Entwicklung von Datenbanken 1

Datenbanken
Entwurf und Design
Udo Matthias Munz
1
Inhaltsübersicht
Vorbemerkungen
Datenspeicherung
Bewertung der Datenorganisation
Logische Datenorganisation
Datenbankarchitektur
Datenmodellierung
Entity-Relationship-Modell (ERM)
Vorgehensweise
Das relationale Datenmodell
ERM - RDM
Daten normalisieren
Daten integrieren
Udo Matthias Munz
Relationenalgebra
Standard Query Language (SQL)
JOIN
Systemarchitektur
Join-Design
Sort-Merge-Join
Transaktionssteuerung
Speicher- und Zugriffssteuerung
ORACLE 7.1
Datenbankstruktur
Speicheroptimierung
Dynamische Datenbanksystemstruktur
2
Grundlagen
Udo Matthias Munz
3
Datenspeicherung
Datenspeicher
sequentieller Datenspeicher
•
•
•
•
• Magnetbänder
• Magnetkassetten
Datenblock
Datenspeicher mit Direktzugriff
Magnetplatten
Disketten
optische Speicher
Halbleiterspeicher
Bandsprosse
Spur 0
Sektor
Spur
Anlaufzone
Udo Matthias Munz
Bremszone
Zylinder
4
Logische Datenorganisation
Baumstruktur
Udo Matthias Munz
Netzstruktur
5
Welche Anforderungen sollte ein
Datenbankmanagementsystem erfüllen?

Redundanzfreiheit

Vielfachverwendbarkeit
(Anwendungsunabhängigkeit)
Kein Datenelement soll in der Datenbank
mehrfach gepeichert sein; der Speicherplatz ist optimal auszunutzen.
Die Datenbank soll so
aufgebaut sein, daß sie möglichtst viele Funktionsbereiche bedienen
kann. Jeder Benutzer, für den die gespeicherten Daten von Bedeutung
sind, soll mit der Datenbank arbeiten können.

Benutzerfreundlichkeit

Flexibilität Es muß möglich sein, die Struktur der Datenbank,
Der Umgang mit der Datenbank soll
leicht erlernbar sein. Mit möglichst geringem Aufwand sollen möglichst
viele Funktionen des Datenbanksystems eingesetzt werden können
unabhängig von den bestehenden Anwendungen, zu ändern. Es sollten
Backups im laufendem Betrieb möglich sein.
Udo Matthias Munz
6
Welche Anforderungen sollte ein
Datenbankmanagementsystem erfüllen?

Unabhängigkeit von Betriebssystemen

Wirtschaftlichkeit Das System sollte möglichst geringe
Die Datenbank
sollte ein offenes System sein, d.h. das Wechseln von Hard- und/oder
Software sollte keine Anpassungsschwierigkeiten mit sich bringen.
Betriebskosten verursachen. Abfragen und Datenmanipulationen
sollten mit möglichst wenig Plattenzugriffen erfolgen.

Datenintegrität
Datenschutz, Datensicherheit und
Datenkonsistenz sollten vom System weitgehend unterstützt werden.
(Beispiele: Wiederanfahrhilfen, Transaktionserkennung,
Passcodeverwaltung, Rollback, Logbuch usw.)
Udo Matthias Munz
7
Logische Datenorganisation - Tabelle
FNR
FNAME
FSEM
DAUER
TAG
ZEIT_VON
ZEIT_BIS
ZAHL
1
2
3
4
5
6
7
8
9
10
11
12
12
Grundlagen der Betriebswirtschaftslehre
Finanz- und Investitionswirtschaft
Marketing
Material- und Fertigungswirtschaft
Personalführung
Buchführung und Bilanzierung
Kosten- und Leistungsrechnung
Wirtschaftsmathematik
Betriebsstatistik
Grundlagen der Volkswirtschaftslehre
Wirtschaftsprivatrecht
Englisch 1
Französisch 1
2B
4B
4B
4B
4B
2B
4B
2B
2B
2B
4B
2B
2B
90
90
90
90
90
90
90
90
90
90
90
60
60
08.07.1993
15.07.1993
14.07.1993
09.07.1993
08.07.1993
09.07.1993
13.07.1993
12.07.1993
14.07.1993
13.07.1993
12.07.1993
24.06.1993
24.06.1993
830
830
1130
1100
1400
830
1330
830
830
830
1130
830
1330
1000
1000
1300
1230
1530
1000
1500
1000
1000
1000
1300
930
1430
320
200
250
200
160
380
200
320
360
320
180
290
40
Sichten
Anwender
Tabelle
Tabellenzeile
Tabellenspalte
Tabellenelement
Tabellenüberschrift
Spaltenbezeichnung
Udo Matthias Munz
Informatik
Datenobjekt
Entität
Wertebereich
Attributswert
Attribute
Attribut (Eigenschaft)
Datenverarbeitung
Datei
Datensatz
Datenfeld
Datenelement
Datenfeldbezeichnung
Datenfeld
Mathematik
Relation
Tupel
Domäne
Wert
Attribut
8
Entitätstyp - Entität
Die Entität (Entity) ist das konkrete, individuell identifizierbare
Objekt bzw. Exemplar von Dingen, Personen oder Begriffen der
realen oder der Vorstellungswelt, für das (auf einem Datenträger)
Sachverhalte festzuhalten sind.
Beispiele: Individuen: Mitarbeiterin Brech, Schüler Weber...
Reale Objekte: Maschine 2, Raum 7, Artikel 4711...
Ereignisse:Zahlung,Buchung, Mahnung,Start,Landung...
Abstraktes: Unterricht, Dienstleistung, Verarbeitungsart,
Zahlungsart...
Die Entität ist Mitglied einer Gruppe (Klasse), dem Entitätstyp.
Der Kunde Müller ist ein konkretes individuell identifizierbares
Objekt, über den Informationen abgespeichert werden müssen. Er
gehört zur Gruppe der Kunden. Man kann auch sagen, er ist vom
Entitätstyp Kunden. Alle Informationen, die über Kunden
abgespeichert werden, sind von der Struktur her gleich.
Udo Matthias Munz
9
Attribute
Ein Attribut ist jede Einzelheit, die dazu dient, eine Entity
zu qualifizieren, zu identifizieren, zu klassifizieren, zu
quantifizieren oder ihren Status auszudrücken.
"Welche Informationen müssen Sie über das Objekt
(Entity) haben oder speichern?"
Das Attribut muß die Entity beschreiben, unter der es
aufgeführt ist. Jede Entity muß eindeutig identifizierbar
sein und mindestens zwei Attribute besitzen.
Udo Matthias Munz
10
Attribut

Attribute
beschreiben
die
Entitäten.
Beispiel: Kunde(KdNr, KName, KAdresse,......)

Man unterscheidet zwischen
 identifizierenden Attributen (z.B.: KdNr,
FirmenNr, PersNr....)
 beschreibenden Attributen (z.B.: KName,
MitarbeiterName, ArtikelBez, .....
Udo Matthias Munz
11
Beziehungstyp - konkrete Beziehung
Zwischen den Entitätstypen Firma und AZUBI besteht
ein Beziehungstyp „ist beschäftigt bei”. Wenn es einen
solchen Beziehungstyp gibt, so kann (muß) eine
konkrete Beziehung zwischen einem Paar der dazu
gehörenden Entitäten bestehen:
Beziehungsattribute sind die beschreibenden
interessierenden Merkmale der Beziehung. Beispiel
zwischen Schüler und Fächern: „belegt“
Udo Matthias Munz
12
Nützliche Beziehungsendnamen
arbeiten unter, Chef sein von, auslösen, ausgelöst werden von,
belegt, wird belegt, bestellen, bestellt werden in,
betrieben werden von, Betreiber sein von, empfangen, gehen an,
erhält, ist für, erteilen, erteilt werden von,
erteilt, wird erteilt von, erteilt von, Auftraggeber von,
erteilt werden, verantwortlich sein für, führt zu, entstehen aus, für,
Gegenstand von, gehören zu, umfassen, gekauft werden von,
Lieferant sein von,
ist in, umfasst, Teil sein von, zusammengesetzt sein aus,
Teil von, bestehen aus, Teilnehmer sein von, sein für,
unterbreitet für, wird unterbreitet, unterrichtet, wird unterrichtet,
wird bestellt in, wird erteilt für ...
Udo Matthias Munz
13
Datenbankarchitektur
Externes SchemaRaumbelegung
konzeptionelles
Schema
Prüfungsliste
Prüfung
Prüfungsaushang
Aufsicht
Prüfungsfach
internes Schema
Aufsichteneinteilung
ERM
Dozent
Basistabellen
Basistabellen
DBMS
Udo Matthias Munz
14
Entity-Relationship-Modell (ERM)
Beziehungsarten
1 : 1
identifizierende Beziehung
z.B. Student hat Matrikelnummer
1 : n
charakterisierende und klassifizierende
Beziehung
z.B. Semestergruppe hat Student
n : m
nicht eindeutige Beziehung, sie muß
im Rahmen der Datennormalisierung
aufgelöst werden.
Beispiel: Student besucht Vorlesung
Udo Matthias Munz
15
erweitertes Entity-Relationship-Modell (eERM)
1. Optionale Beziehungen
Eine Beziehung ist optional, wenn sie auch den Wert "NULL" haben kann :
1 : c
Student
Note
c : c
Student
Parkplatz
Student belegt Parkplatz
c : n
Fachbereich
Parkplatz
Fachbereich hat Parkplätze in der
Tiefgarage
1 : cn
Fachbereich
Student
Student hat Note
Fachbereich hat Studenten
(Ausnahme FB13)
c : cn
Student
Buch
n : cm
Student
Vorlesung
cn : cm
Bauteil
Bauteil
Udo Matthias Munz
Student hat Buch ausgeliehen
Student besucht Vorlesung
Bauteil enthält Bauteil (Stückliste)
16
erweitertes Entity-Relationship-Modell (eERM)
2. Min-Max-Notation
Entitätsmenge A
(a,b)
Relation
(c,d)
Entitätsmenge B
1. Ein Element der Entitätsmenge A steht in Relation mit
• mindestens c Elementen der Entitätsmenge B
• höchstens d Elementen der Entitätsmenge B
2. Ein Element der Entitätsmenge B steht in Relation mit
• mindestens a Elementen der Entitätsmenge A
• höchstens b Elementen der Entitätsmenge A
3. Gilt b > 1 und d > 1 so erweitert sich die Relation zu einer
Beziehungsentität
Entitätsmenge A
1 : m
Relation
n : 1
Entitätsmenge B
4. Die Beziehungsentität enthält die Schlüsselattribute der
verknüpften Entitätsmengen als Kombinationsschlüssel
Udo Matthias Munz
17
Vorgehensweise
1. Schritt : Sammeln der Datenelemente
Datenliste
PS Datenfeld
Typ
Länge
PS
:
Datenfeld :
Typ
:
Länge
:
NULL
:
Entität
:
Alias
:
Beschreib. :
Udo Matthias Munz
NULL
Entität
Alias
Beschreibung
Primärschlüssel [Ja / Nein]
Bezeichnung des Datenfeldes, wie es gespeichert werden soll
Datentyp (z.B. Integer, Währung, Text, ext.)
maximale Zahl der Zeichen pro Wert
leeres Datenfeld zulässig? [Ja / Nein]
Welcher Entitätsmenge wird das Datenfeld zugeordnet
Alternative Bezeichnungen für das Datenfeld
Weiter Angaben zum Datenfeld (z.B. zulässige Werte etc.)
18
Vorgehensweise
2. Schritt : Datenobjekte (Entitäten) finden
Datenliste
PS Datenfeld
J
Typ
Länge
NULL
Entität
Alias
AUFNR
INT
10
N
Auftragsnummer
DATUM
DAT
8
N
Auftragsdatum
ARTNR
INT
10
N
Artikelnummer
ARTIKEL
TXT
80
J
Artikelbezeichnung
KNR
INT
10
N
Kundennummer
KNAME
TXT
50
J
Auftrag
Beschreibung
Kundenname
Artikel
Kunde
Udo Matthias Munz
19
Vorgehensweise
3. Schritt : Beziehungen zwischen den Entitätsmengen beschreiben
und n:m-Beziehungen auflösen (->Verbindungsentität)
Kunde
(1,1)
•
•
•
•
erteilt
Kunde erteilt einen oder mehrere Aufträge
Ein Auftrag ist eindeutig einem Kunden zugeordnet
Ein Auftrag enthält einen oder mehrere Artikel
Ein Artikel ist in keinem, einem oder mehreren
Aufträgen enthalten
(1,n)
(0,n)
Auftrag
(1,n)
enthält
Artikel
(1,1)
(1,1)
(1,n)
enthält
Udo Matthias Munz
Auftragsposition
(1,n)
enthält
20
Vorgehensweise
4. Schritt : Schlüssel- und Datenfelder den Entitätsmengen zuordnen
und die Entitätsmengen in die Datenliste eintragen
Kunde
KNR
KNAME
KADRESSE
(1,1)
ert
AUFNR
DATUM
KNR
AUFNR
ARTNR
MENGE
Auftrag
(1,1)
enthält
Artikel
ARTNR
ARTIKEL
PREIS
(1,1)
(1,n)
Udo Matthias Munz
• Über die Schlüsselfelder werden die
Entitätsmengen miteinander verknüpft.
• Die Kundennummer (KNR) erscheint in der
Entitätsmenge Auftrag als Fremdschlüssel
und stellt die Verbindung zur Entitätsmenge
Kunde her.
Auftragsposition
(1,n)
enthält
21
Vorgehensweise
5. Schritt : Konsistenz- und Integritätsbedingungen beschreiben
Konsistenz
Die gespeicherten Daten müssen in sich und zur Realität widerspruchsfrei sein.
Integrität
Die gespeicherten Daten müssen vollständig und korrekt sein.

Datentypkonsistenz
Schlüsselkonsistenz
Wertebereichkonsistenz

Beziehungsintegrität

Welche Werte darf ein Fremdschlüssel annehmen? [nur Werte eines PS, auch NULL, jeden Wert]
Wie ist im Falle einer Löschung bzw. Änderung zu verfahren?
Die Löschung/Änderung des Primärschlüssels

führt zur Löschung der Datensätze in denen der Schlüssel enthalten ist

löscht/ändert den Schlüsselwert

wird nur durchgeführt, wenn kein Datensatz mit dem Schlüsselwert existiert.





z.B.: Ein Schlüsselfeld muß stets vom gleichen Datentypusein.
[eindeutiger Wert, nicht NULL]
Ist der zulässige Wertebereich kleiner als die dem Datentyp entsprechende
Wertemenge, so muß der Wertebereich festgelegt und dem System für die Eingabekontrolle mitgeteilt werden.
rechnerische Konsistenz z.B. sind die systembedingten Rundungen von Dezimalzahlen akzeptabel
Logik des Geschäftsvorfalls Wann dürfen welche Daten eingegeben werden? Die Ausführung eines Auftrags
erfolgt erst nach Eingang der Zahlung.
Udo Matthias Munz
22
Das relationale Datenmodell
Entity-Relationship-Modell
relationales Datenmodell
Entität
Relationship
Relation = zweidimensionale Tabelle
= Datenobjekt
= Beziehung
Student
Mtnr
Name
Student ( Mtnr, Name, SemGr, Adresse)
Entität
Schlüsselattribut
SemGr.
Adresse
Udo Matthias Munz
Relation mit einem
identifizierenden Schlüsselattribut
23
ERM - RDM
Student
(0,m)
belegt
(0,n)
Mtnr
Name
SemGr
Adresse
Vorlesung
Vorlnr
Fach
Semester
Raum
Zeit
Student ( Mtnr, Name, SemGr, Adresse)
Fach ( Vorlnr, Fach, Semester, Raum, Zeit)
Belegung (Mtnr, Vorlnr)
Udo Matthias Munz
24
Daten normalisieren
1. Normalform
Eine Relation ist in der 1. Normalform, wenn kein Attribut enthalten ist,
zu dem es pro Datensatz mehrere Attributswerte geben kann,
d.h. wenn in jeder Zeile und Spalte nur atomare, nicht weiter zerlegbare
Werte gespeichert werden.
Auftrag
(Aufnr, Artikelnr, Artikelbezeichnung, Menge, Preis, Kundennr, Kundenname,
Adresse, Datum)
Auftrag
Bestellartikel
(Aufnr, Kundennr, Kundenname, Adresse, Datum)
(Aufnr, Artikelnr, Artikelbezeichnung, Menge, Preis)
Primärschlüssel
Udo Matthias Munz
Zusammengesetzter Schlüssel
25
Daten normalisieren
1. Normalform
Als Beispiel sollen die Tourendaten verwendet werden. Die Tabelle
Tourendaten genügt nicht der 1. NF, da die dritte Spalte noch weiter
aufgeteilt werden könnte. Die geteilten Tabellen und entsprechende
Beziehung zueinander erfüllt die 1. NF
Tourendaten
TourenZiele
TourenTermine
(TourendatenNr, Bezeichnung, Länge, Termine)
(TourenNummer, Tour, Kurzbeschreibung,Länge, Grad,
Start, Ziel)
(TourTerminNr, TourenNummer, Beginn, Ende , MaxTeilnehmer)
Primärschlüssel
Udo Matthias Munz
Zusammengesetzter Schlüssel
26
Daten normalisieren
2. Normalform
Gilt nur bei zusammengesetztem Primärschlüssel!
Eine Relation ist in der 2. Normalform, wenn sie in der 1. Normalform ist
und keine Attribute enthält, die in einer 1:1 Beziehung zum
Primärschlüssel oder Teilen des Primärschlüssels stehen, d.h. jede Spalte
die nicht zum Primärschlüssel gehört, ist vom kompletten PS abhängig.
Auftrag
Bestellartikel
(Aufnr, Kundennr, Kundenname, Adresse, Datum)
(Aufnr, Artikelnr, Artikelbezeichnung, Menge, Preis)
Auftrag
Bestellartikel
Artikel
Preis
(Aufnr, Kundennr, Kundenname, Adresse, Datum)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung)
(Artikelnr, Preis)
Udo Matthias Munz
27
Daten normalisieren
3. Normalform
Eine Relation ist in der 3. Normalform, wenn sie in der 2. Normalform ist
und keine Attribute enthält, die untereinander abhängig sind.
Auftrag
Bestellartikel
Artikel
Preis
(Aufnr, Kundennr, Kundenname, Adresse, Datum)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung)
(Artikelnr, Preis)
Auftrag
Kunde
Anschrift
Bestellartikel
Artikel
Preis
(Aufnr, Kundennr, Datum)
(Kundennr, Kundenname)
(Kundennr, Adresse)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung)
(Artikelnr, Preis)
Udo Matthias Munz
28
Daten integrieren
Auftrag
Kunde
Anschrift
Bestellartikel
Artikel
Preis
(Aufnr, Kundennr, Datum)
(Kundennr, Kundenname)
(Kundennr, Adresse)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung)
(Artikelnr, Preis)
Auftrag
Kunde
Bestellartikel
Artikel
Udo Matthias Munz
Auftrag
1:n
1:n
Kunde
1:1
Bestellartikel
Anschrift
n:1
Artikel
1:1
Preis
(Aufnr, Kundennr, Datum)
(Kundennr, Kundenname, Adresse)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung, Preis)
29
Datenbankdesign 1
An der RBS soll ein Schulverwaltungsprogramm erstellt
werden. In dieser Datenbank sind Informationen zu
Lehrfächern, Schüler, Lehrer und Klassen festzuhalten.
Folgende Fragen sollen beantwortet werden können:
Bei welchem Lehrer hat ein Schüler Unterricht?
Aus welcher Klasse kommt ein Schüler?
Welche Fächer belegt ein Schüler?
Welche Fächer gibt ein Lehrer?
In welchen Klassen unterrichtet ein Lehrer?
Welche Noten hat ein Schüler in seinen belegten Fächern?
. Entwerfen Sie zu diesem Problem ein EntityRelationship-Diagramm.
Bestimmen Sie die Relationen (Tabellen) und die
dazugehörigen Attribute. Kennzeichnen Sie die Primärund Fremdschlüssel
Udo Matthias Munz
30
Anwendungsentwicklung
und Datenbankadministration
Udo Matthias Munz
31
Beispiele
UNION :
Aus den Tabellen "Kunde" und "Vorgang" wird eine Tabelle erzeugt.
INTERSECTION :
Aus den Tabellen "Kunde" und "Vorgang" werden alle Kundennummern mit einem
offenen Vorgang in eine Tabelle gestellt.
DIFFERENCE :
Aus den Tabellen "Kunde" und "Vorgang" werden alle Kunden selektiert, die
keinen offenen Vorgang aufweisen.
CARTESIAN PRODUCT : Aus den Tabellen "Vorgang" und "Fahrzeug" wird eine Tabelle erzeugt.
PROJECTION :
Alle Kundennamen aus der Kundentabelle.
SELECTION :
Aus der Kundentabelle alle Daten des Kunden mit K# = 4711.
JOIN :
Alle Kunden mit Adresse aus den Tabellen "Kunde" und "Adresse".
DIVISION :
Alle Fahrzeuge, die in allen Angeboten enthalten sind.
Udo Matthias Munz
32
Structured Query Language (SQL)
Funktionen
Datendefinition [DDL]
• CREATE
• ALTER
• DROP
Datenmanipulation [DML]
• SELECT
• UPDATE
• INSERT
• DELETE
Kontrolle und Steuerung
• GRANT
• LOCK
• COMMITT
• ROLLBACK
Udo Matthias Munz
CREATE TABLE Student
Mtknr, char(8),
Name, char(30),
SemGr, char(6);
SELECT Name FROM Student
WHERE SemGr= "10BW4A";
GRANT USER Regier
IDENTIFIED BY "Dozent" ;
33
JOIN
SELECT <merkmal> [,<merkmal>, ...] FROM tabelle [, tabelle, ...]
WHERE <selektionsprädikat>
[AND <selektionsprädikat>] ;
Bulk-Join
Teta-Join
Natural-Join
Semi-Join
=>
=>
=>
=>
ohne WHERE-Klausel (kartesisches Produkt)
Multiple-Join
Outer-Join
=>
=>
Join mit mehr als zwei Tabellen
Restricted-Join
Equi-Join
Auto-Join
=>
=>
=>
Durch AND werden weitere Bedingungen eingefügt
mit WHERE-Klausel
identische Spalten werden nur einmal angezeigt.
Nur Spalten einer Tabelle (senkt das Kommunikationsvolumen
bei verteilter Datenhaltung
Datensätze der ersten Tabelle, denen keine Datensätze der zweiten Tabelle
zugeordnet werden können, werden mit einem leeren Datensatz verknüpft.
Bedingung enthält nur Gleichheitszeichen
Join einer Tabelle auf sich selbst
Vergleichende Bewertung
Inner
schneller als
Equi
schneller als
Restricted schneller als
Udo Matthias Munz
Outer
Non-Equi
NO-Restricted
34
Systemprozeß
Ad Hoc Abfrage
Anwendungsprogramm
Übersetzung und Optimierung
Transaktionen- und Cursorverwaltung
Speicher- und Zugriffsverwaltung
Systemtabellen
Udo Matthias Munz
Benutzertabellen
Systemnutzung (Job-Design)
• Optimierung durch eine zweckmäßige Reihenfolge
der Operationen (algebraische Optimierung)
• Optimierung der JOIN-Operationen
Systemadministration
• Datensicherheit
• Vermeidung von Dateninkonsistenz
• Vermeidung von Blockaden bei der Nutzung verteilter
Systeme
Systemkonfiguration
• Optimierung der Zugriffszeiten durch Systemauswahl
und Konfiguration
Datenbankdesign
• Optimierung der Datenbankstruktur (ERM / RDM)
• optimale Größe der Tablespaces und Extens
35
Parsing
SQL-Befehle werden als Text an das Datenbankmanagementsystem übermittelt. Dieses muß den
Text lesen und interpretieren (Parsing).
lexikalische Analyse
Tabellensuche


Spaltenattributsuche
Typ- und Constraint-Vergleich für die Spaltenattribute
Sperrung (Parse Lock)

Berechtigungsprüfung

Ausführungsplanung
Udo Matthias Munz
Parsing benötigt etwa die Hälfte der
Antwortzeit.
Bekannte SQL-Befehle werden (von den
meisten DBMS) wiedererkannt und
müssen nicht erneut das Parsing
durchlaufen (Shared SQL)
Allerdings müssen die Befehle absolut
identisch sein!
Für SQL-Befehle wird ein Hash-Wert
errechnet und im Library Cache
gespeichert.
Nutzung durch Bind Variables, die
anstelle von Werten im SQL-Text
verwendet werden, verhindert ein
erneutes Übersetzen.
36
Optimierung
Für die Ausführung der übersetzten SQL-Befehle erstellt das DBMS einen Ausführungsplan,
wobei vom DBMS Optimierungsregeln eingesetzt werden.
Regelbasierte Optimierung
Die SQL-Befehle werden nach festen
Regeln analysiert und die Reihenfolge der Operationen danach festgelegt.
(siehe folgende Seite)
Aufwandbezogene Optimierung
Hierbei werden internen Statistiken
und Strukturmerkmale der Datenbank (z.B. Indizes) analysiert um den
schnellsten Weg zu den gesuchten
Daten zu finden.
Oracle ab Version 7
Manuelle Optimierung
Durch einen Kommentar im SELECT
Befehl kann ein Ausführungshinweis
an den Optimierer gegeben werden.
SELECT /* FULL */ name, . FROM..
Über den Befehl EXPLAIN PLAN sind bei Oracle (nicht leicht zu lesende) Informationen
über das tatsächlich gewählte Optimierungsverfahren zu erhalten.
Udo Matthias Munz
37
Tabellengröße
Bei kleinen Tabellen ist ein vollständiges Lesen der Tabelle schneller als eine Selektion.
Häufig benötigte kleine Tabellen können im Cache gepuffert werden:
ALTER TABLE <tabellenname> CACHE;
Bei großen Tabellen spielen Indizes eine herausragende Rolle.
Index-Selektivität
Ein eindeutiger Schlüssel (Primärschlüssel) liefert die höchste Selektivität mit dem Wert 1.
Je größer der Wert, um so mehr Datensätze werden im Fall eines SELECT Befehls gelesen.
Bei Oracle heißt der Wert "badness". Er kann für jedes Attribut errechnet werden, um
festzustellen, ob es als Indexfeld geeignet ist.
Udo Matthias Munz
38
Cache
least recently used (LRU)
SQL-Statements
Library Cache
Functions
Triggers
Stored Procedures
Im Library Cache werden aufgerufene Befehle gespeichert, um bei einem
wiederholten Aufruf des gleichen Befehls eine schnellere Ausführung zu
erreichen. Dies gelingt jedoch nur dann, wenn der Anwendungsentwickler
gebunden Variablen verwendet, so daß die SQL-Statements, Functions
etc. identisch sind.
Datenbankadministrator und Anwendungsentwickler müssen bei der
Optimierung der Datenbankanwendungen zusammenarbeiten!
Udo Matthias Munz
39
Join-Design
SELECT Datum FROM Kunde, Auftrag
WHERE = Kunde.KNR = Auftrag.KNR
AND Name = "Müller"
Tabelle := Datum
(Name = "Müller"
Datum
Name = "Müller"
(Kunde |X| Kunde.KNR = Auftrag.KNR , Auftrag ))
|X| Kunde.KNR = Auftrag.KNR
Tabelle := Datum
(Auftrag.KNR, Datum (Auftrag)
(|X| Kunde.KNR = Auftrag.KNR )
Kunde.KNR
Kundentabelle
Auftragstabelle
(Name = "Müller"(Kunde)))))
SELECT Datum FROM
(SELECT KNR, Datum FROM Auftrag
WHERE AUFTRAG.KNR =
(SELECT KNR FROM Kunde WHERE Name = "Müller")))
Udo Matthias Munz
40
Fakten- und Dimensionstabellen
Faktentabellen
enthalten die betriebswirtschaftlich relevanten numerischen Meßgrößen wie
Umsatz, Kosten, Leistung.
Dimensionstabellen
liefern Angaben zu den Dimensionen (z.B. Zeit, Kunde, Mitarbeiter, Artikel) auf die
sich die Faktentabellen via Schlüsselattribute beziehen.
Join
ist die Verbindung zwischen zwei Tabellen wobei häufig eine Faktentabelle mit einer
Dimensionstabelle verbunden wird (z.B. Kunde -Auftrag).
Ein Join ist grundsätzlich nur zwischen zwei Tabellen möglich. Zur Verknüpfung
mehrere Tabellen bestehen zwei alternative Verfahren:
• Paarweise Join
• Star-Abfrage
Udo Matthias Munz
41
Paarweise Join
Faktentabelle
Auftrag
versus
Dimensionstabelle
Kunde
Star-Abfrage
Dimensionstabelle
Kunde
Dimensionstabelle
Artikel
Dimensionstabelle
Lieferant
JOIN
Zwischenergebnis 1
Auftrag & Kunde
Dimensionstabelle
Artikel
Kartesisches Produkt
Kunde & Artikel & Lieferant
Faktentabelle
Auftrag
JOIN
Zwischenergebnis 2
Auftrag & Kunde & Artikel
Dimensionstabelle
Lieferant
JOIN
JOIN
Abfrageergebnis
Auftrag & Kunde & Artikel & Lieferant
Abfrageergebnis
Auftrag & Kunde & Artikel & Lieferant
Eigenschaften:
- viele Operationen
- kleine Zwischentabellen
Effizient bei großen Datenmengen
Udo Matthias Munz
Eigenschaften:
- wenige Operationen
- große Zwischentabelle
Effizient bei kleinen Datenmengen
42
Sort-Merge-Join
KNR Name
4711 Müller
5612 Maier
3254´ Huber
Adresse
81243 München
71324 Stuttgart
12312 Berlin
n x m Operationen
KNR
4711
AUFNR
2137
2231
2178
2337
Datum
12.10.97
13.10.97
15.10.97
12.10.97
KNR
4711
3254
4711
5511
AUFNR
2137
2231
2178
2337
2137
2231
5612
..........
Vorsortierung beider Tabellen nach dem Vergleichsattribut
KNR
3254
4711
5612
Name
Huber
Müller
Maier
Adresse
12312 Berlin
81243 München
71324 Stuttgart
AUFNR
2231
2137
2178
2337
Datum
13.10.97
12.10.97
15.10.97
12.10.97
KNR
3254
4711
4711
5511
max: n + m Operationen
Udo Matthias Munz
43
Speicher- und Zugriffssteuerung (1)
Mehrwegbaum (B*-Tree)

01 02 03 04
05  10  15 
06 07 08 09
11 12 13 14
RID
16 17 18 19
physische Zeilenadresse [ROW ID]
(oder Liste mit Zeilenadressen)
Die Indexdatei ist hierarchisch unterteilt. Beim Suchen nach dem Datenfeld mit dem Wert 12 sind
statt 12 nur 4 Vergleichsoperationen erforderlich.
Eigenschaften:
• Gute Performanz bei hoher Kardinalität, d.h. das Suchkriterium weist eine hohe
Zahl unterschiedlicher Wertausprägungen im Verhältnis zu den Tabellenzeilen auf.
• Schlechte Performanz bei der Suche nach nicht indizierten Datenfeldern mit
geringer Kardinalität.
Udo Matthias Munz
44
Speicher- und Zugriffssteuerung (2)
Bitmap-Indizierung
Für jede Ausprägung einer zu indizierenden Tabellenspalte wird eine Bitfolge angelegt, die
kennzeichnet, ob in der entsprechenden Zeile der Tabelle der Wert anzutreffen ist (1) oder nicht (0).
Geschäftskunde
Privatkunde
Sonstige
Merkmalsausprägung
1 0 0 0 1 0 0 0 1 1 1 1 1 0 1 0 1 ....
0 1 1 1 0 1 1 0 0 0 0 0 0 1 0 1 0 ....
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 ....
Bitmap-Index
Eigenschaften:
• extrem platzsparend bei geringer Merkmalszahl
Bei 1.000.000 Kundensätzen werden 3 Mio. Bit = 375 KB benötigt. Im Vergleich
dazu benötigt das B*-Tree Verfahren dazu 4MB. Allerdings benötigt jede weitere
Ausprägung 125 KB.
• Bei Häufigkeitszählungen entfällt der Zugriff auf die Tabelle.
• Schnell bei kombinierten Abfragen
Udo Matthias Munz
45
Komprimierung von Bitmaps (1)
0100
1011
0101
1110
1100
1000
1011
0110
1010 0110
111000001100000000000000000010110000000000000000000010100110
Rekonstruierte Bitliste
Darstellung erfordert 10 4-Bit-Blöcke für insgesamt 256 4-Bit-Blöcke
Udo Matthias Munz
46
Komprimierung von Bitmaps (2)
1
k
.........
KennBit
Bitmuster oder Nullfolge
Ist das Kenn-Bit gleich 1, werden die folgenden k-1 Bits als unkomprimierte Bitfolge interpretiert.
Ist das Kenn-Bit gleich 0, so wird der Inhalt der folgenden k-1 als binäre
Ganzzahl interpretiert, die angibt, wieviele aufeinander folgende 0-en
auf diese Weise komprimiert dargestellt werden.
Je weniger 1en in der Bitfolge eines Wertes auftreten, desto wirksamer ist
die Komprimierung.
Noch effizientere Verfahren resultieren aus der Verwendung mehrerer Kennbits.
Udo Matthias Munz
47
Auswertung komplexer Verbundoperationen
DimensionsRelationen
Kunde
Branche
Detail Relation
Bestell-Nr.
DSSAnfrage
Udo Matthias Munz
Produkt
ProduktGruppe
Kunden-Nr. Artikel-Nr. Filial-Nr.
Filiale
Region
Menge
Datum
SELECT SUM(Menge)
FROM Bestellung, Kunde, Produkt, Filiale
WHERE Bestellung.Kunden-Nr. = Kunde.Kunden-Nr.
AND
Bestellung.Artikel-Nr. = Produkt.Artikel-Nr.
AND
Bestellung.Filial-Nr. = Filiale.Filial-Nr.
AND
Kunde.Branche = ‘Elektronik’
AND
Produkt.Produktgruppe = ‘Telefon’
AND
Filiale.Region = ‘Nord’;
48
Grundformen verteilter Datenbanken


Verteilung kompletter Tabellen
auf verschieden Server mit der
Folge, daß bei einem Join auf
zwei Server zugegriffen werden
muß. Dieses Verfahren
beherrschen die meisten DBMS,
wobei die verteilten
Datenbanken auf
unterschiedlichen Plattformen
laufen können.
Verteilung einer Tabelle auf
verschiedene Server ist bei sehr
großen Tabellen erforderlich,
wobei sowohl eine horizontale
als auch eine vertikale Teilung
möglich ist.
Tabelle 1
Tabelle 2
Tabelle
2
horizontal
vertikal
Udo Matthias Munz
49
Lösungen für die Speicherung großer Tabellen

Array-Speicher
Speichermedien sind miteinander verkettet; Fassungsvermögen mehrere Terabytes;
Problem: Datensicherung

Raid-Array
Plattenkombinationen mit redundanter Datenspeicherung. Vorteil: Ausfallschutz; Plattenteile
können bei laufendem Betrieb ausgewechselt werden.
Nachteil: Langsame Verarbeitung; Schutz bezieht sich aber nur auf physische Fehler.
Logische Fehler wirken sich hingegen redundant und ggf. irreparabel aus.

64-Bit-Technologie
Mit ihr lassen sich bis zu 2 Gigabyte im Hauptspeicher bearbeiten, beschleunigt folglich die
Prozesse ohne jedoch das Problem der Massendatenspeicherung zu lösen.

Mehrprozessorsysteme
Hierzu fehlen bislang entsprechende Betriebs- und Datenbankmanagementsysteme, die
dieses Leistungspotential ausschöpfen.

Objektorientierte Datenbanken
Vom Denkansatz versprechen sie eine zweckmäßige Lösung über die Instanzenbildung.
Aktuelle OODBMS leisten dies jedoch noch nicht.
Udo Matthias Munz
50
Datensicherung

Zweck
Zweck der Datensicherung ist die Wiederherstellung eines konsistenten Datenbestandes
nach einem Störfall.

Verfahren
 Komplettsicherung
Es werden immer alle Daten gesichert.
 Differenzsicherung
Es werden nur die Änderungen zur vorhergehenden Datensicherung gespeichert.

Technik
Die von den Betriebssystemen UNIX und Windows angebotenen Sicherungssysteme sind
für eine professionelle Sicherung großer Datenbestände nicht geeignet.
Von Anbietern für Großraumspeicher werden entsprechende Managementsysteme
angeboten.

Organisation
 Datensicherungsplan
Es ist in einem Plan festzuschreiben, wie die Datensicherung durchzuführen ist.
 Notfallplan
Der Notfallplan beschreibt das Vorgehen bei der Rekonstruktion der Datenbestände
nach einem Störfall.
Udo Matthias Munz
51
Richtlinien zur Verwaltung der Speicherressourcen






Trenne Data Dictionary- und Benutzerdaten.
Trenne die Daten unterschiedlicher Anwendungen.
Speichere Tablespaces auf verschiedenen Platten um I/O-Konflikte
auszuschließen.
Trenne Rollbacksegmente von Datensegmenten, um den Verlust von Daten
durch Plattenabsturz zu verhindern.
Halte individuelle Tablespaces offline.
Schränke die Datenbanknutzung für einen Tablespace ein auf
 high update performance
 read only activity
 temporary segment storage




Mache Backups von individuellen Tablespaces
Lege Default-Speicherparameter für Objekte fest, die in einer Tablespace
angelegt werden sollen.
Lege Default-Speicherparameter für eine Tablespace zur Verwaltung spezieller
Objekte fest.
Vergib Tablespace-Anteile an die Anwender.
Oracle-Avices
Udo Matthias Munz
52
Kostenfaktoren bei Datenbanksystemen
Wartung Lizenz
2%
8%
Beratung
8%
Schulung
2%
Entwicklung
20%
Administration
60%
Computerzeitung 7/98
Im Durchschnitt entfallen 60 % der Kosten eines Datenbanksystems auf die
Systemadministration.
Udo Matthias Munz
53
Datenbankadministration



Datenadministration
Benutzer- und Sicherheitsadministration
Systemadministration









Installation
Datensicherung und -wiederherstellung
Datenarchivierung
Datenreorganisation
Datenverifikation
Laufzeitkontrolle
Performance-Analyse und Tuning
Auditing
Massendatentransfer
Quelle: H. Schöning "Datenbankadministration" in Datenbank Rundbrief 17.5.1996 S. 77-81
Udo Matthias Munz
54
Entity Relationship Modell
Udo Matthias Munz
55