmodellierung Software Engineering Hochschule Darmstadt Haardtring 100 D-64295 Darmstadt Prof. Dr. Bernhard Humm Hochschule Darmstadt, 20. November 2006 Einordnung in den Kontext
MehrEinführung relationale Datenbanken. Themenblock: Erstellung eines Cube. Schlüssel. Relationenmodell Relationenname Attribut. Problem.
Themenblock: Erstellung eines Cube Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Praktikum: Data Warehousing und Data Mining Idee Speicherung der Daten in Form von Tabellen
MehrThemenblock: Erstellung eines Cube
Themenblock: Erstellung eines Cube Praktikum: Data Warehousing und Data Mining Einführung relationale Datenbanken Problem Verwaltung großer Mengen von Daten Idee Speicherung der Daten in Form von Tabellen
MehrKapitel 7: Formaler Datenbankentwurf
7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen
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-
MehrOM Datenbanken. OM Datenbanken. 8.1 Was ist ein Datenbanksystem? Motivation
1 Inhalt: Relationale Datenbanken 8.1 Was ist ein Datenbanksystem? 8.2 Relationale Datenbanksysteme 8.3 Abbildung des objektorientierten Modells auf Tabellen 2 8.1 Was ist ein Datenbanksystem? Motivation
MehrÜbungsblatt 4 Lösung
Dr. N. Ritter Fachbereich Informatik Arbeitsgruppe Datenbanken und Informationssysteme Universität Kaiserslautern Übungsblatt 4 Lösung für die Übung am Donnerstag, 14. Dezember 2000, 15.30 Uhr in 36/265
MehrXQuery Implementation in a Relational Database System
Humboldt Universität zu Berlin Institut für Informatik XQuery Implementation in a Relational Database System VL XML, XPath, XQuery: Neue Konzepte für Datenbanken Jörg Pohle, pohle@informatik.hu-berlin.de
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
MehrDateninteroperabilität für INSPIRE in der Praxis Datenintegration und -harmonisierung
Dateninteroperabilität für INSPIRE in der Praxis Datenintegration und -harmonisierung Simon Templer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel +49 6151
Mehr3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen
3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57
MehrDatenintegration. Kapitel 1: Einführung. Andreas Thor Sommersemester 2008. Inhalt
Datenintegration Datenintegration Kapitel 1: Einführung Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Begriffsdefinition Anwendungsgebiete
MehrTowards Automated Analysis of Business Processes for Financial Audits
Towards Automated Analysis of Business Processes for Financial Audits Michael Werner Universität Hamburg michael.werner@wiso.uni hamburg.de Max Brauer Allee 60 22765 Hamburg StB Prof. Dr. Nick Gehrke Nordakademie
MehrKONZEPTUELLES DATENBANKEN-DESIGN
KONZEPTUELLES DATENBANKEN-DESIGN Batini, Ceri, Navathe, Conceptual Database Design, The Benjamin/Cummings Pub., 1992 ISBN 0-8053-0244-1 Part I: Kapitel 1 und Kapitel 2 II-1 Methode des Datenbanken-Designs
MehrIntelligence (BI): Von der. Nürnberg, 29. November 2011
Modelle für Business Intelligence (BI): Von der Anforderung zum Würfel Nürnberg, 29. November 2011 Warum Modelle für Business Intelligence (BI)? Warum Modelle für Business Intelligence (BI)? Bis zur Auswertung
MehrSimPDM Datenmodell im Kontext zu Teamcenter und PLMXML
SimPDM Datenmodell im Kontext zu Teamcenter und PLMXML Vergleichsstudie Datentransfer PDM SDM Böblingen, 20. November 2008 Dietmar Gausselmann Zoran Petrovic Ulrich Deisenroth Agenda Einleitung / Motivation
MehrDefinition von visuellen Alphabeten basierend auf Meta Object Facilities (MOF) 23. Oktober 2012
Definition von visuellen Alphabeten basierend auf Meta Object Facilities (MOF) 23. Oktober 2012 29 Textuelle Visuelle Alphabete Textuelle Sprachen: eindimensional (Sätze) Basiselemente: Buchstaben, Ziffern,
MehrÜbung Datenbanken in der Praxis. Datenmodifikation mit SQL
Datenmodifikation mit SQL Folie 45 SQL - Datenmodifikation Einfügen INSERT INTO Relation [(Attribut, Attribut,...)] VALUES (Wert, Wert,...) INSERT INTO Relation [(Attribut, Attribut,...)] SFW-Anfrage Ändern
MehrPeer Data Management mit System P
Peer Data Management mit System P Ilmenau, 17. Mai 2006 Felix Naumann Armin Roth naumann@informatik.hu-berlin.de aroth@informatik.hu-berlin.de Humboldt-Universität zu Berlin Überblick Arbeitsgruppe Informationsintegration
MehrKapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies
Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge
MehrVorlesung. Grundlagen betrieblicher Informationssysteme. Prof. Dr. Hans Czap. Email: Hans.Czap@uni-trier.de. Lehrstuhl für Wirtschaftsinformatik I
Vorlesung Grundlagen betrieblicher Informationssysteme Prof. Dr. Hans Czap Email: Hans.Czap@uni-trier.de - II - 1 - Inhalt Kap. 1 Ziele der Datenbanktheorie Kap. 2 Datenmodellierung und Datenbankentwurf
MehrMeeting the Challenges of Integrating Large and Diverse Geographic Databases
Meeting the Challenges of Integrating Large and Diverse Geographic Databases M. Sc. Michael Schäfers schaefers@dbs.uni-hannover.de 04. März 2014 Agenda: 1 Motivation: Räumliche Datenintegration 2 3 Take-Home-Message:
MehrEin Schlüssel ist eine Menge von Attributen (also eines oder mehrere), die eine Datenzeile (Tupel) einer Tabelle eindeutig identifiziert
Maika Büschenfeldt Datenbanken: Skript 1 1. Was ist eine relationale Datenbank? In Datenbanken können umfangreiche Datenbestände strukturiert abgelegt werden. Das Konzept relationaler Datenbanken soll
MehrInhalt. Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle. Daten und Tabellen - ein Beispiel. Daten und Tabellen - Normalisierung
Inhalt Ein Einführung in die Nutzung von SQL-Datenbanken am Beispiel Oracle Daten und Tabellen Normalisierung, Beziehungen, Datenmodell SQL - Structured Query Language Anlegen von Tabellen Datentypen (Spalten,
MehrObjektrelationale Datenbanken
Vorlesung Datenbanksysteme vom 26.11.2008 Objektrelationale Datenbanken Konzepte objektrelationaler DBs SQL:1999 OO vs. OR Konzepte objektrelationaler Datenbanken Große Objekte (LOBs: Large Objects) Mengenwertige
MehrData Integration and ETL with Oracle Warehouse Builder
Oracle University Kontakt: +43 (0)1 33 777 401 Data Integration and ETL with Oracle Warehouse Builder Dauer: 5 Tage Lerninhalte Die Teilnehmer lernen, wie sie Mappings oder Prozessflüsse zum Laden von
MehrModellbasierte Softwareentwicklung mit EMF
Softwaretechnik I, WS 2009/10 Modellbasierte Softwareentwicklung mit EMF Übungsblatt 5 13. November 2009 Organisatorisches Zur Bearbeitung der Übungsaufgabe stehen Ihnen die folgenden 3 Wochen (Kalenderwochen
MehrSoftware as a Service, Cloud Computing und aktuelle Entwicklungen
A. Göbel, Prof. Dr. K. Küspert Friedrich-Schiller-Universität Fakultät für Mathematik und Informatik Seminar am Lehrstuhl für Datenbanken und Informationssysteme Software as a Service, Cloud Computing
MehrAbbildungen zwischen Schemata unterschiedlicher Datenmodelle
Abbildungen zwischen Schemata unterschiedlicher Datenmodelle Susanne Braun Technische Universität Kaiserslautern, Lehrgebiet Datenverwaltungssysteme 1 Einleitung In den letzten Jahrzehnten wurde in vielen
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.
MehrKapitel 33. Der xml-datentyp. In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023
Kapitel 33 Der xml-datentyp In diesem Kapitel: Der xml-datentyp 996 Abfragen aus xml-datentypen 1001 XML-Indizierung 1017 Zusammenfassung 1023 995 996 Kapitel 33: Der xml-datentyp Eine der wichtigsten
MehrQuery Transformation based on XSLT
Query Transformation based on XSLT Gesamtsystem XML format 2 transformation component XML format 1 query transformation query XP2 query XP1 transformed XML fragment F2 XSLT stylesheet XSL processor XML
MehrDatenbanken: Datenintegrität. www.informatikzentrale.de
Datenbanken: Datenintegrität Definition "Datenkonsistenz" "in der Datenbankorganisation (...) die Korrektheit der gespeicherten Daten im Sinn einer widerspruchsfreien und vollständigen Abbildung der relevanten
MehrDatenintegration. Kapitel 1: Einführung. Michael Hartung in Vertretung von Dr. Andreas Thor Wintersemester 2010/11
Datenintegration Datenintegration Kapitel 1: Einführung Michael Hartung in Vertretung von Dr. Andreas Thor Wintersemester 2010/11 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1
MehrAnalyse und praktischer Vergleich von neuen Access- Layer-Technologien in modernen Webanwendungen unter Java. Oliver Kalz
Analyse und praktischer Vergleich von neuen Access- Layer-Technologien in modernen Webanwendungen unter Java Oliver Kalz Agenda Grundlagen Objektpersistenz Objektrelationales Mapping Performance Fazit
MehrModel Driven Software Development
Model Driven Software Development Vergleich von Metametamodellen Marcel Hoyer 1von 19 Themenvorstellung Vergleich von Metametamodellen Was sind überhaupt Metametamodelle? Analyse und Vergleich existierender
MehrM. Graefenhan 2000-12-07. Übungen zu C. Blatt 3. Musterlösung
M. Graefenhan 2000-12-07 Aufgabe Lösungsweg Übungen zu C Blatt 3 Musterlösung Schreiben Sie ein Programm, das die Häufigkeit von Zeichen in einem eingelesenen String feststellt. Benutzen Sie dazu ein zweidimensionales
MehrObjektrelationale und erweiterbare Datenbanksysteme
Objektrelationale und erweiterbare Datenbanksysteme Erweiterbarkeit SQL:1999 (Objekt-relationale Modellierung) In der Vorlesung werden nur die Folien 1-12 behandelt. Kapitel 14 1 Konzepte objekt-relationaler
MehrNormierungs-Initiative «Open Document Interface» für Document Creation Systeme
Normierungs-Initiative «Open Document Interface» für Document Creation Systeme Jürg Geiser, OneOffixx AG Wolfgang Hugentobler, IDPARC AG Andreas Schwengeler, Creativ Software AG www.odoci.org Agenda» Was
MehrDatenintegration. Kapitel 2: Verteilung, Autonomie und Heterogenität. Dr. Anika Groß Sommersemester 2014
Datenintegration Datenintegration Kapitel 2: Verteilung, Autonomie und Heterogenität Dr. Anika Groß Sommersemester 2014 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Verteilung
MehrDatenintegration. Kapitel 2: Verteilung, Autonomie und Heterogenität. Andreas Thor Sommersemester 2008. Inhalt
Datenintegration Datenintegration Kapitel 2: Verteilung, Autonomie und Heterogenität Andreas Thor Sommersemester 2008 Universität Leipzig Institut für Informatik http://dbs.uni-leipzig.de 1 Inhalt Verteilung
MehrGrails. Weiterführende Themen zu Internet- und WWW-Technologien. Matthias Springer. 06. Juni 2011
Weiterführende Themen zu Internet- und WWW-Technologien 06. Juni 2011 Übersicht 1 Was ist? 2 Übersicht über 3 MVC-Konzept 4 Groovy Beispiele 5 Tutorial: Kleiner Notizblock Web Application Framework Übersicht
MehrVerwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert. Entität kann in einer oder mehreren Unterklassen sein
1 Definitionen 1.1 Datenbank Verwandt, logisch kohärent, zweckspezifisch, an reale Welt orientiert Integriert, selbstbeschreibend, verwandt 1.2 Intension/Extension Intension: Menge der Attribute Extension:
MehrDatenbanktechnologie für Data-Warehouse-Systeme
Wolfgang Lehner Datenbanktechnologie für Data-Warehouse-Systeme Konzepte und Methoden dpunkt.verlag 1 1.1 1.2 1.3 1.4 1. 5 2 2.1 2.2 2.3 Einleitung 1 Betriebswirtschaftlicher Ursprung des Data Warehousing...
MehrMarkus Krötzsch DIAMOND. Data Integration and Access. by Merging. Ontologies and Databases. 13. Juni 2013
Data Integration and Access by Merging Ontologies and Databases 13. Juni 2013 Zielstellung Verbesserter Zugriff auf große, heterogene und dynamische Datenmengen Seite 2 Seite 3 Seite 4 Wikidata Offizielle
MehrDiplomarbeit: GOMMA: Eine Plattform zur flexiblen Verwaltung und Analyse von Ontologie Mappings in der Bio-/Medizininformatik
Diplomarbeit: GOMMA: Eine Plattform zur flexiblen Verwaltung und Analyse von Ontologie Mappings in der Bio-/Medizininformatik Bearbeiter: Shuangqing He Betreuer: Toralf Kirsten, Michael Hartung Universität
MehrTechniken des Data Merging in Integrationssystemen
Techniken des Data Merging in Integrationssystemen Jens Bleiholder Humboldt-Universität zu Berlin, Institut für Informatik bleiho@informatik.hu-berlin.de Zusammenfassung Die Integration von Daten aus heterogenen
MehrTeil 7: Einführung in den logischen Entwurf
7. Einführung in den logischen Entwurf 7-1 Teil 7: Einführung in den logischen Entwurf Literatur: Elmasri/Navathe:Fundamentals of Database Systems, 3. Auflage, 1999. Chapter 3, Data Modeling Using the
MehrWSDL. 7363 - Web-basierte Anwendungen WSDL WSDL. Eine Vertiefungsveranstaltung mit Schwerpunkt auf XML-Technologien. Web Services Description Language
Fachhochschule Wiesbaden - Fachhochschule Wiesbaden - 7363 - Web-basierte Anwendungen Eine Vertiefungsveranstaltung mit Schwerpunkt auf XML-Technologien Web Services Description Language 10.06.2004 H.
MehrKapitel 6: SQL und XML
6. SQL und XML Seite 1 Kapitel 6: SQL und XML Wie können die Inhalte einer Datenbank als XML-Dokumente exportiert werden (Publizieren von XML? Wie können die Inhalte eines XML-Dokumentes in eine Datenbank
MehrIMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN
Joins 1 IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN Literatur Priti Mishara, Maragaret H. Eich, Join Processing in Relational Databases, ACM Computing Surveys, Vol. 24, No. 1, March 1992 Goetz Graefe,
MehrA Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems
A Framework for Planing and Controlling Data Quality in Data-Warehouse-Systems markus.helfert@unisg.ch Slide 2 Überblick Data-Warehouse-Systeme und Datenqualität Datenqualitätsmanagement Datenqualität
MehrLothar Piepmeyer. Grundkurs Datenbanksysteme. Von den Konzepten bis zur Anwendungsentwicklung ISBN: 978-3-446-42354-1
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
MehrSchema- und Metadatenmanagement in Peer Data Management Systemen Invited talk @ BTW Workshop, 6.3.2007
Schema- und Metadatenmanagement in Peer Data Management Systemen Invited talk @ BTW Workshop, 6.3.2007 Felix Naumann Hasso-Plattner-Institut Fachgebiet Informationssysteme Überblick 2 Peer Data Management
MehrFachbereich Informatik Praktikumsversuch 4. Prof. Dr.. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2015
Hochschule Darmstadt Data Warehouse SS2015 Fachbereich Informatik Praktikumsversuch 4 Prof. Dr.. S. Karczewski Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.06.2015 1. Kurzbeschreibung Dieses Praktikum
MehrBenutzer- und Referenzhandbuch
Benutzer- und Referenzhandbuch All rights reserved. No parts of this work may be reproduced in any form or by any means - graphic, electronic, or mechanical, including photocopying, recording, taping,
MehrITGAIN Fach- und Technikspezialist
ITGAIN Fach- und Technikspezialist KOMPETENZ GEWINNBRINGEND EINSETZEN. Copyright 2012 ITGAIN GmbH 1 SPoT Wir bringen Ihre Informationen auf den Punkt. Hamburg, 07.05.2012 FACTORY-ANSATZ FÜR ETL-PROZESSE
MehrProjektseminar Texttechnologische Informationsmodellierung
Projektseminar Texttechnologische Informationsmodellierung XQuery Ziele der Sitzung Nach dieser Sitzung sollten Sie: XQuery als wesentlichen Standard zur Abfrage von in XML kodierten Daten kennen Mit Hilfe
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrModellbasierte Business Intelligence in der Praxis. Nürnberg, 10.11.2009
Modellbasierte Business Intelligence in der Praxis Nürnberg, 10.11.2009 I N H A L T 1. Warum Modelle für Business Intelligence (BI)? 2. Inhalte von Datenmodellen für BI 3. Inhalte von Prozessmodellen 4.
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
MehrIntegritätsbedingungen / Normalformen- Beispiel: Kontoführung
Technische Universität München WS 2003/04, Fakultät für Informatik Datenbanksysteme I Prof. R. Bayer, Ph.D. Lösungsblatt 8 Dipl.-Inform. Michael Bauer Dr. Gabi Höfling 12.01. 2004 Integritätsbedingungen
Mehr1. Funktionen und Datenflüsse; Tabellenkalkulationssysteme
Grundwissen Informatik 1. und Datenflüsse; Tabellenkalkulationssysteme Zellbezug relativer Zellbezug absoluter Zellbezug iterative Berechnungen Datentypyen z. B. A4 A ist der Spaltenbezeichner 4 ist die
MehrSQL Server 2012 und SharePoint im Unternehmenseinsatz. Referent Daniel Caesar
SQL Server 2012 und SharePoint im Unternehmenseinsatz Referent Daniel Caesar sqlxpert Daniel Caesar Publikationen Themen SQL Server Admin, Entwicklung SharePoint Admin, Entwicklung.NET Entwicklung Rechtssichere
Mehr