PIWIN II. Praktische Informatik für Wirtschaftsmathematiker, Ingenieure und Naturwissenschaftler II. Vorlesung 2 SWS SS 08
|
|
- Edith Bretz
- vor 8 Jahren
- Abrufe
Transkript
1 PIWIN II Kap. 4: Datenbanksysteme 1 PIWIN II Praktische Informatik für Wirtschaftsmathematiker, Ingenieure und Naturwissenschaftler II Vorlesung 2 SWS SS 08 Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@udo.edu
2 PIWIN II Kap. 4: Datenbanksysteme 2 Gliederung der Vorlesung 1. Prolog 2. Rechnerstrukturen/-architekturen 3. Betriebssysteme 4. Verteilte Systeme und Rechnernetze 5. Datenbanken, relationale Algebren, SQL (DML&DDL) 6. KI & CI 7. Petri-Netze
3 PIWIN II Kap. 4: Datenbanksysteme 3 Gliederung Kapitel 4 Datenbanksysteme Literatur/Referenzen Datenbanken und Datenbanksysteme Datenmodelle ER-Modell Das Relationale Datenbankmodell Die Anfragesprache SQL Datendefinition Einfache Anfragen Gruppierung und Aggregate Verknüpfung verschiedener Relationen Einfügen, Ändern, Löschen von Datensätzen
4 PIWIN II Kap. 4: Datenbanksysteme 4 Literatur Gumm, H.-P. - Sommer, M.: Einführung in die Informatik Oldenbourg Verlag, München, 4. Auflage, 2000 dort: Kap. 9 Datenbanksysteme, p Dittrich, Klaus: Datenbanksysteme, Abschnitt E3, p in: Rechenberg, P. - Pomberger, G.: Informatik Handbuch Hanser Verlag, München, 3. Auflage,
5 PIWIN II Kap. 4: Datenbanksysteme 5 Ziele Große i.a. strukturierte Datenmengen zu erfassen darzustellen Gezielte Informationsrückgewinnung zu unterstützen.
6 PIWIN II Kap. 4: Datenbanksysteme 6 Datenbanken und Datenbanksysteme Datenbank große Datenbestände, die eine logische Einheit bilden I.d.R. für mehrere Benutzer (mit gleichzeitigem Zugriff) Datenbankverwaltungssystem (DBVS) database management system (DBMS) Software zur Verwaltung einer Datenbank Datenbanksystem (DBS) Datenbank und zugehöriges DBVS.
7 PIWIN II Kap. 4: Datenbanksysteme 7 Datenbanken und Datenbanksysteme Vorteile Gemeinsame Datenmodelle und Datenformate für verschiedene Anwendungen einheitliche Schnittstelle für Zugriff auf die Daten geringere Wartungskosten bei Änderung von Programmen DBVS verwendet i.w. 3 Abstraktionsebenen zur Repräsentation der Daten. Vgl. nächste Folie. Benutzer nutzt Daten über Anwendungsprogramm (AWP). Schichtung führt zu Datenunabhängigkeit Beschreibung der Schemata als Metadaten (data dictionary) Zudem Ad-hoc-Anfragesprache verfügbar --> SQL s.u. DBVS unterstützen Mehrbenutzerbetrieb.
8 PIWIN II Kap. 4: Datenbanksysteme 8 Datenbanken und Datenbanksysteme 3 Schichten Architektur einer Datenbank
9 PIWIN II Kap. 4: Datenbanksysteme 9 Datenmodelle Entity/Relationship Modell Beispiel: für Entitäten, Entitätsmengen und Beziehungen
10 PIWIN II Kap. 4: Datenbanksysteme 10 Datenmodelle Entity/Relationship Modell dient zur Erstellung eines konzeptionellen Modells auf Grundlage einer Anforderungsanalyse beschreibt Abstraktion der realen Welt durch Entität: Abstraktion von Gegenständen der realen Welt Diese haben Attribute (Eigenschaften) Entitätsmenge: Logisch zusammengehörige Entitäten Entitätstyp: Strukturbeschreibung einer Entitätsmenge Schlüsselkandidat: Minimale Menge von Attributen, die Entität eindeutig identifiziert. Primärschlüssel: Zur Identifikation fest gewählter Schlüsselkandidat.
11 PIWIN II Kap. 4: Datenbanksysteme 11 Datenmodelle Entity/Relationship Modell Beziehung beschreibt Zusammenhang zwischen Entitäten dargestellt durch Linie zwischen Entitäten Beziehungsmenge logisch zusammenhängende Beziehungen
12 PIWIN II Kap. 4: Datenbanksysteme 12 Datenmodelle Entity/Relationship Modell Beziehungstyp beschreibt Struktur einer Beziehungsmenge werden nach Kardinälität der dabei auftretenden Entitätstypen klassifiziert: 1:1 Beziehung: Eine Entität des Typs A steht mit höchstens (genau?) einer Entität des Typs B in Beziehung und umgekehrt. n:1 Beziehung: Eine Entität des Typs A steht mit höchstens einer Entität des Typs B in Beziehung, und eine Entität des Typs B kann mit mehreren Entitäten des Typs A in Beziehung stehen. n:m Beziehung: Eine Entität des Typs A kann mit mehreren Entitäten des Typs B in Beziehung stehen und umgekehrt. Ein E/R-Datenmodell lässt sich als E/R-Diagramm veranschaulichen
13 PIWIN II Kap. 4: Datenbanksysteme 13 Datenmodelle Entity/Relationship Modell Beispiel eines E/R-Diagramms:
14 PIWIN II Kap. 4: Datenbanksysteme 14 Datenmodelle Das Relationale Datenbank Modell 1970 von Codd vorgestellt: Codd, E.F.: A Relational Model of Data for Large Shared Data Banks" (erschienen in Communications of the ACM, Vol. 13, No. 6, June 1970, S ) In der Praxis vorkommend als: Oracle SQL Server (MySQL) Sybase Informix DB2
15 PIWIN II Kap. 4: Datenbanksysteme 15 Relationen Relation R: hier zentraler Begriff wird beschrieben durch sein Relationenschema: Name der Relation + Folge von Attributen Attribut A i hat jeweils Wertebereich D i (D i besteht nur aus atomaren, nicht strukturierten oder mengenwertigen Werten).
16 PIWIN II Kap. 4: Datenbanksysteme 16 Relationen Tupel oder Datensatz Element einer Relation, auch Instanz einer Relation genannt Relation (präzisiert) Menge aller Instanzen zu gegebenem Relationenschema; Integritätsbedingungen schränken die Menge der zulässigen Tupel für eine Relation ein. müssen von allen Instanzen eingehalten werden. werden durch Prädikat beschrieben. Primärschlüssel minimale Menge von Attributen, welche die Datensätze der Relation eindeutig identifiziert. werden als Zeiger zur Modellierung von Beziehungen benutzt.
17 PIWIN II Kap. 4: Datenbanksysteme 17 Relationen Darstellung von Relationen durch Tabellen Beispiel Kunde KId KName Wohnsitz Kto 2 Lutz Dortmund 0 3 Feldmann Bremen Seidl München Breitenbach Dortmund 0 9 Müller Dortmund Feldmann Dortmund -3000
18 PIWIN II Kap. 4: Datenbanksysteme 18 Die relationale Algebra stellt eine Menge ein- und zweistelliger Operatoren für Relationen zur Verfügung. Vereinigung : (Rel x Rel) --> Rel Vereinigung zweier Instanzen einer Relation mit gleichem Relationenschema. Differenz - : (Rel x Rel) --> Rel Differenz zweier Instanzen einer Relation mit gleichem Relationenschema. Kartesisches Produkt x: (Rel x Rel) --> Rel Kartesisches Produkt der Instanzen zweier Relationen.
19 PIWIN II Kap. 4: Datenbanksysteme 19 Die relationale Algebra Projektion π Τ : Rel--> Rel Zu einer Relation und einer Attributteilmenge ihres Relationenschemas wird eine Relation mit der Attributmenge T erzeugt, deren Instanz genau alle Tupel aus der Eingaberelation, eingeschränkt auf T, enthält. Selektion σ P : Rel --> Rel Zu einer Relation und einem Prädikat P werden alle Tupel der Relation berechnet, die das Prädikat P erfüllen. Umbenennung ρ : Rel --> Rel Bewirkt die Umbenennung von Attributen resp. Relationen, (ohne dabei die Instanz der Relation zu verändern). Beispiele: σ Kto<0 (Kunde) π Wohnort,Kto (Kunde) π KName ( σ Kto<0 (Kunde))
20 PIWIN II Kap. 4: Datenbanksysteme 20 Die relationale Algebra Weitere Operatoren daraus ableitbar: Schnitt : (Rel x Rel) --> Rel Schnitt zweier Instanzen einer Relation mit gleichem Relationenschema. durch Kombination von Vereinigung und Differenz. θ-verbund (θ-join) : (Rel x Rel) --> Rel Verknüpft zwei Relationen bezüglich des Prädikats θ miteinander, indem genau alle Tupel des kartesischen Produkts gewählt werden, die das Prädikat θ erfüllen. durch Kombination von kartesischem Produkt und Selektion ausdrückbar.
21 PIWIN II Kap. 4: Datenbanksysteme 21 Erweiterungen des relationalen Datenmodells Kommerzielle DBVS weisen zudem auf: Instanzen können auch enthalten: Multimengen (M-Relation) Ordnung (O-Relation) Zusätzliche Operatoren: Sortieroperator: Rel --> O-Rel Eliminierung aller Duplikate: M-Rel --> Rel Aggregationsoperatoren: Rel --> Rel -1-1 berechnet zu Relation genau eine Rel mit einem Attribut und genau einem Tupel Beispiel: sum Kto (Kunde)
22 PIWIN II Kap. 4: Datenbanksysteme 22 Erweiterungen des relationalen Datenmodells Kommerzielle DBVS weisen zudem auf: Zusätzliche Operatoren Gruppierungsoperator Zu vorgegebener Teilmenge der Attribute T (Gruppierungs-attribute)werden die Tupel der Distanz in disjunkte Teilmengen unterteilt, so dass in jeder Teilmenge die Tupel bezüglich der Werte der Gruppierungsattribute gleich sind. Gruppierungs- und Aggregationsoperatoren können kombiniert werden: Beispiel: sum Kto GrupOp Wohnsitz (Kunde) (Dortmund)=
23 PIWIN II Kap. 4: Datenbanksysteme 23 Abbildung E/R-Modell --> Rel. Datenmodell Gegeben E/R Modell Für jeden Entitätstyp E des E/R-Modells wird eine Relation R E angelegt, die alle Attribute des Entitätstyps enthält. Für jede 1:n-Beziehung zwischen einem Entitätstyp F und dem Typ E wird der Primärschlüssel von F als Attribut in R E importiert. Der Primärschlüssel der Relation R E ergibt sich direkt aus dem des Entitätstyps E. Eine n:m-beziehung B wird als eigenständige Relation R B umgesetzt, die alle Attribute des Beziehungstyps enthält. Zusätzlich werden die Primärschlüssel der an der Beziehung beteiligten Entitätstypen als Attribute in die Relation R B aufgenommen. Diese importierten Primärschlüssel bilden den Primärschlüssel der Relation R B.
24 PIWIN II Kap. 4: Datenbanksysteme 24 Abbildung E/R-Modell --> Rel. Datenmodell Beispiel: Relationen Angestellte: eigene Attribute + Abname Abteilung: eigene Attribute Kunde: eigene Attribute Produkt: eigene Attribute + Abname bestellt: (PId, KId,Anzahl)
25 PIWIN II Kap. 4: Datenbanksysteme 25 Die Anfragesprache SQL Mitte der 70er Prototyp System R (IBM). Dabei auch Anfragesprache SQL konzipiert. Zwischenversionen: SQL2 resp. SQL92. Heute gängig SQL3. Gängige DBS haben SQL3 als (echte) Teilmenge in sich. SQL: Einfache deskriptive Anfragesprache: was, nicht wie!! lässt Schemata anlegen (Datendefinition) kann Daten der Datenbank ansprechen (Datenmanipu-lation) kann auf allen Ebenen manipulieren.
26 PIWIN II Kap. 4: Datenbanksysteme 26 Die Anfragesprache SQL Datendefinition Auf konzeptueller Ebene Anlage der Relationen: create table name dazu: Angabe der Attribute (Namen + Datentyp) Integritätsregeln: Schränken die möglichen Instanzen der Relation ein. z.b.: not null hier muss gültiger Wert angegeben werden, sonst zugelassen, dass kein Wert angegeben wird.
27 Die Anfragesprache SQL Datendefinition Beispiel: create table Kunde ( KId integer primary key, KName char(20) not null, Wohnsitz char(50), Kto integer(7)) Weitere Operationen: alter table: Zum Ändern einer Relation drop table: Löschen eines Schemas + Instanz aus DB PIWIN II Kap. 4: Datenbanksysteme 27
28 PIWIN II Kap. 4: Datenbanksysteme 28 Die Anfragesprache SQL Datendefinition Auf externer Ebene Anlage von Sichten: Der für die Benutzergruppe relevante Teil wird zur Verfügung gestellt Wird durch eine SQL-Anfrage beschrieben Beispiel: create view GuteKunden as select * from Kunde where Kto >100
29 PIWIN II Kap. 4: Datenbanksysteme 29 Die Anfragesprache SQL Datendefinition Auf interner Ebene Anlage der Speicherrepräsentation: Am Beispiel Index: Index unterstützt bei großen (Instanzen von) Relationen die effiziente Suche. Beispiel: create index KundenName on Kunde(KName) Komplizierte Anlagen möglich. Indizes verursachen Aufwand.
30 PIWIN II Kap. 4: Datenbanksysteme 30 Die Anfragesprache SQL Einfache Anfragen Typische Struktur select A 1,, A n from R 1,, R m where P A i Attribute R j Relationen P Prädikat unter Verwendung der A i.
31 PIWIN II Kap. 4: Datenbanksysteme 31 Die Anfragesprache SQL Einfache Anfragen Auswertung Zunächst kartesisches Produkt über die R j aus from. Dann Selektion mit P als Selektionsprädikat. Beispiel select KName from Kunde where Kto < 0 liefert M-Relation. select distinct erzwingt Relation mit eindeutigen Einträgen.
32 PIWIN II Kap. 4: Datenbanksysteme 32 Die Anfragesprache SQL Einfache Anfragen Zum Prädikat in der where-klausel: Setzt sich aus atomaren Einheiten der Form A θ B, A θ c, c θ B zusammen, wobei A, B Attribute, c Konstante θ {=, <, >, } relationaler Operator Atome unter Verwendung von and, or, not zu erzeugen. Zudem: Sortierung möglich Beispiel: order by KName
33 PIWIN II Kap. 4: Datenbanksysteme 33 Die Anfragesprache SQL Aggregate Aggregatfunktionen count sum avg min / max Beispiele select count (*) from Kunde where Kto < 0 select sum (Kto) from Kunde where Kto < 0
34 PIWIN II Kap. 4: Datenbanksysteme 34 Die Anfragesprache SQL Gruppierung Möglichkeit, Relationen in disjunkte Gruppen aufzuteilen und für jede Gruppe Aggregat berechnen: select Wohnsitz, sum (Kto) from Kunde where Kto < 0 group by Wohnsitz Zudem Selektion über die Gruppen: Beispiel (als Ergänzung zu obiger Abfrage): having count(*) > 4
35 PIWIN II Kap. 4: Datenbanksysteme 35 Die Anfragesprache SQL Verknüpfung verschiedener Relationen Gib alle Namen der Kunden, die derzeit ein Produkt bestellt haben: select KName from Kunde, bestellt where Kunde.KId = bestellt.kid // Attribute klassifizieren Alternative Formulierung (geschachtelte Anfrage): select KName from Kunde, bestellt where Kunde.KId in ( select KId from bestellt ) Tatsächliche Verarbeitung der Anfrage dem DBVS überlassen.
36 PIWIN II Kap. 4: Datenbanksysteme 36 Die Anfragesprache SQL Einfügen, Ändern und Löschen von Datensätzen Einfügen eines Datensatzes: insert into Kunde (KId, KName, Kto) value ( 42, Schmidt, 0) //Wohnsitz fehlt!! --> Wohnsitz = NULL Ändern eines Datensatzes: update Kunde set Wohnsitz = Marburg where KId = 42 Entfernen eines Datensatzes: delete from Kunde where KId = 42 Entfernen evtl. mehrerer Datensätze: delete from Kunde where Wohnsitz = Marburg and Kto 0
37 PIWIN II Kap. 4: Datenbanksysteme 37 Client/Server für AWP und DBVS
38 PIWIN II Kap. 4: Datenbanksysteme 38 Entity-Relationship-Modell Wiederholung aus PIWIN I Gliederung Grundbegriffe im ER-Modell Graphische Darstellung Kardinalitäten von Assoziationen Rekursive Assoziationen Semantische Datenmodellierung Tabellendarstellung Bewertung
39 PIWIN II Kap. 4: Datenbanksysteme 39 Entity-Relationship-Modell P. Chen 1976 Weitere Bezeichnungen: Gegenstands-Beziehungs-Modell, Information Modeling Ziel: Beschreibung von permanent gespeicherten Daten und deren Beziehungen untereinander. Analyse der Information erfolgt aus fachlogischer Sicht. Resultat: konzeptionelles Modell, das gegen Veränderungen der Funktionalität weit gehend stabil ist.
40 PIWIN II Kap. 4: Datenbanksysteme 40 Entitätsmengen und Assoziationen Ausgangspunkt des ER-Modelles ist der Begriff der Entität. Entität (entity) individuelles, identifizierbares Exemplar von Dingen, Personen oder Begriffen der realen oder der Vorstellungswelt, wird durch Eigenschaften beschrieben. Synonymer Begriff in diesem Kontext: Objekt Entitätsmenge (entity set), auch Entitätstyp, Objekttyp Zusammenfassung von Entitäten mit gleichen Eigenschaften unter einem eindeutigen gemeinsamen Oberbegriff. Grafische Darstellung Entitätsmenge Entitätsmenge
41 PIWIN II Kap. 4: Datenbanksysteme 41 Attribut (attribut, property) Attribut beschreibt eine fachliche Eigenschaft, die allen Entitäten einer Entitätsmenge gemeinsam ist. definiert durch seinen Namen, der seiner fachlichen Bedeutung entsprechen soll, und seinen Wertebereich. Wertebereich (auch Domäne): Menge aller möglichen bzw. zugelassenen Werte für ein Attribut
42 PIWIN II Kap. 4: Datenbanksysteme 42 Attribut (attribut, property) Darstellung Attribute in ER-Diagrammen werden als Ovale dargestellt, durch ungerichtete Kanten mit jeweiliger Entitätsmenge verbunden. Unterscheidung beschreibende Attribute, die anwendungsrelevante Eigenschaften der Entitäten festhalten, identifizierende Attribute, die Schlüssel zur eindeutigen Identifikation einer konstanten Entität innerhalb ihrer Entitätsmenge bilden.
43 PIWIN II Kap. 4: Datenbanksysteme 43 Schlüssel Schlüssel kann aus einem oder mehreren identifizierenden Attributen zusammengesetzt sein Für eine Entitätsmenge lässt sich oft auch mehr als ein Schlüssel angeben, z. B. Entitätsmenge: Stadt Attribute: PLZ, Name der Stadt, Einwohnerzahl, Vorwahl Schlüssel: PLZ und Name der Stadt oder Vorwahl In einem solchen Fall wird stets ein Schlüssel als Primärschlüssel ausgezeichnet.
44 PIWIN II Kap. 4: Datenbanksysteme 44 Schlüssel Von einem Schlüssel wird Minimalität verlangt Ein Schlüssel K ist stets eine minimale, identifizierende Attributskombination, jede echte Obermenge von K (jede Menge, die die Teilmenge der Schlüssel enthält) ist ein Schlüssel-Kandidat. Darstellung Schlüssel werden unterstrichen dargestellt
45 PIWIN II Kap. 4: Datenbanksysteme 45 Schlüssel Beispiel: Entitätsmenge Kunde Alle Kunden der Firma Teachware bilden die Entitätsmenge Kunde. Diese Entitätsmenge hat die Attribute Personal-Nr., Anrede, Titel, Vorname, Nachname, Straße, PLZ, Ort,... Die Personal-Nr. hat als Wertebereich die Menge aller ganzen Zahlen zwischen 0 und Die Anrede kennt nur die zwei Werte Herr und Frau Die Personal-Nr. ist der Schlüssel Kunde Personal-Nr. Anrede Titel Vorname Nachname...
46 PIWIN II Kap. 4: Datenbanksysteme 46 Assoziationen Wechselwirkungen und Abhängigkeiten zwischen Entitäten werden durch Beziehungen (Relationen) dargestellt Die Zusammenfassung gleichartiger Beziehungen zwischen Entitäten erfolgt durch Beziehungsmengen, Assoziationen genannt Graphische Darstellung:
47 PIWIN II Kap. 4: Datenbanksysteme 47 Kardinalitäten Die Kardinalität (auch Komplexitätsgrad genannt) gibt an, mit wie vielen anderen Entitäten eine Entität einer bestimmten Entitätsmenge in einer konkreten Beziehung stehen muss bzw. stehen kann Die Angabe der Kardinalität erfolgt durch eine Zahl bzw. einen Buchstaben an den Linien, die die Raute mit den Entitätsmengen verbindet.
48 PIWIN II Kap. 4: Datenbanksysteme 48 Kardinalitäten 1:1 -Assoziation Wir betrachten jeweils zwei Entitätsmengen A und B jede Entität aus A ist mit genau einer Entität aus B verbunden und umgekehrt Im westlichen Kulturkreis besteht in der Ehe eine 1:1-Beziehung Als Name für eine Entitätsmenge sollte ein Substantiv im Singular gewählt werden, z.b. Ehemann, Kunde,... Als Name für eine Assoziation sollte ein Verb gewählt werden, z.b. ist verheiratet mit,... Ehemann 1 Ist verheiratet mit 1 Ehefrau
49 PIWIN II Kap. 4: Datenbanksysteme 49 Kardinalitäten 1:M-Assoziation Wir betrachten jeweils zwei Entitätsmengen A und B Zu jeder Entität aus A existiert eine oder existieren mehrere Entitäten in B, zu jeder Entität aus B existiert genau eine Entität in A. Eine Familie hat mindestens einen Wohnsitz (Wohnung). Hauptwohnsitz Ferienhaus Familie 1 wohnt in In einer Wohnung wohnt eine Familie. M Wohnung
50 PIWIN II Kap. 4: Datenbanksysteme 50 Kardinalitäten M:N-Assoziation Wir betrachten jeweils zwei Entitätsmengen A und B Zu jeder Entität aus A existiert eine oder existieren mehrere Entitäten in B, Zu jeder Entität aus B existiert eine oder existieren mehrere Entitäten in A. Student Ein Student kann beliebig viele Bücher ausleihen. Ein Buch kann von beliebig vielen Studenten ausgeliehen werden (natürlich nicht gleichzeitig) N hat ausgeliehen M Buch
51 PIWIN II Kap. 4: Datenbanksysteme 51 Konditionelle Beziehung Beziehung muss nicht, sondern kann bestehen. 1:C-Assoziation Zu jeder Entität aus A existiert eine oder keine Entität in B. Zu jeder Entität aus B existiert genau eine Entität in A. 1:MC-Assoziation Zu jeder Entität aus A existiert keine, eine oder mehrere Entitäten in B. Zu jeder Entität aus B existiert genau eine Entität in A.
52 PIWIN II Kap. 4: Datenbanksysteme 52 N:MC -Assoziation Zu jeder Entität aus A existiert/en keine, eine oder mehrere Entitäten in B Zu jeder Entität aus B existieren N-Entitäten, d. h. mindestens eine in A Insgesamt 16 verschiedene Kombinationen B A muss 1 N C kann NC muss 1 1:1 1:N 1:C 1:NC M M:1 M:N M:C M:NC kann C MC C:1 MC:1 C:N MC:N C:C MC:C C:NC MC:NC
53 PIWIN II Kap. 4: Datenbanksysteme 53 Numerische Notation Kardinalität als (min, max) -Tupel. Besagt in wie vielen konkret vorhandenen Beziehungen eine Entität einer Entitätsmenge mindestens (min) und höchstens (max) vorkommt Ist min=max, dann wird nur ein Wert angegeben. MC-Notation Numerische Notation C (0,1) 1 (1,1) MC M (0,n) (1,n)
3. 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
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
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
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.
MehrInhaltsverzeichnis. 1. Fragestellung
Inhaltsverzeichnis 1. Fragestellung... 1 2. Herleitung zum Thema... 1 3. Das Entity Relationship Modell (ERM)... 2 4. Praktisches Beispiel zum ERM... 7 5. Anhang...Fehler! Textmarke nicht definiert. 1.
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
MehrDas Entity-Relationship-Modell
Das Entity-Relationship-Modell 1976 vorgeschlagen von Peter Chen Entities wohlunterschiedbare Dinge der realen Welt Beispiele: Personen, Autos weithin akzeptiertes Modellierungswerkzeug, denn ist unabhšngig
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
Mehr10 Datenbanksysteme Datenbanken und Datenbanksysteme
10 Datenbanksysteme In vielen Anwendungen müssen große Datenbestände dauerhaft auf Externspeichern verwaltet werden. Stellen diese Daten eine logische Einheit dar, so spricht man von einer Datenbank. Im
MehrUniversität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5
Universität Augsburg, Institut für Informatik WS 2006/2007 Dr. W.-T. Balke 27. Nov. 2006 M. Endres, A. Huhn, T. Preisinger Lösungsblatt 5 Aufgabe 1: Projektion Datenbanksysteme I π A1,...,A n (π B1,...,B
MehrDatenbanken. Prof. Dr. Bernhard Schiefer. bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer
Datenbanken Prof. Dr. Bernhard Schiefer bernhard.schiefer@fh-kl.de http://www.fh-kl.de/~schiefer Wesentliche Inhalte Begriff DBS Datenbankmodelle Datenbankentwurf konzeptionell, logisch und relational
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
MehrKapitel 04 Strukturiertes Entity-Relationship-Modell. 4 Strukturiertes Entity-Relationship- Modell
Kapitel 04 Strukturiertes Entity-Relationship-Modell 4 Strukturiertes Entity-Relationship- Modell 4 Strukturiertes Entity-Relationship-Modell...1 4.1 Erste Verbesserung...4 4.2 Objekttypen in SERM...6
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-
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
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
MehrEntity-Relationship-Modell. Ein Studierender kann (oder muss) mehrere Vorlesungen hören. Eine Vorlesung wird i.a. von mehrerer Studierenden gehört.
Beziehungen Ein Studierender kann (oder muss) mehrere Vorlesungen hören. Eine Vorlesung wird i.a. von mehrerer Studierenden gehört. Eine Vorlesung wird von genau einem Dozenten gelesen. Ein Dozent kann
MehrAllgemeines zu Datenbanken
Allgemeines zu Datenbanken Was ist eine Datenbank? Datensatz Zusammenfassung von Datenelementen mit fester Struktur Z.B.: Kunde Alois Müller, Hegenheimerstr. 28, Basel Datenbank Sammlung von strukturierten,
MehrLabor 3 - Datenbank mit MySQL
Labor 3 - Datenbank mit MySQL Hinweis: Dieses Labor entstand z.t. aus Scripten von Prof. Dr. U. Bannier. 1. Starten des MySQL-Systems MySQL ist ein unter www.mysql.com kostenlos erhältliches Datenbankmanagementsystem.
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
MehrDatenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin
Datenbanken SQL Einführung Datenbank in MySQL einrichten mit PhpMyAdmin PhpMyAdmin = grafsches Tool zur Verwaltung von MySQL-Datenbanken Datenbanken erzeugen und löschen Tabellen und Spalten einfügen,
Mehr105.3 SQL-Datenverwaltung
LPI-Zertifizierung 105.3 SQL-Datenverwaltung Copyright ( ) 2009 by Dr. W. Kicherer. This work is licensed under the Creative Commons Attribution-Noncommercial-Share Alike 2.0 Germany License. To view a
MehrDatenbanken I - Übung 1
Datenbanken I - Übung 1 Oktober, 2010 1 von 11 Datenbanken I Lernkontrolle Beantworten Sie folgende Fragen (nach Möglichkeit ohne nachzuschlagen): Was bezeichnet man als Datenredundanz? Wieso führt Datenredundanz
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
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
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
Mehr5.3 Datenänderung/-zugriff mit SQL (DML)
5.3 Datenänderung/-zugriff mit SQL (DML) Hinweis: - DML-Anweisungen sind mengenorientiert - Mit einer Anweisungen kann mehr als ein Tupel eingefügt, geändert, gelöscht oder gelesen werden Benutzungs- und
MehrXAMPP-Systeme. Teil 3: My SQL. PGP II/05 MySQL
XAMPP-Systeme Teil 3: My SQL Daten Eine Wesenseigenschaft von Menschen ist es, Informationen, in welcher Form sie auch immer auftreten, zu ordnen, zu klassifizieren und in strukturierter Form abzulegen.
MehrRelationale Datenbanken Datenbankgrundlagen
Datenbanksystem Ein Datenbanksystem (DBS) 1 ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS ist es, große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern
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
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
MehrER-Modell. Entity-Relationship-Model
+ ER-Modell Entity-Relationship-Model + Was ist ein Modell? Worte/Zitat aus einem Physikbuch: "Modelle sind also Vorstellungshilfen und Wirklichkeitshilfen, nicht die Wirklichkeit selbst." (Metzler Physik).
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
MehrDatenbankmodelle 1. Das Entity-Relationship-Modell
Datenbankmodelle 1 Das Entity-Relationship-Modell Datenbankmodelle ER-Modell hierarchisches Modell Netzwerkmodell relationales Modell objektorientierte Modelle ER Modell - 2 Was kann modelliert werden?
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
MehrDefinition Informationssystem
Definition Informationssystem Informationssysteme (IS) sind soziotechnische Systeme, die menschliche und maschinelle Komponenten umfassen. Sie unterstützen die Sammlung, Verarbeitung, Bereitstellung, Kommunikation
MehrInformatik 12 Datenbanken SQL-Einführung
Informatik 12 Datenbanken SQL-Einführung Gierhardt Vorbemerkungen Bisher haben wir Datenbanken nur über einzelne Tabellen kennen gelernt. Stehen mehrere Tabellen in gewissen Beziehungen zur Beschreibung
MehrSichten II. Definition einer Sicht. Sichten. Drei-Ebenen-Schema-Architektur. Vorteile Vereinfachung von Anfragen Strukturierung der Datenbank
Vorteile Vereinfachung von Anfragen Strukturierung der Datenbank Sichten II logische Datenunabhängigkeit (Sichten stabil bei Änderungen der Datenbankstruktur) Beschränkung von Zugriffen (Datenschutz) Definition
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
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
MehrDipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009
Hochschule Darmstadt DATENBANKEN Fachbereich Informatik Praktikum 3 Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 11.09.2009 PL/SQL Programmierung Anwendung des Cursor Konzepts und Stored Procedures Und Trigger
MehrDas SQL-Schlüsselwort ALL entspricht dem Allquantor der Prädikatenlogik
Beispielaufgaben Informationssysteme erstellt von Fabian Rump zur IS Vorlesung 2009/10 1 Multiple Choice Aussage richtig falsch Eine SQL-Abfrage beginnt immer mit dem Schlüsselwort SELECT Eine Datenbank
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
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/
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
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrIV. Datenbankmanagement
Wirtschaftsinformatik 2 (PWIN) IV. Datenbankmanagement Kapitel 2: Datenmanipulationssprache SQL Wirtschaftsinformatik 2 (PWIN) SS 2009, Professur für Mobile Business & Multilateral Security 1 Agenda 1.
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2015 Kapitel 3: Datenbanksysteme Vorlesung:
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
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
MehrSQL - Übungen Bearbeitung der Datenbank Personal (1)
Bearbeitung der Datenbank Personal (1) 1. Abfragen einer einzigen Tabelle 1.1. Zeigen Sie alle Informationen an, die über die Kinder der Mitarbeiter gespeichert sind. 1.2. Zeigen Sie aus der Tabelle stelle
MehrWillkommen zum DBS I Praktikum!
Willkommen zum DBS I Praktikum! Oliver Berthold Frank Huber Heiko Müller Lehr- und Forschungseinheit Datenbanken und Informationssysteme Übungsaufgaben Ausgabe Montags (i.d.r. aller 2 Wochen) erste Aufgabe
Mehr2. Datenmodellierung mit ERM. Motivation für Datenmodellierung. Begriffsklärung. Kardinalität/Komplexität von Beziehungstypen
2. Datenmodellierung mit ERM Motivation für Datenmodellierung Begriffsklärung Kardinalität/Komplexität von Beziehungstypen Erweiterungen des E/R-Modells Darstellung von Attributen/Beziehungen als Entitytypen
MehrDatenbanken: Relationales Datenbankmodell RDM
Das RDM wurde in den 70'er Jahren von Codd entwickelt und ist seit Mitte der 80'er Jahre definierter Standard für Datenbanksysteme! Der Name kommt vom mathematischen Konzept einer Relation: (Sind A, B
MehrRelationales Modell: SQL-DDL. SQL als Definitionssprache. 7. Datenbankdefinitionssprachen. Anforderungen an eine relationale DDL
Relationales Modell: SQLDDL SQL als Definitionssprache SQLDDL umfaßt alle Klauseln von SQL, die mit Definition von Typen Wertebereichen Relationenschemata Integritätsbedingungen zu tun haben Externe Ebene
Mehr6. Sichten, Integrität und Zugriffskontrolle. Vorlesung "Informa=onssysteme" Sommersemester 2015
6. Sichten, Integrität und Zugriffskontrolle Vorlesung "Informa=onssysteme" Sommersemester 2015 Überblick Sichten Integritätsbedingungen Zugriffsrechte SQL- Schema und SQL- Katalog Das Informa=onsschema
MehrSQL SQL. SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R. Grundlagen der Datenbanksysteme I
SQL SQL = Structured Query Language (SEQUEL) IBM San Jose Research Laboratory SYSTEM R VII-1 Beispielrelationen Filiale ( Name Leiter Stadt Einlagen ) Konto ( KontoNr KundenNr FilialName Saldo ) Kredit
MehrAbbildung 1: Das ERM. Nun zu den Tabellen: Zunächst wird aus jeder Entity eine Tabelle, d.h. wir erhalten:
Lösung Casino 1 Zunächst das Entity-Relationship-Modell: Kundenverzeichnis wird getätigt von Bestellung führt aus enthält Personal n 1 beherrscht Speisekarte Tätigkeiten Abbildung 1: Das ERM Nun zu den
MehrDatenbankmodelle 1. Das Entity-Relationship-Modell. Prof. Dr. Bernhard Schiefer 2-1
Datenbankmodelle 1 Das Entity-Relationship-Modell Prof. Dr. Bernhard Schiefer 2-1 Datenbankmodelle ER-Modell hierarchisches Modell Netzwerkmodell relationales Modell objektorientierte Modelle Prof. Dr.
MehrTECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung
TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Wirtschaftswissenschaften Prof. Dr. W. Esswein Lehrstuhl Wirtschaftsinformatik, insbesondere Systementwicklung Bachelorprüfung Sommersemester 2009 Programmierung
MehrSystemanalyse. - Folien zur Vorlesung für AI3 im Sommersemester 2010 - -Teil 4 -
Systemanalyse - Folien zur Vorlesung für AI3 im Sommersemester 2010 - -Teil 4 - Hans-Jürgen Steffens (by courtesy of Prof. Dr. Thomas Allweyer) Fachbereich Informatik und Mikrosystemtechnik Fachhochschule
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
MehrThemen. M. Duffner: Datenbanksysteme
Datenbanksysteme Themen Theorie Einführung Datenbank, Datenbankmanagementsystem (DBMS), Aufgaben eines DBMS Relationale Datenbanken Daten als Tabellen Datenbankentwurf im Entity-Relationship-Modell Abfragesprache
MehrWS 2002/03. Prof. Dr. Rainer Manthey. Institut für Informatik III Universität Bonn. Informationssysteme. Kapitel 1. Informationssysteme
Informationssysteme Informationssysteme WS 2002/03 Prof. Dr. Rainer Manthey Institut für Informatik III Universität Bonn 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 DB und/oder IS: terminologischer
MehrAufbau des SELECT-Befehls. Im Folgenden werden zunächst Abfragen aus einer Tabelle vorgenommen.
Datenbankabfragen (Query) mit SQL (Structured Query Language) 1 Aufbau des SELECT-Befehls Im Folgenden werden zunächst Abfragen aus einer Tabelle vorgenommen. SQL-Syntax: SELECT spaltenliste FROM tabellenname
MehrSQL: statische Integrität
SQL: statische Integrität.1 SQL: statische Integrität Im allgemeinen sind nur solche Instanzen einer Datenbank erlaubt, deren Relationen die der Datenbank bekannten Integritätsbedingungen erfüllen. Integritätsbedingungen
MehrIn diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.
In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht
MehrVorlesung Dokumentation und Datenbanken Klausur
Dr. Stefan Brass 5. Februar 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises
MehrViews in SQL. 2 Anlegen und Verwenden von Views 2
Views in SQL Holger Jakobs bibjah@bg.bib.de, holger@jakobs.com 2010-07-15 Inhaltsverzeichnis 1 Wozu dienen Views? 1 2 Anlegen und Verwenden von Views 2 3 Schreibfähigkeit von Views 3 3.1 Views schreibfähig
MehrSQL. Fortgeschrittene Konzepte Auszug
SQL Fortgeschrittene Konzepte Auszug Levels SQL92 Unterteilung in 3 Levels Entry Level (i.w. SQL89) wird von nahezu allen DBS Herstellern unterstützt Intermediate Level Full Level SQL DML 2-2 SQL92 behebt
MehrSie sollen eine Datenbank für Befragungen mittels Online-Fragebögen zu unterschiedlichen Themen erstellen:
FRAGEBOGEN-AUFGABE Sie sollen eine Datenbank für Befragungen mittels Online-Fragebögen zu unterschiedlichen Themen erstellen: Ein Fragebogen besteht aus mehreren Fragen, eine Frage kann in mehreren Fragebögen
MehrSQL. 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
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
MehrUnterabfragen (Subqueries)
Unterabfragen (Subqueries) Die kürzeste Formulierung ist folgende: SELECT Felderliste FROM Tabelle1 WHERE Tabelle1.Feldname Operator (SELECT Feldname FROM Tabelle2 WHERE Bedingung); wobei Tabelle1 und
Mehr2.5.2 Primärschlüssel
Relationale Datenbanken 0110 01101110 01110 0110 0110 0110 01101 011 01110 0110 010 011011011 0110 01111010 01101 011011 0110 01 01110 011011101 01101 0110 010 010 0110 011011101 0101 0110 010 010 01 01101110
MehrSQL (Structured Query Language) Schemata Datentypen
2 SQL Sprachelemente Grundlegende Sprachelemente von SQL. 2.1 Übersicht Themen des Kapitels SQL Sprachelemente Themen des Kapitels SQL (Structured Query Language) Schemata Datentypen Im Kapitel SQL Sprachelemente
MehrABTEILUNGS- ABTEILUNGS- LEITER NAME
Übungsaufgaben Übungsaufgabe 1 - Normalisierung - Gegeben ist folgende unnormalisierte Relation, die Daten über Mitarbeiter und deren Abteilungszughörigkeit enthält. Weiterhin sind die Beteiligung(en)
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
MehrCarl-Engler-Schule Karlsruhe Datenbank 1 (5)
Carl-Engler-Schule Karlsruhe Datenbank 1 (5) Informationen zur Datenbank 1. Definition 1.1 Datenbank-Basis Eine Datenbank-Basis ist eine Sammlung von Informationen über Objekte (z.b Musikstücke, Einwohner,
MehrKlausur zur Vorlesung Datenbanken I im Wintersemester 2011/12
Prof. Dr. Lutz Wegner, Dipl.-Math. Kai Schweinsberg 21.03.2012 Klausur zur Vorlesung Datenbanken I im Wintersemester 2011/12 Name:... Vorname:... Matr.Nr.:... Studiengang:... Hinweis: Bearbeiten Sie alle
Mehr3. Übung. Einführung MS Access. TU Dresden - Institut für Bauinformatik Folie-Nr.: 1
WP3-13 Bauinformatik-Vertiefte Grundlagen 3. Übung Einführung MS Access Folie-Nr.: 1 Allgemeines Microsoft Access ist ein Datenbank-Management-System (DBMS) zur Verwaltung von Daten in Datenbanken und
MehrÜbung Datenbanksysteme
Übung Datenbanksysteme Martin Reifberger Übungsaufgabe 1 Sachverhalt: Ein mittelständiges Industrieunternehmen möchte sein Auftragswesen datenbankbasiert organisieren, da die tägliche Flut auflaufender
MehrAufgaben zur fachwissenschaftlichen Prüfung Modul 3 Daten erfassen, ordnen, verarbeiten und austauschen: Schwerpunkt Datenbanken
Aufgaben zur fachwissenschaftlichen Prüfung Modul 3 Daten erfassen, ordnen, verarbeiten und austauschen: Schwerpunkt Datenbanken 30 Wozu dient ein Primärschlüssel? Mit dem Primärschlüssel wird ein Datenfeld
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
MehrDatumsangaben, enthält mindestens Jahr, Monat, Tag
Datenbanken mit SQL Informatik - Sprenger Häufig wird mit Tabellenkalkulationen gearbeitet, obwohl der Einsatz von Datenbanken sinnvoller ist. Tabellenkalkulationen wie Microsoft Excel oder LibreOffice
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
MehrPIWIN II. Praktische Informatik für Wirtschaftsmathematiker, Ingenieure und Naturwissenschaftler II. Vorlesung 2 SWS SS 08
PIWIN II Kap. 3: Verteilte Systeme & Rechnernetze 1 PIWIN II Praktische Informatik für Wirtschaftsmathematiker, Ingenieure und Naturwissenschaftler II Vorlesung 2 SWS SS 08 Fakultät für Informatik Technische
MehrOP-LOG www.op-log.de
Verwendung von Microsoft SQL Server, Seite 1/18 OP-LOG www.op-log.de Anleitung: Verwendung von Microsoft SQL Server 2005 Stand Mai 2010 1 Ich-lese-keine-Anleitungen 'Verwendung von Microsoft SQL Server
MehrSQL Performance - Tips Do's & Don'ts
SQL Performance - Tips Do's & Don'ts S.K. Consulting GmbH, München DB2_SQL_PERF - 1 - Inhaltsverzeichnis I. Richtlinien bei der Verwendung von SQL 1.1. In Programmen "verbotene" SQL- Anweisungen 1.2 SQL
MehrVielen Dank an Dennis Riehle für die Bereitstellung dieser Folien
Vielen Dank an Dennis Riehle für die Bereitstellung dieser Folien 1.1 Definition Datenbank Ein Datenbanksystem (DBS) ist ein System zur elektronischen Datenverwaltung. Die wesentliche Aufgabe eines DBS
MehrDatenmanagement in Android-Apps. 16. Mai 2013
Datenmanagement in Android-Apps 16. Mai 2013 Überblick Strukturierung von datenorientierten Android-Apps Schichtenarchitektur Möglichkeiten der Datenhaltung: in Dateien, die auf der SDCard liegen in einer
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
MehrReferenzielle Integrität SQL
Referenzielle Integrität in SQL aus Referential Integrity Is Important For Databases von Michael Blaha (Modelsoft Consulting Corp) VII-45 Referenzielle Integrität Definition: Referenzielle Integrität bedeutet
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.
MehrIT-Kompaktkurs. Datenbanken Skript zur Folge 5. Prof. Dr. Georg Herde Fachhochschule Deggendorf
IT-Kompaktkurs Skript zur Folge 5 Prof. Dr. Georg Herde Fachhochschule Deggendorf Semantisches Datenmodell, Entity-Relationship, Normalformen Bei der Entwicklung einer Datenbank wird das Ziel angestrebt,
MehrData Quality Management: Abgleich großer, redundanter Datenmengen
Data Quality Management: Abgleich großer, redundanter Datenmengen Westendstr. 14 809 München Tel 089-5100 907 Fax 089-5100 9087 E-Mail Datras@Datras.de Redundanz und relationales Datenbankmodell Redundanz:
MehrKapitel 3: Datenbanksysteme
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Kapitel 3: Datenbanksysteme Vorlesung:
MehrBusiness Intelligence Praktikum 1
Hochschule Darmstadt Business Intelligence SS 2014 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 07.05.2014 Business Intelligence Praktikum
MehrOPERATIONEN AUF EINER DATENBANK
Einführung 1 OPERATIONEN AUF EINER DATENBANK Ein Benutzer stellt eine Anfrage: Die Benutzer einer Datenbank können meist sowohl interaktiv als auch über Anwendungen Anfragen an eine Datenbank stellen:
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
Mehr