Datalager och datautvinning
|
|
- Katarina Ek
- för 8 år sedan
- Visningar:
Transkript
1 Datalager och datautvinning 1
2 Datalager och datautvinning! Databaser kan innehålla stora mängder information om ett företags eller en organisations verksamhet" Data kan också användas för att analysera verksamheten och härleda ny kunskap som kan användas för att stöda och effektivera verksamheten." Används i beslutsstödande system (decision-support systems)." Ett datalager (data warehouse) lagrar information i ett format som är lämpat för analys av stora mängder data." Data samlas in och lagras på ett ställe, ofta från flera olika källor." Lagras med ett enhetligt schema (vanligtvis ett speciellt schema som är gjort för att stöda analys)." Med datautvinning (data mining) avses data-analys som man gör för att hitta ny kunskap om verksamheten, i form av mönster eller statistiska regler." Den nya kunskapen kan användas för att styra och effektivera verksamheten." 2
3 Datalager! Ett datalager (data warehouse) är en samling av data med ett enhetligt schema." Data samlas in från flera olika källor och lagras på ett ställe." Lagras vanligtvis som en specialiserad databas med ett stjärnschema." Används enbart för analytisk processering (OLAP), inte för dagliga transaktioner (OLTP)." Lagrar historisk data över en lång tidsperiod." DBMS SQL Datakällor data loaders SAS... Datalager SQL frågor och analysverktyg 3
4 Datautvinning! Datautvinning (data mining) innebär att man analyserar stora mängder av historisk data för att hitta ny kunskap om någon verksamhet." Mönster, regler, samband och trender." Man använder olika statistiska metoder för att analysera data." Olika användningssätt:" Förutsägelse (prediction)."! Ex: avgör om en person som ansöker om ett kreditkort kommer att utgöra en kreditrisk i framtiden." Identifiera samband."! Ex: undersök om det finns produkter (eller produktkategorier) som kunderna ofta köper tillsammans i ett varuhus." Gruppering och klassificering"! Ex: undersöker hurudana kategorier av kunder köper de dyraste smart-telefonerna" 4
5 Driftsdatabaser! De databaser som används för att stöda den dagliga verksamheten kallas för driftsdatabaser eller operativa databaser." Exempel:" Bankers databaser över kunder, konton, lån, placeringar, etc." Universitetens databaser över studerande, kurser, utbildningsprogram, kursanmälningar, studieprestationer, etc." Driftsdatabaser är planerade för transaktionshantering." Man gör transaktioner där man tittar på eller uppdaterar en relativt liten mängd data." Exempel: betalar en räkning, anmäler sig till en kurs, bokar en resa,... " Driftsdatabaser är designade för On-Line Transaction Processing (OLTP)" Databaserna har en enkel struktur i form av normaliserade tabeller." Stora mängder data finns lagrad i tabellerna." Uppdateringar berör små mängder data åt gången, som t.ex. en överföring av ett belopp från ett konto till ett annat." Sökningarna är relativt enkla, t.ex. när man tittar på transaktionerna för ett konto under en månads tid." 5
6 Beslutsstödande system! Beslutsstödande system (decision support systems) är informationssystem som används för att stöda beslutsfattande i företag och organisationer." Besluten kan baseras på kunskap om verksamheten som man t.ex. kan få fram genom att analysera information i databaser." Kan ge kunskap på en högre nivå än den detaljerade information som finns i databaserna: trender i verksamheten, prognoser för framtiden." Exempel:"! Vilka varor förväntas sälja bra under den kommande säsongen."! Till vilket kundsegment lönar det sig att marknadsföra avancerade och dyra mobiltelefoner." Man kan få fram den här typen av information genom att analysera historisk data i databaserna." Man aggregerar data över olika tidsperioder, över olika produktkategorier eller för olika kundtyper." 6
7 OLAP! On-line Analytical Processing (OLAP) stöder interaktiv analys av stora datamängder i ett datalager genom att summera data på olika sätt och beräkna statistiska mått på data." OLAP skiljer sig från vanlig transaktionsprocessering (OLTP)" Mycket stora datamängder"! Datalager innehåller historisk data som kan sträcka sig över en lång tidsperiod." Data lagras inte i normaliserade tabeller, utan i en form som bättre stöder aggregering på olika sätt." Frågorna som görs är ofta komplexa med många aggregatfunktioner och de hanterar mycket stora mängder data som man får genom att kombinera information från många tabeller." Datalager används främst för läsning, det uppdateras bara genom att sätta till ny data från driftsdatabaserna"! T.ex. en gång per dygn eller en gång i veckan." Man gör främst interaktiva ad-hoc frågor som användaren formulerar efter behov för att få reda på en viss sak." 7
8 Skillnader mellan OLTP och OLAP! De viktigaste skillnaderna mellan driftsdatabaser och databaser för analys sammanfattas i tabellen." OLTP" OLAP" Innehåller aktuell data" Innehåller detaljerad data" Data är dynamiskt, uppdateras kontinuerligt" Repetitiv processering, samma sorts transaktioner upprepas ofta" Hög genomströmning av transaktioner" Lätt att förutsäga databasens användning och belastning" Transaktionsdriven användning" Stöder den dagliga verksamheten" Stort antal dagliga användare" Innehåller historisk data" Innehåller både detaljerad data och summerad data" Data är statiskt, uppdateras bara genom att då och då sätta till ny data" Ad hoc processering, man gör unika frågor mot databasen" Medium eller låg genomströmning av transaktioner" Svårt att förutsäga användningen och belastningen" Analysdriven användning" Stöder strategiskt beslutsfattande" Litet antal användare" 8
9 Operationer på data! När man gör analys av data i ett datalager behöver man effektivt kunna göra följande typer av operationer:" Borra sig ner i datamängden (drill down)." Utgående från en sammanställning av data går man ner till en finare nivå av detaljer." Exempel: utgående från försäljning per månad undersöker man försäljningen per vecka eller dag." Rulla upp (roll up) eller konsolidera." Aggregerar från en finare indelning till en mera sammanfattande indelning av data." Exempel: utgående från data om försäljning av kavajer, byxor, skjortor och strumpor så summeras den här informationen till försäljning av herrkläder." Vrida och vända på data, också kallat pivotering (slicing, dicing eller pivoting)." Aggregera data på olika sätt för att undersöka kombinationer av olika faktorer." 9
10 Multidimensionell data! När man gör dataanalys i OLAP-tillämpningar lagrar man data i multidimensionell form i stället för i normaliserade tabeller." Gör det enklare att gruppera och aggregera värden över flera attribut." Det finns två typer av attribut:" Måttattribut, som mäter något värde och som man kan aggregera." Dimensionsattribut, som bestämmer hur man kan gruppera ihop data." Exempel: " Vi har data om försäljning av kläder i en butik i en tabell med schemat Försäljning (produkt, storlek, färg, antal) " Attributen produkt, storlek och färg är dimensionsattribut som man kan gruppera data enligt." Attributet antal är ett måttattribut som man kan aggregera." Multidimensionell data lagras i en relationsdatabas med ett schema som gör det bättre lämpat för analytisk processering." 10
11 Exempel! Man kan jämföra multidimensionell data med data i ett tabellkalkylprogram som t.ex. Excel." Tabellkalkylprogram är begränsade till två dimensioner, multidimensionell data kan ha flera dimensioner." Man analyserar multidimensionell data genom att gruppera och aggregera data för olika kombinationer av dimensionsattributen" Exempel: en korstabell av data från tabellen Försäljning för alla kombinationer av produkt och storlek." Värdena i tabellen har summerats ihop över alla färger (dvs. den summerat måttattributet antal över dimensionen färg). " Small Medium Large Totalt Kavaj Byxor Skjorta Strumpor Totalt Tabellen innehåller också en summa över raderna, som ger antalet sålda produkter av varje typ, och en kolumnsumma som ger antalet sålda produkter för varje storlek, samt totala antalet sålda produkter." 11
12 Datakuber! Vi kan också ha multidimensionell data av tre eller flera dimensioner." En datakub är en generalisering av en korstabell till flera (3 eller flera) dimensioner." En korstabell kan fås som en vy av en datakuber genom att aggregera över någon dimension." Om vi summerar över alla färger får vi en liknande två-dimensionell tabell som på förra sidan. " 12
13 Datakuber i relationsdatabaser! En datakub lagras i en relationsdatabas så att varje cell i kuben blir en tuppel i en relationstabell." Kallas en faktatabell" Värdet all på ett attribut betecknar att vi har summerat på det attributet." Skapar också egna tabeller för att beskriva varje dimension." Kallas dimensionstabeller." Innehåller en rad för varje värde som kan förekomma." Varje värde ges en numerisk nyckel, en surrogatnyckel, som används i värdetabellen (t.ex. Kavaj=1, Skjorta=2, Byxor=3)." Kan också lagra andra attribut som beskriver dimensionerna (t.ex. tillverkare, material,...)." produkt! storlek! färg! antal! Kavaj" S" Svart" 3" Kavaj" M" Svart" 2" Kavaj" L" Grå" 1" Kavaj" all" all" 6" Skjorta" S" Svart" 4" Skjorta" L" Vit" 2" Skjorta" M" Blå" 1" Skjorta" M" Vit" 3" Skjorta" all" all" 10" Byxor" L" Svart" 2" Byxor" M" Blå" 1" Byxor" S" Grå" 2" Byxor" all" all" 5" 13
14 Stjärnschema för en datakub! En datakub beskrivs av ett schema för faktatabellen, samt ett schema för varje dimensionstabell." Faktatabellen refererar till dimensionstabellerna med en främmande nyckel." Lagrar ett enkelt numeriskt värde istället för ett långt produktnamn." Kallas en surrogatnyckel, och består av ett unikt numeriskt värde istället för en benämning." Ger ett stjärnformat diagram, med faktatabellen i centrum, omgiven av dimensionstabellerna." Scheman behöver inte vara normaliserade." Produkt id produktnamn tillverkare material Försäljning produkt_id storlek_id färg_id antal Storlek id kod Färg id färgnamn RGB-kod 14
15 Exempel! Vårt exempel i form av ett stjärnschema:" Produkt id! produktnamn! tillverkare! material! 1" Kavaj" Gant" Bomull" 2" Skjorta" Prada" Silke" 3" Byxor" Levis" Bomull" 4" Strumpor" Nike" Ylle" 5" Slips" Centertex" Silke" Färg Storlek id! färgnamn! RGB-kod! 1" vit" FFFFFF" id! kod! 2" gul" FFFF00" 1" S" 3" grå" B4B4B4" 2" M" 4" blå" 0000FF" 3" L" 5" röd" FF0000" 4" XL" 6" svart" " Försäljning produkt_id! storlek_id! färg_id! antal! 1" 1" 6" 3" 1" 2" 6" 2" 1" 3" 3" 1" 2" 1" 6" 4" 2" 3" 1" 2" 2" 2" 4" 1" 2" 2" 1" 3" 3" 3" 6" 2" 3" 2" 4" 1" 3" 1" 3" 2" 15
16 Denormalisering! Faktatabellen lagras vanligtvis i normaliserad form (3NF eller BCNF)" Man tillåter dimensionstabellerna att vara onormaliserade, ofta i 2NF." Sökningar blir effektivare om man har all information om en dimension i en enda tabell." Behöver inte göra en join på flera tabeller för att få fram uppgifter om produkterna." Datalager används inte för transaktioner i den dagliga verksamheten, utan för dataanalys." Man gör främst sökningar i data, inte uppdateringar, så problemen med redundans och risk för inkonsistens vid uppdatering är mindre." Om man gör dimensionstabellerna normaliserade får man ett snöflingeschema." En dimension beskrivs inte av en en enda tabell, utan av flera tabeller." 16
17 SQL frågor på stjärnscheman! Vi kan formulera frågor mot stjärnschemat genom att gruppera och aggregera värden över de olika dimensionerna. " T.ex. en korstabell över antal sålda produkter indelad enligt storlek." select produkt.produktnamn, storlek.kod, sum(antal) as antal! from forsaljning, produkt, storlek! where forsaljning.produkt_id=produkt.id and! forsaljning.storlek_id=storlek.id! group by produkt_id, storlek_id;! ! produktnamn kod antal! ! Kavaj S 3! Kavaj M 2! Kavaj L 1! Skjorta S 4! Skjorta M 4! Skjorta L 2! Byxor S 2! Byxor M 1! Byxor L 2! ! 9 rows in set (0.00 sec)! 17
18 En annan exempelfråga! En korstabell över antal sålda produkter indelad enligt färg." Summerar värdena för olika storlekar." select produkt.produktnamn, farg.fargnamn, sum(antal) as antal! from forsaljning, produkt, farg! where forsaljning.produkt_id=produkt.id and! forsaljning.farg_id=farg.id! group by produkt_id, farg_id;! ! produktnamn fargnamn antal! ! Kavaj gra 1! Kavaj svart 5! Skjorta vit 5! Skjorta bla 1! Skjorta svart 4! Byxor gra 2! Byxor bla 1! Byxor svart 2! ! 8 rows in set (0.00 sec)! 18
19 Kub-operator! Operator cube genererar en datakub utgående från ett stjärnschema." Aggregerar måttattribut på alla kombinationer av de angivna dimensionerna." select produkt.produktnamn, storlek.kod, sum(antal) as antal! from forsaljning, produkt, storlek! where forsaljning.produkt_id=produkt.id and forsaljning.storlek_id=storlek.id! group by produkt_id, storlek_id with cube;! ! produktnamn kod antal! ! Kavaj S 3! Kavaj M 2! Kavaj L 1! Kavaj null 6! Skjorta S 4! Skjorta M 4! Skjorta L 2! Skjorta null 10! Byxor S 2! Byxor M 1! Byxor L 2! Byxor null 5! null S 9! null M 7! null L 5! null null 21! 19
20 Kub-operator (forts)! Kub-operatorn gör gruppering på alla möjliga kombinationer av de angivna dimensionerna." Exempel: "select produkt, färg, storlek, sum(antal) "from försäljning "group by produkt, färg, storlek with cube;" Gör grupperingar och summering av attributet antal inom grupperna för alla kombinationer av de här tre dimensionerna:" (produkt, färg, storlek)" (produkt, färg, all)" (produkt, all, storlek)" (all, färg, storlek)" (produkt, all, all)" (all, färg, all)" (all, all, storlek)" (all, all, all)" Resultatet är en tabell som innehåller unionen av alla dessa grupperingar." 20
21 Rollup-operator! Rollup-operatorn gör aggregering över alla kombinationer av de dimensioner som används för gruppering." Inte över alla möjliga kombinationer av dimensioner, som cube-operatorn." MySQL stöder rollup men inte cube" mysql> select produkt.produktnamn, storlek.kod, sum(antal) as antal! from forsaljning, produkt, storlek! where forsaljning.produkt_id=produkt.id and forsaljning.storlek_id=storlek.id! group by produkt.produktnamn, storlek.kod with rollup;! ! produktnamn kod antal! ! Byxor L 2! Byxor M 1! Byxor S 2! Byxor NULL 5! Kavaj L 1! Kavaj M 2! Kavaj S 3! Kavaj NULL 6! Skjorta L 2! Skjorta M 4! Skjorta S 4! Skjorta NULL 10! NULL NULL 21! ! 21
22 Kolumn-orienterade databaser! En alternativ lösning för effektiv data-analys i ett relationsdatabassystem är att använda en kolumn-orienterad databashanterare." Relationsdatabaser lagrar vanligtvis innehållet i tabeller radvis." Värden som hör till en rad i en tabell (dvs. en tupel) lagras fysiskt (på skivminne) som ett kontinuerligt block av data." För att aggregera över ett visst attribut måste man läsa ett värde från alla tabellrader." Det betyder att man måste läsa alla block." I en kolumn-orienterad databas lagras istället värdena i en kolumn som ett kontinuerligt block." För att aggregera över ett attribut räcker det att läsa ett enda block av data." Mycket mera effektivt för att göra aggregering av attributvärden." Lämpar sig därför mycket bättre för analytisk processering." Värdena i ett block är alla av samma typ, och samma värden kan förekomma ofta, så data kan också komprimeras effektivt." 22
23 Illustration! Tabell produkt! storlek! färg! antal! Kavaj" S" Svart" 3" Kavaj" M" Svart" 2" Skjorta" S" Svart" 4" Skjorta" L" Vit" 2" Byxor" M" Blå" 1" Byxor" S" Grå" 2" Rad-orienterad lagring Kavaj S Svart 3 Kavaj M Svart 2 Skjorta S Svart 4 Skjorta L Vit 2 Byxor M Blå 1 Byxor S Grå 2 Konsekutiva adresser Kolumn-orienterad lagring Kavaj Kavaj Skjorta Skjorta Byxor Byxor S M S L M S Svart Svart Svart Vit Blå Grå
24 Användning av kolumnorienterade databaser! Man kan formulera SQL-frågor på exakt samma sätt i rad- och kolumnorienterade databaser." Främsta skillnaden är att aggregering över alla värden i en kolumn är mycket effektiv i en kolumnorienterad databas." På motsvarande sätt är access till hela tabellrader mindre effektiv." Enda skillnaden är hur data fysiskt lagras." Den fysiska lagringen på skivminne sköts av lagringshanteraren." Användaren behöver inte vara medveten om hur data lagras fysiskt för att använda databasen. " Ett exempel på en kolumnorienterad databashanterare är InfiniDB" Kompatibel med MySQL" Fungerar också tillsammans med Amazon Web Service och Hadoop" 24
Vad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merDIVISIONSEXEMPEL RELATIONSALGEBRA OCH SQL. r s använder vi för att uttrycka frågor där ordet alla figurerar:
DIVISIONSEXEMPEL RELATIONSALGEBRA OCH SQL r s använder vi för att uttrycka frågor där ordet alla figurerar: Ex. Vilka personer har stamkundskort vid ALLA klädesbutiker i stad X? Vilka personer har bankkonto
Läs merDatabaser. Vad du ska lära dig: Ordlista
Databaser Vad du ska lära dig: Ordlista Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda en
Läs mer08/12/14. Databasteknik och informationssystem DD1370. Behövs Föreläsning 8? Kursens (återstående) mål Dagens föreläsning
08/12/14 Behövs Föreläsning 8? Databasteknik och informationssystem DD1370 Idag F7 - (sista nyheterna & repetition) F8 (?) - (repetition, repetition, repetition ) Föreläsning 7 Svara med knapptryckning
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 24 Augusti 2015 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 13 Mars 2014 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje blad.
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 16 Januari 2015 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje
Läs merDatabashantering och Beslutsstöd
Högskolan i Halmstad Sektionen för ekonomi och teknik Affärssystemprogrammet Databashantering och beslutsstöd, 7,5 hp Examinator Jesper Hakeröd 2011-02-25 Databashantering och Beslutsstöd Namn Innehållsförteckning
Läs merLösningar till tentamen i EDAF75
Lösningar till tentamen i EDAF75 4 april 2018 Lösning 1 (a) Här är ett förslag till E/R-modell: Det finns flera rimliga alternativa sätt att modellera, så du behöver inte vara orolig bara för att du inte
Läs merVAD GÖR DU / VEM ÄR DU?
INNEHÅLL Vad blir din roll Databaser vad är och varför Terminologi Datamodellering vad är och varför Utvecklingsprocessen SQL vad är det Data / Information / Kunskap Kapitel 1 delar av. Praktisk Datamodellering
Läs merTentamen DATABASTEKNIK - 1DL116
Uppsala universitet Institutionen för informationsteknologi Kjell Orsborn Tentamen 2003-05-20 DATABASTEKNIK - 1DL116 Datum...Tisdagen den 20 Maj, 2003 Tid...12:00-17:00 Jourhavande lärare...kjell Orsborn,
Läs merGrunderna för relationsmodellen!
Grunderna för relationsmodellen! 1 Varför behöver jag lära mig relationsmodellen?! Relationsmodellen är den totalt dominerande datamodellen i moderna databassystem Beskriver databaser som en mängd tabeller
Läs merVinjett 1: Relationsdatabas för effektivaste vägen
Vinjetter Inledning I denna kurs kommer vi att utgå från transporter som tema för vinjetterna. Fokus för kursen blir vilken information som behöver vara tillgänglig och hur denna skulle kunna lagras. Man
Läs merExempel-Tentamen III
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Exempel-Tentamen III Inga hjälpmedel tillåtna (syntaxsammanställning behövs inte på denna tentamen) Skriv bara på en sida av
Läs merIntroduktion till frågespråket SQL (v0.91)
DD1370: Databaser och Informationssystem Hösten 2014 Petter Ögren Introduktion till frågespråket SQL (v0.91) 13:e November Disclaimer: Dessa anteckningar har producerats under viss tidspress, och kan därför
Läs merGrunderna i SQL del 1
Grunderna i SQL del 1 1. SELECT-frågor 2. SELECT 3. WHERE 4. ORDER BY 5. Inre join 6. Yttre join 7. Andra typer av join 8. Union 9. Aggregatfunktioner 10. Gruppera och summera Kap. 3 Kap. 4 Kap. 5 utom
Läs merDatabaser och Datamodellering Foreläsning IV
Webbprogrammering - 725G54 Databaser och Datamodellering Foreläsning IV Agenda Databaser ERD SQL MySQL phpmyadmin Labb 4 Databaser Databas - samling med data Databashanterare Enkelt Kraftfullt Flexibelt
Läs merKonceptuella datamodeller
Databasdesign Relationer, Nycklar och Normalisering Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Konceptuella datamodeller Om man ska skapa en databas som beskriver en del av verkligheten
Läs merTER3. Försättsblad till skriftlig tentamen vid Linköpings universitet G28 TEN1 Webprogrammering och databaser Tentamen IDA 1 (7)
1 (7) Försättsblad till skriftlig tentamen vid Linköpings universitet Datum för tentamen Sal (1) Tid Kurskod Provkod Kursnamn/benämning Provnamn/benämning Institution Antal uppgifter som ingår i tentamen
Läs merFrågor att lösa med SQL mot databasen kursdb_sql Sida 1 av 5
Frågor att lösa med SQL mot databasen kursdb_sql Sida 1 av 5 1 Frågor mot en tabell och något selektionsvillkor. A Ta fram personnummer, namn, adress och postnummer på personer som bor i Solna! B Ta fram
Läs merDatabasens består av: Tabell Kolumner fält Rader poster (varje post är unik)
Databasföreläsning Databasens består av: Tabell Kolumner fält Rader poster (varje post är unik) Tabeller Personer Databas Nummer Namn Födelseår 1 Tina 1950 2 Siv 1965 3 Olle 1980 Platt databas: all information
Läs merRelationsalgebra. Varför behöver jag lära mig relationsalgebra?!
Relationsalgebra 1 Varför behöver jag lära mig relationsalgebra?! Relationsmodellen är den datamodell som används i de flesta moderna databassystemen Data beskrivs och lagras som relationer, dvs. som ett
Läs merVad är en databas? Exempel på databaser: Databas = Organiserad samling och lagring av information.
Vad är en databas? Exempel på databaser: Kortregister på kontor Sjukvårdsjournal Bokregister på bibliotek Medlemsregister i en förening Kundregister på företag Telefonkatalogen Databas = Organiserad samling
Läs merBeslutstödssystem. Beslutstödssystem. DD1370 (Föreläsning 8) Databasteknik och informationssystem 7,5 hp Hösten / 26
Beslutstödssystem DD1370 (Föreläsning 8) Databasteknik och informationssystem 7,5 hp Hösten 2011 1 / 26 Data Warehouse Beslutstödssystem Ett Data Warehouse är en integrerad samling data avsedd att användas
Läs merSQLs delar. Idag. Att utplåna en databas. Skapa en databas
Idag SQLs delar Hur skapar vi och underhåller en databas? Hur skapar man tabeller? Hur får man in data i tabellerna? Hur ändrar man innehållet i en tabell? Index? Vad är det och varför behövs de? Behöver
Läs merNORMALISERING. Mahmud Al Hakim
NORMALISERING Mahmud Al Hakim mahmud@webacademy.se 1 SCHEMA Schema eller databasschema är en beskrivning av vilka data som kan finnas i en databas, oberoende av vilka data (innehållet) som råkar finnas
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem Exempeltenta för kursen ht2013 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan
Läs merWebbprogrammering, grundkurs 725G54
Webbprogrammering, grundkurs 725G54 Bootstrap jquery SEO RWD MuddyCards. Tidigare Muddycards Många positiva kommentarer Ibland för högt tempo på föreläsning Lägg ut labbar tidigare Mer föreläsningar (2
Läs merDI Studio 4.3 - nyheter
DI Studio 4.3 - nyheter Sofie Eidensten och Patric Hamilton Copyright 2010 SAS Institute Inc. All rights reserved. 2 Varför DI Studio Snabbare utveckling Enklare underhåll Gör det överskådligt 3 Nyheter
Läs merDatabaser design och programmering. Fö 2: Design processen, ER-modellering
Databaser design och programmering Fö 2: Design processen, ER-modellering 2 Programutveckling Interaktionsdesign, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign
Läs merUrval rader. Urval koumner. D i m e n si o n e r. Visa värden eller % Mätvärden. Korstabell. Grundflik. Flik för Sparade delmängder
Kuber i VIS 3 Kuberna i VIS bygger på OLAP-teknik (Online Analytical Processing) dvs att du kan vända, vrida och borra i data inom ett eller flera områden. De är mycket dynamiska analysverktyg med ett
Läs merDesign och underhåll av databaser
Design och underhåll av databaser 1. Modell av verkligheten 2. Normalformer 3. Introduktion till DDL 4. Skapa databaser 5. Skapa tabeller 6. Skapa index 7. Restriktioner 8. Ta bort databaser, tabeller
Läs merTentamen för DD1370 Databasteknik och informationssystem
Tentamen för DD1370 Databasteknik och informationssystem 10 April 2015 Hjälpmedel: Inga hjälpmedel utom papper och penna Tänk på: Skriv högst en uppgift på varje blad. Använd endast framsidan på varje
Läs merTentamen i Databasteknik
Tentamen i Onsdagen den 7 mars 2007 Tillåtna hjälpmedel: Allt skrivet material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs mer16/12/14. Databasteknik och informationssystem DD1370. Dagens föreläsning (den sista!) Motivera med kokbok! Idag: Inga knappar L. Dagens föreläsning
Dagens föreläsning (den sista!) Databasteknik och informationssystem DD1370 Allmän information Information om tentan Repetition - Från text till SQL-fråga Föreläsning 8 (info om tentan och repetition)
Läs merIdag. Databaskvalitet(??) Databaskvalitet... Databaskvalitet...
Idag Databaskvalitet(??) Hur vet vi att vår databas är tillräckligt bra? Vad är ett beroende? Vad gör man om det blivit fel? Vad är en normalform? Hur når man de olika normalformerna? Det finns metoder
Läs merDatabaser design och programmering. Design processen ER- modellering
Databaser design och programmering Design processen ER- modellering 2 Programutveckling Förstudie, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign Databasdesign
Läs merIdag. Hur skapar vi och underhåller en databas? DD1370 (Föreläsning 4) Databasteknik och informationssystem 7,5 hp Hösten / 20
Idag Hur skapar vi och underhåller en databas? DD1370 (Föreläsning 4) Databasteknik och informationssystem 7,5 hp Hösten 2009 1 / 20 Idag Hur skapar vi och underhåller en databas? Hur skapar man tabeller?
Läs mer! Teori och praktik. ! Ändringar från förra året. ! Examination (tenta, projekt) LiU. ! Varför ni? ! Varför överhuvudtaget? LiU
Databaser Design och programmering, IDA Kursen, diverse praktiskt Varför databaser? Vad är en databas? Andra viktiga begrepp Kursöversikt Teori och praktik Fö och bok lektioner, labbar i projekt (3,5hp=100h)
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: 033-4354424. Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-08-20 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merTENTAMEN. För kursen. Databasteknik. Ansvarig för tentamen: Cecilia Sönströd. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2014-11-07 TID: 9 14 Ansvarig för tentamen: Cecilia Sönströd Förfrågningar: 033-4354424 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merTentamen 4,5 hp Delkurs: Databaser och databasdesign 7,5hp Tentander: VIP2, MMD2, INF 31-60, ASP
Tentamen 4,5 hp Delkurs: Databaser och databasdesign 7,5hp Tentander: VIP2, MMD2, INF 31-60, ASP Skrivtid: 14.30-18.30 Hjälpmedel: papper, penna och radergummi Betygsgränser: G = 36p (60 %), VG = 48p (80
Läs merINNEHÅLL SQL DEL 2. Funktioner inbyggda Aggregatfunktioner Skalärfunktioner. Chapter 11. Beginning SQL Server 2008 for Developers
INNEHÅLL SQL DEL 2 Funktioner inbyggda Aggregatfunktioner Skalärfunktioner Chapter 11. Beginning SQL Server 2008 for Developers 1 FUNKTIONER, INBYGGDA Det finns ett mängd med funktionen du kan använd dig
Läs merTENTAMEN TDDB77 Databaser och Bioinformatik 12 juni 2007, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDB77 Databaser och Bioinformatik 12 juni 2007, kl 14-18 Jourhavande lärare: Patrick Lambrix (013/28 26 05) Poäng: Tentan består av 2 delar.
Läs merBeslutstödssystem. Data Warehouse OLTP OLAP. A :et i OLAP Analys av data
Data Warehouse Ett Data Warehouse är en integrerad samling data avsedd att användas som stöd för beslutsfattande Typiska egenskaper för Data Warehouse ( = On-Line Analytical Processing) Uppdateras sällan
Läs merTENTAMEN TDDB77 Databaser och Bioinformatik 15 mars 2002, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDB77 Databaser och Bioinformatik 15 mars 2002, kl 14-18 Jourhavande lärare: Patrick Lambrix, 2605 Poäng: Tentan består ut av 2 delar. För
Läs merLaboration SQL. Kom igång. http://www.tfe.umu.se/courses/systemteknik/webbkurser/d&w/laborationer/sql.ht...
Page 1 of 5 Laboration SQL Syfte: Under denna laboration skall du bekanta dig med SQL. När laborationen är genomförd skall du klara av att själv formulera enklare SQL-frågor för att kunna ta fram information
Läs merDatabaser och databasdesign. Den relationella modellen, normalisering och modellering (2)
Databaser och databasdesign Den relationella modellen, normalisering och modellering (2) Varför databaser (DB)? Vi vill och måste kunna lagra data på sätt som motsvarar olika verksamheters behov Vad är
Läs merTentamen. i Databasteknik. lördagen den 13 mars 2004. Tillåtna hjälpmedel: Allt upptänkligt material
Tentamen i lördagen den 13 mars 2004 Tillåtna hjälpmedel: Allt upptänkligt material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs merDatabaser Kapitel 1: Introduktion!
Databaser Kapitel 1: Introduktion 1 Vad är en databas? En databas innehåller information som beskriver eller modellerar en viss del av världen T.ex. ett företag eller en verksamhet En databas består av
Läs merLEANalyser för användare
2018-03-12 LEANalyser för användare Vikten av att kunna hantera Big Data har blivit allt mer uppenbar i takt med att större och mer varierade datamängder genereras via Internet, sensorer, appar och IT-system.
Läs merI denna laboration skriver jag inte ut resultatet på de flesta frågorna utan du kör dem själv i din miljö.
Laboration 2, Databashantering med MySQL Av: Marcus Rejås I denna laboration skall vi jobba vidare på bildatabasen som vi började på förra gången. Vi skall ändra fält och lära oss att
Läs merWCMS-15, Webbutvecklare CMS
WCMS-15, Webbutvecklare CMS Övningstentamen, delkurs Dynamiska webbplatser (20 YH-poäng) Plats: Medieinstitutet, Malmö Tid: 25 november 2015, kl. 13.00-16.00 Tillåtna hjälpmedel: Papper, penna, suddgummi,
Läs merVAD GÖR DU / VEM ÄR DU?
INNEHÅLL Vad blir din roll Databaser vad är och varför Terminologi Datamodellering vad är och varför Utvecklingsprocessen SQL vad är det Data / Information / Kunskap Kapitel 1 delar av. Praktisk Datamodellering
Läs merVarför ska man lära sig sånt? Välkomna. Vad är databaser bra till? Kursansvarig. till kursen. Databasteknik och informationssystem
till databaskursen Varför ska man lära sig sånt? till databaskursen till kursen Databasteknik och informationssystem Nästan alla större system idag innehåller eller använder data lagrad i en databas Så
Läs merIntroduktion till databaskursen. Välkomna. till kursen. Databasteknik och informationssystem. DD1370 (kursomgång dbtinf12)
Välkomna Introduktion till databaskursen Välkomna till kursen Databasteknik och informationssystem DD1370 (kursomgång dbtinf12) En kurs om grunderna i databasteknik DD1370 (Föreläsning 1) Databasteknik
Läs merLösningsförslag till Exempel tentamen
Inst. för Data- och Systemvetenskap SU/KTH Maria Bergholtz, Paul Johannesson Lösningsförslag till Exempel tentamen 2I-1033 IT i Organisationer och Databasteknik Tentamenstiden är 5 timmar Skriv bara på
Läs mer04/11/14. Välkomna till kursen: Databasteknik och informationssystem DD1370. Kursanvarig. Dagens föreläsning. Vad är en Databas?
Kursanvarig Välkomna till kursen: Databasteknik och informationssystem DD1370 Petter Ögren Petter Ögren petter@kth.se Kontor: Teknikringen 14 Kontakt: - Kurswebben (något många vill veta) - Email (något
Läs merProva på-laboration i SQL
Prova på-laboration i SQL Peter Dalenius petda@ida.liu.se Institutionen för datavetenskap, Linköpings universitet 2006-09-19 1. Introduktion till databaser Databaser finns i så gott som alla sammanhang
Läs merWebprogrammering och databaser. Konceptuell datamodellering med ER-modellen
Webprogrammering och databaser Konceptuell datamodellering med ER-modellen 2 Programutveckling Interaktionsdesign, behovsanalys Programdesign, databasdesign Implementation 3 Programdesign, databasdesign
Läs merVad är en databas? Databaser. Relationsdatabas. Vad är en databashanterare? Vad du ska lära dig: Ordlista
Databaser Vad är en databas? Vad du ska lära dig: Använda UML för att modellera ett system Förstå hur modellen kan översättas till en relationsdatabas Använda SQL för att ställa frågor till databasen Använda
Läs merTentamen Databasmetodik DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen 8 augusti 2013 kl. 9-13
Institutionen för Data- och Systemvetenskap IT-universitetet Maria Bergholtz Tentamen DB:DSK/FK/DVK/ATD/SP/EIT mfl. äldre kurstillfällen 8 augusti 203 kl. 9-3 Inga hjälpmedel tillåtna (syntaxsammanställning
Läs merKarlstads Universitet, Datavetenskap 1
2003-01-20 DAV B04 - Databasteknik 2003-01-20 KaU - Datavetenskap - DAV B04 - MGö 26 Relationsmodellen En formell teori som baserar sig på (främst) mängdlära predikatlogik Föreslogs av E.F Codd 1970 i
Läs merDatabaser - Design och programmering. Kursöversikt. Exempel: telefonbok. Varför databaser?
Databaser Design och programmering! Diverse praktiskt! Varför databaser?! Vad är en databas?! Andra viktiga begrepp Kursöversikt! Teori och praktik! Samläsning! Olika projekt! Examination (tenta, labb
Läs merVarför ska man lära sig sånt? Välkomna. Vad är databaser bra till? Kursansvarig. till kursen. Databasteknik och informationssystem
till databaskursen Varför ska man lära sig sånt? till databaskursen till kursen Databasteknik och informationssystem Nästan alla större system idag innehåller eller använder data lagrad i en databas Så
Läs merIdag. 1. Från modell till databasstruktur. 2. Prata med databaser (frågepsråket SQL)
Idag 1. Från modell till databasstruktur 2. Prata med databaser (frågepsråket SQL) DD1370 (Föreläsning 3) Databasteknik och informationssystem 7,5 hp Hösten 2008 1 / 22 Från verklighet via modell till
Läs merFrån verklighet via modell till databas. Idag. Testa reglerna på varuhusmodellen. Från verklighet via modell till databas
Idag 1. Från modell till databasstruktur Från verklighet via modell till databas När vi analyserat den värld vi vill representera i en databas har vi tagit med alla möjliga kopplingar och beskrivit dem
Läs merFiktiv tentamen för DD1370 Databasteknik och informationssystem
Fiktiv tentamen för 1370 atabasteknik och informationssystem Hösten 2011 Hjälpmedel: Allt man kan tänka sig, men ingen kontakt med hjälpsamma kamrater och inga elektroniska hjälpmedel. Tänk på: Skriv högst
Läs merIntroduktion till MySQL
Introduktion till MySQL Vad är MySQL? MySQL är ett programmerings- och frågespråk för databaser. Med programmeringsspråk menas att du kan skapa och administrera databaser med hjälp av MySQL, och med frågespråk
Läs merTDDD52 Databas. Databas. Databas 1/3/13
/3/3 Varje gång jag vill lägga 5ll en film så måste jag ändra i min PHP kod och ladda upp 5ll servern Mina kollegor vill också kunna lägga 5ll filmer, men jag vill inte ge de access 5ll min FTP eller PHP
Läs merTentamen i Databasteknik
Tentamen i Lördagen den 21 oktober 2006 Tillåtna hjälpmedel: Allt skrivet material Använd bara framsidan på varje blad. Skriv max en uppgift per blad. Motivera allt, dokumentera egna antaganden. Oläslig/obegriplig
Läs merMÖJLIGHETERNA MED CLUSTERED COLUMNSTORE INDEXES & IN-MEMORY OLTP
DEN 14 APRIL 2014 MÖJLIGHETERNA MED CLUSTERED COLUMNSTORE INDEXES & IN-MEMORY OLTP SANDRA JONSSON EXAMENSARBETE, 15 HP Kandidatprogrammet i datavetenskap, 180 hp Examinator: Pedher Johansson Intern handledare:
Läs merDatabaser - Design och programmering. Relationsmodellen. Relationer - som tabeller. Relationer som tabeller. Alternativa notationer: Relationsschema
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Relationsmodellen Introducerades av Edward Codd 970 Mycket vanlig Stödjer kraftfulla
Läs mer! Webprogrammering. ! Databasteori och praktik. ! Fö, le, la + projekt. ! Examination (tenta, dugga + labb, ! Studera användarna och deras problem
Webprogrammering och databaser! Idag: Diverse praktiskt om kursen Webprogrammering Databaser, terminogi Start på ER-modellering! Webprogrammering Kursöversikt! Databasteori och praktik! Fö, le, la + projekt!
Läs mer07/11/14. Databasteknik och informationssystem DD1370 F2. Allmänna frågor. Är Lab0 svårbegriplig? Nu: Clickers. Är Kurswebben svårbegriplig?
Allmänna frågor Databasteknik och informationssystem DD1370 F2 Petter Ögren Är Kurswebben svårbegriplig? Är lab0 svårbegriplig? Är bonus-poängen tydliga? Har ni lyckats installera Open Office? Fungerar
Läs merTentamen 2I1033, IT i Organisationer och Databasteknik lördag 17/4 2004, kl. 10 15 LÖSNINGSFÖRSLAG
Institutionen för Data- och Systemvetenskap SU/KTH Maria Bergholtz Tentamen 2I033, IT i Organisationer och Databasteknik lördag 7/4 2004, kl. 0 5 LÖSNINGSFÖRSLAG Inga hjälpmedel tillåtna. Skriv bara på
Läs merJohan Elfman Konsult SAS Institute AB Copyright 2003, SAS Institute Inc. All rights reserved.
SAS Institute bygger en analysmiljö på SSAB Johan Elfman Konsult SAS Institute AB Copyright 2003, SAS Institute Inc. All rights reserved. Innehåll Beskrivning av projektet. Vad som gjordes, varför och
Läs merDatabaser design och programmering. Transaktionshantering och säkerhet säkerhetsproblem fleranvändarproblem transaktioner låsning
Databaser design och programmering Transaktionshantering och säkerhet säkerhetsproblem fleranvändarproblem transaktioner låsning 2 Säkerhetsproblem Informationen i databasen måste vara pålitlig (inte kunna
Läs merÖvningar i SQL. SQLAccess.doc Ove Lundgren 2000-11-14
Övningar i SQL Övningar i SQL Använd Access för att öva SQL (= Structured Query Language) Skapa tabeller med SQL 1. Ny databas: SQLÖVNING Klicka: Frågor > Ny > Design > OK >Stäng > SQL Radera ordet SELECT.
Läs merProgramdesign, databasdesign. Databaser - Design och programmering. Funktioner. Relationsmodellen. Relation = generaliserad funktion.
Databaser Design och programmering Relationsmodellen definitioner ER-modell -> relationsmodell nycklar, olika varianter Programdesign, databasdesign Databasdesign Konceptuell design Förstudie, behovsanalys
Läs merVad är en databas? Databasutveckling Med MySQL/MariaDB
Databasutveckling Med MySQL/MariaDB Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Vad är en databas? Från Wikipedia En databas (tidigare databank) är en samling information som är organiserad
Läs merDatabasutveckling Tabeller. tinyint 1 byte (0-255) Upp till 8 bytes
Databasutveckling Tabeller Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Datatyper Heltal bit 0, 1 eller NULL tinyint 1 byte (0-255) smallint int bigint 2 bytes 4 bytes 8 bytes Decimaltal
Läs merNy skalbar och öppen OLAP-teknologi, SAS OLAP server
Ny skalbar och öppen OLAP-teknologi, SAS OLAP server Frida Säfström Seniorkonsult Copyright 2003, SAS Institute Inc. All rights reserved. Agenda Arkitekturen Lagring Skalbarhet Säkerhet Olika typer av
Läs merDatabasföreläsning. Del 2 lagrade procedurer, vyer och transaktioner
Databasföreläsning Del 2 lagrade procedurer, vyer och transaktioner Lagrade procedurer (Stored procedures) En stored procedure är en procedur (funktion) lagrad i en databas, och exekveras direkt på databasservern
Läs merTENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18
Institutionen för datavetenskap Linköpings universitet TENTAMEN TDDD12 Databasteknik 7 januari 2010, kl 14-18 Jourhavande lärare: Jose M. Peña (1651) Poäng: Tentan består av 2 delar. För godkänd krävs
Läs merFöreläsning 4 Dagens föreläsning går igenom
Databasbaserad publicering Föreläsning 4 1 Föreläsning 4 Dagens föreläsning går igenom E/R-modellen, fortsättning Frågor till flera tabeller samtidigt Många-till-många-relationer Läs om E/R-diagram i kapitel
Läs merStructured query language (SQL)
Structured query language SQL) Varför SQL? SQL är ett standardspråk som är oberoende av databashanteringssystemen som finns på marknaden. Med andra ord kommer du kunna arbeta mot nästan alla sorters relationsdatabaser
Läs merTENTAMEN För kursen. Databasteknik. Ansvarig för tentamen: Anna Palmquist. Förfrågningar: Anslås inom 3 veckor
TENTAMEN För kursen DATUM: 2015-11-06 TID: 14 19 Ansvarig för tentamen: Anna Palmquist Förfrågningar: 0734-612003 Resultat: Betygsskala: Hjälpmedel: Anslås inom 3 veckor Godkänt 20 p, Väl godkänt 32 p,
Läs merSample exam questions. Database exam TIG058
Sample exam questions Database exam TIG058 Distribution of topics covered 1. Grundläggande om Databaser och Databashanterare (5p) 2. SQLite-databashanteraren (5p) 3. SQL - SELECT, ORDER BY, WHERE, LIMIT
Läs merInnehåll MySQL Intro. Allmänt om Lagrade Procedurer Enkel utformning Skapa en lagrad procedur Använda parameter som indata
Innehåll MySQL Intro Allmänt om Lagrade Procedurer Enkel utformning Skapa en lagrad procedur Använda parameter som indata 1 Lagrad procedur / Stored Procedure Lagrad procedur har många namn, förkortningen
Läs merWebprogrammering och databaser. 729G28 Webprogrammering och databaser. Kursöversikt. Praktisk info. Webprogrammering. Ändringar mot förra året
729G28 Webprogrammering och databaser Föreläsning 1: Diverse praktiskt om kursen Webprogrammering Databaser, terminogi Webprogrammering och databaser Personal: Examinator Jalal Maleki, jalma@ida.liu.se
Läs merDatabasutveckling Microsoft T-SQL - Fortsättning. Funktioner GROUP BY HAVING Skapa databaser Skapa tabeller Lite om transaktioshantering
Databasutveckling Microsoft T-SQL - Fortsättning Copyright Mahmud Al Hakim mahmud@webacademy.se www.webacademy.se Agenda Funktioner GROUP BY HAVING Skapa databaser Skapa tabeller Lite om transaktioshantering
Läs merStarta MySQL Query Browser
Starta MySQL Query Browser 1. Starta MySQL Query Browser genom att antingen välja i Startmenyn: 2. eller leta upp ikonen på skrivbordet för start av MySQL Query Browser och dubbelklicka på den. 3. Du bör
Läs merTentamen för 1E1601. Måndag 10 mars 2003, kl 08.00 13.00. Alla hjälpmedel tillåtna
Tentamen för 1E1601 Måndag 10 mars 2003, kl 08.00 13.00 Alla hjälpmedel tillåtna Totalt kan tentan ge 45p + max 10p för gjorda övningsuppgifter 27p ger säkert betyget 3, 35p ger säkert betyget 4 och 43p
Läs mer