Hurtownie danych - przegląd technologii
|
|
- Grażyna Kruk
- 7 lat temu
- Przeglądów:
Transkrypt
1 Funkcje analityczne SQL CUBE (1) Hurtownie danych - przegląd technologii Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl JOB DEPTNO SUM(SAL) CLERK 4150 CLERK 10 CLERK 950 ANALYST 6000 MANAGER 8275 MANAGER MANAGER 2850 SALESMAN 5600 PRESIDENT select job, deptno, sum(sal) group by cube(job, deptno); Politechnika Poznańska, Instytut Informatyki 2 Funkcje analityczne SQL CUBE (2) Funkcje analityczne SQL ROLLUP (1) CUBE (job, deptno, mgr) jest równowaŝne: select... group by mgr, deptno, mgr, mgr, deptno, mgr select..."total"; JOB DEPTNO SUM(SAL) CLERK 10 CLERK 950 CLERK 4150 ANALYST 6000 MANAGER MANAGER 2850 MANAGER 8275 SALESMAN 5600 PRESIDENT select job, deptno, sum(sal) group by ROLLUP(job, deptno); Politechnika Poznańska, Instytut Informatyki 3 Politechnika Poznańska, Instytut Informatyki 4 Funkcje analityczne SQL ROLLUP (2) Funkcje analityczne SQL ROLLUP (3) DEPTNO JOB SUM(SAL) CLERK 10 MANAGER PRESIDENT CLERK ANALYST MANAGER CLERK 950 MANAGER 2850 SALESMAN select deptno, job, sum(sal) group by ROLLUP(deptno, job); ROLLUP (job, deptno, mgr) jest równowaŝne:, deptno, deptno, mgr select..."total"; Politechnika Poznańska, Instytut Informatyki 5 Politechnika Poznańska, Instytut Informatyki 6
2 SETS (1) JOB DEPTNO MGR SUM(SAL) select job, deptno, mgr, sum(sal) CLERK 10 group by GROUPING SETS CLERK 950 ((job, deptno), (job, mgr), ()); MANAGER MANAGER 2850 group by job, deptno CLERK CLERK CLERK CLERK group by job, mgr ANALYST MANAGER SALESMAN PRESIDENT Politechnika Poznańska, Instytut Informatyki 7 SETS (2) GROUPING SETS (job, deptno, mgr) jest równowaŝne: select... group by mgr; GROUPING SETS (job, deptno, (deptno, mgr)) jest równowaŝne:, mgr; Politechnika Poznańska, Instytut Informatyki 8 SETS (3) CUBE (job, deptno, mgr) jest równowaŝne: GROUPING SETS ( (job, deptno, mgr), (job, deptno), (job, mgr), (deptno, mgr), (job), (deptno), (mgr), () ) ROLLUP (job, deptno, mgr) jest równowaŝne: GROUPING SETS ( (job, deptno, mgr), (job, deptno), (job), () ) select job, deptno, sum(sal), GROUPING(job), GROUPING(deptno) group by ROLLUP(job, deptno); JOB DEPTNO SUM(SAL) GROUPING(JOB) GROUPING(DEPTNO) CLERK CLERK CLERK ANALYST MANAGER MANAGER MANAGER SALESMAN PRESIDENT Politechnika Poznańska, Instytut Informatyki 9 Politechnika Poznańska, Instytut Informatyki wyznaczanie rankingu (select d.dname, sum(e.sal+nvl(comm, 0)) as total_sal, RANK() over (order by sum(e.sal+nvl(comm, 0)) desc nulls last) as rank, DENSE_RANK() over (order by sum(e.sal+nvl(comm, 0)) desc nulls last) as drank dept d, emp e where d.deptno=e.deptno group by d.dname) where rank<=4; PARTITION BY (1) wyznaczanie rankingu (select ename, deptno, sal, RANK() over (PARTITION BY deptno order by sal desc nulls last) as rank ) where rank<=2; DNAME TOTAL_SAL RANK DRANK HUMAN RES SALES RESEARCH ACCOUNTING kolejność sortowania wartości NULL -domyślnie NULLS LAST -moŝliwe NULLS FIRST ENAME DEPTNO SAL RANK KING 1 CLARK 2 SCOTT FORD BLAKE ALLEN Politechnika Poznańska, Instytut Informatyki 11 Politechnika Poznańska, Instytut Informatyki 12
3 wyznaczanie rankingu podzbiorach (select deptno, job, sum(sal), RANK() over (PARTITION BY deptno order by sum(sal) desc nulls last) as rank group by deptno, job) where rank<=2; PARTITION BY (2) DEPTNO JOB SUM(SAL) RANK PRESIDENT 1 MANAGER 2 20 ANALYST MANAGER SALESMAN MANAGER Politechnika Poznańska, Instytut Informatyki 13 what if analysis wyznaczanie hipotetycznego rankingu pracownika o zarobkach 4000 select RANK(4000) WITHIN GROUP (order by sal desc) as hrank ; pensja 4000 byłaby drugą co do wielkości HRANK Politechnika Poznańska, Instytut Informatyki 14 Funkcje analityczne SQL NTILE dzieli uporządkowany zbiór wynikowy na n podzbiorów kaŝdy podzbiór otrzymuje numer liczba rekordów w podzbiorach róŝni się maksymalnie o 1 zakres wartości minimalnej i maksymalnej w tym samym podzbiorze moŝe być szeroki select ename, sal, NTILE(2) over(order by sal desc) as "ntile(2)" where deptno=20; ENAME SAL ntile(2) SCOTT 00 1 FORD 00 1 JONES ADAMS 10 2 SMITH Politechnika Poznańska, Instytut Informatyki 15 Funkcje analityczne SQL WIDTH_BUCKET dzieli uporządkowany zbiór wynikowy na n podzbiorów; zbiór wynikowy zawiera rekordy z zadanego przedziału liczba rekordów w podzbiorach moŝe się róŝnić znacząco zakres wartości minimalnej i maksymalnej w tym samym podzbiorze powinien być niewielki ENAME SAL WB zakres dziedziny <00, ) jest dzielony na 4 równej SMITH wartości < 00 szerokości przedziały: <00, JAMES ), <2000, 00), <00, ALLEN WARD ), <4000, ) ADAMS 10 1 przedział <4000, ) nie ma TURNER rekordów MARTIN MILLER 10 1 JONES BLAKE CLARK SCOTT select ename, sal, WIDTH_BUCKET(sal, 00,, 4) as WB order by WB; FORD 00 3 KING Robert 5 Wrembel wartości >= zakres wartości <00, ) Politechnika Poznańska, Instytut Informatyki 16 kumulacyjna (1) over (order by deptno rows unbounded preceding) as cum_sum kumulacyjna (2) over (order by deptno rows 1 preceding) as cum_sum suma kumulacyjna jest obliczana z wykorzystaniem bieŝącego rekordu i wszystkich rekordów go poprzedzających suma kumulacyjna jest obliczana z wykorzystaniem bieŝącego rekordu i 1 rekordu go poprzedzającego Politechnika Poznańska, Instytut Informatyki 17 Politechnika Poznańska, Instytut Informatyki 18
4 kumulacyjna (3) over (order by deptno rows between 1 preceding and 1 following) as cum_sum = = kumulacyjna (4) SELECT t.time_key, SUM(f.purchase_price) as sales, SUM(SUM(f.purchase_price)) OVER (ORDER BY t.time_key RANGE BETWEEN INTERVAL '2' DAY PRECEDING AND INTERVAL '2' DAY FOLLOWING) as sales_5_day FROM purchases f, time t WHERE f.time_key = t.time_key GROUP BY t.time_key; TIME_KEY SALES SALES_5_DAY JAN ,02 239,04 02-JAN ,02 239,04 01-FEB FEB FEB FEB FEB MAR MAR APR jest moŝliwe określanie interwału z wykorzystaniem słów kluczowych MONTH lub YEAR 239,04=56,02+183,02 84=42+42 Politechnika Poznańska, Instytut Informatyki 19 Politechnika Poznańska, Instytut Informatyki 20 Funkcje analityczne SQL max max (1) Funkcje analityczne SQL max max (2) select job, deptno, sum(sal) as job_sal, max(sum(sal)) over (partition by job) as max_job_sal group by job, deptno; JOB DEPTNO JOB_SAL MAX_JOB_SAL CLERK CLERK MANAGER MANAGER pensje na poszczególnych etatach w poszczególnych zespołach maksymalne pensje na etatach Politechnika Poznańska, Instytut Informatyki 21 select job, deptno, job_sal (select job, deptno, sum(sal) as job_sal, max(sum(sal)) over (partition by job) as max_job_sal group by job, deptno) where job_sal=max_job_sal; JOB DEPTNO JOB_SAL Politechnika Poznańska, Instytut Informatyki 22 Funkcje analityczne SQL RATIO_TO_REPORT select job, deptno, sum(sal) as job_sal, over () as total_sal, RATIO_TO_REPORT(sum(sal)) OVER() as ratio_to_report group by job, deptno; JOB DEPTNO JOB_SAL TOTAL_SAL RATIO_TO_REPORT , CLERK 10, , CLERK 950, MANAGER, , MANAGER 2850, , , RATIO_TO_REPORT = total_sal/sum_sal suma pensji dla wszystkich rekordów pracowników Politechnika Poznańska, Instytut Informatyki 23 Funkcje analityczne SQL LAG i LEAD umoŝliwiają dostęp do wartości atrybutów rekordów poprzedzających dany rekord (LAG) lub następujących po danym rekordzie (LEAD) argument wywołania funkcji określa przesunięcie w tył/przód względem bieŝącego rekordu SELECT t.month, SUM(f.purchase_price) as sales, LAG(SUM(f.purchase_price),1) OVER (ORDER BY t.month) as sales_last_month, LEAD(SUM(f.purchase_price),1) OVER (ORDER BY t.month) as sales_next_month FROM purchases f, time t WHERE f.time_key = t.time_key AND t.year = 1999 GROUP BY t.month; MONTH SALES SALES_LAST_MONTH SALES_NEXT_MONTH NULL brak rekordu poprzedzającego , , NULL brak rekordu następującego Politechnika Poznańska, Instytut Informatyki 24
5 Schemat magazynu danych do ćwiczeń PRODUCT product_id product_name category cost_price sell_price shipping_charge CUSTOMER customer_id town postal_code country occupation PURCHASES product_id time_key customer_id purchase_date purchase_price state_id TIME time_key day month quarter year day_number day_of_the_week week_number GEOGRAPHY state_id state_name region Politechnika Poznańska, Instytut Informatyki 25
Funkcje analityczne SQL CUBE (1)
Funkcje analityczne SQL CUBE (1) JOB DEPTNO SUM(SAL) --------- ---------- ---------- 29025 10 8750 20 10875 30 9400 CLERK 4150 CLERK 10 1300 CLERK 20 1900 CLERK 30 950 ANALYST 6000 ANALYST 20 6000 MANAGER
Bardziej szczegółowoORACLE. 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 szczegółowoRozdział 14 Funkcje analityczne
Rozdział 14 Funkcje analityczne Operatory ROLLUP i CUBE, funkcja GROUPING, funkcje porządkujące (ranking), okienkowe, raportujące, statystyczne, funkcje LAG/LAD (c) Instytut Informatyki Politechniki Poznańskiej
Bardziej szczegółowoSQL 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 szczegółowo188 Funkcje analityczne
Funkcje analityczne 188 Plan rozdziału 189 Wprowadzenie do funkcji analitycznych Funkcje rankingu Funkcje okna Funkcje raportujące Funkcje LAG/LEAD Funkcje FIRST/LAST Odwrotne funkcje percentyli Funkcje
Bardziej szczegółowoMateriały szkoleniowe. Podstawy języka SQL
Materiały szkoleniowe Podstawy języka SQL Spis treści Zawartość tabel wykorzystywanych na kursie... 4 Zawartość tabeli DEPT...5 Zawartość tabeli EMP...5 Zawartość tabeli SALGRADE...5 Budowa tabel wykorzystywanych
Bardziej szczegółowoORACLE. 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 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 szczegółowoĆwiczenie 3. Funkcje analityczne
Ćwiczenie 3. Funkcje analityczne 1. Uruchomienie i skonfigurowanie środowiska do ćwiczeń Czas trwania: 15 minut Zadaniem niniejszych ćwiczeń jest przedstawienie podstawowych zagadnień dotyczących wykorzystywania
Bardziej szczegółowoZadania SELECT do schematu EDS (EMP, DEPT, SALGRADE)
Zadania SELECT do schematu EDS (EMP, DEPT, SALGRADE) W Bazie występują trzy tabele, o następujących schematach: EMP {empno(pk), ename, deptno(fk), mgr(fk), sal, comm, hiredate, job} DEPT {deptno(pk), dname,
Bardziej szczegółowoOracle 12c: Nowości w SQL i PL/SQL
Oracle 12c: Nowości w SQL i PL/SQL Marek Wojciechowski Politechnika Poznańska, PLOUG Nowe możliwości w klauzuli DEFAULT Odwołania do sekwencji Obsługa jawnie wstawianych wartości NULL Wartości na poziomie
Bardziej szczegółowoSQL 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 szczegółowoStandard SQL/XML. Wprowadzenie do XQuery
Standard SQL/XML Wprowadzenie do XQuery Marek Wojciechowski marek@cs.put.poznan.pl http://www.cs.put.poznan.pl/~marek/ Języki zapytań dla XML Wraz z pojawieniem się standardu XML pojawiały się również
Bardziej szczegółowoMateriały szkoleniowe. Podstawy jzyka SQL. Prowadzcy Anna Pijanowska - Kunierz Paweł ołnierczyk
Materiały szkoleniowe Podstawy jzyka SQL Prowadzcy Anna Pijanowska - Kunierz Paweł ołnierczyk Spis treci Zawarto tabel wykorzystywanych na kursie 5 Zawarto tabeli DEPT 6 Zawarto tabeli EMP 6 Zawarto tabeli
Bardziej szczegółowoOracle Statistical Functions 11g: statystyka dla dużych i małych
XVI Konferencja PLOUG Kościelisko Październik 2010 Oracle Statistical Functions 11g: statystyka dla dużych i małych Mikołaj Morzy Instytut Informatyki Politechniki Poznańskiej Mikolaj.Morzy@put.poznan.pl
Bardziej szczegółowoBazy danych. Plan wykáadu. Zale*noci funkcyjne. Wykáad 4: Relacyjny model danych - zale*noci funkcyjne. A B
Plan wykáadu Bazy danych Wykáad 4: Relacyjny model danych - zale*noci funkcyjne. Maágorzata Krtowska Wydziaá Informatyki Politechnika Biaáostocka Deficja zale*noci funkcyjnych Klucze relacji Reguáy dotyczce
Bardziej szczegółowoPODZAPYTANIE (SUBSELECT)
2. Podzapytania PODZAPYTANIE (SUBSELECT) oddzielna, ujęta w nawiasy instrukcja SELECT, zagnieżdżona w innej instrukcji SQL, zazwyczaj w instrukcji SELECT W instrukcji SELECT, podzapytanie może być umieszczone
Bardziej szczegółowoselect zam_id, cena_euro,(rank() over (partition by zam_id order by cena_euro)) from pozycjezamowien order by zam_id
See also: OLAP.mth Suma narastająco... 1 Min max w poszczególnych grupach... 1 Numeracja elementów w grupach... 1 KLAUZULE GROUP BY, GROUP BY CUBE, GROUP BY ROLLUP... 1 MATERIAŁ ROBOCZY... 5 First VALUE
Bardziej szczegółowoBazy 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 szczegółowoOnLine Analytical Processing (OLAP) Zapytania SQL
OnLine Analytical Processing (OLAP) Zapytania SQL 17 kwietnia 2014 Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą się na nie składały
Bardziej szczegółowoTECHNOLOGIE BAZ DANYCH
TECHNOLOGIE BAZ DANYCH WYKŁAD 3 Diagramy związków encji. Funkcje agregujące. (Wybrane materiały) Dr inż. E. Busłowska Copyright 2014-2015 E. Busłowska. 1 DIAGRAMY ZWIĄZKÓW ENCJI (DZE) Metoda graficznej
Bardziej szczegółowosqlplus [ użytkownik [ / hasło ] ]
Uruchomienie SQL*Plus: sqlplus [ użytkownik [ / hasło ] ] Zasady wpisywania komend PL/SQL: komendy mogą być wieloliniowe nie można skracać słów kluczowych można oddzielać słowa spacjami lub tabulacją słowa
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 szczegółowoNauczycielem wszystkiego jest praktyka Juliusz Cezar. Nauka to wiara w ignorancję ekspertów Richard Feynman
Oracle i DB2 zadanie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki Łódzkiej
Bardziej szczegółowoBazy danych - Materiały do laboratoriów IV
Bazy danych - Materiały do laboratoriów IV dr inż. Olga Siedlecka-Lamch Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska 17 marca 2011 roku Pozostałe funkcje wierszowe Oracle:
Bardziej szczegółowoWybór EUROPEAN będzie rozpoznawał dzień przed miesiącem, natomiast US miesiąc przed dniem.
Typy numeryczne Typy daty i czasu. W celu uniknięcia niejasności czy zapis 11-08-2005 oznacza - 11 sierpnia 2005, czy może 8 listopada 2005, należy ustalić sposób interpretacji daty (europejski lub amerykański).
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 szczegółowoKlasyczna Analiza Danych
Klasyczna Analiza Danych Funkcje analityczne Materiały laboratoryjne Bartosz Bębel Politechnika Poznańska, Instytut Informatyki Wprowadzenie do c wiczenia W niniejszym ćwiczeniu student nabierze praktycznych
Bardziej szczegółowoFunkcje analityczne języka SQL
Plan wykładu Funkcje analityczne języka SQL 1. Podstawowe definicje 2. Podział funkcji analitycznych 3. Omówienie kolejnych grup funkcji Hurtownie danych, wykład Bartosz Bębel E-mail: bartosz.bebel@cs.put.poznan.pl
Bardziej szczegółowoBazy danych. Plan wykáadu. Powtórzenie BCNF i 3NF. Nowa forma redundancji. Wykáad 6: Postaci normalne. SQL - zapytania záo*one.
Plan wykáadu Bazy danych Wykáad 6: Postaci normalne. SQL - zapytania záo*one. Maágorzata Krtowska Katedra Oprogramowania e-mail: mmac@ii.pb.bialystok.pl Zale*noci wielowartociowe Czwarta postaü normalna
Bardziej szczegółowoRelacji między tabelami klucze obce. Schemat bazy danych, wczytanej z pliku create_tables.sql. Klucz obcy jako ograniczenie dla kolumny
Schemat bazy danych, wczytanej z pliku create_tables.sql Relacji między tabelami klucze obce Klucz obcy jako ograniczenie dla kolumny customer_id INTEGER NOT NULL REFERENCES customer(customer_id), CONSTRAINT
Bardziej szczegółowoAutor: Joanna Karwowska
Autor: Joanna Karwowska SELECT [DISTINCT] FROM [WHERE ] [GROUP BY ] [HAVING ] [ORDER BY ] [ ] instrukcja może
Bardziej szczegółowoGrupowanie danych klauzula GROUP BY
Grupowanie danych klauzula GROUP BY! Użycie klazuli GROUP BY! Użycie klauzuli GROUP BY z klauzulą HAVING Użycie klauzuli GROUP BY SELECT productid, orderid,quantity SELECT productid,sum(quantity) AS total_quantity
Bardziej szczegółowoPlan. 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 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 szczegółowoSchemat bazy danych. Funkcje analityczne. ROLLUP - wynik ROLLUP
Schemat bazy danych TIMES # TIME_KEY TRANSACTION_DATE DAY_OF_WEEK HOLIDAY_FLAG Funkcje analityczne Operatory ROLLUP i CUBE, funkcja GROUPING, funkcje porządkujące (ranking), okienkowe, raportujące, statystyczne,
Bardziej szczegółowoJęzyk SQL. Rozdział 2. Proste zapytania
Język SQL. Rozdział 2. Proste zapytania Polecenie SELECT, klauzula WHERE, operatory SQL, klauzula ORDER BY. 1 Wprowadzenie do języka SQL Język dostępu do bazy danych. Język deklaratywny, zorientowany na
Bardziej szczegółowoSQL. Receptury IDZ DO KATALOG KSI EK TWÓJ KOSZYK CENNIK I INFORMACJE CZYTELNIA PRZYK ADOWY ROZDZIA. SPIS TREœCI KATALOG ONLINE ZAMÓW DRUKOWANY KATALOG
IDZ DO PRZYK ADOWY ROZDZIA SPIS TREœCI KATALOG KSI EK KATALOG ONLINE ZAMÓW DRUKOWANY KATALOG SQL. Receptury Autor: Anthony Molinaro T³umaczenie: Miko³aj Szczepaniak ISBN: 83-246-0450-2 Tytu³ orygina³u:
Bardziej szczegółowoKlasyczna Analiza Danych
Klasyczna Analiza Danych Mechanizmy języka SQL dla agregacji danych Rozszerzenia PIVOT i UNPIVOT Wyszukiwanie danych wg zadanego wzorca Materiały wykładowe Bartosz Bębel Politechnika Poznańska, Instytut
Bardziej szczegółowoTechnologie semantyczne i sieci społecznościowe laboratorium
Technologie semantyczne i sieci społecznościowe laboratorium Oracle Semantic Technologies Celem ćwiczenia jest zapoznanie studentów z narzędziem Oracle Semantic Technologies oraz przedstawienie sposobów
Bardziej szczegółowoInformatyka sem. III studia inżynierskie Transport 2018/19 LAB 2. Lab Backup bazy danych. Tworzenie kopii (backup) bazy danych
Informatyka sem. III studia inżynierskie Transport 2018/19 Lab 2 LAB 2 1. Backup bazy danych Tworzenie kopii (backup) bazy danych Odtwarzanie bazy z kopii (z backup u) 1. Pobieramy skrypt Restore 2. Pobieramy
Bardziej szczegółowoZbiór pytań nr 2. 1 Tabela DEPARTMENTS ma następującą strukturę:
Zbiór pytań nr 2 1 Tabela DEPARTMENTS ma następującą strukturę: Nazwa kolumny Typ danych Uwagi dept_id NUMBER(4) NOT NULL, PRIMARY KEY dept_name VARCHAR2(30) mgr_id NUMBER(6) location_id NUMBER(4) Które
Bardziej szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Aktywna hurtownia danych AHD [T. Thalhammer,
Bardziej szczegółowoAutor: Joanna Karwowska
Autor: Joanna Karwowska SELECT [DISTINCT] FROM [WHERE ] [GROUP BY ] [HAVING ] [ORDER BY ] [ ] instrukcja może
Bardziej szczegółowoPlan wykładu. Elementy ERD BAZY DANYCH. Proces modelowania i implementacji bazy danych. Diagramy związków encji. SQL podzapytania
Plan wykładu 2 BAZY DANYCH Wykład 4: Diagramy związków encji (ERD). SQL podzapytania. Małgorzata Krętowska Wydział Informatyki Politechnika Białostocka Diagramy związków encji elementy ERD liczności związków
Bardziej szczegółowoBazy danych. Plan wykładu. Złczenia tabel. Perspektywy cd. Wykład 9: Programowanie aplikacji baz danych po stronie serwera. Sekwencje Wyzwalacze
Plan wykładu Bazy danych Wykład 9: Programowanie aplikacji baz danych po stronie serwera Sekwencje Wyzwalacze Bloki anonimowe Funkcje Procedury Pakiety Małgorzata Krtowska Katedra Oprogramowania e-mail:
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 szczegółowoWydział Elektrotechniki, Informatyki i Telekomunikacji
Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Informatyki i Elektroniki Instrukcja do zajęć laboratoryjnych wersja 3.0 Nr ćwiczenia: 4 Temat: Polecenie SELECT, cz. 1 Cel ćwiczenia: Celem
Bardziej szczegółowoSELECT * FROM tabela WHERE warunek wybiera dane spełniające podany warunek
SELECT SELECT kolumna1, kolumna2,, kolumnan FROM tabela wybrane kolumny SELECT * FROM tabela wszystkie kolumny select * from Orders select CustomerID, CompanyName, Country from Customers WHERE SELECT *
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 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 szczegółowoJPS. cwiczenia 3. Stosy, proste zapytania. Michał Lentner Polsko-Japońska Wyższa Szkoła Technik Komputerowych
JPS cwiczenia 3. Stosy, proste zapytania Michał Lentner Polsko-Japońska Wyższa Szkoła Technik Komputerowych Baza danych używana w przykładach Baza danych używana w przykładach
Bardziej szczegółowoLaboratorium nr 8. Temat: Podstawy języka zapytań SQL (część 2)
Laboratorium nr 8 Temat: Podstawy języka zapytań SQL (część 2) PLAN LABORATORIUM: 1. Sortowanie. 2. Warunek WHERE 3. Eliminacja powtórzeń - DISTINCT. 4. WyraŜenia: BETWEEN...AND, IN, LIKE, IS NULL. 5.
Bardziej szczegółowoRozszerzenia grupowania
Rozszerzenia grupowania 226 Plan rozdziału 227 Wprowadzenie ROLLUP CUBE GROUPING SETS GROUPING Rozszerzenia grupowania danych 228 W złożonych magazynach danych oprócz tabel faktów i wymiarów istnieje dodatkowo
Bardziej szczegółowoSQL*Loader (2) SQL*Loader (1) SQL*Loader. SQL*Loader (4) SQL*Loader (3) Wczytywanie danych ze źródeł zewnętrznych
Wczytywanie danych ze źródeł zewnętrznych (1 Źródła zewnętrzne bazy danych - heterogeniczność producenci funkcjonalność modele danych protokoły komunikacyjne pliki tekstowe, HTML, XML arkusze kalkulacyjne
Bardziej szczegółowoSpecyfika języka SQL powoduje, że łatwiej jest najpierw wytłumaczyć, jak korzystać z funkcji grupujących, a dopiero później jak grupować dane.
W tym odcinku poznasz funkcje grupujące i dwie nowe klauzule instrukcji SELECT GROUP BY i HAVING. Nauczysz się też grupować dane, czyli łączyć wiele wierszy w jeden. Grupowanie danych polega na łączeniu
Bardziej szczegółowoPolitechnika Łódzka, ul. Żeromskiego 116, 90-924 Łódź, tel. (042) 631 28 83. Projekt współfinansowany przez Unię Europejską
Oracle i DB2 zadanie współfinansowane przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój Politechniki Łódzkiej
Bardziej szczegółowoLista zadań nr 1. 4. Wyświetlić imię i nazwisko dla każdego pracownika z departamentu DEP T NO o numerze 000.
Lista zadań nr 1 Zapytania SQL, SELECT z klauzulą WHERE i ORDER BY 1. Wyświetlić zawartość tablicy z pracownikami (EMPLOYEE). 2. Wyświetlić nazwisko i imię LAST NAME, F IRST NAME dla każdego pracownika.
Bardziej szczegółowoPartycjonowanie. Partycjonowanie tabel (1)
Partycjonowanie Robert Wrembel Politechnika Poznaoska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Partycjonowanie tabel (1) Podział tabeli na mniejsze fragmenty operacje
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 szczegółowoWybór wszystkich danych: SELECT * FROM employee Wybór określonych kolumn lub wyrażeń: SELECT first_name, last_name, salary FROM employee
Polecenie SELECT instrukcja pobierająca dane z bazy danych (z tabel, widoków) użytkownik posługujący się nią musi mieć uprawnienia do pobierania danych wynikiem zapytania jest zawsze tablica o określonych
Bardziej szczegółowoPrzydatne sztuczki - sql. Na przykładzie postgres a.
Przydatne sztuczki - sql. Na przykładzie postgres a. M. Wiewiórko 05/2014 Plan Uwagi wstępne Przykład Rozwiązanie Tabela testowa Plan prezentacji: Kilka uwag wstępnych. Operacje na typach tekstowych. Korzystanie
Bardziej szczegółowoSystemy 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 szczegółowoE.14 Bazy Danych cz. 13 SQL Grupowanie danych i funkcje grupujące
Funkcje grupujące Funkcja COUNT() Funkcja SUM() Funkcja AVG() Funkcje MIN() i MAX() Funkcja GROUP_CONCAT() Grupowanie danych Operator ROLLUP Klauzula HAVING Kolejność wykonywania klauzuli zapytań Na podstawie:
Bardziej szczegółowow ramach realizacji V etapu umowy nr 48/2009/F pt.
Sprawozdanie z realizacji zadania nr 4 w ramach realizacji V etapu umowy nr 48/2009/F pt. Realizacja programu Zintegrowanego Monitoringu Środowiska Przyrodniczego nadzór merytoryczny oraz prowadzenie pomiarów
Bardziej szczegółowoMap Reduce Proste zliczanie słów i zapytania SQL
Map Reduce Proste zliczanie słów i zapytania SQL 15 maja 2014 Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą się na nie składały
Bardziej szczegółowoWprowadzenie 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 szczegółowoLista zadań nr 1. Bazy danych laboratorium. dr inż. Grzegorz Bazydło, dr inż. Jacek Tkacz
Bazy danych laboratorium dr inż. Grzegorz Bazydło, dr inż. Jacek Tkacz G.Bazydlo@iie.uz.zgora.pl, www.uz.zgora.pl/~gbazydlo Lista zadań nr 1 Zagadnienia Poznanie narzędzia DBeaver. Konfiguracja połączenia
Bardziej szczegółowoFunkcja INITCAP. SQL> select initcap(dname), initcap(loc) from dept; Funkcja SUBSTR
Bazy danych SQL: funkcje dostępne w Oracle Funkcje działające na pojedynczych wartościach Działają na każdym wierszu wybranym przez zapytanie Zwracają jeden wynik dla każdego wiersza Są jedno- lub wieloargumentowe
Bardziej szczegółowoKomunikacja z bazą danych psql
PostgreSQL jest systemem zarządzania relacyjnymi bazami danych rozprowadzanym na zasadach open source. Twórcą i właścicielem praw autorskich jest Uniwersytet Berkeley w Stanach Zjednoczonych. Ze wszystkich
Bardziej szczegółowoZaawansowany SQL. Robert A. Kłopotek Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW
Zaawansowany SQL Robert A. Kłopotek r.klopotek@uksw.edu.pl Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW MySQL GREATEST i LEAST Zarówno funkcja GEATEST jak i LEAST przyjmują N argumentów
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 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 szczegółowoPodzapytania do tabel W miejscu w którym możemy użyć nazwy tabeli, możemy użyć podzapytania
Plan Podzapytania (subqueries) Podzapytania do tabel Podzapytanie jako wyrażenie Podzapytania skorelowane operatory IN, NOT IN operatory EXISTS, NOT EXISTS Podzapytania do tabel W miejscu w którym możemy
Bardziej szczegółowoHurtownie danych - przegląd technologii
Partycjonowanie tabel (1) Hurtownie danych - przegląd technologii Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Podział tabeli na mniejsze fragmenty
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 szczegółowoIndeksowanie w bazach danych
w bazach Katedra Informatyki Stosowanej AGH 5grudnia2013 Outline 1 2 3 4 Czym jest indeks? Indeks to struktura, która ma przyspieszyć wyszukiwanie. Indeks definiowany jest dla atrybutów, które nazywamy
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 szczegółowoPobieranie danych, czyli instrukcja SELECT
Pobieranie danych, czyli instrukcja SELECT Pobieranie danych Informacje przechowywane w bazach danych mogą być pobrane za pomocą instrukcji języka SQL SELECT. Instrukcja SELECT (zapytanie) określa, jakie
Bardziej szczegółowoJęzyk SQL. Rozdział 3. Zaawansowana selekcja danych
Język SQL. Rozdział 3. Zaawansowana selekcja danych Selekcja wg wartości elementów czasowych, ciągów znaków i liczb. Konstrukcja warunkowa. 1 Funkcje Przekształcają dane, pobrane przez polecenie SQL, lub
Bardziej szczegółowoFunkcje. Rozdział 3. Funkcje. Funkcje znakowe (1) Funkcje wierszowe
Funkcje Rozdział 3 Funkcje Funkcje wierszowe (funkcje znakowe, funkcje liczbowe, funkcje operujące na datach, funkcje konwersji, funkcje polimorficzne), funkcje grupowe, podział relacji na grupy, klauzule
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 szczegółowoJęzyk SQL. Rozdział 7. Zaawansowane mechanizmy w zapytaniach
Język SQL. Rozdział 7. Zaawansowane mechanizmy w zapytaniach Ograniczanie rozmiaru zbioru wynikowego, klauzula WITH, zapytania hierarchiczne. 1 Ograniczanie liczności zbioru wynikowego (1) Element standardu
Bardziej szczegółowoPL/SQL. Funkcje wbudowane
Slajd 1 PL/SQL Opis funkcji SQL PL/SQL(funkcje SQL) M. Rakowski - WSISiZ 1 Slajd 2 Funkcje wbudowane Funkcje wbudowane mają za zadanie umożliwić bardziej zaawansowane operowanie danymi. Funkcje operacji
Bardziej szczegółowoKrzysztof 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 szczegółowoOLAP 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"Kilka słów" o strojeniu poleceń SQL w kontekście Hurtowni Danych wprowadzenie. Krzysztof Jankiewicz
"Kilka słów" o strojeniu poleceń SQL w kontekście Hurtowni Danych wprowadzenie Krzysztof Jankiewicz Plan Opis schematu dla "kilku słów" Postać polecenia SQL Sposoby dostępu do tabel Indeksy B*-drzewo Indeksy
Bardziej szczegółowo124 Bazy danych. Zaawansowane programowanie w T- SQL
124 Bazy danych Zaawansowane programowanie w T- SQL Bazy danych 125 Przegląd zagadnień Skladnie T-SQL Obsluga bledów Podsumowanie Laboratorium Znajomość języka SQL, jakim posługuje się SZBD, jest bardzo
Bardziej szczegółowoZapytania z ograniczeniem czasowym w Oracle
22 stycznia 2009 Tytuł oryginalny Supporting Time-Constrained Queries in Oracle Ying Hu, Seema Sundara, Jagannathan Srinivasan Oracle New England Development Center VLDB 2007 Materiały żródłowe: referat,
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 szczegółowoXML Repository. Maciej Zakrzewicz. mzakrz@cs.put.poznan.pl http://www.cs.put.poznan.pl/~mzakrz/
XML Repository Maciej Zakrzewicz mzakrz@cs.put.poznan.pl http://www.cs.put.poznan.pl/~mzakrz/ Charakterystyka XML Repository Repozytorium dokumentów XML (XML Repository) jest usługą serwera bazy danych
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 szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Efektywność przetwarzania OLAP 1. Indeksowanie
Bardziej szczegółowoInstrukcje DQL: SELECT. Zastosowanie SELECT, opcje i warianty
Wprowadzenie do psql i SQL 1 Bazy Danych Wykład p.t. Instrukcje DQL: SELECT. Zastosowanie SELECT, opcje i warianty Antoni Ligęza ligeza@agh.edu.pl http://galaxy.uci.agh.edu.pl/~ligeza Wykorzystano materiały:
Bardziej szczegółowoa) Polecenie: Wyświetl wszystkie rekordy z tabeli Pracownicy (wszystkie atrybuty)
Ćwiczenia MS Access/SQL I. Zadania podstawowe 1. Wyświetlanie zawartości tabeli a) Polecenie: Wyświetl wszystkie rekordy z tabeli Pracownicy (wszystkie atrybuty). ; b) Polecenie: Wyświetl dane (wszystkie
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 szczegółowoSzkolenie 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 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 szczegółowoprzygotował: pawel@kasprowski.pl Podstawy języka MDX Tworzenie zbiorów
Podstawy języka MDX Tworzenie zbiorów Używanie zbiorów Zbiór to: wynik działania funkcji (np. funkcji members) lista elementów otoczona {...} {[Store Sales], [Unit Sales]} on columns, [Product].[Prod].[Category].members
Bardziej szczegółowoZbiór pytań nr 5. 2 Które stwierdzenie opisuje najlepiej zbiór uprawnień dostępny po wykonaniu
Zbiór pytań nr 5 1 Które stwierdzenie opisuje najlepiej zbiór uprawnień dostępny po wykonaniu connect athos/musketeer grant select,insert,update,delete on athos.services to porthos with grant option; grant
Bardziej szczegółowo