Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert.

Ähnliche Präsentationen


Präsentation zum Thema: "Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert."—  Präsentation transkript:

1 Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert Technische Universität Chemnitz Professur Wirtschaftsinformatik I, Geschäftsprozessmanagement Chemnitz Tel.: 0371/ Fax: 0371/ URL:

2 B. Stöckert WI Inhalt 1. Gegenstand der Wirtschaftsinformatik 4. Architektur integrierter Informationssysteme 5. Planung, Realisierung und Einführung von Anwendungssystemen 2. Infrastruktur für betriebswirtschaftliche IV-Systeme 6. Management der Informationsverarbeitung 3. Betriebswirtschaftliche Anwendungssysteme Einführung in die Wirtschaftsinformatik

3 B. Stöckert WI, Gegenstand der WI Zielstellung: Unterstützung der betriebswirtschaftlichen Informationsverarbeitung bei der Realisierung der Geschäftsprozesse durch geeignete Hard- und Software Womit beschäftigt sich die Wirtschaftsinformatik ? Gegenstand der weiteren Betrachtung - Daten Aufgabenebene eines betriebswirtschaftlichen DV-Systems: Geschäftsprozesse Aufgabenträgerebene eines betriebswirtschaftlichen DV-Systems: Programme, Rechner, Netze

4 Erscheinungsformen von Daten B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Daten: Darstellungsform von Informationen, die weiterverarbeitet werden sollen ([1], Abb.5.1)

5 Datenorganisation B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Datenorganisation: Daten strukturieren für Übersicht und Analyse (Logische Datenorganisation) Daten auf periphere Speicher bringen und verfügbar halten (Physische Datenorganisation) Ziele: schneller Zugriff, leichte Aktualisierung, beliebige Verknüpfung und Auswertung, Vermeidung von Redundanzen und Konsistenz, Datensicherheit und Datenschutz, Wirtschaftlichkeit

6 Datenstrukturierung: Logischer Datensatz B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Beispiel: Datenobjekt Mietwagen der Autovermietung BERENT Datei (file): Gesamtheit von inhaltlich zusammengehörigen Datensätzen

7 Datenstrukturierung Dateiorganisation : Daten sind in Dateien organisiert und Programmen zugeordnet Programm Haftpflicht Programm Rechtsschutz Haftpflichtversicherungsdaten und Adressen von Versicherten Physische Datei Haftpflicht Physische Datei Rechts- schutz Programm Marketing Rechtsschutzversicherungsdaten und Adressen von Versicherten liest und modifiziert liest Konsequenz: Geringe Flexibilität bzgl. neuen Anwendungen, i.d.R. unkontrollierte Redundanz Inkonsistente Datenbestände B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

8 Programm Haftpflicht Programm Rechtsschutz Programm Marketing Datenbankorganisation : Daten sind in einem Pool organisiert, bei Anforderung werden zeitweilig entsprechende Dateien zusammen gestellt Logische Datei 1 Logische Datei 2 Logische Datei 3 DBMS Physische Datenbank Konsequenz: Global gültige Daten, Meta-Daten (Daten über Daten), Mehrbenutzerbetrieb, Sicherung von Daten durch zentrale Berechtigungen, i.d.R. keine Redundanz Aktualität, Konsistenz von Daten Datenstrukturierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

9 3 – Ebenen-Architektur von Datenbanksystemen Externe Sicht QL DML DDL DSDL Konzep -tionelle Sicht Interne Sicht Physische Datenorganisation Daten- speicher Logische Datenorganisation Benutzer1Benutzer n Anwendungs- Programm D1 Anwendungs- Programm Dm Anwendungs- Programm S1 Anwendungs- Programm Sm DialogbetriebStapelbetrieb B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

10 Beispiel: Daten der Autovermietung BERENT ([1], Kap.5.4) ([1], Abb.5.29) Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

11 Konstruktion des logischen Datenmodells 1.Schritt: Datenstrukturierung mit dem Entity-Relationship-Modell (ERM) - Entities: individuelle Exemplare von Dingen, Begriffen, Personen des betrachteten Realitätsausschnittes - Entity-Typ: Klasse von ähnlichen Entities (gleiche Attribute) Attribute: Merkmale, Eigenschaften von Entities bzw. Entity-Typen Attributwert: konkrete Ausprägung des Merkmals - Relationships (Beziehungen): Konkrete Beziehungen zwischen Entities -Relationship-Typ: Klasse von ähnlichen Beziehungen (gleiche zugeordnete Entity-Typen, gleiche Attribute) Grafische Darstellung: A Bf B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

12 Beispiel: Daten der Autovermietung BERENT Grobes ER-Diagramm: ([1], Abb.5.21) Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

13 Beispiel: Daten der Autovermietung BERENT Verfeinertes ER-Diagramm: ([1], Abb.5.22) Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

14 ER – Modellierung : Komplexitätsgrad von f ****** ****** ****** ****** ****** **** **** ****** comp(A,f)= (1,1) comp(B,f)= (1,1 ) AB f (min,max) – Notation (Angabe von Ober- und Untergrenze der Beziehungsausprägungen) (a,b) (c,d) f ist 1 : 1 Beziehung (1,c, m) – Notation (für zweiseitige Bez.) kürzt ab: (1,1)=1, (0,1)=c, (1,*)=m, (0,*)=mc comp(A,f)= (1,1) comp(B,f)= (1,*) f ist 1 : m Beziehung comp(A,f)= (0,1) comp(B,f)= (1,1) f ist c : 1 Beziehung comp(A,f)= (1,*) comp(B,f)= (0,*) f ist m : mc Beziehung comp(A,f) comp(B,f) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

15 ER – Modellierung : Konstrukionsoperatoren Generalisierung und Spezialisierung: - gemeinsame Eigenschaften werden übertragen bzw. vererbt, so daß nur abweichende Eigenschaften beschrieben werden müssen, - Datenstrtukturierung Bottom-up und Top-down wird unterstützt, - Disjunktheit und Vollständigkeit sind gesondert zu betrachten KundeLieferant IS-A Geschäfts partner Aggregation: Mitarbeiter arbeitet an Projekt verwendet Rechner m n m n - Bildung von komplexen Informationsobjekten, deren Entstehungsprozeß nachvollziehbar ist, - Weiterbehandlung wie ein E-Typ B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

16 Datenmodellierung 2. Schritt: Umsetzung des ERM in ein konkretes Datenmodell ER - DatenstrukturRelationales Datenmodell (Codd 1970) (1)Entity –Typ mit Attributen (A,B...,D) (2)Beziehungs –Typ mit Attributen (S,T,...,V) Relation X=(a,b,...,d), mit a aus A, b aus B,..., d aus D Relation X=(s,t,...,v), mit s aus S, t aus T,..., v aus V Abbildung Einziges Strukturelement ist die Relation, darstellbar als Tabelle mit fester Anzahl von Spalten, deren Zeileninhalte die Elemente der Relation sind. B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

17 Beispiel: Daten der Autovermietung BERENT Grobes ER-Diagramm: ([1], Abb.5.21) Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

18 Beispiel: Daten der Autovermietung BERENT Mieter(MNR,MNA,BR)mietet(MNR,WNR,MD)Wagen(WNR,FT,BJ,VS,MS) Darstellung der Relationen als Tabellen Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

19 Feststellung: Die Darstellungen sind nicht eindeutig ! Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Frage: Welche Darstellungen (ERM bzw. Relationen) sind besonders günstig im Hinblick auf die Aufgabenerfüllung einer Datenbank, d.h. logisch klare Strukturierung, redundanzfreie Speicherung Antwort: Semantisch präzise ER-Modelle normalisierte Relationen !

20 Anomalien und Redundanzen Redundanz: Mietsatz für Golf wird wiederholt aufgeführt. Potentielle Inkonsistenz ( Änderungsanomalie): Soll der Mietsatz für Golf geändert werden so sind Modifikationen in mehreren Tupeln durchzuführen. Wird eine dieser Änderungen unterlassen, so ist die Datenbasis inkonsistent. Einfügungsanomalie: Ein neues Fahrzeug kann erst eingetragen werden, wenn eine Wagennummer vergeben worden ist. Löschanomalie: Mit dem Löschen des letzten Wagens eines Fahrzeugtyps verschwinden auch Sämtliche Informationen über den Fahrzeugtyp. B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

21 Normalformen von Relationen (1) Erste Normalform: Eine Relation R(A,B,...,D) ist in erster Normalform (1 NF), wenn die Wertebereiche aller Attribute elementar (aus der Sicht des konzeptuellen Datenmodells) sind. Beispiel: Mieter(MNR,MNA,BR) Funktionale Abhängigkeit: R(A,B,...,D), X, Y {A,B,...,D} Y heißt funktional abhängig von X in R (X bestimmt Y funktional), X Y, wenn es in keiner Ausprägung von R zwei Tupel gibt, die in ihrem Wert zu X, aber nicht in ihrem Wert zu Y übereinstimmen. Beispiel: Wagen(WNR,FT,BJ,VS,MS), FT MS (Semantik der Attribute!) Voll funktionale Abhängigkeit: Y heißt voll funktional abhängig von X in R (X bestimmt Y voll funktional), X. Y, wenn X Y gilt und X minimal ist, d.h. wenn es keine Attributmenge Z X gibt, so dass Z Y. Beispiel: mietet(MNR,WNR,MD), {MNR,WNR}. MD B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

22 Normalformen von Relationen (2) Schlüsselkandidat: R(A,B,...,D), X {A,B,...,D} X heißt Schlüsselkandidat (Schlüssel) von R, falls X. AB...D. Beispiel: MNA ist Schlüsselkandidat in Mieter(MNR,MNA,BR) Primärschlüssel, Schlüsselattribute, Nichtschlüsselattribute, Fremdschlüssel: R(A,B,...,D) Es können mehrere Schlüssel in R existieren. Einer von ihnen wird als Primärschlüssel bezeichnet und die zugehörigen Attribute durch Unterstreichen gekennzeichnet. Ein Attribut, das Bestandteil eines Schlüssels ist heißt Schlüsselattribut, Ein Attribut, das in keinem Schlüssel vorkommt, heißt Nichtschlüsselattribut. Geht ein Primärschlüssel einer Relation in andere (fremde) Relationen ein und dient dort zur Beschreibung der Beziehung zu den Tupeln seiner Relation, so wird er als Fremdschlüssel bezeichnet B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

23 Normalformen von Relationen (3) Zweite Normalform: Eine Relation R(A,B,...,D) ist in zweiter Normalform (2 NF), wenn sie in 1NF ist und jedes Nichtschlüsselattribut von jedem Schlüsselkandidaten voll funktional abhängig ist Beispiel: WAGEN(WNR,FT, BJ,VS,MS) Dritte Normalform: Eine Relation R(A,B,...,D) ist in dritter Normalform (3 NF), wenn sie in 2NF ist und kein Nichtschlüsselattribut transitiv von einem Schlüsselkandidaten abhängig ist. D.h. alle Nichtschlüsselattribute sind nur vom Schlüssel und nicht untereinander abhängig bzw. alle Nichtschlüsselattribute sind von einander unabhängig Semantisch präzise Beschreibung des Objekts, das durch den Schlüssel identifiziert wird. Beispiel: WAGEN(WNR,FT, BJ,VS,MS) ist nicht in 3NF, s.o. Transitive funktionale Abhängikeit: R(A,B,...,D), X,Y,Z {A,B,...,D} Y heißt transitiv funktional abhängig von X in R, wenn gilt: X Z Y und Z X. Beispiel: Wagen(WNR,FT,BJ,VS,MS), MS transitiv über FT von WNR B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

24 Wiederholung Datenmodellierung B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Beispiel: Daten der Autovermietung BERENT ([1], Kap.5.4) ([1], Abb.5.29)

25 Beispiel: Daten der Autovermietung BERENT ([1], Abb.5.30) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Wiederholung Datenmodellierung ([1], Abb.5.30)

26 Beispiel: Daten der Autovermietung BERENT Grobes ER-Diagramm: ([1], Abb.5.21) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Wiederholung Datenmodellierung

27 Beispiel: Daten der Autovermietung BERENT ([3], Abb.5.30) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Wiederholung Datenmodellierung ([1], Abb.5.30)

28 Beispiel: Daten der Autovermietung BERENT Normalisierung der Relationen ([1], Abb.5.30) M: V: W: T: B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken Zerlegung der Relationen bis bei allen relationen 3NF erreicht ist. D.h. semantisch präzise Zuordnung der Attribute, logische Strukturierung der Daten keine Redundanzen u. Anomalien

29 Operationen im relationalen Datenmodell Relationen sind Teilmengen des Kartesischen Produktes der Wertebereiche der Attribute R(A,B,...,D) A x B x... X D { (a,b,..,d) I a b d D und Eigenschaften der Relation} Mengenoperationen auf Relationen anwendbar ( Umsetzung von DV-Operationen) Projektion: In der Relation werden Attribute entfernt (Koordinaten gestrichen), es entsteht eine neue Relation. Verbund: Zwei Relationen werden über Fremdschlüssel zu einer neuen Relation verbunden. Auswahl: Aus einer Relation werden gewisse Elemente (Tupel) gestrichen, es entsteht eine neue Relation Weitere Grundoperationen, die Relationen in Relationen überführen: B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

30 Operationen im relationalen Datenmodell Beispiel: Daten der Autovermietung BERENT DB-Anfrage: Wie hießen die Mieter,die einen MONDEO gemietet hatten? 1) Projektion: M(MNR,MNA,BR) M1(MNR,MNA) W (WNR,FT,BJ,VS) W1 (WNR,FT) V(MNR,WNR,MD) V1(MNR,WNR) 2) Verbund: V1(MNR,WNR) M1(MNR,MNA) W1 (WNR,FT) Ergebnis: MV(MNR,MNA,WNR,FT) 4) Auswahl: In MV1(MNA,FT) werden alle Tupel gestrichen, für die FT = MONDEO Ergebnis: Relation MV2(MNA,FT), in der nur die gewünschten Angaben stehen. 3) Projektion: MV(MNR,MNA,WNR,FT) MV1(MNA,FT) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken Bearbeitungsschritte in der normalisierten Darstellung

31 M1: Operationen im relationalen Datenmodell 1) Projektion: M(MNR,MNA,BR) M1(MNR,MNA) W (WNR,FT,BJ,VS) W1 (WNR,FT) V(MNR,WNR,MD) V1(MNR,WNR) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken Bearbeitungsschritte in der normalisierten Darstellung ([1], Abb.5.30) M: V:W: W1:V1:

32 Operationen im relationalen Datenmodell 2) Verbund: V1(MNR,WNR) M1(MNR,MNA) W1 (WNR,FT) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken Bearbeitungsschritte in der normalisierten Darstellung M1: M: V:W: W1:V1:

33 Operationen im relationalen Datenmodell 2) Verbund: V1(MNR,WNR) M1(MNR,MNA) W1 (WNR,FT) Ergebnis: MV(MNR,MNA,WNR,FT) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken MV: ([1], Abb.5.32)

34 Operationen im relationalen Datenmodell 4) Auswahl: In MV1(MNA,FT) werden alle Tupel gestrichen, für die FT = MONDEO Ergebnis: Relation MV2(MNA,FT), in der nur die gewünschten Angaben stehen. 3) Projektion: MV(MNR,MNA,WNR,FT) MV1(MNA,FT) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Dtaenbanken MV: MV2

35 Operationen im relationalen Datenmodell DB-Anfragen der Autovermietung BERENT (auf grund einer IST-Analyse): 1)Wie viele Tage war der Wagen W12 insgesamt vermietet? 2)Welche Mieter hatten den Wagen W99 gemietet? 3)Welche Wagen sind (im Jahr 2001) zwei Jahre alt? 4)Welche Mieter gehören zur Branche B2? 5)Welche Fahrzeugtypen hatte der Mieter SIEMENS gemietet? 6)Welche Wagen haben einen Mietsatz von 90 pro Tag? 7)Welche Wagen sind vom Typ VW GOLF? 8)Welche Mieter hatten einen FORD MONDEO gemietet? 9)Welche Wagen haben dasselbe Baujahr wie der Wagen W64? 10)Welche Versicherungen würden für Schäden durch den Mieter IBM in Betracht kommen? B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

36 Operationen im relationalen Datenmodell SQL-Statements zur Lösung der DV-Aufgaben der Autovermietung BERENT: ([1], Abb.5.35) B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

37 Logische Datenorganisation: Zusammenfassung 1. Strukturierung der Daten mit dem ER – Modell, Beschreibung der Attribute 2. Abbildung des ERM auf Relationen (Tabellen) Vermeidung unnötiger Tabellen (Fremdschlüssel bei 1:1 Beziehungen) 3. Normalisierung der Relationen (Tabellen) durch Zerlegen (Vermeidung funktionaler Abhängigkeiten der Attribute einer Relation) Ergebnis: Semantisch präzise Zuordnung von Attributen zu Tabellen bzw. E- und R- Typen logisch strukturierte Daten, keine Anomalien bei Verarbeitungsoperationen 4. Für die Relationen (Tabellen) sind (math.) Operationen definiert, die angestrebte DB-Funktionen schrittweise realisieren können. Ergebnis: Konstruktion einer DB-Programmiersprache ist möglich Standardsprache für relationales Datenmodell (SQL) Vorgehen: B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

38 3 – Ebenen-Architektur von Datenbanksystemen Externe Sicht QL DML DDL DSDL Konzep- tionelle Sicht Interne Sicht Physische Datenorganisation Daten- speicher Logische Datenorganisation Benutzer1Benutzer n Anwendungs- Programm D1 Anwendungs- Programm Dm Anwendungs- Programm S1 Anwendungs- Programm Sm DialogbetriebStapelbetrieb B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

39 Physische Datenorganisation: Überblick Ziele: 1. Übertragung der logisch strukturierten Daten in eine physisch abspeicherbare Form, Tabellen Dateien, Spalten Datenfelder, Tupel Datensätze 2. Realisierung einer performanten DV mit der entstehenden Datenbank, schnelle Suche, effiziente und korrekte Realisierung von DB-Operationen, Mehrbenutzer-Betrieb, Datensicherheit. Maßnahmen: Entsprechende Bildung von Datensätzen, Einrichtung von Zugriffspfaden (z.B. Indexdateien), Implementierung von Prüfbedingungen (Integritätsbedingungen), Parallelisierung von Transaktionen, Realisierung eines Berechtigungskonzeptes für Zugriffe, Datenschutzmaßnahmen. 3. Effiziente Entwicklung von konkreten DB, CASE-Werkzeuge für den DB-Entwicklungsprozess B. Stöckert WI, Infrastruktur für integrierte Informationssysteme, Datenorganisation/Datenbanken

40 Prüfungskomplex: Datenorganisation / Datenbanken 13.Erläutern Sie die dateiorientierte und die datenbankorientierte Strukturierung von Daten für betriebswirtschaftliche Anwendungsprogramme! 14.Beschreiben Sie die 3-Ebenen-Architektur von Datenbanksystemen! Welche Aufgaben haben die Ebenen jeweils zu erfüllen? 15.Erläutern Sie die Datenmodellierung mit dem Entity-Relationship-Modell (ERM)! 16.Was versteht man unter dem Komplexitätsgrad von Beziehungen zwischen Entity-Typen im ERM? Geben Sie Beispiele und entsprechende Notationen an! 17.Was versteht man unter den relationalen Datenmodell und was sind seine Vorteile für die Konstruktion von Datenbanksystemen? 18.Erläutern Sie die Normalisierung von Relationen und deren Ziel! 19.Beschreiben Sie Grundoperationen der relationalen Datenmodelle und ihre Bedeutung für Datenbanksysteme! 20.Erläutern Sie das Vorgehen bei der logischen Datenorganisation! 21.Was sind die Zielstellungen der physischen Datenorganisation? B. Stöckert WI, Wiederholungsfragen (4)


Herunterladen ppt "Vorlesung Wintersemester 2007/08 Einführung in die Wirtschaftsinformatik Lehrabschnitt II: Datenorganisation/Datenbanken Univ.-Prof. Dr. Bernd Stöckert."

Ähnliche Präsentationen


Google-Anzeigen