Kapitel 2

Daten = Informationen

Auffinden (Schneller Zugriff)

Erzeugen

Bestimmung von Informationen aus Daten

Sicherung von Daten (Strukturierung -> Datenbanken)

Datenbanksystem —> System zur elektronischen Datenverwaltung

—> Aufgabe:

- große Datenmengen effizient, widerspruchsfrei und dauerhaft zu speichern

- benötigte Teilgenehmigung in bedarfsgerechte Darstellungen bereitstellen

Nutzdaten: eigentliche Informationsströmen

Metadaten: Daten über Daten - Strukturierung der Nutzdaten (Metadaten sind im Optimalförderung aussagekräftig)

Anwendungsszenarien

Einzelbenutzerdaten

• Einzelner Arbeitsplatz mit lokalen Daten (bspw. Citavi)

Mehrbenutzerdatenbank

• mehrere Benutzer (bspw. Intranet)

• Datenbanksysteme laufen auf Servern

Funktionen von Datenbanken

• Strukturierte Speicherung von Daten

• Datenträgerverwaltung

• Eingabe/Modifikation/Suche/Verknüpfung von Daten

• Zugriffssprachen (bspw. My sql)

• Kommunikationsschnittstellen

• Eine Basis für Benutzeroberflächen

• Sicherung von Daten und Prozessen

◦ Zugriffsrechte

◦ Transaktionssteuerungn

◦ Konsitenzsicherung bei parallelen Zugriffen

• Benötigt Anforderungsanalyse und durchdachtes Design (50% des Erstellungsaufwands)

• Konzeptionelles DB-Design (Verfahren - Bspw. Grafisch - ER-Diagram - Vorbereitung für Implementierung)

• Beziehungen über Schlüssel

• Primärschlüssel für mastertabellen

• Fremdschlüssel in detailtabellen

• textuell („DB soll Personen und deren Geburtsorte enthalten“)

• Entity relationship Diagramme: Entitäten und die zwischen ihnen bestehende Beziehung

ER-Diagrammarten

• Chen (vom Erfinder Peter Chen)

• Martin („Crows Foot“, da. Krähenfuß): besser für implementative Zwecke

• …

Entitäten: sind Objekte des täglichen Lebens

• Personen

• Haustiere

Instanzen (einer Entität): ein bestimmtes Exemplar einer Entität

• Friedrich Schiller, Anette von Droste

• Bello, Hansi, Micky

Entitäten werden auch als Entitäts-Typen bezeichnet

• Instanzen sind in dem Fall Entitäten

Analyse der Aufgabenstellung

• welche Ergebnisse soll die DB liefern

• Beobachtung der Prozesse und Ableitung der DB-Abbildung

• Erstellung eine „Miniwelt“, in der nur die relevanten Daten enthalten sind

◦ welche Akteure und sonstige Objekte sind relevant -> Entitäten

◦ Wie hängen die Entitäten genau von einander ab -> Beziehungen

◦ Genauere Betrachtung der Beziehung -> kardinalitäten

◦ Welche Daten lassen sich in eigene Entitäten auslagern -> Normalisierung

Werkzeuge für ER-Diagramme

• PowerPoint / libre Office presentations

• Ms Visio

• Spezielle Datenbank Werkzeuge

Beschreibung von Entitäten über Charakteristika: Attribute z.b.

• Nachname

• Geburtsdatum

• Motorleistung

Attribute haben zb folgende Typen

• Text (Char, varchar)

• Datum (Date)

• Ganzzahlen (integer, Byte)

Namenskonventionen

Entitäten: Nomen (substantive): Personen, Studierende

Beziehungen: verben: hat, ist, schreibt

Attribute: meist nomen im Singular: Name, Geburtsdatum

• zur Bildung von Beziehungen in einer Datenbank

• Primärschlüssel <-> Fremdschlüssel

• Primärschlüssel

◦ Eindeutiger Schlüssel

◦ Schlüsselattribute unterstrichen darstellen (hervorheben)

◦ Zusammengesetzt Primärschlüssel (Name+Vorname+Geb. Dat.)

◦ Schlüsselwahl (natürlich vs. künstlich) bspw. KKV-Nummer vs. Geb. Dat.+Zusatz

• Fremdschlüssel

◦ Verweisen auf Datensätze aus anderen Tabellen

◦ Kann in beliebig vielen Datensätzen auftreten

• Anforderungen:

◦ Prinzipiell beliebige Datentypen möglich

◦ Üblich: Text oder Zahl

◦ Referenzielle Integrität: Fremdschlüssel ist entweder NULL oder korrekter Verweis auf Primärtabelle (Bsp. Prof. geht in Rente --> Für zwischenzeit bekommen die Vorlesungen NULL als Pers. Nr., so lange wie noch kein Nachfolger eingetragen wurde)

‣ Muss RDBMS sichergestllt werden (insbesondere beim Löschen von Datensätzen in der Primärtabelle)

‣ Trick: In der Primärtabelle einen Datensatz zum Auffangen von 0-Werten anlegen ("Unbekannt")

◦ Natürliche / künstliche

‣ Natürliche (sind real) bspw. Matrikelnummer

‣ Künstlich: Fortlaufende Seriennummern oder Zeitstempel

◦ Zusammengesetzte Primärschlüssel

‣ Wenn einzelne Attribute nicht eindeutig bspw. Name + Vorname

‣ Können aus versch. Typen bestehen

• Auflösen von Beziehungen zwischen zwei Tabellen

• 3 relationale Operatoren in Serie:

◦ PRODUCT (karthesisches Produkt) -> Alle Möglichen Kombinationen aus den Zeilen beider Tabellen

◦ SELECT --> Ausfiltern der Kombinationen, für die Tremdschlüsselwert2 = Primärschlüsselwert1

◦ PROJECT -> Ausfiltern doppelter Felder (z.B. Fremd- und Primärschlüssel)

◦ Natural, Inner, Outer Joins

1. Akteure

2. Konzeptuelles Datenbankdesign: Chen-Diagramm

3. Charakteristika festlegen

Professoren: Name, Vorname, Rang, Raum, Gehalt

Assistenten: Name, Vorname, Fachgebiet

...

4. Akteure Eintragen

5. Charakteristika Eintragen

6. Beziehungen und Primärschlüssel

7. Kardinalitäten

• Unäre Beziehungen

◦ Entität eines Entity-Sets steht mit Entität desselben Entity-Sets in Beziehung

• Binäre Beziehung

◦ Zwei Entitäten beteiligt

• Ternäre Beziehungen

◦ Beziehugnen zwischen mehr als zwei Entity Sets

Metadaten / Data Dictionaries

• Beschreibung der Nutzdaten in der DB

• U.a. Wertebereiche für einzelne Felder --> Beispiel: Schulnoten

• Auch: System-Katalog (Für interne Zwecke des RDBMS)

• Metapher: Index in Büchern

• Schlagworte mit Verweis auf Stellen, an denen sie beschrieben sind

• Datenbank: Indexierte Felder enthalten Verweis auf Datensätze

• Schnelles Finden der Felder in der eigentlchen Tabelle (b.B. Nachname)

• "Vererbung"

• Entitäten als Spezialisierung anderer Entitäten

• Kennzeichnung "G" zwischen Beziehungen im Chen-Diagramm

• Beispiel: Gehege --> Gehegetyp

• Auch möglich: Supertypen, die zuglech mehrere Subtypen sein können (Kennzeichnung Gs im Chen-Diagramm)

• Einfache und zusammengesetzte

◦ Einfaches (atomares) Attribut: kann nicht weiter unterteilt werden (Name, Postleitzahl)

◦ Zusammengesetzt: Mehrere Werte -> Beispiel Straße (mit Hausnummer)

• SIngle-Value-Attribute

◦ Eindeutige Werte im gesamten Entity Set (z.B. Matrikelnummer bei Studierenden)

• Multi-Value-Attribute

◦ Kann für eine Entität mehrere Were enthalten (z.B. Telefonnummern für eine Person)

◦ Darstellung mit zwei Linien im Chen-Diagramm

• Abgeleitete Attribute

◦ Zur Laufzeit berechnet

◦ z.B. Alter einer Person (aus aktuellem Datum - Geburtsdatum)

◦ Gestrichelte Linie im Chen beim Attribut-Link

• Domäne

Organisation: Sichtweisen auf Datenbanken

• Geschäftsführer: Berichte, Ergebnisse, Zusammenfassungen

• Abteilungsleiter: Berichte, Detaildaten

• Mitarbeiter: relevante Daten für seine Arbeit (z.B. Zeiterfassung)

• Datenbankdesigner / -implementierer: technische Sicht, einzelne Tabellen

• Datenbanken: Tabellenstrukturen

• Entität ungleich Tabelle --> Teils mehrere Tabellen für eine Entität

• 1:1 Beziehungen können in Tabellen als Attribute abgebildet werden

◦ Separate Tabellen bspw. bei Fotos mit separater Speicherung

• M:N Beziehungen benötigen Hilfstabellen

• Ternäre und komplexe Beziehungen ebenfalls mittels Hilfstabelle

• Integer

◦ Ganze Zahlen (+-)

• Nummeric (n,m) oder decimal (n,m)

◦ Festkommazahl (+-) mit insgesamt n Stellen, davon m Nachkommastellen

◦ Speziell für Geldbeträge gut geeignet.

• Float (m)

◦ Gleitkommazahl (+-) mit m Nachkommastellen

• real

◦ Gleitkommazahl (+-). Genauigkeit hierfür ist vom DBS abhängig

• double oder double precision

◦ Gleitkommazahl (+-). Genauigkeit hierfür ist vom DBS abhängig

• float oder double

◦ Für technisch-wissenschaftliche Anwendungen geeignet und Umfassen Exponentialdarstellung

◦ Wegen Speicherung in Binärform für Geldbeträge ungeeignet.

‣ bspw. lässt sich 0,10€ (10 Cent) nicht abbilden

• character (n) oder char (n)

◦ Zeichenkette Text mit n Zeichen

• Varchar (n) oder character varyin (n)

◦ Zeichenkette (also Text) von variabler Länge

• date

◦ Datum (ohne Zeitangabe)

• time

◦ Zeitangabe (evtl. inklusive Zeitzone)

• timestamp

◦ Zeitstempel (umfasst Darum und Uhrzeit; evtl. inklusive Zeitzone), meistens mit Millisekundenauflösung, teilweise auch mikrosekundengenau

• boolean

◦ Boolesche Variable (kann true oder false annehmen)

• blob (n) oder bianry large object (n)

◦ Binärdaten von macimal n Bytes Länge.

• clob (n) oder character large object (n)

◦ Zeichenkette mit maximal n Zeichen Länge

• Gehört zur DML

• Komplexe verschachtelung Möglich

• Ergänzung durch Klauseln (Clauses)

◦ Einschränkung der Ergebnismenge (horizontale Filterung)

◦ Erzeugung von Joins

• DISTINCT: gleiche Datensätze werden nur einmal angezeigt

• UNIQUE: liefert WAHR, wenn die Ergebnismenge eindeutig ist

• LIMIT: Eingrenzung der zurückgelieferten Datensätze

◦ Beispiel: ... LIMIT 20 ... ... LIMIT 10 , 20 ...

• Filterung der Ergebnismenge des SELECT-Befehls

• Einfaches Bsp.: SELECT * FROM Professoren WHERE persnr = 1;

• Verknüpfung der Bedingungen mit:AND, OR, NOT

• Vergleichsprädikate: =, <, >, <>, <=, >=, BETWEEN, IN, LIKE, NULL, ALL, SOME, ANY, EXISTS, UNIQUE, OVERLAPS, MATCH

• Beispiel: SELECT * FROM Professoren where persnr = 2126 OR persnr >= 2130 AND persnr < 2137 OR name LIKE '%okrates%';

• Für die Mustersuche bei Queries

• MySQL nutzt "%" für beliebig viele und "_" für genau ein zu suchendes Zeichen (üblich für Datenbanken)

• Beachte: Bei Suche mit Wildcards in Textfeldern ist immer der Operator "LIKE" statt "=" zu benutzen

• Beispiel:

• In Verbindung mit SELECT-Befehl, meist mit WHERE-Clause

• COUNT

◦ Liefert Anzahl von Datensätzen

◦ Beispiel

‣ select count ( * ) from Professoren where name like "K%";

• AVG

◦ Durchschnitt von numerischen Werten

• MAX, MIN

◦ Maximum bzw. Minimum von numerischen Werten

• SUM

◦ Summe von numerischen Werten

• Beispiel:

• Ordnen: ORDER BY

◦ Beispiel:

‣ SELECT * FROM Studenten order BY Semester;

‣ Qualifier ASC bzw. DESC: Ascendante bzw. Descendant (Aufsteigend/Absteigend)

• Verarbeitung von Zeichenketten (Strings)

• Substrings

◦ Gibts Teile von Strings aus

◦ Beispiel: SELECT SUBSTING (name, 3, 5)FROM Professoren;

• UPPER/LOWER

◦ Wandelt STINGS nach Grobuchstaben bzw. Kleinbuchstaben um

◦ Beispiel: SELECT UPPER (name) FROM Professoren

• TRIM

◦ Entfernung von führenden oder nachfolgenden (LEADING/TRAILING) Leerzeichen von Strings

• Verknüpfen Daten aus verschiedenen Tabellen

• Lassen sich auch immer gleichwertig als SELECT-Statement angeben. Joins sind aber klarer zu verstehen

• Bsp.:

◦ Aufgabe: Alles Professoren mit ihren Vorlesungen als Liste

◦ Verknüpfung der Professoren-Tabelle mit der Vorlesungs-Tabelle

• m:n Beziehung über Tabelle HOEREN

• View-Definitionen werden in der Datenbank gespeichert und können fast wie Tabellen verwendet werden

• Normalisierung --> Denormalisierung

• Problem:

◦ Datensätze in MAster-Tabelle werden gelöscht - was passiert mit abhängigen Datensätzen in Detail-Tabellen?

◦ Bsp.: Prof. Müller hat 3 Vorlesungen, geht in Pension - wer ist der Dozent?

◦ 3 Möglichkeiten

‣ Mit Prof. Müller verschwinden auch die 3 Vorlesungen -> Löschen des Profs. führt zu Löschen der Vorlesung

‣ Ein anderer Prof. übernimmt -> Fremdschlüssel in Vorlesungen muss sich ändern

‣ Löschen wird verhindert

◦ Referentielle Integrität stellt sicher, dass DB konsistent bleib

• Constrains: Zwangsbedingungen

• NOT NULL: Ausschließen von Nullwerten

• Vorgehen:

• ON DELETE: Regel für Löschen von Datensätzen in der Mastertabelle

◦ NO ACTION: wird ein Master Datensatz gelöscht, auf den sich abhängige Datensätze in der Detailtabelle beziehen, wird der Begehl nicht ausgeführt und ein Fehler ausgegeben

◦ CASCADE: wird ein Master-Datensatz gelöscht, werden alle abhängigen Datensätze in der Dateiltabelle auch gelöscht. Setzt sich auch ggf. weiter fort (Kaskade)

◦ SET NULL: die Fremdschlüssel der abhängigen Daten werden auf NULL gesetzt (Voraussetzung: Fremdschlüssel-Spalte ist nicht NOT-NULL)

◦ SET DEFAULT: die Fremdschlüssel der abhängigen Datensätze werden auf den Standardwert gesetzt (Nicht in MySQL unterstützt)

• ON UPDATE (Regeln für Ändern von Datensätzen in der Mastertabelle)

◦ Prinzipiell s.o.

• Constrains ergeben sich aus dem ER-Diagramm (1:n, m:n)

• Automatischer Erzeugung von Constraints durch ER-Editor (MySQL Workbench)

• Fremdschlüssel dürfen auch den Wert NULL enthalten -> kein Verweis auf Master-Tabelle

• Jede Tabelle muss einen Primärindex für den eindeutigen (unique) Schlüssel haben

• Drastische Verbesserung der Performance (bei komplexen Abfragen)

• Informationen über Datenbanke, Tabellen, Views..

• Details zu Tabellenspalten..

• Rich-Server-Ansatz: möglichst weitgehende Verarbeitung der Daten in der DB

◦ Nutzung der Verknüpfungsmöglichkeit

◦ Performance-Optimierung in der DB

◦ Reduktion des Netzwerkverkehrs

◦ Vereinheitlichung der Geschäftslogik - alle Client-Typen erhalten gleiche Ergebnisse

◦ Reduktion von Programmieraufwand in der Anwendung

• Rich Client-Ansatz

◦ Nutzung von Rechenleistung auf Clients

◦ Flexiblere Programmierung

• Meist wird ein hybrider Ansatz gewählt

• Konkurrierende Zugriffe auf Daten -> inkonsistenz von Daten (gleichzeitiger Zugriff, Daten werden gelesen während jemand anderes diese ändert)

• Konzepte und Verfahren

• Transaktionen

• Locking von Tabellen und Datensätzen

• Atomicity: Operationen weren ganz oder gar nicht ausgeführt --> durch Transaktionen oder durch Locking

• Consistency: Vor und nach Operationen ist die DB in einem konsistenten Zustand --> Teferentielle Integrität, Normalisierung

• Isolation: Konkurrierende Operationen beeinflussen sich nicht gegenseitig --> Transaktionen, Locking

• Durability: Systemfehler haben keine Auswirkungen --> Transaktionslog

• Idee: Operationen auf DBs sollen komplett oder gar nicht stattfinden

• Absicherung gegen konkurrierende Zugriffe und Fehler

• DB gelangt von einem konsistenten Zustand in einen anderen konsistenten Zustand

• Oft können Transaktionen auch durch Locks ersetzt werden

• Transaktionen in MySQL

◦ Nicht alle Operationen können zurückgerollt werden (z.B. Drop)

◦ Nicht alle DB-Engines unterstützen Transaktionen (MySQL: nur InnoDB)

◦ Standard ist Autocomitt ein --> alle Statements werden sofort committed

◦ Zum Aus- und Einschalten: set autocommit=0 (bzw. =1)

◦ Wenn Autocommit aus: Operationen werden erst mit "commit" wirksam, "rollback" rollt Operationen zurück

◦ Manuelle "Transaktionsklammer": START TRANSACTION ... COMMIT ROLLBACK

• Abgeschlossene Programmteile in der DB

• Eingabeparameter möglich

• Retornwert möglich

• MySQL: "Stored Programs"

◦ Sored Routines: kein Rückgabewert, aber Parameter werden verändert

◦ Stored Functions: Rückgabewert, ähnlich wie built-in Functions

◦ Trigger: s.u.

◦ Events: Zeitplangesteuerte Programme

◦ MySQL Compound-Statement Syntax (Kap. 12.6)

• Beispiele auf Folie 141 f. --> ggfs. Bsp. aus unserer Hausarbeit einfügen

• Idee: automatische Reaktion auf festgelegte Aktionen

• RDBMS-Trigger reagieren auf bestimmte Operationen, typisch: Anlegen von Datensätzen

• Festlegung in der Datenbank, Aufruf von DML-Statements

• Anwendung

◦ Automatisches Erzeugen von IDs (z.B. aus Geburtsdatum, Vorname, Nachname

◦ Automatisches Löschen von überflüssigen Datensätzen

◦ Tracking von Aktionen

• ACHTUNG: Trigger laufen i.A. ohne Rpckmeldung ab - können daher unerklärliche Reaktionen liefern falls man sie nicht kennt

• Kommandozeilenprogramme zur Unterstützung der Arbeit mit MySQL.

• Interessant: Client programs

◦ 4.5.2. mysqladmin - Client for Administering a MySQL Server

◦ 4.5.5. mysqlimport - A Data Import Program

◦ ...

MySQL Import

• Definition von Import-DB, Zeichensatz (deutsche Umlaute!), Trennzeichen

• UTF-8 Zeichensatz empfohlen

• DB-Anwendungen werden mittels höerer Programmiersprachen erstellt

• Realisierungsmöglichkeiten:

◦ Rick Client (eigenständiges Programm)

‣ Direkter DB-Zugriff (z.B. Citavi, MySQL Workbench.. )

‣ DB-Zugriff über Middleware Layer (z.B. Teamcenter.. )

◦ Web Client (läufts im Browser, benötigt Web-Server mit Script-Fähigkeiten / Middleware)

‣ Beispiel: Google, Amazon, E-Bay ...

• Web-(HTML-)Seiten müssen nicht statisch sein --> Daten aus Datenbanken können angezeigt und verändert werden

• Infrastruktur: Webserver (z.B. Apache), Datenbank (z.B. MySQL), Server-Scriptsprache (z.B. PHP)

• Typische Server-Infrastrukturen

◦ LAMP (Linux, Apache, MySQL, PHP)

◦ WAMP (Windows, Apache, MySQL, PHP)

◦ MAMP (MacOS, Apache, MySQL, PHP)