Kukhar Maria. Dotazovací jazyky I MFF UK 2012
|
|
- Bohumila Křížová
- před 5 lety
- Počet zobrazení:
Transkript
1 Kukhar Maria Dotazovací jazyky I MFF UK 2012
2 1. Rozšíření SQL pro spreadsheety 2. Motivační příklad použití spreadsheetu 3. Analýza a optimalizace spreadsheetu 4. Zpracování SQL Spreadsheet 5. Experimentální výsledky
3 Faktová tabulka f(t,r,p,s,c Dimenze: t čas, r region, p produkt Metriky: s prodej, c ceny
4 PARTITION (PBY Rozdělení dat do disjunktních podmnožin DIMENSION (DBY Identifikují jedinečný řádek v každé časti (partition - buňka Popisky dat MEASURES (MEA Počítané výrazy Struktura Spreadsheet klauzule: <existing parts of a query block> SPREADSHEET PBY (cols DBY (cols MEA (cols <processing options> ( <formula>, <formula>,.., <formula> Odkazování na jednu buňku s[p= dvd, t=2002] Odkazování na řadu buněk s[p= dvd, t<2002]
5 Příklad SELECT r, p, t, s FROM f SPREADSHEET PBY(r DBY (p, t MEA (s ( s[p= dvd,t=2002] = s[p= dvd,t=2001]*1.6, s[p= vcr,t=2002] = s[p= vcr,t=2000]+ s[p= vcr,t=2001], s[p= tv, t=2002] =avg(s[p= tv,1992<t<2002] Funkce cv( - přenáší hodnotu dimenze z levé strany na pravou Operátor * - označuje všechny hodnoty v dimenze SPREADSHEET DBY (r, p, t MEA (s ( s[ west,*,t>2001]= 1.2*s[cv(r,cv(p,t=cv(t-1]
6 Existenční formule SPREADSHEET PBY(r DBY (p, t MEA (s ( s[ vcr,t<2002]=avg(s[ vcr,cv(t-2<=t<cv(t] Výsledek existenční formule může být závislý na pořadí. Zadání pořadí pro zpracovaní SPREADSHEET PBY(r DBY (p, t MEA (s ( s[ vcr, t<2002] ORDER BY t ASC =avg(s[cv(p,cv(t-2<=t<cv(t]
7 Vytváření nových řádků UPSERT - vytvoří buňku pokud neexistuje, jinak update UPDATE - ignoruje neexistující buňky SPREADSHEET PBY(r DBY (p, t MEA (s ( UPSERT s[ tv, 2000] =s[ black-tv,2000] + s[ white-tv,2000] UPSERT nezpracovává existenční vzorce.
8 Objekty s různou dimenzionalitou: Prodej : region(r, product(p, sales(s a time(t Budget :region(r, product(p Referenční spreadsheety jako doplnění základního spreadsheetu Přístup jen pro čtení k jiným tabulkám během počítání Příklad: SELECT r, t, s FROM f GROUP by r, t SPREADSHEET REFERENCE budget ON (SELECT r, p FROM budget DBY(r MEA(p DBY (r, t MEA (s ( s[ west,2002]= p[ west ]*s[ west,2001], s[ east,2002]= s[ east,2001]+s[ east,2000]
9 AUTOMATIC ORDER - Implicitně se formule vyhodnocují podle závislostí SPREADSHEET PBY(r DBY (p, t MEA (s ( s[ dvd,2002] = s[ dvd,2000] + s[ dvd,2001] s[ dvd,2001] = 1000 SEQUENTIAL ORDER SPREADSHEET DBY(r,p,t MEA(s SEQUENTIAL ORDER (...<formulas>...
10 Formule jsou na sobě cyklicky závislé s[1] = s[1]/2 SEQUENTIAL ORDER SPREADSHEET DBY(r,p,t MEA(s SEQUENTIAL ORDER (...<formulas>... Opce pro zpracování ITERATE (n - požaduje opakování folmule n-krat. UNTIL condition - zastaví iteraci, pokud <condition> bude splněna před tím, než se stane maximálně n iterací stanovených ITERATE(n. SPREADSHEET DBY (x MEA (s ITERATE (10 UNTIL (PREVIOUS(s[1]-s[1] <= 1 ( s[1] = s[1]/2
11 Další instrukce Nastavení UPDATE/UPSERT mode jako defaullt (automaticky IGNORE NAV považuje NULL za 0 pro aritmetické operace Predikát <cell> IS PRESENT indikuje je-li řádek, identifikovaný buňkou <cell>, existoval před zpracováním spreadsheet klauzule. Vhodné pro zjištění hodnot UPSERT
12 2. Motivační příklad použití spreadsheetu (1 Příklad 1. SELECT r, p, t, s FROM f SPREADSHEET PBY(r DBY (p, t MEA (s ( F1: UPDATE s[ tv,2002] =slope(s,t[ tv,1992<=t<=2001]*s[ tv,2001] + s[ tv,2001] F2: UPDATE s[ vcr, 2002] =s[ vcr, 2000] + s[ vcr, 2001], F3: UPDATE s[ dvd,2002] =(s[ dvd,1999]+s[ dvd,2000]+s[ dvd,2001]/3, F4: UPSERT s[ video, 2002] =s[ tv,2002] + s[ vcr,2002]
13 2. Motivační příklad použití spreadsheetu (2 ANSI SQL Slope( funkce prochází data pro nalezení řádků vyhovujících predikátu 1992 <= t <= 2001 F1: agregační poddotaz, spojení do faktové tabulky f F2: dvojité spojení faktové tabulky sama se sebou F3: trojité spojení faktové tabulky sama se sebou F4: operaci UNION Složité generovat a neefektivní pro vykonání
14 2. Motivační příklad použití spreadsheetu (3 SQL spreadsheet Pokud se nám podaří vyvodit, že se jedná o Integer, F1 se transformuje na F1: UPDATE s[ tv,2002] = slope(s,t[ tv,t in (1992,.,2001]*s[ tv,2001]+ s[ tv,2001] To umožňuje použít náhodný přístup a nemusejí se data procházet a zjišťovat zda vyhovují predikátu. F2, F3, F4 využívají strukturu přímo. Struktura je pak použita vícekrát a to zvýší produktivitu více než hodně spojení, které potřebuje ANSI SQL.
15 2. Motivační příklad použití spreadsheetu (4 Příklad 2. Spreadsheet SELECT r, p, t, s FROM f SPREADSHEET PBY(r, p DBY (t MEA (s, 0 as x1 ( UPSERT x[for t IN (SELECT t FROM time_dt]= 0 ANSI SQL SELECT f.r, f.p, f.t, f.s FROM f RIGHT OUTER JOIN ( (SELECT DISTINCT r, p FROM f CROSS JOIN (SELECT t FROM time_dt v ON (f.r = v.r and f.p = v.p and f.t = v.t Obsahuje kartézský součin f a time_td a spojuje to s f. To mnohem méně efektivní nežli v spreadsheet
16 Orientovaný graf, vrcholy jsou formule, hrany jsou závislosti formulí Formule F1 závisí na F2 (F2 -> F1 právě tehdy když R(F1 má neprázdný průnik s L(F2 F1:s[ video,2000]=s[ tv, 2000]+s[ vcr, 2000] F2:s[ vcr, 2000]=s[ vcr,1998]+s[ vcr, 1999] R(F - buňky referencované na pravé straně L(F- buňky modifikované na levé straně. Když odkazujeme na buňky jako s[ tv, t2+t3+t4< t5] - předpokládáme, že se formule odkazuje na všechny buňky Výsledkem vztahu -> je graf s formulemi jako vrcholy a závislostí jako hrany. Pro acyklický graf lze dosáhnout minimální počet scanů pomocí minimalizace čísla úrovní.
17 Formule které nepotřebujeme můžem odstranit. To je takové formule u kterých Hodnota není využitá žádné další formuli Změněné buňky jsou vyfiltrovány vnějším dotazovacím blokem nebo nejsou referencovány ve vnějším bloku SELECT * FROM (SELECT r, p, t, s FROM f SPREADSHEET PBY(r DBY (p, t MEA (s UPDATE ( F1: s[ dvd,2000]=s[ dvd, 1999]*1.2, F2: s[ vcr,2000]=s[ vcr,1998]+s[ vcr,1999], F3: s[ tv, 2000]=avg(s[ tv, 1990<t<2000] v WHERE p in ( dvd, vcr, video ; Algoritmus identifikuje formule takové, z kterých nevedou hrany
18 Pro odstranění zbytečných vypočtu nevždy stačí Prořezání formulí SELECT * FROM (SELECT r, p, t, s FROM f SPREADSHEET PBY(r DBY (p, t MEA (s,c UPDATE ( F1: s[*,2002]=c[cv(p, 2002]*2, v Nemůžem vyloučit F1, ale nepotřebujem pro spočítání s hodnoty všech produktu. Proto přepíšem levou stranu formule F1 : s[p in ( dvd, vcr,2002]= c[cv(p, 2002]*2
19 Posun PBY predikátů mezi vnitřním a vnějším blokem vždy správný SELECT * FROM (SELECT r, p, t, s FROM f SPREADSHEET PBY(r DBY (p, t MEA (s UPDATE ( F1:s[ dvd,2000]=s[ dvd,1999]+s[ dvd,1997], F2:s[ vcr,2000]=s[ vcr,1998]+s[ vcr,1999] v WHERE r = east and t = 2000 and p = dvd Posun muže být mezi nezávislými dimenzemi Při absenci pravidel UPSERT nezávislé dimenze můžou se přemístit z DBY do PBY. SPREADSHEET PBY(r, p DBY (t MEA (s UPDATE
20 Vnější DBY predikáty, které není nezávislý lze také posouvat predikát který definuje ohraničující obdélník referenčních buněk Pro F2 je to p= vcr a t v (1998, 1999 Pro F1 je to p= dvd a t v (1997, 1999 Ohraničující obdélník pro celý spreadsheet p in ( vcr, dvd a t v (1997, 1998, 1999 Máme vnější predikát t = 2000 s t v(1997, 1998, 1999 => posun t v (1997, 1998, 1999, Obtížný scénář - ohraničující obdélník nemůže být určen pro formule v dobu optimalizace
21 S1 SELECT p, m, s, r_yago, r_qago FROM (SELECT p, m, s FROM f GROUP BY p, m SPREADSHEET REFERENCE prior ON (SELECT m, m_yago, m_qago FROM time_dt DBY(m MEA(m_yago, m_qago PBY(p DBY (m MEA (sum(s s,r_yago,r_qago ( F1: r_yago[*] = s[cv(m] / s[m_yago[cv(m]], F2: r_qago[*] = s[cv(m] / s[m_qago[cv(m]] v WHERE p = dvd and m IN ( , ;
22 Ref-subquery pushing S2 WITH ref_subquery AS (SELECT m, m_yago, m_qago FROM time_dt WHERE m IN ( , SELECT m AS m_value FROM ref_subquery UNION SELECT m_yago AS m_value FROM ref_subquery UNION SELECT m_qago AS m_value FROM ref_subquery Posun do vnitřního bloku dotazu: SELECT p, m, s, r_yago, r_qago FROM (SELECT p, m, s FROM f WHERE m IN (SELECT m_value FROM S2 GROUP BY p, m SPREADSHEET <.. as above in query S1.. > WHERE p = dvd and m IN ( , ;
23 Extended pushing SELECT DISTINCT m_yago, m_qago FROM time_dt WHERE m IN ( , Aby získat hodnoty pro m_yago a m_qago odpovídající m IN ( , Předpokládejme, že odpovídající pro m_yago je ( , a pro m_qago je ( , Nakonec jsme posunem tento predikát do vnitřního dotazu: SELECT p, m, s, r_yago, r_qago FROM (SELECT p, m, s FROM f WHERE m IN ( , , /* outer preds */ , , /* prev year */ , /* prev quart */ GROUP BY p, m SPREADSHEET <.. as above in query S1.. > WHERE p = dvd and m IN ( , ;
24 Formula unfolding Pro m = , hodnota m_yago = и m_qago = Pro m = , hodnota m_yago = , a m_qago= Tyto formule rozvinují jako SELECT p, m, s, r_yago, r_qago FROM (SELECT p, m, s FROM f GROUP BY p, m SPREADSHEET REFERENCE prior ON (SELECT m, m_yago, m_qago FROM time_dt DBY(m MEA(m_yago, m_qago PBY(p DBY (m MEA (sum(s s,r_yago,r_qago ( F1: r_yago[ ] = s[ ] / s[ ], F1 : r_yago[ ] = s[ ] / s[ ], F2: r_qago[ ] = s[ ] / s[ ], F2 : r_qago[ ] = s[ ] / s[ ] v WHERE p = dvd and m IN ( , ;
25 dvouúrovňová hašovací struktura přístupu 1. úroveň hash rozčlenění na základě PBY sloupců 2. úroveň hash tabulka na základě PBY&DBY sloupců Hash struktura podporuje operace, jako je probe, update, upsert, inser a skenování všech záznamů v rozčlenění spreadsheetu. Číslo rozčlenění první úrovně závisí na očekávané velikosti dat dostupné paměti Velké rozčlenění spreadsheetu disk-based hash tabulka ukazatel swizzling
26
27 2 způsoby zpracovaní: Auto-Acyclic (kompletní a přesný graf závislosti, který neobsahuje žádné cykly Auto-Cyclic (pro formule s cykly nebo s komplexní predikáty.
28 Auto-Acyclic( { for each partition P in the spreadsheet { for level Li from L1 to Ln { /* LSi = set of formulas in Li with * single cell refs on left side * LEi = set of formulas in Li with exist- * ential conditions on left side * * First, evaluate all aggregates in set * LSi, then all formulas in that set */ for each record r in P - (I for each aggregate A in LSi apply r to A; for each formula F in LSi evaluate F; /* Evaluate all formulas in LEi */ for each record r in P - (II { find all formulas EF in LEi to be evaluated for r for each record r in P - (III for each aggregate A in EF apply r to A; for each formula EF evaluate EF; } } } }
29 Auto-Cyclic Pro formule s cykly nebo s komplexní predikáty. najde soubory formule, obsahující silně souvislý komponenty (SCC a uloží formule v SCC do postupných úrovni NeSSC formule vyhodnoť jako acyklické. formule v SSC vyhodnoť max. N-krát N- počet buněk (upserted or updated v 1. iteraci. při konvergenci se zastaví Acykl. graf zkonverguje po max. N iteracích Pokud se Spreadsheet nekonverguje v N bude ohlášena chyba.
30 Formule jsou vyhodnocovány podle daného pořadí v spreadsheet klauzule. Algoritmus je podobný Auto-Acyklickému
31 Data jsou distribuována na Processing Elements (PE, které založeny na PBY, každá PE může fungovat na rozčleněních nezávisle na jíní PE V některých případech rozčlenění dat pouze na PBY omezuje stupeň paralelizace a tím i škálovatelnost. S3 SPREADSHEET PBY(r DBY(p, t MEA(s UPDATE ( F1: s[*,2002]= avg(s[cv(p, t in (1998,2000], F2: s[*,2003]= avg(s[cv(p, t in (1999,2001] změnim na SPREADSHEET PBY(r, p DBY(t MEA(s UPDATE ( s[2002] = avg(s[t in (1998, 2000], s[2003] = avg(s[t in (1999, 2001]
32 Vyšší úroveň detailizace rozčlenění umožňuje zároveň paralelizace na r a p. S4 SPREADSHEET PBY(r DBY(p, t MEA(s UPDATE ( s[p!= bike,2002]= avg(s[cv(p,t<2001] Přepsána jako SPREADSHEET PBY(r, p DBY(p, t MEA(s UPDATE ( s[p!= bike,2002]= avg(s[cv(p,t<2001]
33 Experimenty byly provedeny na měřítkě APB naplněném 0,1 hustotou dat. APB schéma má faktové tabulky s 4 hierarchické dimenzí: channel - 2 úrovní time - 3 úrovní customer - 3 úrovní product - 7 úrovní Nad faktovou tabulkou byla vybudovaná kostka a uchována v tabulce apb_cube Kostka má 4 dimenzí: t(ime,p(roduct, c(ustomer, h(channel Každá reprezentovaná jednim sloupcem se všemi hierarchickými úrovněmi zakódovanými do jedné hodnoty
34 S5 SELECT s, share_1, share_2, share_3, p, c, h, t, FROM apb_cube SPREADSHEET REFERENCE ON (SELECT p, parent1, parent2, parent3 FROM product_dt DBY (p MEA (parent1, parent2, parent3 PBY (c,h,t DBY (p MEA (s, 0 share_1, 0 share_2, 0 share_3 RULES UPDATE ( F1: share_1[*] = s[cv(p] / s[parent1[cv(p]] F2: share_2[*] = s[cv(p] / s[parent2[cv(p]] F3: share_3[*] = s[cv(p] / s[parent3[cv(p]] algoritmy: subquery, extended-pushing and formula-unfolding
35
36 SELECT s, a1.s/a2.s AS share_1, a1.s/a3.s AS share_2, a1.s/a4.s AS share_3, p, c, h, t, FROM apb_cube a1, apb_cube a1, apb_cube a3, apb_cube a4, product_dt p WHERE a1.p=p.p & a2.p=p.parent1 & a2.c=a1.c & a2.h=a1.h & a3.t=a1.t a3.p=p.parent2 & a3.c=a1.c & a3.h=a1.h & a3.t=a1.t a4.p=p.parent3 & a4.c=a1.c & a4.h=a1.h & a4.t=a1.t
37
38
39
40 Andrew Witkowski, Srikanth Bellamkonda, Tolga Bozkaya, Gregory Dorman, Nathan Folkert, Abhinav Gupta, Shen Sankar Subramanian: Spreadsheets in RDBMS for OLAP, 2003 Andrew Witkowski, Srikanth Bellamkonda, Tolga Bozkaya, Nathan Folkert, Abhinav Gupta, Lei Sheng,Sankar Subramanian: Business Modeling Using SQL Spreadsheets
Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1. Your Organization (Line #1)
Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1 2005-12-31 1.12.2009 Your Daniel Name Vojtek Jakub Your Valčík Title Your Organization (Line #1) Your Organization Query Languages (Line #2) I Agenda
VíceSQL Spreadsheet. Jakub Čermák jakub@jcermak.cz
SQL Spreadsheet Jakub Čermák jakub@jcermak.cz Agenda Úvod, OLAP, Spreadsheet Rozšíření jazyka SQL pro spreadsheety Parametrizace Implementace Analýza a optimalizace dotazu Datová struktura, vyhodnocení
VíceCo bude výsledkem mého SELECTu? RNDr. David Gešvindr MVP: Data Platform MCSE: Data Platform MCSD: Windows Store MCT
Co bude výsledkem mého SELECTu? RNDr. David Gešvindr MVP: Data Platform MCSE: Data Platform MCSD: Windows Store MCT david@wug.cz @gesvindr Logické zpracování dotazu Jazyk T-SQL je deklarativní Popisujeme,
VíceXMW4 / IW4 Pokročilé SELECT dotazy. Štefan Pataky
XMW4 / IW4 Pokročilé SELECT dotazy Štefan Pataky TOP, OFFSET-FETCH Konverze datových typů Logické funkce Práce s řetězci Poddotazy a množinové dotazy SQL Windowing Agenda TOP TOP omezení počtu vrácených
VíceOperátory ROLLUP a CUBE
Operátory ROLLUP a CUBE Dotazovací jazyky, 2009 Marek Polák Martin Chytil Osnova přednášky o Analýza dat o Agregační funkce o GROUP BY a jeho problémy o Speciální hodnotový typ ALL o Operátor CUBE o Operátor
VíceDatabáze SQL SELECT. David Hoksza http://siret.cz/hoksza
Databáze SQL SELECT David Hoksza http://siret.cz/hoksza Osnova Úvod do SQL Základní dotazování v SQL Cvičení základní dotazování v SQL Structured Query Language (SQL) SQL napodobuje jednoduché anglické
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Dotazy přes více tabulek
5 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Jazyk SQL, Spojení tabulek, agregační dotazy, jednoduché a složené
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 5 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování K čemu se používají
VíceDatabázové systémy. Dotazovací jazyk SQL - II
Databázové systémy Dotazovací jazyk SQL - II SELECT I SELECT FROM WHERE GROUP BY HAVING
VícePG 9.5 novinky ve vývoji aplikací
PG 9.5 novinky ve vývoji aplikací P2D2 2016 Antonín Houska 18. února 2016 Část I GROUPING SETS, ROLLUP, CUBE Agregace Seskupení řádků tabulky (joinu) do podmnožin podle určitého kĺıče. Za každou podmnožinu
VíceArchitektury databázových
Univerzita Pardubice Fakulta elektrotechniky a informatiky Semestrální práce na Architektury databázových systémů Matěj Trakal Poslední úprava: 8. listopadu 2010 INADS 2010 (Žák) OBSAH Obsah 1 Zadání 2
VíceDJ2 rekurze v SQL. slajdy k přednášce NDBI001. Jaroslav Pokorný
DJ2 rekurze v SQL slajdy k přednášce NDBI001 Jaroslav Pokorný 1 Obsah 1. Úvod 2. Tvorba rekurzívních dotazů 3. Počítaní v rekurzi 4. Rekurzívní vyhledávání 5. Logické hierarchie 6. Zastavení rekurze 7.
VíceDatabázové systémy Cvičení 5.3
Databázové systémy Cvičení 5.3 SQL jako jazyk pro manipulaci s daty SQL jako jazyk pro manipulaci s daty Aktualizace dat v SQL úprava záznamů v relacích (tabulkách) vložení záznamu INSERT INTO oprava záznamu
VíceMulti-dimensional expressions
Multi-dimensional expressions Query sent to cube / returned from cube jazyk pro multidimenzionální dotazy ekvivalent SQL pro multidimenzionální databáze je jen prostředkem pro přístup k datům jako SQL
VíceInformační systémy ve zdravotnictví. 10. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Informační systémy ve zdravotnictví 10. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2014 Opakování K čemu
VíceIDS optimalizátor. Ing. Jan Musil, IBM ČR Community of Practice for
IDS optimalizátor Ing. Jan Musil, IBM ČR Community of Practice for CEEMEA Agenda Optimalizační plán dotazu Typy přístupových plánů Metody pro spojení tabulek Určení optimalizačního plánu Vyhodnocení přístupových
VíceKIV/ZIS cvičení 5. Tomáš Potužák
KIV/ZIS cvičení 5 Tomáš Potužák Úvod do SQL (1) SQL (Structured Query Language) je standardizovaný strukturovaný dotazovací jazyk pro práci s databází Veškeré operace v databázi se dají provádět pomocí
VíceKurz Databáze. Obsah. Dotazy. Zpracování dat. Doc. Ing. Radim Farana, CSc.
1 Kurz Databáze Zpracování dat Doc. Ing. Radim Farana, CSc. Obsah Druhy dotazů, tvorba dotazu, prostředí QBE (Query by Example). Realizace základních relačních operací selekce, projekce a spojení. Agregace
VíceÚvod do databází. Modelování v řízení. Ing. Petr Kalčev
Úvod do databází Modelování v řízení Ing. Petr Kalčev Co je databáze? Množina záznamů a souborů, které jsou organizovány za určitým účelem. Jaké má mít přínosy? Rychlost Spolehlivost Přesnost Bezpečnost
VíceDatabázové systémy. Datová integrita + základy relační algebry. 4.přednáška
Databázové systémy Datová integrita + základy relační algebry 4.přednáška Datová integrita Datová integrita = popisuje pravidla, pomocí nichž hotový db. systém zajistí, že skutečná fyzická data v něm uložená
VíceDatabázové systémy. Cvičení 6: SQL
Databázové systémy Cvičení 6: SQL Co je SQL? SQL = Structured Query Language SQL je standardním (ANSI, ISO) textovým počítačovým jazykem SQL umožňuje jednoduchým způsobem přistupovat k datům v databázi
VíceB0M33BDT Technologie pro velká data. Supercvičení SQL, Python, Linux
B0M33BDT Technologie pro velká data Supercvičení SQL, Python, Linux Sergej Stamenov, Jan Hučín 18. 10. 2017 Osnova cvičení Linux SQL Python 2 SQL pro uživatele aneb co potřebuje znát a umět bigdatový uživatel:
VíceDatabáze I. Přednáška 6
Databáze I Přednáška 6 SQL aritmetika v dotazech SQL lze přímo uvádět aritmetické výrazy násobení, dělení, sčítání, odčítání příklad z minulé přednášky: zdvojnásobení platu všem zaměstnancům UPDATE ZAMESTNANEC
VíceKIV/ZIS cvičení 6. Tomáš Potužák
KIV/ZIS cvičení 6 Tomáš Potužák Pokračování SQL Klauzule GROUP BY a dotazy nad více tabulkami Slučování záznamů do skupin (1) Chceme zjistit informace obsažené ve více záznamech najednou Klauzule GROUP
VíceJaký je rozdíl v definicicíh VARCHAR2(20 BYTE) a VARCHAR2(20 CHAR):
Mezi příkazy pro manipulaci s daty (DML) patří : 1. SELECT 2. ALTER 3. DELETE 4. REVOKE Jaké vlastnosti má identifikující relace: 1. Je relace, která se využívá pouze v případě modelovaní odvozených entit
VíceAnalýza a modelování dat. Přednáška 9
Analýza a modelování dat Přednáška 9 Další dotazování nad kostkou Rozšíření SQL99 rozšíření SQL99 (minulá přednáška): seskupovací operátory za GROUP BY CUBE statistiky dle řezů ROLLUP statistiky dle rolování
VíceInformační systémy ve zdravotnictví. 8. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Informační systémy ve zdravotnictví 8. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2014 Opakování Klauzule
VíceKapitola 4: SQL. Základní struktura
- 4.1 - Kapitola 4: SQL Základní struktura Množinové operace Souhrnné funkce Nulové hodnoty Vnořené poddotazy (Nested sub-queries) Odvozené relace Pohledy Modifikace databáze Spojené relace Jazyk definice
Více12. blok Pokročilé konstrukce SQL dotazů - část II
12. blok Pokročilé konstrukce SQL dotazů - část II Studijní cíl Tento blok je věnován pokročilým konstrukcím SQL dotazů, které umožní psát efektivní kód. Pozornost je věnována vytváření pohledů v rámci
VíceJazyk SQL 2. Michal Valenta. Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c M.Valenta, 2011 BI-DBS, ZS 2011/12
Jazyk SQL 2 Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c M.Valenta, 2011 BI-DBS, ZS 2011/12 https://edux.fit.cvut.cz/courses/bi-dbs/ M.Valenta (FIT ČVUT) Jazyk
VíceOptimalizace plnění a aktualizace velkých tabulek. Milan Rafaj, IBM
Optimalizace plnění a aktualizace velkých tabulek Milan Rafaj, IBM Agenda OLTP vs DSS zpracování Optimalizace INSERT operací Optimalizace DELETE operací Optimalizace UPDATE operací Zdroje Dotazy OLTP vs
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 4 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování Klauzule příkazu
VíceDotazovací jazyky I. Datová krychle. Soběslav Benda
Dotazovací jazyky I Datová krychle Soběslav Benda Obsah Úvod do problematiky Varianty přístupu uživatelů ke zdrojům dat OLTP vs. OLAP Datová analýza Motivace Vytvoření křížové tabulky Datová krychle Teorie
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Database Research Group Úvod do databázových systémů Cvičení 3 Ing. Petr Lukáš petr.lukas@vsb.cz
VíceDatabázové systémy Cvičení 5
Databázové systémy Cvičení 5 Dotazy v jazyce SQL SQL jako jazyk pro manipulaci s daty Aktualizace dat v SQL úprava záznamů v relacích (tabulkách) vložení záznamu INSERT INTO oprava záznamu UPDATE vymazání
Více- sloupcové integritní omezení
CREATE TABLE - CREATE TABLE = definice tabulek a jejich IO - ALTER TABLE = změna definice schématu - aktualizace - INSERT INTO = vkládání - UPDATE = modifikace - DELETE = mazání CREATE TABLE Základní konstrukce
VíceSQL v14. 4D Developer konference. 4D Developer conference 2015 Prague, CZ Celebrating 30 years
SQL v14 4D Developer konference Obsah části SQL Porovnání 4D a SQL Nové příkazy SQL Upravené příkazy SQL Optimalizace SQL SQL v14 porovnání Definice dat - struktury Manipulace s daty Definice dat Vytvoření
VíceVýroková a predikátová logika - III
Výroková a predikátová logika - III Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - III ZS 2017/2018 1 / 16 2-SAT 2-SAT Výrok je v k-cnf, je-li v CNF a
VíceJazyk SQL 1. Michal Valenta. Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c Michal Valenta, 2012 BI-DBS, ZS 2011/12
Jazyk SQL 1 Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c Michal Valenta, 2012 BI-DBS, ZS 2011/12 https://edux.fit.cvut.cz/courses/bi-dbs/ Michal Valenta (FIT
VíceDatabázové systémy I
Databázové systémy I Přednáška č. 8 Ing. Jiří Zechmeister Fakulta elektrotechniky a informatiky jiri.zechmeister@upce.cz Skupinové a souhrnné dotazy opakování Obsah Pohledy syntaxe použití význam Vnořené
VíceFormální sémantika SQL dotazování
Formální sémantika SQL dotazování Elina Hazaran Zuzana Vytisková 6.11. 2012 podle M. Negri, G. Pelagatti, L. Sbattela, 1991 Základní pojmy Formální logický model Pravidla pro překlad SQL dotazů do tohoto
VíceKIV/ZIS - SELECT, opakování
KIV/ZIS - SELECT, opakování soubor 4_databaze.accdb (lze použít ten z minula) http://home.zcu.cz/~krauz/zis/4_databaze.accdb minule: SELECT FROM WHERE ORDER BY SELECT sloupce jaké sloupce chceme vybrat
VíceÚvod do databázových systémů 3. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů 3. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2012 Klauzule příkazu Klauzule
VíceAnalýza a modelování dat. Přednáška 8
Analýza a modelování dat Přednáška 8 OLAP, datová kostka, dotazování nad kostkou Motivace většina DB relační zaznamenání vztahů pomocí logicky provázaných tabulek jakou mají velmi často vztahy povahu vztah
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Základní principy XML
10 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Export a import dat Formát XML a SQL server Zálohování a obnova
VíceVyhodnocování dotazů slajdy k přednášce NDBI001. Jaroslav Pokorný MFF UK, Praha
Vyhodnocování dotazů slajdy k přednášce NDBI001 Jaroslav Pokorný MFF UK, Praha pokorny@ksi.mff.cuni.cz Časová a prostorová složitost Jako dlouho trvá dotaz? CPU (cena je malá; snižuje se; těžko odhadnutelná)
VíceDotazování v relačním modelu a SQL
Databázové systémy Dotazování v relačním modelu a SQL Petr Krajča Katedra informatiky Univerzita Palackého v Olomouci Petr Krajča (UP) KMI/YDATA: Přednáška II. 14. říjen, 2016 1 / 35 Opakování Relační
VíceDotazovací jazyk pro řazená data
Dotazovací jazyk pro řazená data NDBI006 2011 Martin Chytil Motivace - dotazy závislé na pořadí Úvod do jazyka AQuery Datový model Algebra Transformace dotazů - optimalizace Výsledky experimentů Podobné
Více8. Zpracování dotazu. J. Zendulka: Databázové systémy 8 Zpracování dotazu 1
8. Zpracování dotazu 8.1. Podstata optimalizace zpracování dotazu... 2 8.2. Postup optimalizace zpracování dotazu... 3 8.2.1. Implementace spojení... 5 8.2.2. Využití statistik databáze k odhadu ceny dotazu...11
VíceJ. Zendulka: Databázové systémy 8 Zpracování dotazu Podstata optimalizace zpracování dotazu
8. Zpracování dotazu 8.1. Podstata optimalizace zpracování dotazu... 2 8.2. Postup optimalizace zpracování dotazu... 3 8.2.1. Implementace spojení... 5 8.2.2. Využití statistik databáze k odhadu ceny dotazu...11
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 3 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování 4 fáze vytváření
Více6. blok část B Vnořené dotazy
6. blok část B Vnořené dotazy Studijní cíl Tento blok je věnován práci s vnořenými dotazy. Popisuje rozdíl mezi korelovanými a nekorelovanými vnořenými dotazy a zobrazuje jejich použití. Doba nutná k nastudování
VíceOn line analytical processing (OLAP) databáze v praxi
On line analytical processing (OLAP) databáze v praxi Lukáš Matějovský Lukas.Matejovsky@CleverDecision.com Jan Zajíc Jan.Zajic@CleverDecision.com Obsah Představení přednášejících Základy OLAP Příklady
Více2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE
2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE Studijní cíl Tento blok je věnován základní syntaxi příkazu SELECT, pojmům projekce a restrikce. Stručně zde budou představeny příkazy
VíceSQL injection jak ji možná neznáte Roman Kümmel
SQL injection jak ji možná neznáte Roman Kümmel r.kummel@hacker-consulting.cz Výskyt První zmínky o SQL injekci pochází z roku 1998 Ani po ti letech není situace uspokojivá Zranitelností SQL injection
VíceDatabázové systémy Tomáš Skopal
Databázové systémy Tomáš Skopal - SQL * úvod * dotazování SELECT Osnova přednášky úvod do SQL dotazování v SQL příkaz SELECT třídění množinové operace 2 SQL 3 structured query language standardní jazyk
VíceSQL SQL-SELECT. Informační a znalostní systémy. Informační a znalostní systémy SQL- SELECT
-SELECT Informační a znalostní systémy 1 - Structured Query Language norma pro dotazování nad relačními databáze díky přenositelnosti- rozmach relačních databází zahrnuje jak dotazování na data, tak změny
Více6. blok část C Množinové operátory
6. blok část C Množinové operátory Studijní cíl Tento blok je věnován problematice množinových operátorů a práce s množinovými operátory v jazyce SQL. Čtenáři se seznámí s operátory, UNION, a INTERSECT.
VíceDatabáze I. 5. přednáška. Helena Palovská
Databáze I 5. přednáška Helena Palovská palovska@vse.cz SQL jazyk definice dat - - DDL (data definition language) Základní databáze, schemata, tabulky, indexy, constraints, views DATA Databáze/schéma
VíceNovinky v PostgreSQL 9.4. Tomáš Vondra, 2ndQuadrant
Novinky v PostgreSQL 9.4 Tomáš Vondra, 2ndQuadrant (tomas@2ndquadrant.com) http://blog.pgaddict.com (tomas@pgaddict.com) vývojáři JSONB aggregate expressions (FILTER) SELECT a, SUM(CASE WHEN b < 10 THEN
VíceParalelní dotazy v PostgreSQL 9.6 (a 10.0)
Paralelní dotazy v PostgreSQL 9.6 (a 10.0) Tomáš Vondra tomas.vondra@2ndquadrant.com Prague PostgreSQL Developer Day 16. února, 2017 Agenda spojení vs. procesy v PostgreSQL využití zdrojů výhody, nevýhody,
VíceTimescaleDB. Pavel Stěhule 2018
TimescaleDB Pavel Stěhule 2018 O výkonu rozhodují Algoritmy Datové struktury 80-90 léta - vize univerzálních SQL databází Po roce 2000 - specializované databáze Relační SQL databáze Běžně optimalizována
VíceVýroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2015/2016 1 / 18 Základní syntax Jazyk Výroková logika je logikou
VíceOptimalizace dotazů a databázové transakce v Oracle
Optimalizace dotazů a databázové transakce v Oracle Marek Rychlý Vysoké učení technické v Brně Fakulta informačních technologií Ústav informačních systémů Demo-cvičení pro IDS 22. dubna 2015 Marek Rychlý
VíceDatabáze 2011/2012 SQL SELECT II. RNDr.David Hoksza, Ph.D.
Databáze 2011/2012 SQL SELECT II. RNDr.David Hksza, Ph.D. http://siret.cz/hksza Osnva Pkrčilé SQL IN, EXIST, ANY, ALL GROUP BY, HAVING CASE, COALESCE Mnžinvé perace Cvičení pkrčilé dtazvání v SQL Klauzule
VíceDatové modelování II
Datové modelování II Atributy Převod DM do schématu SŘBD Dotazovací jazyk SQL Multidimenzionální modelování Principy Doc. Miniberger, BIVŠ Atributy Atributem entity budeme rozumět název záznamu či informace,
VíceFakulta elektrotechniky a informatiky Databázové systémy 2. Leden 2010 souhrn. Červené dobře (nejspíš), modré možná
ZKOUŠKOVÉ TESTY Leden 2010 souhrn Červené dobře (nejspíš), modré možná Pomocí kterého databázového objektu je implementován ATRIBUT z konceptuálního modelu? sloupec referenční omezení index tabulka Omezení
VíceDatabázové systémy a SQL
Databázové systémy a SQL Lekce 2 Daniel Klimeš Autor, Název akce 1 Operátory a funkce +,- Sčítání, odečítání *,/ Násobení, dělení =, , >=,
VíceObsah. SQL konstrukce select join Rekurze (rekurzivní with) Analytické funkce, group by Pivoting
Cvičení 5 SQL 1 Obsah SQL konstrukce select join Rekurze (rekurzivní with) Analytické funkce, group by Pivoting 2 2 Oracle Model 3 3 Načtení modelu z katalogu Napojení: IP adresa: 193.85.191.165 Port:
VíceDatabázové systémy. - SQL * definice dat * aktualizace * pohledy. Tomáš Skopal
Databázové systémy - SQL * definice dat * aktualizace * pohledy Tomáš Skopal Osnova přednášky definice dat definice (schémat) tabulek a integritních omezení CREATE TABLE změna definice schématu ALTER TABLE
VíceMarketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské
VíceUniverzita Palackého v Olomouci Radek Janoštík (Univerzita Palackého v Olomouci) Základy programování 4 - C# 10.4.
Základy programování 4 - C# - 9. cvičení Radek Janoštík Univerzita Palackého v Olomouci 10.4.2017 Radek Janoštík (Univerzita Palackého v Olomouci) Základy programování 4 - C# 10.4.2017 1 / 13 Reakce na
VíceMaterializované pohledy
Materializované pohledy Pavel Baroš, 2010 Obsah Materializované pohledy Co přináší? Řešení ostatních DBS syntaxe a semantika pro: Oracle, MS SQL, DB2 ostatní Možné řešení pro PostgreSQL PostgreSQL 2 Materializované
VíceNávrh a tvorba WWW stránek 1/14. PHP a databáze
Návrh a tvorba WWW stránek 1/14 PHP a databáze nejčastěji MySQL součástí balíčků PHP navíc podporuje standard ODBC PHP nemá žádné šablony pro práci s databází princip práce s databází je stále stejný opakované
VíceCS 245: Database System Principles
CS 245: Database System Principles Notes 6: Query Processing Hector Garcia-Molina CS 245 Notes 6 1 Vyhodnocení dotazu Dotaz Strom dotazu Logický plán Úpravy Fyzický plán Vyhodnocení CS 245 Notes 6 2 Příklad
VíceStored Procedures & Database Triggers, Tiskové sestavy v Oracle Reports
, Marek Rychlý Vysoké učení technické v Brně Fakulta informačních technologií Ústav informačních systémů Demo-cvičení pro IDS 9. dubna 2014 Marek Rychlý Stored Procedures & Database Triggers, Demo-cvičení
VíceVzorové příklady SQL. Tabulka: Kniha CREATE TABLE kniha (id INTEGER, název VARCHAR(50), PRIMARY KEY (id))
Vzorové příklady SQL Tabulka: Kniha CREATE TABLE kniha název VARCHAR(50, PRIMARY KEY (id Tabulka: Autoři CREATE TABLE autoři jméno VARCHAR(10, příjmení VARCHAR(20, titul VARCHAR(7, prostřední VARCHAR(10,
VíceMarketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 2. a 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká: 2. soustředění 16.1.2009
VíceMichal Krátký, Miroslav Beneš
Databázové a informační systémy Michal Krátký, Miroslav Beneš Katedra informatiky VŠB Technická univerzita Ostrava 5.12.2005 2005 Michal Krátký, Miroslav Beneš Databázové a informační systémy 1/24 Obsah
VíceTéma 9 Relační algebra a jazyk SQL
Téma 9 Relační algebra a jazyk SQL Obsah. Relační algebra 2. Operace relační algebry 3. Rozšíření relační algebry 4. Hodnoty null 5. Úpravy relací 6. Stručný úvod do SQL 7. SQL a relace 8. Základní příkazy
VíceTvorba informačních systémů
Tvorba informačních systémů Michal Krátký Katedra informatiky VŠB Technická univerzita Ostrava Tvorba informačních systémů, 2006/2007 c 2006 2008 Michal Krátký Tvorba informačních systémů 1/17 Úvod XML
VíceDATA CUBE. Mgr. Jiří Helmich
DATA CUBE Mgr. Jiří Helmich Analytické kroky formulace dotazu analýza extrakce dat vizualizace Motivace n-sloupcová tabulka v Excelu vs. sloupcový graf Dimensionality reduction n dimenzí data obecně uspořádána
VíceRELAČNÍ DATABÁZOVÉ SYSTÉMY
RELAČNÍ DATABÁZOVÉ SYSTÉMY VÝPIS KONTROLNÍCH OTÁZEK S ODPOVĚDMI: Základní pojmy databázové technologie: 1. Uveďte základní aspekty pro vymezení jednotlivých přístupů ke zpracování hromadných dat: Pro vymezení
Více4. blok část A Logické operátory
4. blok část A Logické operátory Studijní cíl Tento blok je věnován představení logických operátorů AND, OR, NOT v jazyce SQL a práce s nimi. Doba nutná k nastudování 1-2 hodiny Průvodce studiem Při studiu
VíceAnalýza a modelování dat 5. přednáška. Helena Palovská
Analýza a modelování dat 5. přednáška Helena Palovská Historie databázových modelů Multidimenzionální model Kvantitativní typ faktu s určitými hledisky např.: Kdo komu kdy jak moc čeho prodal. kdo, komu,
VíceGIS Spatial SQL. Dotazy nad prostorovými daty 11 požadavků na prostorový dotazovací jazyk Prostorové operace Prostorové predikáty Příklad užití GIS 1
GIS Spatial SQL Dotazy nad prostorovými daty 11 požadavků na prostorový dotazovací jazyk Prostorové operace Prostorové predikáty Příklad užití GIS 1 Spatial SQL Potřeba vhodného jazyka pro kladení dotazů
Více1. Relační databázový model
1. Relační databázový model Poprvé představen 1969 (Dr. Edgar F. Codd) IBM Založeno na Teorii množin Predikátové logice prvního řádu Umožňuje vysoký stupeň nezávislosti dat základ pro zvládnutí sémantiky
VíceGIS Geografické informační systémy
GIS Geografické informační systémy GIS Spatial SQL Dotazy nad prostorovými daty 11 požadavků na prostorový dotazovací jazyk Prostorové operace Prostorové predikáty Příklad užití Spatial SQL Potřeba vhodného
VíceTemporální databáze. Jan Kolárik Miroslav Macík
Temporální databáze Jan Kolárik Miroslav Macík 2012 Úvod jak zachytit časově proměnnou povahu jevů konvenční databáze stav pouze v jednom bodě časové linie aktuální obsah ~ statický snímek (snapshot) temporální
VíceDatabázové a informační systémy
Databázové a informační systémy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Obsah Jak ukládat a efektivně zpracovávat
VíceInformační systémy ve zdravotnictví. 6. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Informační systémy ve zdravotnictví 6. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2014 Opakování Relace
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Jazyk SQL
4 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Jazyk SQL, datové typy, klauzule SELECT, WHERE, a ORDER BY. Doporučená
VíceDistanční opora předmětu: Databázové systémy Tématický blok č. 1: Dotazovací jazyk SQL Autor: RNDr. Jan Lánský, Ph.D.
Distanční opora předmětu: Databázové systémy Tématický blok č. 1: Dotazovací jazyk SQL Autor: RNDr. Jan Lánský, Ph.D. Obsah kapitoly 1 Instalace Microsoft SQL Serveru 2 Dotazovací jazyk SQL 3 Příkaz SELECT
VíceDatabáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek
Databáze datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek 980103 Jan Novak Dlouha 5 Praha 1 9945371 100.00 100.00 980105 Jan Novak Dlouha 5 Praha 1 9945371 1500.00 1600.00 980106
VíceAlgoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
VíceZáklady informatiky. 08 Databázové systémy. Daniela Szturcová
Základy informatiky 08 Databázové systémy Daniela Szturcová Problém zpracování dat Důvodem je potřeba zpracovat velké množství dat - evidovat údaje o nějaké skutečnosti. o skupině lidí (zaměstnanců, studentů,
VíceVyužití XML v DB aplikacích
Využití XML v DB aplikacích Michal Kopecký Výběr ze slajdů k 7. přednášce předmětu Databázové Aplikace (DBI026) na MFF UK Komunikace aplikace s okolím Databázová aplikace potřebuje často komunikovat s
VíceInnoDB transakce, cizí klíče, neumí fulltext (a nebo už ano?) CSV v textovém souboru ve formátu hodnot oddělených čárkou
MySQL Typy tabulek Storage Engines MyISAM defaultní, neumí transakce, umí fulltext InnoDB transakce, cizí klíče, neumí fulltext (a nebo už ano?) MEMORY (HEAP) v paměti; neumí transakce ARCHIVE velké množství
VíceMichal Krátký. Tvorba informačních systémů, 2008/2009. Katedra informatiky VŠB Technická univerzita Ostrava. Tvorba informačních systémů
Tvorba informačních systémů 1/18 Tvorba informačních systémů Michal Krátký Katedra informatiky VŠB Technická univerzita Ostrava Tvorba informačních systémů, 2008/2009 Tvorba informačních systémů 2/18 Úvod
VíceZákladní přehled SQL příkazů
Základní přehled SQL příkazů SELECT Základní použití Příkaz SELECT slouží k získání dat z tabulky nebo pohledu v požadované podobě. Získání všech řádků a sloupců z tabulky SELECT * FROM Person.Contact
Více