Spørsmålskompilering del 2
|
|
- Dan Danielsen
- 5 år siden
- Visninger:
Transkript
1 UNIVERSITETET I OSLO Spørsmålskompilering del 2 Estimere størrelsen på mellomresultater Vurdere fysiske spørreplaner Institutt for Informatikk INF3100 V18 Evgenij Thorstensen 1
2 Overblikk For å vurdere såvel logiske som fysiske planer trenger vi en kostnadsberegning. Kan ikke gjøres eksakt (avhengig av dataene vi har), så DBMSet estimerer. Vi vil ha en kostnadsfunksjon C som kan beregnes lokalt: C(R c S) bør regnes ut fra C(R) og C(S). Hva slags kostnader finnes? INF3100 V18 Evgenij Thorstensen 2
3 Kostnader: IO Disk-IO: Kostnader av å lese En gitt page (random read) En sekvens av pages (sequential read) Sekvens er vanligvis billigere Relevant for å velge mellom Table scan Index scan INF3100 V18 Evgenij Thorstensen 3
4 Kostnader: Antall tupler Antall tupler å prosessere i en operasjon. Relevant for alt, inkludert diskoperasjoner. Vi skal se på hvordan dette estimeres, og hvordan det påvirker valg av algoritmer for Innlesing Joins INF3100 V18 Evgenij Thorstensen 4
5 parsere konvertere Estimere resultatstørrelser anvende lover utføre estimere resultatstørrelser velge beste vurdere fysiske planer estimere kostnader INF3100 V18 Evgenij Thorstensen 5
6 Estimere størrelser Ideelt sett ønsker vi regler som er nøyaktige en liten feil kan resultere i valg av en lite hensiktsmessig algoritme i den fysiske spørreplanen enkle å beregne minimal ekstrakostnad for å gjøre selve valget logisk konsistente ikke avhengig av konkret algoritme for operatoren Men ingen universell algoritme finnes for dette Heldigvis hjelper også omtrentlige estimater til å velge en god fysisk spørreplan INF3100 V18 Evgenij Thorstensen 6
7 Notasjon B R eller B(R) angir antall blokker som er nødvendig for å lagre R tettpakket T R eller T(R) angir antall tupler i R V R (A) eller V(R,A) angir antall ulike verdier for attributt A i R Gjennomsnittlig antall tupler med like A-verdier er da T R /V R (A) S R eller S(R) er størrelsen av et tuppel i R i bytes sizeof R eller sizeof(r) er størrelsen av R i bytes: sizeof R = T R * S R INF3100 V18 Evgenij Thorstensen 7
8 Størrelsen av en projeksjon Størrelsen av en projeksjon L (R) kan beregnes nøyaktig: ett resultattuppel for hvert argumenttuppel T( A, B, (R)) = T R endrer bare størrelsen av hvert tuppel: sizeof( A, B, (R)) = T R * (S R.A + S R.B + ) INF3100 V18 Evgenij Thorstensen 8
9 Størrelsen av en projeksjon, Relasjon R A B C D 1 cat 1999 a 2 cat 2002 b 3 dog 2002 c 4 cat 1998 a 5 dog 2000 c eksempel sizeof( A, B, (R)) = T R * (S A + S B + ) sizeof R = sizeof( A (R)) = sizeof( A, B, C, D, (A+10) E (R)) = A: 4 byte integer B: 20 byte text string C: 4 byte date (year) D: 30 byte text string T R = 5 S R = 58 V R (A) = 5 V R (B) = 2 V R (C) = 4 V R (D) = 3 INF3100 V18 Evgenij Thorstensen 9
10 Størrelsen av en seleksjon En seleksjon s C (R) reduserer antall tupler, men størrelsen av hvert tuppel er uendret sizeof(s C (R)) = T(s C (R)) * S R Estimering av antall tupler avhenger av seleksjonsbetingelsen C fordeling av verdier for de aktuelle attributtene: vi antar en uniform fordeling hvor vi bruker V R (A) for å estimere antall tupler i resultatet INF3100 V18 Evgenij Thorstensen 10
11 Størrelsen av en seleksjon (forts.) For attributt A og konstant c: Likhet, s A = c (R): Bruk selektivitetsfaktoren 1/V R (A) T(s A=c (R)) = T R / V R (A) Intervall, s A < c (R): Bruk selektivitetsfaktoren 1/3 T(s A<c (R)) = T R / 3 Ulikhet, s A c (R): Bruk selektivitetsfaktoren 1-1/V R (A) T(s A c (R)) = T R * (1 1/V R (A)) INF3100 INF V18 Evgenij - Ellen Thorstensen Munthe-Kaas 11
12 Størrelsen av en seleksjon, Relasjon R A B C D 1 cat 1999 a 2 cat 2002 b 3 dog 2002 c 4 cat 1998 a 5 dog 2000 c T(s A=c (R)) = T R / V R (A) T(s A=3 (R)) = T(s B = cat (R)) = eksempel A: 4 byte integer B: 20 byte text string C: 4 byte date (year) D: 30 byte text string T R = 5 S R = 58 T(s A<c (R)) = T R / 3 T(s A > 2 (R)) = V R (A) = 5 V R (B) = 2 V R (C) = 4 V R (D) = 3 T(s A c (R)) = T R * (1 1/V R (A)) T(s B cat (R)) = INF3100 V18 Evgenij Thorstensen 12 INF Ellen Munthe-Kaas 12
13 Størrelsen av en seleksjon med AND eller NOT Seleksjon med flere betingelser med AND, s A AND B AND (R): estimer størrelsen ved hjelp av én selektivitetsfaktor for hver betingelse: 1/3 for <, >,, 1-1/V R (A) for på attributt A 1/V R (A) for = på attributt A T(s A AND B AND (R)) = T R * faktor A * faktor B *... Seleksjon med NOT, s NOT A (R): Bruk selektivitetsfaktoren 1-T(s A (R))/ T R T(s NOT A (R)) = T R T(s A (R)) INF3100 V18 Evgenij Thorstensen 13
14 Størrelsen av en seleksjon med Relasjon R AND eller NOT, eksempel A B C D 1 cat 1999 a 2 cat 2002 b 3 dog 2002 c 4 cat 1998 a 5 dog 2000 c T(s A AND B AND (R)) = T R * faktor A * faktor B *... T(s C = 1999 AND A < 4 (R)) = T(s NOT A (R)) = T R - T(s A (R)) T(s NOT A = 3 (R)) = A: 4 byte integer B: 20 byte text string C: 4 byte date (year) D: 30 byte text string T R = 5 S R = 58 V R (A) = 5 V R (B) = 2 V R (C) = 4 V R (D) = 3 INF3100 V18 Evgenij Thorstensen 14
15 Størrelsen av en seleksjon med OR Seleksjon med flere betingelser med OR, s A OR B OR (R) Alternativ 1: T(s A OR B OR (R)) = T(s A (R)) + T(s B (R)) +... Alternativ 2: T(s A OR B OR (R)) = min(t R, (T(s A (R)) + T(s B (R)) +...) ) Alternativ 3: anta at m 1 tupler tilfredsstiller den første betingelsen, m 2 tilfredsstiller den andre betingelsen,... 1 m i / T R er da andelen tupler som ikke tilfredsstiller den i-te betingelsen T(s A OR B OR (R)) = T R * [1 (1 m 1 / T R ) * (1 m 2 / T R ) *...] INF3100 V18 Evgenij Thorstensen 15
16 Størrelsen av et produkt Størrelsen av et kartesisk produkt R S kan beregnes nøyaktig: Ett tuppel for hver mulige kombinasjon av tuplene i relasjonene R og S: T(R S) = T R * T S Størrelsen av hvert nye tuppel er summen av størrelsen til hvert av de opprinnelige tuplene: S(R S) = S R + S S sizeof(r S) = T(R S) * S(R S) = T R * T S * (S R + S S ) INF3100 V18 Evgenij Thorstensen 16
17 Størrelsen av naturlig join Størrelsen av naturlig join R(X,A) S(A,Y) avhenger av hvordan verdiene til joinattributtet A fordeler seg mellom relasjonene R(X,A) og S(A,Y): Disjunkte sett med A-verdier tomt resultat: T(R S) = 0 A er en fremmednøkkel fra R til S hvert tuppel i R matcher ett tuppel i S: T(R S) = T R Nesten alle tuplene i R og S har samme A-verdi kombiner alle tuplene i hver relasjon: T(R S) = T R * T S INF3100 V18 Evgenij Thorstensen 17
18 Størrelsen av naturlig join (forts.) Antakelser: Inkludering av verdimengde: Hvis V R (A) V S (A), så anta at ( A (R)) ( A (S)) Dvs. hver A-verdi i R har en match i S Bevaring av verdimengde: Anta at verdimengden til ikke-join-attributter er den samme før og etter join, dvs. V(R S, B) = V R (B) der B er et attributt i R, men ikke i S INF3100 V18 Evgenij Thorstensen 18
19 Størrelsen av naturlig join (forts.) Antall tupler i R(X, A) S(A, Y) kan nå estimeres som følger: Hvis V R (A) V S (A), vil hvert tuppel i R matche anslagsvis T S / V S (A) tupler i S: T(R S) = T R * T S / V S (A) Tilsvarende, hvis V S (A) V R (A): T(R S) = T R * T S / V R (A) Generelt: T(R S) = T R * T S / max(v R (A), V S (A)) V(R S, B) = V R (B) for B et attributt i X V(R S, C) = V S (C) for C et attributt i Y V(R S, A) = min(v R (A), V S (A)) for joinattributtet A INF3100 V18 Evgenij Thorstensen 19
20 Størrelsen av naturlig join (forts.) Eksempel: A(a, b) B(b, c) C(c, d) T A = T B = T C = V A (a) = V B (b) = 100 V C (c) = 100 V A (b) = V B (c) = V C (d) = 100 T(A B) = T(A B C) = INF3100 V18 Evgenij Thorstensen 20
21 Størrelsen av naturlig join (forts.) Hvis det er mer enn ett joinattributt, R(X, A 1, A 2, ) S(A 1, A 2,, Y), får vi: T R * T S T(R S) = max(v R (A 1 ), V S (A 1 )) * max(v R (A 2 ), V S (A 2 )) * for hvert A i -attributt som er felles for R og S For naturlig join mellom flere relasjoner R 1 R 2 R 3 R n start med maksimalt antall tupler T(R 1 ) * T(R 2 ) * T(R 3 ) * * T(R n ) for hvert attributt A som forekommer i mer enn en relasjon, divider med alle unntatt den minste V(R i,a) Størrelsen av equijoin beregnes som naturlig join Størrelsen av thetajoin R c S beregnes ved å beregne størrelsen av s c (R S) INF3100 V18 Evgenij Thorstensen 21
22 Størrelsen av en union Avhenger av om vi bruker set- eller bag-versjonen: Bag: Resultatet er nøyaktig lik summen av tupler i argumentene: T(R b S) = T R + T S Set: Som for bag hvis relasjonene er disjunkte Antall tupler i den største relasjonen hvis den minste er en delmengde av denne Vanligvis et sted mellom disse, kan for eksempel bruke gjennomsnittet: T(R s S) = T R + T S /2 hvor S er den minste relasjonen INF3100 V18 Evgenij Thorstensen 22
23 Størrelsen av snitt og differanse Antall tupler i et snitt R S er 0 hvis relasjonene er disjunkte min(t R, T S ) hvis den ene relasjonen er en delmengde av den andre vanligvis et sted i mellom, kan for eksempel bruke gjennomsnittet: min(t R, T S ) / 2 Antall tupler i en differanse R S er T R hvis relasjonene er disjunkte T R - T S hvis alle tuplene i S finnes i R vanligvis et sted i mellom, kan for eksempel bruke gjennomsnittet: T R - T S /2 INF3100 V18 Evgenij Thorstensen 23
24 Størrelsen av en duplikateleminasjon Antall distinkte tupler som resultat av en duplikateliminasjon (R) er 1 hvis alle tuplene er like T R hvis alle tuplene er forskjellige En tilnærming: Gitt V R (A i ) for alle n attributter, vil maksimalt antall ulike tupler være V R (A 1 ) * V R (A 2 ) * * V R (A n ) La estimert antall tupler være det minste av dette tallet og T R /2, dvs. min(v R (A 1 ) * V R (A 2 ) * * V R (A n ), T R /2) Tilsvarende for gruppering (ser bare på grupperingsattributtene A 1, A 2,... A m ) INF3100 V18 Evgenij Thorstensen 24
25 parsere Vurdere fysiske planer konvertere anvende lover utføre estimere resultatstørrelser velge beste vurdere fysiske planer estimere kostnader INF3100 V18 Evgenij Thorstensen 25
26 Sammenligning av logiske spørreplaner Vi sammenligner ulike spørreplaner for en gitt spørring ved hjelp av størrelsen på temporære relasjoner estimer resultatet av hver operator i spørreplanen legg kostnadene inn i treet kostnaden til planen er lik summen av alle kostnadene i treet, bortsett fra for: roten sluttresultatet løvnodene data lagret på disk INF3100 V18 Evgenij Thorstensen 26
27 Sammenligning av logiske spørreplaner - eksempel StarsIn(title, year, starname) MovieStar(name, address, gender, birthdate) SELECT title FROM StarsIn WHERE starname IN ( SELECT name FROM MovieStar WHERE birthdate LIKE %1960 ); title Statistikk: T(StarsIn) = V(StarsIn, starname) = 500 S(StarsIn) = 60 T(MovieStar) = V(MovieStar, name) = V(MovieStar, birthdate) = 50 S(MovieStar) = 100 title starname = name s starname = name StarsIn name StarsIn name s birthdate LIKE %1960 INF3100 V18 Evgenij Thorstensen MovieStar s birthdate LIKE %1960 MovieStar 27
28 Eksempel (forts.) A 1 = s birthdate LIKE %1960 (MS): T(A 1 ) = T(s (MS)) = T(MS) / V(MS, birthdate) = 1000 / 50 = 20 sizeof(a 1 ) = 20 * 100 = 2000 Statistikk: T(SI) = V(SI, starname) = 500 S(SI) = 60 T(MS) = A 2 = name (A 1 ): T(A 2 ) = T( (A 1 )) = T(A 1 ) = 20 anta at name er 20 byte sizeof(a 2 ) = 20 * 20 = 400 A 3 = SI A 2 : T(A 3 ) = T(SI A 2 ) = T(SI)*T(A 2 ) / max[v(si, starname), V(A 2, name)] = * 20 / max(500, 20) = 400 S(A 2 ) = 20 sizeof(a 3 ) = 400 * ( ) = A 4 = title (A 3 ): T(A 4 ) = T( (A 3 )) = T(A 3 ) = 400 anta at title er 40 byte sizeof(a 4 ) = 400 * 40 = V(MS, name) = V(MS, birthdate) = 50 S(MS) = title starname = name StarsIn name s birthdate LIKE % MovieStar INF3100 V18 Evgenij Thorstensen 28
29 Eksempel (forts.) A 1 = s birthdate LIKE %1960 (MS) som før: 2000, T(s (MS))=20 Statistikk: T(SI) = V(SI, starname) = 500 S(SI) = 60 A 2 = name (A 1 ) som før: 400, T(A 2 ) = T(A 1 ) = 20 B 3 = SI A 2 : T(B 3 ) = T(SI x A 2 ) = T(SI) * T(A 2 ) = * 20 = S(A 2 ) = 20 sizeof(b 3 ) = * ( ) = B 4 = s starname = name (B 3 ): (Regelen for T(s A=B (R)) er ikke gjennomgått) T(B 4 ) = T(s (B 3 )) = T(B 3 ) / max(v(b 3, name), V(SI, starname)) = / max(20, 500) = 400 S(B 4 ) = S(SI) + S(B 3 ) = = 80 sizeof(b 4 ) = 400 * 80 = B 5 = title (B 4 ) som A 4 : 400 * 40 = INF3100 V18 Evgenij Thorstensen StarsIn T(MS) = V(MS, name) = V(MS, birthdate) = 50 S(MS) = title s starname = name name s birthdate LIKE % MovieStar 29
30 title starname = name Eksempel (forts.) title s starname = name StarsIn name StarsIn name s birthdate LIKE %1960 s birthdate LIKE % MovieStar MovieStar Totalt: = Totalt: INF V18 Evgenij Thorstensen =
31 Valg av fysisk spørreplan Mulige alternativer for å velge billigste fysiske spørreplan: exhaustive heuristic branch-and-bound hill climbing dynamic programming Sellinger-style optimizations INF3100 V18 Evgenij Thorstensen 31
32 Valg av fysisk spørreplan (forts.) Exhaustive: se på alle mulige kombinasjoner av valg i planen estimer kostnaden til hver plan mange planer, kostbart/ikke gjennomførbart Heuristic (brute force): velg en plan i henhold til heuristiske regler, dvs. basert på tidligere erfaringer som f.eks.: bruk indeks på operasjoner som s A = 10 (R) bruk den minste relasjonen først ved join av mange relasjoner hvis argumentene er sortert, bruk en sorteringsbasert operator... rask, men bare basert på generelle regler INF3100 V18 Evgenij Thorstensen 32
33 Valg av fysisk spørreplan (forts.) Branch-and-bound: finn en plan ved hjelp av heuristiske regler se på mindre deler av planen for å finne optimaliseringer Sellinger-style optimization: for alle subuttrykk, ta vare på kostnaden og forventet type resultat en operator kan ha høyere individuell kostnad, men hvis resultatet f.eks. er sortert, kan senere operatorer bruke dette ingen effekt ved vurdering av størrelsen på mellomresultatet ved vurdering av antall disk-io kan første del av en sorteringsbasert operasjon spares INF3100 V18 Evgenij Thorstensen 33
34 Query planning i postgres Via noen eksempler. Keywords: EXPLAIN og EXPLAIN ANALYZE INF3100 V18 Evgenij Thorstensen 34
35 Query planning i postgres EXPLAIN: Viser query plan og kostnadsestimat. EXPLAIN SELECT * FROM post ORDER BY body LIMIT 50; Limit (cost= rows=50 width=422) -> Sort (cost= rows= width=422) Sort Key: body -> Seq Scan on post (cost= rows= width=422) pgadmin kan visualisere explain-output INF3100 V18 Evgenij Thorstensen 35
36 Postgres, større eksempel EXPLAIN ANALYZE SELECT * FROM tenk1 t1, tenk2 t2 WHERE t1.unique1 < 100 AND t1.unique2 = t2.unique2 ORDER BY t1.fivethous; QUERY PLAN Sort (cost= rows=101 width=488) (actual time= rows=100 loops=1) Sort Key: t1.fivethous Sort Method: quicksort Memory: 77kB -> Hash Join (cost= rows=101 width=488) (actual time= rows=100 loops=1) Hash Cond: (t2.unique2 = t1.unique2) -> Seq Scan on tenk2 t2 (cost= rows=10000 width=244) (actual time= rows=10000 loops=1) -> Hash (cost= rows=101 width=244) (actual time= rows=100 loops=1) Buckets: 1024 Batches: 1 Memory Usage: 28kB -> Bitmap Heap Scan on tenk1 t1 (cost= rows=101 width=244) (actual time= rows=100 loops=1) Recheck Cond: (unique1 < 100) -> Bitmap Index Scan on tenk1_unique1 (cost= rows=101 width=0) (actual time= rows=100 loops=1) Index Cond: (unique1 < 100) Planning time: ms Execution time: ms INF3100 V18 Evgenij Thorstensen 36
37 Postgres, kostnadsmodell I postgres måles kostnader i abstrakte poeng. Følgende defaults gjelder seq_page_cost = 1 random_page_cost = 4 cpu_tuple_cost = 0.01 (100x raskere) cpu_operator_cost = (400x raskere) cpu_index_tuple_cost = (200x raskere) INF3100 V18 Evgenij Thorstensen 37
Spørsmålskompilering del 2
UNIVERSITETET I OSLO Spørsmålskompilering del 2 Estimere størrelsen på mellomresultater Vurdere fysiske spørreplaner Institutt for Informatikk INF3100-7.4.2015 - Ellen Munthe-Kaas 1 Oversikt: Fra spørring
DetaljerSpørsmålskompilering
UNIVERSITETET I OSLO Spørsmålskompilering Parsering Logiske spørreplaner uttrykt i relasjonsalgebra Optimalisering ved hjelp av algebraiske lover Estimere størrelsen på mellomresultater Vurdere fysiske
DetaljerSpørsmålskompilering. Basert på foiler av Hector Garcia-Molina
Spørsmålskompilering Basert på foiler av Hector Garcia-Molina Oversikt: Fra spørring til resultat SQL spørring parsere parseringstre konvertere resultat logiske spørreplaner (LSPer) anvende lover forbedrede
DetaljerSpørsmålskompilering. Basert på foiler av Hector Garcia-Molina
Spørsmålskompilering i Basert på foiler av Hector Garcia-Molina Oversikt: Fra spørring til resultat SQL spørring parsere parseringstre konvertere resultat logiske spørreplaner (LSPer) anvende lover forbedrede
DetaljerSpørsmålskompilering del 1
UNIVERSITETET I OSLO Spørsmålskompilering del 1 Parsering Logiske spørreplaner uttrykt i relasjonsalgebra Optimalisering ved hjelp av algebraiske lover Institutt for Informatikk INF3100 - V18 - Evgenij
DetaljerSpørsmålskompilering del 1
UNIVERSITETET I OSLO Spørsmålskompilering del 1 Parsering Logiske spørreplaner uttrykt i relasjonsalgebra Optimalisering ved hjelp av algebraiske lover Institutt for Informatikk INF3100-11.4.2016 - Ellen
DetaljerEffektiv eksekvering av spørsmål
UNIVERSITETET I OSLO Effektiv eksekvering av spørsmål Spørsmålshåndtering Modell for kostnadsberegning Kostnad for basisoperasjoner Implementasjonsalgoritmer Institutt for Informatikk INF3100 V18 Evgenij
DetaljerEffektiv eksekvering av spørsmål
UNIVERSITETET I OSLO Effektiv eksekvering av spørsmål Spørsmålshåndtering Modell for kostnadsberegning Kostnad for basisoperasjoner Implementasjonsalgoritmer Institutt for Informatikk INF3100 23.3.2015
DetaljerEffektiv eksekvering av spørsmål
UNIVERSITETET I OSLO Effektiv eksekvering av spørsmål Spørsmålshåndtering Modell for kostnadsberegning Kostnad for basisoperasjoner Implementasjonsalgoritmer Institutt for Informatikk INF3100 6.4.2016
DetaljerEffektiv eksekvering av spørsmål
UNIVERSITETET I OSLO Effektiv eksekvering av spørsmål Basert på foiler av Hector Garcia-Molina, Ragnar Normann Oversikt Spørsmålshåndtering Modell for kostnadsberegning Kostnad for basis-operasjoner Implementasjons-algoritmer
DetaljerEffektiv eksekvering av spørsmål
UNIVERSITETET I OSLO Effektiv eksekvering av spørsmål Spørsmålshåndtering Modell for kostnadsberegning Kostnad for basisoperasjoner Implementasjonsalgoritmer Institutt for Informatikk INF3100 21.3.2014
DetaljerINF1300 Relasjonsalgebra og SQL, mengder og bager. Lysark for forelesning v. 2.1
INF1300 Relasjonsalgebra og SQL, mengder og bager. Lysark for forelesning v. 2.1 Dagens temaer Relasjonsalgebraen Renavning Algebra Heltallsalgebra Klassisk relasjonsalgebra Mengdeoperatorer Union Snitt
DetaljerUNIVERSITETET I OSLO RELASJONSALGEBRA. Regning med relasjoner. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO RELASJONSALGEBRA Regning med relasjoner Institutt for Informatikk INF3100-8.2.2010 Ellen Munthe-Kaas 1 Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss et
DetaljerUNIVERSITETET I OSLO RELASJONSALGEBRA. Regning med relasjoner. Institutt for Informatikk. INF Ragnar Normann
UNIVERSITETET I OSLO RELASJONSALGEBRA Regning med relasjoner Institutt for Informatikk 1 Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss et språk til å beskrive spørsmål om
DetaljerDBS18 - Strategier for Query-prosessering
Side 1 for Databaser DBS18 - Strategier for Query-prosessering søndag 22. mai 2016 13.03 Pensum 18.1-18.4, side 655-674, unntatt 18.4.4 og 18.4.5 En spørring som blir skrevet i et høynivå-språk, må bli
DetaljerRelasjonsalgebraen. Algebra
Relasjonsalgebraen Definerer en mengde av operasjoner på relasjoner Gir oss et språk til å beskrive spørsmål om innholdet i relasjonene Språket er prosedyralt: Vi sier hvordan svaret skal beregnes. Alternativet
DetaljerUNIVERSITETET RELASJONSALGEBRA. Regning g med relasjoner. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET IOSLO RELASJONSALGEBRA Regning g med relasjoner Institutt for Informatikk INF3100-7.2.2011 Ellen Munthe-Kaas 1 Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss
DetaljerINF1300 Relasjonsalgebra. Et matematisk fundament for å forstå SQL-setninger
INF1300 Relasjonsalgebra Et matematisk fundament for å forstå SQL-setninger Innhold Relasjonsalgebraen Operatorene i relasjonsalgebraen Relasjonsalgebratolkning av select-setningen Kostbare operasjoner
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Relasjonsalgebraen Oversettelse av select-from-where til relasjonsalgebra SQL: union, snitt, differanse, kartesisk produkt INF1300 22.10.2007
DetaljerUNIVERSITETET I OSLO RELASJONSALGEBRA. Regning med relasjoner. Institutt for Informatikk INF Ellen Munthe-Kaas
UNIVERSITETET I OSLO RELASJONSALGEBRA Regning med relasjoner Institutt for Informatikk INF3100-3.2.2016 Ellen Munthe-Kaas 1 Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss et
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. (forts.) Institutt for Informatikk. INF Ragnar Normann 1
UNIVERSITETET I OSLO SQL Structured Query Language (forts.) Institutt for Informatikk INF3100 7.2.2005 Ragnar Normann 1 null Resultatet av å evaluere et uttrykk som produserer en skalar verdi, kan være
DetaljerUNIVERSITETET I OSLO RELASJONSALGEBRA. Regning med relasjoner. Institutt for Informatikk. INF Ellen Munthe-Kaas
UNIVERSITETET I OSLO RELASJONSALGEBRA Regning med relasjoner Institutt for Informatikk 1 Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss et språk til å beskrive spørsmål om
DetaljerINF3100 V2018 Obligatorisk oppgave nr. 2
INF3100 V2018 Obligatorisk oppgave nr. 2 Oppgavesettet skal løses og leveres individuelt. Gjennomføring og innlevering av oppgaven skal skje i henhold til gjeldende retningslinjer ved Institutt for informatikk,
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. (The intergalactic dataspeak) Institutt for Informatikk. INF Ragnar Normann 1
UNIVERSITETET I OSLO SQL Structured Query Language (The intergalactic dataspeak) Institutt for Informatikk INF3100 1.2.2005 Ragnar Normann 1 SQL SQL Structured Query Language er et deklarativt språk for
DetaljerUNIVERSITETET I OSLO RELASJONSALGEBRA. Regning med relasjoner. Institutt for Informatikk INF Ellen Munthe-Kaas
UNIVERSITETET I OSLO RELASJONSALGEBRA Regning med relasjoner Institutt for Informatikk INF3100-2.2.2015 Ellen Munthe-Kaas Relasjonsalgebraen definerer en mengde av operasjoner på relasjoner gir oss et
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. (forts.) Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO SQL Structured Query Language (forts.) Institutt for Informatikk INF3100 11.2.2008 Ellen Munthe-Kaas 1 null Resultatet av å evaluere et uttrykk som produserer en skalar verdi, kan
DetaljerUNIVERSITETET SQL. Structured Query Language (forts.) Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET IOSLO SQL Structured Query Language g (forts.) Institutt for Informatikk INF3100 9.2.2009 Ellen Munthe-Kaas 1 null Resultatet av å evaluere et uttrykk som produserer en skalar verdi, kan
DetaljerRelasjonsalgebra Kopi av lysark om relasjonsalgebra. Vi går igjennom denne for å lage et matematisk fundament for forståelsen av hvordan
Relasjonsalgebra Kopi av lysark om relasjonsalgebra. Vi går igjennom denne for å lage et matematisk fundament for forståelsen av hvordan select-setningen virker. Temaer som blir tatt inn i SQL-notatet:
DetaljerRepetisjonsforelesning, SQL og utover
Repetisjonsforelesning, SQL og utover Evgenij Thorstensen V18 Evgenij Thorstensen Repetisjon V18 1 / 23 Temaer SQL, semantikk Databasearkitektur Spørringskompilering og optimisering Indekser Transaksjonshåndtering
DetaljerIntegritetsregler i SQL. Primærnøkler
Integritetsregler i SQL Kandidat- og primærnøkler Referanseintegritet - fremmednøkler Domenebegrensende integritetsregler skranker på attributter og tupler Interrelasjonsskranker assertions Triggere INF212
DetaljerIntegritetsregler i SQL
UNIVERSITETET I OSLO Integritetsregler i SQL INF3100 8.2.2005 Ragnar Normann 1 Integritetsregler i SQL Kandidat- og primærnøkler Referanseintegritet - fremmednøkler Domenebegrensende integritetsregler
DetaljerUNIVERSITETET I OSLO. Indeksering. Hvordan finne et element raskt? Institutt for Informatikk. INF Ellen Munthe-Kaas
UNIVERSITETET I OSLO Indeksering Hvordan finne et element raskt? Institutt for Informatikk INF3100 2.3.2010 Ellen Munthe-Kaas 1 Oversikt Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser
DetaljerAlle attributter har NULL som mulig verdi. mulige verdier for integer: NULL, 0, 1, 2, 3...
NULL verdier Alle attributter har NULL som mulig verdi mulige verdier for integer: NULL, 0, 1, 2, 3... Dog mulig å lage tabeller med attributter som forbyr NULL Ulik bruk: manglende informasjon («vet ikke
DetaljerUNIVERSITETET I OSLO. Oppskriftsbok. FDer og MVDer Relasjonsalgebra. Institutt for Informatikk. INF3100 Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO Oppskriftsbok FDer og MVDer Relasjonsalgebra Institutt for Informatikk INF3100 Ellen Munthe-Kaas 1 Tillukningsalgoritmen Hvordan finne alle kandidatnøkler FDer og MVDer Hvordan finne
DetaljerOppskriftsbok. FDer og MVDer - oversikt: se s. 3 Relasjonsalgebra - oversikt: se s. 45
UNIVERSITETET I OSLO Oppskriftsbok FDer og MVDer - oversikt: se s. 3 Relasjonsalgebra - oversikt: se s. 45 Oppskriftsboken er ment brukt som oppslagsverk og eksempelsamling. Ikke alt er like viktig. I
DetaljerUNIVERSITETET. Indeksering. Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Hashliknende strukturer.
UNIVERSITETET IOSLO Indeksering Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Treliknende strukturer Hashliknende strukturer Bitmapindekser Institutt for Informatikk INF30 22.2.2011
DetaljerSQL Structured Query Language
SQL Structured Query Language Litt tabellterminologi Definere tabeller Fylle tabeller med data Hente data fra tabeller select-from-where distinct order by Relasjoner terminologi relasjonsnavn Personale
DetaljerIndeksering. Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Treliknende strukturer Hashliknende strukturer Bitmapindekser
UNIVERSITETET I OSLO Indeksering Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Treliknende strukturer Hashliknende strukturer Bitmapindekser Institutt for Informatikk INF30 3.3.2014
DetaljerUNIVERSITETET. Relasjonsalgebra. INF Ragnhild Kobro Runde
UNIVERSITETET IOSLO Relasjonsalgebra Regning med relasjoner 1 Annen bruk av chasealgoritmen (korrigert lysark) For å vise en FD X Y starter tabellen med to rader som er like for attributtene i X, og ulike
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Funksjonelle avhengigheter Oppdateringsanomalier Dekomponering Institutt for Informatikk INF3100-17.1.2014 Ellen Munthe-Kaas 1 Definisjon av nøkler Gitt en
DetaljerIndeksering. Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Trestrukturer Hashliknende strukturer Bitmapindekser
UNIVERSITETET I OSLO Indeksering Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Trestrukturer Hashliknende strukturer Bitmapindekser Institutt for Informatikk INF3100 V18 Evgenij Thorstensen
DetaljerIntegritetsregler i SQL
UNIVERSITETET I OSLO Integritetsregler i SQL Institutt for Informatikk INF3100 13.2.2007 Ellen Munthe-Kaas 1 Integritetsregler i SQL Kandidat- og primærnøkler Referanseintegritet - fremmednøkler Domenebegrensende
DetaljerEn lett innføring i foreninger (JOINs) i SQL
En lett innføring i foreninger (JOINs) i SQL Noen ord om forening (JOIN)! 2 JOINs til gjennomgang! 3 1. INNER JOIN! 3 Eksempel på [INNER] JOIN! 4 NATURAL JOIN! 5 Eksempel på NATURAL JOIN! 5 2. LEFT [OUTER]
DetaljerDatabaser. Relasjonsmodellen 2 Læreboka: Kap. 2 Relasjonsmodellen
Databaser Relasjonsmodellen 2 Læreboka: Kap. 2 Relasjonsmodellen Tema for dagen Hva er relasjonsalgebra? Seleksjon Projeksjon Produkt Indre forening Ytterforening Settoperasjoner: union, snitt, differanse
DetaljerOppgave 1a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet.
TDT445 Øving 4 Oppgave a Definer følgende begreper: Nøkkel, supernøkkel og funksjonell avhengighet. Nøkkel: Supernøkkel: Funksjonell avhengighet: Data i en database som kan unikt identifisere (et sett
DetaljerUNIVERSITETET. Indeksering. Hvordan finne et element raskt? Vera Goebel, Ellen Munthe-Kaas
UNIVERSITETET IOSLO Indeksering Hvordan finne et element raskt? Basert på foiler av Hector Garcia Molina Basert på foiler av Hector Garcia-Molina, Vera Goebel, Ellen Munthe-Kaas Oversikt Konvensjonelle
DetaljerRepetisjon: Normalformer og SQL
IN2090 databaser og datamodellering Repetisjon: Normalformer og SQL Mathias Stang og Stein Michael Storleer 21. november 2018 1 Agenda Normalformer Funksjonelle avhengigheter Nøkler Finne hvilke normalformer
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: SQL SQLs spørrespråk: select-from-where distinct order by Indekser INF1300-15.10.2007 Ellen Munthe-Kaas 1 SQL The Intergalactic Dataspeak
DetaljerSQL Structured Query Language
SQL Structured Query Language Mer SQL: kandidat-, primær- og fremmednøkler Definere tabeller med integritetsregler Hente data fra tabeller select-from-where distinct order by Eksempler kjøres i PostgreSQL
DetaljerIndeksering. Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Trestrukturer Hashliknende strukturer Bitmapindekser
UNIVERSITETET I OSLO Indeksering Konvensjonelle indekser B-trær og hashing Flerdimensjonale indekser Trestrukturer Hashliknende strukturer Bitmapindekser Institutt for Informatikk INF30 29.2.2016 Ellen
DetaljerRelasjoner terminologi
Relasjoner terminologi Kopi av lysark fra forelesningen 1. september. Dette er utdrag fra et notat som snart blir publisert. Dette notatet egner seg bedre til repetisjon og selvstudium enn disse arkene.
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. (The intergalactic dataspeak) Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO SQL Structured Query Language (The intergalactic dataspeak) Institutt for Informatikk INF3100 6.2.2005 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk
DetaljerSQL Structured Query Language. Repetisjon av select spørringer Nestede select spørringer Mengdeoperasjoner Views Flere operatorer
SQL Structured Query Language Repetisjon av select spørringer Nestede select spørringer Mengdeoperasjoner Views Flere operatorer Generelt utseende av SQL-spørsmål select [ distinct ]
DetaljerINF1300 SQL Structured Query Language del 1. Stoff som blir/ble forelest i oktober 2013
INF1300 SQL Structured Query Language del 1 Stoff som blir/ble forelest i oktober 2013 Dagens tema SQLs definisjonsspråk SQLs spørrespråk select-from-where distinct order by SQLs manipulasjonsspråk Indekser
DetaljerSQL: Integritetsregler, triggere og views
UNIVERSITETET I OSLO SQL: Integritetsregler, triggere og views Institutt for Informatikk INF3100 14.2.2014 Ellen Munthe-Kaas 1 Integritetsregler i SQL Kandidat- og primærnøkler Referanseintegritet fremmednøkler
DetaljerUNIVERSITETET SQL-99. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET IOSLO Objektrelasjonelle DBMSer. SQL-99 Institutt for Informatikk INF3100 2.3.2009 Ellen Munthe-Kaas 1 Objektrelasjonelle DBMSer ORDBMS = Object-Relational Database Management System Motivasjon:
DetaljerSQL: Datatyper m.m. Evgenij Thorstensen V18. Evgenij Thorstensen SQL: Datatyper m.m. V18 1 / 12
SQL: Datatyper m.m. Evgenij Thorstensen V18 Evgenij Thorstensen SQL: Datatyper m.m. V18 1 / 12 Datatyper, kort om mye Vi går en rask ekskursjon i manualen, Kap. 8. https://www.postgresql.org/docs/9.2/sql.html
DetaljerINF1300 Det meste av resten av SQL. Utleggsark v. 2.0
INF1300 Det meste av resten av SQL Utleggsark v. 2.0 Dagens temaer Sammenligning med tekstmønstre Aggregeringsfunksjoner Nestede spørsmål Gruppering Relasjonssammenligninger: View JDBC exists in any all
DetaljerINF1300 Introduksjon til databaser: SQL Structured Query Language. En første introduksjon Lysark til forelesning mandag 14.
INF1300 Introduksjon til databaser: SQL Structured Query Language En første introduksjon Lysark til forelesning mandag 14. september 2009 Dagens tema SQLs definisjonsspråk SQLs spørrespråk select-from-where
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Funksjonelle avhengigheter Oppdateringsanomalier Dekomponering Institutt for Informatikk INF3100-20.1.2016 Ellen Munthe-Kaas 1 Definisjon av nøkler Gitt en
DetaljerINF1300 Introduksjon til databaser: SQL Structured Query Language. En første introduksjon Lysark til forelesning onsdag 22.
INF1300 Introduksjon til databaser: SQL Structured Query Language En første introduksjon Lysark til forelesning onsdag 22. september 2010 Dagens tema SQLs definisjonsspråk SQLs spørrespråk select-from-where
DetaljerSQL Structured Query Language. Definere tabeller Skranker Fylle tabeller med data
SQL Structured Query Language Definere tabeller Skranker Fylle tabeller med data Lage en tabell med SQL create table R (A 1 D 1 [S 1 ],... A n D n [S n ], [liste av skranker] R er navnet på relasjonen/tabellen
DetaljerOppgave: Finn navn og tittel på alle som har arbeidet på prosjektet «Vintersalg»
Skjema Prosjekt(PId, Pnavn, KId, Pleder, StartDato) Ansatt(AId, Navn, Tittel, Fdato, Pnr, AnsDato) Timeliste(AId, Dato, PId, Timer) Kunde(KId, Knavn, Adresse) Oppgave: Finn navn og tittel på alle som har
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Funksjonelle avhengigheter Oppdateringsanomalier Dekomponering Institutt for Informatikk INF300-6..00 Ellen Munthe-Kaas Definisjon av nøkler Gitt et relasjonsskjema
DetaljerOppgave 1 ER- og relasjonsmodell 10 %
Side 1 av 7 Norges teknisk-naturvitenskapelige universitet Institutt for datateknikk og informasjonsvitenskap LØSNINGSFORSLAG TIL KONTINUASJONSEKSAMEN I FAG TDT4145 DATAMODELLERING OG DATABASESYSTEMER
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. (The intergalactic dataspeak) INF Ellen Munthe-Kaas 1. Institutt for Informatikk
UNIVERSITETET I OSLO SQL Structured Query Language (The intergalactic dataspeak) Institutt for Informatikk INF3100 5.2.2008 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk
DetaljerINF1300 Det meste av resten av
INF1300 Det meste av resten av SQL Utleggsark v. 1.0 Tekstmønstre I SQL kan vi bruke like for å sammenligne et tekst-attributt med et tekstmønster Et tekstmønster er en tekstkonstant hvor to tegn, kalt
DetaljerIsolasjon i postgres og mysql
Isolasjon i postgres og mysql Evgenij Thorstensen V19 Evgenij Thorstensen Isolasjon i postgres og mysql V19 1 / 20 Isolasjonsnivåer Read uncommitted Read committed Repeatable read Serializable SELECT...
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: Det meste av resten av SQL Sammenligning med tekstmønstre Aggregeringsfunksjoner Nestede spørsmål Gruppering Relasjonssammenligninger:
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO SQL Structured Query Language Institutt for Informatikk INF3100 3.2.2015 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk for spørringer mot relasjonsdatabaser
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO SQL Structured Query Language Institutt for Informatikk INF3100 10.2.2014 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk for spørringer mot relasjonsdatabaser
DetaljerUNIVERSITETET I OSLO SQL. Structured Query Language. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO SQL Structured Query Language Institutt for Informatikk INF3100 2.2.2012 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk for spørringer mot relasjonsdatabaser
DetaljerDatabaser fra et logikkperspektiv
Databaser fra et logikkperspektiv Evgenij Thorstensen IFI, UiO Høst 2013 Evgenij Thorstensen (IFI, UiO) Databaser fra et logikkperspektiv Høst 2013 1 / 31 Outline 1 Logikk som verktøy 2 Relasjonsdatabaser
DetaljerUNIVERSITETET SQL. Structured Query Language. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET IOSLO SQL Structured Query Language Institutt for Informatikk INF3100 8.2.2011 Ellen Munthe-Kaas 1 SQL SQL Structured Query Language er et deklarativt språk for spørringer mot relasjonsdatabaser
DetaljerOppdateringsanomalier Normalformer
UNIVERSITETET I OSLO INF300 Introduksjon til databaser Dagens tema: Oppdateringsanomalier Normalformer Institutt for informatikk INF300 26.0.2009 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign?
DetaljerAndre sett obligatoriske oppgaver i INF3100 V2012
Andre sett obligatoriske oppgaver i INF3100 V2012 Oppgavesettet skal i utgangspunktet løses av grupper på to og to studenter som leverer felles besvarelse. Vi godkjenner også individuelle besvarelser,
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF212 Databaseteori Eksamensdag: 28. mai 2003 Tid for eksamen: 9.00 15.00 Oppgavesettet er på 8 sider. Vedlegg: Tillatte hjelpemidler:
DetaljerSQL. SQL-standarder. Flere standarder: ANSI SQL SQL2 (SQL-92) SQL3 (SQL-99) = SQL2 + objekt-relasjonelle egenskaper mm
SQL SQL Structured Query Language er et deklarativt språk for spørringer mot relasjonsdatabaser Uttrykkskraften er omtrent som den i relasjonsalgebraen utvidet med tilleggsoperatorene SQL inneholder også
DetaljerLøsningsskisse til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer
Institutt for datateknikk og informasjonsvitenskap Løsningsskisse til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer Eksamensdato: 23. mai 2013 Eksamenstid (fra-til): 09:00-13:00 Hjelpemiddelkode/Tillatte
DetaljerQuerying the Internet with PIER
Querying the Internet with PIER TDT2 Avanserte distribuerte systemer 17.10.2005 Truls Jørgensen Disposisjon 2 Hva er PIER? (1) Peer-to-Peer Information Exchange and Retrieval Paring av tradisjonell prosessering
DetaljerLøsningsskisse til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer
Institutt for datateknikk og informasjonsvitenskap Løsningsskisse til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer Eksamensdato: 4. august 015 Eksamenstid (fra-til): 15:00-19:00 Hjelpemiddelkode/Tillatte
DetaljerNormalformer utover 4NF (ikke pensum)
UNIVERSITETET I OSLO Normalformer utover 4NF (ikke pensum) Institutt for Informatikk INF3100 - Ellen Munthe-Kaas 1 Høyere normalformer, oversikt 1NF BCNF 4NF ETNF RFNF = KCNF SKNF 5NF INF3100 - Ellen Munthe-Kaas
DetaljerSQL Structured Query Language
SQL Structured Query Language Hvorfor tabeller? Litt tabellterminologi Hente data fra tabeller select-from-where distinct order by Universe of discourse Interesseområdet Hva er vi interessert i å lagre
DetaljerRelasjonsdatabasedesign
UNIVERSITETET I OSLO Relasjonsdatabasedesign Oppdateringsanomalier Dekomponering Normalformer Institutt for Informatikk INF300-9..007 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign? Beslektet
DetaljerRelasjonsalgebra. Hva?
Relasjonsalgebra. Hva? Relasjonsalgebra består av et sett med høynivås operatorer som kan brukes til å manipulere med relasjoner (slå sammen to tabeller, selektere data etc.). Tankegangen er viktig å kjenne
DetaljerJoin. Intuitivt: Skjøte sammen to relasjoner. Intuitivt: 1. Beregn R S 2. Velg ut de tuplene som tilfredsstiller joinbetingelsen C
Join Intuitivt: Skjøte sammen to relasjoner R S C Intuitivt: 1. Beregn R S 2. Velg ut de tuplene som tilfredsstiller joinbetingelsen C Join Bistro bn mkat A kosher A vegetabilsk B uten melk B hallal B
Detaljer1. SQL spørringer mot flere tabeller
1. SQL spørringer mot flere tabeller Avdeling for informatikk og e-læring, Høgskolen i Sør-Trøndelag SQL spørringer mot flere tabeller Tore Mallaug 29.9.2008 Lærestoffet er utviklet for faget Databaser
DetaljerIN3020 V2019 Obligatorisk oppgave nr. 1
IN3020 V2019 Obligatorisk oppgave nr. 1 Oppgavesettet skal løses og leveres individuelt. Gjennomføring og innlevering av oppgaven skal skje i henhold til gjeldende retningslinjer ved Institutt for informatikk,
DetaljerLøsning til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer
Institutt for datateknikk og informatikk Løsning til Eksamensoppgave i TDT4145 Datamodellering og databasesystemer Faglig kontakt under eksamen: Roger Midtstraum: 995 72 420 Svein Erik Bratsberg: 995 39
DetaljerRelasjonsdatabasedesign. Ekstramateriale: Normalformer utover 4NF (ikke pensum)
UNIVERSITETET I OSLO Relasjonsdatabasedesign Ekstramateriale: Normalformer utover 4NF (ikke pensum) Institutt for Informatikk INF3100-26.1.2012 Ellen Munthe-Kaas 1 Høyere normalformer, oversikt 1NF BCNF
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF300 Introduksjon til databaser Dagens tema: Oppdateringsanomalier Normalformer INF300..007 Ellen Munthe-Kaas Hva kjennetegner god relasjonsdatabasedesign? Relasjonene samler beslektet
DetaljerAndre sett obligatoriske oppgaver i INF3100 V2013
Andre sett obligatoriske oppgaver i INF3100 V2013 Oppgavesettet skal i utgangspunktet løses av grupper på to og to studenter som leverer felles besvarelse. Vi godkjenner også individuelle besvarelser,
DetaljerAndre sett obligatoriske oppgaver iinf3100v2011
Andre sett obligatoriske oppgaver iinf3100v2011 Oppgavesettet skal i utgangspunktet løses av grupper på to og to studenter som leverer felles besvarelse. Vi godkjenner også individuelle besvarelser, men
DetaljerEkstra ark kan legges ved om nødvendig, men det er meningen at svarene skal få plass i rutene på oppgavearkene. Lange svar teller ikke positivt.
Side 1 av 5 Noen viktige punkter: (i) (ii) (iii) (iv) Les hele eksamenssettet nøye før du begynner! Faglærer går normalt én runde gjennom lokalet. Ha evt. spørsmål klare! Skriv svarene dine i svarrutene
DetaljerINF1300 Introduksjon til databaser
UNIVERSITETET I OSLO INF1300 Introduksjon til databaser Dagens tema: SQL SQLs definisjonsspråk SQLs spørrespråk: select-from-where distinct order by SQLs manipulasjonsspråk Indekser Filmdatabasen INF1300
DetaljerLO118D Forelesning 3 (DM)
LO118D Forelesning 3 (DM) Mengder og funksjoner 27.08.2007 1 Mengder 2 Funksjoner Symboler x y Logisk AND, både x og y må være sanne x y Logisk OR, x eller y må være sann x Negasjon, ikke x x For alle
DetaljerUNIVERSITETET I OSLO. Relasjonsmodellen. Relasjoner og funksjonelle avhengigheter. Institutt for Informatikk. INF Ellen Munthe-Kaas 1
UNIVERSITETET I OSLO Relasjonsmodellen Relasjoner og funksjonelle avhengigheter Institutt for Informatikk INF3100-23.1.2007 Ellen Munthe-Kaas 1 Relasjonsdatabasemodellen Datamodell Mengde av begreper for
DetaljerIN2090 Databaser og datamodellering. Databasedesign og normalformer
IN2090 Databaser og datamodellering Databasedesign og normalformer Evgenij Thorstensen evgenit@ifi.uio.no Universitetet i Oslo 1 / 43 Oversikt Gode og dårlige skjemadesign (og litt historie) Funksjonelle
DetaljerINF1300 Introduksjon til databaser: SQL Structured Query Language
INF1300 Introduksjon til databaser: SQL Structured Query Language En første introduksjon Lysark til forelesning mandag 14. september 2009 SQL Structured Query Language SQL Structured Query Language er
DetaljerUNIVERSITETET. triggere og views. Institutt for Informatikk. INF Arne Maus 1
UNIVERSITETET IOSLO SQL: Integritetsregler, triggere og views Institutt for Informatikk INF3100 28.2.2012 Arne Maus 1 Integritetsregler i SQL Kandidat- og primærnøkler Referanseintegritet fremmednøkler
Detaljer