Datenbanken Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002.

Datenbanken

Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002

Inhalt

1. Motivation2. Grundlegende Begriffe3. Geschichte4. Aufgabenfelder / Tätigkeitsbereiche5. Grundlagen6. Formalisierung der Realität7. Modelle8. Datenmodellierung

Literatur

Meier, Andreas, [2001]: Relationale Datenbanken – Leitfaden für die Praxis, Springer, Berlin.

Heuer, Andreas / Saake, Gunter [2000]: Datenbanken: Konzepte und Sprachen, 2. Auflage, mitp, Bonn.

Vossen, Gottfried, [2000]: Datenmodelle, Daten-banksprachen und Datenbankmanagement-systeme, 4. Auflage Oldenburg, München.

Motivation

Vorher

6Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002

Nachher

8Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002

Datenbanken - Motivation

Die ganze Datenbankproblematik beginnt damit, dass “man” “Daten” längerfristig, d.h. über die Laufzeit eines Programmes hinaus, auf einem Computer speichern will.

Computer / Rechner EDV

(elektronische Datenverarbeitung)

Datenbanken - Anforderungen

• Schnelle, flexible Suchmöglichkeiten im Datenbestand

• Gezielter schneller Zugriff auf bestimmte Eigenschaften eines Objektes

• Einfache gezielte Änderung der Daten • Paralleler Zugriff mehrerer Mitarbeiter oder

Programme auf die Daten, ohne dass die Daten fehlerhaft werden

• Datenunabhängigkeit

• Unterstützung von Transaktionen, (d.h. mehrere sequentiell durchgeführte Änderungen von Daten werden zusammenhängend behandelt. Entweder werden alle Änderungen durchgeführt oder keine)

• Gezielte Vergabe von Zugriffsrechten für Anwender und Entwickler

• Datenkonsistenz /-integrität• Datensicherung

• Gute Weiterverarbeitungs- bzw. Auswertungsmöglichkeiten der Daten durch Programme

• Hohe Leistungsfähigkeit auch bei der Verarbeitung von sehr grossen Datenmengen und sehr vielen gleichzeitigen Zugriffen

• Synchronisierte effiziente Verteilung der Daten im Netzwerk (Replikation)

Grundfunktionen von DBen

• Anwender– Suche und Anzeige von Daten– Eingabe von Daten– Löschen von Daten– Veränderung von Daten

• Entwickler– Datenbank anlegen– Tabellen definieren– Verknüpfungen zwischen Tabellen

definieren

Vorteile DB gegenüber Datei

• Einfachere Strukturierbarkeit der Daten

• schnellerer systematischerer Zugriff auf die einzelne Daten

• Vorhandene Suchfunktionen bzw. Anfragesprachen (SQL, QBL)

• Flexible Verknüpfbarkeit von Daten

Vorteile von zentraler gegenüber lokaler DB

• Massiver kontrollierter Parallelzugriff• Alle berechtigten Mitarbeiter können von

ihrem Arbeitsplatz aus auf die gleichen Daten zugreifen

• Alle berechtigten Mitarbeiter können Daten manipulieren

• Zugriffsrechte können flexibel vergeben werden

• Integrierte Datenhaltung aller Daten (ohne Redundanzen)

Grundlegende Begriffe

Definitionen

• Datenbank

• Daten

• Datenbankmanagementsystem

Datenbank - Definition

Eine Datenbank ist eine strukturiert bzw. geordnet , elektronisch gespeicherte Sammlung von Daten(elementen).Die dabei berücksichtigen Objekte, Eigenschaften und deren technische Organisation ergeben sich im Rahmen der Datenmodellierung– aus den Aufgaben, für die sie modelliert werden,

und – aus den technischen Möglichkeiten des

Datenbankverwaltungssystems (DBMS).

Beispiele für Datenbanken

• Mitarbeiterdatenverwaltung• Kundendatenverwaltung• Auftragsverwaltung• Produktkatalog• Bibliotheksverwaltung• Lagerhaltung• Bundes-Bahn-Fahrplan • Veranstaltungsmanagement

Daten - Definition

• Daten sind einzelne oder aneinander gereihte Zeichen mit einer Bedeutung

• Daten sind Informationen in einer zur technikgestützten Darstellung und Verarbeitung geeigneten Form.

Daten - Beispiele

• Zahlen: „12646“z.B. interpretiert als Kosten in DM

oder als Postleitzahl eines Ortes

• Namen: „Herbert“

z.B. interpretiert als Vorname eines Mitarbeiters

• Datumsangabe: „10.02.02“

interpretiert als 10. Februar 2002

Datenbankmanagementsystem (DBMS)

Software-System zur Verwaltung von Datenbanken

Datenbankzugriffen

Reale DBMS auf dem Markt

• DB2 /UDB (IBM)• Oracle (Oracle)• MS SQL Server (Microsoft)• MySQL (Linux / Open Source)• Sybase (Sybase)• Informix (IBM)• Tamino (Software AG)• MS Access (Microsoft) (Desktop)

Geschichte der Datenbanktechnologie

Datenbanken - Geschichte

1. Generation

• Speicherung der Daten auf Lochkarten oder Magnetbändern

• Offline-Betrieb / Batchverarbeitung(Berichte)

• Sequentieller Zugriff auf die Daten

2. Generation

• Speicherung der Daten auf Magnetplatten

• Online-Betrieb (interaktiv am Terminal)

• Direkter Zugriff auf die Daten

• Parallelzugriff auf die Datenbank

• Hierarchisches Datenmodell (IMS / IBM)

• Netzwerkmodell (UDS / Siemens)Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002

3. Generation

• Nichtprozedurale DB-Sprachen (was statt wie)

• Relationales Datenmodell (DB2, Oracle)

• Entity Relationschip Model (Chang)

• SQL (Structered Query Language)

• Datenunabhängigkeit

4. Generation

• Datenbanken auf PC-Basis (dbase / MS-Access)

• Objektorientierte Datenbanken (Poet / O2)

• Client-Server-Architekturen

5. Generation• Offene Schnittstellen (ODBC)• Integration mit Internettechnik (JDBC)• Objektrelationale Datenbanken • Zeitdatenbanken• Deduktive Datenbanken• Multidimensionale Datenbanken• Verteilte Datenbanken

Aufgabenfelder

• Nutzung durch Anwender

• Entwicklung (Entwickler)

• Verwaltung (Administrator)

• Datenarchitektur (Datenarchitekt)

Anwendertätigkeiten

• Daten suchen, anschauen

• Datenpflege (Aktualisierung der Daten)– neue Daten eingeben– vorhandene Daten löschen– vorhandene Daten verändern

Aufgaben Entwickler

• Datenmodellierung – Konzeptionelles Schema entwerfen– Tabellen und Verknüpfungen definieren

• Ansichten generieren

• Formulare / Masken entwerfen

• Standard-Berichte erstellen

• Anwendungsentwicklung mit DBen

• Konsistenzsicherung der Datenbasis

Aufgaben Administrator

• Implementation DBMS

• Datensicherung (Back-up)

• Benutzerverwaltung

• Tuning (Performance-Optimierung)

• Replikation im Rahmen verteilter DBen

Aufgaben Datenarchitekt

• Konzept für ein möglichst redundanzfreies unternehmensweites Datenmodell erstellen und pflegen

• Konzept zur Verteilung der Daten im Netzwerk erstellen und pflegen

• Beratung und Koordination von Entwicklern und Administratoren

Zugriffsformen

DB1 DB2 DB3

Entwickler

Entwicklungs-tool

Verwaltungs-tool

Anwender-tool

Administrator Anwender

Grundlagen

Unterschied: Daten - Dokumente

• Daten setzen sich aus terminologisch kontrollierten und systematisch verknüpften Datenelementen zusammen

• Daten sind durch Datenfelder stark strukturiert (Beispiel: Tabelle)

• Dokumente sind schwach strukturierte und terminologisch wenig kontrollierte Informationen (Beispiel: Text, Multimedia)

Unterschied: DBMS- DMS/CMS

• DBMS: Datenbankmanagementsystem– speichert Daten in einzelnen Feldern– erlaubt direkten Zugriff und kombinierte

Suche über jedes Datenfeld– kontrollierte Terminologie

• DMS Dokumentenmangementsystem– speichert Dokumente– Zugriff mittels Index oder Volltextsuche

• CMS: Content Management System

Unterschied: DBMS- DMS/CMS

• CMS: Content Management System– speichert Dokumente– Zugriff mittels Index, Volltextsuche, Link– Web-orientiert (Hypermedia) – Trennung von Inhalt und Form– Site-Management– unterstützt kooperatives / paralleles Web-

Publishing– Schnittstellen zu DBMS und DMS

Datenbanktypen / (Modelle)

• Hierarchische Datenbanken

• Netzwerk Datenbanken

• Relationale Datenbanken

• Objektrelationale Datenbanken

• Objektorientierte Datenbanken

Datenbanktypen

• Föderierte Datenbanken

• Multimedia Datenbanken

• Temporale Datenbanken

• Deduktive Datenbanken

• XML-Datenbanken

Datenbankanwendungen

• WEB-Datenbanken

• CAD-Datenbanken

• Data-Warehouse-Systeme

• Volltext-Datenbanken

• Geographische Informationssysteme

• Dokumenten- /Content-Management

• Suchmaschinen / Information Retrieval

Desintegrierte Datenhaltung

Datei1 Datei2 Datei3

Anw.1 Anw.2 Anw.3

Client1 Client2 Client3

Integrierte Datenhaltung in mehreren DB

DB1 DB2 DB3

Anw.1 Anw.2 Anw.3

Integrierte Datenhaltung in einer DB

Daten-bank

Anw.1 Anw.2 Anw.3

Komplette Integration

Daten-bank

Anw.1 Anw.2Client

MiddlewareS1

Komponenten/Services

KomponentenServices

ANSI (SPARC) DB-Architektur

Datei2 Datei3 Datei4

Sicht1 Sicht2 Sicht3

Benutzer2 Benutzer3Benutzer1

externe Ebene

Physikalische Ebene

Konzeptionelle Ebene / Logisches Datenmodell

Datei1 Datei5

SichtendereinzelnenBenutzer

PhysikalischeDatenorganisationund Zugriff

Datenunabhängigkeit

• Die ANSI SPARC 3 Schema-Architektur ermöglicht Datenunabhängigkeit

• An jedem Schema können Änderungen vorgenommen werden, ohne dass die anderen Schemata davon betroffen sind.

• Am der konzeptionellen Schemata können Änderungen durchgeführt werden, ohne dass Anwendungen, die auf dem externen Schema aufsetzen, dadurch angepasst werden müssten.

• Gleiches gilt für Änderungen auf dem internen Schema

Datenqualität

• Korrektheit der Daten

• Aktualität der Daten

• Vollständigkeit der Daten

• Widerspruchsfreiheit der Daten

• Relevanz der Daten

• „Algorithmen und Datenstrukturen“

Formalisierung der Realität

• Gegenstände, Individuen, Objekte – Eigennamen (Peter, Hasso, USA) – Kennzeichnungen (der Pförtner von IBM)– Nominalphrasen (der Chef von IBM)

• Begriffe, Klassen, Objekttypen, Eigenschaften, Attribute, Merkmale

(Mensch, Tier, Lebewesen, Staat)

• Relationen (z.B.: grösser als, höher als)

PflanzeMensch Tier

SacheLebe-wesen

Mitar-beiter

Haus Stein

BaumHund

HassoPaul

is-ais-a

is-a is-a is-a

instanz instanz

BegriffeKlassenObjekttypen

Objekte

Teil-von

Ideeis-a

OberbegriffeUnterbegriffe

Logik:

is-a(Mensch, Lebewesen)

Mensch(Paul), Lebewesen(Paul)

G H is-a(G,H) ( x G(x) H(x))

instanz(Paul,Mensch), Mensch(Paul)

x G instanz(x,G) G(x)

Extensional: „G ist Teilmenge von H“

Mensch

Lebewesen

Eigenschaften / Attribute

• Klassenzugehörigkeit (Lebewesen)

• „pure“ Eigenschaft (Attribut)

Beispiele:

Gewicht, Grösse, Alter,Farbe, Name,

Gehaltsstufe, Höchstgeschwindigkeit

grün(Bank1) Farbe(Bank1, grün).

schwer(Bank1) Gewicht(Bank1,schwer).

Objektname Farbe Gewicht

schwergrünBank1

Tabelle

Eigenschaft

Farbe Gewicht

grün schwerblau

Modelle

• Bilden die Wirklichkeit ab durch – Zweckbezogene Abstraktion– Zweckbezogene Reduktion der

Komplexität

• schaffen bessere Einsicht in die relevanten Zusammenhänge relevanten Eigenschaften relevanten Beziehungen der relevanten Komponenten.

Modelle

• Zwischenrepräsentationen für die Entwicklung komplexer Systeme

• Darstellungen, Muster, oder Schemata gegebener oder erst noch zu schaffender Phänomene,

• Dienen in einem gegebenen Kontext bestimmten Personen bei der Verfolgung bestimmter Ziele und Zwecke.

• Sind für gewisse Aufgaben und innerhalb eines gewissen pragmatischen Kontextes geschaffen

• Unterstützen die Kommunikation zwischen Entwicklern und Anwendern

• Ermöglichen übersichtliche Spezifikation und Dokumentation

Modelle - Merkmale

• Abbildungsmerkmal(Modell von was?)

• Verkürzungsmerkmal (Selektionsmerkmal)

• Pragmatisches Merkmal (Funktion - Intention, Modell wozu? für wen? wann?)

Modellierung

Die methodisch geleitete Tätigkeit

der Erstellung von Modellen

Modellierungsansatz

ist eine aufeinander abgestimmte Kombination von

• Methoden (wie ist etwas zu tun?)

• Vorgehen (was ist wann zu tun?)

• Werkzeugen (Womit ist etwas zu tun?)

Datenmodellierung

• Tätigkeit zur Strukturierung der Datenbestände

Ziel:Redundanzarme systematische Beschreibung der zur computerunterstützten Arbeit mit einem DBMS benötigten Gegenstände, Begriffe und deren Zusammenhänge.

Datenmodellierung im Relationalen Modell

• Bestimmung der relevanten Objekttypen

• Bestimmung der relevanten Eigenschaften (Attribute)

• Bestimmung der Beziehungen zwischen den Objekttypen

• Abbildung der Objekttypen und der Beziehungen auf Tabellen

• Normalisierung der TabellenProf. Dr. Fabian Glasen, Datenbanken, Januar 2002

Objekte (Entities) können sein:

• Dinge

• Personen

• Gegenstände

• Vorgänge

alles was Eigenschaften hat!!!

Definition: Relation

Eine Relation R ist eine Teilmenge des kartesischen Produktes von Domänen Di (1 i n):

R D1 x ... x Dn.

Endliche Relationen kann man auch als zweidimensionale Tabellen darstellen.

Tabellen

• Tabellenname

• Zeilen, Spalten, Zellen

• Merkmale, Attribute Spalten

• Datensätze Zeilen

• Datenelemente Zellen

Beispiel

Mitarbeiter

M# Name Ort

M1 Becker Basel

M2 Meier Lörrach

Spalte / Attribut

Datensatz

Datenelement / Datenwert

Beziehung Tabelle / Relation

R= {(M1, Becker, Basel), (M2, Meier, Lörrach)}

M# Name Ort

M1 Becker Basel

M2 Meier Lörrach

Relationen / Tabellen / ERM

Relation Tabelle ERM

Objekttyp Relation Tabelle Entity-Typ

Objekt Tupel Zeile Entity

Eigenschaft "Stelle" in der Relation

Spalte mit Attribut- name

Attribut

Beziehung zwischen Objekten

Mittels eigener Relation zwischen Objektnamen

Durch Verknüpfung von Schlüssel-attributen

Relationship

Tabellendefinition• Eindeutiger Tabellenname• Eindeutiger Merkmalsname pro Tabelle• Reihenfolge der Merkmale ist egal• Anzahl der Merkmale ist beliebig (endlich)• Anzahl der Datensätze ist beliebig (endlich)• Die Reihenfolge der Datensätze ist beliebig• Mit jedem Merkmal wird ein Datentyp verknüpft• Schlüsselfeld dient der eindeutigen Identifikation eines

Datensatzes• Es gibt keine 2 Datensätze mit identischen

SchlüsselwertenProf. Dr. Fabian Glasen, Datenbanken, Januar 2002

Atomare Attributwerte:

Für das Relationale Modell gilt folgende wesentliche Einschränkung:

• Der Wert eines Attributs darf nur aus einem „atomaren“ Attributwert bestehen.

Beispiel:Die Relation Hobby(Name, Hobbies) enthalte die folgenden Tupel:

• (Huber, {Drachenfliegen,Segeln, Bergsteigen})• (Meier, Musik)• (Mueller, {Musik, Literatur, Theater})

Nicht-atomare Attributwerte sind • {Drachenfliegen, Segeln, Bergsteigen} und

{Musik, Literatur, Theater}. Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002

Definition: erste Normalform

Eine Relation ist in erster Normalform (1NF), wenn alle ihre Attribute nur atomare Attributwerte besitzen.

Beispiel: Normalisierung in 1NFDie Relation Hobby kann auf einfache Weise in eine Relation „Hob“

in erster Normalform überführt werden:

Relationenschema

Hob(Name: varchar(20), Hobby: varchar(30))

und folgenden Tupeln

(Huber, Drachenfliegen)(Huber, Segeln)(Huber, Bergsteigen)(Meier, Musik)(Mueller, Musik)(Mueller, Literatur)(Mueller, Theater)

Datenbanken Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002.

Documents

Transcript of Datenbanken Prof. Dr. Fabian Glasen, Datenbanken, Januar 2002.

Datenbanken 1

Protokoll Optik-Praktikum WS 2001/02 - uni-potsdam.de · Protokoll Optik-Praktikum WS 2001/2002 Universit at Potsdam Matthias Fuˇling Konrad Kieling Uta Naether Fabian Schmidt Helge

Fabian Concordia Quinta

Datenbanken?. Datenbanken! de.wikipedia.org/wiki/Vorratsdatenspeicherung Kundendaten Telefonbuchdaten Internet-Verbindungsdaten Telefon-Verbindungsdaten.

XML Encryption and Signature€¦ · XML Encryption and Signature Hauptseminar Datenbanken und XML Markus Hinkelmann 08. Januar 2002 1

Datenbanken IFB 2002 Klaus Becker. KB Datenbanken 2 Teil 1 Relationale Datenbanken.

Oberseminar Datenbanken Multimediale Datenbanken Christian Völschow.

Webdesign und Datenbanken Nico Lange. Was soll das? Gute Gründe für Datenbanken.

Grundlagen Datenbanken (GDB)

Quelle: Fabian

Räumliche Indexierung für objekt-relationale Datenbanken · 126 Marco Pötke 2.1 Temporale Datenbanken Temporale Datenbanken enthalten Information, deren Gültigkeit durch Intervalle

Datenbanken für Mathematiker

XML - Datenrepräsentation und Abfragesprachen WS 2001/02 XQuery Eine XML Abfragesprache Referent: Fabian Wleklinski (fabian@wleklinski.de)fabian@wleklinski.de.

Protokoll Kernphysik-Praktikum SS 2002 · Protokoll Kernphysik-Praktikum SS 2002 Universit at Potsdam Matthias Fuˇling Konrad Kieling Tobias K opke Fabian Schmidt Helge Todt Arwed

Deduktive Datenbanken

Bloch Fabian CV 2015

Objektorientierte Datenbanken

Prof. Dr. T. Kudraß1 Datenbanken im Web. Prof. Dr. T. Kudraß2 Überblick: Datenbanken im Web Historische Entwicklung des Web Anwendungen für Datenbanken.

Mann Fabian 1956

Ulrike Wittig Biologische Datenbanken. Einteilung der Datenbanken Klassifizierung der Datenbanken entsprechend des Inhaltes viele verschiedene sehr spezielle.