Technologie Informacyjne
|
|
|
- Edward Wasilewski
- 6 lat temu
- Przeglądów:
Transkrypt
1 Bazy danych Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności November 28, 2016
2 1 Płaskie pliki 2 Hierarchiczne bazy danych 3 Sieciowe bazy danych 4 Relacyjne bazy danych 5 Kolumnowe Bazy Danych 6 NoSQL i rozproszenie 7 Podsumowanie
3 Płaskie pliki produkt rok miesiąc obrót ilość sprzedawca region płatki śniadaniowe 2002 grudzień 125,00 zł Jan Nowak centrum 2005 kwiecień ,00 zł 547 Jan Nowak centrum 2008 styczeń 1 547,00 zł 45 Jan Nowak centrum płatki śniadaniowe 2003 wrzesień ,00 zł 548 Janina Kowalska centrum 2008 wrzesień ,00 zł Janina Kowalska centrum płatki śniadaniowe 2003 lipiec ,00 zł 4584 Jan Nowak małopolska 2002 luty 12,00 zł 5965 Jan Nowak małopolska 2003 październik 540,00 zł 5412 Janina Kowalska małopolska płatki śniadaniowe 2006 październik 4 040,00 zł 5 Janina Kowalska małopolska płatki śniadaniowe 2002 grudzień 5 465,00 zł 56 Jan Nowak pomorze płatki śniadaniowe 2008 marzec 3 132,00 zł 5 Jan Nowak pomorze 2005 marzec 540,00 zł 2 Jan Nowak pomorze 2006 luty 21,00 zł 58 Janina Kowalska pomorze płatki śniadaniowe 2005 luty 5 050,00 zł 254 Janina Kowalska pomorze płatki śniadaniowe 2003 styczeń 45,00 zł 587 Janina Kowalska pomorze płatki śniadaniowe 2005 grudzień 4 548,00 zł 5412 Jan Nowak wielkopolska płatki śniadaniowe 2002 luty ,00 zł 24 Jan Nowak wielkopolska 2006 marzec 321,00 zł 541 Jan Nowak wielkopolska płatki śniadaniowe 2002 październik 4 523,00 zł 45 Jan Nowak wielkopolska płatki śniadaniowe 2002 lipiec 654,00 zł 456 Janina Kowalska wielkopolska 2002 wrzesień 540,00 zł 5265 Janina Kowalska wielkopolska
4 Zapis danych na kartach FortranCardPROJ039.agr by Arnold Reinhold - Licensed under Wikimedia Commons
5 Magnetyczne nośniki danych Poland Jaworzyna Slaska - Museum of Industry and Railway in Lower Silesia - tape memory PT3 for Odra computer autorstwa I, Merlin. Licencja na podstawie Wikimedia Commons
6 Odczyt z taśmy produkt rok miesiąc obrót ilość sprzedawca region płatki śniadaniowe 2002 grudzień 125,00 zł Jan Nowak centrum 2005 kwiecień ,00 zł 547 Jan Nowak centrum 2008 styczeń 1 547,00 zł 45 Jan Nowak centrum płatki śniadaniowe 2003 wrzesień ,00 zł 548 Janina Kowalska centrum 2008 wrzesień ,00 zł Janina Kowalska centrum płatki śniadaniowe 2003 lipiec ,00 zł 4584 Jan Nowak małopolska 2002 luty 12,00 zł 5965 Jan Nowak małopolska 2003 październik 540,00 zł 5412 Janina Kowalska małopolska płatki śniadaniowe 2006 październik 4 040,00 zł 5 Janina Kowalska małopolska płatki śniadaniowe 2002 grudzień 5 465,00 zł 56 Jan Nowak pomorze płatki śniadaniowe 2008 marzec 3 132,00 zł 5 Jan Nowak pomorze 2005 marzec 540,00 zł 2 Jan Nowak pomorze 2006 luty 21,00 zł 58 Janina Kowalska pomorze płatki śniadaniowe 2005 luty 5 050,00 zł 254 Janina Kowalska pomorze płatki śniadaniowe 2003 styczeń 45,00 zł 587 Janina Kowalska pomorze płatki śniadaniowe 2005 grudzień 4 548,00 zł 5412 Jan Nowak wielkopolska płatki śniadaniowe 2002 luty ,00 zł 24 Jan Nowak wielkopolska 2006 marzec 321,00 zł 541 Jan Nowak wielkopolska płatki śniadaniowe 2002 październik 4 523,00 zł 45 Jan Nowak wielkopolska płatki śniadaniowe 2002 lipiec 654,00 zł 456 Janina Kowalska wielkopolska 2002 wrzesień 540,00 zł 5265 Janina Kowalska wielkopolska
7 Hierarchiczny Model Danych root Level 0 centrum małopolska pomorze Level 1 Janina Kowalska Jan Nowak Level 2 płatki śniadaniowe Level 3
8 Hierarchiczny Model Danych root centrum małopolska pomorze Janina Kowalska Jan Nowak Janina Kowalska Jan Nowak płatki śniadaniowe płatki śniadaniowe Janina Kowalska Jan Nowak płatki śniadaniowe płatki śniadaniowe płatki śniadaniowe płatki śniadaniowe
9 Sieciowy Model Danych centrum małopolska pomorze Janina Kowalska Jan Nowak płatki śniadaniowe płatki śniadaniowe płatki śniadaniowe płatki śniadaniowe płatki śniadaniowe
10 Relacyjny Model Danych produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region zł centrum zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum
11 Structured Query Language produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region centrum zł zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum SELECT ilość FROM transakcje WHERE region = centrum ;
12 Structured Query Language produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region centrum zł zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum SELECT sum(ilość) FROM transakcje WHERE region = centrum ;
13 Structured Query Language produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region centrum zł zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum SELECT count(*) FROM transakcje WHERE region = centrum ;
14 Structured Query Language produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region centrum zł zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum SELECT nazwa, data, ilość, obrót, region FROM transakcje JOIN produkt ON produkt.id = transakcje.produkt id WHERE region = centrum ;
15 Structured Query Language produkt id nazwa 1 płatki śniadaniowe 2 sprzedawca id imię nazwisko 1 Jan Nowak 2 Janina Kowalska transakcje id produkt_id sprzedawca_id data ilość obrót region centrum zł zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum SELECT nazwa, imie, nazwisko, data, ilość, obrót, region FROM transakcje JOIN produkt ON produkt.id = transakcje.produkt id JOIN sprzedawca ON sprzedawca.id = transakcje.sprzedawca id;
16 Indeksy id produkt_id sprzedawca_id data ilość obrót region zł centrum zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum
17 Indeksy Ile osób z SP-C16 jest dzisiaj w SGSP?
18 Indeksy Wykorzystanie planu zajęć
19 Indeksy centrum 1,3,10,11 małopolska 4,7 pomorze 2,5,6,9 wielkopolska 8 id produkt_id sprzedawca_id data ilość obrót region zł centrum zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum
20 B-drzewa
21 B-drzewa
22 Kolumnowe Bazy Danych id produkt_id sprzedawca_id data ilość obrót region zł centrum zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum 4:1:2: :1:231zł:małopolska&5:2:1: :132:1231zł:pomorze&6:1:2: blok 1 blok 2 blok 3
23 Kolumnowe Bazy Danych id produkt_id sprzedawca_id data ilość obrót region zł centrum zł pomorze zł centrum zł małopolska zł pomorze zł pomorze zł małopolska zł wielkopolska zł pomorze zł centrum zł centrum 4:1:2: :1:231zł:małopolska&5:2:1: :132:1231zł:pomorze&6:1:2: blok 1 blok 2 blok 3 1:1:1:1:1:2:2:2:2:2:2&1:1:1:1:1:1:2:2:2:2:2& : :...
24 Granularne Bazy Danych
25 Granularne Bazy Danych
26 Granularne Bazy Danych
27 Teoria CAP C - Consistency A - Availability P - Partition Tolerance C - Spójność RDBMS MongoDB CA CP A - Dostępność AP P - Segmentacja Cassandra
28 Architektura Master-Slave replikacja Mainframe replikacja odczyt zapis odczyt odczyt
29 Architektura Masterless Ring Cassandra Klaster Token Token 0-42 Token Token Token Token
30 Architektura Masterless Ring - Zapis Cassandra Klaster Token Token 0-42 Token zapis replikacja Koordynator replikacja replikacja Token Token Token
31 Architektura Masterless Ring - Odczyt
32 Cassandra SSTable Dane id nick nazwisko miasto 1 aa kowalski a@foo.pl 2 ab b@foo.pl gdańsk 3 ac nowak c@foo.pl nisko 4 ad kowal d@foo.pl 5 ae e@foo.pl sopot 6 af m f@foo.pl 7 ag nowy g@foo.pl warsaw Column Family { id nick nazwisko miasto 1 aa kowalski a@foo.pl 2 ab b@foo.pl gdańsk 3 ac nowak c@foo.pl nisko 4 ad kowal d@foo.pl 5 ae e@foo.pl sopot 6 af m f@foo.pl 7 ag nowy g@foo.pl warsaw klucz wiersza klucz kolumny wiersz id nick 1 aa 2 ab 3 ac 4 ad 5 ae 6 af 7 ag id nazwisko 1 kowalski 3 nowak 4 kowal 6 m 7 nowy id 1 a@foo.pl 2 b@foo.pl 3 c@foo.pl 4 d@foo.pl 5 e@foo.pl 6 f@foo.pl 7 g@foo.pl id miasto 2 gdańsk 3 nisko 5 sopot 7 warsaw
33 Cassandra SSTable
34 SSTable rozproszenie id nick 1 aa 2 ab 3 ac 4 ad 5 ae 6 af 7 ag id nazwisko 1 kowalski 3 nowak 4 kowal 6 m 7 nowy id 1 a@foo.pl 2 b@foo.pl 3 c@foo.pl 4 d@foo.pl 5 e@foo.pl 6 f@foo.pl 7 g@foo.pl id miasto 2 gdańsk 3 nisko 5 sopot 7 warsaw Tokio Londyn Warszawa
35 Cassandra odczyt Memory Disk Return result set 7 Read request dane Compression offsets ox... ox... ox... ox... ox... ox... Partition index 4 Filtr Blooma Partition summary ox... ox... ox... 3 Partition key cache 2
36 Cassandra dane zapisz 2 MEMTABLE Pamięć Dysk 1 3 Flush Index Commit log SSTable
37 Podsumowanie Przedstawiono różne modele baz danych. Omówiono szerzej relacyjny model baz danych. Zaprezentowano różne formy zapisu i indeksowania relacyjnych baz danych. Omówiono obecne problemy rozproszonego zapisu danych. Omówiono rozproszone bazy danych na przykładzie Cassandra.
Technologie Informacyjne
Bazy danych Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności May 18, 2015 1 Płaskie pliki 2 Hierarchiczne bazy danych 3 Sieciowe bazy danych 4 Relacyjne bazy danych 5 Kolumnowe Bazy Danych
Bazy danych NoSQL Część II. Maciej Zakrzewicz Politechnika Poznańska, Instytut Informatyki,
Bazy danych NoSQL Część II Maciej Zakrzewicz Politechnika Poznańska, Instytut Informatyki, http://zakrzewicz.pl 1 Apache Cassandra Rozproszony, zdecentralizowany, kolumnowy (columnoriented) system bazy
NoSQL & relax with CouchDB
NoSQL & relax with PyWaw #23 8 kwiecień 2013 Agenda 1 NoSQL - nierelacyjne systemy baz danych Wprowadzenie do NoSQL Rodzaje i porównanie baz NoSQL Polyglot persistence 2 Projekt w CERN wykorzystujacy 3
Bazy danych NoSQL. wprowadzenie. Szymon Francuzik Poznań,
Bazy danych NoSQL wprowadzenie Szymon Francuzik szymon.francuzik@cs.put.poznan.pl Poznań, 16.05.2012 Szymon Francuzik szymon.francuzik@cs.put.poznan.pl Bazy () danych NoSQL Poznań, 16.05.2012 1 / 37 Plan
Wprowadzenie do NoSql. Maksymilian Wiesiołek
Wprowadzenie do NoSql Maksymilian Wiesiołek Agenda O mnie, ACID a CAP, wstęp do NoSql PostgreSql, Redis Hbase, MongoDb, Neo4j, Agenda Coherence, Rozwiązania hybrydowe, Na co warto zwrócić uwagę, Zagrożenia,
Szkolenie wycofane z oferty. Apache Cassandra - modelowanie, wydajność, analiza danych
Szkolenie wycofane z oferty Program szkolenia: Apache Cassandra - modelowanie, wydajność, analiza danych Informacje: Nazwa: Kod: Kategoria: Grupa docelowa: Czas trwania: Forma: Apache Cassandra - modelowanie,
Nierelacyjne bazy danych
Nierelacyjne bazy danych Wprowadzenie do baz danych typu NoSQL Grzegorz Gołaszewski, Wojciech Waloszek, Teresa Zawadzka, Michał Zawadzki Zasady prowadzenia przedmiotu (1) Osoby prowadzące: mgr inż. Grzegorz
Wst p Model Danych Saklowalno± + replikacja Spójno± Ograniczenia. Cassandra. Paweª Róg. Pozna«, maj 2011
Paweª Róg Pozna«, maj 2011 Agenda 1 2 3 4 5 Agenda 1 2 3 4 5 NoSQL Inne podej±cie do systemu zarz dzania danymi Dane nie wymagaj okre±lonego schematu tabelarycznego Unikaj operacji join Po co? Sªaba skalowalno±c
ORGANIZATOR SPORTU DZIECI I MŁODZIEŻY W ŚRODOWISKU WIEJSKIM
Imię i nazwisko PLAN ZADAŃ NA MIESIĄC styczeń 2015 1. Zorganizowanie imprez (podać planowany termin, miejsce, liczbę osób) 2. Prowadzenie zajęć pozalekcyjnych, treningów dla dzieci i młodzieży 3. Współpraca
Wstęp do relacyjnych baz danych. Jan Bartoszek
Wstęp do relacyjnych baz danych Jan Bartoszek Agenda 1. 2. 3. 4. 5. 6. 7. Po co i dlaczego? Bazy danych & DBMS Relacje i powiązania Redundancja i jak jej uniknąć Diagramy ERD SQL Podsumowanie Czym są są
2017 r. STOPA BEZROBOCIA r. STOPA BEZROBOCIA
2017 r. STOPA BEZROBOCIA GUS dokonał korekty stopy bezrobocia za okres od grudnia 2016 r. do sierpnia 2017 r., wynikającej na podstawie badań prowadzonych przez przedsiębiorstwa według stanu na 31 grudnia
ODCZYT STANU WODY NA RZECE DRWĘCY mierzone dla posterunku Nowe Miasto Lubawskie
598 3 grudnia 2010r. - 239 597 2 grudzień 2010r. - 236 596 1 grudzień 2010r. - 238 595 30 listopad 2010r. - 242 594 29 listopad 2010t. - 265 593 28 listopad 2010r. - 256 592 27 listopad 2010r. - 251 591
NoSQL: Riak. dr inż. Sebastian Ernst Katedra Informatyki Stosowanej
NoSQL: Riak dr inż. Sebastian Ernst Katedra Informatyki Stosowanej Twierdzenie CAP W przypadku rozdziału węzłów (partition), możliwe jest zachowanie jednej z dwóch cech: spójności (consistency) wszystkie
Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko
Podstawowe pojęcia dotyczące relacyjnych baz danych mgr inż. Krzysztof Szałajko Czym jest baza danych? Co rozumiemy przez dane? Czym jest system zarządzania bazą danych? 2 / 25 Baza danych Baza danych
BAZY DANYCH. NIERELACYJNE BAZY DANYCH NoSQL I ASOCJACYJNE STRUKTURY DANYCH. Adrian Horzyk. Akademia Górniczo-Hutnicza
BAZY DANYCH NIERELACYJNE BAZY DANYCH NoSQL I ASOCJACYJNE STRUKTURY DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki
UPDATE Studenci SET Rok = Rok + 1 WHERE Rodzaj_studiow =' INŻ_ST'; UPDATE Studenci SET Rok = Rok 1 WHERE Nr_albumu IN ( '111345','100678');
polecenie UPDATE służy do aktualizacji zawartości wierszy tabel lub perspektyw składnia: UPDATE { } SET { { = DEFAULT NULL}, {
Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc]
![Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc]](/thumbs/13/11422.jpg "Październik Data Dzień tygodnia Szczęśliwy numerek [Wybierz inny miesiąc]")
Szczęśliwe numerki 2014/2015 Wybierz miesiąc: Wrzesień Październik Listopad Grudzień Styczeń Luty Marzec Kwiecień Maj Czerwiec Wrzesień 10 wrzesień 2014 Środa 16 11 wrzesień 2014 Czwartek 17 12 wrzesień
Bazy danych NoSQL. Szymon Francuzik szymon.francuzik@cs.put.poznan.pl. Poznań, 29.10.2012
Bazy danych NoSQL Szymon Francuzik szymon.francuzik@cs.put.poznan.pl Poznań, 29.10.2012 Szymon Francuzik szymon.francuzik@cs.put.poznan.pl Bazy () danych NoSQL Poznań, 29.10.2012 1 / 45 Plan prezentacji
Nowe technologie baz danych
Nowe technologie baz danych Partycjonowanie Partycjonowanie jest fizycznym podziałem danych pomiędzy różne pliki bazy danych Partycjonować można tabele i indeksy bazy danych Użytkownik bazy danych nie
Wolumen - część II Budynki Urzędu Gminy Kulesze Kościelne i Ochotniczej Straży Pożarnej Grodzkie Nowe w grupie taryfowej G
Wolumen opracowany na podstawie faktur z ostatnich 12 miesięcy Tabela nr 1 Styczeń 2016 G11 2 całodobowo 1,661 2 Zużycie energii 1,661 Tabela nr 2 Luty 2016 G11 2 całodobowo 1,459 2 Zużycie energii 1,459
Bazy danych i usługi sieciowe
Bazy danych i usługi sieciowe Wstęp do problematyki baz danych Paweł Daniluk Wydział Fizyki Jesień 2014 P. Daniluk (Wydział Fizyki) BDiUS w. I Jesień 2014 1 / 17 Plan wykładu 1 Bazy danych 1 Motywacja
Bazy danych. dr inż. Arkadiusz Mirakowski
Bazy danych dr inż. Arkadiusz Mirakowski Początek pracy z Transact SQL (T-SQL) 153.19.7.13,1401 jkowalski nr indeksu 2 Perspektywa - tabela tymczasowa - grupowanie Perspektywa (widok) Perspektywa (widok)
ROK 2007 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2007 - - - - - - - - - -
ROK Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń - - - - - - - - - - - ukończenia / lat - powyżej roku życia - powyżej roku życia - powyżej roku życia - - - - - - - - - - Luty - - - - - - - -
IV SEKTOR - HARMONOGRAM WYWOZU ODPADÓW WIELKOGABARYTOWYCH Z BUDYNKÓW WIELORODZINNYCH NA 2015 ROK
STYCZEŃ 1 2 3 4 5 6 7 8 9 10 11 12 13 Żydowce 14 Śmierdnica,Zdunowo 15 16 17 18 19 20 21 22 23 24 25 26 27 Żydowce 28 Śmierdnica,Zdunowo 29 30 31 LUTY 1 2 3 4 5 6 7 8 9 10 Żydowce 11 Śmierdnica,Zdunowo
Wprowadzenie do Hurtowni Danych
Wprowadzenie do Hurtowni Danych Organizacyjnie Prowadzący: mgr. Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło HD2) Literatura 1. Inmon, W., Linstedt, D. (2014). Data Architecture: A
Modelowanie 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
Informatyka (6) Widoki. Indeksy
Informatyka (6) Widoki. Indeksy dr inż. Katarzyna Palikowska Katedra Transportu Szynowego p. 4 Hydro katpalik@pg.gda.pl katarzyna.palikowska@wilis.pg.gda.pl Decimal(10,2) Szkoła posiada konto. Osoby dokonują
Hbase, Hive i BigSQL
Hbase, Hive i BigSQL str. 1 Agenda 1. NOSQL a HBase 2. Architektura HBase 3. Demo HBase 4. Po co Hive? 5. Apache Hive 6. Demo hive 7. BigSQL 1 HBase Jest to rozproszona trwała posortowana wielowymiarowa
Hurtownie danych wykład 5
Hurtownie danych wykład 5 dr Sebastian Zając SGH Warszawa 7 lutego 2017 1 Współbieżność i integracja Niezgodność impedancji 2 bazy danych Współbieżność i integracja Niezgodność impedancji Bazy relacyjne
Teoretyczne 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.
Bazy 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
Obiektowość BD Powtórka Czas odpowiedzi. Bazy Danych i Systemy informacyjne Wykład 14. Piotr Syga
Bazy Danych i Systemy informacyjne Wykład 14 Piotr Syga 18.01.2019 Motywacja Ograniczenia relacyjnych baz danych proste typu i struktury klucze (w tym sztuczne) relacje między tabelami uwzględniane w triggerach
P o d s t a w y j ę z y k a S Q L
P o d s t a w y j ę z y k a S Q L Adam Cakudis IFP UAM Użytkownicy System informatyczny Aplikacja Aplikacja Aplikacja System bazy danych System zarządzania baz ą danych Schemat Baza danych K o n c e p
GRUPA 1. Adres: Plac Kościuszki 13, Tomaszów Mazowiecki
GRUPA 1 Terminy: piątek 18:30-20:00 (2h) i sobota 10:30-13:30 (4h) (6h lekcyjnych tygodniowo) październik listopad 2017r.; piątek 17:45 20:00 (3h) i sobota 10:30 13:30 (4h) (7h lekcyjnych tygodniowo) grudzień
Pawel@Kasprowski.pl Bazy danych. Bazy danych. Podstawy języka SQL. Dr inż. Paweł Kasprowski. pawel@kasprowski.pl
Bazy danych Podstawy języka SQL Dr inż. Paweł Kasprowski pawel@kasprowski.pl Plan wykładu Relacyjne bazy danych Język SQL Zapytania SQL (polecenie select) Bezpieczeństwo danych Integralność danych Współbieżność
Big Data i 5V Nowe wyzwania w świecie danych Krzysztof Goczyła
Big Data i 5V Nowe wyzwania w świecie danych Krzysztof Goczyła Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika Gdańska kris@eti.pg.gda.pl Sopot, 10.09.2014 1 O czym będzie? Co to jest Big
Rozproszone bazy danych. Robert A. Kłopotek Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW
Rozproszone bazy danych Robert A. Kłopotek r.klopotek@uksw.edu.pl Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW Scentralizowana baza danych Dane są przechowywane w jednym węźle sieci Można
Adam Cankudis IFP UAM
W s t ę p d o r e l a c y j n y c h b a z d a n y c h Adam Cankudis IFP UAM B i b l i o g r a f i a T. Morzy i in., Bazy danych, [w:] Studia Informatyczne, Pierwszy stopie ń, http://wazniak.mimuw.edu.pl/
Definicja. Not Only SQL
Definicja Not Only SQL Baza danych NoSQL to program zapewniający szybki dostęp do danych różniący się w jakiś sposób od stadardowych baz RDBMS. Baza NoSQL to szereg różnych rozwiązań nazwanych jednym określeniem.
Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24
Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Agenda Serp24 NoSQL Integracja z CMS Drupal Przetwarzanie danych Podsumowanie Serp24 Darmowe narzędzie Ułatwia planowanie
1 Zaznacz poprawne stwierdzenia dotyczące grup plików (filegroup) możemy określić do której grupy plików trafi
1 Zaznacz poprawne stwierdzenia dotyczące grup plików (filegroup) Tworząc tabelę nie możemy określić, do którego pliku trafi, lecz możemy określić do której grupy plików trafi Zawsze istnieje grupa zawierająca
Wymiar czasu pracy w kwartałach 2018r. pełny etat
Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013
Jerzy Nawrocki, Wprowadzenie do informatyki
Wydział Informatyki Politechnika Poznańska jerzy.nawrocki@put.poznan.pl Baza danych Bazy danych = zorganizowana kolekcja danych Bazy danych (2) Cel Agenda Przedstawić relacyjny model baz danych Era przed-relacyjna
Współczesne systemy baz danych
Współczesne systemy baz danych dr hab. inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu Zakład Systemów Informatycznych i Mechatronicznych (SIMT) 2019 Prowadzący Dr hab. inż. Andrzej
Język SQL, zajęcia nr 1
Język SQL, zajęcia nr 1 SQL - Structured Query Language Strukturalny język zapytań Login: student Hasło: stmeil14 Baza danych: st https://194.29.155.15/phpmyadmin/index.php Andrzej Grzebielec Najpopularniejsze
Bazy danych. Plan wykładu. Rozproszona baza danych. Fragmetaryzacja. Cechy bazy rozproszonej. Replikacje (zalety) Wykład 15: Rozproszone bazy danych
Plan wykładu Bazy danych Cechy rozproszonej bazy danych Implementacja rozproszonej bazy Wykład 15: Rozproszone bazy danych Małgorzata Krętowska, Agnieszka Oniśko Wydział Informatyki PB Bazy danych (studia
strukturalny język zapytań używany do tworzenia i modyfikowania baz danych oraz do umieszczania i pobierania danych z baz danych
SQL SQL (ang. Structured Query Language): strukturalny język zapytań używany do tworzenia strukturalny język zapytań używany do tworzenia i modyfikowania baz danych oraz do umieszczania i pobierania danych
Pośrednictwo pracy i aktywne formy przeciwdziałaniu bezrobociu styczeń 2002 r. Oferty pracy
Pośrednictwo pracy i aktywne formy przeciwdziałaniu bezrobociu styczeń 2002 r. 3 4 5 6 Ogółem 01 111 2 14 0 dla niepełnosprawnych 02 dla absolwentów 03 4 0 zatrudnione przy robotach odbywające szkolenie
Pośrednictwo pracy i aktywne formy przeciwdziałaniu bezrobociu styczeń 2003 r. Oferty pracy
Pośrednictwo pracy i aktywne formy przeciwdziałaniu bezrobociu styczeń 2003 r. 3 4 5 6 Ogółem 01 146 24 15 1 1 0 dla niepełnosprawnych 02 2 2 dla absolwentów 03 6 1 1 0 zatrudnione przy pracach zatrudnione
ROK 2004 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2004 - - - - - - - - - -
ROK 2 Sprawozdanie o rynku pracy - - - - - - - - - - Styczeń 2 - - - - - - - - - - 22 2 2 2 (w tym): - ukończenia / lat 2 2 2 2 2 2 2 2 2 2 2 2 Bezrobotni w wieku -2 lata ogółem 2 222 2 2 Bezrobotni w
Podstawowe informacje o bazach danych. Technologie Informacyjne
Podstawowe informacje o bazach danych Technologie Informacyjne dr inż. Michna Michał, Politechnika Gdańska 2010/2011 Przykłady systemów baz danych Książka telefoniczna, książka kucharska Zarządzanie magazynem/hurtownią
Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Automatyzacja Automatyzacja przetwarzania: Apache NiFi Źródło: nifi.apache.org 4 Automatyzacja
Wymiar czasu pracy w kwartałach 2018r. pełny etat
Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013
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.
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.
DB2 with BLU acceleration rozwiązanie in-memory szybsze niż pamięć operacyjna&
DB2 with BLU acceleration rozwiązanie in-memory szybsze niż pamięć operacyjna& Artur Wroński" Priorytety rozwoju technologii Big Data& Analiza większych zbiorów danych, szybciej& Łatwość użycia& Wsparcie
Dr Michał Tanaś(http://www.amu.edu.pl/~mtanas)
Dr Michał Tanaś(http://www.amu.edu.pl/~mtanas) Bazy danych podstawowe pojęcia Baza danych jest to zbiór danych zorganizowany zgodnie ze ściśle określonym modelem danych. Model danych to zbiór ścisłych
Wymiar czasu pracy w kwartałach 2018r. pełny etat
Informacja o ze w 2018r. Warszawski Uniwersytet Medyczny poszczególnych ów etatów Zgodnie z Instrukcją w sprawie zasad ewidencjonowania i rozliczania (załącznik nr 1 do Zarządzenia Kanclerza nr 380/2013
Tworzenie aplikacji bazodanowych
Wydział Informatyki Politechnika Białostocka Studia stacjonarne Tworzenie aplikacji bazodanowych Prowadzący: pokój: E-mail: WWW: Małgorzata Krętowska, Agnieszka Oniśko 206 (Małgorzata Krętowska), 207 (Agnieszka
LAB 6 BEGIN TRANSACTION, COMMIT, ROLLBACK, SET TRANSACTION ISOLATION LEVEL,
Informatyka sem. III studia inżynierskie Transport 2018/19 Lab 6 LAB 6 TRANSACTION, COMMIT, ROLLBACK, SET TRANSACTION ISOLATION LEVEL, UPDATE, INSERT INTO, ALTER TABLE, CREATE VIEW, CREATE TRIGGER, FUNCTION,
ORACLE (Wykład 1) aragorn.pb.bialystok.pl/~aonisko. Typy rozproszonych baz danych. Systemy klient-serwer. Klient-serwer: Przykład
ORACLE (Wykład 1) aragorn.pb.bialystok.pl/~aonisko Typy rozproszonych baz Systemy typu klient-serwer (jeden serwer) Jednorodna rozproszona baza (kilka serwerow, jeden system zarzadzania baza ) Niejednorodna
Informatyka 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
Autor: Joanna Karwowska
Autor: Joanna Karwowska Klucz podstawowy PRIMARY KEY Klucz kandydujący UNIQUE Klucz alternatywny - klucze kandydujące, które nie zostały wybrane na klucz podstawowy Klucz obcy - REFERENCES Tworząc tabelę,
Przykłady najlepiej wykonywać od razu na bazie i eksperymentować z nimi.
Marek Robak Wprowadzenie do języka SQL na przykładzie baz SQLite Przykłady najlepiej wykonywać od razu na bazie i eksperymentować z nimi. Tworzenie tabeli Pierwsza tabela W relacyjnych bazach danych jedna
Prawne, księgowe i sanitarne wymogi założenia i prowadzenia gospodarstwa agroturystycznego - szkolenia branżowe
2011 KWIECIEŃ Prawne, księgowe i sanitarne wymogi założenia i prowadzenia gospodarstwa agroturystycznego - szkolenia branżowe PT. 01.04.2011 04.04.2011 06.04.2011 PT. 08.04.2011 11.04.2011 13.04.2011 PT.
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
Laboratorium nr 4. Temat: SQL część II. Polecenia DML
Laboratorium nr 4 Temat: SQL część II Polecenia DML DML DML (Data Manipulation Language) słuŝy do wykonywania operacji na danych do ich umieszczania w bazie, kasowania, przeglądania, zmiany. NajwaŜniejsze
PODSTAWY BAZ DANYCH. 17. Obiektowość w Oracle. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 17. Obiektowość w Oracle 1 Obiektowa baza danych Obiektowe bazy danych (OBD) powstały początkowo jako rozwinięcie programowania obiektowego. Bazy danych zorientowane obiektowo przechowują
Bazy danych 6a. Transakcje. P. F. Góra
Bazy danych 6a. Transakcje P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2018 Transakcje Pojedynczy użytkownik ochrona szczególnie wrażliwych fragmentów. Transakcja wykonuje się albo w całości, albo
Bazy danych. Dr inż. Paweł Kasprowski
Plan wykładu Bazy danych Architektura systemów zarządzania bazami danych Realizacja zapytań algebra relacji Wielodostęp do danych - transakcje Dr inż. Paweł Kasprowski pawel@kasprowski.pl Aplkacja przechowująca
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
Publiczne Gimnazjum w Świdwinie - BAZA DANYCH
Utwórz bazę danych dotyczącą rezerwacji biletów lotniczych, zawierających następną informacje : - Trasa (np. Warszawa Berlin) - Nr lotu (np. BA 724) - Data odlotu - Godzina odlotu (godziny i minuty w systemie
Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family
Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów, architektów oraz
Informatyka (10) dr inż. Katarzyna Palikowska Katedra Transportu Szynowego i Mostów p. 4 Hydro
Informatyka (10) dr inż. Katarzyna Palikowska Katedra Transportu Szynowego i Mostów p. 4 Hydro katpalik@pg.gda.pl katarzyna.palikowska@wilis.pg.gda.pl Architektura Klient-Serwer Gruby klient Cienki klient
(EN 10270:1-SH oraz DIN 17223, C; nr mat ) (EN 10270:3-NS oraz DIN 17224, nr mat )
(EN 10270:1-SH orz DIN 17223, C; nr mt. 1.1200) (EN 10270:3-NS orz DIN 17224, nr mt. 1.4310) d Fn K Dm k Dz L1 Ln L0 Legend d - Dm - Dz - L0 - n - czynn zwoi Ln - Fn - c - K - k - Fn stl nierdzewn = 1kg
Wprowadzenie 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
HARMONOGRAM / PLAN ZAJĘĆ
Pieczęć Partnera.. HARMONOGRAM / PLAN ZAJĘĆ za okres od września 014 r. do czerwca 015 r. Umowa partnerska Nr 106/ES/ZS/D-POKL/14 stanowiąca integralną część Porozumienia partnerskiego na rzecz realizacji
Język SQL, zajęcia nr 2
Język SQL, zajęcia nr 2 SQL - Structured Query Language Strukturalny język zapytań Login: student Hasło: stmeil14 Baza danych: st https://194.29.155.15/phpmyadmin/index.php Andrzej Grzebielec Funkcja agregująca
Ogólny 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
SQL/MySQL. Rafał Kern
SQL/MySQL Rafał Kern 1 SQL (Structured Query Language) Deklaratywny - opisujemy warunki, jakie musi spełniać wynik Służy do zarządzania danymi w relacyjnych bazach danych Składnia/zapytania SQL DML (Data
MongoDB. wprowadzenie. dr inż. Paweł Boiński, Politechnika Poznańska
MongoDB wprowadzenie dr inż. Paweł Boiński, Politechnika Poznańska Plan Historia Podstawowe pojęcia: Dokument Kolekcja Generowanie identyfikatora Model danych Dokumenty zagnieżdżone Dokumenty z referencjami
Ile rekordów będzie zawierała tabela przy założeniu, że na początku była pusta?
Gr Masyla: 1. Zaznacz poprawne stwierdzenia dotyczące opcji recovery model w MS SQL Server a) Ustawienie Simple pozwala zaoszczędzid miejsce na dysku b) Model full jest zalecany dla baz danych, w których
Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family
Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Partner merytoryczny Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów,
Pojazdy zarejestrowane w Polsce w 2014 r.
Pojazdy zarejestrowane w Polsce w 2014 r.! Poniższe statystyki przedstawiają liczbę zarejestrowanych po raz pierwszy na terenie Polski pojazdów w 2014 r. Dane zawarte w tabelach z poszczególnych miesięcy
Technologie Informacyjne
Języki komputerowe Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności December 19, 2016 1 Wprowadzenie 2 Elementy programowania 3 Typy programowania 4 Inne języki komputerowe 5 Top 10 Technologii
XML w bazie danych IBM DB2
Instytut Informatyki Politechnika Śląska Gliwice, ul. Akademicka 16 XML w bazie danych IBM DB2 Dr inż. Dariusz Mrozek Wykład: IBM DB2 uniwersalna platforma przetwarzania danych O czym dzisiaj? XML w relacyjnej
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.
Bazy danych 9. SQL Klucze obce Transakcje
Bazy danych 9. SQL Klucze obce Transakcje P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ semestr letni 2005/06 Klucze obce Klucze obce powiazanie indeksowanej kolumny jakiejś tabeli z indeksowana kolumna
Zawiesia RODIGAS - 2 komplety. CENA ZA KOMPLET! A 2,7 + 2,7 1/4 3/8 MS117 GRATIS RABAT 5% na dowolną centralę KOMFOVENT DOMEKT zł
Klimatyzatory PREMIUM PRO Rura miedziana - pierwszy krąg - CENA ZA KOMPLET! A 2,7 + 2,7 1/4 3/8 MS117 GRATIS RABAT 5% na dowolną centralę 2 750 zł B 2,7 + 3,5 1/4 3/8 MS117 GRATIS RABAT 5% na dowolną centralę
Nowoczesne bazy danych, czyli przetwarzanie in-memory
Nowoczesne bazy danych, czyli przetwarzanie in-memory 1. Dlaczego przetwarzanie w pamięci? 2. Komercyjne bazy danych in-memory 3. Zwykła baza danych, a baza w pamięci różnice 4. Wymiarowanie sprzętu 5.
Funkcjonalność systemów zarządzania bazami danych przestrzennych w kartografii internetowej (PosrtgreSQL/PostGIS) Krzysztof Kuśnierek
Funkcjonalność systemów zarządzania bazami danych przestrzennych w kartografii internetowej (PosrtgreSQL/PostGIS) Krzysztof Kuśnierek Program referatu Przedstawienie program referatu Wprowadzenie Przestrzenne
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
Optymalizacja 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
Szyfrowanie danych w SZBD
Szyfrowanie danych w SZBD dr inż. Maciej Nikodem Instytut Informatyki, Automatyki i Robotyki maciej.nikodem@pwr.wroc.pl 1 Czy potrzebujemy szyfrowania w SZBD? prawo, kontrola dostępu, ochrona przed: administratorem,
Podstawowe informacje o bazach danych
Podstawowe informacje o bazach danych Technologie Informacyjne dr inż. Michna Michał, Politechnika Gdańska 2013/14 Przykłady systemów baz danych Książka telefoniczna, książka kucharska Zarządzanie magazynem/hurtownią
Wstęp Bigtable - opis Wydajność. SZBD Bigtable. Kamil Anikiej. Uniwersytet Warszawski 9 X 2008
Kamil Anikiej Uniwersytet Warszawski 9 X 2008 Rzędy wielkości Trochę historii Konwencjonalne bazy danych Plan prezentacji 1 Wstęp Rzędy wielkości Trochę historii Konwencjonalne bazy danych 2 3 Rzędy wielkości
Bazy Danych. C. J. Date, Wprowadzenie do systemów baz danych, WNT - W-wa, (seria: Klasyka Informatyki), 2000
Bazy Danych LITERATURA C. J. Date, Wprowadzenie do systemów baz danych, WNT - W-wa, (seria: Klasyka Informatyki), 2000 J. D. Ullman, Systemy baz danych, WNT - W-wa, 1998 J. D. Ullman, J. Widom, Podstawowy
SZKOŁA RST ŁUKASZ WRÓBEL
WYDAJNOŚĆ Dlaczego i jak? PLAN 1. Dlaczego? 2. Jak uzyskać? 3. Jak mierzyć? 1. DLACZEGO? creativerealities.com raquelokyay.com ripleypr.com photos-public-domain.com genius.com 2. JAK UZYSKAĆ? FRONTEND
Ćwiczenia z Zaawansowanych Systemów Baz Danych
Ćwiczenia z Zaawansowanych Systemów Baz Danych Hurtownie danych Zad 1. Projekt schematu hurtowni danych W źródłach danych dostępne są następujące informacje dotyczące operacji bankowych: Klienci banku