Adatbázis-kezelés. 3. Ea: Viszonyított betűszámtan (2013) Relációs algebra alapok (átgondolt verzió) v: Szűcs Miklós - ME, ÁIT. 1

Adatbázis-kezelés 3. Ea: Viszonyított betűszámtan

(2013)

Relációs algebra alapok (átgondolt verzió)

v: 2015.02.15

Szűcs Miklós - ME, ÁIT. 1.o

Témakörök



Relációs algebra



Ellenőrző kérdések

2.o



Relációs algebra 

Műveletek



Gyakorlás

3.o

Relációs algebra  Algebrai módszerek arra, hogy miként építhetünk új

relációkat a régi relációkból.  A kifejezések alapja (operandusai) a relációk.  Kevés, egyszerű művelet  A halmazműveletek csak azonos szerkezetű relációkon hajthatók végre!  A relációk megadása: 1.

2.

rsz

típus

szín

r1

Fiat

zöld

r2

Opel

kék

r5

Fiat

kék

AUTÓ [ rsz, típus, szín ]

3. AUTÓ rsz

típus szín

4.o

A relációs algebra műveletei Szelekció Projekció Kiterjesztés Aggregáció Csoportképzés

Egy operandusú

Join Metszet Különbség Unió Osztás

Két operandusú

} } } Halmazműveletek

5.o

Szelekció (kiválasztás) Szelekció: a megadott feltételnek eleget tévő rekordok kerülnek át az eredmény relációba. Jele:

felt(r)

Formálisan:

Feladat: Megoldás:

AUTÓ

X Y(r) = { t  r | t(X)  t(Y)}

A kék színű, vagy a Mazda típusú autó adatai

szín=‘kék’ OR típus=‘Mazda’ (AUTÓ)

rsz

típus

szín

r1

Fiat

zöld

rsz

típus

szín

r2

Opel

kék

r2

Opel

kék

r6

Mazda

piros

r6

Mazda

piros

r4

Skoda

kék

r4

Skoda

kék

r9

Lada

piros 6.o

Projekció (vetítés) Projekció: csak a kijelölt mezők jelennek meg az eredmény relációban. Jele:

mlista(r) Feladat: Megoldás:

AUTÓ

Formálisan:

 X (r)

= {t(X)  r | t  r}

A típus és a szín mezők megjelenítése

 típus, szín (AUTÓ)

rsz

típus

szín

típus

szín

r1

Fiat

zöld

Fiat

zöld

r2

Opel

kék

Opel

kék

r6

Mazda

piros

Mazda

piros

r4

Skoda

kék

Skoda

kék

r9

Lada

piros

Lada

piros 7.o

A szelekció és a projekció kombinálása A kék színű, vagy a Mazda típusú autó rendszámai

Feladat: Megoldás:

AUTÓ

 rsz (szín=‘kék’ OR típus=‘Mazda’ (AUTÓ) ) rsz

típus

szín

r1

Fiat

zöld

r2

Opel

kék

r6

Mazda

piros

r4

Skoda

kék

r9

Lada

piros

szelekció

projekció

rsz r2

r6 r4

8.o

Kiterjesztés Kiterjesztés: a reláció kibővítése származtatott mezőkkel. Jele:

mezőlista(r)

Az új mezőérték a többi mező értékéből számítható. Feladat: Megoldás:

Autók adatai és teljesítményadója

 adó: lóerő/0.005 (AUTO)

AUTÓ rsz

típus

lóerő

rsz

típus

lóerő

adó

r1

Opel

110

r1

Opel

110

22000

r2

Merci

320

r2

Merci

320

64000

r5

Trabi

29

r5

Trabi

29

5800

9.o

Aggregáció Aggregáció: a relációból összesítő rekordot állít elő. Jele:

aggregációs-lista (r)

Aggregációs függvények:  SUM(mez.kif) – Összeg  AVG(mez.kif) – Átlag  COUNT(mez.kif) – Darabszám  MAX(mez.kif) – Legnagyobb érték  MIN(mez.kif) – Legkisebb érték

10.o

Aggregáció Feladat: Megoldás:

Az autók összára



sum(ár)

Feladat: Megoldás:

(AUTÓ)

AUTÓ

Az autók száma

count(*) (AUTÓ)

AUTÓ

rsz

típus

ár

r1

Opel

4000

r2

Merci

12000

r5

Trabi

35

rsz

típus

ár

sum(ár)

r1

Opel

4000

count(*)

16035

r2

Merci

12000

3

r5

Trabi

35

11.o

Csoportképzés Csoportképzés és aggregáció: a reláció rekordjait csoportokba rendezi, és minden csoportra egy összesítő rekordot állít elő.



Jele:

aggregációs-lista csoport képző

(r)

Feladat:

Az autók átlagára típusonként

Megoldás:

AUTÓ



típus, avg(ár) típus

rsz

típus

ár

r1

Opel

3200

r2

Fiat

3800

típus

avg(ár)

r3

Opel

2400

Opel

3200

r4

Opel

4000

Fiat

3000

r5

Merci

8000

Merci

8000

r6

Fiat

2200

(AUTÓ)

12.o

Join (szorzat, illesztés) Join: a két reláció rekordjainak párosait adja eredményként. Alap join: (Descartes-szorzat): r1  r2 = {(t,s) | t  r1 , s  r2}

Jele: r1  r2 vagy r1 x r2 Feladat: Megoldás:

AUTÓ

Az autók és a tulajdonosok teljes variációja

AUTÓ  EMBER

rsz

típus

szín

r1

Fiat

zöld

r2

Opel

kék

r5

Fiat

kék

EMBER

rsz

típus

szín

név

kor

r1

Fiat

zöld

Pali

36

r2

Opel

kék

Pali

36

r5

Fiat

kék

Pali

36

név

kor

r1

Fiat

zöld

Anna

29

Pali

36

r2

Opel

zöld

Anna

29

Anna

29

r5

Fiat

kék

Anna

29 13.o

Szelekciós join (feltételes illesztés) Szelekciós join: a két reláció rekordpárosaiból a feltételnek eleget tévő párosokat adja eredményként.

Jele: r1 felt r2 Feladat: Megoldás:

AUTÓ

Formálisan: r1 

felt r2

= felt(r1  r2 )

Az autó tulajdonosok listája

AUTÓ  tulaj=id EMBER EMBER

rsz

tulaj

név

id

r1

3

Béla

1

r2

1

Jenő

2

r5

4

Pali

3

Anna

4

rsz

tulaj

név

id

r1

3

Pali

3

r2

1

Béla

1

r5

4

Anna

4 14.o

Natural join (természetes illesztés) Natural join: olyan szelekciós join, mely az azonos elnevezésű mezők értékegyezőségén alapszik.

Jele: r1 = r2 Feladat: Megoldás:

AUTÓ

Az autó tulajdonosok listája

AUTÓ  = EMBER EMBER

rsz

id

név

id

r1

3

Béla

1

r2

1

Jenő

2

r5

4

Pali

3

Anna

4

rsz

id

név

r1

3

Pali

r2

1

Béla

r5

4

Anna 15.o

Outer join (külső illesztés) Outer join: olyan szelekciós join, melyben az illeszkedő pár nélküli rekordok is bekerülnek az eredmény halmazba (üres étékekkel kiegészítve).

Jele: r1 +feltétel r2 Típusai:  Left  Right  Full

Lista az emberekről, ha van autójuk, arról is.

Feladat: Megoldás:

EMBER

EMBER + ember.id=autó.tulaj AUTÓ

AUTÓ

név

id

rsz

tulaj

név

id

Béla

1

r1

3

Béla

1

Jenő

2

r2

1

Jenő

2

Pali

3

r5

4

Pali

Anna

4

Anna

rsz tulaj r2

1

3

r1

3

4

r5

4 16.o

Semi join (félillesztés) Semi join: olyan szelekciós join, melyben az illeszkedő párokból csak a megadott oldal mezői szerepelnek.

Jele: r1 feltétel r2 Lista azon emberekről, akiknek van autójuk.

Feladat: Megoldás:

EMBER

EMBER



Típusai:  Left  Right

ember.id=autó.tulaj AUTÓ

AUTÓ

név

id

rsz

tulaj

név

id

Béla

1

r1

3

Béla

1

Jenő

2

r2

1

Pali

3

Pali

3

r5

4

Anna

4

Anna

4 17.o

Unió (egyesítés) Unió: azonos sémájú relációk rekordhalmazának A egyesítése.

B

Jele: r1  r2 Feladat: Megoldás:

AB

Az összes ember adata

EMBER1  EMBER2

EMBER1

EMBER2

név

id

név

id

név

id

Béla

1

Béla

1

Géza

4

Jenő

2

Jenő

2

Ödön

5

Anna

3

Anna

3

Zoli

6

Géza

4

Ödön

5

Zoli

6 18.o

Metszet (közös rész) Metszet: azonos sémájú relációk rekordhalmazának A metszete.

B

Jele: r1  r2 Feladat:

Azok a futók, akik síelnek is

Megoldás:

Futók  Síelők

Futók

AB

Síelők

név

id

név

id

Béla

1

Géza

4

Jenő

2

Jenő

2

Anna

3

Béla

1

név

id

Béla

1

Jenő

2

19.o

Különbség Különbség: azonos sémájú relációk rekordhalmazának A B különbsége.

Jele: r1 \ r2 Feladat: Megoldás:

Futók

A\B

Azok a futók, akik nem síelnek

Futók \ Síelők Síelők

név

id

név

id

Béla

1

Géza

4

Jenő

2

Jenő

2

Anna

3

Béla

1

név

id

Anna

3

20.o

Osztás Osztás: a Descartes szorzat inverze, azon legnagyobb reláció, melynek Descartes szorzata r2-vel benne van r1-ben. Feladat:

Azok, akik miden sportágat űznek

Megoldás:

Emberek ÷ Sportág

Jele: r1 ÷ r2 Ember

sport

név

foci

Béla

bringa

Béla

bringa

Géza

sport

név

foci

Jenő

foci

Béla

futás

Zoli

bringa

Jenő

foci

Zoli

bringa

Jenő

Sportág

21.o



Relációs algebra 

Műveletek



Gyakorlás

22.o

Gyakorló feladat: Termék-Vásárló Az adatbázis ER modellje:

Tkód

Név

Azonosító

Név

Vásárlás Termék

Ár

Leírás

Vásárló

Dátum

Darab

Irsz.

Lakcím

Város

FizMód

Cím

23.o

Gyakorló feladat: Termék-Vásárló 2. Az adatbázis relációs modellje: Termék Tkód Név C5 C25

Vásárlás Ár Leírás N6 C30

Kód C5

Dátum Darab D N6

Azon C5

Vásárló Azonosító Név Irsz Város Cím C5 C25 C4 C40 C30

Séma:

FizMód C15

Termék [ Tkód, Név, Ár, Leírás ] Vásárlás [ Kód, Dátum, Darab, Azon ]

Vásárló [ Azonosító, Név, Irsz, Város, Cím, FizMód ] 24.o

Gyakorló feladat: Termék-Vásárló 3. Séma:

Termék [ Tkód, Név, Ár, Leírás ] Vásárlás [ Kód, Dátum, Darab, Azon ] Vásárló [ Azonosító, Név, Irsz, Város, Cím, FizMód ]

1. Termékek neve:

П név (termék) 2. A 2000 Ft-nál olcsóbb termékek neve:

П név (σ

ár<2000

(termék))

3. A Kis Rozi által vásárolt termékek neve:

П termék.név (σ

vásárló.név=‘Kis Rozi’

(vásárló ►◄ azonosító=azon

vásárlás ►◄ kód=tkód termék)) 25.o



4. Azon termékek neve, amelyeket már vásároltak: П név (termék ►◄ tkód=kód vásárlás) 5. Azon termékek neve, amelyeket még nem vásároltak:

П név (termék) \ П név (termék ►◄ tkód=kód vásárlás) 6. Hány féle termék van? Γ count(*) (termék) 7. A legdrágább termék(ek) neve, ára:

П név,ár (σ ár=

Γ max(ár) (termék) termék) 26.o



8. Hányszor vásároltak a t605-ös kódú termékből?

Γ count(*) (σ kód=’t605’ (vásárlás)) 9. Összesen hány darabot vásároltak a t605-ös kódú termékből?

Γ sum(darab) (σ kód=’t605’ (vásárlás)) 10. Összesen hány darabot vásároltak az egyes termékből? Γ kód, sum(darab) (vásárlás) kód

27.o



11. Az egyes városokban hány vásárló van? Γ város, count(*) (vásárló) város

12. Összesen mennyit fizetett Kis Rozi?

Γ ár*darab (

σ

vásárló.név=‘Kis Rozi’

(vásárló ►◄ azonosító=azon vásárlás

►◄ kód=tkód termék)) 13. 2010 májusában mennyi volt a bevétel?

Γ ár*darab (

σ

dátum=‘2010.05.*’

(vásárlás ►◄ kód=tkód termék)) 28.o

Gyakorló feladat: Oktató-Tantárgy-Hallgató neptunkód

név

kód

Oktató

kredit

Tárgy

oktat

megnevezés

félév

tanszék

hallgat

neptunkód

vizsgajegy név Hallgató

cím

irszám

város

utca

hsz

tankör életkor

szül.d. 29.o

Gyakorló feladat: Oktató-Tantárgy-Hallgató 2. neptunkód

Oktató

név

kód

oktat

kredit

Tárgy

megnevezés

tanszék

Relációs sémák: OKTATÓ [ neptunkód, név, tanszék ] TÁRGY [ kód, megnevezés, kredit, oktató ]

30.o

Gyakorló feladat: Oktató-Tantárgy-Hallgató 3. Tárgy

félév neptunkód

hallgat vizsgajegy

név Hallgató

cím

irszám

város

utca

hsz

tankör életkor

szül.d.

Relációs sémák: HALLGATÓ [neptunkód, név, szül.d, tankör, irsz, város, utca, hsz] HALLGAT [ hallgató, tárgy, félév, vizsgajegy ] 31.o

Gyakorló feladat: Oktató-Tantárgy-Hallgató 4. Relációs sémák: OKTATÓ [ neptunkód, név, tanszék ] TÁRGY [ kód, megnevezés, kredit, oktató ] HALLGATÓ [neptunkód, név, szül.d, tankör, irsz, város, utca, hsz] HALLGAT [ hallgató, tárgy, félév, vizsgajegy ]

1. Oktatók neve:

П név (oktató) 2. Oktatók és tantárgyaik neve:

oktató.neptunkód=tárgy.oktató

П név, megnevezés ( oktató ►◄ o.neptunkód=t.oktató tárgy ) 3. Oktatók és tantárgyaik neve (azok az oktatók is, akiknek nincs tárgya):

П név, megnevezés ( oktató +►◄ o.neptunkód=t.oktató tárgy ) oktató.neptunkód=tárgy.oktató 32.o


4. A VIR Tsz-en dolgozó oktatók neve és tárgyaik címe:

П név, megnevezés (σ tanszék=’VIR’ (oktató) ►◄o.neptunkód=t.oktató tárgy) 5. Az átlagos kreditpontszám:


Γ avg(kredit) (tárgy) 6. A VIR Tsz.-en oktatók létszáma:

Γ count(*) (σ tanszék=’VIR’ ( oktató ) ) 33.o


7. A legnagyobb kreditpontszámú tárgy(ak) címe:

Π megnevezés ( σ kredit=Γ max(kredit) (tárgy) (tárgy) ) 8. Azok az oktatók, akiknek nincs tárgya:

Π név (oktató) \ Π név ( oktató ►◄ o.neptunkód=t.oktató tárgy ) oktató.neptunkód=tárgy.oktató

34.o


9. Azok a hallgatók, akik a 2003/2004 tanév II. félévében nem vettek fel tárgyat:

Π név (hallgató) \ Π név ( (σ félév=’2003/2004 2.’ (hallgató) ) ►◄h.neptunkód=h.hallgató hallgat ►◄hallgat.tárgy=tárgy.kód tárgy ) hallgató.neptunkód=hallgat.hallgató

10. Határozzuk meg az életkort:

ε kor=rendszer_dátum-szül_dátum (hallgató) 35.o


11. Tanszékenként az oktatók létszáma: count(*) (oktató) Γ tanszék, tanszék

12. Melyik tárgyat hányan hallgatják:

Γ megnevezés, count(*) (tárgy ►◄tárgy.kód=hallgat.tárgy hallgat megnevezés

►◄ hallgat.hallgató=hallgató.neptunkód hallgató) 36.o


13. Azok az oktatók, akiknek 2-nél több tárgyuk van:

Π név ( σ db>2 (Γnév név,count(*) db (oktató ►◄o.neptunkód=t.oktató tárgy) oktató.neptunkód=tárgy.oktató 14. Az átlagnál alacsonyabb kreditpontú tárgyak oktatóinak neve:

Π név ( σ kredit < Γ avg(kredit) (tárgy) (tárgy) ►◄o.nepunkód=t.oktató oktató)


37.o


15. A legtöbb tárgyat tanító oktató neve: db (oktató ►◄ X = Γ név, count(*) o.nepunkód=t.oktató tárgy) név

Π név (σ db=Γ max(db) (X) (X))


16. Kik azok a hallgatók, akik minden tárgyat felvettek?

Π név (( Π hallgató,tárgy (hallgat) / Π kód (tárgy)) ►◄hallgat.hallgató=hallgató.neptunkód hallgató ) 38.o

Témakörök



Relációs algebra



Ellenőrző kérdések

39.o

Ellenőrző kérdések 1. 1. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: A piros autók rendszáma Tulajdonos

30 mp

Autó

Projekció Szelekció Aggregáció Kiterjesztés Join 40.o

Ellenőrző kérdések 2. 2. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: A miskolci tulajdonosok összes adatának kiírása Tulajdonos

30 mp

Autó


Ellenőrző kérdések 3. 3. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: A miskolci tulajdonosok neve és autóik rendszáma Tulajdonos

40 mp

Autó


Ellenőrző kérdések 4. 4. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: Az Opel típusú autók rendszáma Tulajdonos

40 mp

Autó


Ellenőrző kérdések 5. 5. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: Az Opel típusú autók átlagára Tulajdonos

40 mp

Autó


Ellenőrző kérdések 6. 6. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: Városonként az autók darabszáma Tulajdonos

40 mp

Autó


Ellenőrző kérdések 7.

40 mp

7. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor: Rendszám és adó (mely a teljesítmény 150-szerese) Tulajdonos

Autó


Ellenőrző kérdések 8. 8. Milyen algebrai műveleteket kell alkalmazni az alábbi feladat megoldásakor:

40 mp

Adó (mely a teljesítmény 150-szerese) összege városonként Tulajdonos

Autó


Ellenőrző kérdések 9. 9. Adja meg a megoldást relációs algebrával!

300 mp

Termék [ Tkód, Név, Ár, Leírás ] Raktár [ RaktHely, Tkkód, Darab ]

A: Mely termékek leírásában szerepel a női szó? B: Mely raktárhelyeken van 100-nál több termék? C: Mely raktárhelyeken van bikini nevű termék? D: Mennyi a termékek átlagára? E: Összesen hány darab bikini van a raktárban? F: Összesen mennyi értékű bikini van a raktárban? G: Hány féle 1000 Ft-nál drágább termék van? H: Hány darab 1000 Ft-nál drágább termék van? I: Mely raktárhelyeken van 100000 Ft-nál nagyobb érték? 48.o

Gratulálok! Ön átvette a tananyagot, és letesztelte a tudását! 49.o

Felhasznált irodalom  Kovács László elektronikus jegyzetei  Szelezsán János: Adatbázisok, LSI Oktatóközpont, 1999  Baksáné Varga Erika elektronikus jegyzetei  IHM: Adatbázis-kezelés, elektronikus jegyzet

50.o

KÉRDÉSEK

és VÁLASZOK 51.o

Adatbázis-kezelés. 3. Ea: Viszonyított betűszámtan (2013) Relációs algebra alapok (átgondolt verzió) v: Szűcs Miklós - ME, ÁIT. 1

Recommend Documents