Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 Rückblick CREATE TABLE Statement Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002.

Ähnliche Präsentationen


Präsentation zum Thema: "1 Rückblick CREATE TABLE Statement Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002."—  Präsentation transkript:

1 1 Rückblick CREATE TABLE Statement Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

2 2 CREATE TABLE Allgemein: CREATE TABLE table_name (spaltendefinitionsliste [,tabellenintegritätsregelliste]); spaltendefinition ::= spaltenname typangabe [default-Klausel] [spaltenintegritätsregelliste] tabellenintegritätsregel ::= check-klausel | primary_key-klausel | unique-klausel | foreign-key-klausel Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

3 3 CREATE TABLE Beispiel CREATE TABLE bestellung ( bestellnrINTEGER NOT NULL, kundennrINTEGER NOT NULL, bestelldatumDATE NOT NULL, lieferdatumDATE, rechnungsbetragDECIMAL(8,2), CHECK(bestelldatum < lieferdatum), PRIMARY KEY (bestellnr), FOREIGN KEY (kundennr) REFERENCES Kunde ON UPDATE CASCADE ON DELETE CASCADE ); Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

4 4 SQL-Datentypen INTEGER(4 Byte) , , +12 SMALLINT(2 Byte) –6354 NUMERIC(p,q)(Dezimalzahl genau p Stellen, q hinter.) DECIMAL(p,q)(Dezimalzahl mind. p Stellen, q hinter.) FLOAT(p)(Gleitpunktzahlen mindestens p Stellen) 2.96E+8 CHARACTER(n)Zeichenketten mit genau n Zeichen CHARACTER VARYING(n)(Zeichenketten mit höchstens n) DATEDATE' ' TIME(p)TIME'09:18:05.23, (p: Nachkommastellen für Sekunden) TIMESTAMP(p)Datum + Uhrzeit TIMESTAMP' :00' BOOLEANTRUE, FALSE, UNKNOWN BIT(n)Bitketten mit genau n Bits Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

5 5 Übungsaufgabe Schemadefinition Vertriebsdatenbank (Web-Shop) in SQL Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

6 6 ProduktBestellungKunde Lieferant SpediteurMitarbeiter Kategorie Offerte liefert beschreibt liefert aus Posten bestellt bearbeitet offeriert PNrBNrKuNr LNr KaNr SNrMNrONr bearbeitet Offerte nm n1 n 1 n 1 n 1 n 1 1 n 1 n Anzahl BDatum Preis LPreis LDATUM OPosten n m Anzahl Preis

7 7 Tabellen Vertriebsdatenbank Kunde(KuNr, Name, Adresse, Rabatt) Produkt(PNr, P-Name, KaNr, LNr, Preis, LPreis) Bestellung(BNr,KuNr,MNr,SNr,Bestelldatum, Lieferdatum) Lieferant(LNr,Name, Adresse) Kategorie(KaNr,Name) Spediteur(SNr, Name, Adresse) Mitarbeiter(MNr,Name, Adresse) Offerte(Onr, KuNr, MNr) Posten(PNr,BNr,Anzahl) Oposten(PNr,ONr,Anzahl,Preis) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

8 8 Lösungsbeispiel 1 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002 CREATE TABLE Kunde ( KuNrinteger PRIMARY KEY, Namechar(20) NOT NULL, Adressechar(50), RabattDecimal(3,1) );

9 9 Lösungsbeispiel 2 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002 CREATE TABLE Bestellung ( BNrinteger PRIMARY KEY, KuNrinteger NOT NULL, MNrinteger, SNrinteger, BestelldatumDate DEFAULT CURRENT_DATE, LieferdatumDate, FOREIGN KEY (KuNr) REFERENCES Kunde ON DELETE NO ACTION ON UPDATE CASCADE, FOREIGN KEY (MNr) REFERENCES Mitarbeiter ON DELETE SET NULL ON UPDATE CASCADE, FOREIGN KEY (SNr) REFERENCES Spediteur ON DELETE SET NULL ON UPDATE CASCADE );

10 10 Lösungsbeispiel 3 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002 CREATE TABLE Posten ( BNrinteger, PNrinteger, Anzahlinteger NOT NULL, PRIMARY KEY(BNr, PNr), FOREIGN KEY (BNr) REFERENCES Bestellung ON DELETE CASCADE ON UPDATE CASCADE, FOREIGN KEY (PNr) REFERENCES Produkt ON DELETE NO ACTION ON UPDATE CASCADE );

11 11 Aufgabe Bibliothek Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002 Modellieren Sie eine Bibliothek (Bücher/ Ausleihe / Autoren / Benutzer (Ausleihende) / Vormerkungen) im E/R-Modell (möglichst redundanzfrei). Folgendes sollte dabei berücksichtigt werden: Ein Buch kann mehrere Autoren haben. Ein Buch kann in verschiedenen Auflagen vorliegen. Jede Auflage eines Buches kann in mehreren Exemplaren in der Bibliothek vorhanden sein. Bücher sollten nach explizit zugeordneten Schlagworten gesucht werden können. Übersetzen Sie das E/R-Modell möglichst redundanzfrei ins relationale Modell (Datenbankschema in Tabellenform) Geben Sie alle SQL-Kommandos an, die zur Anlage der Tabellen notwendig sind (inklusive aller sinnvollen Integritätsregeln).

12 Bibliotheks- anwendung

13 13 BuchAutor Buch- auflage Buch- exemplar Benutzer hat vorgemerkt leiht aus Autor von Schlagwort von ISBNTitel Verlag ANrName Vorname SNr Wort BNrName Adresse Vorname BibNr Auflage Preis hatAufl hatExemp n m n m 1 n 1 nm 1 n m Standort Ort Jahr Datum ?

14 14 Bibliothek - Tabellenmodell Autor(Anr, Name, Vorname) Buch(ISBN, Titel, Verlag, Ort) Autor-von(Anr,ISBN) Schlagwort(SNr, Wort) Schlagwort-von(SNr,ISBN) Buchauflage(Auflage, Preis, Jahr, ISBN) Buchexemplar(BibNr, Standort, ISBN, Auflage) Benutzer(BNr, Name, Vorname, Adresse) Leiht-aus(BibNr,BNr,Datum) Hat-vorgemerkt(BNr,BibNr, Datum)

15 Bibliothek Datenbankschema CREATE TABLE Statements

16 16 Autor CREATE TABLE Autor ( ANr INTEGER PRIMARY KEY, Name CHAR(30) NOT NULL, Vorname CHAR(30) );

17 17 Buch CREATE TABLE Buch ( ISBN INTEGER PRIMARY KEY, Verlag CHAR(30) NOT NULL, Titel CHAR(30) NOT NULL, Ort CHAR(30) );

18 18 Autor-von CREATE TABLE Autor-von ( ISBNINTEGER, ANrINTEGER, PRIMARY KEY ( ISBN, ANr), FOREIGN KEY ISBN REFERENCES Buch ON DELETE CASCADE ON UPDATE CASCADE, FOREIGN KEY ANr REFERENCES Autor ON DELETE CASCADE ON UPDATE CASCADE );

19 19 Schlagwort CREATE TABLE Schlagwort ( SNr INTEGER PRIMARY KEY, Wort CHAR(30) NOT NULL );

20 20 Schlagwort von CREATE TABLE Schlagwort-von ( ISBN INTEGER FOREIGN KEY REFERENCES Buch, SNr INTEGER FOREIGN KEY REFERENCES Schlagwort, PRIMARY KEY ( ISBN, SNr) );

21 21 Buchauflage CREATE TABLE Buchauflage ( ISBNINTEGER, Auflage INTEGER, Preis NUMERIC(8,2), Jahr CHAR(4), PRIMARY KEY(ISBN, Auflage), FOREIGN KEY ISBN REFERENCES Buch ON DELETE CASCADE ON UPDATE CASCADE);

22 22 Buchexemplar CREATE TABLE Buchexemplar ( BibNR INTEGER PRIMARY KEY, Standort CHAR(10), ISBNINTEGER NOT NULL, AuflageINTEGER NOT NULL, FOREIGN KEY ISBN REFERENCES Buchauflage ON DELETE CASCADE ON UPDATE CASCADE, FOREIGN KEY Auflage REFERENCES Buchauflage ON DELETE CASCADE ON UPDATE CASCADE );

23 23 Benutzer CREATE TABLE Benutzer ( BNr INTEGER PRIMARY KEY, Name CHAR(30) NOT NULL, Vorname CHAR(30) NOT NULL, Adresse CHAR(60) NOT NULL );

24 24 Leiht-aus CREATE TABLE leiht-aus ( BibNr INTEGER FOREIGN KEY REFERENCES Buchexemplar, BNr INTEGER FOREIGN KEY REFERENCES Benutzer, PRIMARY KEY (BNr, BibNr) );

25 25 Hat-vorgemerkt CREATE TABLE hat-vorgemerkt ( BibNr INTEGER FOREIGN KEY REFERENCES Buchexemplar, BNr INTEGER FOREIGN KEY REFERENCES Benutzer, DatumDATE, PRIMARY KEY (BNr, BibNr) );

26 SELECT Anweisung

27 SELECT mit einer Tabelle

28 28 SELECT - Anweisung Die SELECT-Anweisung dient der Definition und Ausgabe einer virtuellen Tabelle auf der Basis vorhandener Tabellen und Abfragen Die SELECT-Klausel realisiert die Projektion Die Selektion erfolgt in den WHERE- und HAVING-Klauseln Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

29 29 SELECT - Anweisung Unterscheidung: SELECT-Anweisung Abfrage-Anweisung ist eine SELECT-Anweisung ohne ORDER BY-Klausel Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

30 30 SELECT - Anweisung allgemeinste Form: SELECT [DISTINCT | ALL] A 1,..., A k, (A k+1 ),..., (A k+n ) FROM R 1,..., R m [WHERE ] [GROUP BY A i1,..., A il ] [HAVING ] [ORDER BY A p1,..., A pm ] Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

31 31 SELECT -Reihenfolge Syntaktische Reihenfolge der Klauseln SELECT [DISTINCT | ALL] A 1,..., A k, (A k+1 ),..., (A k+n ) FROM R 1,..., R m [WHERE ] [GROUP BY A i1,..., A il ] [HAVING ] [ORDER BY A p1,... A pm ] Die angegebene Reihenfolge der Klauseln ist zwingend! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

32 32 SELECT -Reihenfolge Zeitliche Abarbeitung der Klauseln 1. FROM-Klausel 2. [WHERE-Klausel] 3. [GROUP BY - Klausel] 4. [HAVING -Klausel] 5. SELECT -Klausel 6. [ORDER BY... ] Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

33 33 SELECT - [DISTINCT | ALL] SELECT-Kommando ([DISTINCT | ALL]): SELECT [DISTINCT | ALL] A 1,..., A k, FROM R 1,..., R m DISTINCT : alle identische Zeilen in der Ergebnistabelle werden zusammengefasst. ALL : alle auftretenden Tupel werden angezeigt (Voreinstellung) Die Angabe ist optional. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

34 34 SELECT - Klauseln SELECT-Klausel leistet die Projektion auf die gewünschten Attribute. Es werden die Attribute aufgelistet, die die Ergebnisliste enthalten soll. * listet alle Attribute der Tabelle auf. Integriert auch arithmetische Operationen und Aggregatfunktionen Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

35 35 SELECT - Klauseln FROM-Klausel hier werden die Tabellen aufgelistet, aus denen die Daten entnommen werden sollen. ermöglicht Umbenennungen durch Tupelvariablen bzw. ALIAS-Namen die verwendeten Relationen werden mittels des kartesischen Produktes verknüpft Verbünde (JOINS) können direkt definiert werden. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

36 36 SELECT - Klauseln WHERE-Klausel leistet die Selektion der gewünschten Tupel aus den betrachteten Tabellen, durch Angabe einer Bedingung. Geschachtelte Unterabfragen sind in der WHERE- Klausel möglich. Erlaubt die Formulierung von Verbundbedingungen um z.B. aus einem kartesischen Produkt einen Gleichverbund (EQUI-JOIN) zu machen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

37 37 SELECT - Klauseln GROUP BY-Klausel fasst alle Tupel gemäss Gleichheit bezüglich der Werte der angegebenen Attribute jeweils in einer Gruppe zusammen und erzeugt eine Tabelle, in der Attribute auftreten, die für jede Gruppe einen Wert haben. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

38 38 SELECT - Klauseln HAVING-Klausel leistet die Selektion der gewünschten Tupel aus der Ergebnistabelle, die durch die GROUP BY Klausel erzeugt wurde. ORDER BY-Klausel sorgt für eine sortierte Ausgabe der Ergebnistabelle gehört nicht zur Abfrage-Anweisung Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

39 39 SELECT - WHERE-Klausel [WHERE ] condition 1 ist dabei logischer Ausdruck logischer Ausdruck atomarer logischer Ausdruck (a AND b), (a OR b), NOT b wobei a und b logische Ausdrücke sind. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

40 40 SELECT - WHERE-Klausel Alle Tupel, für die der Vergleich das Resultat FALSE oder UNKNOWN (NULL) ergibt, erscheinen nicht im Ergebnis. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

41 41 SELECT - WHERE-Klausel [WHERE ] atomarer logischer Ausdruck Term1 Vergleichsoperator Term 2 Vergleichsoperatoren: {=,, <>, =} Beispiel: kundennr*24 = 19+7 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

42 42 SELECT - WHERE-Klausel [WHERE ] Term Spaltenname (z.B.: name, kundennr) Vergleichswert ( 24, NULL, Peter) Funktion auf Termen (kundennr*24 / 19+7) Numerische Operatoren: {+. -, *, /} viele zusätzliche Funktionen Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

43 43 SELECT - WHERE-Klausel Zusätzliche Funktionen Aggregatfunktionen (COUNT, SUM, AVG, MAX, MIN etc.) Datums- und Zeitfunktionen (LAST_DAY, NEXT_DAY, etc.) Arithmetische Funktionen (ABS, LN, LOG, COS SIN etc) Zeichenfunktionen (LENGTH, CONCAT, etc.) Umwandlungsfunktionen (TO-CHAR, TO-NUMBER) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

44 44 SELECT - WHERE-Klausel Atomarer logischer Ausdruck (Beispiel): kundennr = 103 ort <> Basel lieferdatum IS NULL lieferdatum IS NOT NULL mindestbestand = 400 mindestbestand / 2 = 12*24 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

45 45 SELECT - WHERE-Klausel logischer Ausdruck (Beispiel): kundennr = 103 AND ort <> Basel lieferdatum IS NULL OR mindestbestand = 400 lieferdatum IS NOT NULL AND kundennr > 100 NOT mindestbestand / 2 = 12*24 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

46 46 SELECT - NULL-Werte NULL-Werte in Vergleichen liefermenge = NULL hat als Ergebnis unknown (NULL) Deshalb muss die Abfrage anders aussehen: liefermenge IS NULL bzw. liefermenge IS NOT NULL Diese Abfragen sind wahr oder falsch! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

47 47 SELECT Beispiel Null-Werte: SELECT bestellnr, artikelnr, bestellmenge, liefermenge FROM position WHERE liefermenge IS NULL; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

48 48 SELECT - Projektion und Selektion Beispiel 1: SELECT kundennr, name, status FROM kunde WHERE status = S; Gibt alle Kundeneinträge mit status =S aus, projiziert auf die Attribute kundennr, name, status, der Tabelle kunde. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

49 49 SELECT - Projektion und Selektion Beispiel 2: SELECT * FROM kunde WHERE status = S; Gibt alle Kundeneinträge mit status =S aus, projiziert auf alle Attribute der Tabelle kunde. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

50 50 SELECT Beispiel 3: SELECT bestellnr, artikelnr, bestellmenge, liefermenge FROM position WHERE liefermenge <= bestellmenge * 0.9; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

51 51 SELECT WHERE-Klausel BETWEEN (allgemein) BETWEEN Wert1 AND Wert2 Es muss gelten: Wert 1 <= Wert 2 Beispiel: SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE bestelldatum BETWEEN DATE AND DATE ; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

52 52 SELECT WHERE-Klausel SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE bestelldatum BETWEEN DATE ' ' AND DATE ' ' ; ist gleichbedeutend mit: SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE bestelldatum >= DATE ' ' AND bestelldatum <= DATE ' ' ; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

53 53 SELECT WHERE-Klausel IN / IN VALUES (allgemein): Attribut IN (werteliste) Attributliste IN VALUES (tupel-werteliste) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

54 54 SELECT WHERE-Klausel Beispiel (IN) : SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE kundennr IN ( 2, 5, 38, 44, 76, 109); Beispiel (IN VALUES) :... WHERE (plz, ort) IN VALUES ('78462', 'Konstanz'),('12345', 'Xydorf'); Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

55 55 SELECT WHERE-Klausel SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE kundennr IN (44, 76, 109); ist abkürzende Schreibweise für: SELECT bestellnr, kundennr, bestelldatum, FROM bestellung WHERE kundennr = 44 OR kundennr = 76 OR kundennr = 109; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

56 56 SELECT WHERE-Klausel LIKE (allgemein): LIKE muster Pattern Matching-Operation / Suchen nach einem Textmuster, statt einem eindeutig vorgegebenen Attributwert Platzhaltersymbole: % (Prozentzeichen) (vertritt kein, ein, oder beliebig viele Zeichen _ (Unterstrich)(vertritt genau ein beliebiges Zeichen) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

57 57 SELECT WHERE-Klausel LIKE (Beispiel): SELECT artikelnr, bezeichnung, bestand FROM artikel WHERE bezeichnung LIKE %Tee%; liefert als Ergebnisse z.B. –Ceylon-Tee –China Tee –grüner Tee Eistee würde nicht gefunden, weil Gross/Kleinschreibung strikt beachtet wird. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

58 58 SELECT WHERE-Klausel Negationen der Operationen sind auch möglich: spalte NOT BETWEEN Wert1 AND WERT2 Spalte NOT IN (werteliste) spalte NOT LIKE Wert Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

59 59 SELECT mit virtuellen Spalten Beispiel: SELECT bestellnr, artikelnr, bestellmenge, liefermenge, bestellmenge - liefermenge AS fehlmenge FROM position Ergebnis (z.B.): bestellnr artikelnr bestellmenge liefermenge fehlmenge 151 G K K Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

60 60 SELECT - ORDER BY Die Reihenfolge der Anzeige der Datentupel kann auch gemäss mehreren Attributen erfolgen: Beispiel: SELECT zahlungsart, plz, name FROM kunde ORDER BY zahlungsart, plz; Im Beispiel nach zahlungsart und plz Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

61 61 SELECT – GROUP BY GROUP BY ermöglicht Gruppierungen innerhalb der Relationen. Es werden jeweils spezielle Tupel zu einer Gruppe zusammen gefasst. Die Aggregatfunktionen werden dann pro Gruppe und nicht global auf die gesamte Relation angewendet. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

62 62 SELECT – GROUP BY GROUP BY wird verwendet wenn man Teilmengen von Tupeln einer Relation zusammen fassen will, z.B. um die Aggregatfunktionen auf die so gebildeten Teilmengen anwenden zu können. Entscheidend für die Gruppenbildung sind gleiche Werte in einer bestimmten Spalte bzw. in einer Spaltenliste. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

63 63 SELECT – GROUP BY Mögliche sinnvolle Gruppenbildungen mit anschliessender Aggregation: Alle Bestellungen eines Kunden alle Positionen einer Bestellung alle Positionen, in denen ein bestimmter Artikel auftaucht alle Kunden einer Stadt alle Mitarbeiter einer Abteilung Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

64 64 SELECT – GROUP BY GROUP BY (allgemein): SELECT gruppenausdrucksliste FROM tabelle GROUP BY spaltenliste Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

65 65 SELECT – GROUP BY GROUP BY (allgemein): gruppenausdruck ::= MIN (ausdruck1) | MAX (ausdruck1) | AVG (ausdruck1) | SUM (ausdruck1) | COUNT (ausdruck1) | COUNT ( DISTINCT ausdruck1) | COUNT (*) | gruppenspalte | ausdruck2 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

66 66 SELECT – GROUP BY GROUP BY (allgemein) / Erläuterung: Ausdruck1:beliebiger Ausdruck Gruppenspalte:Spalte, die in der GROUP BY- Klausel auftritt Ausdruck2:Ausdruck, der nur Aggregatfunktionen oder Gruppenspalten verwenden darf. D.h.: in der Gruppenausdrucksliste dürfen nur Aggregatfunktionen oder Attribute vorkommen, die auch in der GROUP BY-Klausel vorkommen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

67 67 SELECT – GROUP BY Beispiel für Ausdrucksliste: SELECT KaNr AS Kategorienummer COUNT(artikelnr) AS Bestellmenge, SUM(Listenpreis) AS PREISSUMME, AVG(Listenpreis) AS DURSCHSCHNITTSPREIS MIN(Listenpreis)AS KLEINSTER_PREIS MAX(Listenpreis)AS GRÖSSTER-PREIS FROM Artikel GROUP BY KaNr; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

68 68 SELECT – GROUP BY Beispiel 1 für GROUP BY: Wie oft hat jeder Kunde bestellt? SELECT Kundennr, COUNT(*) AS BESTELL-Anzahl FROM bestellung GROUP BY Kundennr; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

69 69 SELECT – GROUP BY Beispiel 1 für GROUP BY: Wie oft hat jeder Kunde bestellt? Ergebnis: KundennrBESTELL-ANZAHL Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

70 70 SELECT – GROUP BY Beispiel 2 für GROUP BY: Für jeden Artikel (jedes Produkt) ist die Summe der Bestellmengen (Anzahl) gesucht: SELECT artikelnr, SUM(Bestellmenge) FROM position GROUP BY artikelnr; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

71 71 SELECT – GROUP BY Beispiel 2 für GROUP BY: Anzahl der Bestellungen pro Artikel Ergebnis: artikelnrsum(Bestellmenge) G00349 K11078 G28195 K50162 S30051 K33152 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

72 72 SELECT – GROUP BY Beispiel 3 für GROUP BY: Durchschnittliche Differenz zwischen Lagerbestand und Mindestbestand aller Artikel für alle Lagerplätze gesucht: SELECT lagerplatz, AVG(bestand - mindestbestand) FROM artikel GROUP BY lagerplatz; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

73 73 SELECT – GROUP BY Gruppierungsfunktionen können auch auf virtuelle Spalten angewendet werden. Die Ergebnistabellen sind echte Relationen, die nur verschiedene Tupel enthalten, keine Tupel treten mehrfach auf. Die Gruppierungsattribute sollten in der SELECT- Klausel angegeben werden. Ansonsten ist keine vernünftige Zuordnung möglich. Es gibt pro Gruppe und pro Attribut nur noch einen Wert, der durch die Aggregatfunktion berechnet wird. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

74 74 SELECT – GROUP BY/ HAVING Will man den Output bezüglich der zugehörigen Summenfunktion (oder bezüglich einer anderen Aggregatsfunktion) limitieren, (z.B. wenn man nur die Läden mit aggregierten Verkaufswerten über 1,500 DM erhalten will), muss man statt der WHERE Klausel, die HAVING Klausel verwenden, die speziell für Aggregatfunktionen vorgesehen ist. Die HAVING Klausel steht immer unmittelbar hinter der GROUP BY Klausel. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

75 75 SELECT – GROUP BY HAVING-Klausel : Mit der HAVING-Klausel kann eine Selektion nach der Gruppenbildung erfolgen. Sie enthält selbst meist eine Aggregatfunktion: Allgemein: GROUP BY spaltenliste HAVING bedingung Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

76 76 SELECT – GROUP BY HAVING-Klausel : Mit der HAVING-Klausel kann eine Selektion nach der Gruppenbildung erfolgen: Beispiel 1: SELECT artikelnr, SUM(Bestellmenge) FROM position GROUP BY artikelnr HAVING SUM(Bestellmenge) > 60 ; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

77 77 SELECT – GROUP BY Beispiel 1 für GROUP BY / HAVING: Anzahl der Bestellungen pro Artikel grösser als 60 Ergebnis: artikelnrsum(bestellmenge) K11078 G28195 K50162 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

78 78 SELECT – GROUP BY Beispiel 2: Alle Artikel, für die noch offene Bestellposten existieren. SELECT artikelnr, SUM(liefermenge), SUM(bestellmenge) FROM position GROUP BY artikelnr HAVING SUM(liefermenge) < SUM(bestellmenge); Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

79 79 SELECT – Aggregat-Funktionen NULL-Marken Nullmarken werden durch Aggregatfunktionen nicht berücksichtigt!!! Bei SUM gilt: (NULL = 0) MIN, MAX, AVG, COUNT: keine Berücksichtigung von NULL-Werten! COUNT(*) zählt alle Datensätze. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

80 80 Beispieltabelle Ladeninfo

81 81 SELECT – GROUP BY Beispiel: SELECT Ladenname, SUM(Verkauf) FROM Ladeninfo GROUP BY Ladenname Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

82 82 SELECT – GROUP BY Resultat: Ladenname SUM(Verkauf) Lörrach1800 Konstanz250 Freiburg700 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

83 83 SELECT – GROUP BY/ HAVING Beispiel: SELECT Ladenname, SUM(Verkauf) FROM Ladeninfo GROUP BY Ladenname HAVING SUM(Verkauf) > 1500 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

84 84 SELECT – GROUP BY/ HAVING Resultat: LadennameSUM(Verkauf) Lörrach1800 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

85 85 SELECT – WHERE + GROUP BY Treten WHERE-Klausel und GROUP BY-Klausel und HAVING-Klausel gemeinsam in einem SELECT-Statement auf, werden sie in folgender Reihenfolge bearbeitet: 1.WHERE-Klausel selektiert auf der Ausgangstabelle 2.Die verbleibenden Tupel werden gemäss GROUP BY gruppiert 3. Zuletzt werden die Gruppen wieder selektiert (gemäss der HAVING-Bedingung) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

86 ALIASEs

87 87 SELECT – ALIAS Zwei Typen von ALIASEs werden häufig verwendet: Spalten Alias Tabellen Alias Falls kein Tabellen-ALIAS definiert ist, kann der Tabellenname zur Unterscheidung gleicher Attributnamen verschiedener Tabellen verwendet werden. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

88 88 SELECT – ALIAS Spalten Aliases werden verwendet, um den Output besser lesbar zu machen. Sie dienen u.a. der Verbesserung der Lesbarkeit von Spaltenüberschriften wie z.B. bei SUM(Verkauf) AS Verkaufssumme. Dies ist besonders sinnvoll, wenn komplexe arithmetische Operationen als Spaltenüberschriften auftauchen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

89 89 SELECT – ALIAS Tabellen Aliases werden direkt hinter dem Tabellen-Namen in der FROM Klausel definiert (FROM KUNDE AS K). Sind unverzichtbar, wenn in den verwendeten Tabellen Attribute mit gleichen Namen vorkommen Sie sind sinnvoll, wenn in einer Abfrage mehrere Tabellen auftreten und unverzichtbar, wenn eine Tabelle mehrfach in der Anfrage verwendet wird. insbesondere wenn man Informationen aus zwei Tabellen miteinander verknüpfen will, d.h. Vorteile ergeben sich vor allem im Zusammenhang mit joins. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

90 90 SELECT – ALIAS Tabellen ALIAS tabellenreferenz ::= tabellenname [ [AS] aliasname] Der Zugriff auf ein Attribut spaltenname der Tabelle erfolgt dann durch [aliasname.]spaltenname Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

91 91 SELECT – ALIAS Tabellen ALIAS tabellenreferenz ::= tabellenname [ [AS] aliasname] Beispiele: kunde kunde AS k kunde k Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

92 92 SELECT – ALIAS Beispiel: SELECT A1.Ladenname Laden, SUM(A1.Verkauf) Total-Verkauf FROM Ladeninfo A1 GROUP BY A1.Ladenname ; Beide Alias-Typen werden direkt hinter den Bezeichner, den sie als Alias vertreten sollen, geschrieben (getrennt durch ein Leerzeichen). Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

93 93 SELECT – ALIAS Resultat: Laden Total-Verkauf Lörrach1800 Konstanz250 Freiburg700 Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

94 94 SELECT – ALIAS Der Nutzen von Tabellen-Aliases ergibt sich im Zusammenhang mit Verbünden (Joins). Tabellen-Aliases sind unverzichtbar bei Self-Joins. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

95 95 SELECT - Reihenfolge Sequentielle Auswertungsreihenfolge: 1. der WHERE-Klausel auswerten. 2. Gruppierung gemäß GROUP BY auswerten. 3. der HAVING-Klausel auswerten. 4. Ergebnis in ORDER BY-Sortierfolge ausgeben. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

96 96 Rückblick SELECT mit einer Tabelle Allgemeine SELECT-Anweisung SELECT-Klausel FROM-Klausel WHERE-Klausel GROUP BY-Klausel HAVING-Klausel ORDER-By-Klausel Zeitliche Abarbeitung der Klauseln Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

97 97 Rückblick WHERE-Klausel Abfragen auf Nullwerte (IS NULL) BETWEEN Term1 AND term2 Attribut IN Werteliste Attributliste IN VALUES Tupelwerteliste Bezeichnung LIKE %Tee% SELECT ausdrucksliste FROM tabelle GROUP BY spaltenliste HAVING bedingung ALIAS (Spalten- / Tabellen-Alias) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

98 SELECT Mehrere Relationen

99 99 SELECT – Verbund (Join) Daten werden u.a. zur Vermeidung von Redundanzen in mehreren Tabellen abgelegt (normalisiert). Um Daten aus mehreren Tabellen zusammen zu führen, verwendet man Verbund- Operatoren (Joins) innerhalb des SELECT- Statements. Verbünde können zwischen beliebig vielen Tabellen gleichzeitig definiert werden. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

100 100 SELECT – Verbund (Join) Es gibt folgende Möglichkeiten, Tabellen zu verknüpfen: Innerere Verbünde (Inner Joins) Verbindung einer Tabelle mit sich selbst (Self Join) Äusserere Verbünde (Outer Joins) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

101 101 SELECT – Innerer Verbund Der innere Verbund hat folgende Varianten: –Cross Join –Natural Join –Condition Join –Column name Join Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

102 102 SELECT – Verbund (Join) Allgemein (für alle Joins): from-Klausel ::= tabellenreferenz {jointabelle} Jointabelle ::= join_op1 tabelle | join_op2 tabelle verknüpfung Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

103 103 SELECT – Verbund (Join) Syntax allgemein (für alle Joins): join_op1 ::= NATURAL JOIN | CROSS JOIN | Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002 Für diese Joins können gemäss Syntaxdefinition keine zusätzlichen Verknüpfungs- Bedingungen spezifiziert werden!!!

104 104 SELECT – Verbund (Join) Syntax allgemein (für alle Joins): join_op2 ::= [INNER] JOIN | LEFT OUTER JOIN | RIGHT OUTER JOIN | FULL OUTER JOIN verknüpfung ::= ON bedingung | USING (spaltenliste) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

105 105 SELECT – Verbund Der Verbund wird in der Regel zwischen zwei Tabellen definiert, kann aber zwischen beliebig vielen Tabellen definiert werden. Dies ist durch jointabelle dargestellt. Die Reihenfolge der Tabellen spielt nur bei den OUTER-JOINS eine Rolle. Falls mehrere JOINS in einer Anweisung auftreten, sind Klammern zu setzen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

106 106 SELECT – Verbund (Join) Durch Angabe einer entsprechenden Spaltenliste in der SELECT-Klausel wird die Verbundoperation mit der Projektion kombiniert. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

107 107 SELECT – Cross Join Cross Join = Kreuzprodukt / Kartesisches Produkt Es werden alle Tupel der involvierten Tabellen miteinander verbunden. Beispiel: SELECT * FROM buch CROSS JOIN ausleih; Die nachfolgenden Klauseln des SELECT-Statements beziehen sich auf die so generierte Ergebnistabelle (Kreuzprodukt). Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

108 108 SELECT – Cross Join Beide SELECT-Statements liefern das gleiche Ergebnis: SELECT * FROM buch CROSS JOIN ausleih; SELECT * FROM buch, ausleih; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

109 109 SELECT – Natural Join Beim Natural Join werden die Zeilen beider Tabellen miteinander verbunden, für die die gemeinsamen Attribute beider Tabellen den gleichen Wert haben. Die Namen der Attribute müssen dazu übereinstimmen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

110 110 SELECT – Natural Join Beispiel: SELECT k.kundennr, k.name, b.bestelldatum FROM bestellung AS b NATURAL JOIN kunde AS k Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

111 111 SELECT – (Natural Join) Voraussetzungen damit der natürliche Verbund zwischen zwei Tabellen R und S definiert werden kann: R und S haben gemeinsame Attributbezeichner A 1 bis A n Die Domänen der R.A i und S.A i (i = 1,.., n) sind jeweils kompatibel, zumindest können die Werte auf Gleichheit geprüft werden. Die übrigen Attributbezeichner von R und S sind verschieden. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

112 112 SELECT – Condition Join Condition Join Es wird eine Bedingung angegeben, die in einem Wertevergleich der Attribute der einen Tabelle mit Werten der anderen Tabelle besteht. Beispiel: SELECT k.kundennr, k.name, b.bestelldatum FROM bestellung AS b JOIN kunde AS k ON k.kundennr = b.kundennr; Ist die flexibelste Variante Tabellen zu verbinden. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

113 113 SELECT – Column Name Join Column Name Join Kurzform für den Fall, dass die Verbundattribute in beiden Relationen dieselben Namen haben und die Attributwerte auf Gleichheit geprüft werden Beispiel: SELECT kundennr, k.name, b.bestelldatum FROM bestellung AS b JOIN kunde AS k USING (kundennr); Keine ALIAS-Angabe bei Attributen nach USING!!! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

114 114 SELECT – Old Style Join Äquivalente Formulierung im OLD STYLE JOIN (Beispiel): SELECT k.kundennr, k.name, b.bestelldatum FROM bestellung b, kunde k WHERE k.kundennr = b.kundennr ; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

115 115 SELECT – Old Style Join Beispiel 2: SELECT * FROM buch b, ausleih a WHERE b.inventarnr = a.inventarnr; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

116 116 SELECT – Inner Join Äquivalente Formulierungen (falls inventarnr das einzige gemeinsame Attribut ist) SELECT * FROM buch JOIN ausleih ON buch.inventarnr = ausleih.inventarnr; SELECT * FROM buch JOIN ausleih USING (inventarnr); SELECT * FROM buch NATURAL JOIN ausleih; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

117 117 Verbund von mehr als zwei Tabellen Beispiel: 3 Tabellen: kunde, position, bestellung SELECT k.kundennr, k.name, b.bestelldatum, p.artikelnr FROM kunde AS k JOIN bestellung AS b ON b.kundennr = k.kundennr JOIN position AS p ON p.bestellnr = b.bestellnr ORDER BY k.kundennr, b.bestelldatum; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

118 118 Verbund von mehr als zwei Tabellen Beispiel: Where-Klausel ist weiterhin anwendbar!!! SELECT k.kundennr, k.name, b.bestelldatum, p.artikelnr FROM kunde AS k JOIN bestellung AS b ON b.kundennr = k.kundennr JOIN position AS p ON p.bestellnr = b.bestellnr WHERE k.kundennr > 100 ORDER BY k.kundennr, bestelldatum; Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

119 119 SELECT – Selbst-Verbund Selbst-Verbund = Self Join Verbindung einer Tabelle mit sich selbst! Beispiel zur Motivation: Suche nach Büchern, die die Autoren Vossen und Witt zusammen geschrieben haben? Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

120 120 SELECT – Selbst-Verbund ISBNAutor Vossen Witt Elmasri Navathe Hull Vianu Buch-Autor Folgende Anfrage scheitert! Ausgangstabelle:

121 121 SELECT – Selbst-Verbund SELECT ISBN FROM Buch_Autor WHERE Autor = 'Vossen' AND Autor = 'Witt' ; Sie liefert immer die leere Ergebnisrelation, weil der Attributwert eines Tupels im Autorattribut niemals gleichzeitig 'Vossen' und 'Witt' sein kann. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

122 122 SELECT – Selbst-Verbund Lösung: SELECT Autor1.ISBN FROM Buch_Autor Autor1, Buch_Autor Autor2 WHERE Autor1.ISBN = Autor2.ISBN AND Autor1.Autor= 'Vossen' AND Autor2.Autor = 'Witt' ; funktioniert, weil im Kreuzprodukt der Tabelle mit sich selbst die Autoren-Spalte doppelt auftritt und man nun jene Tupel selektieren kann, in denen die ISBN übereinstimmt und die Autoren wie gewünscht vorkommen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

123 123 SELECT – Selbst-Verbund Kreuzprodukt mit Selektion Autor2.ISBNAutor2.Autor Vossen Witt Elmasri Navathe Hull Vianu Autor1.ISBNAutor1.Autor Vossen

124 124 SELECT – Selbst-Verbund Beim Selbstverbund sind Tabellen-Aliases unverzichtbar!!! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

125 125 SELECT – Äussere Verbunde Varianten (OUTER JOIN): LEFT OUTER JOIN RIGHT OUTER JOIN FULL OUTER JOIN Die Reihenfolge der Tabellen ist dabei wichtig!!! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

126 126 Äusserer Verbund - Varianten CB BA rechts links BAC 234 NATURAL JOIN BAC 12*12* *45*45 FULL OUTER JOIN BAC *4*4 LEFT OUTER JOIN BAC 2*2* RIGHT OUTER JOIN

127 127 SELECT – Äussere Verbunde Beispiel: LEFT OUTER JOIN SELECT k.name, b.bestellnr, b.bestelldatum FROM kunde k LEFT OUTER JOIN bestellung AS b ON k.kundennr = b.kundennr ; Liefert eine Liste aller Kunden mit zugehörigen Bestellungen inklusive der Kunden, von denen noch keine Bestellungen vorliegen. ( NULL-Werte) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

128 128 SELECT – Äussere Verbunde Beispiel: RIGHT OUTER JOIN SELECT k.name, b.bestellnr, b.bestelldatum FROM kunde k RIGHT OUTER JOIN bestellung AS b ON k.kundennr = b.kundennr ; liefert die vorhandenen Bestellungen mit den zugehörigen Kunden. ( zufällig keine NULL-Werte bei referentieller Integrität: FOREIGN KEY b.kundennr REFERENCES kunde ). Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

129 129 SELECT – Äussere Verbunde Beispiel: FULL OUTER JOIN SELECT k.name, b.bestellnr, b.bestelldatum FROM kunde k FULL OUTER JOIN bestellung AS b ON k.kundennr = b.kundennr ; wird sehr selten benötigt! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

130 ORDER BY

131 131 SELECT - ORDER BY Die ORDER-BYE-Klausel generiert aus der ungeordneten Menge der Ergebnistupel eine sortierte/geordnete Liste nach bestimmten Sortier-Kriterien. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

132 132 SELECT - ORDER BY Syntax: ORDER BY attributliste [asc | desc] asc: aufsteigend (Voreinstellung) desc: absteigend Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

133 133 SELECT - ORDER BY Die Reihenfolge der Anzeige der Datentupel kann auch gemäss mehreren Attributen erfolgen: Beispiel: SELECT plz, name FROM kunde ORDER BY plz, name; Im Beispiel zuerst nach plz und bei Gleichheit zusätzlich nach name Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

134 134 SELECT - ORDER BY Nicht erlaubt ist die Sortierung nach Attributen, die nicht in der SELECT-Klausel vorkommen also z.B. folgendes: Beispiel: SELECT plz, name FROM kunde ORDER BY zahlungsart, name; Im Beispiel erscheint zahlungsart nicht in der SELECT-Klausel!! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

135 135 Geschachtelte Anfragen Beispiel: SELECT Matrikelnummer FROM prüft WHERE Note < (SELECT AVG (Note) FROM prüft); Liefert die Matrikelnummern der Studenten, die zumindest eine Prüfung besser als der gesamte Notendurchschnitt abgelegt haben. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

136 136 Geschachtelte Anfragen Beispiel: SELECT Titel FROM Bücher WHERE isbn IN (SELECT isbn FROM Empfiehlt); Zunächst wird inneres SELECT-Statement ausgeführt. Es liefert Liste aller ISBNs zurück. Dann erfolgt der Vergleich (IN) Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

137 Null-Werte und 3wertige Logik

138 138 NULL-Werte und 3wertige Logik Wenn ein Attribut den Wert NULL hat, bedeutet dies, dass der Wert fehlt, bzw. dass der Wert unbekannt ist. NULL ist somit verschieden von dem numerischen Wert 0 und verschieden von dem Leerzeichen. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

139 139 NULL-Werte und 3wertige Logik Um NULL-Werte bei Anfragen an die Datenbank angemessen zu berücksichtigen, reicht die 2wertige Logik nicht aus. Hierzu benötigt man die 3wertige Logik. Der NULL-Wert wird dabei mitunknown interpretiert. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

140 140 NULL-Werte und 3wertige Logik In der 3wertigen Logik W(F) {true, false, ?} wird der dritte Wahrheitswert ? = unknown als unbekannter Wahrheitswert interpretiert. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

141 141 NULL-Werte in Funktions- und Vergleichsausdrücken Skalare Ausdrücke (Terme) haben den Wert NULL, sobald ein Nullwert in die Berechnung eingeht. In allen Aggregatfunktionen bis auf count(*) werden Nullwerte vor Anwendung der Funktion entfernt. Alle Vergleiche bis (auf zwei Ausnahmen) mit dem Nullwert ergeben den Wahrheitswertunknown. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

142 142 NULL-Werte in Funktions- und Vergleichsausdrücken Ausnahmen: Das Prädikat IS NULL ergibt bei Anwendung auf den Nullwert true Das Prädikat IS NOT NULL ergibt bei Anwendung auf den Nullwert false. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

143 143 Wahrheitstabellen für 3wertige Logik

144 144 Wahrheitstabellen für 3wertige Logik

145 145 Wahrheitstabellen für 3wertige Logik

146 146 NULL-Werte und 3wertige Logik Beispiel: A = 10, B = 20, C = NULL AusdruckWahrheitswert A < B OR B < Ctrue A > B AND B > Cfalse A > B OR B > C unknown NOT B = Cunknown Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

147 147 NULL-Werte - verschiedene Arten Es gibt mindestens zwei Arten: A-Marken: Attribute haben einen Wert, der nur nicht bekannt ist I-Marken: Attribute für die in der Realität kein Wert existiert. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

148 148 NULL-Werte - verschiedene Arten Beispiel: Telefonnummer A-Marke: Eine Person hat einen Telefonanschluss aber die Telefonnummer ist nicht bekannt. I-Marken: Eine Person hat kein Telefon und somit auch keine Telefonnummer. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

149 149 NULL-Werte - verschiedene Arten Beispiel: Telefonnummer 3. Fall Es ist nicht bekannt, ob eine Person einen Telefonanschluss hat. Genaugenommen bräuchte man 3 verschiedene NULL-Marken. Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

150 150 NULL-Werte - verschiedene Arten Spezielle NULL-Marken können auch Informationen repräsentieren: Beispiele: fehlendes Todesdatum: die Person lebt noch fehlendes Lieferdatum: der Auftrag ist noch nicht erfüllt. fehlende Telefonnummer: ??? Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002

151 151 NULL-Werte - verschiedene Arten Die Unterscheidung in I- und A-Marken wird von existierenden Datenbank- systemen gegenwärtig nicht unterstützt!!! Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002


Herunterladen ppt "1 Rückblick CREATE TABLE Statement Prof. Dr. Fabian Glasen, Datenbanken, Februar 2002."

Ähnliche Präsentationen


Google-Anzeigen