Kein Folientitel - Hochschule Flensburg

Datenbanken
Diplomanden-Seminar [2 Tage]
Prof. Dr. Wolfgang Riggert
Lernziele
Grundlegende Kenntnisse zu Datenbanken anschaulich darstellen können.
[Wiederholung wichtiger Begriffe]
Relationale Datenbanken ausgehend von einem betrieblichen
Anwendungsprofil sicher konzipieren können.
[Erstellung von ER-Modellen]
Die Abfragesprache SQL im Hinblick auf Datendefinitionen anwenden und
bezüglich Datenmanipulationen sicher beherrschen.
[Interpretation und Entwicklung einfacher und komplexer Befehle]
Klausur-Anforderungen
Detailfragen
[5 Fragen, zusammen maximal 30 P]
Die Einordnung des Themas,
die kausalen Zusammenhänge und
die Gesamteinschätzung in
vollständigen Sätzen darstellen.
Faktenwissen kann in Form von
Aufzählungen präsentiert werden.
Wenn möglich: Ergänzung
und Veranschaulichung der Texte
durch
Grafiken und
Tabellen.
Komplexaufgaben
[2 von 3 Aufgaben, jeweils maximal30 P]
Schwerpunktthema - es werden
mehrere Fragen zu einem Thema
gestellt.
Ausführlich beschreiben
analysieren und begründen,
Wissen auf den Fall übertragen,
Eigene Vorschläge entwickeln,
Systematische Bearbeitung/
systematische Gliederung.
Zusammenhängend formulieren;
Faktenwissen in Form von
Aufzählungen.
Datenbanken: Einführung
Einsatzbereiche von Datenbanken
Leistungsmerkmale von Datenbanken
Begriffsbestimmungen
Anwendungsprogramm und DBMS
Datenunabhängigkeit beim Drei-Ebenen-Modell
Datenintegrität
Einsatzbereiche von Datenbanken
Als Basis eines betrieblichen Informationssystems
[Ganzheitlicher Ansatz]
Als Subsystem
[Nur bestimmte Unternehmensteile oder Funktionsbereiche
werden mit Datenbanken unterstützt]
Externe Datenbanken
[Zum Beispiel Adressen-Datenbanken, Bezugsquellennachweise,
wissenschaftliche Dokumentendatenbanken]
Leistungsmerkmale von Datenbanken
Unabhängigkeit von Daten und Programm
Verringerung beziehungsweise systematische Kontrolle der Redundanz
Leistungsfähige Konsistenzprüfungen
[zum Beispiel Überprüfung, ob alle Rechnungen bezahlt sind, bevor die Daten
eines Kunden gelöscht werden.]
Flexible Verknüpfungen und Auswertungen
[Die Nutzer können eigene Auswertungen realisieren – es besteht keine
Abhängigkeit von der hausinternen EDV-Abteilung]
Mehrfachzugriff auf die Daten
[durch viele Nutzer und unterschiedliche Programme]
Umfassender Zugriffsschutz
[Bis auf Feldebene und differenziert nach der Art der Operation]
Hohe Ausfallsicherheit
[durch integrierte Mechanismen zur Rekonstruktion der Daten]
Datenbanken versus Dateisystem
Probleme von Datenbanken
Die hohen Anforderungen bezüglich Sicherheit und
Zuverlässigkeit sind zeit- und kostenintensiv
Zugriffe können über mehrere Tabellen erfolgen, was längere
Laufzeiten verbunden mit vielen Ein- und Ausgaben und einer
hohen Rechenleistung zur Folge hat.
Datenbanken sind in den meisten Fällen nicht portabel, was
Hardwareänderungen oder Softwareanpassungen - z.B.
aufgrund unterschiedlicher SQL-Dialekte - erforderlich macht.
Ziele der Datenorganisation
Unter Datenorganisation versteht man Verfahren, um Daten
hinsichtlich ihrer logischen Zusammenhänge zu analysieren, zu
strukturieren und zu ordnen - logische Datenorganisation
auf Medien abzulegen und für den Zugriff verfügbar zu halten physische Datenorganisation
Ziele
schneller Datenzugriff
leichte Aktualisierbarkeit
beliebige Auswertbarkeit
flexible Verknüpfung
wirtschaftliche Speicherausnutzung
Vermeidung von Redundanzen
Datei, Datensatz, Datenelement
Datenbank
Projekte
Dateien
Kunden
Aufträge
Projektorganisation
Personal
Datensatz
Mitarbeiter n
Mitarbeiter 1
Name
Datensegment
Datenelement
Nr
Nachname
Anschrift
Vorname
Titel
PLZ
Ort
Straße
Gehalt
Qualifikation
Logische Datenorganisation
Hierarchischer Aufbau/ Gliederung
Datenelement
Datensatz
Datei
Datenbank
Datenelement
kleinste nicht weiter zerlegbare logische Einheit
entspricht einem Datenfeld einer Bildschirmmaske
Datensatz
Zusammenfassung von Datenelementen
entspricht einer Gruppe logisch zusammengehöriger
Datenfelder
wie z.B. Name oder Adresse
Datensatzarten
Formatierte Sätze: sie besitzen eine feste Einteilung in
Datenelemente mit festen Feldgrenzen entsprechend einer
tabellarischen Strukturierung
Variable Sätze: sie besitzen keine Strukturierung, sondern die
Datenelemente werden fortlaufend erfasst und durch ein oder
mehrere Trennsymbole unterschieden
Wertung :
Formatierte Datensätze gestatten einen schnellen
Zugriff, führen aber zu einer unwirtschaftlichen
Speicherausnutzung
Variable Datensätze hingegen sind langsam im Zugriff,
nutzen den Speicher aber effizient aus
konkurrierende Ziele
Datei- versus Datenbankorganisation
Datei
Zusammenfassung gleichartiger, logisch
zusammengehörender Datensätze
Dateien erlauben mehrere Operationen: Suchen,
Ändern, Einfügen und Entfernen von Datensätzen
Datenbank
Zusammenfassung mehrerer Dateien zwischen denen
logische Abhängigkeiten existieren und die von einem
eigenen Datenbankverwaltungssystem verwaltet werden.
Datei- und Datenbankanwendungen
Anwendungsprogramm und DBMS
Anwendungssysteme
Datenbankverwaltungssysteme
Datenbestände
DBMS: Datenbankmanagementsystem
• Bereitstellung der Daten für verschiedene
Anwendungsprogramme
• Koordination von parallelen Zugriffen
auf die Datenbestände
• Schaffung der Voraussetzungen für
flexiblen Datenzugriff und unterschiedliche
Sichtweisen.
DBMS - Positionierung
Datenunabhängigkeit beim Drei-Ebenen-Modell
Externe
Ebene
Logische/
Konzeptionelle
Ebene
Interne
Ebene
Logische Datenunabhängigkeit. Es
können neue externe Sichten angelegt
werden, ohne dass die logische Ebene
modifiziert werden muss.
Physische Datenunabhängigkeit. Es
erfolgt eine Trennung zwischen der
logischen Ebene und den Daten
beziehungsweise den ZugriffsMechanismen.
Datenintegrität
Datenintegrität: Alle Aspekte, die das korrekte und zuverlässige
Arbeiten mit Datenbanken sicherstellen und unterstützen
Datenkonsistenz
Datensicherheit
Datenschutz
Inhaltliche
Richtigkeit
Sicherung der
Daten gegen
Verlust und
zulässige Änderung
Schutz der Daten
gegen
unberechtigten
Zugriff
Freiheit von
Widersprüchen
Betrifft das logische
Datenschema
Betrifft den
technischorganisatorischen
Betrieb
Betrifft den
technischrechtlichen Umgang
mit Daten
Datenmodelle
Arbeitsschritte zur Entwicklung
einer Datenbank
Das semantische Datenmodell
Logische Datenmodelle
Bedeutung der Datenmodell
am Markt
Arbeitsschritte zur Entwicklung einer Datenbank
Realität
Semantisches/ Logisches
Konzeptionelles Datenmodell
Datenmodell
DatenbankDefinition
Anwendungsentwicklung
Physische Datenorganisation
Systemdenken.
Betrachtung
eines Ausschnitts
der Realität mit
einer spezifischen
Fragestellung.
Semantisches
Datenmodell.
Dargestellt als
ER-Diagramm.
DatenbankDefinition/
Beschreibung.
Einsatz des DDL
des eingesetzten
Datenbankverwaltungssystems.
Anwendungsprogramm.
Definition der
externen
BenutzerSichten.
Physische
Datenorganisation.
(Speicher- und
Datenorganisation,
Zugriffsmethoden,
Reorganisation etc.)
Logisches
Datenmodell.
Umsetzung des
semantischen
Modells in ein
logisches
Datenmodell.
4-Schema-Konzept
Konzeptionelles Schema: Beschreibung des Datenbankinhaltes
unabhängig von der technischen Umsetzung, d.h. fachliche Anforderungen
der Anwender unabhängig von der Implementierung
Logisches Schema: Inhaltsbeschreibung auf der Grundlage der DDL eines
bestimmten DBMS
Internes Schema: Inhaltsbeschreibung und die physische Datenablage
Externes Schema: Darlegung der Benutzersicht = spezifische Ausschnitte
des konzeptionellen Schemas
Häufig werden die konzeptionelle und die logische Sicht als
Einheit betrachtet, so dass ein 3-Schema-Modell entsteht
Drei-Ebenen-Architektur
Datenmodellierung
Ausschnitt der
realen Miniwelt
Manuelle/intellektuelle
Modellierung
Konzeptuelles Schema
(ER-Schema)
Transformation
Relationales
Schema
Netzwerk
Schema
Objektorientiertes
Schema
Konzeptionell Datensicht - Semantisches Datenmodell
Ziel des konzeptionellen Modells ist es, ein normalisiertes,
redundanzfreies Datenmodell zu erstellen
1. Erfassung und Beschreibung aller relevanten Objekte und
zwischen ihnen bestehender Beziehungen sowie
Darstellung dieser Objekte und Beziehungen (ER-Modell)
2. Umsetzung des konzeptionellen Modells in ein logisches
Datenbankmodell – hierarchisch, Netzwerk oder relational
3. Beschreibung der Objekte und Beziehungen mit der
Datenbeschreibungssprache
Konzeptionelles – logisches Datenschema
Ein konzeptionelles Datenschema ist eine systemunabhängige
Datenbeschreibung
Ein logisches Datenschema beschreibt die Daten in der
Datenbeschreibungssprache DDL eines bestimmten DBMS
Modellierungsphasen
Datenbankentwurf
Entwurf der Tabellen
Spaltennamen
Spaltendatentypen
Integritätsregeln
Beziehungen zwischen den Tabellen festlegen
referentielle Integrität
Verteilung der Datenbank
im Netz
auf Platten
Tuningvorkehrungen
Festlegung der Benutzersichten und Zugriffsrechte
Datenbankarchitektur
Externes Schema/
RaumbeBenutzersicht
legung
konzeptionelles
Schema
Prüfungsliste
Prüfung
Prüfungsaushang
Aufsicht
Prüfungsfach
internes Schema
Aufsichteneinteilung
ERM
Dozent
Basistabellen
Basistabellen
DBMS
ER-Diagramm Softwarehaus
ER-Diagramm – relationales Modell
Student
(0,m)
belegt
(0,n)
Mtnr
Name
SemGr
Adresse
Student ( Mtnr, Name, SemGr, Adresse)
Vorlesung( Vorlnr, Fach, Semester, Raum, Zeit)
Belegung (Mtnr, Vorlnr)
Vorlesung
Vorlnr
Fach
Semester
Raum
Zeit
Traditionelle Datenbeschreibungen
Dateien: Die Anfänge der Datenverarbeitung bilden große
Datenstrukturen, die eine Ansammlung von Datensätzen
waren und die sequentiell abgelegt wurden.
Hierarchien: Diese Struktur wird in Baumform abgebildet,
erlaubt damit eine Gliederung der Datenmenge in einer
Ordnungsbeziehung
Netzwerke: Sie entstehen dadurch, dass ein Strukturelement
nicht nur Mitglied einer einzigen, sondern gleichzeitig mehrerer
Gruppen ist. Die Baumstruktur in reiner Form wird durch ein
Netz aufgelöst, da es kein eindeutiges „Root-Element“ mehr
gibt
Logische Datenmodelle: klassische Formen
Baumstruktur
Netzstruktur
Baumstruktur beim hierarchischen Datenmodell
Kunde Müller
Auftrag 711
Auftragsposition
1
Auftrag 823
Auftrag 925
Auftragsposition
2
• Entwicklung erfolgte auf Basis klassischer Dateisysteme
• Die Darstellung erfolgt in Form einer Baumstruktur. Das „Wurzelobjekt“ ist oben.
Problembereiche des hierarchischen Modells
Die reale Welt ist nicht immer hierarchisch strukturiert.
Deshalb können mit diesem Modell nicht alle Strukturen
abgebildet werden.
Mit hierarchischen Modellen lassen sich nur 1:1 und 1:nBeziehungen abbilden. Jede m:n-Beziehung muss in 1:nBeziehungen aufgelöst werden. Dies führt zu redundanter
Datenhaltung.
Änderungen von Hierarchiebeziehungen sind aufwendig.
Es entsteht ein großer Aufwand bei Auswertungen, die von
hierarchischen Zugriffspfaden abweichen.
Struktur des Netzwerkmodells
Kunde
1
ordert
mc
Artikel
mc
liefert
1
Lieferant
mc
liegt auf
1
Lagerort
• Jedes Objekt kann mehrere Vorgänger und mehrere Nachfolger aufweisen.
• Damit können 1:1, 1:m, m:1 und n:m-Beziehungen abgebildet werden.
Problembereiche des Netzwerkmodells
Einsatzbereiche. Heute werden nur noch wenige
Datenbankverwaltungssysteme eingesetzt, die auf
Netzwerkmodellen basieren.
Vorteile. Die Abbildung vielfältiger Beziehungen, auch von
m:n-Beziehungen, ist möglich. Gegenüber dem hierarchischen
Modell verringern sich hierbei die Redundanzen.
Nachteile. Die Verarbeitung von Daten ist aufwendiger als bei
hierarchisch strukturierten Modellen; Die Änderung der
Datenstruktur ist aufgrund der zahlreichen Verknüpfungen
sehr aufwendig.
Logische Datenmodelle - Tabelle
FNR
FNR
FNAME
FNAME
FSEM
FSEM
DAUER
DAUER
TAG
TAG
ZEIT_VON
ZEIT_VON
ZEIT_BIS
ZEIT_BIS
ZAHL
ZAHL
1
21
32
43
54
65
76
87
98
10 9
10
11
11
12
12
12
12
Grundlagen der Betriebswirtschaftslehre
Grundlagen
der Betriebswirtschaftslehre
Finanzund Investitionswirtschaft
Finanzund
Investitionswirtschaft
Marketing
Marketing
Materialund Fertigungswirtschaft
Material- und Fertigungswirtschaft
Personalführung
Personalführung
Buchführung und Bilanzierung
Buchführung
und Bilanzierung
Kostenund Leistungsrechnung
Kostenund
Leistungsrechnung
Wirtschaftsmathematik
Wirtschaftsmathematik
Betriebsstatistik
Betriebsstatistik
Grundlagen der Volkswirtschaftslehre
Grundlagen der Volkswirtschaftslehre
Wirtschaftsprivatrecht
Wirtschaftsprivatrecht
Englisch 1
Englisch 1 1
Französisch
Französisch 1
2B
42BB
4 4BB
4 4BB
44BB
2 4BB
42BB
24BB
2 2BB
2 2BB
42BB
2 4BB
2 2BB
2B
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
90
60
60
60
60
08.07.1993
08.07.1993
15.07.1993
15.07.1993
14.07.1993
14.07.1993
09.07.1993
09.07.1993
08.07.1993
08.07.1993
09.07.1993
09.07.1993
13.07.1993
13.07.1993
12.07.1993
12.07.1993
14.07.1993
14.07.1993
13.07.1993
13.07.1993
12.07.1993
12.07.1993
24.06.1993
24.06.1993
24.06.1993
24.06.1993
830
830
830
830
1130
1130
1100
1100
1400
1400
830
830
1330
1330
830
830
830
830
830
830
1130
1130
830
830
1330
1330
1000
1000
1000
1000
1300
1300
1230
1230
1530
1530
1000
1000
1500
1500
1000
1000
1000
1000
1000
1000
1300
1300
930
930
1430
1430
320
320
200
200
250
250
200
200
160
160
380
380
200
200
320
320
360
360
320
320
180
180
290
290
40
40
Sichten
Anwender
Anwender
Tabelle
Tabellenzeile
Tabellenspalte
Tabellenelement
Tabellenüberschrift
Spaltenbezeichnung
Informatik
Informatik
Datenobjekt
Entität
Wertebereich
Attributswert
Entitätstyp
Attribut (Eigenschaft)
Datenverarbeitung
Datenverarbeitung
Datei
Datensatz
Datenfeld
Datenelement
Datenfeldbezeichnung
Datenfeld
Mathematik
Mathematik
Relation
Tupel
Domäne
Wert
Attribut
Begriffe des relationalen Datenmodells [01]
Bei neueren Datenbankverwaltungssystemen hat sich das
relationale
Datenmodell
[auch
Relationenmodell]
durchgesetzt. Es wurde 1968 bis 1973 von E.F. CODD
entwickelt und 1970 veröffentlicht.
Entitätstypen werden in Form von zweidimensionalen Tabellen
dargestellt.
Die Tabellen können beliebig viele Entitäten beinhalten.
Die Tabellen, die über einen Primärschlüssel verfügen,
werden als Relationen bezeichnet.
Begriffe des relationalen Datenmodells [02]
Innerhalb der Tabelle ist die Reihenfolge der Attribute und der
Tupel beliebig.
Die Datenbasis eines Datenbanksystems wird gemeinsam
durch alle Relationen gebildet.
Beispiele für Datenbankverwaltungssysteme auf Basis des
Relationenmodells: Oracle, Ingres, MS-Access, Interbase,
DB2, Adabas, Informix, Progress, Sybase, MS-SQL, My-SQL.
Begriffe des relationalen Modells [03]
Tabelle: Relation; Entitätstypen
Tabellenkopf:
Name der Relation
R. KUNDEN
KundenNr
Name
Wohnort
1000
Detmer
Hamburg
1001
Friedrich
Lübeck
1002
Berg
Rendsburg
1003
Müller
Buchholz
1004
Schmidt
Flensburg
Domäne: Wertebereich - Zusammenfassende Darstellung
aller möglichen Attributwerte eines Attributs
Attribute:
Spalte
Attributwert:
Datenfeld
Entität:
Zeile; Tupel; Datensatz
Primärschlüssel und Fremdschlüssel
R. KUNDEN
KundenNr
Beziehung
Name
Wohnort
R. Rechnungen
Nichtschlüsselattribut
RechnNr
Betrag
KundenNr
Primärschlüssel
NichtFremdschlüssel
Schlüsselattribut
1000
Detmer
Hamburg
1001
Friedrich
Lübeck
1002
Berg
Rendsburg
7765
117,75
1000
1003
Müller
Buchholz
7766
188,20
1003
7767
25,82
1000
7768
733,20
1000
Primärschlüssel
Logischer Datenbankentwurf auf Basis des relationalen Modells
Unterschiedliche Vorgehensweise
Ziele der Normalisierung
Funktionale und transitive Abhängigkeit
Probleme unnormalisierter Relationen
Arbeitsschritte der Normalisierung
Ergebnisse der Normalisierung
Aufgaben der Normalisierung
Vermeidung von Redundanzen
Vermeidung von Anomalien
Vermeidung von Null-Werten
Sicherung der Daten-Integrität
Optimierte Speicherplatz-Ausnutzung
Prozess der Normalisierung
Daten in
3 NF-Form
Prozess der Normalisierung
AusgangsRelation
R.Rechnung
Unnormalisierte Form der Daten: Alle
Daten befinden sich in einer Tabelle,
unabhängig von ihren Beziehungen.
Name Wohnort Strasse Art
...
.....
....
.....
Von der Ausgangsrelation zur 3NF-Form
3 NF
Dritte
Normalform
Daten in
3 NF-Form
2 NF
Zweite
Normalform
1 NF
Erste
Normalform
AusgangsRelation
R. Rechnung
Die Daten der Ausgangsrelation werden im
Rahmen der Normalisierung durch schrittweise
Zerlegung in mehrere Relationen aufgeteilt.
Informationsverluste dürfen dadurch nicht
entstehen.
Bedingungen der Normalformen
Dritte Normalform (3 NF)
Die Relation muss sich in der 2 NF befinden
Alle Nicht-Schlüsselattribute müssen direkt
vom Primärschlüssel abhängig sein.
Zweite Normalform (2 NF)
Die Relation muss sich in der 1 NF befinden
Jedes Nicht-Primärschlüsselattribut muss von allen
Teilen des Primärschlüssels abhängig sein.
Erste Normalform (1 NF)
Attribute müssen atomar sein. Es dürfen keine
Wiederholungsgruppen auftreten
Jede Relation hat einen Primärschlüssel. Dieser identifiziert
jedes Tupel eindeutig.
Funktionale Abhängigkeit
Drei Formen von Abhängigkeiten werden unterschieden.
Diese drei Varianten sind Basis des
Normalisierungsprozesses und entsprechen den
Normalisierungsformen.
Funktionale Abhängigkeit: Funktional abhängig sind
Attribute einer Relation, die sich nicht unabhängig voneinander
ändern können. Das Attribut A heißt funktional abhängig vom
Schlüssel S, wenn genau zu jedem Wert von S ein Wert von A
gehört.
Beispiel: S = Fahrgestell-Nr. und A = Halter => eine
Fahrgestell-Nr. ein Halter aber ein Halter kann viele
Fahrgestell-Nr. besitzen
Volle funktionale Abhängigkeit
Volle funktionale Abhängigkeit: Voll funktional abhängig
sind Attribute immer dann, wenn mit einer bestimmten
Wertekombination zweier oder mehrerer unabhängiger
Attribute genau ein Wert des abhängigen Attributes
einhergeht. Ein Attribut A heißt voll funktional abhängig wenn
zu jeder zulässigen Wertekombination des
zusammengesetzten Schlüssels genau ein Wert des Attributes
A gehört
Beispiel:
Automodell (S1)
Typ (S2)
Preis (A)
Mazda 626
Fließheck
15 000 €
Mazda 626
Kombi
17 000 €
Transitive Abhängigkeit
Transitive Abhängigkeit: Diese Form beschreibt indirekte
Abhängigkeiten zwischen Nichtschlüsselattributen. Attribut B
heißt transitiv abhängig, wenn Attribut A von Schlüssel S, aber
S nicht von A funktional abhängt, B jedoch von A funktional
abhängig ist.
Beispiel: Art und Ausstattung eines Zimmers bestimmen den
Preis. Alle Attribute sind Nichtschlüsselattribute der Relation
Zimmer, die Zimmer-Nr als Schlüssel hat.
Beispiel: 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
Zusammengesetzter Schlüssel
Beispiel: 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
Zusammengesetzter Schlüssel
Beispiel: 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)
Beispiel: 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
(Aufnr, Kundennr, Kundenname, Adresse, Datum)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung, Preis)
Auftrag
Kunde
Bestellartikel
Artikel
(Aufnr, Kundennr, Datum)
(Kundennr, Kundenname, Adresse)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung, Preis)
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
Auftrag
1:n
Kunde
1:1
1:n
Bestellartikel
Anschrift
n:1
Artikel
(Aufnr, Kundennr, Datum)
(Kundennr, Kundenname, Adresse)
(Aufnr, Artikelnr, Menge)
(Artikelnr, Artikelbezeichnung, Preis)
1:1
Preis
Wesentliche Merkmale von Transaktionen
Atomarität [Atomicity]
Eine Transaktion wird nur vollständig ausgeführt oder gar nicht.
Konsistenz [Consistency]
Eine Transaktion ist eine konsistenzerhaltende Operation.
Isoliertheit [Isolation]
Andere gleichzeitig ablaufende Transaktionen haben keinen Einfluss auf
das Ergebnis einer aktiven Transaktion. [Erforderlich für reibungslosen
Mehrbenutzerbetrieb] Mehrere gleichzeitig ablaufende Transaktionen
haben das gleiche Resultat, als hätten sie nacheinander stattgefunden.
Dauerhaftigtkeit [Durability]
Änderungen, die durch Transaktionen bewirkt wurden, können nicht
mehr verloren gehen.
[Siehe auch: Matthiesen, G. u. M. Unterstein (2000): Relationale Datenbanken und SQL.
Konzepte der Entwicklung und Anwendung. 2. Aktualisierte Auflage. München. S. 228]
Datenbanken und Objektorientierung
Grenzen des Relationalen Modells. Anfang der 80er
Jahre wurde deutlich, dass für einige Anwendungsgebiete
das relationale Datenmodell nicht optimal ist:
Karthografische Anwendungen
Multimedia-Anwendungen
CAD-Datenbanken
Dokumentenverwaltungssysteme
Ablauf der Diskussion. Zunächst wurde Konzepte zur
Erweiterung des relationalen Datenmodells entwickelt.
Ab 1985 erschienen Arbeiten zu objektorientierten
Datenbanksystemen.
Standardisierung objektorientierter Datenbanken
Früher Start. Seit 1993 versuchen Vertreter verschiedener
Softwarehäuser einen Standard für OO-Datenbanken
zu etablieren.
Bildung der Gruppen ODMG (Object Database Management
Group) und OMG (Object Management Group).
Veröffentlichung in: [Catell, R.G. (1997): Object Database
Standard ODMG 2.0.
Zusammenarbeit mit Gruppen, die andere Standards
erarbeiten.
[ANSI X3H2: SQL3; ANSI X3H7: Object Information
Management; ANSI X3J16: C++]
Kein Industriestandard. Das veröffentlichte Konzept
bildet noch keinen Industriestandard oder gar eine Norm.
Begriffe zum Thema Datenbanken
Entitätsintegrität
Referentielle Integrität
Datenbankentwurf
Entitätsintegrität
Jede Relation muss über ein Schlüsselattribut verfügen, das
die Tupel eindeutig identifiziert.
Dieser sogenannte Primärschlüssel kann aus einem einzelnen
Attribut oder einer Kombination von Attributen bestehen.
Referentielle Integrität
Aus jeder im Rahmen der Normalisierung gebildeten Form der
Daten müssen die in der unnormalisierten Ausgangsrelation
vorhandenen Informationen wieder rekonstruiert werden
können.
Die Referentielle Integrität einer Datenbank wird durch
das Einfügen von Fremdschlüssel sichergestellt.
Die DBMS stellen sicher, dass für jedes Fremdschlüsselattribut ein entsprechendes Primärschlüsselattribut vorhanden
ist.
Operationen, die ausgeführt werden sollen, wenn diese
Bedingungen nicht erfüllt sind, werden
zurückgewiesen oder aber es ist eine
Reihenfolge der Operationen einzuhalten.
vom DBMS
vorgegebene
Wertebereich und referentielle Integrität
Die referentielle Integrität ist eine Konsistenzbedingung, die
verlangt, dass die Fremdschlüsselwerte in einer Relation nur
Tupel referenzieren, die tatsächlich zur Zeit existieren.
Beispiele:
Einfügen oder Ändern einer Kunden-Nr in Vermietung nur
für Gäste, die in Relation Gast aktuell eingetragen sind.
Löschen eines Zimmers in der Relation Zimmer, das noch
vermietet ist, d.h. einen Eintrag in Vermietung hat.
Wertebereich und Fremdschlüssel – Strukturregel
Jedes globale Attribut darf nur in einer einzigen Relation auf einem
statischen Wertebereich basieren und muss in dieser Relation
Primärschlüssel sein (Beispiel Attribut Zimmer-Nr in Relation Zimmer). In
allen anderen Relationen muss es sich auf einen dynamischen Wertebereich
stützen, d.h. als Fremdschlüssel in einer anderen Relation fungieren
Lokale Attribute können im Rahmen ihres Wertebereichs beliebig verändert
werden – globale Attribute können als Fremdschlüssel in einer anderen
Relation auftreten und dort dynamisch verändert werden, z.B. Zimmer-Nr in
Vermietung
Strukturregel
Rekursive Beziehungen zwischen Relationen sind verboten
Ein globales Attribut in einer Relation darf nur mit einem solchen
Fremdschlüssel gebildet werden, dessen Ausgangsrelation unabhängig
von dieser Relation definiert werden kann
Überlappungen
Überlappungen von Entitätsmengen können drei Formen annehmen:
Zugelassene Überlappungen – EM 2 und EM 3 überdecken sich
teilweise und liegen vollständig in EM 1 (Strukturregel 2)
Disjunkte aber vollständige Überdeckung von EM 1 durch EM 2 und
EM 3
Disjunkte Überdeckung – EM 2 und EM 3 haben keine
Gemeinsamkeiten, liegen aber vollständig in EM 1
Beispiel für 1: Personen einer Hochschule EM 1, Doktoranden EM 2 und
Sudierende EM 3, EM 2 und EM 3 haben eine Schnittmenge aber füllen alle
Personen einer Hochschule nicht aus, weil es noch Angestellte gibt
Überlappungen - graphisch
EM 2
EM 3
EM 1
EM 2
EM 2
EM 1
EM 3
EM 1
EM 3
Arten von Konsistenzbedingungen
Strukturgestützte Konsistenzbedingungen sind Regeln, die
mit den Sprachelementen des Entwicklungs- und
Datenbanksystems dargestellt werden
Strukturexterne Konsistenzregeln gehen über die
Strukturgestützten hinaus und werden in
Programmiersprachen ausgedrückt, z.B.
Plausibilitätsprüfungen bei der Dateneingabe
Die Unterscheidung ist abhängig von den verfügbaren
Sprachelementen und Entwurfsmethoden
Konsistenzbedingungen des Relationenemodells
Für das Relationenmodell sind folgende strukturgestützten
Bedingungen wichtig:
Einhaltung der Wertebereiche
Eindeutigkeit der Primärschlüssel
Referentielle Integrität
Kaskadierung
Kaskadierungen sind eine Folge der referentiellen Integrität.
Sie beschreiben die konsistenzbedingten Auswirkungen von
Änderungen auf Entitäten anderen Entitätsmengen
Beispiel: Löschen eines Bibliotheksnutzers
Löschen aller Ausleihen, aller Sperren, aller
Vormerkungen
Entwurfsphasen 1
1. Abstecken des Problems und seines Umfeldes –
Beschreiben des Arbeits- und Organisationsgebietes:
Benötigt wird ein datenbankgestütztes System zur
Verwaltung von Gästen und Zimmern eines Hotels. Die
Zimmer werden durch eine Zimmernummer bezeichnet, die
Gäste können ein Kürzel zugewiesen bekommen.
2. Bildung von Entitätsmengen: Zimmer und Gäste sind
unterschiedliche Bestandsdaten
3. Festlegung von Beziehungen: Verknüpfung der einzelnen
Entitätsmengen
Entwurfsphasen 2
4. Definition von Primärschlüsseln: Festelegung der
Merkmale, die die Entitätsmenge eindeutig identifizieren
5. Globale Normalisierung: Ersetzen nicht-hierarchischer und
rekursiver Beziehungen durch hierarchische Beziehungen
(1:1, 1:n, 1:c)
6. Definition der Lokalattribute: Festlegung der Attribute pro
Relation. Dazu gehören lokale Attribute mit statischem
Wertebereich als auch Globalattribute in Form von
Fremdschlüsseln
Entwurfsphasen 3
7. Bereinigung von Konsistenzbedingungen: Überprüfung
der eingefügten Konsistenzbedingungen und Einführung
zusätzlicher Konsistenzprüfungen
8. Transaktionskonzept: Überlegungen, welche Abläufe
notwendig sind und welche Benutzergruppe welche Aktionen
ausführen darf.
Der Ablauf ist iterativ. So sind Erweiterungen und Verfeinerungen
möglich, die einen erneuten Durchlauf einzelner Phasen erzwingen
Aspekt der Langlebigkeit
Kernaufgabe der DB: Datenbestände effizient, sicher und
dauerhaft aufzubewahren.
Problem: Die Nutzdaten werden permanent und effizient
aktualisiert, ergänzt oder gelöscht. Das Datenschema bleibt
dabei unverändert.
Die langlebigste Komponente ist daher das Datenschema. Daraus
ergibt sich die Notwendigkeit, dass die logischen Daten auch über
Generationen von Datenbanksystemen erhalten bleiben müssen
Deduktiv vs. induktiv
Deduktiver Ansatz: Entwicklung als klassischer Top-DownAnsatz durch schrittweise Verfeinerung. Voraussetzung: der
Designer hat detaillierte Kenntnisse des Problems – häufig bei
großen Anwendungen nicht gegeben
Induktiver Ansatz: entgegen gesetzte Entwicklungsrichtung
Bottom-Up, d.h. vom Speziellen zum Allgemeinen
Beispiel: Bibliotheksverwaltungssystem
SQL: Datenbeschreibung/ Datenmanipulation
Grundlegende Merkmale, Begriffe und
Transaktionen
Datenabfragen mit SQL
Datenmanipulation - Views
Beispiele
Datenbeschreibung
Mit einer Datenbeschreibungssprache wird das logische
Datenmodell in eine Datenbank-Definition umgesetzt.
Anlage von Datenstrukturen
Keine Dateneingabe
Eintrag der Datenbeschreibung in ein Data Dictionary
Grundbegriffe
Abfrage: Auffinden eines Ausschnitts einer Datenbank sowie
dessen Darstellung
Mutation: Auffinden eines Ausschnitts einer Datenbank,
sowie dessen konsistenzerhaltende Modifikation
Transaktion: Ausführung einer konsistenzerhaltenden
Operation auf einer Datenbank
Trennung Datenbank - Anwendung
Elemente dieser Trennung:
Transaktion: erfolgt durch ein Anwendungsprogramm,
wird durch eine DML formuliert und steuert damit das
DBMS
Anwendungsprogramm: erfüllt Anwenderforderungen
und benötigt dazu Daten der Datenbank
Benutzerschnittstelle: umfasst Bedienungs- und
Anzeigeelemente für den Nutzer
Transaktionstypen
Direkte und indirekte Anfrage: direkte = eindeutige
Beschreibung, z.B. durch Eingabe des Primärschlüsselwertes:
Matrikel-Nr., indirekt = schrittweises Weitersuchen, z.B.
Navigieren durch die Personalliste
Datensätze und Datenmengen: das Ergebnis einer Abfrage
kann ein einzelner Datensatz oder eine Menge von
Datensätzen sein, z.B. ein Student oder aller Studenten mit
Schwerpunkt Marketing
Deskriptiv und prozedural: zielorientiert = Was ist gesucht?
oder durch navigierendes Vorgehen – schrittweises
Durchgehen eines Datenbestandes
Parallele Transaktionen: unkritische Operationen
Die Transaktionen lassen sich sequentialisieren
Die Transaktionen betreffen völlig unterschiedliche
Datenbereiche
Die Transaktionen sind ausschließlich lesende Operationen
Kritischer Fall: mehrere Benutzer arbeiten simultan an der Datenbank
und mindestens ein Nutzer nimmt schreibende Operationen vor
Mehrbenutzersynchronisation
(a)Sequentielle Transaktionen
Zeitachse
T1
T2
T3
(b) Parallele Transaktionen (gestrichelte Linien repräsentieren Wartezeiten)
T1
T2
T3
Synchronisation
Aufteilung der Datenbank in Teilbereiche und Sperrung
der Bereiche für konkurrierende Transaktionen, wenn eine
Transaktionen einen Teilbereich betreten hat.
Sperrprotokolle
Formulierung von Bedingungen, deren Einhaltung eine
konsistente Ausführung paralleler Transaktionen sicherstellt
Arten von Sperren
Sperre = lock: ein Datenbereich ist für eine Transaktion für
einen bestimmten Zeitraum unzugänglich
Exklusive Sperre: die Transaktion, die die Sperre
anfordert, benötigt den Datenbereich für
Schreiboperationen
Teilsperre: die Transaktion, die diese Sperrart anfordert,
will die Daten nur lesen, aber verhindern, dass andere
Transaktionen den Datenbereich verändern
Sperrprotokoll für parallele Transaktionen
Schritt 1: Die Transaktion sperrt alle Datenbereiche, die sie
verändert, exklusiv
Schritt 2: Die Transaktion belegt alle Datenbereiche, die sie
liest, mit Teilsperren
Schritt 3: Die Transaktion gibt erst Sperren frei, wenn in
Schritt 1 und 2 alle notwendigen Sperren gesetzt wurden
Aufgaben der Datenbeschreibung
Benennen von Relationen und Attributen
Definition der Beziehungen zwischen Relationen
Definition von Datentypen, Wertebereichen und
Schlüsseleigenschaften
Definition von Zugriffsrechten
Definition von Integritätsbedingungen
Definition von modellexternen Konsistenzbedingungen
Globale und lokale Attribute
Ein Attribut heißt global, wenn es in mindestens einer Relation
im Primärschlüssel vorkommt, z.B. Zimmer-Nr
Ein Attribut heißt lokal, wenn es nur in einer einzigen Relation
und dort nur als Nichtschlüsselattribut vorkommt, z.B. Preis
Problem: Attribute, die weder global noch lokal sind. Tritt dann
auf, wenn die gleiche Eigenschaft in zwei verschiedenen
Relationen beschrieben wird. Beispiel: Doktoranden können
gleichzeitig Studierende und Angestellte sein.
Schlüsselbegriffe
Ein Schlüssel ist ein Attribut oder eine Kombination von
Attributen, die Datensätze in einem Entitytypen auszeichnen
Ein Primärschlüssel besitzt die identifizierende Eigenschaft
Ein Fremdschlüssel ist ein Primärschlüssel in einer Relation
und ein Attribut in einer anderen
Ein Sortierschlüssel bestimmt die physische Reihenfolge der
Datensätze in einer Datei
Ein Suchschlüssel stimmt mit einem Attributwert einer Entität
überein.
Konsistenz - Transaktion
Konsistenz ist die Freiheit von Widersprüchen bezüglich der
Daten in einer Datenbank
Eine Transaktion ist eine kosistenzerhaltende Operation auf
einer Datenbank. Dieses Konstrukt spielt eine Rolle beim
Abbruch einer Mutation.
Eine Mutation erlaubt das Auffinden eines bestimmten
Ausschnittes einer Datenbank und deren konsistenzerhaltende
Veränderung
Eine Abfrage zeigt einen bestimmten Ausschnitt einer
Datenbank, ohne diesen zu verändern
Begriffshierarchie
Datenmanipulation
Transaktion
Mutation
Nicht konsistenzerhaltende Operation
Abfrage
Entitäten - Entitätsmengen
Eine Entitätsmenge = Entitytyp ist eine Menge von
Datensätzen mit gleichen Attributen aber unterschiedlichen
Attributwerten
Eine Entität = Entity entspricht einem Datensatz
Überlappende Entitätsmengen ergeben sich, wenn Entitäten
mehreren Entitätsmengen angehören können, z.B.
Studierende als auch Angestellte können Doktoranden sein.
Beispiel: Entitytyp
Assoziationen
Eine Assoziation zwischen zwei Entitäten legt fest, wie viele
Entitäten aus Entitätsmenge 2 einer Entität aus Entitätsmenge
1 zugeordnet sind
Die Kombination einer Assoziation mit ihrer Gegenassoziation
ergibt eine Beziehung
Vorgehensweise
1. Schritt : Sammeln der Datenelemente
Datenliste
PS
Datenfeld
Typ
Länge
PS
:
Datenfeld :
Typ
:
Länge
:
NULL
:
Entität
:
Alias
:
Beschreib.
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.)
Vorgehensweise
2. Schritt : Datenobjekte (Entitäten) finden
Datenliste
PS
J
Datenfeld
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
Auftrag
Artikel
Artikel
Kunde
Kunde
Kundenname
Beschreibung
Entity-Relationship-Modell (ERM)
Beziehungsarten
1 : 1
1 : n
n : m
identifizierende Beziehung
z.B. Student hat Matrikelnummer
charakterisierende und klassifizierende
Beziehung
z.B. Semestergruppe hat Student
nicht eindeutige Beziehung, sie muß
im Rahmen der Datennormalisierung
aufgelöst werden.
Beispiel: Student besucht Vorlesung
Hierarchische Beziehung
Definition. Zu jeder Entität eines untergeordneten Entitätstyps (Kindrelation) existiert genau eine
Entität eines übergeordneten Entitätstyps (Elternrelation)
mc
KUNDEN
RECHNUNGEN
Erläuterung. Jede Rechnung ist einem Kunden zugeordnet, ein Kunde kann keine, eine oder mehrere Rechnungen erhalten.
Arbeitsschritte bei hierarchischen Beziehungen:
Hierarchische Beziehungen werden direkt in Relationen umgesetzt.
Primärschlüssel der Elternrelation werden als Fremdschlüssel in die Kindrelation übernommen. Hierbei kann der Fremdschlüssel sowohl Schlüssel- als auch
Nichtschlüsselattribut sein. Er kann jedoch in der Kindrelation nicht alleiniger Primärschlüssel sein.
Ein Beispiel:
R. KUNDE
KundenNr
R. RECHNUNG
...
RechnNr
KundenNr
...
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
c : cn
Student
Buch
n : cm
Student
Vorlesung
cn : cm
Bauteil
Bauteil
Student hat Note
Fachbereich hat Studenten
(Ausnahme FB13)
Student hat Buch ausgeliehen
Student besucht Vorlesung
Bauteil enthält Bauteil (Stückliste)
Konditionelle Beziehung
Definition. Bei einer konditionellen Beziehung ist jeder Entität eines Entitätstyps eine oder keine Entität eines anderen
Entitätstyps zugeordnet.
c
LIEFERANT
mc
ARTIKEL
Erläuterung. Ein Lieferant kann keinen, einen oder mehrere Artikel liefern. Ein Artikel kann von einem oder keinem Lieferanten
geliefert werden. (Falls er selbst hergestellt wird.)
Vorgehensweise: Es wird eine zusätzliche Relation eingefügt.
LIEFERANT
1
mc
LIEFERBEZIEH
UNG
c
1
ARTIKEL
R. LIEFERANT
R. LIEFERBEZIEHUNG
R. ARTIKEL
LieferantN
r.
LieferantN
r.
ArtikelNr.
..
ArtikelNr.
..
Vorgehensweise
3. Schritt : Beziehungen zwischen den Entitätsmengen beschreiben
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)
Auftrag
Artikel
(1,1)
(1,1)
(1,n)
enthält
Auftragsposition
(1,n)
enthält
Beispiel: 1:n Beziehung graphisch
Eine Abteilung kann
mehrere Mitarbeiter haben,
ein Mitarbeiter gehört
genau einer Abteilung an
Beispiel: n:m Beziehung graphisch
Ein Mitarbeiter kann an mehreren
Projekten mitarbeiten – in einem
Projekt sind mehrere Mitarbeiter
beschäftigt
Datentypen
Datentyp
Erläuterung
Beispiel
char (Länge)
Zeichenkette mit
vorgegebener
definierter Länge
Artikel_name
char (30),
decimal (Länge,
Dezimalstellen)
numeric (Länge,
Dezimalstellen)
Dezimalstellen
Artikel_menge
mit vorgegebener numeric (4,2)
maximaler Länge
und Anzahl der
Dezimalstellen
date
Syntax in SQLServer: datetime
Datumswert
Kunden_geburtsd
atum datetime
Datenmanipulation
Operationen der Datenmanipulation:
Abfragen von Daten
Einfügen, Ändern oder Löschen von Daten
Aufbereitung auszugebener Daten
Definition von Views
Merkmale der Abfragesprache SQL
Entwicklung
SQL: Structured Querry Language. Ursprünglich von IBM als
Abfragesprache konzipiert. Inzwischen verfügt SQL über einen
mächtigen Funktionsumfang. SQL hat sich als Standard für
relationale Datenbanken durchgesetzt.
Einsatz in der Regel durch Systementwickler
Erste Normung durch American National Standards Institut
(ANSI) 1981 und 1986 (SQL-86)
Entstehung zahlreicher SQL-Dialekte
1992: SQL2 (ISO 9075)
1999: SQL:1999 wird veröffentlicht. (vormals als SQL3
bezeichnet.)
Charakterisierung von SQL
“SQL ist eine relationale, anweisungsorientierte,
deskriptive und mengenorientierte Datenbanksprache,
die sowohl selbstständig als auch eingebettet
eingesetzt werden kann.”
[Wirtschaftsinformatik, Lektion 3: 71]
Abfragetypen
Qualifizierte Abfrage: liefert genau einen oder keinen
Datensatz – erfolgt meistens über Primärschlüssel. Über die
Ablagestrukturen z.B. in Form eines Indes, kann das DBMS
diese Form optimal bedienen.
Teilqualifizierte Abfrage: wählt aus einer Datenmenge eine
Teilmenge nach bestimmten Kriterien aus
Nicht qualifizierte Abfrage: gibt den gesamten Tabelleninhalt
zurück
Vorbereitete Abfragen
Vorbereitete Abfragen verlangen vom Nutzer keine
Datenbankkenntnisse und haben drei Vorteile:
Eingabeeffizienz: Präzise Definition der gewünschten
Datenmenge
Ausgabeeffizienz: Optimierung der Datendarstellung
Maschineneffizienz: Optimierung der physischen
Datenzugriffe
Klassifikation von DMLs 1
Selbständig oder eingebettet: Befehlssatz zur Darstellung
auf der Benutzeroberfläche ohne gesondertes
Anwendungsprogramm oder Kombination von Befehlen mit
einer Programmiersprache zum Einsatz in
Anwendungsprogrammen
Deskriptiv oder prozedural: direkte Bezeichnung der
Datensätze ohne Suchprozesse oder Datenzugriff über
Suchprozesse durch Festlegung einer Operationenfolge
Mengen- oder tupelorientiert: Verwendung logischer
Mengenoperationen wie Vereinigung oder Durchschnitt oder
Verarbeitung von Datensätzen mit den Operationen Einfügen,
Löschen, Ändern
Klassifikation von DMLs 2
Textuell oder graphisch: Formulierung der Abfragen in Text
oder Verwendung graphischer Elemente zur
Abfragespezifikation
3. Generation oder 4. Generation: höhere
Programmiersprachen erlauben die Verwendung eingebetteter
DML-Befehle oder unabhängig in der Systemumgebung
existierende DML-Befehle (Power Builder)
SQL-Komponenten
SQL
DDL
DML
DCL
(Data Definition Language)
(Data Manipulation Language)
(Data Control Language)
Anlegen von
Datenstrukturen
Kernbereich von
SQL
Sprache für die
Kontrolle der
Privilegien;
Festlegung der
Zugriffsrechte
Operationen zum
Formulieren von
Abfragen und zur
Änderung des
Datenbestandes
CREATE, DROP,
ALTER
SELECT, INSERT,
DELETE
GRANT, REVOKE
SQL-Struktur
DDL Data Definition Language
CREATE (Anlegen von Tabellen, Sichten, Indexen, ...)
ALTER (Ändern)
DROP (Löschen)
DML Data Manipulation Language
SELECT (Abfragen)
INSERT (Einfügen von Zeilen)
UPDATE (Ändern)
DELETE (Löschen)
DCL Data Control Language
GRANT (Vergabe von Zugriffsrechten)
REVOKE (Zurücknahme von Zugriffsrechten)
COMMIT (Abschluß einer Transaktion)
ROLLBACK (Abbruch einer Transaktion)
SQL-Anweisungen
SCHLÜSSELWORT Name (Werte und Parameter);
Es folgen Namen, Werte
und sonstige Parameter
Schlüsselwort, kennzeichnet die auszuführende Funktionen
Abschluss der
Anweisung
durch ein
Semikolon
Erzeugung von Tabellen
CREATE TABLE tabellenname
(spaltenbeschreibung, spaltenbeschreibung, ...);
Spaltennamen, Datentypangabe, Angabe ob Nullwerte zulässig sind.
Beispiel
CREATE TABLE ARTIKEL
(ARTNR
NUMBER(8), Primary Key, NOT NULL,
BEZEICHNUNG
CHAR(30),
EPREIS
NUMBER(10,2));
Erläuterung: Eine Relation „Artikel“ mit drei Attributen wird definiert.
Löschen von Tabellen
DROP TABLE tabellenname
Mit dem gleichen Befehl können auch Views gelöscht werden.
Beispiel
DROP TABLE ARTIKEL;
Erläuterung: Die Tabelle „Artikel“ wird vollständig gelöscht.
Primärschlüssel
PRIMARY KEY (primärschlüssel, primärschlüssel),
Beispiel 1
PRIMARY KEY (KUNR),
Beispiel 2
CREATE TABLE KUGRUPPE
(KUGRUNR
NUMBER(4) NOT NULL,
RABATTSATZ
NUMBER(5,2),
PRIMARY KEY (KUGRUNR));
Erläuterung: Im ersten Beispiel wird KUNR zum Primärschlüssel; das zweite Beispiel zeigt,
wie die Tabelle KUGRUPPE erstellt und KUGRUNR als Primärschlüssel definiert wird.
Fremdschlüsselbeziehungen
FOREIGN KEY (primärschlüssel, primärschlüssel)
REFERENCES tabellenname
Es wird kontrolliert, ob die Fremdschlüsseleinträge immer auf
gültige Primärschlüssel in einer anderen Relation verweisen
(Referentielle Integrität)
Beispiel 1
FOREIGN KEY (KUGRUNR) REFERENCES KUGRUPPE
Beispiel 2
Primary KEY (RENR, REDAT, ARTNR),
FOREIGN KEY (RENR, REDAT) REFERENCES RECHNUNGEN,
FOEIGN KEY (ARTNR) REFERENCES ARTIKEL
CHECK-Klausel
CHECK ((primärschlüssel, primärschlüssel),
IN (SELECT primärschlüssel FROM tabellenname))
Beispiel 1
CHECK ((KUGRUNR) IN (SELECT KUGRUNR FROM KUNDEN))
Beispiel 2
CHECK ((RENR, REDAT) IN (SELECT RENR, REDAT FROM RECHPOS))
Erläuterung: Im ersten Beispiel wird geprüft, ob einer Kundengruppe mindestens ein
Kunde zugeordnet ist. Im zweiten Beispiel wird geprüft, ob mindestens eine Position pro
Rechnung vorhanden ist.
Abfragen von Daten
Abfragen von Daten erfolgen mit der SELCET-Anweisung
Selektion:
Zeilen nach bestimmten Bedingungen auswählen
Projektion: Auswahl gewünschter Spalten
Verbund:
Verknüpfung verschiedener Tabellen über
gemeinsame Schlüssel
Kombinationen der Operationen sind möglich.
Ausgangsrelation
Abfrage
Ergebnisrelation
SELECT-Klausel
SELECT Spaltennamen
INTO Zielvariable (nur bei SELECT in Anwenderprogramm)
FROM Tabellenquelle(-n)
WHERE Auswahlkriterien
GROUP BY Gruppenbildung
HAVING Gruppenbedingung
UNION Vereinigungsmenge
ORDER BY Sortierung
SELECT - speziell
SELECT * FROM KUNDE
WHERE ORT = ‘Bremen’ AND KINFO = ‘Versicherung’
ORDER BY ORT;
Logische Operatoren:
NOT Verneinung der Bedingung
AND Logisches UND
OR Logisches ODER
XOR Logische Antivalenz
EQV Logische Äquivalenz
IMP Logische Implikation
Vergleichsoperatoren:
= , < , > , <> ,
!= , <= , >=
Verknüpfungsoperator:
& Verbindet Zeichenfolgen
Mathematische Ausdrücke:
+,-,*,/,
\ (Div) , MOD , ^ (Potenz)
Anfragetypen
Grundlegende Anfragetypen
Projektion:
Zeige ausgewählte
Attributwerte für alle
Entities
Selektion:
Zeige alle Attributwerte für ausgewählte
Entities
E1
E2
E3
E4
E5
E6
E7
A1
AW 1,1
AW 2,1
AW 3,1
AW 4,1
AW 5,1
AW 6,1
AW 7,1
A2
A W 1,2
A W 2,2
A W 3,2
A W 4,2
A W 5,2
A W 6,2
A W 7,2
A3
AW 1,3
AW 2,3
AW 3,3
AW 4,3
AW 5,3
AW 6,3
AW 7,3
A4
A W 1,4
A W 2,4
A W 3,4
A W 4,4
A W 5,4
A W 6,4
A W 7,4
E1
E2
E3
E4
E5
E6
E7
A1
A W 1,1
AW 2,1
A W 3,1
AW 4,1
AW 5,1
A W 6,1
A W 7,1
A2
A W 1,2
AW 2,2
A W 3,2
AW 4,2
AW 5,2
A W 6,2
A W 7,2
A3
A W 1,3
AW 2,3
A W 3,3
AW 4,3
AW 5,3
A W 6,3
A W 7,3
A4
A W 1,4
AW 2,4
A W 3,4
AW 4,4
AW 5,4
A W 6,4
A W 7,4
Projektion/Selektion liefern neue Relation
Anfragetypen
Projektion und Selektion sind kombinierbar
Zeige ausgewählte Attributwerte für ausgewählte Entities
Weiterer Anfragetyp: Join
Verbund
Daten entstammen dabei aus mehr als einer Relation
Beispiele:
Liste aller Zimmer mit Art und Ausstattung (Projektion)
Liste aller Gäste mit KdNr, Name, Wohnort und Strasse
aus Schleswig (Selektion)
Liste aller Einzelzimmer mit Ausstattung (Projektion und
Selektion)
Liste aller Zimmer mit ZiNr und Preis (Join aus Zimmer
und Preis)
Anfrage von Daten
SELECT-Befehl von SQL
SELECT-Befehl erwartet Einhaltung syntaktischer Regeln
Reihenfolge der Schlüsselwörter
Klammerung von Unteranfragen, etc.
SELECT-Befehl stellt mächtige Funktionen zur Verfügung
SELECT-Syntax
Komponente
SELECT
Funktion
Spaltenliste
Projektion: Auswahl der gewünschten Spalten
SELECT [DISTINCT | ALL] Spaltennamen | *
FROM
Tabellennamen | Viewnamen
Verbund: Verbindung der verschiedenen
gewünschten Tabellen über
gemeinsamen Schlüssel
[WHERE
Bedingungen, die Tupel
spezifizieren]
Selektion: Auswahl bestimmter Zeilen
DISTINCT: Ignoriert doppelte Datensätze
ALL: Auch doppelte Datensätze werden
gefunden
Boolsche Operatoren (AND, OR, NOT)
Relationenopertaoren (>, <, = ..)
Spezielle Operatoren (BETEEN, IN, IS
NULL, LIKE, EXISTS)
Unterabfragen
[GROUP BY
Spaltenname, nach
gruppiert wird]
denen
Tupel, die in einer ausgewählten Spalte gleiche
Attributwerte enthalten, werden zu einer
Gruppe zusammengefasst.
[Having
Auswahlbedingung]
Auswahl bestimmter Gruppen. Die HavingKomponente kann nur zusammen mit der
GROUP BY-Komponente verwendet
werden.
[ORDER BY
Spaltenname |Spaltennummer
]
Spaltenname ASC
Spaltenname DESC]
Erzwingt eine bestimmte Sortierreihenfolge der
Zeilen in der Ergebnisrelation.
Einfügen von Daten
Ziel: Einfügen neuer Tupel in eine Relation
INSERT INTO tabellenname (spaltenliste)
VALUES (werteliste);
Beispiel
INSERT INTO KUNDEN (KNR, NAME, ORT)
VALUES (123, ´Schulze´, ´Stuttgart´);
Ändern von Daten
Ziel: Ändern von Tupeln
UPDATE tabellenname
SET
spalte = Ausdruck, ...
WHERE auswahlbedingung;
(WHERE-Bedingung ist optional)
Beispiel 1
Beispiel 2
UPDATE KUNDEN
SET
ORT = ´Stuttgart´
WHERE ORT = ´Stuttgard´
UPDATE RECHNUNG
SET
BETRAG = BETRAG * 1.15
WHERE KNR NOT IN
(SELECT KNR
FROM KUNDEN
WHERE ORT = ´München´);
Erläuterung: Im ersten Beispiel wird die Schreibweise eines Ortsnamens korrigiert. Im zweiten
Beispiel erhöht die Anweisung die Rechnungsbeträge der Kunden, die nicht aus München
kommen, um 15 Prozent.
Löschen von Daten
Ziel: Löschen von Tupeln
DELETE FROM tabellenname
WHERE auswahlbedingung;
(WHERE-Bedingung ist optional)
Beispiel 1
Beispiel 2
DELETE FROM KUNDEN;
DELETE FROM KUNDEN
WHERE ORT = ´HAMBURG´;
Erläuterung: Im ersten Beispiel werden alle Tupel aus der Relation Kunden gelöscht. Im
zweiten Beispiel werden alle Tupel von Kunden aus Hamburg gelöscht.
Definition von Views [01]
View-Tabellen sind virtuelle Tabellen.
CREATE VIEW viewname (spaltenliste)
AS Select-Anweisung
Tabellen und Spalten,
die die Basis für den
View bilden.
Definition der Spalten, aus denen der
View bestehen soll.Wenn keine Angaben
gemacht werden, werden die Spalten
aus den Tabellen übernommen, die den
View bilden.
Viewname = Name unter dem der
View aufgerufen und im
SQL-Systemkatalog verwaltet wird.
Definition von Views [02]
CREATE VIEW RECHKUNDE (RENR, BETRAG, KNR, NAME, ORT)
AS SELECT RENR, BETRAG, R.KNR, NAME, ORT
FROM
RECHNUNG R, KUNDE K
WHERE R.KNR = K.KNR
ORDER BY RENR;
Erläuterung:Das Beispiel liefert aus den Tabellen KUNDEN und RECHNUNG für jede
Rechnung den zugehörigen Kundennamen und Wohnort.
Funktion von Views
Wiederkehrende Speicherung von Anfragen – Reproduktion
auf Knopfdruck
Views nutzen alle DML-Operationen
Möglichkeit zur bewussten virtuellen Redundanz, z.B. Umsatz
als Produkt aus Preis und Menge
Bereitstellung von vorgefertigten Reports als Folge von SQLAnweisungen durch die SW-Hersteller
Vorteile von Views
Vereinfachung und Fehlerreduktion: komplizierte Abfragen
werden einmalig definiert und sind dann wieder abrufbar
Datenschutz: der Benutzer erhält nur Zugriff auf solche
Daten, für die er eine Zugriffberechtigung besitzt.
Vermeidung virtueller Redundanz: Attribute, die aus
bestehenden Attributen erzeugt werden können, müssen nicht
gesondert gespeichert werden, z.B. Umsatz als Produkt aus
Preis*Menge.
Erläuterungen zur SQL-Syntax
Funktion
MAX, AVG, SUM, COUNT, STDDEV ...
Literal
nummerische, „alphabetische“ Konstante
Ausdruck
Nummerisch: +, -, /,
Bedingung
Relational: =, <, >, <>, >=, <=
Boolean: IN, Exists