Informatik II Vorlesung am D-BAUG der ETH Zürich
|
|
- Jesko Friedrich Falk
- vor 6 Jahren
- Abrufe
Transkript
1 Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 11, 2017 Datenbanksysteme: Das Entity Relationship (ER) Modell, das Relationale Modell und SQL.
2 Literatur Literatur: Kemper, Eickler: Datenbanksysteme: Eine Einführung. Oldenbourg Verlag, 9. Auflage, Quellen: Basismaterial wurde von Prof. Donald Kossmann & Martin Kaufmann freundlicherweise zur Verfügung gestellt. Weitere Quelle: Folien zu Datenbanksysteme: Eine Einführung, Lehrstuhl III Datenbansysteme, Prof. Kemper, TU München 2
3 Ziele Nutzen von Datenbanksystemen verstehen, Modellierungskenntnisse ER Modell (Modellierung der Weltsicht) Relationales Modell (Modellierung für die DB) Datenbanksystem anwenden SQL 3
4 Datenbankverwaltungssysteme Ein Datenbankverwaltungssystem (DBMS) ist ein Werkzeug zur Erstellung und Ausführung datenintensiver Anwendungen grosse Datenmengen grosse Datenströme 4
5 Typische Anwendungen Bank z.b. Konten / Geldtransfer Bibliothek z.b. Bücher / Ausleihen Facebook, Twitter, z.b. Freunde, Sende Tweet Geoinformationssysteme z.b. Topographische Information, "Erzeuge Karte" "Alles, was Sie mit einer Tabelle machen wollen, mit Excel nicht erledigen können und nicht selbst programmieren möchten". 5
6 Wozu Datenbanksysteme? Vermeide Redundanz und Inkonsistenz Deklarativer Zugriff auf die Daten und Unabhängigkeit von der Implementation (physische Datenunabhängigkeit) Synchronisiere gleichzeitigen Datenzugriff Sicherheit, Vertraulichkeit Minimiere Kosten und Aufwand Ähnliche Funktionalität selbst zu implementieren würde Jahre in Anspruch nehmen 6
7 Datenmodellierung Auschnitt der realen Miniwelt konzeptuelles Schema (ER-Schema) intellektuelle Modellierung halbautomatische Transformation XML relationales Schema objektorientiertes Schema 7
8 1. Teil heutige Vorlesung: Modellierung (ER-Modell) Studenten Professoren Vorlesungen reale Welt: Universität konzeptuelle Modellierung MatrNr Name Studenten hören Professoren geben PersNr Name Vorlesungen VorlNr Titel 8
9 2. Teil heutige Vorlesung: Relationales Datenmodell Studenten hören Vorlesungen Legi Name Legi VorlNr VorlNr Titel Fichte Jonas Grundzüge Glaube und Wissen... select Name from Studenten, hören, Vorlesungen where Studenten.Legi= hören.legi and hören.vorlnr= Vorlesungen.VorlNr and Vorlesungen.Titel = `Grundzüge ; update Vorlesungen set Title = `Grundzüge der Logik where VorlNr = 5001; π name (studenten hören vorlesungen) 9
10 Entity Relationship Modell 10
11 Entity/Relationship (ER) Modell Legi Name Semester Entity = Gegenstandstyp Relationship = Beziehungstyp Schlüssel (Identifikation) Studenten hören Hörer Kurs Vorlesungen Attribut / Eigenschaft Rolle Nr Titel KP 11
12 Modell einer Universität vorraussetzen Legi Vorgänger Nachfolger VorlNr Name Studenten hören Vorlesungen KP Semester Titel Note prüfen lesen PersNr Rang Name Assistent arbeitenfür Professoren Raum Fachgebiet PersNr Name 12
13 ... in natürlicher Sprache Studenten haben LegiNr, Name und Semester. Die LegiNr identifziert einen Studenten eindeutig. Vorlesungen haben eine VorlNr, Kreditpunkte und einen Titel. VorlNr identifiziert eine Vorlesung eindeutig. Professoren haben PersNr, Name, Rang und Raum. PersNr identifiziert einen Professor eindeutig. Assistenten haben PersNr, Name und Fachgebiet. PersNr. identifiziert einen Assistenten eindeutig. Studenten hören Vorlesungen Vorlesungen können Voraussetzung für andere Vorlesungen sein. Professoren lesen Vorlesungen. Assistenten arbeiten für Professoren Studenten werden von Professoren über Vorlesungen geprüft. Studenten erhalten Noten als Teil dieser Prüfungen. Ist das die einzig mögliche Interpretation? Nein: zu einem ER-Model gehört immer noch Dokumentation und/oder gesunder Menschenverstand 13
14 Warum ER? Vorteile ER Diagramme sind einfach zu erstellen und editieren ER Diagramme sind aufgrund der grafischen Darstellung einfach zu verstehen (vom Laien) ER Diagramme beschreiben alle Informationsanforderungen Allgemeines Viele Tools verfügbar Kontroverse, ob ER/UML in der Praxis von Nutzen ist Keine Kontroverse, dass jeder ER/UML lernen sollte 14
15 Funktionalitätsangaben E E 1 R 2 R E 1 x E 2 1:1 E 1 E 2 1:N N:1 N:M 15
16 Beispiel: Seminar Um das zu verstehen, denken Sie am besten in Abbildungen (Funktionen): eine Abbildung f(x,y) hat pro Parameter x,y nur einen Wert. Studenten N betreuen 1 1 Professoren Seminarthemen Note betreuen: Professoren x Studenten Seminarthemen betreuen: Seminarthemen x Studenten Professoren 16
17 Konsistenzbedingungen des Seminar Einschränkungen 1. Studenten dürfen bei einem Professor nur ein Seminarthema bearbeiten 2. Studenten können dasselbe Seminarthema nur einmal bearbeiten Möglichkeiten 1. Professoren können das Seminarthema für andere Studenten wiederverwenden 2. Dasselbe Thema kann von verschiedenen Professoren verwendet werden 17
18 Universität mit Funktionalitäten vorraussetzen Legi Name Studenten N hören Vorgänger Nachfolger M N M Vorlesungen VorlNr KP Semester N M N Titel Note prüfen lesen PersNr 1 1 Rang Name Assistent N arbeitenfür 1 Professoren Raum Fachgebiet PersNr Name 18
19 Daumenregeln Wann Attribut, wann Entität? Entität, wenn das Konzept mehr als eine Beziehung hat Attribut, wenn das Konzept nur eine 1:1 Beziehung hat Partitionierung von ER-Modellen Realistische Modelle sind grösser als eine Seite Nach Bereichen / Organisationseinheiten partitionieren Kein gutes automatisches Graphenpartitionierungstool bekannt Tipps Keine Redundanz modellieren Je weniger Entitäten desto besser 19
20 ER Modellierung: Zusammenfassung ER beschreibt eine Miniwelt Das "was" und die Regeln ER ist statisch. Es beschreibt keine Übergänge Nützlich zum Erstellen von Software zur Beantwortung von (An)fragen über die Miniwelt es folgt nun: ER-Modell relationales Modell Ähnliche Modellierungsmöglichkeiten bietet UML (mehr auf OOP zugeschnitten) Auch andere graphische Darstellungen des ER Modells gebräuchlich, z.b. "Krähenfussnotation" optisch näher bei UML 20
21 Relationales Modell Die Welt in Tabellen 21
22 Relationales Modell, Formalismus Relation R R D 1 x... x D n D 1, D 2,..., D n sind Domänen Beispiel: Telefonbuch string x string x integer Tupel: t R Beispiel: t = ( Mickey Mouse, Main Street, 4711) Relationenschemata werden wie folgt beschrieben Telefonbuch: {[Name: string, Strasse: string, Telefon#:integer]} {[...]} deuten an, dass ein Schema eine Menge von Tupeln [] ist Name des Attributes Typ des Attributes 22
23 Relationales Modell Telefonbuch Name Strasse Telefon# Mickey Mouse Main Street 4711 Minnie Mouse Broadway Donald Duck Broadway Ausprägung: Zustand der Datenbank Schlüssel: minimale Menge von Attributen, welche ein Tupel eindeutig identifizieren z.b. {Telefon#} oder {Name, Geburtstag} Primärschlüssel (durch Unterstreichung hervorgehoben): Ausgewählter Schlüssel, welcher üblicherweise zur Identifikation eines Tupels in einer Relation verwendet wird. 23
24 Regel #1: Darstellung von Entities Studenten: {[Legi:integer, Name:string, Semester: integer]} Vorlesungen: {[VorlNr:integer, Titel: string, KP: integer]} Professoren: {[PersNr:integer, Name: string, Rang: string,raum: integer]} Assistenten: {[PersNr:integer, Name: string, Fachgebiet: string]} 24
25 Regel #2: Darstellung von Beziehungen A 21 A E 2 E 1 R... E n A 2k A 1k1 A 1 R R A kr A n1 A nkn R R A11,..., A1 k, A21,..., A2,..., 1,...,, 1,..., 1 k A 2 n Ank A A n kr R:{[ ]} Schlüssel E 1 Schlüssel E 2 Schlüssel E n Attribute von R 25
26 Darstellung von Beziehungen hören: {[Legi: integer, VorlNr: integer]} lesen : {[PersNr: integer, VorlNr: integer]} arbeitenfür : {[AssiPersNr: integer, ProfPersNr: integer]} Fremdschlüssel, identifizieren Tupel aus anderen Entitäten voraussetzen: {[Vorgänger: integer, Nachfolger: integer]} prüfen : {[Legi: integer, VorlNr: integer, PersNr: integer, Note: decimal]} 26
27 Ausprägung von hören Studenten Legi Legi Legi hören VorlNr Vorlesungen VorlNr VorlNr Studenten N hören M Vorlesungen 27
28 Zur Regel #2: Bennenung der Attribute? Spezifiziert das ER-Modell Rollen, dann nimm den Namen der jeweiligen Rolle voraussetzen:{[vorgänger:string, Nachfolger:string]} vorraussetzen Vorgänger Nachfolger Vorlesungen andernfalls benutze die Namen der Schlüsselattribute der Entitäten bei Mehrdeutigkeit erfinde aussagekräftigen Namen borders_on: {[Code: string, Neighbour: string]} Country Code N borders_on M Country Neighbour 28
29 Regel #3: Zusammenfassung von Relationen Vorlesungen : Professoren: lesen: {[VorlNr, Title, CP]} {[PersNr, Name, Level, Room]} {[VorlNr, PersNr]} Fasse (nur) Relationen mit gleichem Schlüssel zusammen (also auch nur (N:1), (1:N) oder (1:1) Beziehungen) Zusammenfassen: Vorlesungen : Professoren : {[VorlNr, Title, CP, gelesenvon]} {[PersNr, Name, Level, Room]} Professoren lesen 1 N Vorlesungen 29
30 Ausprägung von Professoren und Vorlesungen Professoren PersNr Name Rang Raum 2125 Sokrates FP Russel FP Kopernikus AP Popper AP Augustinus AP Curie FP Kant FP 7 Vorlesungen VorlNr Titel KP gelesenvon 5001 Grundzüge Ethik Erkenntnistheorie Mäeutik Logik Wissenschaftstheorie Bioethik Der Wiener Kreis Glaube und Wissen Die 3 Kritiken Professoren lesen 1 N Vorlesungen 30
31 Das funktioniert NICHT Professoren Vorlesungen PersNr Name Rang Raum liest VorlNr Titel KP 2125 Sokrates FP Grundzüge Sokrates FP Ethik Sokrates FP Erkenntnistheorie Mäeutik Augustinus AP Logik Curie FP 36?? 5052 Wissenschaftstheorie 3 Problem: Redundanz und Anomalien PersNr ist kein gültiger Schlüssel für Professoren mehr 5216 Bioethik Der Wiener Kreis Glaube und Wissen Die 3 Kritiken 4 Professoren lesen 1 N Vorlesungen 31
32 Relationales Modell der Uni-DB Professoren Studenten Vorlesungen PersNr Name Rang Raum Legi Name Semester VorlNr Titel KP gelesenvon 2125 Sokrates FP Xenokrates Grundzüge Russel FP Jonas Ethik Kopernikus AP Fichte Erkenntnistheorie Popper AP Aristoxenos Mäeutik Augustinus AP Schopenhauer Logik Curie FP Carnap Wissenschaftstheorie Kant FP Theophrastos Bioethik Feuerbach Der Wiener Kreis Glaube und Wissen Assistenten voraussetzen 4630 Die 3 Kritiken PerslNr Name Fachgebiet Boss Vorgänger Nachfolger 3002 Platon Ideenlehre prüfen 3003 Aristoteles Syllogistik Legi Nr PersNr Note 3004 Wittgenstein Sprachtheorie Rhetikus Planetenbewegung Newton Keplersche Gesetze Spinoza Gott und Natur hören Legi VorlNr
33 Die Relationale Algebra und SQL 33
34 Die relationale Algebra Selektion Vereinigung Mengendifferenz Projektion kartesisches Produkt Join (Verbund) Umbenennung Division Durchschnitt F Semi-Join (links) E Semi-Join (rechts) C linker äusserer Join D rechter äusserer Join werden wir nicht diskutieren 34
35 SQL (Structured Query Language) Nachfolger von Sequel = Structured English Query Language Familie von Standards Anfrage- (Query)-Sprache Anfragen Datendefinitionssprache (DDL) Schemas Datenmanipulationssprache (DML) Updates SQL implementiert die Relationale Algebra 35
36 Selektion Auswahl von Tupeln (Zeilen) der Relation (Tabelle), so dass das Selektionsprädikat jeweils erfüllt ist. Semester > 10 (Studenten) Legi Name Semester Xenokrates Jonas 12 36
37 SQL: Anzeigen einer existierenden Tabelle SELECT * FROM Tabellenname gibt den Inhalt eine Tabelle (Relation) aus SELECT * FROM Professoren 5/19/
38 SQL Selektion SELECT * FROM Tabellen WHERE Selektionsprädikat entspricht der Selektion SELECT * FROM country WHERE SurfaceArea < 10 σ SurfaceArea<10 (country) 5/19/
39 Projektion π Extraktion von Attributen (Spalten) der Relation (Tabelle) π Rang (Professoren) Level FP AP 39
40 Einfaches SQL Statement SELECT Spaltennamen FROM Tabellennamen entspricht der Projektion π ohne Duplikatelimination: SELECT Rang FROM Professoren 5/19/
41 Projektion SELECT DISTINCT Spaltennamen FROM Tabellennamen entspricht der Projektion π: SELECT DISTINCT Rang FROM Professoren π Rang (Professoren) 5/19/
42 Projektion Anderes Beispiel SELECT Name, Population, SurfaceArea FROM country π Name,Population,SurfaceArea (country) 5/19/
43 Selektion und Projektion SELECT Spalten FROM Tabellen WHERE Selektionsprädikat entspricht der Projektion auf das Ergebnis der Selektion SELECT Name, Population FROM country WHERE SurfaceArea < 10 π Name,Population (σ SurfaceArea<10 (country)) 5/19/
44 Kartesisches Produkt enthält alle L R mögliche Paare von Tupeln aus L und R L A B C a 1 b 1 c 1 a 2 b 2 c 2 R D E d 1 e 1 d 2 e 2 = L R L R A B C D E a 1 b 1 c 1 d 1 e 1 a 1 b 1 c 1 d 2 e 2 a 2 b 2 c 2 d 1 e 1 a 2 b 2 c 2 d 2 e 2 44
45 Kartesisches Produkt Professoren hören Professoren hören PersNr Name Rang Raum Legi Nr 2125 Sokrates FP Sokrates FP Kant FP Riesiges Ergebnis ( Professoren hören ) Wird meist in Verbindung mit Selektion eingesetzt Vermeidung riesiger Zwischenergebisse durch Einführung eines separaten Operators (Join) 45
46 Kartesisches Produkt SELECT... FROM Tabelle1, Tabelle2... entspricht dem kartesischen Produkt Tabelle1 Tabelle2 SELECT * FROM studenten, hören studenten hören 5/19/
47 Umbenennung Umbenennung von Relationen Ermittlung indirekter Vorgänger 2. Stufe der Vorlesung 5216 V1. Vorgänger( V2. Nachfolger=5216 V1.Nachfolger = V2.Vorgänger ( V1 (voraussetzen) V2 (voraussetzen))) Umbennung von Attributen Voraussetzung Vorgänger (voraussetzen) 47
48 Umbenennung von Attributen SELECT... Name as NeuerName... FROM Tabellen... entspricht der Umbenennung. SELECT Titel, gelesenvon as Dozent FROM Vorlesungen π Titel,Dozent ( gelesenvon Dozent (Vorlesungen)) 48
49 Umbenennung von Tabellen SELECT... FROM Tabellenname Alias... entspricht der Umbenennung. SELECT v.titel FROM Vorlesungen v wozu? kommt gleich! π Titel ( V (Vorlesungen)) 49
50 Kartesisches Produkt plus Selektion SELECT * FROM studenten, hören WHERE studenten.legi = hören.legi σ studenten.legi = hören.legi (studenten hören) 5/19/
51 Etwas kürzer mit Umbenennung SELECT * FROM studenten s, hören h WHERE s.legi = h.legi σ s.legi = h.legi (ρ s (studenten) ρ h (hören)) 5/19/
52 Der natürliche Verbund (Join) Gegeben Relationen: R(A 1,..., A m, B 1,..., B k ) S(B 1,..., B k, C 1,..., C n ) R S = Π A1,,A m, R.B 1,,R.B k, C 1,,C n (σ R.B1 =S.B 1 R.B k =S.B k (R S)) R S R S R S S R A 1 A 2... A m B 1 B 2... B k C 1 C 2... C n 52
53 Beispiel: hören Vorlesungen = L R L R R L R L 53
54 Beispiel: Studenten hören = 54
55 Drei-Wege-Join: Studenten hören Vorlesungen Join ist assoziativ: (Studenten hören) Vorlesungen = Studenten (hören Vorlesungen) = 55
56 Join SELECT... FROM Tabelle1 NATURAL JOIN Tabelle2... entspricht dem Join SELECT * FROM studenten NATURAL JOIN hören Im Unterschied zu SELECT * FROM studenten s, hören h WHERE s.legi = h.legi kommt Legi nur einmal vor in der Tabelle: Join fasst gleichnamige Attribute zusammen. studenten hören 5/19/
57 Allgemeiner Join (Theta-Join) Gegeben Relationen(-Schemata) R(A1,..., An) und S(B1,..., Bm) R S = (R x S) R R S S A 1 A 2... A n B 1 B 2... B m 57
58 Beispiel: Allgemeiner Join Relationen Züge(name, start, ziel,, länge) Gleise(station, nummer,, länge) Finde alle möglichen Gleise für den CIS Alpino in Zürich station= Zürich (Gleise) Züge.länge < Gleise.länge name= CIS (Züge) 58
59 ANHANG: WELT-DATENBANK 59
60 [Ein Modell der Welt] Code Name neighbour Country is_in City ID Name Population capital_of Population Percentage spoken_in isofficial Name countrylanguage 60
61 [Modell der Welt mit Funktionalitäten] Code Name borders_on N M Country 1 is_in N City ID Name Population N 1 1 capital_of Population Percentage spoken_in isofficial M Name countrylanguage 61
62 [Die Welt in Tabellen] (borders_on nicht modelliert) 62
Datenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück 1 Kapitel 6a: Das relationale Modell 2 Das Relationale Modell Wertebereiche (Domänen): D 1, D 2,,...,
MehrDatenbanksysteme 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):
MehrKapitel 5 Dr. Jérôme Kunegis. SQL: Grundlagen. WeST Institut für Web Science & Technologien
Kapitel 5 Dr. Jérôme Kunegis SQL: Grundlagen WeST Institut für Web Science & Technologien Lernziele Kenntnis der Grundkonzepte von SQL Fähigkeit zur praktischen Anwendung von einfachen SQL-Anweisungen
MehrDatenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen
Datenintegrität Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen Formulierung von Integritätsbedingungen ist die wichtigste Aufgabe des DB-Administrators!
MehrDatenintegrität. Arten von Integritätsbedingungen. Statische Integritätsbedingungen. Referentielle Integrität. Integritätsbedingungen in SQL.
Datenintegrität Arten von Integritätsbedingungen Statische Integritätsbedingungen Referentielle Integrität Integritätsbedingungen in SQL Trigger 1 Datenintegrität Einschränkung der möglichen Datenbankzustände
MehrDatenintegrität. Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen
Datenintegrität Einschränkung der möglichen Datenbankzustände und -übergänge auf die in der Realität möglichen Formulierung von Integritätsbedingungen ist die wichtigste Aufgabe des DB-Administrators!
MehrArchitektur eines DBMS Logische Optimierung
Vorlesung Datenbanksysteme vom 16.11.2015 Anfragebearbeitung 1 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Architektur eines DBMS SW-Komponenten der Anfragebearbeitung
MehrDas relationale Modell
Das relationale Modell Das relationale Modell VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Das relationale Modell 1. Überblick Überblick
MehrAufgabensammlung SQL SW4 1. Einfache Anfragen
Aufgabensammlung SQL SW4 1. Einfache Anfragen Buch: Kapitel 4.6 und 4.7. Datenbank: Die folgenden Anfragen beziehen sich auf die Universitätsdatenbank des Buches. Alle Umlaute werden umschrieben (hören
MehrTermin 12: Datenbanksysteme (2) - Einführung in SQL
Termin 12: Datenbanksysteme (2) - Einführung in SQL Grundlagen der Informatik Wintersemester 2006/07 Prof. Bernhard Jung Übersicht 1. Einführung SQL 2. Datenbankanfragen mit SQL (select from where) 3.
MehrStudierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert:
Studierende, die diese Vorlesung hören, haben sich auch für folgende Lehrveranstaltungen interessiert: Lehrangebot des FG Informationssysteme Modellierung Datenbanken Internet-Suchmaschinen Information
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R 1.008. Vorlesung #5. SQL (Teil 3)
Vorlesung #5 SQL (Teil 3) Fahrplan Besprechung der Übungsaufgaben Rekursion Rekursion in SQL-92 Rekursion in DBMS- Dialekten (Oracle und DB2) Views (Sichten) - gespeicherte Abfragen Gewährleistung der
MehrDatenbanksysteme (1)
Kapitel 18: Datenbanksysteme (1) Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht Datenbanken und Datenbanksysteme Entity/Relationship-Modell (ERM) Das Relationale Datenmodell
MehrReferentielle Integrität
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Integritätsbedingungen Bedingungen an den Zustand der Datenbasis dynamische
MehrInformatik für Ökonomen II: Datenintegrität. Prof. Dr. Carl-Christian Kanne
Informatik für Ökonomen II: Datenintegrität Prof. Dr. Carl-Christian Kanne 1 Konsistenzbedingungen DBMS soll logische Datenintegrität gewährleisten Beispiele für Integritätsbedingungen Schlüssel Beziehungskardinalitäten
MehrReferentielle Integrität
Datenintegrität Integitätsbedingungen Schlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Integritätsbedingungen Bedingungen an den Zustand der Datenbasis dynamische
MehrDatenbanken. Einführung. Tobias Galliat. Sommersemester 2012
Datenbanken Einführung Tobias Galliat Sommersemester 2012 Basistext: A. Kemper, A. Eickler: Datenbanksysteme, Oldenbourg Verlag, München, 2011, 8. Auflage, Preis: 39,80 ebenfalls empfehlenswert: T. Kudraß
MehrRelationale Kalküle. Grundlagen der Datenbanken. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 2013/14 Lernziele Grundideen des Domänen-Relationenkalküls (DRK) und des Tupel-Relationenkalküls
MehrDatenbanken I - Einführung
- Einführung April, 2011 1 von 30 Outline 1 Organisatorisches 2 Vorlesungsinhalt 3 Begrisklärung 4 Motivation 5 Abstraktion 6 Datenmodelle 7 Literaturangabe 2 von 30 Scheinkriterien Belegübung Regelmäÿige
MehrEinführung in Datenbanksysteme. Donald Kossmann Institut für Informationssysteme ETH Zürich
Einführung in Datenbanksysteme Donald Kossmann Institut für Informationssysteme ETH Zürich kossmann@inf.ethz.ch www.dbis.ethz.ch Vorlesungen Termine Mittwoch: 10 Uhr bis 12 Uhr Übungen (Start am 2. April)
MehrEinführung und Überblick
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken und Überblick Dr. Thomas Gottron Wintersemester 2012/13 Frage an das Publikum... Welche Erfahrungen gibt es mit Datenbanken? Systeme?
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
Mehrkonzeptueller Entwurf mittels E/R-Modell einfache Funktionalitäten n-stellige Relationships (n>2) (siehe nächste zwei Folien) schwache Entities
Datenbankentwurf bisher: konzeptueller Entwurf mittels E/R-Modell einfache Funktionalitäten (min, max)-notation n-stellige Relationships (n>2) (siehe nächste zwei Folien) schwache Entities nun: Generalisierung,
Mehr9. Einführung in Datenbanken
9. Einführung in Datenbanken 9.1 Motivation und einführendes Beispiel 9.2 Modellierungskonzepte der realen Welt 9.3 Anfragesprachen (Query Languages) 9.1 Motivation und einführendes Beispiel Datenbanken
MehrDatenintegrität. Bisherige Integritätsbedingungen
Datenintegrität Integitätsbedingungen chlüssel Beziehungskardinalitäten Attributdomänen Inklusion bei Generalisierung statische Bedingungen an den Zustand der Datenbasis dynamische Bedingungen an Zustandsübergänge
MehrDatenbanksysteme (2) Einführung in SQL
Kapitel 19: Datenbanksysteme (2) Einführung in SQL Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht 1. Einführung SQL 2. Datenbankanfragen mit SQL (select from where) 3.
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
MehrDATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER
DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.
MehrInhalt. 2.1 Datenbankentwurf. 2.2 Relationales Modell. 2.3 Relationale Entwurfstheorie. 2.4 Relationale Algebra. 2.5 Structured Query Language (SQL)
2. Datenbanken Inhalt 2.1 Datenbankentwurf 2.2 Relationales Modell 2.3 Relationale Entwurfstheorie 2.4 Relationale Algebra 2.5 Structured Query Language (SQL) 2 2.1 Datenbankentwurf Datenbankanwendungen
MehrNachtrag: Farben. Farbblindheit. (Light und Bartlein 2004)
Nachtrag: Farben Farbblindheit (Light und Bartlein 2004) 1 Vorgeschlagene Farbskalen (Light and Bartlein 2004) Farbkodierung metrisch skalierter Daten Unterscheide: 1. Sequential Data (ohne Betonung der
MehrDatenbanksysteme Vorlesung vom noch Kapitel 7: SQL. Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2009 Vorlesung vom 19.05.2009 noch Kapitel 7: SQL Oliver Vornberger Institut für Informatik Universität Osnabrück SQL: Self Join 15.) Liste die Namen der Assistenten, die für denselben
MehrCarl-Christian Kanne. Einführung in Datenbanken p.1/513
Einführung in Datenbanken Carl-Christian Kanne Einführung in Datenbanken p.1/513 Kapitel 1 Einführung Einführung in Datenbanken p.2/513 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern
MehrEinführung. Kapitel 1 2 / 508
Kapitel 1 Einführung 2 / 508 Einführung Was ist ein Datenbanksystem (DBS)? Ein System zum Speichern und Verwalten von Daten. Warum kein herkömmliches Dateisystem verwenden? Ausfallsicherheit und Skalierbarkeit
MehrVO Datenmodellierung. Katrin Seyr
Datenintegrität Datenintegrität VO Datenmodellierung Katrin Seyr Institut für Informationssysteme Technische Universität Wien Katrin Seyr Seite 1 Datenintegrität 1. Überblick Überblick 1 Überblick 2 Integritätsbedingungen
MehrVorlesung Informatik II
Vorlesung Informatik II Universität Augsburg Wintersemester 2011/2012 Prof. Dr. Bernhard Bauer Folien von: Prof. Dr. Robert Lorenz Lehrprofessur für Informatik 08. Exkurs: Datenbanken 1 Motivation Datenbanksysteme
MehrSemantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung
6. Datenintegrität Motivation Semantische Integrität (auch: Konsistenz) der in einer Datenbank gespeicherten Daten als wichtige Anforderung nur sinnvolle Attributwerte (z.b. keine negativen Semester) Abhängigkeiten
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
MehrAnfragebearbeitung 3
Anfragebearbeitung 3 VL Datenbanksysteme, WS 2014/5 Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Kostenmodelle und
MehrDatenbanken: ER-Modell
Beispiel: Lastenheft: Für eine Hochschule soll eine Verwaltungssoftware geschrieben werden, die alle relevanten Daten in einem relationalen Datenbanksystem speichert. Zu diesen Daten zählen die Stamm-
MehrStructured Query Language (SQL) als standardisierte Anfragesprache für relationale Datenbanken
Rückblick Structured Query Language (SQL) als standardisierte Anfragesprache für relationale Datenbanken Data Definition Language zur Schemadefinition (z.b. CREATE TABLE zum Anlegen von Tabellen) Data
MehrWirtschaftsinformatik 2. Tutorium im WS 11/12
Wirtschaftsinformatik 2. Tutorium im WS 11/12 Entity/Relationship-Modell SQL Statements Tutorium Wirtschaftsinformatik WS 11/12 2.1 Datenmodellierung mit ERM (1) Datenmodellierung zur Erarbeitung des konzeptionellen
MehrLogische Datenmodelle
Kapitel 3 Logische atenmodelle In Abhängigkeit von dem zu verwendenden atenbanksystem wählt man zur computergerechten Umsetzung des Entity-Relationship-Modells das hierarchische, das netzwerkorientierte,
MehrObjektorientierte 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
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
MehrMichaela Weiss 01. April 2015. Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL
Michaela Weiss 01. April 2015 Lerneinheit 4: Relationale Datenbanken am Beispiel von MySQL Seite 2 Datenbanken Allgemeines: Datenbank(management)systeme ermöglichen die Speicherung großer Datenmengen Kennzeichen
MehrACCESS SQL ACCESS SQL
ACCESS SQL Datenbankabfragen mit der Query-Language ACCESS SQL Datenbankpraxis mit Access 34 Was ist SQL Structured Query Language Bestehend aus Datendefinitionssprache (DDL) Datenmanipulationssprache
MehrDatenbanken. Prof. Dr. Steffen Staab. Organisatorisches. Organisatorisches. Vorlesung
Datenbanken Organisatorisches Prof. Dr. Steffen Staab Vorlesung Beginn: 31. Oktober 2005 Montag, 12.15 13.45 Uhr, Raum MF 314 Donnerstag, 16.15 17.45, Raum MF 414 Übungen Betreuer: Christoph Ringelstein,
MehrDatenbanken Unit 1: Einleitung
Datenbanken Unit 1: Einleitung 23. II. 2016 Eine Frage zum Einstieg Eine Frage Was macht ein(e) LogistikerIn eigentlich so? Eine Frage zum Einstieg Eine Frage Was macht ein(e) LogistikerIn eigentlich so?
MehrRelationale Anfragesprachen
Relationale Anfragesprachen Structured Query Language: SQL Query by Example: QBE SQL standardisierte Datendefinitions (DDL) Datenmanipulations (DML) Anfrage (Query)Sprache derzeit aktueller Standard ist
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-
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
MehrSQL Tutorial. SQL - Tutorial SS 06. Hubert Baumgartner. INSO - Industrial Software
SQL Tutorial SQL - Tutorial SS 06 Hubert Baumgartner INSO - Industrial Software Institut für Rechnergestützte Automation Fakultät für Informatik Technische Universität Wien Inhalt des Tutorials 1 2 3 4
MehrDatenbanken (WS 2015/2016)
Datenbanken (WS 2015/2016) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
MehrISU 1. Ue_08/02_Datenbanken/SQL. 08 Datenbanken. Übung. SQL Einführung. Eckbert Jankowski. www.iit.tu-cottbus.de
08 Datenbanken Übung SQL Einführung Eckbert Jankowski www.iit.tu-cottbus.de Datenmodell (Wiederholung, Zusammenfassung) Objekte und deren Eigenschaften definieren Beziehungen zwischen den Objekten erkennen/definieren
Mehrhttp://www-db.in.tum.de/research/publications/books/dbmseinf
SQL standardisierte - Datendefinitions (DDL)- - Datenmanipulations (DML)- - Anfrage (Query)-Sprache derzeit aktueller Standard ist SQL 99 und SQL3 (2003) objektrelationale Erweiterung Für praktische Übungen
MehrEs wird empfohlen folgendes Material anzusehen:
Übung zur Vorlesung "Einführung in die Informatik für Hörer anderer Fachrichtungen (WZW)" IN8003, SS 2011 Prof. Dr. J. Schlichter Dr. Georg Groh, Dipl.Inform. Dipl.Geogr. Jan Herrmann, Florian Schulze
MehrDatenbanksysteme 2015
Datenbanksysteme 2015 Kapitel 09: Datenbankapplikationen Oliver Vornberger Institut für Informatik Universität Osnabrück Datenbankapplikationen ODBC MS Visio MS Access Embedded SQL JDBC Application SQLJ
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
MehrMengenvergleiche: Alle Konten außer das, mit dem größten Saldo.
Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten
MehrDatenbanksysteme 2011
Datenbanksysteme 2011 Anfang von Kapitel 10: Datenbankapplikationen Vorlesung vom 06.06.2011 Oliver Vornberger Institut für Informatik Universität Osnabrück Datenbankapplikationen ODBC MS Visio MS Access
MehrEinführung in die Informatik II
Einführung in die Informatik II Die Structured Query Language SQL Prof. Dr. Nikolaus Wulff SQL Das E/R-Modell lässt sich eins zu eins auf ein Tabellenschema abbilden. Benötigt wird eine Syntax, um Tabellen
MehrFundamentals of Software Engineering 1
Folie a: Name Fundamentals of Software Engineering 1 Grundlagen der Programmentwurfstechnik 1 Sommersemester 2012 Dr.-Ing. Stefan Werner Fakultät für Ingenieurwissenschaften Folie 1 Inhaltsverzeichnis
Mehr7. Übung - Datenbanken
7. Übung - Datenbanken Informatik I für Verkehrsingenieure Aufgaben inkl. Beispiellösungen 1. Aufgabe: DBS a Was ist die Kernaufgabe von Datenbanksystemen? b Beschreiben Sie kurz die Abstraktionsebenen
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,
MehrTU 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. 7 Übung zur Vorlesung Grundlagen: Datenbanken im WS13/14 Henrik Mühe (muehe@in.tum.de) http://www-db.in.tum.de/teaching/ws1314/dbsys/exercises/
MehrEinführung in das Entity-Relationship-Modell
Einführung in das Entity-Relationship-Modell Historie Entity-Relationship-Modell kurz: ER-Modell bzw. ERM 1976 von Peter Chen vorgeschlagen Standardmodell für frühe Entwurfsphasen in der Datenbankentwicklung
MehrDatenbanksysteme. Thomas Neumann 1 / 31
Datenbanksysteme Thomas Neumann 1 / 31 Skript Alfons Kemper und Andre Eickler Datenbanksysteme Eine Einführung 9. Auflage Oldenbourg Verlag, München (ca 40 Euro) http: //www-db.in.tum.de/research/publications/books/dbmseinf
Mehr6SHLFKHUXQJYRQ5')LQ'DWHQEDQNHQ
RDF in wissenschaftlichen Bibliotheken 6SHLFKHUXQJYRQ5')LQ'DWHQEDQNHQ Um die spezielle Problematik, die RDF im Zusammenhang mit der Speicherung in Datenbanken verursacht, zu diskutieren, sollen zunächst
MehrSQL structured query language
Umfangreiche Datenmengen werden üblicherweise in relationalen Datenbank-Systemen (RDBMS) gespeichert Logische Struktur der Datenbank wird mittels Entity/Realtionship-Diagrammen dargestellt structured query
MehrRelationale Datenbanken
Datenbanksysteme Relationale Datenbanken Relationales Datenmodell Deklarationen Anfragen! Entwurf, z.b. mit Entity Relationship Model! Deklaration! Speichern der Daten! Hauptspeicher, Cache, virtueller
MehrDatenmodellierung im Zeitalter agiler Softwareentwicklung
Datenmodellierung im Zeitalter agiler Softwareentwicklung Sebastian Graf, PROMATIS software GmbH DOAG 2013, Nürnberg, 1 Agenda u Über den Referenten u Datenmodellierung Begriffsdefinition und Abgrenzung
MehrDBSP. Vorlesung. Prof. Dr. rer. nat. Nane Kratzke. Unit. Praktische Informatik und betriebliche Informationssysteme
Handout zur Vorlesung Vorlesung DBSP Unit Datenmodellierung 1 Prof. Dr. rer. nat. Nane Kratzke Praktische Informatik und betriebliche Informationssysteme Raum: 17-0.10 Tel.: 0451 300 5549 Email: kratzke@fh-luebeck.de
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
MehrProfilbezogene informatische Bildung in den Klassenstufen 9 und 10. Schwerpunktthema Daten und Datenbanken
Profilbezogene informatische Bildung in den Klassenstufen 9 und 10 Schwerpunktthema Robby Buttke Fachberater für Informatik RSA Chemnitz Fachliche Einordnung Phasen relationaler Modellierung Fachlichkeit
MehrEinführung in SQL. Sprachumfang: Indizes. Datensätzen. Zugriffsrechten
Einführung in SQL Die Sprache SQL (Structured Query Language) ist eine Programmiersprache für relationale Datenbanksysteme, die auf dem ANSI-SQL-Standard beruht. SQL wird heute von fast jedem Datenbanksystem
MehrDatenbankentwurf. Entwicklungsprozess Anforderungsanalyse & Miniwelt
Datenbankentwurf Entwicklungsprozess Wollen DB entwickeln. Etwa für Comic-Sammlung, aus der Freunde ausleihen dürfen. Was ist dazu zu tun? Wie kommt man zu einer laufenden Anwendung? Datenbankentwurf Entwicklungsprozess
MehrDatenbanken. Lernziele. Inhalt. Organisatorisches. Datenbank und Datenbanksystem. 1. Grundlagen Datenbanken. Wie entwerfe ich eine Datenbank?
SELECT s., s., sum(k.dauer) FROM s, a, Kurs k WHERE s.=a. AND a.=k. GROUP BY s. Lernziele Datenbanken ditact 2003 Salzburg Wie entwerfe ich eine Datenbank? Wie kann ich Daten einfügen, bearbeiten oder
MehrKapitel DB:III (Fortsetzung)
Kapitel DB:III (Fortsetzung) III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen
Mehr1. Einführung. Datenbanken Grundlagen
1. Einführung Datenbanken Grundlagen Wo finden wir Datenbanken? Was sind Datenbanken/ Datenbankensysteme(DBS)? A collection of related data items mit folgenden Eigenschaften: Eine Datebank repräsentiert
MehrEinleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join
Parsen der Anfrage (SQL) Transformation in eine Standardform (Relationenalgebra) Logische Optimierung Transformation in alternative Zugriffspläne, Physische Optimierung Ausführung des gewählten Zugriffsplans
MehrBERUFSPRAKTIKUM UND -VORBEREITUNG
Department für Geographie Marco Brey BERUFSPRAKTIKUM UND -VORBEREITUNG Crashkurs IT-Methoden ein anwendungsorientierter Einstieg in Datenbanksysteme, Programmierung und fortgeschrittene Excel-Funktionen
MehrArbeitsblätter zu Teil I des Praktikums
Arbeitsblätter zu Teil I des Praktikums Allgemeine Hilfsmittel Bitte benutzen Sie bei Schwierigkeiten mit spezifischem Domänenwissen das Internet als Recherchemöglichkeit (beispielsweise Google oder Wikipedia).
MehrMinisterium für Kultus, Jugend und Sport Baden-Württemberg
Anlage zu 45-6512-2420/31 Ministerium für Kultus, Jugend und Sport Baden-Württemberg Schulversuch 51-6624.20/100 (früher: /84) vom 26. August 2003 Lehrpläne für das berufliche Gymnasium der sechs- und
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
MehrSoftware-Engineering Einführung
Software-Engineering Einführung 7. Übung (04.12.2014) Dr. Gergely Varró, gergely.varro@es.tu-darmstadt.de Erhan Leblebici, erhan.leblebici@es.tu-darmstadt.de Tel.+49 6151 16 4388 ES Real-Time Systems Lab
MehrRelationale Datenbanken in der Praxis
Seite 1 Relationale Datenbanken in der Praxis Inhaltsverzeichnis 1 Datenbank-Design...2 1.1 Entwurf...2 1.2 Beschreibung der Realität...2 1.3 Enitiy-Relationship-Modell (ERM)...3 1.4 Schlüssel...4 1.5
MehrTerminologie. Kapitel 15 Verteilte Datenbanken. Verteiltes Datenbanksystem. Kommunikationsmedien
Kapitel Verteilte Datenbanken Terminologie Motivation: geographisch verteilte Organisationsform einer Bank mit ihren Filialen Filialen sollen Daten lokaler Kunden bearbeiten können Zentrale soll Zugriff
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
Mehrmit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007
6. Übung zur Vorlesung Datenbanken im Sommersemester 2007 mit Musterlösungen Prof. Dr. Gerd Stumme, Dipl.-Inform. Christoph Schmitz 11. Juni 2007 Aufgabe 1: Rekursion Betrachten Sie die folgende Tabelle
MehrDatenbanksysteme I. Klausur zum Praktikum. Mehrere Professoren prüfen mit genau einem Beisitzer genau einen Studenten.
Lehrstuhl für Datenbanken und Informationssysteme Wintersemester 1999/2000 Universität Augsburg, Institut für Informatik 25. Februar 2000 Prof. Dr. Werner Kießling A. Leubner, M. Wagner Datenbanksysteme
MehrGrundlagen: Datenbanken WS 15/16
Grundlagen: Datenbanken WS 15/16 2. Zentralübung / Wiederholung / Fragestunde Harald Lang gdb@in.tum.de Diese Folien finden Sie online. Die Mitschrift erhalten Sie im Anschluss. Termine Klausur 24.02.2016,
MehrEinführung. Informationssystem als Abbild der realen Welt
Was ist ein Datenbanksystem? Anwendungsgrundsätze Betrieb von Datenbanksystemen Entwicklung von Datenbanksystemen Seite 1 Informationssystem als Abbild der realen Welt Modellierung (Abstraktion) Sachverhalte
MehrEinteilung von Datenbanken
Datenbanksysteme (c) A.Kaiser; WU-Wien 1 Einteilung von Datenbanken 1. formatierte Datenbanken 2. unformatierte Datenbanken Information Retrieval Systeme 2 Wozu Datenbanken? Speicherung und Verwaltung
MehrDatenmodellierung und Datenbanksysteme. Vorlesung. Informationswissenschaft und Informationssysteme. Hans Uszkoreit & Brigi1e Jörg
Vorlesung Informationswissenschaft und Informationssysteme Hans Uszkoreit & Brigi1e Jörg Definitionen Data modeling in software engineering is the process of creating a data model by applying formal data
MehrRedundanz: Dieselben Informationen werden doppelt gespeichert.
Kapitel 1 Einführung 1.1 Definition Ein Datenbanksystem (auch Datenbankverwaltungssystem, abgekürzt DBMS = data base management system) ist ein computergestütztes System, bestehend aus einer Datenbasis
MehrKapitel DB:III. III. Konzeptueller Datenbankentwurf
Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte
MehrSicherheitsaspekte. Szenarien. Angriffsarten. Discretionary Access Control. Sicherheit im DBMS. Identifikation und Authentisierung
Sicherheitsaspekte Sicherheit im DBMS Identifikation und Authentisierun Autorisierun und Zuriffskontrolle Auditin Szenarien Literaturdatenbank in der Hochschule: erines Sicherheitsbedürfnis ERP-Datenbank
Mehr4 Grundlagen der Datenbankentwicklung
4 Grundlagen der Datenbankentwicklung In diesem Kapitel werden wir die Grundlagen der Konzeption von relationalen Datenbanken beschreiben. Dazu werden Sie die einzelnen Entwicklungsschritte von der Problemanalyse
MehrAgenda. Themenblock: Data Warehousing (I) Referenzarchitektur. Eigenschaften eines Data Warehouse. Einführung Data Warehouse Data Access mit SQL
Themenblock: Data Warehousing (I) Praktikum: Data Warehousing und Data Mining 2 Eigenschaften eines Data Warehouse Referenzarchitektur Integrierte Sicht auf beliebige Daten aus verschieden Datenbanken
Mehr