Datenbanksysteme - of the AG Database-Systems - Philipps ...

Datenbanksysteme
Bernhard Seeger
Fachbereich Mathematik und Informatik
Philipps-Universität Marburg
Email: seeger@informatik.uni-marburg.de
Tel.: 06421-28 21526
Dieses “Skript” ist nur als eine Orientierungshilfe zur Vorlesung Datenbanksysteme. Die Kopien
entsprechen zu einem großen Teil den Folien, die in den Vorlesungsstunden aufgelegt und erläutert
werden.
Seite 1

Organisation
� Vorlesung
– Mi. 11:15-13:00 HG 007, Fr. 9:15-11:00 HG 115
� Übung
– Übungsleiter: Sonny Vaupel
– Übungsblätter
– Ausgabe des Übungsblatts: in der Vorlesung am Freitag
– Abgabe der Übungen in der kommenden Vorlesung am Freitag
– Korrektur der Aufgaben
– Mögliche Übungstermine: Mo 14-18, Di 14-18, Mi 14-18
� Benoteter Schein:
– 50% der Übungsaufgaben + Klausur
– Note des Moduls = Note der Klausur
� Web-Seite:
– http://dbs.mathematik.uni-marburg.de/teaching/vl/DBS1/08SS/
� Forum: http://dbs.mathematik.uni-marburg.de/forum/phpBB2/
Seite 2

Basisliteratur
Literaturliste
� A. Kemper, A. Eikler: “Datenbanksysteme. Eine Einführung”, Oldenbourg, 2006 (6. Auflage).
� G. Saake, A. Heuer: “Datenbanken Konzepte und Sprachen”, mitp. 2008.
� G. Vossen: “Datenmodelle, Datenbanksprachen und Datenbankmanagement-Systeme”,
Oldenbourg, 2000.
� Jeffrey D. Ullman, Jennifer D. Widom: A First Course in Database Systems, Prentice Hall,
2001.
� Ramez A. Elmasri, Shamkant B. Navathe: Grundlagen von Datenbanksystemen, Pearson
Studium 2005.
� Gunter Saake, Kai-Uwe Sattler: "Datenbanken und Java. JDBC, SQLJ und ODMG", dpunkt
Verlag, 2003.
Spezialliteratur
� Gerhard Weikum, Gottfried Vossen: Transactional Information Systems: Theory, Algorithms,
and the Practice of Concurrency Control, Morgan Kaufmann, 2001.
� Serge Abiteboul, Richard Hull, Victor Vianu: Foundations of Database Systems, Addison-
Wesley, 1995.
Seite 3

Wichtige Zeitschriften und Konferenzen
Zeitschriften:
� ACM Transactions on Database Systems (TODS)
� The VLDB Journal
� IEEE Transactions on Knowledge and Database Engineering (TKDE)
� Information Systems
Wichtige Konferenzen:
� Int. Conf. on Very Large Data Bases (VLDB)
� ACM SIGMOD Int. Conf. on Management of Data (SIGMOD)
� ACM SIGACT-SIGMOD Principles of Database Systems (PODS)
� IEEE Int. Conf. on Data Engineering (ICDE)
� Int. Conf. on Extending Database Technology (EDBT)
Online
� http://citeseer.ist.psu.edu/
Seite 4

Vorläufiges Inhaltsverzeichnis
1. Einführung
2. Konzeptioneller Datenbankentwurf
3. Relationales Modell
Relationale Algebra, Tupelkalkül, Erweiterte Relationale Algebra
4. SQL: Die relationale Datenbanksprache
5. Anwendungsprogrammierung
6. Entwurfstheorie
7. Transaktionskonzepte u. Fehlerbehandlung
8. Indexstrukturen
9. Anfrageverarbeitung
10.Data Warehouse
11.XML-Datenbanken
Seite 5

1. Einführung
Einführung
� Datenbanksysteme (DBS) werden genutzt zur rechnergestützten Verwaltung großer
Datenbestände, die auf nichtflüchtigen Speichermedien abgelegt werden.
– Daten liegen i. A. auf großen Magnetplattenspeicher
� Datenbanksystem besteht aus
– Datenbankverwaltungssystem (engl. database management system, DBMS)
Dahinter verbirgt sich die Software zur Verwaltung von Daten.
– Datenbank
Darunter versteht man die zu verwaltenden Daten und andere Hilfsdaten (z. B. Indexe und
Metadaten). Eine Datenbank stellt eine logische Einheit dar.
Benutzer
Dateneingabe
Anfragen Antworten
Database Management System (DBMS)
Datenbank
Seite 6

Anwendungen von Datenbanksystemen
� Implementierung anwendungsspezifischer Informationssysteme durch Datenbanksysteme
– Beispiel: SAP
� Klassische Anwendungen
– Bankinformationssystem:
Verwaltung der Kunden, ihre Konten, …
– Versicherungsinformationssystem:
Verwaltung der Kunden, ihre Verträge, …
� Neuartige Anwendungen
– Biologie:
Gen-Datenbanken
– Geo-Datenbanken
Kataster, Leitungsnetzwerke wie z. B. bei Energieversorger
– Content-Managementsysteme
Text-Dokumente wie z. B. Artikel, Zeitschriften, Bücher
– Multimedia-Informationssysteme:
Bilder, Videos
Einführung
Seite 7

Einführung
Als es noch keine Datenbanksysteme gab, …
� Entwicklung von DBS setzte erst in den frühen 60er Jahre ein. Zuvor wurden vornehmlich
einfache Dateisysteme benutzt.
Beispiel für die Datenverarbeitung in einer Versicherung:
� Drei Kundenberater Alfred, Beatrice und Carlo, die je nach Art des
Versicherungstyps Kunden betreuen.
� Jeder der Kundenberater benutzt für den Zugriff auf die
Kundendaten ein eigenentwickeltes Programm
� Jeder Berater hat seine eigene Kundendatei
KB Alfred
KB Beatrice
KB Carlo
Programm
KundenVonA
Programm
KundenVonB
Programm
KundenVonC
Seite 8

Anwendungsprogramme
� Anwendungsprogramm (AWP)
– Ein Programm, das direkt durch den Benutzer oder eine spezifische
Anwendungskomponente aufgerufen wird.
� Beispiel (statt wie früher üblich Cobol oder PL1 benutzen wir Java)
import java.io.*;
class Anfrage1 {
public static void main(String[] args) throws IOException {
int index = Integer.parseInt(args[0]);
float tmp, limit = Integer.parseFloat(args[1]);
}
}
Einführung
RandomAccessFile raf = new RandomAccessFile("feld.myf", "r");
while (index*4 < raf.length()) {
raf.seek(index * 4);
index++;
tmp = raf.readFloat();
if (tmp > limit)
System.out.println(raf.readFloat());
raf.close();
Seite 9

Probleme der frühen Datenverarbeitung
Einführung
� Direkte Erzeugung und Verarbeitung der Daten erfolgte im AWP unter Verwendung von
Dateien
– kein standardisiertes Speicherungsformat
– hoher Aufwand beim Austausch von Daten verschiedener Benutzern
– mehrfache und unkoordinierte Verwaltung der Daten
– häufige Inkonsistenzen im Datenbestand
– hoher Aufwand bei der Verknüpfung von Daten aus mehreren Dateien
� Zugriff auf Daten erfolgt explizit im AWP
– hoher Aufwand für die Entwicklung einer großen Anzahl maßgeschneiderter, aber auch
unflexibler Programme
– Programmcode zur Optimierung des Datenzugriffs durch den Anwender
� Dateninkonsistenzen bei gleichzeitigem Zugriff durch mehrere Benutzer
� Unzureichende Möglichkeiten beim Datenschutz
Seite 10

Anforderungen an ein Datenbanksystem
Gemeinsame Datenbasis und Mehrbenutzerbetrieb
� Gemeinsam genutzte, persistente Datenbasis auf dem Externspeicher
– Zugriff der Benutzer und der AWP auf einen gemeinsam verwalteten Datenbestand
� Kontrollierte Datenredundanz
– Vermeidung von Kopien derselben Daten durch integrierte Verwaltung aller Daten.
� Mehrbenutzerbetrieb
– Gleichzeitiger Zugriff mehrerer Benutzer auf ihre Daten
– Virtuelles Einbenutzersystem
Korrektheit und Qualität der Daten
Einführung
� Datenintegrität
– Unterstützung von Integritätsbedingungen zur Gewährleistung der Korrektheit und
Vollständigkeit der Daten
– Automatische Überprüfung der Bedingungen beim Einfügen, Ändern und Löschen der
Daten
Seite 11

Einführung
� Datenkonsistenz
– Automatische Sicherstellung der Datenkonsistenz auf Basis der Integritätsbedingungen
� Datenschutz
– Zugriffskontrolle durch Authentisierung und Verschlüsselung
– Schutz der Datenbank vor nicht-autorisierten Zugriff
� Fehlerbehandlung
– Schutz vor den Auswirkungen von Systemfehlern
– Wiederanlauf des Systems (Recovery): automatisches Wiederherstellen des zuletzt
aktuellen, konsistenten Datenbankzustands mittels von Log-Dateien
– Anlegen von Sicherungskopien für den Fall der Zerstörung eines Speichermediums
Softwareentwicklung mit DBMS
� Schnelle Entwicklung von neuen Anwendungen
– unter Ausnutzung einer mächtigen Infrastruktur
� Flexible und schnelle Anpassung von Programmen bei Änderungen im Datenbestand
– Verteilung der Daten über mehrere Platten
– Änderung der Speicherorganisation
– Änderung des Typs der Daten
Seite 12

� Bereitsstellung verschiedener Benutzerschnittstellen
– Ad-hoc Anfragesprachen für interaktive Benutzer
– Programmierschnittstellen für die Erstellung von AWP
– Menügesteuerte, einfach zu benutzende Schnittstelle (GUI)
– Spezieller Zugang für Administrator (z. B. zur Datendefinition)
Performanz
� Schneller Datenzugriff
– Mächtige Sammlung von Werkzeugen zur effizienten Speicherung und
Anfrageverarbeitung externer Datenquellen.
– Indexstrukturen für Plattenspeicher
– Effiziente Algorithmen zum externen Sortieren
� Effektive Anfragebearbeitung
– Übersetzung und Optimierung von Anfragen
– Anfrageoptimierung mit dem Ziel eines hohen Durchsatzes (Anfragen/Sekunde)
Einführung
Seite 13

Nach einer Umstrukturierung ...
� Zugriff auf die Datenbank nur über ein DBMS
� Es gibt nur einen zentralen Datenbestand
– (eigentlichen) Daten
– Metadaten (Daten über die Daten)
– Funktionen
Alfred Carlo Beatrice
DBMS
DB
Einführung
Seite 14

Datenabstraktion
DBS besitzt mehrere Abstraktionsstufen:
� Externe Ebenen: beschreiben den Teil der DB, der für
einen Benutzer (oder eine Benutzergruppe) relevant ist.
� Konzeptionelle Ebene gibt an, welche Daten und
welche Beziehungen in der DB vorhanden sind
� Physisches Ebene beschreibt, wie die Daten
physisch abgelegt sind (physisches Datenmodell)
Datenbankschema
� Enwurf der Datebank bzgl. der drei Ebenen:
– externe Schemata
– ein konzeptionelle Schema
– ein physisches Schema.
� AWP greifen über ein externes Schema auf die Daten eines DBS zu.
Datenbankzustand
� Konkrete Instanz, die dem Datenbankschema folgt.
AWP
externe
Ebenen
konzeptionelle
Ebene
physische
Ebene
Einführung
Seite 15

Datenunabhängigkeit
Einführung
� bezeichnet die Eigenschaft, das Schema in einer Ebene zu ändern, ohne dabei das Schema der
Daten in der darüber liegenden Ebene zu beeinflussen.
� Logische Datenunabhängigkeit:
– Änderungen an der konzeptionellen Ebene haben keine
Auswirkungen auf die externe Ebene und damit auch
nicht auf die AWP.
– Beispiel:
Daten bei der Kontoführung sollen um das Attribut
“Uhrzeit” erweitert werden.
� Physische Datenunabhängigkeit:
– Änderungen an der physischen Ebene haben keine
Auswirkungen auf die konzeptionelle Ebene und
damit auch nicht auf die externe Ebenen und die AWP.
– Beispiele:
Der Datenbestand “Kontoführung” soll statt in einer
Datei auf mehrere Dateien verteilt gespeichert werden.
AWP
externe
Ebenen
konzeptionelle
Ebene
physische
Ebene
Der Algorithmus für das externe Sortieren wird neu implementiert.
Ein Suchbaum soll aufgebaut werden, um schneller Anfragen zu beantworten.
Seite 16

Datenmodelle
� Ein Datenmodell ist ein Formalismus zur Beschreibung und Definition
– von Daten
– und von Operationen zur Datenmanipulation.
Dies beinhaltet nicht nur die Syntax, sondern insbesondere auch die Semantik!
� Typischerweise besitzt ein DBS zumindest zwei Datenmodelle:
– physisches Datenmodell: zur speicher-orientierten Repräsentation der Daten
– logisches Datenmodell: zur benutzer-orientierten Repräsentation der Daten
� logische Datenmodelle sind
– objekt-orientiert, z. B.
Entity-Relationship Modell
objektorientiertes Modell
– satz-orientiert, z. B.
relationales Datenmodell
Netzwerk-Datenmodel
hierarchisches Datenmodell
Einführung
Seite 17

Sprachen in DBS
Datendefinitionssprache (DDL = data definition language)
� Sprache zur Manipulation des Datenbankschemas
� Verwaltung von Meta-Daten zur Beschreibung des Schemas (data dictionary)
� Spezifikation von “lästigen” Implementierungsdetails
Datenmanipulationssprache (DML = data manipulation language)
Einführung
� Funktionalität:
– Einfügen, Löschen und Ändern von Datenobjekten in (aus) der Datenbank
– Suche nach Datenobjekten in der Datenbank
� Anfragesprachen sind i.a. deklarativ
– Benutzer spezifiziert nur, was für Daten gesucht werden, aber nicht wie die Daten
gefunden werden sollen.
� Herausforderung
– Anfrage, die ein Benutzer auf seiner externen Ebene deklarativ formuliert hat, wird in
eine effiziente, imperative Anfrage übersetzt, die auf Objekte der physischen Ebene
aufsetzt.
Seite 18

naiver
Benutzer
Code des
Anwenderprogramms
Komponenten eines DBMS
Anwendungsprogrammierer
Precompiler
der DML
Dateisystem
Dateien Dateien Daten-
Dictionary
Compiler
der DML
ad-hoc
Anfrager
Datenbank
Manager
Datenbankadministrator
Compiler der
Datendefinitionssprache
Einführung
Seite 19

Probleme heutiger Datenbanken
� Neue Formen der Datenerfassung
– Sensoren
– Ticker
– Anbindung von Web-Datenquellen
� Dadurch ergeben sich sehr große und ständig wachsende Datenbanken
– AT&T (2005)
Größe
• 330 TByte
• 1,8 Billionen Elemente
– UPS (2005)
Systemlast (Maximum)
• 315000 Anfragen/Sekunde
– Steigerungsrate von 2003 bis 2005: Faktor 10
� Zentrale Fragestellung
– Wie kann man solche Datenmengen beherrschen?
– Wie kann man DBMS bauen, die solch eine hohe Last unterstützen?
Einführung
Seite 20