Grundlagen der Datenbanken und Softwareentwicklung

Vokabel-Lernkarten basierend auf der Vorlesung zu Datenbanken, SQL, Programmiergrundlagen und Software-Engineering-Modellen.

Warum ist Excel keine Datenbank

Excel ist nicht mehrbenutzerfähig, trennt Daten und Anwendung nicht strikt und vermeidet Redundanzen nicht automatisch.

Anforderungen an eine Datenbank

Mehrbenutzer-Fähigkeit, Strukturierung, kontrollierte Redundanz, Datenunabhängigkeit, Datenintegrität und zeitliche Permanenz.

Was ist ein Tupel

Eine einzelne Zeile in einer Tabelle, die als Datensatz inhaltlich zusammengehörige Informationen fasst.

Was ist ein Attribut in einer Datenbank

Eine Spaltenüberschrift der Tabelle, der ein spezifischer Datentyp zugeordnet ist und die eine Eigenschaft beschreibt.

Welche Datenbankmodelle gibt es

Wichtige Modelle sind relationale, hierarchische, netzwerkartige, objektorientierte und NoSQL-Datenbankmodelle.

Was kennzeichnet ein relationales Datenmodell

Strukturierung der Daten in Tabellen (Relationen), die über Primär- sowie Fremdschlüssel verknüpft sind.

Wozu dient ein Primärschlüssel

Dient der absolut eindeutigen Identifikation eines einzelnen Datensatzes (Tupel) innerhalb einer Tabelle.

Welche Anforderung gilt immer an einen Primärschlüssel

Ein Primärschlüssel darf sich während seiner gesamten Lebenszeit nach Möglichkeit niemals ändern.

Ziel der Normalisierung

Die konsequente Vermeidung von Redundanzen und Verhinderung von Inkonsistenzen bei Datenänderungen.

Was ist ein Fremdschlüssel

Ein Attribut in einer Tabelle, das auf den Primärschlüssel einer anderen Tabelle referenziert, um Beziehungen abzubilden.

Wie werden $m:n$-Beziehungen abgebildet

Durch eine zusätzliche Verbindungstabelle, welche die Fremdschlüssel beider beteiligter Tabellen enthält.

Was ist eine Transaktion in Datenbanken

Eine unteilbare Folge von Operationen, die eine Datenbank von einem konsistenten in einen neuen konsistenten Zustand überführt.

Wie lauten die Transaktionsschritte

Start der Transaktion durch „Begin“

Bestätigung durch „Commit“

Abbruch und Rückruf durch „Rollback“

ACID-Prinzip

Atomicity (Atomarität), Consistency (Konsistenz), Isolation (Isolation) und Durability (Dauerhaftigkeit).

Wo ist das ACID Prinzip besonders wichtig

• Gleichzeitige Platzreservierung für Züge aus vielen Ticketschaltern

• Statistische Datenbankoperationen

• Überschneidende Konto-Operationen einer Bank

Was hat Rollback mit ACID zu tun

Änderungen müssen nicht durch das Programm Rückgängig gemacht werden, der Konsistente Zustand wird automatisch wieder hergestellt

CAP-Theorem

Consistency (Konsistenz), Availability (Verfügbarkeit) und Partition Tolerance (Ausfalltoleranz).

CAP-Theorem für NoSQL

In verteilten Systemen können immer nur maximal zwei der drei Eigenschaften (Konsistenz, Verfügbarkeit, Ausfalltoleranz) garantiert werden.

Was bedeutet Fragmentierung

Die logische Aufteilung von Daten in kleinere Einheiten, entweder vertikal (Spalten) oder horizontal (Zeilen) in verteilten Datenbanken.

Was ist eine Allokation

Die physische Verteilung und Zuweisung von Datenfragmenten an verschiedene Speicherknoten oder Standorte.

Anforderungen an Verteilte DBS

• Lokale Autonomie

  • Lokale Daten werden unabhängig von anderen Standorten verwaltet

• Unabhängigkeit von zentralen Systemfunktionen

• Hohe Verfügbarkeit

  • Systemfehler dürfen nur Teile des Systems lahmlegen

• Physischer Standort der Daten sollte für Nutzer verborgen bleiben

• Verteilte Anfrageverarbeitung

  • Anfragen müssen Zugriff auf mehrere Standorte gleichzeitig haben

• Verteilte Transaktionsverarbeitung

  • Transaktionseigenschaften müssen an allen Standorten eingehalten werden

Definition von Big Data

Mit "Big Data" werden große Mengen an Daten bezeichnet, die u.a. aus Bereichen wie Internet und Mobilfunk, Finanzindustrie, Energiewirtschaft, Gesundheitswesen und Verkehr und aus Quellen wie intelligenten Agenten, sozialen Medien, Kredit- und Kundenkarten, Smart-Metering-Systemen, Assistenzgeräten, Überwachungskameras sowie Flug- und Fahrzeugen stammen und die mit speziellen Lösungen gespeichert, verarbeitet und ausgewertet werden.

Mögliche Big Data Quellen

• Text (Fließtext, Textsammlung)

• Grafik (Stadtplan, Landkarte, 3D Grafik)

• Bild (Foto, Satellitenbild, Röntgenbild)

• Audio (Sprache, Musik, Geräusche)

• Video (Film, Animation Telekonferenz)

Die $5$ Vs von Big Data

Volume (Menge), Velocity (Geschwindigkeit), Variety (Vielfalt), Veracity (Wahrhaftigkeit) und Value (Wert).

Big Data vs. Relationale Datenbanken

Relationale Systeme sind zu starr für unstrukturierte Daten und lassen sich nicht einfach und kosteneffizient horizontal skalieren.

Warum eignet sich NoSQL für Big Data

• Das Datenbankmodell ist nicht relational

• Mindestens 3 V‘s werden erfüllt: Volume, Velocity, Variety

• Unterliegt keinem fixen Datenbankschema

• Unterstützt Datenreplikation

• Konsistenz zumindest verzögert gewährleistet

Vor- und Nachteile von No SQL

Vorteile:

• Best Practices

• Vielfalt an Produkten

• Flexible Datenmodelle

• Hohe Performance & Fehlerresistenz

Nachteile:

• Fehlende Standards / Sprachen

• Einsetzbarkeit häufig unklar

• Fehlende Verfügbarkeit von Experten

• Mangelhafte Dokumentation

Was ist Polyglotte Persistenz

bezeichnet den Einsatz verschiedener Datenbanken für verschiedene Anforderungen

Bsp. für Polygotte Persistenz

Einkaufskorb = Key/Value Datenbank

Bestelldienst = Document Store

Kunden- & Konten Mgt = Relationelle Datenbank

Business Analytics = InMemory Datenbank

Social Media = Graphdatenbank

Was versteht man unter Datenmodellierung

Ein Datenmodell ist ein Abbild des jeweiligen Weltausschnitts, das mit den Mitteln und gemäß den Regeln des jeweiligen datenbanktheoretischen Ansatzes realisiert wurde und das mit Hilfe eines Datenbanksystems in eine Datenbank umgesetzt wird

Zusammenhang ERM und relationale Datenbank

Das ERM wird durch feste Transformationsregeln in Tabellen und Relationen der Datenbank überführt.

Entity-Relationship-Modell (ERM)

In der betrieblichen Datenverarbeitung häufig (bes. zur konzeptionellen Datenmodellierung; konzeptionelles Datenmodell) angewendetes Modell zur formalisierten Darstellung der Datensicht auf einen Ausschnitt der realen Welt. Konstruktionselemente sind das Objekt (Entity) und die Beziehung (Relationship) ... Wesentlicher Vorteil des Entity-Relationship-Modells ist die Möglichkeit der grafischen Darstellung von Sachverhalten: In einem Entity- Relationship-Diagramm werden Objekte durch Rechtecke und Beziehungen durch Rauten repräsentiert.

Grafische Grundelemente eines ERM

Rechtecke für Entitäten, Ellipsen für Attribute und Rauten für Relationen.

Was sind Attribute und -ausprägungen

Attribute: Identifizieren und beschreiben die zu erfassenden Objekte

Attributsausprägungen: konkreter Wert eines Attributs (Bsp.: Silber, Mayer, 600)

Relationstyp vs. Relation

Der Relationstyp verknüpft 2 oder mehr Entitäten (Raute).

Die Relation ist die konkrete Verknüpfung zwischen Entitäten, Attributen und Relationstypen.

Was geben Kardinalitäten an

Das exakte Mengenverhältnis, mit dem Entitäten an einer Beziehung beteiligt sein können (z.B. $1:1$, $1:n$, $m:n$).

Funktion eines identifizierendes Attributes

Macht eine Entität absolut eindeutig und wird in Diagrammen als Primärschlüssel unterstrichen.

Was ist Generalisierung

Das Zusammenfassen gleichartiger Subtypen zu einem allgemeineren Supertyp mit allen gemeinsamen Attributen.

Was ist Spezialisierung

Die Unterteilung eines bestehenden Supertyps in spezifischere Subtypen zur feineren Unterscheidung.

Wichtige Datentypen

• INTEGER → ganze Zahl

• NUMERIC(n,m) → Festkommazahl mit n Stellen, davon m Nachkommastellen

• VARCHAR(n) → Zeichenkette (Buchstaben und Zahlen) mit variabler Länger aber maximal n Zeichen

• DECIMAL(p,s) → Gesamtanzahl der Ziffern = Präzision, s Nachkommastellen

• DATE → Datum ohne Zeitangabe

• TIME → Zeitangabe

• BOOLEAN → boolesche Variable (kann die Werte true oder false annehmen)

Warum nutzt man Datentypumwandlung (CAST)

• Inkompatible Datentypen vergleichen

• Rechenoperationen ermöglichen

• Datenformate vereinheitlichen

• Fehler bei Abfragen vermeiden

Wann nutzt man Datentypumwandlung (CAST)

• Datumsberechnung (Date)

• Rechnen mit Zahlen (Int)

• Finanzdaten (Decimal)

• Textausgabe (Varchar)

• Logische Abfragen (Boolean)

Datenmanipulation durch Data Manipulation Language

umfasst Befehle zum Abfragen und Ändern von Daten (SELECT, INSERT, UPDATE, DELETE).

SQL Datentypen

Wichtige Typen sind INTEGER (Ganzzahl), NUMERIC (Festkomma), VARCHAR (Zeichenkette), DATE (Datum) und BOOLEAN (Wahrheitswert).

Select und *

Auswahl von Attributen aus einem Datensatz; mit * wird die gesamte Tabelle ausgewählt

From

Gibt an, Aus welcher Tabelle die Daten ausgelesen werden sollen (Bsp.: FROM Studentenverwaltung)

Where

Filtert Datensätze (Zeilen) nach einer bestimmten Bedingung

INSERT INTO „Tabellenname“ (Spalte 1, Spalte 2; …) & Value

Befehl zum Einfügen neuer Datensätze in die Datenbank.

&

Fügt die konkreten Werte in die Tabelle ein

UPDATE „Tabellenname“ & SET „Spalte“ = Wert [Where „Bedingung“]

Befehl zum Verändern bestehender Datensätze

&

Bestimmt die Spalte und den neuen Wert, der dort eingetragen werden soll

DELETE FROM

• Befehl zum gezielten Löschen von Datensätzen (ganze Zeile) unter Verwendung einer WHERE-Bedingung

• Ohne Bedingung → alle Datensätze löschen

CAST

Wandelt einen Datentypen in einen anderen um z. B. Text → Zahl

TRIM

Entfernt Leerzeichen vor und nach einem Text

Count

(Select Count (*)

From „Tabelle“

[Where „Bedingung“])

Zählt die Anzahl an Datensätzen, die die Filterbedingung erfüllen (liefert nur eine Zahl)

COALESCE

Gibt den ersten nicht NULL-Wert aus einer Liste zurück

LIKE Aussagentyp für WHERE-Klausel

Wird für Mustersuchen verwendet,

• „_“ ersetzt eine unbekannte Stelle/Zeichen

• „%“ beliebige Zahl unbekannter Stellen

• Können beliebig oft verwendet werden

z.B. WHERE Nachname LIKE 'B%' für Nachnamen, die mit B beginnen.

ORDER BY Erweiterung ASC & DESC

Klausel zum Sortieren von Datensätzen in einer SQL-Abfrage. Entweder Aufsteigend oder Absteigend

SELECT Erweiterung DISTINCT

Schlüsselwort zur Verhinderung der Mehrfachausgabe identischer Datensätze → liefert nur unterschiedliche

LIMIT

Beschränkt die Anzahl ausgegebener Zeilen

GROUP BY

Fasst Zeilen mit gleichen Werten in ausgewählten Spalten zusammen, um Aggregatfunktionen darauf anzuwenden.

HAVING

Filtert die durch GROUP BY gebildeten Gruppen nach Aggregation (Count, Sum)

Bsp.:

GROUP BY customer_id

HAVING SUM (order_amount) > 400

COUNT(*)

Aggregatfunktion zur Ermittlung der genauen Anzahl der Zeilen, die einem Suchkriterium entsprechen → Zählt Anzahl der Datensätze

Boolsche Operatoren

• AND (und)

• OR (oder)

• NOT (nicht)

• XOR (entweder oder)

Operatoren

• BETWEEN (prüft ob ein Wert innerhalb eines Bereiches liegt)

• IS NULL / IS NOT NULL (prüft, ob ein Feld keinen oder einen Wert hat)

Verbinden von Tabellen (Joins)

Nennung beider Tabellen in der FROM-Klausel und Gleichsetzen von Primär- und Fremdschlüssel in der WHERE-Klausel.

Was ist PL/SQL

Eine proprietäre Programmiersprache von Oracle, die SQL um prozedurale Konstrukte wie Schleifen und Verzweigungen erweitert.

Struktur eines PL/SQL-Blocks

• Besteht aus DECLARE (Deklaration: Definition von Variablen und Konstanten)

• BEGIN (Ausführung: Eigentliches Programm)

• EXCEPTION (Fehlerbehandlung)

• END; (Abschluss).

Schleifenarten in PL/SQL

• LOOP Schleife

• WHILE Schleife

• FOR Schleife

• REVERSE-FOR Schleife

• CURSOR-FOR Schleife

Elementare Datentypen in C++

int (Ganze Zahlen), float/double (Gleitkomma), bool (Wahrheitswerte), char (Zeichen) und string (Zeichenkette).

Deklaration vs. Initialisierung in C++

Die Deklaration legt Name und Datentyp fest; die Initialisierung weist der Variablen ihren ersten Wert zu.

Schleifenarten in C++

• For

• While

• Do-While

Was sind Kopfgesteuerte und Fußgesteuerte Schleifen in C++

• Kopfgesteuerte Schleifen werden nur durchlaufen, wenn Anfangsbedingung erfüllt ist.

• Fußgesteuerte Schleifen führen die Schleife einmal aus und überprüfen danach erst die Bedingung

Wozu dienen Datenstrukturen

Daten strukturiert zu speichern und gezielt auf diese zuzugreifen (Bsp.: Arrays, Vektoren, Klassen)

Array vs. Vektor in C++

Ein Array hat eine unveränderliche feste Größe; ein Vektor kann hingegen dynamisch wachsen.

Vector Befehle

• push_back()

• pop_back()

• size()

• begin() / end()

Funktionen in C++

Codeabschnitt, der nur ausgeführt wird, wenn er explizit aufgerufen wird. (Spart Code und Dopplungen → muss nur einmal geschrieben werden)

Bei Void keine Ausgabe; bei int, char,…: Ausgabe über return

Objektorientiertes Paradigma

Programmieransatz, der zusammengehörige Daten (Attribute) und Operationen (Methoden) in Objekten kapselt.

Klasse

Ein benutzerdefinierter Datentyp, der als Schablone oder Bauplan für die Erzeugung konkreter Objekte dient.

Objekt

Eine konkrete, zur Laufzeit existierende Instanz, die nach dem Bauplan einer Klasse erzeugt wurde.

Wissenstreppe nach North

Hierarchie der Wertschöpfung: Zeichen -> Daten -> Information -> Wissen -> Handeln -> Kompetenz -> Wettbewerbsfähigkeit.

KDD vs. Data Mining

KDD ist der vollständige Prozess der Wissensentdeckung; Data Mining ist der Teilschritt der Mustererkennung.

Wasserfallmodell

Entwicklungsmodell mit streng sequenziellen Phasen, bei dem jede Phase erst nach Abschluss der vorherigen beginnt.

V-Modell

Verbindet konstruktive Entwurfsphasen auf der linken Seite direkt mit überprüfenden Testphasen auf der rechten Seite.

Statische vs. Dynamische Tests

Statische Tests prüfen Code ohne Ausführung (z.B. Reviews); dynamische Tests führen die Software real aus.

Funktionale vs. Nicht-funktionale Anforderungen

Funktionale beschreiben WAS das System tun soll; nicht-funktionale beschreiben WIE qualitativ (z.B. Performance) es arbeiten soll.

Vision (Scrum)

Vom Product Owner vorgegebene Ziele, die die Priorisierung der Aufgaben erleichtern.

Bestandteile eines Sprints

Sprint Planning, Daily Scrums, Entwicklungsarbeit und das fertige Produkt-Inkrement.

Relativität von Hardware und Software

Trotz Softwarefokus ist Hardware oft kaufentscheidend und in absoluten Zahlen häufig profitabler als reine Software.