Datenbanken Tag 1 Einführung

• Roh Fakten ohne Kontext

  • Aufträge, Kapazität, Liefertermine

• Sind Gespeicherte Fakten über uns selbst, andere und unser Umfeld. Beispiele:

  • Kontobewegungen

  • Telefonnummern

  • Kontakte im Smartphone

  • Außentemperatur

  • Konzerttermine

  • Produktionsarbeitspläne

  • Bestände an Kunden- und Lieferantenaufträgen

• Verwandte Begriffe:

  • Informationen = interpretierte Daten.

    • Kapazität reicht nicht aus um die Aufträge zum gesagten Termine zu liefern

  • Wissen = subjektiv bewertete Informationen.

    • Kapazität lassen durch zusätzliche Machienen oder Schichten erhöhen

    • Fertigungstermine wichtiger Aufträge unbedingt einhalten

• Müssen gekauft, erhoben, gespeichert, verwaltet und ausgewertet werden.

• Benötigen qualifiziertes Personal, Hard- und Software.

• Beispiele:

  • Facebook kaufte WhatsApp für 14 Mrd. € (31 €/Nutzer).

  • Erste Steuersünder-CD (BND, 2006) kostete 4,6 Mio. €.

  • Datensatz (Adresse, Beruf, Alter etc.) kostet im Schnitt 18 Cent.

Datenbasis

• Strukturierte Sammlung von Daten

Datenbankmanagementsystem (DBMS)

• Verwaltung und Schutz des Datenbestands

• Aufgaben:

  • Speichern und Verwalten von Daten

  • Zugriff ermöglichen (gleichzeitig für mehrere Benutzer)

  • Optimierung von Datenzugriffen

  • Sicherstellung von Datenschutz und Datensicherheit

Metapher: Bibliothek

• Datenbasis: Alle Bücher der Bibliothek (geordnet, katalogisiert)

• DBMS: Bibliothekar, der Ordnung hält, Bücher verwaltet, neuen Zugang organisiert und gleichzeitig Zugriff für viele Personen ermöglicht

• Beschreibungen einer Datenbank werden in drei klar getrennte Ebenen unterteilt

• Ihr Zweck ist, Datenbanknutzer vor negativen Folgen zu schützen, wenn sich die innere Struktur einer Datenbank ändert.

• Mit anderen Worten: Änderungen sollen möglichst keine Störungen für Anwendende verursachen.

1. Externe Ebene

• Individuelle Benutzersichten auf die Daten

• Genau auf die Anforderungen einer Benutzergruppe zugeschnitten

• Enthält keine überflüssigen Dateneinheiten oder Beziehungen

• Mehrere Benutzergruppen ⇒ mehrere externe Schemata

• Unterstützt gleichzeitigen Multi-User-Betrieb

• Benötigt ein Berechtigungskonzept für sicheren Zugriff

  
  

2. Konzeptionelle Ebene

• Beschreibt logische Dateneinheiten (Entity) und Beziehungen (Relationship)

• Enthält keine Datenwerte, nur deren Struktur

• Beschreibung durch Datenmodell (hierarchisch, netzwerkartig, relational)

• Keine Angaben zur physischen Speicherung

Vorteile

• Stabile Beschreibung der Datenbasis

• Einheitliche Dokumentation der Informationszusammenhänge

• Änderungen erfolgen langsamer als in Anwendungen

3. Interne Ebene

• Organisation der physischen Datenspeicherung

• Physikalische Realisierung auf Speichermedien

• Enthält Algorithmen zur Speicherung, Indizierung, Sortierung und Selektion

• Know-how des Entwicklers, für Anwender verborgen

• Datenunabhängigkeit ist die Fähigkeit eines Datenbanksystems, Änderungen an der Datenstruktur vorzunehmen, ohne dass Anwendungen, die auf diese Daten zugreifen, angepasst werden müssen.

• 
  

• Es gibt zwei Arten von Datenunabhängigkeit:

  
  

  • Logische Datenunabhängigkeit:

    • Änderungen im logischen Schema (z. B. neue Felder) beeinflussen weder externe Schemata noch Anwendungen.

  • Physische Datenunabhängigkeit:

    • Änderungen im physischen Schema (z. B. Speicherort der Daten) haben keine Auswirkungen auf das logische Schema oder Anwendungen

• Stand-Alone-Datenbank

  • Lokale Einzelplatzlösung, kein Mehrbenutzerzugriff

  • Einfaches internes Schema, meist ohne komplexe Berechtigungen

  • Beispiele: dBase, Access, Filemaker

  • Geeignet für einfache Anwendungen wie Adressverwaltung oder Buchhaltung

    
    

  
  

• Mehrbenutzerzugriff innerhalb eines Netzwerks

• Datenbank als zentrale Datei, auf die Clients zugreifen

• Database Engine läuft auf jedem Client

• Server speichert Daten, verwaltet sie aber nicht selbst

• Vorteil: keine redundante Datenhaltung, Änderungen sofort für alle sichtbar

• Nachteil: hoher Netzwerkverkehr bei gleichzeitigen Zugriffen, Sperrprobleme

  
  

• Läuft auf dediziertem Server im Netzwerk

• Server verwaltet Datenbank und verarbeitet Anfragen der Clients

• Clients greifen nicht direkt auf Daten zu, sondern über Schnittstellen

• Trennung von Datenverwaltung und Datenzugriff

• Vorteile: hohe Sicherheit, gute Leistung, flexible Nutzung

• Erfordert Betreuung durch Datenbankadministrator

• Beispiele: Oracle, DB2, Microsoft SQL Server, MySQL, MAXDB

  
  

• Daten in hierarchischer (Baum-)Struktur organisiert

• Beispiel: Unternehmen mit Abteilungen und Mitarbeitern

• Nutzung: teilweise noch in Dateisystemen und XML-Entwicklung

• Vorteile:

  • Übersichtliche Struktur

  • Technisch einfach

  • Sehr schneller Lesezugriff

  • Geeignet für große Datenmengen

    
    

• Nachteile:

  • Starre Baumstruktur, keine Querverknüpfungen

    Nachträgliche Änderungen schwierig

    Heute meist von relationalen oder anderen modernen Modellen abgelöst

    
    

• Erweiterung des hierarchischen Modells, um Hierarchien zu überwinden

• Keine strikte Hierarchie, mehrere Suchwege möglich

• Datenfeld besteht aus Name und Wert, Navigation durch die Daten möglich

• Nutzung: netzartige Strukturen, z. B. geographische Netze, semantisches Web, soziale Netzwerke

• Vorteile:

  
  

  • keine strenge Hierarchie

  • mehrere Suchwege pro Datensatz

  • flexibler als hierarchische Datenbanken

  • leistungsfähiger als relationale Datenbanken

  • gute Integrität

  
  

• Nachteile:

  
  

  • unübersichtlich bei großen Datenmengen

  • Datenstruktur bestimmt Aufbau

  • kann aufwendig und kompliziert sein

  
  

• Effizientes und flexibles Modell für die Datenspeicherung

• Besteht aus Tabellen mit Zeilen (Tupeln) und Spalten (Attributen)

• Tabellen sind durch Primär- und Fremdschlüssel miteinander verknüpft

• Nutzung: weit verbreitet in modernen Datenbanksystemen

• Vorteile: Übersichtlichkeit, einfache Datenverknüpfung, gute Datenintegrität

  
  

• Vorteile:

  • einfach umzusetzen

  • flexible Erstellung und Bearbeitung

  • schnelle Inbetriebnahme

  • weitgehende Datenunabhängigkeit

  • SQL-fähig

• Nachteile:

  • weniger leistungsfähig als andere Modelle

  • keine Gewährleistung der Datenintegrität

  • fehler- und störanfällig

  • künstliche Schlüsselattribute

  • mangelhafte Segmentierung

• Daten und zugehörige Funktionen werden gemeinsam gespeichert

• basiert auf Prinzipien der objektorientierten Programmierung

• sehr leistungsfähig, aber komplex

• Bedeutung durch NoSQL-Datenbanken verringert

• Vorteile:

  
  

  • Speicherung multimedialer Inhalte

  • flexible Datenrepräsentation

  • schnelle Inbetriebnahme

  • unterstützt mehrdimensionale Daten

  • wiederverwendbare Objekte

  
  

• Nachteile:

  
  

  • komplizierte Implementierung

  • geringe Geschwindigkeit

  • wenige kompatible Schnittstellen

  
  

• Definition: Eine Tabelle ist in der ersten Normalform, wenn alle Attribute atomar sind (nicht weiter teilbar)

• Beispiel: Tabelle „Studenten“ mit Namen und Telefonnummern der Studenten, wobei jede Telefonnummer in einer eigenen Spalte steht (keine Liste in einer Zelle)

• Definition: Eine Tabelle ist in der zweiten Normalform, wenn sie in der ersten Normalform ist und jedes Nicht-Schlüsselattribut vollständig vom Primärschlüssel abhängt

• Beispiel: Tabelle „Kurse“ mit Kursinformationen und Namen der Dozenten, bei der jeder Dozent eindeutig einem Kurs zugeordnet ist

• Definition: Eine Tabelle ist in der dritten Normalform, wenn sie in der zweiten Normalform ist und keine Nicht-Schlüsselattribute indirekt vom Primärschlüssel abhängen

• Beispiel: Tabelle „Bestellungen“ mit Bestellinformationen und Kundendaten, wobei die Kundendaten in eine separate Tabelle ausgelagert werden, um Redundanz zu vermeiden

• Tritt auf, wenn Daten nur schwer oder gar nicht eingefügt werden können, ohne unvollständige oder inkonsistente Daten zu erzeugen

• Ursache: Pflichtfelder ohne Werte können zu fehlerhaften Datensätzen führen

• Tritt auf, wenn Änderungen an Daten zu Inkonsistenzen führen

• Ursache: dieselben Daten werden an mehreren Stellen gespeichert, aber nicht alle aktualisiert

• Tritt auf, wenn das Löschen eines Datensatzes unbeabsichtigt andere wichtige Daten entfernt

• Ursache: Abhängigkeiten zwischen Daten führen dazu, dass beim Löschen eines Datensatzes auch andere benötigte Informationen verschwinden