PLAN WYKŁADU BAZY DANYCH ETAPY PRZETWARZANIA ZAPYTANIA OPTYMALIZACJA ZAPYTAŃ
|
|
- Juliusz Sokołowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 PLAN WYKŁADU BAZY DANYCH Wykład 11 dr inż. Agnieszka Bołtuć Pojęcie optymalizacji Etapy wykonywania zapytania Etapy optymalizacji Rodzaje optymalizacji Reguły transformacji Procedury implementacyjne Koszty OPTYMALIZACJA ZAPYTAŃ Optymalizacją zapytania nazywamy wybór najlepszej spośród wielu możliwych strategii wykonania zapytania, Optymalizacja jest jednym z etapów przetwarzania zapytania, Poprzedzona jest odczytaniem, analizą składniową oraz weryfikacją zapytania, Nazwa optymalizacja jest nadana na wyrost, gdyż jesteśmy jedynie pewni że znaleziona strategia jest lepsza od wyjściowej, ale nie zawsze najlepsza. ETAPY PRZETWARZANIA ZAPYTANIA Zapytanie w języku wysokiego poziomu Odczyt, analiza składniowa i weryfikacja Zapytanie w postaci pośredniej Optymalizator zapytań Plan wykonania Generator kodu zapytań Kod wykonania zapytania Wykonawczy procesor bazy danych Wynik zapytania 1
2 KLASYFIKACJA METOD OPTYMALIZACJI PRZYKŁAD Zapytanie SQL: Statyczna Dynamiczna SELECT Nazwisko FROM Dostawy JOIN Handlowcy WHERE nr_czesci=1; Optymalizacja pojedynczego zapytania Optymalizacja zbioru zapytań Wyrażenie w postaci algebry relacyjnej: π Nazwisko (σ nr_czesci= 1 (Dostawy = Handlowcy)) PRZYKŁAD - REALIZACJA Bezpośrednia bez optymalizacji Złączenie tabel względem nr_czesci wymaga odczytu dla każdej dostawy tabeli handlowcy, zapisania złączonych krotek na dysk, Restrykcja na otrzymanym po złączeniu wyniku do krotek z numerem części równym 1, Rzutowanie wyniku na atrybut Nazwisko. Jeśli tabela Dostawy zawiera krotek a tabela Handlowcy 100, zaś tylko 50 krotek dotyczy części nr 1 to zapytanie to wymaga ponad operacji wejścia- wyjścia. PRZYKŁAD - REALIZACJA Z optymalizacją Restrykcja na relacji Dostawy do krotek odnoszących się do części nr 1, Złączenie wyniku kroku 1 z relacja Handlowcy, Rzutowanie wyniku kroku 2 na atrybut Nazwisko, Jeśli tabela Dostawy zawiera krotek a tabela Handlowcy 100, zaś tylko 50 krotek dotyczy części nr 1 to zapytanie to wymaga ponad operacji wejściawyjścia. Wynik można poprawić zakładając indeks na pole nr_części w tabeli Dostawy. Wówczas liczba operacji wyniosłaby
3 ETAPY PROCESU OPTYMALIZACJI 1. Sformułowanie zapytania w wewnętrznej reprezentacji 2. Przekształcenie do postaci kanonicznej 3. Wybór kandydatów do procedur implementacyjnych 4. Plany realizacji zapytania i wybór najefektywniejszego rozwiązania ETAP 1 SFORMUŁOWANIE ZAPYTANIA Konwersja zapytania do pewnej reprezentacji wewnętrznej, która bardziej nadaje się do obróbki maszynowej, Wybór formalizmu na którym ta postać będzie się opierała: musi dawać możliwość reprezentacji dowolnych żądań, powinien być neutralny, Najczęściej wybiera się tzw. drzewo zapytania, ale także formalizmy algebry relacyjnej czy rachunku relacyjnego, ETAP 2 PRZEKSZTAŁCENIE Język SQL pozwala formułować zapytania na wiele sposobów, zaś wydajność zapytania nie powinna zależeć od postaci w jakiej zostało zapisane przez użytkownika, Etap ten polega na przekształceniu aktualnej postaci wewnętrznej do równoważnej mu postaci kanonicznej, Celem przekształcenia jest znalezienie wydajniejszej reprezentacji, Aby dokonać przekształcenia optymalizator używa tzw. reguł transformacji. ETAP 3 WYBÓR KANDYDATÓW Na tym etapie zapada decyzja o sposobie wykonania przekształconego zapytania, Na wyrażenie stanowiące zapytanie należy spojrzeć jak na szereg operacji złączenia, restrykcji, etc. z pewnymi współzależnościami pomiędzy nimi, Dla każdej takiej operacji optymalizator posiada zestaw wcześniej zdefiniowanych procedur implementacyjnych, Z każdą procedurą związany jest wzór do obliczania kosztu wskazujący koszt jej realizacji (najczęściej w jednostkach we-wy), Optymalizator wybiera jedną lub więcej procedur implementujących każdą z operacji ten proces nazywa się wyborem ścieżki dostępu. 3
4 ETAP 4 PLANY I WYBÓR Tworzony jest zbiór różnych planów wykonania zapytania oraz wybierany jest najlepszy, Nie należy tworzyć wszystkich możliwych planów dla danego zapytania, bo wiąże się to ze zwiększeniem kosztu znalezienia najlepszego, Wybór najefektywniejszego planu dokonuje się na bazie jego kosztu będącego sumą kosztów poszczególnych procedur może to stanowić problem, gdyż koszty w dużej mierze zależą od rozmiaru danych. TRANSFORMACJA WYRAŻEŃ Restrykcje i rzuty Rozdzielność Przemienność i łączność Idempotentność Skalarne wyrażenia obliczeniowe Wyrażenia warunkowe Przekształcenia semantyczne RESTRYKCJE I RZUTY Sekwencja restrykcji pojedyncza restrykcja z operatorem AND (A WHERE restrykcja_1) WHERE restrykcja_2 A WHERE restrykcja_1 AND restrykcja_2 Sekwencja rzutów pomijanie wszystkich oprócz ostatniego RESTRYKCJE I RZUTY Restrykcja rzutu rzut restrykcji (A [rzut]) WHERE restrykcja (A WHERE restrykcja) [rzut] (A [rzut_1]) [rzut_2] A [rzut_2] 4
5 ROZDZIELNOŚĆ Operator monadyczny (jednoargumentowy) f jest rozdzielny względem operatora diadycznego, jeżeli f(a B) = f(a) f(b) dla każdego A i B. ROZDZIELNOŚĆ Operator restrykcji jest rozdzielny względem sumy przecięcia i różnicy, a także złączenia jeśli warunek restrykcji dla dwóch argumentów operatora JOIN jest co najwyżej dwiema różnymi restrykcjami połączonymi operatorami AND, Operator rzutu jest rozdzielny względem sumy i przecięcia, nie różnicy, jest też rozdzielny względem złączenia jeśli wszystkie atrybuty złączenia znajdują się w rzucie. PRZEMIENNOŚĆ I ŁĄCZNOŚĆ PRZEMIENNOŚĆ I ŁĄCZNOŚĆ Operator diadyczny jest przemienny, jeżeli Operator diadyczny jest łączny, jeżeli A B = B A A (B C) = (A B) C dla każdego A i B. dla każdego A,B i C. Przemienne są: suma, przecięcie i złączenia, nie jest różnica i iloraz. Łączne są: suma, przecięcie i złączenia, nie jest różnica i iloraz. 5
6 IDEMPOTENTNOŚĆ Operator diadyczny jest idempotentny A A = A dla każdego A i B., jeżeli Idempotentne są: suma, przecięcie i złączenia, nie jest różnica i iloraz. SKALARNE WYRAŻENIA OBLICZENIOWE Transformacje obowiązują także dla wyrażeń arytmetycznych A * B + A * C A * (B + C) WYRAŻENIA WARUNKOWE Przekształcenia można oprzeć na fakcie, że operator > jest przechodni np. A>B AND B>3 WYRAŻENIA WARUNKOWE Np. A>B OR (C=D AND E<F) (A>B OR C=D) AND (A>B OR E<F) A>B AND B>3 AND A>3 Każde wyrażenie warunkowe można przekształcić do równoważnego wyrażenia tzw. koniunktywnej postaci normalnej (z ang. CFN) C1 AND C2 AND AND Cn gdzie Ci jest wyrażeniem warunkowym bez AND. Zalety CNF: Wyrażenie jest prawdziwie, gdy każdy człon jest prawdziwy, to samo z fałszywym, Ponieważ AND jest przemienny można obliczać wyrażenia w dowolnej kolejności, co daje duże pole do popisu (od najłatwiejszego do najtrudniejszego bądź równolegle). 6
7 PRZEKSZTAŁCENIA SEMANTYCZNE Jest to przekształcenia, które jest poprawne jedynie ze względu na fakt, iż działa jakiś warunek integralności, Optymalizację semantyczną można zdefiniować jako proces przekształcenia jednego zapytania w inne, które na pewno da ten sam wynik, dlatego że dane muszą spełniać więzy integralności, Niewiele komercyjnych produktów korzysta z tego rodzaju optymalizacji, jednak może ona dać znaczące zwiększenie wydajności. IMPLEMENTACJA OPERACJI SELECT Proste operacje wybierania wyszukiwanie liniowe metoda siłowa wyszukiwanie binarne jeśli warunek wyboru jest warunkiem równościowym na kluczu głównym, bardziej efektywna od liniowego użycie indeksu głównego - jeśli warunek wyboru jest warunkiem równościowym na kluczu głównym z indeksem, warunek powoduje wybranie najwyżej jednego rekordu, użycie indeksu głównego do pobrania wielu rekordów jeśli warunkiem porównania jest relacja >,>=,<,<=, wybieramy najpierw rekord równy warunkowi i później resztę według relacji, IMPLEMENTACJA OPERACJI SELECT użycie indeksu klastrowania w celu wybrania wielu rekordów warunek wyboru zawiera porównanie równościowe na atrybucie niekluczowym z indeksem klastrowania, użycie indeksu drugorzędnego (B+-drzewa) na porównaniu równościowym jeśli pole indeksujące jest kluczem głównym to pobieramy pojedynczy rekord, jeśli nie jest to wiele rekordów, IMPLEMENTACJA OPERACJI SELECT Złożone operacje wybierania wybór koniunktywny przy użyciu pojedynczego indeksu używamy metod od 2 do 6 do wyboru rekordów według pojedynczego warunku prostego, później sprawdzamy czy każdy pobrany rekord spełnia pozostałe warunki proste, wybór koniunktywny przy użyciu indeksu złożonego dotyczy przypadków gdy warunki równości dotyczą dwóch lub więcej atrybutów i na połączonych polach istnieje indeks złożony, 7
8 IMPLEMENTACJA OPERACJI SELECT Selektywność (s) współczynnik liczby rekordów, które spełniają warunek do całkowitej liczby rekordów w pliku (relacji) s stanowi wartość z przedziału od 0 do 1, np. dla warunku równościowego na atrybucie klucza głównego s=1/r, gdzie r oznacza liczbę krotek w relacji, bądź dla warunku równościowego na atrybucie o i odrębnych wartościach s=(r/i)/r lub s=1/i przy założeniu że rekordy są równomierne rozłożone między różne wartości, IMPLEMENTACJA OPERACJI JOIN złączenie pętli zagnieżdżonych metoda siłowa, dla każdego rekordu z jednego pliku pobieramy każdy rekord z drugiego pliku, złączenie z pętlą pojedynczą używamy strukturę dostępową w celu pobrania pasujących rekordów, jeśli na jednym atrybucie w jednym pliku istnieje indeks to pobieramy każdy rekord z drugiego pliku (po jednym naraz) i używamy struktury dostępowej w celu pobrania pasujących rekordów z pierwszego pliku spełniających warunek złączenia, IMPLEMENTACJA OPERACJI JOIN złączenie sortująco-scalające posiadamy fizycznie posortowane rekordy obu plików według atrybutu złączenia (lub sortujemy je z użyciem sortowania zewnętrznego), oba pliki przeglądane są równolegle w kolejności atrybutów złączenia i dopasowywane są rekordy posiadające te same wartości dla atrybutu łączącego, złączenie mieszające rekordy z obu plików podlegają działaniu tej samej funkcji mieszającej na atrybutach złączenia i są zapisywane w jednym pliku, faza podziału stosujemy technikę mieszania na rekordach pliku mniej licznego i zapisujemy je w pakietach pliku mieszającego, faza sprawdzania w pojedynczym przejściu przez drugi plik używamy f. mieszającej na każdym rekordzie w celu sprawdzenia pakietu i rekord zostaje połączony z wszystkimi odpowiadającymi mu rekordami z pierwszego pliku znajdującymi się w danym pakiecie. IMPLEMENTACJA OPERACJI RZUTOWANIA Jeśli <lista atrybutów> rzutowania zawiera klucz główny relacji to implementacja jest prosta wynik zawiera tą samą liczbę krotek co relacja, ale każda krotka składa się tylko z atrybutów z listy, Jeśli <lista atrybutów> nie zawiera klucza głównego relacji to należy wyeliminować duplikaty krotek za pomocą sortowania. 8
9 IMPLEMENTACJA OPERACJI TEORIOMNOGOŚCIOWYCH Iloczyn kartezjański bardzo kosztowny, zawiera m*n rekordów oraz j+k atrybutów, należy unikać lub zastępować, Suma, różnica i przecięcie mogą być implementowane za pomocą dwóch technik: sortująco-mieszającej oraz mieszania: Technika sortująco-mieszająca dwie relacje zostają posortowane i jednokrotnie przejrzane w celu ustalenia wyniku, np. w przypadku sumy w wyniku zapisujemy scalone pliki, przy czym powtarzające się krotki tylko raz, IMPLEMENTACJA OPERACJI TEORIOMNOGOŚCIOWYCH Technika mieszania jedna z tabel zostaje podzielona, druga zaś używana jest w celu sprawdzania odpowiedniej partycji, np. w przypadku przecięcia dzielimy rekordy jednej tabeli zapisując je w pliku mieszającym, następnie poddajemy działaniu funkcji mieszającej każdy rekord drugiej tabeli i sprawdzamy czy w pakiecie jest identyczny rekord jeśli tak zapisujemy go w wyniku. IMPLEMENTACJA OPERACJI AGREGUJĄCYCH Gdy na atrybucie poddawanym operacji MIN lub MAX istnieje indeks to optymalizator za jego pomocą bezpośrednio odnajduje wartość minimalną lub maksymalną, jeśli nie istnieje indeks to dokonujemy pełnego przeglądu tabeli, Dla funkcji COUNT, AVG i SUM można również wykorzystać indeks, ale tylko w przypadku gdy jest on zagęszczony, W przypadku klauzuli GROUP BY najpierw stosowane jest sortowanie lub mieszanie na atrybutach grupujących w celu podziału na grupy, później zastosowanie funkcji agregującej dla krotek w każdej grupie, jeśli na atrybutach grupowania mamy indeks klastrowania są one od początku podzielone na odpowiednie podobszary. IMPLEMENTACJA ZŁĄCZENIA ZEWNĘTRZNEGO Realizowane przez modyfikację algorytmu złączeniowego: pętli zagnieżdżonych lub z pętlą pojedynczą, Np. w przypadku złączenia lewostronnego używamy lewej relacji jako pętli zewnętrznej lub pojedynczej, bo każda krotka z tej relacji musi znaleźć się w wyniku. 9
10 SKŁADOWE KOSZTU WYKONYWANIA ZAPYTANIA Koszt dostępu do drugorzędnych mechanizmów składowania danych najważniejsze w przypadku dużych baz danych, Koszt składowania, Koszt obliczeniowy - najważniejsze w przypadku małych baz danych, Koszt zużycia pamięci, Koszt komunikacji - najważniejsze w przypadku rozproszonych baz danych. KATALOG A FUNKCJE KOSZTU Ważne informacje przechowywane w katalogu SZBD: Rozmiar pliku a więc: liczba rekordów (r), rozmiar rekordu (R), liczba bloków (b), współczynnik blokowy (bfr), Informacje o metodach dostępu oraz atrybutach dostępu, indeksach drugorzędnych, liczbie poziomów indeksu wielopoziomowego, etc., Liczba odrębnych wartości atrybutu (d) oraz jego selektywność (sl) liczność selekcji s=sl*r. FUNKCJE KOSZTU DLA SELECT Funkcje kosztu w kontekście liczby przesyłanych bloków między pamięcią a dyskiem: Wyszukiwanie liniowe: C=b, gdy warunek równościowy na kluczu to średnio C=b/2, Wyszukiwanie binarne: C=log2b-ceiling(s/bfr)-1, jeśli warunek równościowy dotyczy klucza C=log2b, Indeks główny lub klucz mieszający do pobrania jednego rekordu: C=x+1, gdzie x to liczba poziomów indeksu, FUNKCJE KOSZTU DLA SELECT Indeks uporządkowania do pobrania wielu rekordów: zgrubnie C=x+(b/2), Indeks klastrowania do pobrania wielu rekordów: C=x+ceiling(s/bfr), Indeks drugorzędny (B+-drzewo): dla najgorszego przypadku C=x+s, C=x+1 gdy mamy atrybut indeksujący klucza, dla warunku porównania innego niż równościowy C=x+(b1/2)+(r/2), 10
11 UŻYCIE FUNKCJI KOSZTU Dane: plik Pracownik, liczba rekordów r=10000, liczba bloków b=2000, współczynnik blokowy bfr=5, Ścieżki dostępu: Indeks klastrowania na atrybucie Pensja, liczba poziomów x=3, średnia liczebność selekcji s=20, Indeks drugorzędny na trybucie klucza PESEL, x=4, s=1, Indeks drugorzędny na trybucie niekluczowym NRDZ, x=2, b1=4, d=125, s=(r/d)=80, UŻYCIE FUNKCJI KOSZTU Drugorzędny indeks na atrybucie Płeć, x=1, d=2, s=5000, Przykłady: σ PESEL= (Pracownik) σ NRDZ>5 (Pracownik) σ NRDZ=5 (Pracownik) σ NRDZ=5 AND Pensja>30000 AND Płeć= k (Pracownik) UŻYCIE FUNKCJI KOSZTU Przykład 1: metoda nr 1 C=b=2000 lub C=b/2=1000, metoda nr 6 C=x+1=4+1=5 Przykład 2: metoda nr 1 C=b=2000 metoda nr 6 C=x+(b1/2)+(r/2)=2+(4/2)+(10000/2)=5004 Przykład 3: metoda nr 1 C=b=2000 metoda nr 6 C=x+s=2+80=82 UŻYCIE FUNKCJI KOSZTU Przykład 4: gdy jako pierwszy rozpatrujemy warunek NRDZ=5 C=82, gdy jako pierwszy Pensja>30000 C=x+(b/2)=3+(2000/2)=1003, gdy jako pierwszy Płeć= k C=x+s=1+5000=5001, Warunek NRDZ=5 jest używany do pobrania rekordów, pozostałe są sprawdzane pod względem każdego wybranego rekordu po ich pobraniu do pamięci. 11
12 WYKŁAD PRZYGOTOWANO NA PODSTAWIE R. Elmasri, S. B. Navathe, Wprowadzenie do systemów baz danych, Helion, 2005, C. J. Date, Wprowadzenie do systemów baz danych, WNT, Warszawa, 2000, danych. 12
Bazy danych. Plan wykładu. Przetwarzanie zapytań. Etapy przetwarzania zapytania. Translacja zapytań języka SQL do postaci wyrażeń algebry relacji
Plan wykładu Bazy danych Wykład 12: Optymalizacja zapytań. Język DDL, DML (cd) Etapy przetwarzania zapytania Implementacja wyrażeń algebry relacji Reguły heurystyczne optymalizacji zapytań Kosztowa optymalizacja
Bardziej szczegółowoWykład XII. optymalizacja w relacyjnych bazach danych
Optymalizacja wyznaczenie spośród dopuszczalnych rozwiązań danego problemu, rozwiązania najlepszego ze względu na przyjęte kryterium jakości ( np. koszt, zysk, niezawodność ) optymalizacja w relacyjnych
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 8b: Algebra relacyjna http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2009/tpi-2009 Prof. dr hab. Elżbieta Richter-Wąs 1 Algebra relacyjna Algebra relacyjna (ang.
Bardziej szczegółowoOptymalizacja zapytań. Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD
Optymalizacja zapytań Proces przetwarzania i obliczania wyniku zapytania (wyrażenia algebry relacji) w SZBD Elementy optymalizacji Analiza zapytania i przekształcenie go do lepszej postaci. Oszacowanie
Bardziej szczegółowo2012-01-16 PLAN WYKŁADU BAZY DANYCH INDEKSY - DEFINICJE. Indeksy jednopoziomowe Indeksy wielopoziomowe Indeksy z użyciem B-drzew i B + -drzew
0-0-6 PLAN WYKŁADU Indeksy jednopoziomowe Indeksy wielopoziomowe Indeksy z użyciem B-drzew i B + -drzew BAZY DANYCH Wykład 9 dr inż. Agnieszka Bołtuć INDEKSY - DEFINICJE Indeksy to pomocnicze struktury
Bardziej szczegółowoPrzestrzenne 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 szczegółowoBAZY DANYCH algebra relacyjna. Opracował: dr inż. Piotr Suchomski
BAZY DANYCH algebra relacyjna Opracował: dr inż. Piotr Suchomski Wprowadzenie Algebra relacyjna składa się z prostych, ale mocnych mechanizmów tworzenia nowych relacji na podstawie danych relacji. Hdy
Bardziej szczegółowoSystemy 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 szczegółowoRBD Relacyjne Bazy Danych
Wykład 7 RBD Relacyjne Bazy Danych Bazy Danych - A. Dawid 2011 1 Selekcja σ C (R) W wyniku zastosowania operatora selekcji do relacji R powstaje nowa relacja T do której należy pewien podzbiór krotek relacji
Bardziej szczegółowoOptymalizacja w relacyjnych bazach danych - wybór wydajnej strategii obliczania wyrażenia relacyjnego.
Plan wykładu Spis treści 1 Optymalizacja 1 1.1 Etapy optymalizacji............................... 3 1.2 Transformacja zapytania............................ 3 1.3 Przepisywanie zapytań.............................
Bardziej szczegółowo2010-10-21 PLAN WYKŁADU BAZY DANYCH MODEL DANYCH. Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna HISTORIA
PLAN WYKŁADU Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna BAZY DANYCH Wykład 2 dr inż. Agnieszka Bołtuć MODEL DANYCH Model danych jest zbiorem ogólnych zasad posługiwania
Bardziej szczegółowoOptymalizacja poleceń SQL Metody dostępu do danych
Optymalizacja poleceń SQL Metody dostępu do danych 1 Metody dostępu do danych Określają, w jaki sposób dane polecenia SQL są odczytywane z miejsca ich fizycznej lokalizacji. Dostęp do tabeli: pełne przeglądnięcie,
Bardziej szczegółowoAutor: Joanna Karwowska
Autor: Joanna Karwowska Jeśli pobieramy dane z więcej niż jednej tabeli, w rzeczywistości wykonujemy tak zwane złączenie. W SQL istnieją instrukcje pozwalające na formalne wykonanie złączenia tabel - istnieje
Bardziej szczegółowo1 Wstęp do modelu relacyjnego
Plan wykładu Model relacyjny Obiekty relacyjne Integralność danych relacyjnych Algebra relacyjna 1 Wstęp do modelu relacyjnego Od tego się zaczęło... E. F. Codd, A Relational Model of Data for Large Shared
Bardziej szczegółowoBazy danych wykład dwunasty. dwunasty Wykonywanie i optymalizacja zapytań SQL 1 / 36
Bazy danych wykład dwunasty Wykonywanie i optymalizacja zapytań SQL Konrad Zdanowski Uniwersytet Kardynała Stefana Wyszyńskiego, Warszawa dwunasty Wykonywanie i optymalizacja zapytań SQL 1 / 36 Model kosztów
Bardziej szczegółowoLaboratorium 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 szczegółowoWykład 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 szczegółowoOptymalizacja poleceń SQL Wprowadzenie
Optymalizacja poleceń SQL Wprowadzenie 1 Fazy przetwarzania polecenia SQL 2 Faza parsingu (1) Krok 1. Test składniowy weryfikacja poprawności składniowej polecenia SQL. Krok 2. Test semantyczny m.in. weryfikacja
Bardziej szczegółowoBazy danych. Plan wykładu. Model logiczny i fizyczny. Operacje na pliku. Dyski. Mechanizmy składowania
Plan wykładu Bazy danych Wykład 10: Fizyczna organizacja danych w bazie danych Model logiczny i model fizyczny Mechanizmy składowania plików Moduł zarządzania miejscem na dysku i moduł zarządzania buforami
Bardziej szczegółowoTadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
: idea Indeksowanie: Drzewo decyzyjne, przeszukiwania binarnego: F = {5, 7, 10, 12, 13, 15, 17, 30, 34, 35, 37, 40, 45, 50, 60} 30 12 40 7 15 35 50 Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski
Bardziej szczegółowoOracle11g: 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- 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 szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowoWykład 2. Relacyjny model danych
Wykład 2 Relacyjny model danych Wymagania stawiane modelowi danych Unikanie nadmiarowości danych (redundancji) jedna informacja powinna być wpisana do bazy danych tylko jeden raz Problem powtarzających
Bardziej szczegółowoBazy danych. Andrzej Grzybowski. Instytut Fizyki, Uniwersytet Śląski
Bazy danych Andrzej Grzybowski Instytut Fizyki, Uniwersytet Śląski Wykład 5 Strukturalny język zapytań (SQL - Structured Query Language) Algebraiczny rodowód podstawowe działania w przykładach Bazy danych.
Bardziej szczegółowoWprowadzenie do baz danych
Wprowadzenie do baz danych Dr inż. Szczepan Paszkiel szczepanpaszkiel@o2.pl Katedra Inżynierii Biomedycznej Politechnika Opolska Wprowadzenie DBMS Database Managment System, System za pomocą którego można
Bardziej szczegółowoPLAN WYKŁADU BAZY DANYCH HIERARCHIA MECHANIZMÓW SKŁADOWANIA PRZECHOWYWANIA BAZ DANYCH
PLAN WYKŁADU Składowanie danych Podstawowe struktury plikowe Organizacja plików BAZY DANYCH Wykład 8 dr inż. Agnieszka Bołtuć HIERARCHIA MECHANIZMÓW SKŁADOWANIA Podstawowy mechanizm składowania pamięć
Bardziej szczegółowoModelowanie hierarchicznych struktur w relacyjnych bazach danych
Modelowanie hierarchicznych struktur w relacyjnych bazach danych Wiktor Warmus (wiktorwarmus@gmail.com) Kamil Witecki (kamil@witecki.net.pl) 5 maja 2010 Motywacje Teoria relacyjnych baz danych Do czego
Bardziej szczegółowoSQL w 24 godziny / Ryan Stephens, Arie D. Jones, Ron Plew. Warszawa, cop Spis treści
SQL w 24 godziny / Ryan Stephens, Arie D. Jones, Ron Plew. Warszawa, cop. 2016 Spis treści O autorach 11 Podziękowania 12 Część I Wprowadzenie do języka SQL 13 Godzina 1. Witamy w świecie języka SQL 15
Bardziej szczegółowoTechnologie 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 szczegółowoTechnologie baz danych
Technologie baz danych Wykład 4: Diagramy związków encji (ERD). SQL funkcje grupujące. Małgorzata Krętowska Wydział Informatyki Politechnika Białostocka Plan wykładu Diagramy związków encji elementy ERD
Bardziej szczegółowoTechnologie baz danych
Plan wykładu Technologie baz danych Wykład 6: Algebra relacji. SQL - cd Algebra relacji operacje teoriomnogościowe rzutowanie selekcja przemianowanie Małgorzata Krętowska Wydział Informatyki Politechnika
Bardziej szczegółowoPlan wykładu. Klucz wyszukiwania. Pojęcie indeksu BAZY DANYCH. Pojęcie indeksu - rodzaje indeksów Metody implementacji indeksów.
Plan wykładu 2 BAZY DANYCH Wykład 4: Indeksy. Pojęcie indeksu - rodzaje indeksów Metody implementacji indeksów struktury statyczne struktury dynamiczne Małgorzata Krętowska Wydział Informatyki PB Pojęcie
Bardziej szczegółowoWPROWADZENIE DO BAZ DANYCH
WPROWADZENIE DO BAZ DANYCH Pojęcie danych i baz danych Dane to wszystkie informacje jakie przechowujemy, aby w każdej chwili mieć do nich dostęp. Baza danych (data base) to uporządkowany zbiór danych z
Bardziej szczegółowoRBD Relacyjne Bazy Danych Więzy realcji
Wykład 8 RBD Relacyjne Bazy Danych Więzy realcji Bazy Danych - A. Dawid 2011 1 Więzy (Constraints) Więzy ograniczenia na związki między poszczególnymi atrybutami w bazie danych. Określają często zakres
Bardziej szczegółowoSQL (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 szczegółowoAdministracja i programowanie pod Microsoft SQL Server 2000
Administracja i programowanie pod Paweł Rajba pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Zawartość modułu 9 Optymalizacja zapytań Pobieranie planu wykonania Indeksy i wydajność - 1 - Zadania optymalizatora
Bardziej szczegółowoINFORMATYKA GEODEZYJNO- KARTOGRAFICZNA Relacyjny model danych. Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe
Relacyjny model danych Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe Charakterystyka baz danych Model danych definiuje struktury danych operacje ograniczenia integralnościowe
Bardziej szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowoSZKOLENIE: Administrator baz danych. Cel szkolenia
SZKOLENIE: Administrator baz danych. Cel szkolenia Kurs Administrator baz danych skierowany jest przede wszystkim do osób zamierzających rozwijać umiejętności w zakresie administrowania bazami danych.
Bardziej szczegółowoJęzyk 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 szczegółowoWstęp 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 szczegółowoOptymalizacja poleceń SQL
Optymalizacja poleceń SQL Przetwarzanie polecenia SQL użytkownik polecenie PARSER słownik REGUŁOWY RBO plan zapytania RODZAJ OPTYMALIZATORA? GENERATOR KROTEK plan wykonania statystyki KOSZTOWY CBO plan
Bardziej szczegółowoProjektowanie relacyjnych baz danych
Mam nadzieję, że do tej pory przyzwyczaiłeś się do tabelarycznego układu danych i poznałeś sposoby odczytywania i modyfikowania tak zapisanych danych. W tym odcinku poznasz nieco teorii relacyjnych baz
Bardziej szczegółowoKrzysztof Kadowski. PL-E3579, PL-EA0312,
Krzysztof Kadowski PL-E3579, PL-EA0312, kadowski@jkk.edu.pl Bazą danych nazywamy zbiór informacji w postaci tabel oraz narzędzi stosowanych do gromadzenia, przekształcania oraz wyszukiwania danych. Baza
Bardziej szczegółowoBazy danych. Andrzej Łachwa, UJ, /15
Bazy danych Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl www.uj.edu.pl/web/zpgk/materialy 15/15 PYTANIA NA EGZAMIN LICENCJACKI 84. B drzewa definicja, algorytm wyszukiwania w B drzewie. Zob. Elmasri:
Bardziej szczegółowoPodstawy 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 szczegółowoStruktury danych i optymalizacja
Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2005/06 Plan wykładu Ewolucja
Bardziej szczegółowoBazy danych. Dr inż. Paweł Kasprowski
Plan wykładu Bazy danych Podstawy relacyjnego modelu danych Dr inż. Paweł Kasprowski pawel@kasprowski.pl Relacyjne bazy danych Język SQL Zapytania SQL (polecenie select) Bezpieczeństwo danych Integralność
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI
METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej
Bardziej szczegółowoBaza danych. Baza danych to:
Baza danych Baza danych to: zbiór danych o określonej strukturze, zapisany na zewnętrznym nośniku (najczęściej dysku twardym komputera), mogący zaspokoić potrzeby wielu użytkowników korzystających z niego
Bardziej szczegółowoPodstawy 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 szczegółowoBazy danych. Plan wykładu. Zależności funkcyjne. Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL.
Plan wykładu Bazy danych Wykład 2: Relacyjny model danych - zależności funkcyjne. Podstawy SQL. Deficja zależności funkcyjnych Klucze relacji Reguły dotyczące zależności funkcyjnych Domknięcie zbioru atrybutów
Bardziej szczegółowoAlgorytmy i struktury danych. Wykład 4 Tablice nieporządkowane i uporządkowane
Algorytmy i struktury danych Wykład 4 Tablice nieporządkowane i uporządkowane Tablice uporządkowane Szukanie binarne Szukanie interpolacyjne Tablice uporządkowane Szukanie binarne O(log N) Szukanie interpolacyjne
Bardziej szczegółowoOgólny plan przedmiotu. Strony WWW. Literatura BAZY DANYCH. Materiały do wykładu: http://aragorn.pb.bialystok.pl/~gkret
Ogólny plan przedmiotu BAZY DANYCH Wykład 1: Wprowadzenie do baz danych Małgorzata Krętowska Politechnika Białostocka Wydział Informatyki Wykład : Wprowadzenie do baz danych Normalizacja Diagramy związków
Bardziej szczegółowo77. 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 szczegółowoPLAN WYKŁADU BAZY DANYCH ZALEŻNOŚCI FUNKCYJNE
PLAN WYKŁADU Zależności funkcyjne Anomalie danych Normalizacja Postacie normalne Zależności niefunkcyjne Zależności złączenia BAZY DANYCH Wykład 5 dr inż. Agnieszka Bołtuć ZALEŻNOŚCI FUNKCYJNE Niech R
Bardziej szczegółowoAutor: Joanna Karwowska
Autor: Joanna Karwowska SELECT [DISTINCT] FROM [WHERE ] [GROUP BY ] [HAVING ] [ORDER BY ] [ ] instrukcja może
Bardziej szczegółowoCel 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 szczegółowoRelacyjne 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 szczegółowoBazy danych Algebra relacji Wykład dla studentów matematyki
Bazy danych Algebra relacji Wykład dla studentów matematyki 8 marca 2015 Algebra relacji Model teoretyczny do opisywania semantyki relacyjnych baz danych, zaproponowany przez T. Codda (twórcę koncepcji
Bardziej szczegółowoWprowadzenie do baz danych
Wprowadzenie do baz danych Bazy danych stanowią obecnie jedno z ważniejszych zastosowań komputerów. Podstawowe zalety komputerowej bazy to przede wszystkim szybkość przetwarzania danych, ilość dostępnych
Bardziej szczegółowoBazy danych. Algebra relacji
azy danych lgebra relacji Model danych Model danych to spójny zestaw pojęć służący do opisywania danych i związków między nimi oraz do manipulowania danymi i ich związkami, a także do wyrażania więzów
Bardziej szczegółowo< K (2) = ( Adams, John ), P (2) = adres bloku 2 > < K (1) = ( Aaron, Ed ), P (1) = adres bloku 1 >
Typy indeksów Indeks jest zakładany na atrybucie relacji atrybucie indeksowym (ang. indexing field). Indeks zawiera wartości atrybutu indeksowego wraz ze wskaźnikami do wszystkich bloków dyskowych zawierających
Bardziej szczegółowoOptymalizacja poleceń SQL Indeksy
Optymalizacja poleceń SQL Indeksy Indeksy Dodatkowe struktury służące przyspieszaniu dostępu do danych. Tworzone dla relacji, są jednak niezależne logicznie i fizycznie od danych relacji. O użyciu indeksu
Bardziej szczegółowoBAZY 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 szczegółowoPlan. Formularz i jego typy. Tworzenie formularza. Co to jest formularz? Typy formularzy Tworzenie prostego formularza Budowa prostego formularza
4 Budowa prostych formularzy, stany sesji, tworzenie przycisków Plan Co to jest formularz? Typy formularzy Tworzenie prostego formularza Budowa prostego formularza 2 Formularz i jego typy Tworzenie formularza
Bardziej szczegółowoJak wiernie odzwierciedlić świat i zachować występujące w nim zależności? Jak implementacja fizyczna zmienia model logiczny?
Plan wykładu Spis treści 1 Projektowanie baz danych 1 2 Zależności funkcyjne 1 3 Normalizacja 1NF, 2NF, 3NF, BCNF 4 4 Normalizacja 4NF, 5NF 6 5 Podsumowanie 9 6 Źródła 10 1 Projektowanie baz danych Projektowanie
Bardziej szczegółowo3. Podzapytania, łączenie tabel i zapytań
3. Podzapytania, łączenie tabel i zapytań I. PODZAPYTANIE (SUBSELECT) oddzielna, ujęta w nawiasy instrukcja SELECT, zagnieżdżona w innej instrukcji SQL, zazwyczaj w instrukcji SELECT w instrukcji SELECT,
Bardziej szczegółowoDefinicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d.
TECHNOLOGIE BAZ DANYCH WYKŁAD 1 Wprowadzenie do baz danych. Normalizacja. (Wybrane materiały) Dr inż. E. Busłowska Definicja bazy danych Uporządkowany zbiór informacji, posiadający własną strukturę i wartość.
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 7a 2 Modele danych: relacyjne bazy danych Relacje binarne: podstawowe własności Operacje dla zbiorów w
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Wykład 9 2 Modele danych: relacyjne bazy danych Relacje binarne: podstawowe własności Operacje dla zbiorów w
Bardziej szczegółowo1 DML - zapytania, część II Grupowanie Operatory zbiorowe DML - modyfikacja 7. 3 DCL - sterowanie danymi 9.
Plan wykładu Spis treści 1 DML - zapytania, część II 1 1.1 Grupowanie................................... 1 1.2 Operatory zbiorowe............................... 5 2 DML - modyfikacja 7 3 DCL - sterowanie
Bardziej szczegółowoJęzyk SQL. Rozdział 4. Funkcje grupowe Funkcje grupowe, podział relacji na grupy, klauzule GROUP BY i HAVING.
Język SQL. Rozdział 4. Funkcje grupowe Funkcje grupowe, podział relacji na grupy, klauzule GROUP BY i HAVING. 1 Funkcje grupowe (agregujące) (1) Działają na zbiorach rekordów, nazywanych grupami. Rekordy
Bardziej szczegółowoSTROJENIE BAZ DANYCH: INDEKSY. Cezary Ołtuszyk coltuszyk.wordpress.com
STROJENIE BAZ DANYCH: INDEKSY Cezary Ołtuszyk coltuszyk.wordpress.com Plan spotkania I. Wprowadzenie do strojenia baz danych II. III. IV. Mierzenie wydajności Jak SQL Server przechowuje i czyta dane? Budowa
Bardziej szczegółowoSystemy baz danych. Notatki z wykładu. http://robert.brainusers.net 17.06.2009
Systemy baz danych Notatki z wykładu http://robert.brainusers.net 17.06.2009 Notatki własne z wykładu. Są niekompletne, bez bibliografii oraz mogą zawierać błędy i usterki. Z tego powodu niniejszy dokument
Bardziej szczegółowoINDEKSY. Biologiczne Aplikacje Baz Danych. dr inż. Anna Leśniewska
INDEKSY Biologiczne Aplikacje Baz Danych dr inż. Anna Leśniewska alesniewska@cs.put.poznan.pl INDEKSY dodatkowe struktury służące przyspieszaniu dostępu do danych, tworzone dla relacji, są jednak niezależne
Bardziej szczegółowoIndeksy w bazach danych. Motywacje. Techniki indeksowania w eksploracji danych. Plan prezentacji. Dotychczasowe prace badawcze skupiały się na
Techniki indeksowania w eksploracji danych Maciej Zakrzewicz Instytut Informatyki Politechnika Poznańska Plan prezentacji Zastosowania indeksów w systemach baz danych Wprowadzenie do metod eksploracji
Bardziej szczegółowoPlan wykładu: Operacje relacji: suma, przekrój, różnica, złączenia proste, iloczyn kartezjański, złączenia teta.
Plan wykładu: Operacje relacji: suma, przekrój, różnica, złączenia proste, iloczyn kartezjański, złączenia teta. Więzy integralności a algebra relacji. Wielozbiory dlaczego są praktyczniejsze od zbirów,
Bardziej szczegółowoOptymalizacja zapytań
Optymalizacja zapytań Charakterystyka środowiska relacyjnej bazy danych 1. Złożone zapytania zawierające wiele elementarnych operacji relacyjnych: selekcji, projekcji, połączenia, porządkowania, itd. select
Bardziej szczegółowoPLAN WYKŁADU BAZY DANYCH GŁÓWNE ETAPY PROJEKTOWANIA BAZY MODELOWANIE LOGICZNE
PLAN WYKŁADU Modelowanie logiczne Transformacja ERD w model relacyjny Odwzorowanie encji Odwzorowanie związków Odwzorowanie specjalizacji i generalizacji BAZY DANYCH Wykład 7 dr inż. Agnieszka Bołtuć GŁÓWNE
Bardziej szczegółowoIntegralność danych Wersje języka SQL Klauzula SELECT i JOIN
Integralność danych Wersje języka SQL Klauzula SELECT i JOIN Robert A. Kłopotek r.klopotek@uksw.edu.pl Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW Integralność danych Aspekty integralności
Bardziej szczegółowoWstęp Wprowadzenie do BD Podstawy SQL. Bazy Danych i Systemy informacyjne Wykład 1. Piotr Syga
Bazy Danych i Systemy informacyjne Wykład 1 Piotr Syga 09.10.2017 Ogólny zarys wykładu Podstawowe zapytania SQL Tworzenie i modyfikacja baz danych Elementy dynamiczne, backup, replikacja, transakcje Algebra
Bardziej szczegółowoTransformacja modelu ER do modelu relacyjnego
Transformacja modelu ER do modelu relacyjnego Wykład przygotował: Robert Wrembel BD wykład 4 (1) 1 Plan wykładu Transformacja encji Transformacja związków Transformacja hierarchii encji BD wykład 4 (2)
Bardziej szczegółowoK1A_W11, K1A_W18. Egzamin. wykonanie ćwiczenia lab., sprawdzian po zakończeniu ćwiczeń, egzamin, K1A_W11, K1A_W18 KARTA PRZEDMIOTU
(pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: BAZY DANYCH 2. Kod przedmiotu: 3. Karta przedmiotu ważna od roku akademickiego: 2014/2015 4. Forma kształcenia: studia pierwszego stopnia 5. Forma
Bardziej szczegółowoBaza danych. Modele danych
Rola baz danych Systemy informatyczne stosowane w obsłudze działalności gospodarczej pełnią funkcję polegającą na gromadzeniu i przetwarzaniu danych. Typowe operacje wykonywane na danych w systemach ewidencyjno-sprawozdawczych
Bardziej szczegółowoPodstawowe zapytania SELECT (na jednej tabeli)
Podstawowe zapytania SELECT (na jednej tabeli) Struktura polecenia SELECT SELECT opisuje nazwy kolumn, wyrażenia arytmetyczne, funkcje FROM nazwy tabel lub widoków WHERE warunek (wybieranie wierszy) GROUP
Bardziej szczegółowoĆwiczenie 3 funkcje agregujące
Ćwiczenie 3 funkcje agregujące Funkcje agregujące, klauzule GROUP BY, HAVING Ćwiczenie 3 funkcje agregujące Celem ćwiczenia jest zaprezentowanie zagadnień dotyczących stosowania w zapytaniach języka SQL
Bardziej szczegółowoPodstawy języka SQL. standardy SQL formułowanie zapytań operacje na strukturach danych manipulowanie danymi. Bazy danych s.5-1
Podstawy języka SQL standardy SQL formułowanie zapytań operacje na strukturach danych manipulowanie danymi Bazy danych s.5-1 Język SQL SQL (ang. Structured Query Language, strukturalny język zapytań) język
Bardziej szczegółowoKonstruowanie 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 szczegółowoZasady transformacji modelu DOZ do projektu tabel bazy danych
Zasady transformacji modelu DOZ do projektu tabel bazy danych A. Obiekty proste B. Obiekty z podtypami C. Związki rozłączne GHJ 1 A. Projektowanie - obiekty proste TRASA # * numer POZYCJA o planowana godzina
Bardziej szczegółowoStatystyki (1) Optymalizacja poleceń SQL Część 2. Statystyki (2) Statystyki (3) Informacje, opisujące dane i struktury obiektów bazy danych.
Statystyki (1) Informacje, opisujące dane i struktury obiektów bazy danych. Optymalizacja poleceń SQL Część 2. Statystyki i histogramy, metody dostępu do danych Przechowywane w słowniku danych. Używane
Bardziej szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowoProgram 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 szczegółowoSystemy OLAP II. 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 letni 2006/07 Plan wykładu Systemy baz
Bardziej szczegółowoRelacyjne 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 szczegółowoSQL Server i T-SQL w mgnieniu oka : opanuj język zapytań w 10 minut dziennie / Ben Forta. Gliwice, Spis treści
SQL Server i T-SQL w mgnieniu oka : opanuj język zapytań w 10 minut dziennie / Ben Forta. Gliwice, 2017 Spis treści O autorze 9 Wprowadzenie 11 Lekcja 1. Zrozumieć SQL 15 Podstawy baz danych 15 Język SQL
Bardziej szczegółowoFizyczna struktura bazy danych w SQL Serwerze
Sposób przechowywania danych na dysku twardym komputera ma zasadnicze znaczenie dla wydajności całej bazy i jest powodem tworzenia między innymi indeksów. Fizyczna struktura bazy danych w SQL Serwerze
Bardziej szczegółowoFazy przetwarzania zapytania zapytanie SQL. Optymalizacja zapytań. Klasyfikacja technik optymalizacji zapytań. Proces optymalizacji zapytań.
1 Fazy przetwarzania zapytanie SQL 2 Optymalizacja zapytań część I dekompozycja optymalizacja generacja kodu wyraŝenie algebry relacji plan wykonania kod katalog systemowy statystyki bazy danych wykonanie
Bardziej szczegółowoBAZY DANYCH NORMALIZACJA BAZ DANYCH. Microsoft Access. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH Microsoft Access NORMALIZACJA BAZ DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii
Bardziej szczegółowo