DB 1

News

Oct 11, 2019 — ⚠️ Die DB1-Vorlesungen am Montag, den 28. Oktober 2019, und Dienstag, den 29. Oktober 2019, fallen aus. — Christian Duta

Im Forum zu DB 1 klären wir alle organisatorischen und inhaltlichen Fragen, die sich im Laufe des Semesters auftun werden. Bitte dort regelmäßig vorbei schauen und keine Scheu zu fragen.

Vorlesung

Die Vorlesung Datenbanksysteme I ist die klassische Einführung in das spannende Gebiet der Datenbanksysteme. Zentrales Thema sind die Relationalen Datenbanksysteme, in denen Daten in tabellarischer Form modelliert, gespeichert und angefragt werden. Dieser strikt tabellarische Blick auf Daten ist elegant, intuitiv aber dennoch formal und durch Datenbanksysteme effizient implementierbar, wirft aber auch interessante Fragen auf, denen wir uns in dieser Vorlesung widmen werden:

[ Datenbankbegriff ] Genau welche Services kann ein Datenbanksystem eigentlich bieten?
[ Datenmodellierung, ER-Modelle ] Wie bringt man Daten sinnvoll in tabellarische Form, auch wenn Daten zunächst in Form von Objekten, Bäumen, etc. vorliegen?
[ Relationales Modell, Normalformen ] Welche Charakteristika von Tabellen können wir ausnutzen, um Daten effizient und redundanzfrei speichern und wieder extrahieren zu können?
[ Relationale Algebra, SQL ] Welche Sprachen eignen sich für den Zugriff auf Massen von Tabellendaten?

Sowohl Vorlesung als auch Übung werden von Beispielen und Aufgaben begleitet, die wir mittels des relationalen Datenbanksystems PostgreSQL realisieren werden. PostgreSQL (in Version 11.x oder 12.x) ist für viele Plattformen (u.a. MS Windows, Linux, macOS) frei verfügbar.

Mit SQLite3 und MySQL stehen weitere relationale Datenbanksysteme frei zur Verfügung.

Klausur und Benotung

Die 90-minütige Klausur zu dieser Vorlesung wird am Montag, den 3. Februar 2020, von 10:00–12:00 Uhr stattfinden. Details dazu geben wir im Laufe des Semesters bekannt.

An der Klausur dürfen alle Studierenden teilnehmen, die im Übungsbetrieb dieser Vorlesung mindestens 2/3 der Punkte erreicht haben. Für darüber hinaus erzielte Punkte gewähren wir einen Punktebonus in der Klausur.

Nur für Studierende der Bioinformatik: In dieser Vorlesung können ausnahmsweise auch nur 6 (anstatt regulär 9) ECTS erworben werden. Diese Studierenden steigen dann nach Weihnachten aus dem Vorlesungsbetrieb aus und schreiben am 3. Februar 2020 eine entsprechend angepasste Klausur.

Literatur

Ramakrishnan, Gehrke: Database Management Systems

(3rd International Edition)
McGraw-Hill, 2003
ISBN 0-07-246563-8
Part I dieses Buch deckt die Inhalte zu relationalen Datenbanksystemen gut ab. Part II widmet sich den Inhalten der Vorlesungen Datenbanksysteme II.
Kemper, Eickler: Datenbanksysteme

(10. Auflage)
De Gruyter Studium, 2015
ISBN 3-11-044375-9
Deutsches Standardlehrbuch, das auch Inhalte der Vorlesung
Datenbanksysteme II bespricht. Eine hervorragende Quelle für weiterführende Referenzen.

PostgreSQL, Python und JSONiq

Das relationale Datenbanksystem PostgreSQL ist das Hauptwerkzeug in dieser Vorlesung und auch in den Übungen. Effizient, unkompliziert, standardkonform, erweiterbar und generally awesome. Hinweise zum Download und zur Installation von PostgreSQL. (Für User von Apples macOS bietet Postgres.app eine Installation innerhalb von Sekunden.) [ PostgreSQL Version 9.6 oder 10 ]
Gelegentlich werden wir in Vorlesung, Übung und Übungsblättern die Programmiersprache Python einsetzen, um einfache Skripte zur Verarbeitung von Tabellendaten zu entwerfen oder die Funktionsweise von Datenbanksystemen zu illustrieren. Frei verfügbar für alle gängigen Sytsteme und oft bereits vorinstalliert. [ Python Version 2.7 ]
Zu Beginn der Vorlesung werden wir JSON als Datenmodell und seine Sprache JSONiq thematisieren. Eine Implementation von JSONiq zum freien Download findet sich auf zorba.io.

Slides

Nr	Chapter	Download
1	Welcome
2	Data Models and Languages
3	Typed Data, Declarativity, Data Independence, Persistence
4	The Relational Data Model [Last update: Nov 11, 2019 (minor edits on slide 25)]
5	Constraints
6	A Diversion into SQL
7	Referential Integrity
8	Database Design
9	Grouping and Aggregation

Additional material (code, data)

Nr	File	Download
1	GenBank-Eintrag für Bakers' Yeast Datenmodell Text
2	LEGO Set 5610 Datenmodell Text
3	Gesamtgewicht des LEGO Set 5610 Shell-Skript, basierend auf `sed` und `awk` (Datenmodell Text). Usage (UNIX-Shell): `weight-of-set5610.sh < set5610-1.txt`
4	LEGO Set 5610 Datenmodell JSON (Nested Arrays and Dictionaries)
5	USGS Earthquake Data Datenmodell JSON
6	Gesamtgewicht des LEGO Set 5610 (JSONiq-Query) Usage (UNIX-Shell): `zorba -r -i -f -q weight-of-set5610.jq`
7	Stärke des schwersten Erdbebens auf der Nordhalbkugel (JSONiq-Query) Usage (UNIX-Shell): `zorba -r -i -f -q worst-northern-quake-mag.jq`
8	Stärke und Ort des schwersten Erdbebens auf der Nordhalbkugel (JSONiq-Query) File enthält drei Varianten der Query (zwei Varianten sind derzeit via `(: ... :)` auskommentiert). Usage (UNIX-Shell): `zorba -r -i -f -q worst-northern-quake-mag-place.jq`
9	USGS Earthquake Data Datenmodell Tabular (CSV)
10	Python-Modul DB1 (Python 2.7) Einfache Query-Library (PyQL und relationale Algebra) für Python 2.7. Einbindung in Python-Code via `from DB1 import Table`
11	Python-Modul DB1v3 (Python 3) Einfache Query-Library (PyQL und relationale Algebra) für Python 3. Einbindung in Python-Code via `from DB1v3 import Table`
12	Stärke und Ort des schwersten Erdbebens auf der Nordhalbkugel (PyQL-Query, liest CSV-File `earthquakes.csv`) Usage (UNIX-Shell): `python worst-northern-quake-mag-place.py`
13	Tabelle contains (LEGO Sets) Datenmodell Tabular (CSV)
14	Tabelle bricks (LEGO Bausteine) Datenmodell Tabular (CSV)
15	Tabelle minifigs (LEGO Minifiguren) Datenmodell Tabular (CSV)
16	Gewicht des LEGO Set 5610 (PyQL-Query) Usage (UNIX-Shell): `python weight-of-set5610.py`
17	Gewicht des LEGO Set 5610 (Optimierung #1) (PyQL-Query) Optimierung basiert auf Regeln (constraints) der LEGO Mini-World: eindeutige Identifier in Tabellen `bricks` und `minifigs` sowie Disjunktheit beider Tabellen. Usage (UNIX-Shell): `python weight-of-set5610-key.py`
18	Gewicht des LEGO Set 5610 (Optimierung #2) (PyQL-Query) Optimierung basiert auf Konstruktion einer temporären Datenstruktur (Dictionary/partielle Funktion `quantity`). Usage (UNIX-Shell): `python weight-of-set5610-temp.py`
19	Gewicht des LEGO Set 5610 (Data Independence #1) (PyQL-Query) Einführung einer temporären Liste `pieces` als Vereinigung von `bricks` und `minifigs`. Usage (UNIX-Shell): `python weight-of-set5610-pieces-list.py`
20	Gewicht des LEGO Set 5610 (Data Independence #2) (PyQL-Query) Basiert auf einer neuen persistenten Tabelle `pieces.csv`, die in der UNIX-Shell durch folgendes Kommando konstruiert werden kann: `cut -f1-6 bricks.csv \| last +2 \| cat minifigs.csv - > pieces.csv` Usage (UNIX-Shell): `python weight-of-set5610-pieces-table.py`
21	Kopie (Schema und Zustand) einer Tabelle erstellen (SQL-Skript) Kopiert erst Schema und dann Zustand einer existierenden Tabelle, benötigt lediglich je ein DDL- und DML-Statement. Usage (UNIX-Shell): `psql -f insert-query.sql`
22	SQL DML Statements (Tabelle `calendar`) (SQL-Skript) Demonstration der SQL DML Kommandos `INSERT`, `UPDATE` und `DELETE`. Usage (UNIX-Shell): `psql -f calendar.sql`
23	SQL Foreign Data Wrapper (SQL-Skript) Demonstration des PostgreSQL Foreign Data Wrappers (CSV-File wird in den Zustand einer Relation gespiegelt, read-only: Änderungen im CSV-File werden vom RDBMS übernommen, `INSERT`/`UPDATE`/`DELETE`-Kommandos sind auf die Relation nicht anwendbar). Achtung: Im SQL-Skript muss der (absolute) Pfad zum CSV-File angepasst werden. Usage (UNIX-Shell): `psql -f fdw.sql`
24	SQL DDL Statements zur Deklaration von Constraints (SQL-Skript) Reichert Tabelle `calendar` mit einer Reihe von Constraints an, um die Abbildung der Kalender-Miniwelt in die Datenbank zu verfeinern. Usage (UNIX-Shell): `psql -f calendar-constraints.sql`
25	Kandidaten- und Primärschlüssel (SQL-Skript) Deklariert und lädt die Tabellen der LEGO-Miniwelt und fügt Kandidaten- sowie Primärschlüssel hinzu. NB: Einige SQL-Statements führen zu (erwarteten) Fehlern, siehe Kommentare. Achtung: Im SQL-Skript müssen die (absoluten) Pfade zu den CSV-Files angepasst werden. Usage (UNIX-Shell): `psql -f keys.sql`
26	Die SQL FROM-Klausel (SQL-Skript) Demonstriert, dass die Nennung von Subqueries in der `FROM`-Klausel reihenfolgeunabhängig ist. Usage (UNIX-Shell): `psql -f calendar-attendees.sql`
27	Row-Types und Row-Values in SQL (SQL-Skript) Demonstriert das Konzept der row types und row values in SQL. Usage (UNIX-Shell): `psql -f row-types.sql`
28	(Überflüssiges) DISTINCT in SQL (SQL-Skript) Demonstriert, das für einige Queries die Nennung von `DISTINCT` überflüssig sein kann, da ohnehin keine Duplikate erzeugt werden. Das RDBMS erkennt die meisten dieser Situationen nicht selbsttätig. Usage (UNIX-Shell): `psql -f distinct-vs-keys.sql`
29	SQL: Equi-Joins, θ-Joins (SQL-Skript) Demonstriert die Formulierung von Equi- und allgemeiner θ-Joins (Theta-Joins), auch zwischen mehreren Tabellen (hier: 3-Way Join). Usage (UNIX-Shell): `psql -f who-is-busy-at-what-times.sql`
30	SQL: Kompositionalität (Subqueries) (SQL-Skript) Demonstriert den Einsatz von Subqueries `(⟨query⟩)` in der Berechnung von Ausdrücken. Usage (UNIX-Shell): `psql -f compositional.sql`
31	SQL: Kompositionalität (WITH) (SQL-Skript) Demonstriert den Einsatz von `WITH ...` zur Konstruktion komplexerer Queries. Die in `WITH` gebundenen Namen sind nur lokal sichtbar und sind nicht persistent. Usage (UNIX-Shell): `psql -f large-yellow-bricks.sql`
32	SQL: Korrelierte Unteranfragen (SQL-Skript) Demonstriert die Nutzung korrelierter Unteranfragen (die freie Variablen beinhalten, die in der umgebenden Anfrage gebunden werden). Usage (UNIX-Shell): `psql -f correlation.sql`
33	SQL: Fremdschlüssel (SQL-Skript) Demonstriert die Deklaration und den Einsatz von Fremdschlüsseln (foreign keys), um eine konsistente Verweisstruktur zwischen Source- und Target-Tabellen zu gewährleisten. Achtung: Im SQL-Skript müssen die (absoluten) Pfade zu den CSV-Files angepasst werden. Usage (UNIX-Shell): `psql -f foreign-keys.sql`
34	SQL: Referentielle Integrität (SQL-Skript) Demonstriert die (manuelle) Überprüfung der referentiellen Integrität einer Datenbank mittels der SQL-Prädikate `EXISTS` und `[NOT] IN`. Achtung: Im SQL-Skript muss ein (absoluter) Pfad zu einem CSV-File angepasst werden. Usage (UNIX-Shell): `psql -f referential-integrity.sql`
35	SQL: Intra-Table Foreign Keys (Operationen auf Bäumen) (SQL-Skript) Repräsentation von Bäumen mittels Fremdschlüsseln innerhalb einer Tabelle (`tree`). Baum-Operationen führen zu Self-Joins. Usage (UNIX-Shell): `psql -f intra-table-foreign-keys.sql`
36	SQL (1NF vs NF²): Codierung strukturierter Information als Text (SQL-Skript) Repräsentation von Logo turtle drawing commands mittels Datentyp `text`. Führt zur Extraktion von Teilinformation mittels regulärer Ausdrücke (Funktionen `regxp\_split\_to\_table()`, `regexp\_matches()`). Usage (UNIX-Shell): `psql -f turtle-text.sql`
37	SQL (1NF vs NF²): Codierung strukturierter Information in Arrays (SQL-Skript) Repräsentation von Logo turtle drawing commands mittels Arrays von Kommandos (Typ `cmd[]`). Benutzt tabellen-generierende Funktion `unnest()` als "Brücke" von Arrays zu Tabellen. Usage (UNIX-Shell): `psql -f turtle-array.sql`
38	SQL (1NF vs NF²): Codierung strukturierter Information in geschachtelten Tabellen (SQL-Skript) Repräsentation von Logo turtle drawing commands in geschachtelten Tabellen — die resultierende Tabelle ist in Non-First Normal Form (NF²). Nach Entschachtelung wird die NF²-Tabelle durch zwei 1NF-Tabellen `shapes` und `turtles` repräsentiert. Usage (UNIX-Shell): `psql -f turtle-1NF.sql`
39	SQL (1NF vs NF²): Übersetzung von NF²SQL-Queries in reguläres SQL (SQL-Skript) Übersetzung von Anfragen der hypothetischen "NF²SQL"-Sprache in reguläre SQL-Queries über Bundles von 1NF-Tabellen (hier: `shapes` und `turtles`). Usage (UNIX-Shell): `psql -f functions-1NF.sql`
40	SQL: Gruppierung und Aggregation (SQL-Skript) Demonstration verschiedener SQL Aggregat-Funktionen (siehe auch die PostgreSQL 11-Dokumentation zu Aggregat-Funktionen). Usage (UNIX-Shell): `psql -f grouping-aggregation.sql`
41	SQL: Gruppierung und Aggregation (im Turtle-Beispiel) (SQL-Skript) Demonstration von Gruppierung und Aggregation im `shapes`/`turtles`-Beispiel. Usage (UNIX-Shell): `psql -f grouping-turtle.sql`
42	SQL: Gruppierung und Aggregation (Kalender) (SQL-Skript) Gruppierung und Aggregation auf der Kalender-Datenbank Usage (UNIX-Shell): `psql -f who-is-busy-at-what-times-grouped.sql`