przygotował: Podstawy języka MDX Tworzenie zbiorów

Wielkość: px
Rozpocząć pokaz od strony:

Download "przygotował: pawel@kasprowski.pl Podstawy języka MDX Tworzenie zbiorów"

Transkrypt

1 Podstawy języka MDX Tworzenie zbiorów

2 Używanie zbiorów Zbiór to: wynik działania funkcji (np. funkcji members) lista elementów otoczona {...} {[Store Sales], [Unit Sales]} on columns, [Product].[Prod].[Category].members [ ] [ on rows from test where ([1998].[Quarter [ 1])

3 Używanie zbiorów Zbiór może zawierać tylko jeden element trzeba jednak pamiętać o nawiasach klamrowych! { [Unit Sales] } on columns, [Product].[Prod].[Category].members on rows from test where ([1998].[Quarter 1])

4 Funkcje zwracające zbiór members dla poziomu: [Customer].[Cust].[Country].members dla całego ł wymiaru: children [Customer].[Cust].members dla konkretnego elementu: [Customer].[Cust].[USA].children ] [USA] [Customer].[Cust].[Richmond].children

5 Members a children Dla member'a: [customer]. [Cust].[Burnaby].children ok [customer]. [Cust].[Burnaby].members błąd! Dla poziomu: [customer]. [Cust].[City].members ok [customer]. [Cust].[City].children błąd!

6 Podobne funkcje Dla members: allmembers addcalculatedmembers stripcalculatedmembers Dla children siblings rodzeństwo aktualnego elementu parent podaje rodzica (i to nie jest zbiór!)

7 Funkcja Descendants Analogiczna do ancestor Descendants(<member>,<level>[,...]) <level> to nazwa poziomu lub numer Bez podania poziomu zwraca wszystkich potomków elementu Opcjonalny trzeci parametr to flaga, która mówi które poziomy zwrócić

8 Flagi Descendants SELF domyślne, tylko podany poziom AFTER niższe od podanego poziomu BEFORE wszystkie pomiędzy elementem i podanym poziomem (bez tego poziomu!) SELF_AND_AFTER podany poziom i niższe SELF_AND_BEFORE - wszystkie pomiędzy ę elementem i podanym poziomem oraz podany poziom LEAVES wszystkie liście elementy bez potomków pomiędzy podanym elementem a podanym poziomem

9 Przykład dla Descendants Wszystkie miasta USA Descendants([customer]. [Cust].[USA],[USA] [City]) Wszyscy potomkowie USA Descendants([customer]. [Cust].[USA])[USA]) Wszystkie nazwiska (liście) z USA Descendants([customer]. [Cust].[USA],, LEAVES) Wszystkie stany USA Descendants([customer]. [Cust].[USA], [ ], [City], BEFORE) Wszystkie stany i miasta USA Descendants([customer]. [Cust].[USA], [City], SELF_AND_BEFORE)

10 Manipulacje zbiorami Funkcje: Head i Tail Union Intersect t Except Hierarchize

11 Funkcja Head Zwraca X pierwszych wyników [Customer]. [Cust].[country].[USA].children[country] [USA] children on columns, [Product].[Prod].[Category].members on rows

12 Funkcja Head Zwraca X pierwszych wyników [Customer]. [Cust].[country].[USA].children[country] [USA] children on columns, Head( [Product].[Prod].[Category].members, [ ] [ 5 ) on rows

13 Funkcja Tail Zwraca X ostatnich wyników [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Tail( [Product].[Prod].[Category].members, [ ] [ 5 ) on rows

14 UNION - tworzenie unii Łączenie dwóch zbiorów [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Union( [Time].[Tm].[Year].members, ) on rows [Time].[Tm].[Month].members [ ] [ ]

15 UNION Łączone zbiory muszą pochodzić z tego samego wymiaru! [Customer].[Cust].[country].[USA].children on columns, Union( [Time].[Tm].[Year].members, [ ] [ ] [Product].members ) on rows

16 UNION Można wpisać zbiory w {...} [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Union( {[styczeń],[luty]}, {[1998]} ) on rows

17 UNION Można wpisać zbiory w {...} [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Union( {[1998].[Quarter 1].[styczeń], [1998].[Quarter [ 1].[luty]}, {[1998]} ) on rows

18 UNION Można wpisać zbiory w {...} [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Union( {[1998].&[1].[styczeń], [1998].&[1].[luty]}, [ ] [ {[1998]} ) on rows

19 UNION Ale można wtedy pominąć Union [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, {[1998].&[1].[styczeń], [1998].&[1].[luty], [1998]} on rows

20 UNION Użycie UNION automatycznie usuwa duplikaty (elementy powtarzające się w obu zbiorach) Zwykłe połączenie zbiorów nie usuwa duplikatów Można użyć: UNION(<set1>, <set2>, ALL) Wtedy duplikaty nie zostaną usunięte

21 Kolejność elementów Zapytanie zwraca najpierw lata a potem kwartały to nieczytelne! [Customer].[Cust].[country].[USA].children on columns, Union( ([Time].[Year].members, ][ ] [Time].[Quarter].members ) on rows

22 Funkcja Hierarchize Układa elementy zgodnie z hierarchią [Customer].[Cust].[country].[USA].children[Cust] [country] [USA] children on columns, Hierarchize( Union( ([Time].[Year].members, ][ ] [Time].[Quarter].members )) on rows

23 Funkcja Except Except( <set1>, <set2>) Usuwa ze zbioru pierwszego elementy znajdujące j się także w zbiorze drugim [Product].[Prod].[Category].members on columns, Except( [Customer].[Cust].[USA].[CA].children, {[Customer].[Cust].[San Francisco]} ) on rows

24 Funkcja Except Except( <set1>, <set2>) Usuwa ze zbioru pierwszego elementy znajdujące j się także w zbiorze drugim [Product].[Prod].[Category].members on columns, Except( [Customer].[Cust].[USA].[CA].children, {[Customer].[Cust].[San Francisco], [Customer].[Cust].[Santa Cruz]} ) on rows

25 Operator zakresu Działa jak w MS Excel Dla M1:M2 M2 zbiór zawiera elementy od M1 do M2 [Product].[Prod].[Category].members on columns, Except( [Customer].[Cust].[USA].[CA].children, {[Customer].[Cust].[San Francisco] : [Customer].[Cust].[Santa Cruz]} ) on rows

26 Funkcja Intersect Intersect(<set1>, <set2>) Zwraca część wspólną zbiorów [Product].[Prod].[Category].members on columns, Intersect( [Customer].[Cust].[Mexico].[DF].children, ) on rows Head([Customer].[Cust].[City].members,20)

27 Funkcja Distinct Distinct( <set>) Usuwa duplikaty ze zbioru [Product].[Prod].[Category].members on columns, { [Customer].[Cust].[Mexico].[DF].children, [ ] [ ] [ ] on rows { [Customer].[Cust].[San Andres] } }

28 Funkcja Distinct Distinct( <set>) Przykład miasta nie pojawią się dwa razy [Product].[Prod].[Category].members on columns, Distinct( {[Customer].[Cust].[Mexico].[DF].children, ) on rows { [Customer].[Cust].[San Andres] }}

29 Podstawy języka MDX Podzapytania

30 Podzapytania Do stworzenia niektórych raportów MDX tworzy najpierw niewidoczne zapytanie, a potem dopiero na jego podstawie przygotowuje wynik Podzapytania MDX i podzapytania SQL to coś zupełnie innego!

31 Tematyka modułu Funkcje tworzące podzapytania Order sortowanie danych TopCount tworzenie rankingów Filter filtrowanie na osiach

32 Funkcja Order Order(<set>, <wartość> [,<flaga>]) Sortuje podany zbiór {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[Mexico].children, [Store Sales] ) on rows

33 Funkcja Order Flagi: ASC (domyślna), DESC, BASC, BDESC {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[Mexico].children, [Store Sales], ASC )on rows

34 Funkcja Order Flagi: ASC (domyślna), DESC, BASC, BDESC {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[Mexico].children, [Store Sales], DESC )on rows

35 Funkcja Order ASC i DESC zachowują hierarchię (sortują według poziomów) {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[State Province].members, [Store Sales] )on rows

36 Funkcja Order ASC i DESC zachowują hierarchię (sortują według poziomów) {[Store Sales], [Unit Sales]} on columns, Order( {[Customer].[State Province].members, [Customer].[Country].members}, [Store Sales] )on rows

37 Funkcja Order BASC i BDESC sortują bezpośrednio według wartości {[Store Sales], [Unit Sales]} on columns, Order( {[Customer].[State Province].members, [Customer].[Country].members}, [Store Sales], BASC )on rows

38 Sortowanie alfabetyczne Jako wartości sortowanej używamy nazwy elementu {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[State Province].members, [customer].currentmember.name )on rows

39 Sortowanie alfabetyczne Należy dodać BASC lub BDESC aby sortować niezaleznie od hierarchii {[Store Sales], [Unit Sales]} on columns, Order( [Customer].[State Province].members, [customer].currentmember.name, BASC )on rows

40 Ranking najlepszych Podaj pięć miast z największą sprzedażą {[Store Sales]} on columns, Head( Order([Customer].[City].members, [Store Sales], DESC), 5) on rows

41 Ranking najlepszych Podaj pięć miast z największą sprzedażą {[Store Sales]} on columns, TopCount( [Customer].[City].members, 5, [Store Sales] ) on rows

42 Inne rankingi BottomCount TopSum BottomSum TopPercent BottomPercent

43 Filtrowanie osi Fukcja Filter(<set>, <condition>) {[Store Sales]} on columns, Filter( [Customer].[City].members, [Store Sales]>50000 ) on rows

44 Funkcja Filter Nakłada warunki na elementy osi Filtry niezależne dla każdej osi (kolumny/wiersza) Drugi parametr jest dowolnym wyrażeniem warunkowym {[Store Sales]} on columns, Filter( [Customer].[City].members, [customer].currentmember.name>"van" ) on rows

45 Funkcja Filter Filtr działa dla elementów wymiaru pokazanego na danej osi niezależnie od drugiej osi Żadna komórka nie ma wartości > 50000! [Product].[product category].members on columns, Filter( [Customer].[City].members, [Store Sales]>50000 ) on rows

46 Funkcja Filter Filtr działa dla elementów wymiaru pokazanego na danej osi niezależnie od drugiej osi Suma komórek jest dla danego wiersza jest > { [Product].[All Product], [Product].[product category].members} on columns, Filter( [Customer].[City].members, [Store Sales]>50000 ) on rows

47 Filter a Where Klauzula WHERE na końcu zapytania dotyczy innych wymiarów nie tych na osiach! {[Store Sales]} on columns, Filter( [Customer].[City].members, [Store Sales]>500 ) on rows

48 Filter a Where Podaje i oblicza [Store Sales] tylko dla wina i piwa {[Store Sales]} on columns, Filter( [Customer].[City].members, [Store Sales]>500 ) on rows where [Product].[Beer and Wine]

49 Filter a Where Generuje błąd! {[Store Sales]} on columns, Filter( [Customer].[City].members, [Store Sales]>500 ) on rows where [Customer].[USA]

50 NON EMPTY Modyfikator usuwający puste elementy osi (np. pusty wiersz lub pustą kolumnę) Nie jest to funkcja wynik zależy od wszystkich osi a nie tylko tej na której zastosowano modyfikator!

51 Użycie NONEMPTY W bazie brak danych z 1997 roku, więc połowa wierszy jest pusta {[Store Sales],[Store Cost]} on columns, [Time].[Quarter].members[Q members on rows from test

52 Użycie NONEMPTY Rozwiązanie: użycie modyfikatora NON EMPTY na wierszach {[Store Sales],[Store Cost]} on columns, NON EMPTY [Time].[Quarter].members[Q members on rows from test

53 Raporty 3-wymiarowe Przykład: Raport pokazujący sprzedaż kategorii produktów (1) w jednostkach czasu (2) w różnych lokalizacjach (3) Raport trzeba zwizualizować w postaci dwuwymiarowej Jest to możliwe w Cube Browser'ze W języku MDX służy do tego funkcja Crossjoin

54 Raport 3 wymiarowy Raport przedstawiający sprzedaż produktów w krajach [Product].[product [ d t category].members on columns, [country].members on rows Jak do tego dodać informację o sprzedaży w kwartałach?

55 Raport 3 wymiarowy Raport przedstawiający sprzedaż produktów w krajach z podziałem na kwartały [Product].[Product Category].members on columns, crossjoin([country].members, ntr [Quarter].members) on rows

56 Raport 3 wymiarowy Dodanie informacji o latach [Product].[Product t][p d t Category].members on columns, crossjoin([country].members, {[Quarter].members, [Year].members}) on rows

57 Raport 3 wymiarowy Ułożenie wierszy wg hierarchii [Product].[Product t][p d tcategory].members on columns, hierarchize( crossjoin([country].members, {[Quarter].members, [Year].members}) ) on rows

58 Raport 3 wymiarowy Zamiana kolejności [Product].[Product Category].members on columns, hierarchize( crossjoin( {[Quarter].members, [Year].members}, [Country].members) ) on rows

59 Podstawy języka MDX Agregacje g

60 Tworzenie elementów Dynamiczne tworzenie elementów wyliczanych (calculated members) with member <nazwa> as '<definicja>' [,<format_string>]...

61 Tworzenie elementów Podaj średnią cenę każdego produktu with member Measures.[Average Price] as '[Store Sales]/[Unit Sales]' {[Store Sales], [Unit Sales], [Average Price]} on columns [Product].[Product t][p d tn Name].members on rows

62 Funkcje agregujące Parametry zbiór wielkość obliczana (miara) Wyjście pojedyncza wartość Przykład sum([usa].children, [Store Sales]) Suma sprzedaży dla wszystkich stanów USA

63 Tworzenie agregacji Podaj sumaryczną sprzedaż dla każdego produktu z kategorii [Bread] with member Measures.[Sum Store] as 'Sum([Product].CurrentMember.children, [Store Sales])' {[Store Sales], [Unit Sales], [Sum Store]} on columns, Descendants([Product].[Bread]) d [B d]) on rows

64 Średnia sprzedaż Podaj średnią sprzedaż dla produktów z kategorii [Bread] with member Measures.[Sum Store] as 'Avg([Product].CurrentMember.children, [Store Sales])' {[Store Sales], [Unit Sales], [Sum Store]} on columns, Descendants([Product].[Bread]) d [B d]) on rows

65 Średnia cena Podaj ceny dla produktów z kategorii [Bread] with member Measures.[Price] as '[Store Sales]/[Unit Sales]' {[Store Sales], [Unit Sales], [Price]} on columns, Descendants([Product].[Bread]) on rows

66 Średnia cena Podaj średnią cenę dla produktów z kategorii [Bread] with member Measures.[Price] as '[Store Sales] / [Unit Sales]' member Measures.[Avg Price] as 'Avg([Product].CurrentMember.children, [Price])' {[Store Sales], [Unit Sales], [Price], [Avg Price]} on columns, Descendants([Product].[Bread]) on rows

67 Różne funkcje agregujące Sum Min Max Avg Count DistinctCount Median Variance Covariance

68 Przykładowa statystyka Podaj o ile gorsza jest sprzedaż danego produktu względem najlepszego w jego kategorii Sprzedaż najlepszego: TopCount([Bread].children, 1, [Store Sales]) Problem: zwraca zbiór (jednoelementowy!) Nie można więc napisać: [Store Sales] - TopCount([Bread].children, 1, [Store Sales]) Trzeba zamienić zbiór w element Dwie metody: TopCount([Bread].children, 1, [Store Sales]).Item(0) Sum( TopCount([Bread].children, 1, [Store Sales]) )

69 Przykładowa statystyka Podaj o ile gorsza jest sprzedaż danego produktu względem najlepszego w jego kategorii with member Measures.[Stat1] as '[Store Sales] - ( TopCount([Bread].children, 1, [Store Sales]).item(0), [Store Sales] )' {[Store Sales], [Unit Sales], [Stat1]} on columns, Descendants([Product].[Bread]) d [B d]) on rows

70 Najlepszy potomek Dla każdej kategorii produktu podaj sprzedaż jego najlepszego i najgorszego produktu with member Measures.[Worst] as ' Min(Descendants([Product].CurrentMember,[product].[product name]), [Store Sales])' {[Store Sales],[Worst]} on columns, [Product].members on rows

71 Najlepszy i najgorszy potomek Dla każdej kategorii produktu podaj sprzedaż jego najlepszego i najgorszego produktu with member Measures.[Worst] as ' Min(Descendants([Product].currentmember,[product].[product name]), [Store Sales])' member Measures.[Best] as ' Max(Descendants([Product].currentmember,[product].[product currentmember [product] [product name]), [Store Sales])' {[Store Sales], [Worst], [Best]} on columns,...

72 Funkcje obsługi czasu PeriodsToDate([ <level> ]) Domyślnie zwraca elementy od firstsibling do aktualnego Po podaniu poziomu resetuje się na podanym poziomie Przykład: sum(periodstodate(),[store Sales]) Odpowiednik PeriodsToDate([Year]) to funkcja YTD()

73 Funkcje obsługi czasu LastPeriods( <N> ) Zwraca zbiór elementów od aktualnego do N w tyłł Przykład: dla kwietnia 1998 LastPeriods(2) zwróci zbiór: lut1998, mar1998, kwi1998 Stosowanie do funkcji agregujących Avg(LastPeriods(3),[Unit Sales]) średnia z ostatnich trzech okresów

74 Funkcja Rank Rank( <member>, <set>) Zwraca pozycję elementu w zbiorze with member Measures.[Info] as 'Rank([Customer].CurrentMember, [Customer].parent.children)' {[Store Sales], [Info]} on columns, [City].members on rows

75 Funkcja Rank Funkcja działa niezależnie od sortowania with member Measures.[Info] as 'Rank([Customer] Rank([Customer].CurrentMember, CurrentMember [Customer].parent.children)' {[Store Sales], [Info]} on columns, Order([City].members,[Store [St Sales]) on rows

76 Przechowywanie danych przygotował:

77 Schematy przechowywania ROLAP (Relational OLAP) wszystkie dane przechowywane w bazie MOLAP (Multidimensional OLAP) dane przechowywane w specjalnej strukturze wielowymiarowej (Analysis Services) HOLAP (Hybrid OLAP) agregacje g w przechowywane w strukturze wielowymiarowej dane przechowane w bazie relacyjnej

78 ROLAP Zapytania są wolniejsze Brak redundancji powielanie tych samych danych Lepsza skalowalność Zwykle do bardzo dużych baz danych

79 MOLAP Kopia wszystkich danych w strukturze wielowymiarowej i Najszybsze zapytania Efektywna kompresja Dla mocno obciążonych hurtowni Baza relacyjna jest używana tylko podczas ładowania danych

80 HOLAP Kompromis pomiędzy szybkością a wielkością ś i bazy Agregacje w strukturze wielowymiarowej Szczegółowe dane w bazie relacyjnej Automatyczna aktualizacja agregacji w przypadku zmian w bazie relacyjnej Na czas aktualizacji działa jak ROLAP

81 Storage w SQL Server Real Time ROLAP Real Time HOLAP Low Latency MOLAP automatyczna aktualizacja (max. 30 min) przełącza się na ROLAP na czas aktualizacji Medium Latency MOLAP automatyczna aktualizacja (max. 4 h) przełącza ą się ę na ROLAP na czas aktualizacji Automatic MOLAP automatyczna aktualizacja zapytania zawieszają się na czas aktualizacji

82 Storage w SQL Server Scheduled MOLAP Brak bezpośredniej aktualizacji Automatyczna aktualizacja co 24h MOLAP Brak bezpośredniej aktualizacji Aktualizacja ręczna

83 Zmiana parametrów przygotował:

84 Opcje aktualizacji

Podstawy MDX. Podstawy MDX. Podstawy MDX. Struktura kostki [BiznesG]

Podstawy MDX. Podstawy MDX. Podstawy MDX. Struktura kostki [BiznesG] Podstawowe zapytanie MDX ma strukturę podobną do zapytań SQL. Najprostsza postać zwraca dwuwymiarową kostkę: opis osi ON COLUMNS, opis osi ON ROWS FROM nazwa_kostki [WHERE opis_plastra] Najprostsza postać

Bardziej szczegółowo

Systemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska

Systemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Systemy OLAP I Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2008/09 Studia

Bardziej szczegółowo

Systemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska

Systemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2007/08 Studia uzupełniajace magisterskie

Bardziej szczegółowo

Krzysztof Dembczyński. Inteligentne Systemy Wspomagania Decyzji Studia magisterskie, semestr I Semestr letni 2007/08

Krzysztof Dembczyński. Inteligentne Systemy Wspomagania Decyzji Studia magisterskie, semestr I Semestr letni 2007/08 Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Inteligentne Systemy Wspomagania Decyzji Studia magisterskie, semestr I Semestr letni

Bardziej szczegółowo

OnLine Analytical Processing (OLAP) Kostki OLAP i zapytania MDX

OnLine Analytical Processing (OLAP) Kostki OLAP i zapytania MDX OnLine Analytical Processing (OLAP) Kostki OLAP i zapytania MDX 24 kwietnia 2014 Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą

Bardziej szczegółowo

Przestrzenne bazy danych Podstawy języka SQL

Przestrzenne bazy danych Podstawy języka SQL Przestrzenne bazy danych Podstawy języka SQL Stanisława Porzycka-Strzelczyk porzycka@agh.edu.pl home.agh.edu.pl/~porzycka Konsultacje: wtorek godzina 16-17, p. 350 A (budynek A0) 1 SQL Język SQL (ang.structured

Bardziej szczegółowo

Kostki OLAP i język MDX

Kostki OLAP i język MDX Kostki OLAP i język MDX 24 kwietnia 2015 r. Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą się na nie składały różne rodzaje zadań,

Bardziej szczegółowo

- język zapytań służący do zapisywania wyrażeń relacji, modyfikacji relacji, tworzenia relacji

- język zapytań służący do zapisywania wyrażeń relacji, modyfikacji relacji, tworzenia relacji 6. Język SQL Język SQL (Structured Query Language): - język zapytań służący do zapisywania wyrażeń relacji, modyfikacji relacji, tworzenia relacji - stworzony w IBM w latach 70-tych DML (Data Manipulation

Bardziej szczegółowo

Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania.

Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania. Wykład 7 Implementacja języka SQL w systemach baz danych Oracle sortowanie, funkcje agregujące i podzapytania. Przykładowa RBD o schematach relacji (tzw. płaska postać RBD): N(PRACOWNICY) = {ID_P, IMIĘ,

Bardziej szczegółowo

ORACLE. System Zarządzania Bazą Danych Oracle. Oracle Advanced SQL

ORACLE. System Zarządzania Bazą Danych Oracle. Oracle Advanced SQL ORACLE System Zarządzania Bazą Danych Oracle Oracle Advanced SQL wersja 1.0 Politechnika Śląska 2008 Raportowanie z wykorzystaniem fraz rollup, cube Frazy cube, rollup, grouping sets umożliwiają rozszerzoną

Bardziej szczegółowo

Relacyjne bazy danych. Podstawy SQL

Relacyjne bazy danych. Podstawy SQL Relacyjne bazy danych Podstawy SQL Język SQL SQL (Structured Query Language) język umożliwiający dostęp i przetwarzanie danych w bazie danych na poziomie obiektów modelu relacyjnego tj. tabel i perspektyw.

Bardziej szczegółowo

SQL (ang. Structured Query Language)

SQL (ang. Structured Query Language) SQL (ang. Structured Query Language) SELECT pobranie danych z bazy, INSERT umieszczenie danych w bazie, UPDATE zmiana danych, DELETE usunięcie danych z bazy. Rozkaz INSERT Rozkaz insert dodaje nowe wiersze

Bardziej szczegółowo

Tworzenie zapytań do Microsoft SQL Server

Tworzenie zapytań do Microsoft SQL Server MS 20461 Tworzenie zapytań do Microsoft SQL Server Czas trwania: 5 dni (40 h) Poziom trudności: Średnio Zaawansowany Autoryzacja: Microsoft Opis: Szkolenie administratorów baz danych oraz programistów

Bardziej szczegółowo

MDX ZAWARTOŚĆ O MDX. Wyk onał: Zatwi erdził: KSPBC_Szkolenie_20090623. doc. Spra wdził: Strona 1 z 15

MDX ZAWARTOŚĆ O MDX. Wyk onał: Zatwi erdził: KSPBC_Szkolenie_20090623. doc. Spra wdził: Strona 1 z 15 ZAWARTOŚĆ Zawartość...1 O...1 Podstawowe typy danych...2 1.1. Wymiar / hierarhia...2 1.2. Poziom...2 1.3. Element...2 1.4. Kolekcje (Tuples)...2 1.5. Zbiory (Sets)...2 1.6. Osie (Axes)...2 Pierwsze zapytanie...3

Bardziej szczegółowo

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...

Bardziej szczegółowo

Integracja i Eksploracja Danych

Integracja i Eksploracja Danych Integracja i Eksploracja Danych Laboratorium nr 4 Wprowadzenie do języka MDX. Zadania: 1) Analogicznie do przykładu zawartego na poprzednich zajęciach, korzystając z SQL Server Business Intelligence Development

Bardziej szczegółowo

Relacyjne bazy danych. Podstawy SQL

Relacyjne bazy danych. Podstawy SQL Relacyjne bazy danych Podstawy SQL Język SQL SQL (Structured Query Language) język umoŝliwiający dostęp i przetwarzanie danych w bazie danych na poziomie obiektów modelu relacyjnego tj. tabel i perspektyw.

Bardziej szczegółowo

Szkolenie Oracle SQL podstawy. Terminy. 15 17 lutego 2010 First Minute! 1100zł!

Szkolenie Oracle SQL podstawy. Terminy. 15 17 lutego 2010 First Minute! 1100zł! Szkolenie Oracle SQL podstawy Terminy 15 17 lutego 2010 First Minute! 1100zł! Opis szkolenia Baza danych Oracle od dawna cieszy się zasłużona sławą wśród informatyków. Jej wydajność, szybkość działania

Bardziej szczegółowo

Funkcjonalność języka MDX w implementacji HYPERION

Funkcjonalność języka MDX w implementacji HYPERION Funkcjonalność języka MDX w implementacji HYPERION Paweł Kędziora, Marek Lewandowski Politechnika Poznańska pawel.kedziora@gmail.com, lewandowski.marek@gmail.com Spis Treści: 1 Standard MDX... 2 2 Postać

Bardziej szczegółowo

Program szkoleniowy Efektywni50+ Moduł IV Podstawy relacyjnych baz danych i język SQL

Program szkoleniowy Efektywni50+ Moduł IV Podstawy relacyjnych baz danych i język SQL Program szkoleniowy Efektywni50+ Moduł IV Podstawy relacyjnych baz danych i język SQL 1 Podstawy relacyjnego modelu danych. 3h UWAGA: Temat zajęć jest typowo teoretyczny i stanowi wprowadzenie do zagadnień

Bardziej szczegółowo

Wprowadzenie do hurtowni danych

Wprowadzenie do hurtowni danych Wprowadzenie do hurtowni danych przygotował: Paweł Kasprowski Kostka Kostka (cube) to podstawowy element hurtowni Kostka jest wielowymiarowa (od 1 do N wymiarów) Kostka składa się z: faktów wektora wartości

Bardziej szczegółowo

Microsoft SQL Server Podstawy T-SQL

Microsoft SQL Server Podstawy T-SQL Itzik Ben-Gan Microsoft SQL Server Podstawy T-SQL 2012 przełożył Leszek Biolik APN Promise, Warszawa 2012 Spis treści Przedmowa.... xiii Wprowadzenie... xv Podziękowania... xix 1 Podstawy zapytań i programowania

Bardziej szczegółowo

Systemy GIS Tworzenie zapytań w bazach danych

Systemy GIS Tworzenie zapytań w bazach danych Systemy GIS Tworzenie zapytań w bazach danych Wykład nr 6 Analizy danych w systemach GIS Jak pytać bazę danych, żeby otrzymać sensowną odpowiedź......czyli podstawy języka SQL INSERT, SELECT, DROP, UPDATE

Bardziej szczegółowo

Microsoft Excel 2013: Budowanie modeli danych przy użyciu PowerPivot

Microsoft Excel 2013: Budowanie modeli danych przy użyciu PowerPivot Microsoft Excel 2013: Budowanie modeli danych przy użyciu PowerPivot Alberto Ferrari i Marco Russo Przekład: Marek Włodarz APN Promise Warszawa 2014 Spis treści Wprowadzenie............................................................

Bardziej szczegółowo

Business Intelligence

Business Intelligence Business Intelligence Paweł Mielczarek Microsoft Certified Trainer (MCT) MCP,MCSA, MCTS, MCTS SQL 2005, MCTS SQL 2008, MCTS DYNAMICS, MBSS, MBSP, MCITP DYNAMICS. Geneza Prowadzenie firmy wymaga podejmowania

Bardziej szczegółowo

T-SQL dla każdego / Alison Balter. Gliwice, cop Spis treści. O autorce 11. Dedykacja 12. Podziękowania 12. Wstęp 15

T-SQL dla każdego / Alison Balter. Gliwice, cop Spis treści. O autorce 11. Dedykacja 12. Podziękowania 12. Wstęp 15 T-SQL dla każdego / Alison Balter. Gliwice, cop. 2016 Spis treści O autorce 11 Dedykacja 12 Podziękowania 12 Wstęp 15 Godzina 1. Bazy danych podstawowe informacje 17 Czym jest baza danych? 17 Czym jest

Bardziej szczegółowo

Podstawy języka T-SQL : Microsoft SQL Server 2016 i Azure SQL Database / Itzik Ben-Gan. Warszawa, Spis treści

Podstawy języka T-SQL : Microsoft SQL Server 2016 i Azure SQL Database / Itzik Ben-Gan. Warszawa, Spis treści Podstawy języka T-SQL : Microsoft SQL Server 2016 i Azure SQL Database / Itzik Ben-Gan. Warszawa, 2016 Spis treści Wprowadzenie Podziękowania xiii xvii 1 Podstawy zapytań i programowania T-SQL 1 Podstawy

Bardziej szczegółowo

Oracle11g: Wprowadzenie do SQL

Oracle11g: Wprowadzenie do SQL Oracle11g: Wprowadzenie do SQL OPIS: Kurs ten oferuje uczestnikom wprowadzenie do technologii bazy Oracle11g, koncepcji bazy relacyjnej i efektywnego języka programowania o nazwie SQL. Kurs dostarczy twórcom

Bardziej szczegółowo

Agregacja i Grupowanie Danych. Funkcje Agregacji. Opcje GROUP BY oraz HAVING

Agregacja i Grupowanie Danych. Funkcje Agregacji. Opcje GROUP BY oraz HAVING Agregacja w SQL 1 Bazy Danych Wykład p.t. Agregacja i Grupowanie Danych Funkcje Agregacji. Opcje GROUP BY oraz HAVING Antoni Ligęza ligeza@agh.edu.pl http://galaxy.uci.agh.edu.pl/~ligeza Wykorzystano materiały:

Bardziej szczegółowo

Wprowadzenie do języka SQL

Wprowadzenie do języka SQL Wprowadzenie do języka SQL język dostępu do bazy danych grupy poleceń języka: DQL (ang( ang.. Data Query Language) DML (ang( ang.. Data Manipulation Language) DDL (ang( ang.. Data Definition Language)

Bardziej szczegółowo

Hurtownie danych. Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.

Hurtownie danych. Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw. Hurtownie danych Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.pl/hur UZASADNIENIE BIZNESOWE Po co nam hurtownia danych? Jakie mogą

Bardziej szczegółowo

Język SQL podstawy zapytań

Język SQL podstawy zapytań Język SQL podstawy zapytań 1 Plan prezentacji 1. Krótka historia języka SQL 2. Cechy języka SQL 3. Przykładowa baza danych 4. Podstawy zapytań - operacje na modelu relacyjnym 5. Polecenie SELECT zapytania

Bardziej szczegółowo

SQL do zaawansowanych analiz danych część 1.

SQL do zaawansowanych analiz danych część 1. SQL do zaawansowanych analiz danych część 1. Mechanizmy języka SQL dla agregacji danych Rozszerzenia PIVOT i UNPIVOT Materiały wykładowe Bartosz Bębel Politechnika Poznańska, Instytut Informatyki Plan

Bardziej szczegółowo

Bazy danych 2. Wykład 4 Structured Query Language (SQL)

Bazy danych 2. Wykład 4 Structured Query Language (SQL) Bazy danych 2 Wykład 4 Structured Query Language (SQL) Cechy SQL W standardzie SQL wyróŝnia się dwie części: DDL (Data Definition Language) - język definiowania danych DML (Data Manipulation Language)

Bardziej szczegółowo

Podstawy języka SQL cz. 2

Podstawy języka SQL cz. 2 Podstawy języka SQL cz. 2 1. Operatory zbiorowe a. UNION suma zbiorów z eliminacją powtórzeń, b. EXCEPT różnica zbiorów z eliminacją powtórzeń, c. INTERSECT część wspólna zbiorów z eliminacją powtórzeń.

Bardziej szczegółowo

Część I Istota analizy biznesowej a Analysis Services

Część I Istota analizy biznesowej a Analysis Services Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w

Bardziej szczegółowo

Administracja Internetowymi systemami baz danych (niestacjonarne) Laboratorium 7. Analysis Services (Business Intelligence)

Administracja Internetowymi systemami baz danych (niestacjonarne) Laboratorium 7. Analysis Services (Business Intelligence) Administracja Internetowymi systemami baz danych (niestacjonarne) Laboratorium 7 Analysis Services (Business Intelligence) Instrukcja do laboratorium 7: I. Tworzenie kostek OLAP oraz budowa struktury hurtowni

Bardziej szczegółowo

Wielowymiarowy model danych

Wielowymiarowy model danych Plan wykładu Wielowymiarowy model danych 1. Model danych 2. Analiza wielowymiarowa 3. Model wielowymiarowy: koncepcja wymiarów i faktów 4. Operacje modelu wielowymiarowego 5. Implementacje modelu wielowymiarowego:

Bardziej szczegółowo

Konstruowanie Baz Danych SQL UNION, INTERSECT, EXCEPT

Konstruowanie Baz Danych SQL UNION, INTERSECT, EXCEPT Studia podyplomowe Inżynieria oprogramowania współfinansowane przez Unię Europejska w ramach Europejskiego Funduszu Społecznego Projekt Studia podyplomowe z zakresu wytwarzania oprogramowania oraz zarządzania

Bardziej szczegółowo

OLAP i hurtownie danych c.d.

OLAP i hurtownie danych c.d. OLAP i hurtownie danych c.d. Przypomnienie OLAP -narzędzia analizy danych Hurtownie danych -duże bazy danych zorientowane tematycznie, nieulotne, zmienne w czasie, wspierjące procesy podejmowania decyzji

Bardziej szczegółowo

BAZY DANYCH wprowadzenie do języka SQL. Opracował: dr inż. Piotr Suchomski

BAZY DANYCH wprowadzenie do języka SQL. Opracował: dr inż. Piotr Suchomski BAZY DANYCH wprowadzenie do języka SQL Opracował: dr inż. Piotr Suchomski Wprowadzenie Język SQL używany jest do pracy z relacyjną bazą danych. Jest to język nieproceduralny, należący do grupy języków

Bardziej szczegółowo

Modele danych - wykład V

Modele danych - wykład V Modele danych - wykład V Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Zagadnienia 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie

Bardziej szczegółowo

Spis tre±ci. Przedmowa... Cz ± I

Spis tre±ci. Przedmowa... Cz ± I Przedmowa.................................................... i Cz ± I 1 Czym s hurtownie danych?............................... 3 1.1 Wst p.................................................. 3 1.2 Denicja

Bardziej szczegółowo

Wprowadzenie do hurtowni danych

Wprowadzenie do hurtowni danych Wprowadzenie do hurtowni danych przygotował: Paweł Kasprowski Informacje ogólne ( pawel@kasprowski.pl ) Wykładowca: Paweł Kasprowski Temat: Wprowadzenie do hurtowni danych Umiejętności wymagane: Znajomość

Bardziej szczegółowo

Podstawy języka SQL. SQL Structured Query Languagestrukturalny

Podstawy języka SQL. SQL Structured Query Languagestrukturalny Podstawy języka SQL SQL Structured Query Languagestrukturalny język zapytań DDL Język definicji danych (np. tworzenie tabel) DML Język manipulacji danych (np. tworzenie zapytań) DCL Język kontroli danych

Bardziej szczegółowo

Paweł Rajba pawel@ii.uni.wroc.pl http://www.itcourses.eu/

Paweł Rajba pawel@ii.uni.wroc.pl http://www.itcourses.eu/ Paweł Rajba pawel@ii.uni.wroc.pl http://www.itcourses.eu/ Wprowadzenie Historia i standardy Podstawy relacyjności Typy danych DDL tabele, widoki, sekwencje zmiana struktury DML DQL Podstawy, złączenia,

Bardziej szczegółowo

Część I Tworzenie baz danych SQL Server na potrzeby przechowywania danych

Część I Tworzenie baz danych SQL Server na potrzeby przechowywania danych Spis treści Wprowadzenie... ix Organizacja ksiąŝki... ix Od czego zacząć?... x Konwencje przyjęte w ksiąŝce... x Wymagania systemowe... xi Przykłady kodu... xii Konfiguracja SQL Server 2005 Express Edition...

Bardziej szczegółowo

Ćwiczenie zapytań języka bazy danych PostgreSQL

Ćwiczenie zapytań języka bazy danych PostgreSQL Ćwiczenie zapytań języka bazy danych PostgreSQL 1. Uruchom link w przeglądarce: http://127.0.0.1/phppgadmin 2. Kliknij w zaznaczony na czerwono link PostgreSQL: 3. Zaloguj się wpisując hasło i login student.

Bardziej szczegółowo

Podyplomowe Studia Systemy informatyczne w logistyce

Podyplomowe Studia Systemy informatyczne w logistyce MATERIAŁY SZKOLENIOWE Podyplomowe Studia Systemy informatyczne w logistyce Hurtownie danych w informatycznych systemach logistycznych (MS SQL Server 2012) PROWADZĄCY: Marcin Pieleszek Projekt współfinansowany

Bardziej szczegółowo

Bazy danych SQL Server 2005

Bazy danych SQL Server 2005 Bazy danych SQL Server 2005 TSQL Michał Kuciapski Typ zadania: Podstawowe zapytania Select Zadanie 1: Wyświetl następujące informacje z bazy: A. 1. Wyświetl informacje o klientach: nazwa firmy, imie, nazwisko,

Bardziej szczegółowo

DMX DMX DMX DMX: CREATE MINING STRUCTURE. Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski

DMX DMX DMX DMX: CREATE MINING STRUCTURE. Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski DMX DMX DMX Data Mining Extensions jest językiem do tworzenia i działania na modelach eksploracji danych w Microsoft SQL Server Analysis Services SSAS. Za pomocą DMX można tworzyć strukturę nowych modeli

Bardziej szczegółowo

Bazy analityczne (hurtownie danych, bazy OLAP)

Bazy analityczne (hurtownie danych, bazy OLAP) Bazy analityczne (hurtownie danych, bazy OLAP) Materiały pomocnicze. Bazy produkcyjne (transakcyjne) i analityczne Większość systemów baz danych to systemy produkcyjne, inaczej nazywane transakcyjnymi,

Bardziej szczegółowo

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Usługi analityczne budowa kostki analitycznej Część pierwsza. Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.

Bardziej szczegółowo

Plan. Wyświetlanie n początkowych wartości (TOP n) Użycie funkcji agregujących. Grupowanie danych - klauzula GROUP BY

Plan. Wyświetlanie n początkowych wartości (TOP n) Użycie funkcji agregujących. Grupowanie danych - klauzula GROUP BY Plan Wyświetlanie n początkowych wartości (TOP n) Użycie funkcji agregujących Grupowanie danych - klauzula GROUP BY Generowanie wartości zagregowanych Użycie klauzul COMPUTE i COMPUTE BY Wyświetlanie początkowych

Bardziej szczegółowo

ORACLE. System Zarządzania Bazą Danych Oracle. Oracle Advanced SQL

ORACLE. System Zarządzania Bazą Danych Oracle. Oracle Advanced SQL ORACLE System Zarządzania Bazą Danych Oracle Oracle Advanced SQL wersja 1.0 Politechnika Śląska 2008 Plan laboratorium Frazy SQL: group by, rollup, cube, grouping sets funkcje analityczne, budowa modeli

Bardziej szczegółowo

Wstęp do Business Intelligence

Wstęp do Business Intelligence Wstęp do Business Intelligence Co to jest Buisness Intelligence Business Intelligence (analityka biznesowa) - proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana

Bardziej szczegółowo

Bazy danych wykład trzeci. Konrad Zdanowski

Bazy danych wykład trzeci. Konrad Zdanowski SQL - przypomnienie Podstawowa forma kwerendy SQL: select A1,..., Ak from R1,..., Rn where ; Odpowiada jej w algebrze relacji operacja π A1,...,Ak (σ (R1 Rn)) SQL semantyka select R.

Bardziej szczegółowo

Wstęp 5 Rozdział 1. Podstawy relacyjnych baz danych 9

Wstęp 5 Rozdział 1. Podstawy relacyjnych baz danych 9 Wstęp 5 Rozdział 1. Podstawy relacyjnych baz danych 9 Tabele 9 Klucze 10 Relacje 11 Podstawowe zasady projektowania tabel 16 Rozdział 2. Praca z tabelami 25 Typy danych 25 Tworzenie tabel 29 Atrybuty kolumn

Bardziej szczegółowo

KOLEKCJE - to typy masowe,zawierające pewną liczbę jednorodnych elementów

KOLEKCJE - to typy masowe,zawierające pewną liczbę jednorodnych elementów KOLEKCJE - to typy masowe,zawierające pewną liczbę jednorodnych elementów SQL3 wprowadza następujące kolekcje: zbiory ( SETS ) - zestaw elementów bez powtórzeń, kolejność nieistotna listy ( LISTS ) - zestaw

Bardziej szczegółowo

Modele danych - wykład V. Zagadnienia. 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie fajne WPROWADZENIE

Modele danych - wykład V. Zagadnienia. 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie fajne WPROWADZENIE Modele danych - wykład V Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Zagadnienia 1. Wprowadzenie 2. MOLAP modele danych 3. modele danych 4. Podsumowanie 5. Zadanie fajne

Bardziej szczegółowo

Oracle PL/SQL. Paweł Rajba.

Oracle PL/SQL. Paweł Rajba. Paweł Rajba pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Zawartość modułu 9 Kolekcje Operacje na kolekcjach Testowanie kolekcji Kolekcje w bazie danych Funkcje tabelaryczne Kolekcje wielopoziomowe - 2 -

Bardziej szczegółowo

Język SQL. instrukcja laboratoryjna. Politechnika Śląska Instytut Informatyki. laboratorium Bazy Danych

Język SQL. instrukcja laboratoryjna. Politechnika Śląska Instytut Informatyki. laboratorium Bazy Danych Politechnika Śląska Instytut Informatyki instrukcja laboratoryjna laboratorium Bazy Danych przygotowali: mgr inż. Paweł Kasprowski (Kasprowski@zti.iinf.polsl.gliwice.pl) mgr inż. Bożena Małysiak (bozena@ivp.iinf.polsl.gliwice.pl)

Bardziej szczegółowo

NORTHWIND. Anonco.pl. ćwiczenia praktyczne. KiK s Tutorials. NORTHWIND dwiczenia praktyczne. ANONCO.PL/SQL SQLSERVERDLAOPORNYCH.WORDPRESS.

NORTHWIND. Anonco.pl. ćwiczenia praktyczne. KiK s Tutorials. NORTHWIND dwiczenia praktyczne. ANONCO.PL/SQL SQLSERVERDLAOPORNYCH.WORDPRESS. Anonco.pl NORTHWIND dwiczenia praktyczne. NORTHWIND ćwiczenia praktyczne KiK s Tutorials Spis treści Część 1. Wprowadzenie 3 Wprowadzenie do SQL Server 3 Rozpoczynamy pracę z SQL Server 4 Część 2. Typy

Bardziej szczegółowo

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów

TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej

Bardziej szczegółowo

Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com

Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com Media Partners Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com Adrian Chodkowski Konsultant Business Intelligence w Jcommerce S.A Certyfikowany

Bardziej szczegółowo

Część 1: OLAP. Raport z zajęć laboratoryjnych w ramach przedmiotu Hurtownie i eksploracja danych

Część 1: OLAP. Raport z zajęć laboratoryjnych w ramach przedmiotu Hurtownie i eksploracja danych Łukasz Przywarty 171018 Wrocław, 05.12.2012 r. Grupa: CZW/N 10:00-13:00 Raport z zajęć laboratoryjnych w ramach przedmiotu Hurtownie i eksploracja danych Część 1: OLAP Prowadzący: dr inż. Henryk Maciejewski

Bardziej szczegółowo

SQL - Structured Query Language. strukturalny język zapytań

SQL - Structured Query Language. strukturalny język zapytań SQL - Structured Query Language strukturalny język zapytań SQL - Structured Query Language - strukturalny język zapytań Światowy standard przeznaczony do definiowania, operowania i sterowania danymi w

Bardziej szczegółowo

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych

Bardziej szczegółowo

Marek Rakowski Podstawy zdania SELECT Strona 1 z 12

Marek Rakowski Podstawy zdania SELECT Strona 1 z 12 Marek Rakowski Podstawy zdania SELECT Strona 1 z 12 Podstawy języka SQL Co to jest SQL? Structured Query Language uchodzi za standard języka zapytań kierowanych do systemu zarządzania bazą danych. SQL

Bardziej szczegółowo

Bazy danych. Plan wykładu. Diagramy ER. Podstawy modeli relacyjnych. Podstawy modeli relacyjnych. Podstawy modeli relacyjnych

Bazy danych. Plan wykładu. Diagramy ER. Podstawy modeli relacyjnych. Podstawy modeli relacyjnych. Podstawy modeli relacyjnych Plan wykładu Bazy danych Wykład 9: Przechodzenie od diagramów E/R do modelu relacyjnego. Definiowanie perspektyw. Diagramy E/R - powtórzenie Relacyjne bazy danych Od diagramów E/R do relacji SQL - perspektywy

Bardziej szczegółowo

77. Modelowanie bazy danych rodzaje połączeń relacyjnych, pojęcie klucza obcego.

77. Modelowanie bazy danych rodzaje połączeń relacyjnych, pojęcie klucza obcego. 77. Modelowanie bazy danych rodzaje połączeń relacyjnych, pojęcie klucza obcego. Przy modelowaniu bazy danych możemy wyróżnić następujące typy połączeń relacyjnych: jeden do wielu, jeden do jednego, wiele

Bardziej szczegółowo

www.comarch.pl/szkolenia Operacja PIVOT w języku SQL w środowisku Oracle 21.11.2012

www.comarch.pl/szkolenia Operacja PIVOT w języku SQL w środowisku Oracle 21.11.2012 Operacja PIVOT w języku SQL w środowisku Oracle 21.11.2012 Zakres Wprowadzenie Idea przestawiania danych Możliwe zastosowania Przestawianie danych bez klauzuli PIVOT Konstrukcja klauzuli Korzyści ze stosowania

Bardziej szczegółowo

Zadania z SQLa (MS SQL Server)

Zadania z SQLa (MS SQL Server) Zadania z SQLa (MS SQL Server) Struktura testowej bazy danych (diagram ERD): opracował dr Robert Fidytek SPIS TYPÓW ZADAŃ 1 Projekcja wyników zapytań (SELECT FROM )... 3 2 Sortowanie wyników zapytań (ORDER

Bardziej szczegółowo

Podzapytania. Podzapytania nieskorelowane i skorelowane

Podzapytania. Podzapytania nieskorelowane i skorelowane Podzapytania w SQL 1 Bazy Danych Wykład p.t. Podzapytania. Zagnieżdżanie zapytań. Podzapytania nieskorelowane i skorelowane Antoni Ligęza ligeza@agh.edu.pl http://galaxy.uci.agh.edu.pl/~ligeza Wykorzystano

Bardziej szczegółowo

SQL do zaawansowanych analiz danych część 2.

SQL do zaawansowanych analiz danych część 2. SQL do zaawansowanych analiz danych część 2. Funkcje analityczne Materiały wykładowe Bartosz Bębel Politechnika Poznańska, Instytut Informatyki Plan wykładu 1. Podstawowe definicje. 2. Sposób działania

Bardziej szczegółowo

Język DML. Instrukcje DML w różnych implementacjach SQL są bardzo podobne. Podstawowymi instrukcjami DML są: SELECT INSERT UPDATE DELETE

Język DML. Instrukcje DML w różnych implementacjach SQL są bardzo podobne. Podstawowymi instrukcjami DML są: SELECT INSERT UPDATE DELETE Język DML Instrukcje DML w różnych implementacjach SQL są bardzo podobne. Podstawowymi instrukcjami DML są: SELECT INSERT UPDATE DELETE Systemy Baz Danych, Hanna Kleban 1 INSERT Instrukcja INSERT dodawanie

Bardziej szczegółowo

Laboratorium nr 5. Temat: Funkcje agregujące, klauzule GROUP BY, HAVING

Laboratorium nr 5. Temat: Funkcje agregujące, klauzule GROUP BY, HAVING Laboratorium nr 5 Temat: Funkcje agregujące, klauzule GROUP BY, HAVING Celem ćwiczenia jest zaprezentowanie zagadnień dotyczących stosowania w zapytaniach języka SQL predefiniowanych funkcji agregujących.

Bardziej szczegółowo

Języki programowania wysokiego poziomu. PHP cz.4. Bazy danych

Języki programowania wysokiego poziomu. PHP cz.4. Bazy danych Języki programowania wysokiego poziomu PHP cz.4. Bazy danych PHP i bazy danych PHP może zostać rozszerzony o mechanizmy dostępu do różnych baz danych: MySQL moduł mysql albo jego nowsza wersja mysqli (moduł

Bardziej szczegółowo

TP1 - TABELE PRZESTAWNE od A do Z

TP1 - TABELE PRZESTAWNE od A do Z TP1 - TABELE PRZESTAWNE od A do Z Program szkolenia 1. Tabele programu Excel 1.1. Wstawianie tabeli 1.2. Style tabeli 1.3. Właściwości tabeli 1.4. Narzędzia tabel 1.4.1. Usuń duplikaty 1.4.2. Konwertuj

Bardziej szczegółowo

Usługi analityczne podstawy budowy kostki analitycznej Część druga - zarządzanie

Usługi analityczne podstawy budowy kostki analitycznej Część druga - zarządzanie Usługi analityczne podstawy budowy kostki analitycznej Część druga - zarządzanie Nasz definicja kostki analitycznie nie zawiera jeszcze danych. Aby zbudować kostkę funkcjonalnie działającą musimy, dokonać

Bardziej szczegółowo

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15

Sylabus do programu kształcenia obowiązującego od roku akademickiego 2014/15 Sylabus do programu kształcenia obowiązującego od roku akademickiego 204/5 Nazwa Bazy danych Nazwa jednostki prowadzącej przedmiot Wydział Matematyczno - Przyrodniczy Kod Studia Kierunek studiów Poziom

Bardziej szczegółowo

Iwona Milczarek, Małgorzata Marcinkiewicz, Tomasz Staszewski. Poznań, 30.09.2015

Iwona Milczarek, Małgorzata Marcinkiewicz, Tomasz Staszewski. Poznań, 30.09.2015 Iwona Milczarek, Małgorzata Marcinkiewicz, Tomasz Staszewski Poznań, 30.09.2015 Plan Geneza Architektura Cechy Instalacja Standard SQL Transakcje i współbieżność Indeksy Administracja Splice Machince vs.

Bardziej szczegółowo

Bazy Danych - Instrukcja do Ćwiczenia laboratoryjnego nr 8

Bazy Danych - Instrukcja do Ćwiczenia laboratoryjnego nr 8 Bazy Danych - Instrukcja do Ćwiczenia laboratoryjnego nr 8 Bazowy skrypt PHP do ćwiczeń z bazą MySQL: Utwórz skrypt o nazwie cw7.php zawierający następującą treść (uzupełniając go o właściwą nazwę uŝytkownika

Bardziej szczegółowo

Oracle PL/SQL. Paweł Rajba. pawel@ii.uni.wroc.pl http://www.kursy24.eu/

Oracle PL/SQL. Paweł Rajba. pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Paweł Rajba pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Zawartość modułu 6 Wprowadzenie Definiowanie wyzwalaczy DML Metadane wyzwalaczy Inne zagadnienia, tabele mutujące Wyzwalacze INSTEAD OF Wyzwalacze

Bardziej szczegółowo

Bazy danych 8. Podzapytania i grupowanie. P. F. Góra

Bazy danych 8. Podzapytania i grupowanie. P. F. Góra Bazy danych 8. Podzapytania i grupowanie P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2009 Podzapytania Podzapytania pozwalaja na tworzenie strukturalnych podzapytań, co umożliwia izolowanie poszczególnych

Bardziej szczegółowo

Podstawy języka SQL Co to jest SQL? Możliwości SQL SQL*Plus

Podstawy języka SQL Co to jest SQL? Możliwości SQL SQL*Plus Podstawy języka SQL Co to jest SQL? Structured Query Language uchodzi za standard języka zapytań kierowanych do systemu zarządzania bazą danych. SQL jest językiem deklaratywnym tj. takim, w którym istotne

Bardziej szczegółowo

SQL Structured Query Language

SQL Structured Query Language SQL Structured Query Language stworzony na początku lat 70 ubiegłego wieku w IBM przez Donalda Messerly'ego, Donalda Chamberlina oraz Raymonda Boyce'a pod nazwą SEQUEL pierwszy SZBD System R utworzony

Bardziej szczegółowo

Przykład powyżej pokazuje, że w zapytaniu można umieszczać funkcje zarówno zdefiniowane w ramach środowiska, jak również własne.

Przykład powyżej pokazuje, że w zapytaniu można umieszczać funkcje zarówno zdefiniowane w ramach środowiska, jak również własne. LINQ w Microsoft Visual Basic 'zapytanie pobierające wszystkie liczby z kolekcji 'zmienna zapytanie jest typu: System.Collections.Generic.IEnumerable(Of Integer) Dim zapytanie = From wiersz In liczby 'lub

Bardziej szczegółowo

Struktura bazy danych

Struktura bazy danych Bazy danych - MySQL Warunki zaliczenia tych zajęć Rozwiązania zadań domowych proszę zapisać do pliku o nazwie Bazy danych i wysłać do mnie jako załącznik. Ostateczny termin: niedziela, 9.06, godzina 24:00.

Bardziej szczegółowo

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Bazy danych Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Wszechnica Poranna Trzy tematy: 1. Bazy danych - jak je ugryźć? 2. Język SQL podstawy zapytań. 3. Mechanizmy wewnętrzne baz danych czyli co

Bardziej szczegółowo

SQL Server. 2012 Analysis Services Model tabelaryczny BISM

SQL Server. 2012 Analysis Services Model tabelaryczny BISM Marco Russo Alberto Ferrari Chris Webb Microsoft SQL Server 2012 Analysis Services Model tabelaryczny BISM Przekład: Jakub Niedźwiedź, Witold Sikorski APN Promise, Warszawa 2012 Skrócony spis treści Przedmowa....

Bardziej szczegółowo

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania

Cel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania Przedmiot: Bazy danych Rok: III Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt Liczba punktów ECTS: 4 C1 C2 C3 Cel przedmiotu

Bardziej szczegółowo

Hurtownie danych wykład 3

Hurtownie danych wykład 3 Hurtownie danych wykład 3 dr Sebastian Zając SGH Warszawa 7 lutego 2017 Architektura relacyjna i wielowymiarowa Ze względu na przechowywanie danych na serwerze możemy zdecydować się na relacyjną bazę danych

Bardziej szczegółowo

Technologie baz danych

Technologie baz danych Plan wykładu Technologie baz danych Wykład 2: Relacyjny model danych - zależności funkcyjne. SQL - podstawy Definicja zależności funkcyjnych Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów

Bardziej szczegółowo

TABLICA (ang. array) pojedyncza zmienna z wieloma komórkami, w których można zapamiętać wiele wartości tego samego typu danych.

TABLICA (ang. array) pojedyncza zmienna z wieloma komórkami, w których można zapamiętać wiele wartości tego samego typu danych. Złożone typy danych - TABLICE TABLICA (ang. array) pojedyncza zmienna z wieloma komórkami, w których można zapamiętać wiele wartości tego samego typu danych. * Może przechowywać dowolny typ danych, typ

Bardziej szczegółowo

CZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE

CZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE Spis treści O autorach Wprowadzenie CZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE Rozdział 1. Istotne zagadnienia bazodanowe Bazy danych jako remedium na standardowe ograniczenia

Bardziej szczegółowo

System imed24 Instrukcja Moduł Analizy i raporty

System imed24 Instrukcja Moduł Analizy i raporty System imed24 Instrukcja Moduł Analizy i raporty Instrukcja obowiązująca do wersji 1.8.0 Spis treści 1. Moduł Analizy i Raporty... 3 1.1. Okno główne modułu Analizy i raporty... 3 1.1.1. Lista szablonów

Bardziej szczegółowo

Hurtownie danych. Ładowanie, integracja i aktualizacja danych. http://zajecia.jakubw.pl/hur INTEGRACJA DANYCH ETL

Hurtownie danych. Ładowanie, integracja i aktualizacja danych. http://zajecia.jakubw.pl/hur INTEGRACJA DANYCH ETL Hurtownie danych Ładowanie, integracja i aktualizacja danych. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur INTEGRACJA DANYCH Źródła danych ETL Centralna hurtownia danych Do hurtowni

Bardziej szczegółowo

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Hurtownie danych Przetwarzanie zapytań. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Magazyny danych operacyjnych, źródła Centralna hurtownia danych Hurtownie

Bardziej szczegółowo

Grupowanie i funkcje agregujące

Grupowanie i funkcje agregujące Grupowanie i funkcje agregujące Zadanie 1. Stwórz odpowiednią tabelę Test_agr i wprowadź odpowiednie rekordy tak, aby wynik zapytania SELECT AVG(kol) avg_all, AVG(DISTINCT kol) avg_dist, COUNT(*) count_gw,

Bardziej szczegółowo