Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg1/24

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg 1/24

Beispiel einer Anfrage

Welche Umsätze sind in den Jahren 1998 und 1999 in den Abteilungen Kosmetik,

Elektro und Haushaltswaren in den Bundesländern Sachsen-Anhalt und

Thüringen angefallen?


Fragestellungen und Aufgaben (Bsp.)

• Überprüfung des Warensortiments zur Erkennung von Ladenhütern oder

Verkaufsschlagern

• Standortanalyse zur Einschätzung der Rentabilität von Niederlassungen

• Untersuchung der Wirksamkeit von Marketing-Aktionen

• Auswertung von Kundenbefragungen, Reklamationen bezüglich bestimmter

Produkte etc.

• Analyse des Lagerbestandes

• Warnkorbanalyse mit Hilfe der Kassenbons

Kosmetik


Zeitraum

Produkt

SummeHaushaltElektro

1998

1999

Summe

Sachs

en-

Anhal

t

Thür

inge

nSum

me Region

KennzahlUmsatz

Ergebnis (Würfel)


Ergebnis (Bericht)

Umsatz Kosmetik Elektro Haushalt SUMME

1998 Sachsen-Anhalt 45 123 17 185

Thüringen 43 131 21 195

SUMME 88 254 38 380

1999 Sachsen-Anhalt 47 131 19 197

Thüringen 40 136 20 196

SUMME 87 267 39 393

SUMME 175 521 77 773


Aspekte von Data Warehouses

Integration

• Vereinigung von Daten aus verschiedenen, meist heterogenen Quellen

• Überwindung der Heterogenität auf verschiedenen Ebenen (System, Schema,

Daten)

Analyse

• Bereitstellung der Daten in einer vom Anwender gewünschten Form (bezogen

auf Entscheidungsgebiet)

• erfordert Vorauswahl, Zeitbezug, Aggregation


Marktentwicklung

Marktgröße

Data Warehouse und OLAP (Quelle: OLAP Report OnLine www.olapreport.com)

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

1994 1995 1996 1997 1998 1999 2000 2001

Mrd. Euro


Abgrenzung zu OLTP

Klassische operative Informationssysteme

Online Transactional Processing (OLTP)

• Erfassung und Verwaltung von Daten

• Verarbeitung unter Verantwortung der jeweiligen Abteilung

• Transaktionale Verarbeitung: Kurze Lese-/Schreibzugriffe auf wenige

Datensätze

Data Warehouse

• Analyse im Mittelpunkt

• lange Lesetransaktionen auf vielen Datensätzen

• Integration, Konsolidierung und Aggregation der Daten


Abgrenzung zu OLTP: Anfragen

Anfrage transaktional analytisch

FokusLesen, Schreiben, Modifizieren, Löschen

Lesen, periodisches Hinzufügen

Transaktionsdauer und -typ

kurze Lese-/ Schreibtransaktionen

lange Lesetransaktionen

Anfragestruktur einfach strukturiert komplex

Datenvolumen einer Anfrage

wenige Datensätze viele Datensätze

Datenmodell anfrageflexibel analysebezogen


Abgrenzung zu OLTP: Daten

Daten transaktional analytisch

Datenquellen meist eine mehrere

Eigenschaftennicht abgeleitet, zeitaktuell, autonom, dynamisch

abgeleitet/konsolidiert, nicht zeitaktuell, integriert, stabil

Datenvolumen MByte…GByte GByte…TByte

Zugriffe Einzeltupelzugriff Tabellenzugriff


Abgrenzung zu OLTP: Anwender

Anwender transaktional analytisch

AnwendertypEin-/Ausgabe durch Angestellte oder Applikationssoftware

Manager, Controller, Analyst

Anwenderzahl sehr vielewenige (bis einige hundert)

Antwortzeit ms…sec sec…min


Data Warehouse: Charakteristika

Fachorientierung (subject-oriented)

• Zweck des Systems ist nicht Erfüllung einer Aufgabe (z.B.

Personaldatenverwaltung), sondern Modellierung eines spezifischen

Anwendungsziels

Integrierte Datenbasis (integrated)

• Verarbeitung von Daten aus mehreren verschiedenen Datenquellen (intern und

extern)

Nicht-flüchtige Datenbasis (non-volatile)

• stabile, persistente Datenbasis

• Daten im Data Warehouse werden nicht mehr entfernt oder geändert

Historische Daten (time-variant)

• Vergleich der Daten über Zeit möglich (Zeitreihenanalyse)

• Speicherung über längeren Zeitraum


Data Warehouse

Datenbank, die Daten aus unterschiedlichen Quellen integriert und Analysen

darauf unterstützt (Rahm/Vossen)

Data Mining

Nach Rahm/Vossen eine Sammlung von Verfahren zur Entdeckung von Mustern

in großen Datenmengen.

Verfahrensklassen sind Clustering, Klassifikation und die Bestimmung von

Assoziationsregeln


Aufgabe 1 (IR)

Information Retrieval wird durch sogenannte Suchmaschinen (Search Engines)

im Web realisiert.

Teilweise spezialisieren sich diese Suchmaschinen auf bestimmte

Themengebiete.

Finden Sie solche Anbieter mit Suchmaschinen und notieren Sie sich die

abgedeckten Themengebiete.


Erweiterung der Abfrage

Kombination

select *

from germany, cities

where cities.name = germany.stadt

and germany.hotel like arcor

and cities.plz like 6%

or cities.plz like 5%


W3QL Beispiel

• select from n1, l1, (n2, l2), n3, l3

where n1 in {URL};

l1 in {path}

l2 in {path}

n3: PERLCOND, n3.format =~/image/‘

n3 in {path}

using ISSEARCH –d 5-l 1000

• Ergebnis: Tabelle mit Links


XML Beispiel

• WHERE <hotel>

<name>arcor<name/>

<inhaber>$i<inhaber/>

<stadt>$s<stadt/>

</hotel> IN „www.a.b/hotels.xml“

• CONSTRUCT <result>

<inhaber>$i<inhaber/>

<stadt>$s</stadt>

<result/>


Meta Viz

• Umgebung zur visuellen Interaktion mit Geodaten

• Ziel: Reduktion des Informationsüberflusses anderer Geodatensuchmaschinen

• Auswahl der Zielregion durch Zoomen

• Suche nach Attributen in Metadaten

• Gefundene Objekte werden im

selektierten Großraum angezeigt

• Problem: einzelne Objekte

können verdeckt werden


Meta Viz

• Lösung: rotierbare 3D-Darstellung


Information Retrieval

• Art und Weise der Informationsbeschaffung

• Ziel: effektive Verwaltung großer Datenmengen

• Benutzerorientiertes Extrahieren von interessanten Informationen aus beliebiger

Datenbasis

• Sinnvolle, interaktive, graphische Sortierung/Darstellung der Suchergebnisse

Abfragesprachen

• Schnittstelle zwischen Datenbank und Benutzerinterface

• einfache Darstellung der Abfrage, verständlich für Mensch und Maschine

• flexible Gestaltung der Sprache für einfache und komplexe Abfragen

• Erweiterbarkeit von Abfragen graphischer Präsentationen unterstützt

ausgeprägte menschliche Mustererkennungsfähigkeit


SQL

Erweiterungen der Sprache durch CSQL und ParaSQL

W3QL

XML basierende Abfragesprachen

XML-QL

SQL

• allgemeiner Standard

• SQL hat als Datengrundlage eine relationale Datenbankstruktur


Aufbau von SQL

• Formulierung mittels Text

• Datentypen wie Text und Zahl

• Gliederung:

• Definition der Rückgabe select cities

• Datenquelle from germany

• Suchparameter where hotel like ar%

• Sortierreihenfolge order by inhaber


Ergänzungen von SQL

CSQL

• geo-technische Funktionen

• Abstand, Überschneidung (z.B. Flugbahnen, Straßen) und Grenzen

• Distance (hotel, bahnhof) <= 100

ParaSQL

• pattern matching auf Geodaten

• neue Datentypen: Raum, Zeit, Raum-Zeit

• Bsp: Circle (earth-quake(10) = high,50)

Kommerzielle Produkte

• Oracle, Sybase: Ergänzungen von SQL um eigene Funktionen


W3QL

• Struktur wie SQL

• Datenquelle: das WWW (Domains und Pfade)

• zur Suche regular expressions (Perl)

• Suche nach/in verschiedenen Datei-Typen: Text, HTML, LaTeX, Bildern, Filmen

• automatische Formbearbeitung

• Tiefensuche

XML und Abfragesprachen

• Datenquelle: XML-Dokumente (Objekt, Struktur)

• eignet sich zur Speicherung von Metadaten

• kein einheitlicher Standard für Abfragesprache


XML-QL

• Formulierung mittels Text

• typenlose bzw. an XML-Struktur gebunden

• Struktur der Abfrage

• Suchbedingungen

• Definition der Rückgabe

Documents

Anfragesprachen – Dipl. Ing. Ulrich Borchert / FH Merseburg1/24