ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΑΝΤΩΝΙΑΔΗΣ ΝΙΚΟΛΑΟΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΑΝΤΩΝΙΑΔΗΣ ΝΙΚΟΛΑΟΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ
Νίκος Αντωνιάδης
• ΟΛΟΙ έχουν ΒΔ, από πολύ μικρές (ένα ηλεκτρονικό κατάστημα με 100
προϊόντα) έως πολύ μεγάλες (taxisnet, Amazon, Google, …)
Περιγραφή/ορισμός
• Δεδομένα αποθηκευμένα και ΟΡΓΑΝΩΜΕΝΑ
• Χαρακτηριστικά για κάθε αντικείμενο
• Λογισμικό εξειδικευμένο για αναζήτηση
ΣΔΒΔ
ΒΔ
Σύστημα Βάσεων
Δεδομένων
Γιατί τόση φασαρία?
• Τα ΣΔΒΔ είναι παντού
• Εφορία
• Αγορές προϊόντων
• ΑΤΜ
• Πιστωτικές κάρτες
• Γραμματεία Τμήματος
• Κινητή τηλεφωνία
• Συστήματα καμερών (κάμερες τροχαίας, εναέρια κίνηση,
κοινωνικά δίκτυα)
• Καταγραφή στοιχείων
• Μετεωρολογικά
✓Κίνηση στους δρόμους
✓Εφαρμογές άθλησης
✓Εφαρμογές υγείας (φορέσιμες συσκευές, τηλεϊατρική)
8
Δημιουργία ΒΔ: ένα (όχι και τόσο)
σύνθετο έργο
Μοντελοποίηση
• Κατάστρωση μοντέλου
• Στο χαρτί!
• Κακό μοντέλο → αποτυχία
• Μοντέλο Οντοτήτων/Συσχετίσεων (Entity-Relationship model)
Προγραμματισμός/υλοποίηση
• Χρήση εμπορικού πακέτου
• Ανάπτυξη προγραμματιστικών εργαλείων
• Ανάπτυξη διεπαφής
Μοντελοποίηση
Ιστορία
Δεκαετία του 1950
Κάρτες και ταινίες (σειριακή επεξεργασία) – Batch processing
12
Ιστορία
Peter P. Chen
1970
Edgar Codd (IBM, San Jose) σχεσιακό μοντέλο δεδομένων (relational data model)
(Recipient of the Turing Award, 1981)
Ερευνητικά Προγράμματα: System R, INGRES - Γλώσσες: SEQUEL, QBE,
QUEL
Δεκαετία του 1980
SQL (μέρος του System R)
transaction management (Jim Gray, Turing Award, 1999)
υποσημείωση: Jim Gray gone missing
[Τάσεις: αντικειμενοστραφή, αρχιτεκτονική πελάτη-εξυπηρέτη,
κατανεμημένες, έμπειρα]
13
Ιστορία
Δεκαετία του 1990
εμπορικά αντικειμενοστραφή συστήματα
[Τάσεις: πολυβάσεις, χωρικές & χρονικές, πολυμέσα,
συμπερασματικές, αποθήκες δεδομένων (αναλυτική
επεξεργασία), προγραμματισμό πόρων της επιχείρησης (ERP –
Enterprise Resource Planning) και της διαχείρισης τους
(MRP – Management Resource Planning), Internet]
Δεκαετία του 2000
Σύστημα Διαχείρισης Χρωμοσωμάτων (Human Genome Project)
Σύστημα Παρατήρησης της Γης (Earth Observation System)
14
Ιστορία
Σήμερα, 2004 - …
o Μεγάλος όγκος δεδομένων (BIG DATA)
o Αλλαγές σε υλικό (επεξεργαστές με πολλούς πυρήνες, κλπ)
o cloud computing
o data lakes
o AI & ML
Κίνηση NoSQL
MapReduce (2004) και Bigtable (2006) by Google, Dynamo (2007) by Amazon
Hadoop (βασισμένο στο MapReduce, 2006), Cassandra (επηρεασμένη από Bigtable και Dynamo papers) και
MongoDB (2009)
Κίνηση NotOnlySQL
Join! SQL interfaces πάνω στο Hadoop (και αργότερα στη Spark)
Κίνηση NewSQL
Spanner (2012) by Google PostgreSQL 10 (native support for JSON, κλπ)
15
Πίνακας λογαριασμών
Όνομα ΑΔΤ ΑΦΜ Διεύθυνση Αρ. λογ Υπόλοιπο
Παππάς ΑΒ475859 012345678 Βενιζέλου 12, Αρτα Α123456 324.00
Πέτρου ΑΕ069584 320195849 Β324354 1258,99
Υπάρχει πρόβλημα;
• Τα δεδομένα επαναλαμβάνονται
Πλεονασμός (redundancy)
Δυσκολίες πρόσβασης
• Μειονεκτήματα
• Συνεχής ανάπτυξη νέου λογισμικού
• Τροποποιήσεις από διάφορους προγραμματιστές
• Αδύνατον να προβλεφθούν όλα τα πιθανά ερωτήματα
Ακεραιότητα
• Περιορισμοί:
• Υπόλοιπο λογαριασμού τουλάχιστον 0
• Ημερομηνίες μόνο νόμιμες (όχι 30/2/2020)
•…
• Το αρχείο δεν μπορεί να κάνει τέτοιους ελέγχους
Ακεραιότητα (integrity)
Αναγκαιότητα η ΒΔ
• Τα παραδοσιακά συστήματα έχουν πολύ λίγες δυνατότητες
• Ανάγκη διασύνδεσης
• Ανάγκη βέλτιστης αποθήκευσης δεδομένων
• Ανάγκη γρήγορης και αξιόπιστης συνεργασίας
25
Διεπαφές
front ends εφαρμογών Διεπαφή SQL
Web forms
SQL
ΣΔΒΔ
ΒΑΣΗ
ΔΕΔΟΜΕΝΩΝ
Επίπεδα αναπαράστασης
• Φυσικό:
• Δίσκος
• Αποθήκευση των δεδομένων
• Κατάτμηση που δεν φαίνεται
• Μη κατανοητό στους περισσότερους (ακόμα και μηχανικών)
• Εννοιολογικό:
• Λογικές σχέσεις μεταξύ αντικειμένων, δεδομένων, περιορισμών
• Κατανοητό από τους περισσότερους
• Σημαντικό να κατανοήσουμε αυτό το επίπεδο
• Σχεδίαση στο «χαρτί»
Επίπεδα αναπαράστασης
• Εποπτικό:
• Εφαρμογές
• Interface
• Διάφορες πλευρές για διαφορετικούς χρήστες
• Όχι πλήρης εποπτεία (δεν είναι απαραίτητο)
• Σημαντικό για την σημερινή εξάπλωση των ΣΔΒΔ
Λογικά Μοντέλα
• Μεσαίο επίπεδο στο διάγραμμα
• Διαφορετικές φιλοσοφίες
• Λογικά μοντέλα αντικειμένων
• Λογικά μοντέλα εγγραφών
• Μοντέλα φυσικών δεδομένων
Λογικά Μοντέλα
• Το μοντέλο οντοτήτων-συσχετίσεων (Entity-Relationship Model)
• Το αντικειμενοστραφές μοντέλο (object-oriented model)
• Το δυαδικό μοντέλο
• Το μοντέλο σημασιολογικών δεδομένων
• Το πληροφοριακό μοντέλο
• Το μοντέλο λειτουργικών δεδομένων
Σχεσιακό μοντέλο
Σχεσιακό μοντέλο
• Πίνακες
• Διακριτά ονόματα
• Στήλες-γραμμές
• Όλες οι συσχετίσεις μπορούν να φανούν με επισκόπηση
Στιγμιότυπα / Σχήματα
• Σχήμα: λογική αναπαράσταση
• Συνολική σχεδίαση
• Χαρακτηριστικά και περιορισμοί
• Ισχύουν σχεδόν πάντα (για πολύ χρόνο)
Βάση τράπεζας
• Branch (κατάστημα), το σύνολο όλων των καταστημάτων της τράπεζας, με
χαρακτηριστικά br-name (όνομα καταστήματος), br-city (πόλη καταστήματος),
assets (περιουσία).
• Customer (Πελάτης), το σύνολο όλων των ατόμων που έχουν κάποιο λογαριασμό
στην τράπεζα, με χαρακτηριστικά cust-name (όνομα-πελάτη), AFM (ΑΦΜ), street
(οδός), cust-city (πόλη-πελάτη).
• Employee (Υπάλληλος), το σύνολο όλων των ατόμων που δουλεύουν στην
τράπεζα, με χαρακτηριστικά empl-name (όνομα-υπαλλήλου) και phone (αριθ.
τηλεφώνου).
• Account (Λογαριασμός), το σύνολο όλων των λογαριασμών της τράπεζας, με
χαρακτηριστικά acc-number (αριθμός λογαριασμού) και balance (υπόλοιπο)
• Transaction (συναλλαγή), το σύνολο όλων των συναλλαγών που γίνονται σε της
τράπεζας, με χαρακτηριστικά trans-number (αριθμός συναλλαγής), date
(ημερομηνία) και amount (ποσό).
Διαγράμματα E-R
Συσχετίσεις και σύνολα συσχετίσεων
Βάση τράπεζας
• Branch (κατάστημα), το σύνολο όλων των καταστημάτων της τράπεζας, με
χαρακτηριστικά br-name (όνομα καταστήματος), br-city (πόλη καταστήματος),
assets (περιουσία).
• Customer (Πελάτης), το σύνολο όλων των ατόμων που έχουν κάποιο λογαριασμό
στην τράπεζα, με χαρακτηριστικά cust-name (όνομα-πελάτη), AFM (ΑΦΜ), street
(οδός), cust-city (πόλη-πελάτη).
• Employee (Υπάλληλος), το σύνολο όλων των ατόμων που δουλεύουν στην
τράπεζα, με χαρακτηριστικά empl-name (όνομα-υπαλλήλου) και phone (αριθ.
τηλεφώνου).
• Account (Λογαριασμός), το σύνολο όλων των λογαριασμών της τράπεζας, με
χαρακτηριστικά acc-number (αριθμός λογαριασμού) και balance (υπόλοιπο)
• Transaction (συναλλαγή), το σύνολο όλων των συναλλαγών που γίνονται σε της
τράπεζας, με χαρακτηριστικά trans-number (αριθμός συναλλαγής), date
(ημερομηνία) και amount (ποσό).
Συσχέτιση
CustAcct
Customer
Account
Συσχέτιση
• Σύνδεση μεταξύ οντοτήτων
• Συνήθως δύο, μπορεί και περισσότερες
• Μπορούμε να αναλύσουμε οποιαδήποτε σχέση με >2 οντότητες σε
περισσότερες σχέσεις μεταξύ δύο οντοτήτων η κάθε μία
• Δεν μας ενδιαφέρει στα πλαίσια της εισαγωγής του μαθήματος
• Παράδειγμα: Πελάτες σχετίζονται με λογαριασμούς
• Προφανής συσχέτιση: πελάτης έχει λογαριασμό
• Μπορεί να είναι και κάτι άλλο: πελάτης συνδέει την κάρτα με λογαριασμό
Συσχέτιση / οντότητα?
• Δεν είναι απολύτως ξεκάθαρο αν πρέπει να είναι το ένα ή το άλλο
• Μπορεί να αποφασίσουμε ότι κάποιο χαρακτηριστικό είναι οντότητα
από μόνο του
Συσχέτιση / οντότητα?
• Αν το phone μείνει ως οντότητα,
Περιορισμοί συσχετίσεων
Περιορισμοί συσχετίσεων
Περιορισμοί συσχετίσεων
• Υπενθύμιση: σχήμα vs στιγμιότυπο
Περιορισμοί συσχετίσεων
Παράδειγμα
CustAcct
• Δεν έχουμε κοινούς λογαριασμούς ΚΑΙ όχι πάνω από ένας
1-προς-1
Σχέση πολλά-προς-1
Πληθικότητα συσχέτισης στο E-R
Πλευρά του «1»: Βελάκι
Σχέση 1-προς-1
Κλειδιά
• Χαρακτηριστικό
• Μοναδική τιμή
• Όχι κενό
• Εκπροσωπεί την κάθε εγγραφή
• Βοηθάει πάρα πολύ στην αναζήτηση
• Δεν είναι απαραίτητο, αλλά μόνο τρελός δεν θα όριζε
• Μπορεί να είναι ένα ή περισσότερα χαρακτηριστικά (όσα
χρειάζονται)
Ρόλοι – ασθενής οντότητα
Βάση τράπεζας
• Branch (κατάστημα), το σύνολο όλων των καταστημάτων της τράπεζας, με
χαρακτηριστικά br-name (όνομα καταστήματος), br-city (πόλη καταστήματος),
assets (περιουσία).
• Customer (Πελάτης), το σύνολο όλων των ατόμων που έχουν κάποιο λογαριασμό
στην τράπεζα, με χαρακτηριστικά cust-name (όνομα-πελάτη), AFM (ΑΦΜ), street
(οδός), cust-city (πόλη-πελάτη).
• Employee (Υπάλληλος), το σύνολο όλων των ατόμων που δουλεύουν στην
τράπεζα, με χαρακτηριστικά empl-name (όνομα-υπαλλήλου) και phone (αριθ.
τηλεφώνου).
• Account (Λογαριασμός), το σύνολο όλων των λογαριασμών της τράπεζας, με
χαρακτηριστικά acc-number (αριθμός λογαριασμού) και balance (υπόλοιπο)
• Transaction (συναλλαγή), το σύνολο όλων των συναλλαγών που γίνονται σε της
τράπεζας, με χαρακτηριστικά trans-number (αριθμός συναλλαγής), date
(ημερομηνία) και amount (ποσό).
Συσχέτιση
CustAcct
Customer
Account
Συσχέτιση
• Σύνδεση μεταξύ οντοτήτων
• Παράδειγμα: Πελάτες σχετίζονται με λογαριασμούς
• Προφανής συσχέτιση: πελάτης έχει λογαριασμό
• Μπορεί να είναι και κάτι άλλο: πελάτης συνδέει την κάρτα με
λογαριασμό
• Άλλο παράδειγμα: Υπάλληλοι σχετίζονται με προϊστάμενο
• Προφανής συσχέτιση: υπάλληλος έχει προϊστάμενο
• Ερώτημα: ποιες οντότητες σχετίζονται??
Υπάλληλοι – Προϊστάμενοι
Σχέση ρόλων
• Το σύνολο απεικονίζεται στον εαυτό του
• Υπάρχει κάποιος ρόλος που συνδέει δύο μέλη του συνόλου μεταξύ
τους
• Πάντα η σχέση είναι 1-Ν
Προΐσταται
• Υπάλληλοι
υφιστάμενος
Ασθενής οντότητα
• Transaction (συναλλαγή), το σύνολο όλων των συναλλαγών που
γίνονται σε της τράπεζας, με χαρακτηριστικά trans-number (αριθμός
συναλλαγής), date (ημερομηνία) και amount (ποσό).
Ασθενής οντότητα
trans-number date amount
12-345-ΑΒ-253467 12/3/2021 100.00
17-345-ΑΕ-527167 14/3/2021 120.00
12-345-ΑΒ-253467 12/3/2021 100.00
Ασθενής - ισχυρή
• Απαραίτητο: σύνδεση με ισχυρή οντότητα
• Μοναδική σύνδεση με το διάγραμμα E-R
• Σχέση ένα-προς-πολλά
Τέκνο Γονέας
Μετατροπή σε πίνακες-οντότητα
• Οντότητα: κάθε χαρακτηριστικό → μία στήλη
• Κάθε στήλη παίρνει όνομα
• Το όνομα έχει κανόνες
• Δεν είναι κάτι αφηρημένο
• Ακολουθεί η υλοποίηση σε υπολογιστή, με λογισμικό κτλ
• Κλειδί
• στοιχείο με μοναδικές τιμές
• Όχι κενές τιμές
Συσχέτιση
• Συνεπώς:
• Κάθε κλειδί οντότητας → αντίστοιχες στήλες (ανάλογα με το πόσα
χαρακτηριστικά περιέχει το κάθε κλειδί)
• Χαρακτηριστικά συσχέτισης: κάθε χαρακτηριστικό → στήλη
• Κλειδί?
Κλειδί συσχέτισης
• Απάντηση: εξαρτάται ☺
ΑΦΜ
Ονομα Κωδικός ηλικία
όνομα
Ασθενής οντότητα
• Χαρακτηριστικά → στήλες (όπως και οι ισχυρές)
• Ζωή?
Ασθενής οντότητα
• Κλειδί της ασθενούς οντότητας?
Κλειδί συσχέτισης
• 1-1: κάθε κλειδί μοναδικό
Κλειδί συσχέτισης
• M-Ν: και οι δύο πλευρές επαναλαμβάνονται
Σύνοψη
Σχεσιακό μοντέλο
• Σχεσιακή Βάση Δεδομένων: συλλογή πινάκων
• Κάθε γραμμή: πλειάδα (tuple)
• Ενιαία μονάδα
• Συνδυασμός τιμών από σύνολα τιμών
Παράδειγμα αναφοράς
• Branch-scheme = (br-name, assets, br-city)
• Customer-scheme = (cust-name, street, cust-city)
• Deposit-scheme = (br-name, acc-number, cust-name, balance)
• Borrow-scheme = (br-name, loan-number, cust-name, amount)
Συσχέτιση
Συσχέτιση
• Άλλο παράδειγμα:
Customer-scheme = (cust-name, street, cust-city)
Μερικές παρατηρήσεις
• Cust-name: εμφανίζεται και στους δύο πίνακες
• Δεν είναι τυχαίο
• Δείχνει τη πραγματική συνάφεια δεδομένων σε διαφορετικούς πίνακες
• Χρησιμοποιείται για τη σύνδεση μεταξύ πινάκων
Σχεσιακή άλγεβρα
• Σύνολο πράξεων με λογική αλληλουχία
• Αφηρημένη (abstract)
Βασικές λειτουργίες
Επιλογή (select)
• Επιλογή πλειάδων με συγκεκριμένη συνθήκη
• Συμβολίζεται με το γράμμα σ
ΑΦΜ
Ονομα Κωδικός ηλικία
όνομα
Βασικές λειτουργίες
Επιλογή (select)
• Επιλογή πλειάδων με συγκεκριμένη συνθήκη
• Συμβολίζεται με το γράμμα σ
σ br-name = ‘Ακαδημία’ (borrow)
Παράδειγμα
Αποτέλεσμα
Παραδείγματα
• Δάνεια με ποσό πάνω από 2000 ευρω
σ amount > 2000 (borrow)
Βασικές λειτουργίες
Προβολή (project)
• Επιλογή χαρακτηριστικών (στηλών) από πίνακα
• Συμβολίζεται με το γράμμα Π
Π br-name, br-city (branch)
• Μετάφραση: επίλεξε από τον πίνακα branch τις στήλες Br-name, Br-
city
• Τι είναι το αποτέλεσμα? (σκεφθείτε)
Βασικές λειτουργίες
Απάντηση: πίνακας!
• Έχει το πλήθος των στηλών που επιλέξαμε
• Έχει το ίδιο πλήθος γραμμών με τον αρχικό πίνακα
• Δεν «διώχνουμε» πληροφορία
• «Προβάλλουμε» αυτά που μας ενδιαφέρουν
Παραδείγματα
Παραδείγματα
Παραδείγματα συνδυασμών
• Απάντηση : όχι!
• Πρώτα υπολογίζω τον πίνακα και μετά κρατάω αυτά που θέλω
• Στο παράδειγμα: δεν ξέρω τα ποσά των δανείων, ξέρω όμως ότι
είναι σίγουρα πάνω από 2000 ευρώ.
Μερικές λεπτομέρειες
• Οι συνθήκες μπορούν να συνδέονται με AND, OR, XOR, NOT και
άλλους λογικούς τελεστές
• Η τελική μας συνθήκη είναι μία, μπορεί όμως να αποτελεί σύνθεση
πολλών άλλων
• Στις συνθήκες μπορώ να έχω και διάφορες «συντομεύσεις»:
• ΙΝ: αντίστοιχο του ϵ
Acc-number IN (1000, 2100, 3535)
Ισοδύναμο με Acc-no = 1000 OR acc-no=2100 OR acc-no = 3535
• BETWEEN - AND: ισοδύναμο με δύο συνθήκες που ορίζουν μια περιοχή
Acc-number BETWEEN 1000 AND 2000
Ισοδύναμο με Acc-number >1000 AND Acc-number <2000
• LIKE: αναζήτηση για σειρές χαρακτήρων που μοιάζουν με κάτι
Διάταξη
• Σημαντικό στοιχείο στις βάσεις δεδομένων
• Σειρά με βάση μια αύξουσα ακολουθία
• Ό,τι μπορεί να μπει σε μια αύξουσα ακολουθία μπορεί και να
μπει σε διάταξη
• Αριθμοί: σύμφωνα με τη γνωστή διάταξη των φυσικών αριθμών
• Ημερομηνίες: η πιο πρόσφατη ημερομηνία θεωρείται μεγαλύτερη από
μια παλιότερη
• Σειρές χαρακτήρων: αλφαβητικά, όπως στο λεξικό
Διάταξη
• Προσοχή: οι λέξεις μπορούν και αυτές να συγκριθούν
• Παράδειγμα: τι σημαίνει Cust-name > ‘Βερ’ ?
• Απάντηση: όλες οι λέξεις / φράσεις που θα ήταν μετά τη λέξη
‘Βερ’ στο λεξικό
• Βεργα, βεστιάριο, γράμμα, δρόμος
Αλλά όχι
• βελάκι, βαρος, αλγεβρα
Διάταξη
• Μπορούμε να συγκρίνουμε με ανισότητες και λέξεις μεταξύ τους
• «Μεγαλύτερη» είναι η λέξη που βρίσκεται παρακάτω στο λεξικό
• Βγενόπουλος > Βα (το α είναι πριν το γ)
• Παύλου < Πε (το ε είναι μετά το α)
• Γ < Γεωργίου (το Γ εμφανίζεται πριν από οποιαδήποτε λέξη από Γ)
• Θα μπορούσαμε να βρούμε και μια ομάδα λέξεων με ανισότητες
• Πχ τα ονόματα καταστημάτων από Δ μπορούν να βρεθούν
• Br-name >= ‘Δ’ AND Br-name < ‘E’
• Φυσικά σπανίως θα κάνουμε κάτι τέτοιο, όταν έχουμε εργαλεία που
κάνουν την ίδια δουλειά με πιο φυσικό τρόπο
Πράξεις συνόλων
• Τι ζητάμε?
Ονόματα πελατών που είναι και στον πίνακα Deposit και στον πίνακα
Borrow
Παράδειγμα
• Συνεπώς, απάντηση:
Π[Link]-name (Deposit ∩ borrow)
Παραδείγματα
• Λύση: -- πρώτα απομονώνω τα ονόματα
-- μετά κάνω την τομή
∩ =
Προϋποθέσεις
• Πρέπει να μπορώ να συγκρίνω γραμμές
• Για να συμβεί αυτό, πρέπει οι γραμμές να είναι συμβατές:
Προϋποθέσεις
• Συνήθως η πράξη γίνεται μεταξύ πινάκων που σχηματίζω για αυτό το
σκοπό, άρα πληρούνται εξ ορισμού οι προϋποθέσεις
• Ας το ξαναδούμε:
Μπορώ να συγκρίνω deposit και borrow ?
• Deposit(br-name, acc-number, cust-name, balance)
• Borrow (br-name, loan-number, cust-name, amount)
Ναι!
Αλλά συνήθως δεν σημαίνει τίποτα
Πράξεις
• Ένωση Α U Β : σχηματισμός ενός πίνακα, με τις γραμμές και των δύο πινάκων
• Ισοδύναμο με το Α OR Β
• Τομή Α ∩ Β : σχηματισμός ενός πίνακα, μόνο με τις κοινές γραμμές των δύο
πινάκων
• Ισοδύναμο με το Α AND Β
• Διαφορά Α – Β : σχηματισμός ενός πίνακα, με τις γραμμές του πρώτου χωρίς τις
γραμμές που είναι και στον δεύτερο
• Ισοδύναμο με το Α AND (ΝΟΤ Β)
• Προσοχή: η διαφορά δεν είναι αντιμεταθετική Α- Β ≠ Β-Α
Παραδείγματα
• Πελάτες με καταθέσεις των καταστημάτων Κέντρο και Ομόνοια
• Ορθή διατύπωση: «Κέντρο ή Ομόνοια»
Πcust-name (σ br-name=‘Κέντρο’(Deposit)) U Πcust-name (σ br-name=‘Ομόνοια’(Deposit))
Παραδείγματα
• Όλες οι λεπτομέρειες των έργων
J
• Τα στοιχεία των έργων στην Αθήνα
σ city = ‘Αθήνα’ (J)
• Κωδ. Προμηθευτή που προμηθεύει το έργο J1
Π S# (σ J# = ‘J1’(SPJ) )
• Παραγγελίες με ποσότητες από 300 έως 700
σ 300 <posot < 700 (SPJ)
• Ζευγάρια χρωμάτων και πόλεων υλικών
Π color, city (P)
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που είναι στην ίδια πόλη
σ [Link] = [Link] AND [Link] = [Link] (S X P X J)
Παραδείγματα
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που δεν είναι όλοι στην
ίδια πόλη
σ [Link] ≠ [Link] OR [Link] ≠ [Link] OR [Link] ≠ [Link](S X P X J)
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που είναι όλοι σε
διαφορετική πόλη
σ [Link] ≠ [Link] AND [Link] ≠ [Link] AND [Link] ≠ [Link](S X P X J)
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής από Αθήνα
Π P#(σ city = ‘Αθήνα’ (SPJ >< S))
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής από Αθήνα σε έργα στην Αθήνα
Π P#(σ [Link] = ‘Αθήνα’ AND [Link] = ‘Αθήνα’ (J >< SPJ >< S))
• Ζεύγη πόλεων ώστε ένας προμηθευτής από την πρώτη πόλη προμηθεύει κάποιο
έργο στη δεύτερη πόλη
Θέλουμε να φέρουμε στην ίδια γραμμή την πόλη του έργου και την πόλη του προμηθευτή
Π [Link], [Link] (J >< SPJ >< S)
Παραδείγματα
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής σε έργα στην πόλη
του
ΠP# (σ [Link] = [Link] (S >< SPJ >< J))
• Κωδικοί έργων που προμηθεύονται υλικά από τουλάχιστον έναν
προμηθευτή από άλλη πόλη
ΠJ# (σ [Link] ≠ [Link] (S >< SPJ >< J))
• Ζεύγη υλικών που κάποιος προμηθευτής προμηθεύει και τα δύο
(Σκεφτείτε)
Παραδείγματα
• Ζεύγη υλικών που κάποιος προμηθευτής προμηθεύει και τα δύο
Θυμηθείτε: κάθε πράξη πρέπει να ψάχνει στην ίδια γραμμή
• Ζεύγη υλικών που κάποιος προμηθευτής προμηθεύει και τα δύο
Παραδείγματα
• Ονόματα έργων για έργα που προμηθεύονται υλικά από τον
προμηθευτή S1
Π[Link] (σ S# = ‘S1’(SPJ >< J))
Αν και δεν χρειάζεται το όνομα του πίνακα, δεν δημιουργεί πρόβλημα
Εναλλακτικά
ΠJname (σ J# IN (σ S# = ‘S1’ (SPJ))(J))
Δεν χρειάζεται η φυσική σύνδεση, μπορούμε να αποσυνδέσουμε τους δύο πίνακες
• Χρώματα υλικών που δίνει ο S1
Πcolor (σ S# = ‘S1’ (SPJ >< P))
Παραδείγματα
• Κωδικοί προμηθευτή για προμηθευτές που δίνουν τουλάχιστον ένα υλικό που
δίνεται από ένα τουλάχιστον προμηθευτή που δίνει κάποιο κόκκινο υλικό
• Φωλιασμένα ερωτήματα
• Λύση: ξεκινάμε ανάποδα και πηγαίνουμε προς τα πίσω
Παραδείγματα
• Κωδικοί προμηθευτή με στάτους μικρότερο από αυτό του S1
ΠS# (σstatus < x (S) )
Χρειαζόμαστε μια τιμή που δεν ξέρουμε
• Πώς τη βρίσκουμε? Χ = Πstatus (σs# = ‘S1’ (S) )
• Tο εμπορικό standard
• Όλοι το ακολουθούν
Εντολή Select
• Δομή της εντολής:
Select <λίστα εκφράσεων>
From <λίστα πινάκων>
[Where <συνθήκη>]
[Order By <λίστα πεδίων>]
[Group By <λίστα πεδίων>
[Having <συνθήκη>]]
• Απαραίτητα μόνο τα πρώτα
• Η σειρά είναι συγκεκριμένη
Εντολή Select
• Λειτουργία:
Όλα τα στοιχεία των πελατών από πόλεις που έχουν κατάστημα «Κέντρο»
SELECT *
FROM Customer
WHERE cust-city IN ( SELECT br-city FROM branch WHERE br-name =
‘Κέντρο’)
Παραδείγματα
• Ο πίνακας που υπολογίστηκε στην παρένθεση μπορεί να «μεταφέρεται» όπου
χρειαστεί
• Προσοχή: πρέπει ο πίνακας να είναι συμβατός με τη δουλειά που κάνει
• Αν ψάχνουμε μια λίστα τιμών πόλεων, πρέπει να φροντίσουμε η εντολή στην
παρένθεση να βγάζει κάτι τέτοιο
• Π.χ. όχι
SELECT * FROM Customer
WHERE cust-city IN ( SELECT br-city, br-name FROM branch WHERE br-name
= ‘Κέντρο’)
• Δεν μπορώ να ψάξω μια μεταβλητή σε ζευγάρια τιμών
Διάταξη
• Νέα σειρά των γραμμών με βάση συγκεκριμένα πεδία
ORDER BY acc-no
• Διατάσσουμε τις γραμμές με αύξουσα σειρά του πεδίου acc-no
• Προφανώς η γραμμή ακολουθεί ολόκληρη ☺
Παραδείγματα
• Μπορώ να υπολογίσω και μία μοναδική τιμή και να την χρησιμοποιήσω σε
συνθήκες
Διάταξη
• H σειρά αντιστρέφεται
• Η default σειρά είναι η αύξουσα (ASC, αλλά δεν χρειάζεται)
• Κάθε πεδίο μπορεί να έχει διαφορετική σειρά
ORDER BY balance DESC, cust-name ASC, acc-no
• Πρώτα με βάση το υπόλοιπο με φθίνουσα σειρά, αν έχουμε το ίδιο
υπόλοιπο με αλφαβητική σειρά του ονόματος, αν έχουμε και το ίδιο
όνομα με αύξουσα σειρά του αρ. λογαριασμού
Διάφορα παραδείγματα
• Ονόματα πελατών από Αθήνα και Θεσσαλονίκη με αλφαβητική σειρά
SELECT Cust-name FROM Customer
WHERE cust-city = ‘Αθήνα’ OR Cust-city = ‘Θεσσαλονίκη’
ORDER BY Cust-name
• Eναλλακτικά WHERE cust-city ΙΝ ( ‘Αθήνα’ , ‘Θεσσαλονίκη’)
Παραδείγματα σχεσιακής
άλγεβρας
Παραδείγματα
S (S#, SNAME, STATUS, CITY)
P(P#, PNAME, COLOR, WEIGHT, CITY)
J (J#, JNAME, CITY)
SPJ(S#, P#, J#,POSOT)
• S: πίνακας προμηθευτών
• P: πίνακας υλικών
• J: πίνακας έργων
• SPJ: πίνακας παραγγελιών
Παραδείγματα
• Όλες οι λεπτομέρειες των έργων
J
• Τα στοιχεία των έργων στην Αθήνα
σ city = ‘Αθήνα’ (J)
• Κωδ. Προμηθευτή που προμηθεύει το έργο J1
Π S# (σ J# = ‘J1’(SPJ) )
• Παραγγελίες με ποσότητες από 300 έως 700
σ 300 <posot < 700 (SPJ)
• Ζευγάρια χρωμάτων και πόλεων υλικών
Π color, city (P)
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που είναι στην ίδια
πόλη
Π S#, P#, J# (σ [Link] = [Link] AND [Link] = [Link] (S X P X J))
Μπορεί να γίνει και με φυσική σύνδεση ως προς τις πόλεις (ουσιαστικά είναι το ίδιο)
Παραδείγματα
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που δεν
είναι όλοι στην ίδια πόλη
Π S#, P#, J# (σ [Link] ≠ [Link] OR [Link] ≠ [Link] OR [Link] ≠ [Link](S X P X J))
Μια από τις τρεις συνθήκες δεν είναι απαραίτητη
• Βρείτε τριάδες κωδικών προμηθευτή, υλικού και έργου που είναι
όλοι σε διαφορετική πόλη
Π S#, P#, J# (σ [Link] ≠ [Link] AND [Link] ≠ [Link] AND [Link] ≠ [Link](S X P X J) )
• Σε αυτά δεν στέκεται η φυσική σύνδεση, γιατί υπάρχει το ≠
• Αυτό δείχνει ότι η φυσική σύνδεση δεν είναι η «τεχνικά ορθή» απάντηση
Παραδείγματα
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής από Αθήνα
Π P#(σ city = ‘Αθήνα’ (SPJ >< S))
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής από Αθήνα σε έργα
στην Αθήνα
Π P#(σ [Link] = ‘Αθήνα’ AND [Link] = ‘Αθήνα’ (J >< SPJ >< S))
• Ζεύγη πόλεων ώστε ένας προμηθευτής από την πρώτη πόλη
προμηθεύει κάποιο έργο στη δεύτερη πόλη
Θέλουμε να φέρουμε στην ίδια γραμμή την πόλη του έργου και την πόλη του προμηθευτή
Π [Link], [Link] (J >< SPJ >< S)
Παραδείγματα
• Κωδικοί υλικών που δίνει κάποιος προμηθευτής σε έργα στην πόλη
του
ΠP# (σ [Link] = [Link] (S >< SPJ >< J))
• Κωδικοί έργων που προμηθεύονται υλικά από τουλάχιστον έναν
προμηθευτή από άλλη πόλη
ΠJ# (σ [Link] ≠ [Link] (S >< SPJ >< J))
• Ζεύγη υλικών που κάποιος προμηθευτής προμηθεύει και τα δύο
(Σκεφτείτε)
Παραδείγματα
• Ζεύγη υλικών που κάποιος προμηθευτής προμηθεύει και τα δύο
Δηλαδή ζεύγη τύπου (Ρ1, Ρ2) που σημαίνει ότι υπάρχει κάποιος προμηθευτής που
προμηθεύει και το Ρ1 και το Ρ2
Παραδείγματα
• Απάντηση: φυσική σύνδεση του πίνακα με τον εαυτό του
Εναλλακτικά
ΠJname (σ J# ⋲ (Π J# (σ S# = ‘S1’ (SPJ)))(J))
Δεν χρειάζεται η φυσική σύνδεση, μπορούμε να αποσυνδέσουμε τους δύο πίνακες
• Χρώματα υλικών που δίνει ο S1
Πcolor (σ S# = ‘S1’ (SPJ >< P))
Παραδείγματα
• Κωδικοί έργων για έργα που προμηθεύονται κάποιο υλικό από αυτά
που προμηθεύει ο προμηθευτής S1 (όχι απαραίτητα σε αυτό το έργο)
✓Αν ξέραμε ποια είναι αυτά τα υλικά, πχ σε μια λίστα Α, τότε η
απάντηση είναι εύκολη:
ΠJ# (σ P# ⋲ A(SPJ))
✓Πώς θα βρούμε το Α ?
Α = Π P# (σ S# = ‘S1’ (SPJ))
✓ΠΡΟΣΟΧΗ: μιλάμε για διαφορετικές συνθήκες, δεν μπορούμε να τις
συγχωνεύσουμε!
Παραδείγματα
• Λίστα πόλεων που έχουν τουλάχιστον ένα έργο ή ένα υλικό ή έναν
προμηθευτή
Πcity(J) ⋃ Πcity(S) ⋃ Πcity(P)
• Λίστα υλικών που δίνονται είτε από Αθηναίο προμηθευτή είτε σε
έργο της Αθήνας
Ένωση: ΠP#(σ city = ‘Αθήνα’ (SPJ >< S)) ⋃ ΠP#(σ city = ‘Αθήνα’ (SPJ >< J))
• Λίστα υλικών που δίνονται από Αθηναίο προμηθευτή σε έργο της
Αθήνας
Τομή: ΠP#(σ city = ‘Αθήνα’ (SPJ >< S)) ⋂ ΠP#(σ city = ‘Αθήνα’ (SPJ >< J))
• Ζεύγη προμηθευτή υλικού που ο προμηθευτής δεν προμηθεύει αυτό
το υλικό (σκεφτείτε)
Παραδείγματα
• Ζεύγη προμηθευτή - υλικού που ο προμηθευτής δεν προμηθεύει
αυτό το υλικό
• Ποιο είναι το εύκολο?
Απάντηση: ζεύγη προμηθευτή - υλικού που ο προμηθευτής
προμηθεύει αυτό το υλικό
ΠS#, P#(SPJ)
Ακολούθως αφαιρούμε από το σύνολο αυτών (καρτεσιανό γινόμενο)
ΠS#, P#(S X P) - ΠS#, P#(SPJ)
• Φωλιασμένα ερωτήματα
• Λύση: ξεκινάμε ανάποδα και πηγαίνουμε προς τα πίσω
Παραδείγματα
• Κωδικοί προμηθευτή με στάτους μικρότερο από αυτό του S1
ΠS# (σstatus < x (S) )
Χρειαζόμαστε μια τιμή που δεν ξέρουμε
• Πώς τη βρίσκουμε? Χ = Πstatus (σs# = ‘S1’ (S) )
Φυσική σύνδεση
• Δεν υπάρχει κάποια εντολή που κάνει φυσική σύνδεση
• Εφαρμόζουμε το μηχανισμό με τον οποίο γίνεται η σύνδεση
Παραδείγματα
• Αρ. λογαριασμού σε καταστήματα της Αθήνας
SELECT acc-no FROM Deposit, branch
WHERE [Link]-name = [Link]-name AND
Br-city = ‘Αθήνα’
• Αρ. δανείου και διεύθυνση πελάτη για πελάτες με δάνεια πάνω από
50000
SELECT loan-no, address FROM Borrow, customer
WHERE [Link]-name = [Link]-name AND
Amount > 50000
Παραδείγματα
• Αρ. λογαριασμού και όνομα πελάτη με λογαριασμό στην πόλη του
SELECT acc-no, [Link]-name FROM Deposit, branch, customer
WHERE [Link]-name = [Link]-name AND [Link]-name =
[Link]-name AND
Br-city = cust-city
• Ονόματα δανειοληπτών που έχουν τα δάνεια 961 και 1003 και τα αντίστοιχα
καταστήματα και πόλεις των δανείων
SELECT cust-name, [Link]-name, br-city FROM Borrow, branch
WHERE [Link]-name = [Link]-name AND
(loan-no = 961 OR loan-no = 1003)
Εμφωλευμένα ερωτήματα
• Πολλές φορές δεν χρειάζεται πραγματική η σύνδεση
• Αρ. λογαριασμού σε καταστήματα της Αθήνας
• Χρειαζόμαστε μόνο να ξέρουμε ποια καταστήματα είναι στην Αθήνα
SELECT br-name FROM branch
WHERE Br-city = ‘Αθήνα’
Παραδείγματα
• Ονόματα πελατών με δάνειο και λογαριασμό ταυτόχρονα στο ίδιο
κατάστημα
(SELECT cust-name FROM Deposit)
INTERSECT
(SELECT cust-name FROM Borrow)
• Ονόματα πελατών με δάνειο και λογαριασμό ταυτόχρονα στο ίδιο
κατάστημα
• Ψάχνουμε και το όνομα και το κατάστημα, σαν ζευγάρι
(SELECT cust-name, br-name FROM Deposit)
INTERSECT
(SELECT cust-name, br-name FROM Borrow)
Παραδείγματα
• Ονόματα πελατών είτε με δάνειο είτε με λογαριασμό
(SELECT cust-name FROM Deposit)
UNION
(SELECT cust-name FROM Borrow)
• Ονόματα πελατών με δάνειο αλλά χωρίς λογαριασμό
(SELECT cust-name FROM Borrow)
MINUS
(SELECT cust-name FROM Deposit)
Παραδείγματα
• Έργα που προμηθεύονται από τον προμηθευτή S1
αλλά όχι από κάποιον άλλο
SELECT J# FROM SPJ
MINUS
(SELECT J# FROM SPJ WHERE S# <> ‘S1’)
• Βρίσκουμε τα έργα που παίρνουν και από κάποιον
άλλο
• Αφαιρούμε αυτά τα έργα από την πλήρη λίστα έργων
Παραδείγματα
• Ζεύγη S# και P# ώστε ο προμηθευτής να ΜΗΝ προμηθεύει το υλικό
• Και πάλι πρέπει να βρούμε όλα τα ζευγάρια που ο προμηθευτής
προμηθεύει το υλικό και να τα αφαιρέσουμε από τα δυνατά ζευγάρια
• Ποια είναι αυτά τα ζευγάρια? Είναι αυτά που βρίσκω στο SPJ
SELECT S#, P# FROM SPJ
• Μετά αφαιρώ από όλα τα πιθανά (καρτεσιανό γινόμενο) ζεύγη (S#,
P#)
SELECT S#, P# FROM S, P
MINUS
S#, P# FROM SPJ
Παραδείγματα
• P# που δίνουν Αθηναίοι προμηθευτές ή παίρνουν έργα από Αθήνα
• Ο προφανής τρόπος: χρειαζόμαστε τους πίνακες SPJ, J, S → φυσική σύνδεση
SELECT P# FROM S, SPJ, J
WHERE S.S# = SPJ.S# AND J.J# = SPJ.J# AND
([Link] = ‘Αθήνα’ OR [Link] = ‘Αθήνα’)
• Πιο οικονομικός τρόπος: η Αθήνα δεν μας χρειάζεται, πέρα από το να βρούμε τα
έργα και τους προμηθευτές που είναι από εκεί.
SELECT P# FROM SPJ
WHERE S# IΝ (λίστα Αθηναίων προμηθευτών) OR J# IN (λίστα αθηναϊκών έργων)
• Η πρώτη είναι SELECT S# FROM S WHERE CITY = ‘Αθήνα’. Η δεύτερη είναι SELECT J#
FROM J WHERE CITY = ‘Αθήνα’
Παραδείγματα
• Μπορούμε να χειριστούμε το παράδειγμα και κάνοντας ένωση των συνόλων που
προκύπτουν από τις δύο συνθήκες
(SELECT P# FROM SPJ
WHERE S# IN (SELECT S# FROM S WHERE CITY = ‘Αθήνα’))
UNION
(SELECT P# FROM SPJ
WHERE J# IN (SELECT J# FROM J WHERE CITY = ‘Αθήνα’))
Παραδείγματα
• Έργα που παίρνουν κόκκινα υλικά από Αθηναίους
προμηθευτές
• Χρειαζόμαστε τους πίνακες SPJ, P (για το χρώμα) και S
( για την Αθήνα)
SELECT J# FROM SPJ, P, S
WHERE S.S# =SPJ.S# AND P.P# = SPJ.P# AND
(COLOR = ‘κόκκινο’ AND [Link] = ‘Αθήνα’)
Σύνδεση μεταξύ γραμμών του πίνακα
• Ζεύγη P# για υλικά που προμηθεύει ο ίδιος προμηθευτής
S1 P1
S1 P2
S2 P3
S2 P4
S3 P1
S4 P1
S4 P3
S5 P2
• Αν ο πίνακας SPJ έχει την παραπάνω μορφή, πρέπει να σχηματίσουμε τα
ζευγάρια (P1, P2) από τον S1, (P3,P4) από τον S2, (P1, P3) από τον S4. Από
τους S3 και S5, δεν θα προκύψει ζευγάρι γιατί δεν φαίνεται να δίνουν άλλο
υλικό.
Εντολή INSERT
• Παράδειγμα: εισαγωγή γραμμής στον πίνακα Borrow με αριθμό
δανείου και όνομα πελάτη, με κενά τα υπόλοιπα πεδία
INSERT INTO Borrow (cust-name, loan-no)
VALUES (‘Πέτρου’, 23910)
• Οι τιμές αντιστοιχούν μία προς μία στα πεδία όπως αυτά γράφονται
στην εντολή
• Πρέπει να περιλαμβάνονται τουλάχιστον οι μη κενές (NOT NULL)
τιμές, αλλιώς η εντολή δεν δουλεύει
Εντολή INSERT
• Μπορεί να παραλειφθεί η λίστα πεδίων, αρκεί να δίνονται όλες οι
τιμές της γραμμής, με τη σειρά που έχουν ορισθεί στον πίνακα
INSERT INTO Branch
VALUES (‘Κέντρο’, ‘Αθήνα’, 1000000)
• Μπορεί να ζητήσουμε να μείνει ένα πεδίο κενό
INSERT INTO Borrow
VALUES (12555, null, null, 1000.00)
Εντολή INSERT
• Υπάρχει και η δυνατότητα να δώσουμε «πακέτο» το αποτέλεσμα μιας
εντολή SELECT (προσοχή: συμβατότητα)
• Παράδειγμα: δημιουργούμε έναν νέο πίνακα Branch_Athens, με στήλες
br-name, assets και θέλουμε να εισάγουμε αυτά τα στοιχεία για τα
καταστήματα της Αθήνας
• Καταστήματα Αθήνας: SELECT br-name, assets FROM branch
WHERE br-city = ‘Αθήνα’
• Εισαγωγή στον νέο πίνακα
INSERT INTO Branch_Athens
(SELECT br-name, assets FROM branch WHERE br-city = ‘Αθήνα’)
Εντολή INSERT: παραδείγματα
• Εισαγωγή του προμηθευτή S5, με στάτους 3 και πόλη Αθήνα
INSERT INTO S (S#, status, city)
VALUES (‘S5’, 3 , ‘Αθήνα’)
• Εναλλακτικά INSERT INTO S VALUES (‘S5’, null, ‘Αθήνα’, 3) (ακολουθούμε τη σειρά
των πεδίων στον πίνακα)
• Προσοχή: όχι εισαγωγικά στο null, γιατί θα θεωρηθεί λέξη
• Παρά ταύτα, η εντολή θα τρέξει, βάζοντας σαν Sname το null
• Παραγγελία από S1, για το υλικό Ρ2, στο έργο J5 , χωρίς να ορίσουμε ποσότητα
INSERT INTO SPJ VALUES (‘S1’, ‘P2’, ‘J5’, null)
ή INSERT INTO SPJ (S#, P#, J#) VALUES (‘S1’, ‘P2’, ‘J5’)
Εντολή DELETE
• H συνθήκη μπορεί να είναι ο,τιδήποτε
• Το WHERE λειτουργεί ακριβώς όπως και στη SELECT
(θυμηθείτε: τουβλάκια)
DELETE Customer
WHERE Cust-name LIKE ‘A%’ (τι κάνει;)
• Απάντηση: Διαγράφει πελάτες με όνομα που αρχίζει από Α
DELETE Borrow
WHERE amount < 1000 AND amount >500
Εντολή DELETE
• To WHERE δεν είναι απαραίτητο για να λειτουργήσει
η εντολή:
DELETE Borrow
(τι πιστεύετε ότι κάνει; Σκεφτείτε)
Ενημέρωση δεδομένων
• Ενημέρωση: αλλαγή δεδομένων που υπάρχουν ήδη
• Όχι προσθήκη/διαγραφή γραμμών
UPDATE <πίνακας>
SET <λίστα αναθέσεων>
[WHERE <συνθήκη> ]
Εντολή UPDATE: τεχνικές λεπτομέρειες
• Μπορώ να κάνω περισσότερες αλλαγές ταυτόχρονα
(πάντα στην ίδια γραμμή/ές)
• Μπορώ να κάνω υπολογισμό και με το αποτέλεσμα
να κάνω ενημέρωση
UPDATE Borrow
SET Br-name = ‘Ομόνοια’ , amount = amount * 1,2
WHERE Br-name = ‘Κέντρο’
Δημιουργία πίνακα
• Πρέπει να ορίσουμε τύπο για κάθε χαρακτηριστικό
• Τύποι: Real, float, number, integer (int), date, varchar (n),
logical, Boolean, …
• ΝΟΤ ΝULL: δεν είναι υποχρεωτικό, χρειάζεται για να είμαστε βέβαιοι
ότι θα δίνεται τιμή στο χαρακτηριστικό αυτό σε όλες τις γραμμές
• NULL: κενή τιμή, όχι 0 ή spacebar
Δημιουργία πίνακα
• Πρωτεύον κλειδί (primary key): μοναδικές τιμές, ποτέ κενό
• Μπορεί να είναι και πάνω από ένα πεδίο
Δημιουργία πίνακα
• Για τον πίνακα SPJ:
CREATE TABLE SPJ
(S# Varchar (6) NOT NULL,
P# Varchar (6) NOT NULL,
J# Varchar (6) NOT NULL,
posot integer,
PRIMARY KEY (S#,P#,J#),
FOREIGN KEY (S#) REFERENCES S (S#),
FOREIGN KEY (J#) REFERENCES J (J#),
FOREIGN KEY (P#) REFERENCES P (P#) )
Δημιουργία πίνακα: παρατηρήσεις (1)
• Ο τύπος δεδομένων σχεδόν απαραίτητος: αν δεν ορισθεί, το
σύστημα βάζει κάποιον default, πχ char(1), που είναι άχρηστος
• Not null: αυτό το πεδίο πρέπει να έχει πάντα τιμή
➢ Το κρίνει ο σχεδιαστής
➢ Πχ. Στη Γραμματεία θέλουμε σίγουρα ΑΜ και όνομα, αλλά
ξέρουμε ότι πάντα ο φοιτητής βρίσκεται σε κάποιο
εξάμηνο, άρα θέλουμε και το εξάμηνο not null
➢ Γενικά πάντως δεν βάζουμε not null τυχαία, πρέπει να
στηριζόμαστε κάπου
ΣΥΓΚΕΝΤΡΩΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ
GROUP BY - HAVING
Παραδείγματα
• Συνολικό πλήθος έργων που προμηθεύει ο προμηθευτής S1
select COUNT(J#) from SPJ where S# = ‘S1’
• Μετά την επιλογή, δεν χρειάζεται ομαδοποίηση, όλος ο πίνακας που
μένει είναι μια ομάδα
Παραδείγματα
S# P# J# POSOT
S1 P1 J2 300
S1 P2 J1 400
S2 P3 J2 200
S2 P2 J1 150
S3 P4 J3 200
S1 P2 J1 230
Παραδείγματα
• Για κάθε υλικό που παρέχεται σε κάποιο έργο, κωδικός υλικού,
κωδικός έργουΣυνολική ποσότητα για κάθε υλικό που προμηθεύει ο
S1
select SUM(posot) from SPJ where S# = ‘S1’
GROUP BY P#
Τι λαμβάνεται υπόψη?
• Τι βγάζει η εντολή SELECT Br-name, AVG(balance) FROM Deposit
GROUP BY Br-name
Τι λαμβάνεται υπόψη?
• H τιμή ‘Κέντρο’ έχει 3 γραμμές, αλλά 2 τιμές (μία κενή)
• Άρα μέσος όρος (100+250) / 2 = 175
Μετρητής (COUNT)
• Η count() μετράει γραμμές
• Πόσες παραγγελίες έχει κάθε έργο?
SELECT J#, COUNT(J#)
FROM SPJ
GROUP BY J#
• Έχει διαφορά αν βάλουμε COUNT(S#) ?
• Απάντηση: ΟΧΙ! Μετράμε τιμές του πεδίου, δηλαδή γραμμές
• Γι’ αυτό υπάρχει και η δυνατότητα COUNT (*)
Μετρητής (COUNT)
• Προσοχή: τα κενά δεν συμμετέχουν σε καμία συνάρτηση
• Γι’ αυτό έχει σημασία ποιο πεδίο επιλέγουμε στο COUNT
HAVING
• Πώς να επιλέξω ομάδες?
• Παράδειγμα: Πόσες παραγγελίες έχει κάθε έργο,
αλλά μόνο για έργα με πάνω από 5 παραγγελίες
• Το WHERE επιλέγει γραμμές → δεν είναι κατάλληλο
• Τη δουλειά αυτή κάνει το HAVING
HAVING
SELECT J#, COUNT (J#)
FROM SPJ
GROUP BY J#
HAVING COUNT(J#) >5
ΣΥΓΚΕΝΤΡΩΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ
GROUP BY - HAVING
Παραδείγματα
• Συνολικό πλήθος έργων που προμηθεύει ο προμηθευτής S1
select COUNT(J#) from SPJ where S# = ‘S1’
• Μετά την επιλογή, δεν χρειάζεται ομαδοποίηση, όλος ο πίνακας που
μένει είναι μια ομάδα
Παραδείγματα
S# P# J# POSOT
S1 P1 J2 300
S1 P2 J1 400
S2 P3 J2 200
S2 P2 J1 150
S3 P4 J3 200
S1 P2 J1 230
Παραδείγματα
• Για κάθε υλικό που παρέχεται σε κάποιο έργο, κωδικός υλικού, κωδικός
έργου και συνολική ποσότητα για κάθε υλικό
select P#, J#, SUM(posot) from SPJ
GROUP BY P#, J#
• Έχω δυνατότητα να ζητάω ομαδοποίηση ως προς τις τιμές ενός ζεύγους
πεδίων
• Για κάθε έργο που έχει πάνω από δύο προμηθευτές, κωδικός έργου και
πλήθος παραγγελιών
Select J#, COUNT (posot) from SPJ GROUP BY J# HAVING COUNT (DISTINCT S#) >2
Παραδείγματα
• Κωδικοί έργων και μέσος όρος κομματιών παραγγελίας του έργου μόνο
για τα έργα που έχουν πάνω από 3 παραγγελίες
select J#, AVG(posot) from SPJ
GROUP BY J# HAVING COUNT(posot) > 3
Βάσεις Δεδομένων Ι
[Σημειώσεις Εργαστηρίου]
Επιμέλεια:
Καρβούνης Ευάγγελος, PhD, Επιστημονικός Συνεργάτης του Τμήματος
Αντωνιάδης Νικόλαος, Καθηγητής
Οκτώβριος 2013
Περιεχόμενα
1 Σχεδιασμός Βάσης.......................................................................................... 2
1.1 Δημιουργία πινάκων ......................................................................................... 2
1.2 Επεξεργασία πινάκων ....................................................................................... 4
1.2.1 Εισαγωγή πεδίου ................................................................................................................ 4
1.2.2 Τροποποίηση πεδίου .......................................................................................................... 5
1.2.3 Διαγραφή πεδίου ............................................................................................................... 5
| 1
[Type text]
1 Σχεδιασμός Βάσης
Θέλουμε να κατασκευάσουμε μία βάση δεδομένων για κινηματογραφικές ταινίες και
ηθοποιούς του Hollywood. Για λόγους απλότητας, ας θεωρήσουμε αρχικά ότι το μόνο που
θέλουμε να αποθηκεύσουμε είναι διάφορα στοιχεία μόνο για τους ηθοποιούς και τις
ταινίες.
Είναι πολύ σημαντικό, πριν ξεκινήσουμε να κατασκευάζουμε τη βάση μας, να έχουμε
ξεκάθαρα στο μυαλό μας τι ακριβώς θέλουμε να έχουμε αποθηκευμένο σε αυτήν. Για
παράδειγμα, στην περίπτωσή μας θα χρειαστούμε τα παρακάτω:
Για κάθε ηθοποιό θέλουμε τον αριθμό ταυτότητάς του, που είναι μοναδικός για
κάθε ηθοποιό, το ονοματεπώνυμό του, την ημερομηνία και τον τόπο γέννησής του
καθώς και τον αριθμό των βραβείων oscar που ενδεχομένως έχει κερδίσει στην
καριέρα του.
Για κάθε ταινία θέλουμε τον τίτλο της, το έτος παραγωγής της, το όνομα του
σκηνοθέτη της, το συνολικό της κόστος (budget) και τον αριθμό των εισιτηρίων που
πέτυχε. Θεωρούμε ότι δεν υπάρχουν πολλές ταινίες με τον ίδιο τίτλο.
Από την παραπάνω περιγραφή γίνεται αντιληπτό ότι στη βάση μας θα πρέπει να έχουμε
δύο πίνακες: έναν για τους ηθοποιούς και έναν για τις ταινίες. Πρέπει να διαλέξουμε ένα
όνομα για κάθε πίνακα. Έστω λοιπόν ότι τον πίνακα των ηθοποιών θα τον ονομάσουμε
ACTORS και τον πίνακα των ταινιών MOVIES (ως συνήθως, ελληνικοί χαρακτήρες δεν είναι
αποδεκτοί σε ονόματα πινάκων, πεδίων κτλ).
Προσέξτε ότι οι δύο αυτοί πίνακες είναι η υλοποίηση των αντίστοιχων οντοτήτων. Για το
λόγο αυτό, ο κάθε πίνακας περιέχει μόνο δεδομένα που αφορούν την αντίστοιχη οντότητα
και όχι δεδομένα που αφορούν τη σύνδεση μεταξύ των οντοτήτων (π.χ. δεν αναφέρονται οι
ταινίες στις οποίες παίζει ο κάθε ηθοποιός).
Στη συνέχεια, πρέπει να διαλέξουμε ένα όνομα για κάθε πεδίο (δηλαδή για την κάθε στήλη
του κάθε πίνακα). Στα πλαίσια του εργαστηρίου θα χρησιμοποιήσουμε τα εξής ονόματα:
ACTORS MOVIES
ID αριθμός ταυτότητας TITLE τίτλος ταινίας
NAME ονοματεπώνυμο YEAR έτος παραγωγής
BIRTHDATE ημερομηνία γέννησης DIRECTOR σκηνοθέτης
BIRTHPLACE τόπος γέννησης BUDGET κόστος
OSCARS αριθμός βραβείων oscar TICKETS αριθμός εισιτηρίων
Γενικά για τις εντολές SQL, δεν χρειάζεται να γράφονται σε διαφορετικές γραμμές, όπως
στο παράδειγμα που φαίνεται παραπάνω. Μπορούν να γράφονται όπως μας βολεύει.
Ωστόσο, η γραφή αυτή δίνει μια ομοιομορφία και επιτρέπει την καλύτερη επισκόπηση
των εντολών. Θα παρατηρήσετε ότι ανεξάρτητα από το πώς γράφετε την εντολή στο
πλαίσιο «Εκτέλεση εντολής / εντολών SQL στη βάση δεδομένων χχχ», μετά την εκτέλεση
της εμφανίζεται η ίδια εντολή (διαμορφωμένη αυτόματα από το σύστημα) με το
παραπάνω format στο πλαίσιο «Εντολή SQL».
Υπάρχουν και αρκετοί άλλοι τύποι δεδομένων (ενδεικτικά οι SMALLINT, DOUBLE, BINARY,
LONGTEXT). Εδώ δείχνουμε μόνο τους τύπους που μας είναι απαραίτητοι, οι οποίοι
καλύπτουν και το πολύ μεγάλο μέρος των αναγκών στις συνηθισμένες εφαρμογές.
Εκτός από τον ορισμό του τύπου ενός πεδίου, μπορεί να υπάρχει και ο προσδιορισμός not
null, για τις περιπτώσεις πεδίων για τα οποία δεν επιτρέπεται να μην υπάρχουν
καταχωρημένες τιμές. Αν για παράδειγμα για κάθε ηθοποιό θέλουμε οπωσδήποτε να
γνωρίζουμε το όνομά του, θα προσθέσουμε τον προσδιορισμό not null στον ορισμό του
πεδίου NAME (δίπλα από τον τύπο του).
Primary key είναι το πρωτεύον κλειδί του πίνακα:
Πρωτεύον κλειδί είναι ένα πεδίο (ή ένας συνδυασμός πεδίων) τέτοιο ώστε κάθε δυνατή
πλειάδα (γραμμή) που μπορεί να υπάρξει στον πίνακα να έχει διαφορετική τιμή από τις
υπόλοιπες στο πεδίο αυτό. Επίσης, το πεδίο αυτό δεν μπορεί να μένει κενό (null).
Για παράδειγμα, ένα τέτοιο πεδίο για τον πίνακα ACTORS είναι το ID, καθώς δύο
διαφορετικοί ηθοποιοί δεν μπορεί να έχουν τον ίδιο αριθμό ταυτότητας. Αντίστοιχα, το
BIRTHDATE δεν μπορεί να είναι πρωτεύον κλειδί γιατί δύο ηθοποιοί μπορεί να έχουν
γεννηθεί την ίδια ημέρα και το ίδιο έτος. Κάθε πίνακας πρέπει οπωσδήποτε να έχει
πρωτεύον κλειδί. Επίσης, κάθε πίνακας έχει μόνο ένα πρωτεύον κλειδί (δεν μπορούν να
υπάρχουν δύο γραμμές primary key (<όνομα πεδίου>) σε μία εντολή CREATE TABLE).
| Σχεδιασμός Βάσης 3
[Type text]
Το πρωτεύον κλειδί δεν χρειάζεται να ορίζεται ως NOT NULL. Αυτό γίνεται αυτόματα, με τον
ορισμό του πεδίου ως πρωτεύοντος κλειδιού.
Επομένως, για να δημιουργήσουμε τον πίνακα των ηθοποιών, χρησιμοποιούμε την
παρακάτω εντολή:
4 Σχεδιασμός Βάσης |
ALTER TABLE MOVIES ADD DURATION varchar(6);
1.2.2 Τροποποίηση πεδίου
Για να αλλάξουμε τον τύπο ενός πεδίου η σύνταξη της εντολής είναι:
ALTER TABLE <όνομα πίνακα> MODIFY <όνομα πεδίου> <τύπος νέου
πεδίου>;
Για παράδειγμα, αν θέλουμε να μετατρέψουμε το πεδίο DURATION από varchar(6) σε int
(πόσα λεπτά διαρκεί η ταινία σε ακέραιο αριθμό), γράφουμε:
ALTER TABLE MOVIES MODIFY DURATION int;
Με αυτή τη σύνταξη μπορούμε να τροποποιήσουμε μόνο τον τύπο ενός πεδίου και όχι το
όνομά του.
1.2.3 Διαγραφή πεδίου
Για να διαγράψουμε ένα πεδίο από έναν πίνακα η σύνταξη της εντολής είναι:
ALTER TABLE <όνομα πίνακα> DROP COLUMN <όνομα πεδίου>;
Έτσι, για να διαγράψουμε το πεδίο DURATION από τον πίνακα MOVIES, εκτελούμε την
εντολή:
ALTER TABLE MOVIES DROP COLUMN DURATION;
Η εντολή αυτή αφορά τη διαγραφή στήλης, η οποία μπορεί να σημαίνει απώλεια
δεδομένων. Για το λόγο αυτό, το σύστημα ζητά επιβεβαίωση, με ένα pop-up παράθυρο.
1.3 Διαγραφή πινάκων
Αν θέλουμε να διαγράψουμε από τη βάση μας έναν ολόκληρο πίνακα, η SQL εντολή που θα
χρησιμοποιήσουμε είναι η DROP η οποία συντάσσεται ως:
DROP TABLE <όνομα πίνακα>;
Και εδώ το σύστημα ζητάει επιβεβαίωση, όπως και στην DROP COLUMN.
Γράψτε την εντολή για την εισαγωγή μίας νέας στήλης με όνομα «GENRE» (είδος
ταινίας) και τύπο varchar(20) στον πίνακα MOVIES:
2 Χειρισμός Δεδομένων
Στην ενότητα αυτή θα δούμε πώς μπορούμε να εισάγουμε, να δούμε και να
τροποποιήσουμε δεδομένα στους πίνακες της βάσης μας.
2.1 Εισαγωγή δεδομένων
Για να εισάγουμε δεδομένα σε πίνακες χρησιμοποιούμε την εντολή INSERT. Η σύνταξή της
είναι η εξής:
| Χειρισμός Δεδομένων 5
[Type text]
Η λίστα τιμών περιλαμβάνει μία τιμή για κάθε πεδίο του πίνακα στον οποίο θα γίνει η
εισαγωγή. Για παράδειγμα, αν θέλουμε να εισάγουμε μία πλειάδα στον πίνακα ACTORS θα
πρέπει να δώσουμε μία συγκεκριμένη τιμή για το πεδίο ID, μία για το NAME, μία για το
BIRTHDATE κ.ο.κ. Αν σε κάποιο πεδίο δεν θέλουμε να δώσουμε τιμή, τότε αναγράφουμε
την λέξη NULL. Π.χ.:
Παρατηρήστε ότι οι τιμές που αντιστοιχούν σε πεδία τύπου varchar και date περικλείονται
μέσα σε μονά εισαγωγικά (όχι διπλά – είναι λάθος) ενώ οι τιμές που αντιστοιχούν σε
αριθμητικά πεδία (int, real κτλ) όχι.
Προσοχή στις τιμές NULL: αυτή σημαίνει ότι θέλουμε η θέση αυτή να μείνει κενή. Για το
λόγο αυτό, η λέξη δεν μπαίνει σε εισαγωγικά, γιατί τότε θα αποθηκευθεί η σειρά
χαρακτήρων ‘NULL’, και η αντίστοιχη θέση ΔΕΝ θα μείνει κενή.
Γενική παρατήρηση: στην SQL, το διαχωριστικό για αντικείμενα που σχηματίζουν λίστα
οποιασδήποτε μορφής είναι το κόμμα (,).
Κάθε εντολή INSERT μπορεί να εισάγει μία και μόνο πλειάδα (δηλ. γραμμή) σε έναν και
μόνο πίνακα. Αν θέλουμε να εισάγουμε πολλές πλειάδες πρέπει να εκτελέσουμε πολλές
εντολές INSERT.
Αν θέλουμε να εισάγουμε τιμές σε μερικά μόνο πεδία του πίνακα και όχι σε όλα, τότε
μπορούμε να χρησιμοποιήσουμε την παρακάτω μορφή της εντολής INSERT:
INSERT INTO <όνομα πίνακα> (<λίστα πεδίων>) VALUES (<λίστα
τιμών>);
Για παράδειγμα:
INSERT INTO ACTORS (ID, ΝΑΜΕ) VALUES (‘A02’, ‘George Clooney’);
Όταν χρησιμοποιούμε αυτήν την μορφή της εντολής, τα πεδία για τα οποία δεν
προσδιορίζουμε κάποια τιμή παίρνουν αυτόματα την ειδική «τιμή» NULL (δηλαδή το
αντίστοιχο πεδίο μένει κενό). Προφανώς στην περίπτωση αυτή, πρέπει να δώσουμε τιμή
τουλάχιστον σε όλα τα NOT NULL πεδία. Σε αυτά περιλαμβάνεται πάντα και το πρωτεύον
κλειδί, τα χαρακτηριστικά του οποίου δεν επιτρέπεται να πάρουν την «τιμή» NULL, δηλαδή
να μείνουν κενά.
2.2 Επισκόπηση δεδομένων
Για να δούμε τα περιεχόμενα ενός πίνακα χρησιμοποιούμε την εντολή SELECT. Η εντολή
αυτή μπορεί να έχει πολλές μορφές που θα δούμε σιγά-σιγά κατά τη διάρκεια του
μαθήματος. Η πιο απλή μορφή της, με την οποία μπορούμε να δούμε τα δεδομένα ενός
πίνακα, είναι η εξής:
SELECT *
FROM <όνομα πίνακα>;
Για παράδειγμα:
SELECT *
FROM ACTORS;
6 Χειρισμός Δεδομένων |
Το * σημαίνει ότι θέλουμε να δούμε για κάθε πλειάδα τις τιμές όλων των πεδίων του
πίνακα. Αν δεν μας ενδιαφέρουν όλα τα πεδία αλλά μόνο κάποια από αυτά μπορούμε να τα
προσδιορίσουμε ως εξής:
SELECT <λίστα πεδίων>
FROM <όνομα πίνακα>;
Για παράδειγμα:
SELECT NAME, OSCARS
FROM ACTORS;
Εδώ μπορούμε να περιλάβουμε και εκφράσεις που περιέχουν υπολογισμούς. Για
παράδειγμα, η εντολή
SELECT TITLE, BUDGET * 1.1
FROM MOVIES;
δείχνει τους τίτλους των ταινιών και τους αντίστοιχους προϋπολογισμούς, αυξημένους
όμως κατά 10%.
2.3 Τροποποίηση δεδομένων
Στους πίνακές μας υπάρχουν πλέον κάποια δεδομένα. Για την τροποποίηση των δεδομένων
των πινάκων μας υπάρχουν οι εντολές UPDATE, η οποία τροποποιεί πλειάδες που ήδη
υπάρχουν σε έναν πίνακα (σε αντίθεση με την INSERT η οποία δημιουργεί καινούριες
πλειάδες), καθώς και η εντολή DELETE, η οποία διαγράφει πλειάδες.
Αν θέλαμε να αυξήσουμε τον αριθμό εισιτηρίων της ταινίας με τίτλο AVATAR κατά 100.000,
θα εκτελούσαμε την εντολή:
UPDATE MOVIES
SET TICKETS = TICKETS + 100000
WHERE TITLE = ‘AVATAR’;
| Χειρισμός Δεδομένων 7
[Type text]
Στο παραπάνω παράδειγμα βλέπουμε πως στο κομμάτι SET της εντολής μπορούμε να
εκτελούμε και απλές αριθμητικές πράξεις (όταν βέβαια τροποποιούμε αριθμητικά πεδία
και όχι συμβολοσειρές). Τέτοιες πράξεις είναι η πρόσθεση (+), η αφαίρεση (-), ο
πολλαπλασιασμός (*) και η διαίρεση (/). Θα πρέπει επίσης να λάβουμε υπόψη ότι για να
τροποποιηθεί στο συγκεκριμένο παράδειγμα ο αριθμός των εισιτηρίων θα πρέπει να
υπάρχει η ταινία με τίτλο AVATAR και ότι τα κεφαλαία γράμματα διαφέρουν από τα μικρά
όταν δίνονται ως τιμές πεδίων. Η εντολή δηλαδή θα τροποποιήσει μόνο τις πλειάδες με
τιμή ‘AVATAR’ στο πεδίο TITLE και όχι τις πλειάδες με τιμή ‘avatar’ ή ‘Avatar’.
Για να μειώσουμε το κόστος όλων των ταινιών κατά 10% μπορούμε να γράψουμε:
UPDATE MOVIES
SET BUDGET = 0.9 * BUDGET;
Αν από την εντολή UPDATE παραλείψουμε εντελώς το κομμάτι WHERE (που καθορίζει τις
πλειάδες στις οποίες θα εφαρμοστεί η τροποποίηση), τότε η τροποποίηση θα εφαρμοστεί
σε όλες τις πλειάδες του πίνακα, όπως στο παραπάνω παράδειγμα.
Πρέπει να είμαστε ιδιαίτερα προσεκτικοί με τη σύνταξη της εντολής μας γιατί οι
τροποποιήσεις που κάνουμε δεν μπορούν να αναιρεθούν! Επομένως, αν τροποποιήσουμε
όλες τις πλειάδες του πίνακα αντί για την μία που θέλαμε, δεν μπορούμε να επαναφέρουμε
τον πίνακα στην αρχική του μορφή.
Δημιουργείστε μία νέα πλειάδα στη βάση σας για την ηθοποιό Nicole Kidman που
γεννήθηκε στις 20 Ιουνίου 1967. Ο αριθμός ταυτότητάς της είναι Α03. Στη συνέχεια,
τροποποιήστε την πλειάδα ώστε να καταχωρηθεί στη βάση η πληροφορία ότι η
συγκεκριμένη ηθοποιός έχει κερδίσει 1 βραβείο oscar.
Αυξήστε κατά 20% τα κόστη όλων των ταινιών με σκηνοθέτη τον Steven Spielberg.
8 Χειρισμός Δεδομένων |
2.3.2 Διαγραφή πλειάδων
Η εντολή DELETE λειτουργεί με εντελώς αντίστοιχο τρόπο. Απουσιάζει φυσικά το κομμάτι
SET. Επομένως, η σύνταξή της είναι:
DELETE FROM <όνομα πίνακα>
WHERE <συνθήκη>;
Με την εκτέλεση της εντολής αυτής, διαγράφονται όσες πλειάδες του πίνακα ικανοποιούν
τη συνθήκη που ορίζεται στο κομμάτι WHERE.
Για παράδειγμα, αν θέλουμε να διαγράψουμε όλες τις ταινίες με έτος παραγωγής πριν το
1960, θα εκτελέσουμε την εντολή:
DELETE FROM MOVIES
WHERE YEAR <= 1960;
Όπως και στην περίπτωση της UPDATE, αν παραλείψουμε το κομμάτι WHERE, οι
τροποποιήσεις γίνονται σε όλες τις γραμμές του πίνακα. Επομένως, η εντολή:
DELETE MOVIES;
θα σβήσει όλες τις πλειάδες του πίνακα! Ο πίνακας θα συνεχίσει να υπάρχει στη βάση μας,
αλλά θα είναι πλέον άδειος, δηλαδή δεν θα έχει μέσα κανένα δεδομένο.
Και στην πρείπτωση αυτή, η εντολή ζητάει επιβεβαίωση πριν τη διαγραφή, ώστε να
αποφευχθεί κάποια ανεπιθύμητη απώλεια δεδομένων.
COMMIT;
Θεωρήστε ότι θέλουμε να αποθηκεύσουμε στη βάση μας πληροφορίες για τους ρόλους
που έχει υποδυθεί κάθε ηθοποιός και την αμοιβή του για αυτούς. Για να γίνει αυτό, πρέπει
με κάποιον τρόπο να συνδέσουμε τον κάθε ηθοποιό με τις ταινίες στις οποίες έχει
πρωταγωνιστήσει. Θεωρούμε ότι κάθε ηθοποιός ενδέχεται να έχει πρωταγωνιστήσει σε
περισσότερες από μία ταινίες, υποδυόμενος από έναν ρόλο σε κάθε ταινία, και ότι σε κάθε
ταινία πρωταγωνιστούν περισσότεροι από ένας ηθοποιοί.
Για να γίνει αυτό, θα πρέπει να δημιουργήσουμε έναν νέο πίνακα ο οποίος θα συσχετίζει
τις πλειάδες του ACTORS με αυτές του MOVIES. Ποιες πλειάδες του πίνακα ACTORS όμως
θα συμμετέχουν στην συσχέτιση; Και με ποιες ακριβώς πλειάδες του MOVIES θα σχετίζεται
η κάθε μία;
Πρωτεύον κλειδί ενός πίνακα είναι το ελάχιστο σύνολο πεδίων του πίνακα που
προσδιορίζουν μοναδικά την κάθε πλειάδα. Πιο πρακτικά, δεν μπορούν να υπάρχουν δύο
πλειάδες του πίνακα που να έχουν τις ίδιες τιμές σε όλα τα γνωρίσματα που συμμετέχουν
στο πρωτεύον κλειδί.
STARS
ID αριθμός ταυτότητας ηθοποιού
TITLE τίτλος ταινίας
ROLE όνομα ρόλου
CACHE ποσό αμοιβής
Στον πίνακα αυτό, υπάρχει μία ουσιώδης διαφορά από τους πίνακες που έχουμε δει έως
τώρα. Σε μερικά πεδία του πίνακα δεν μπορεί να εισαχθεί οποιαδήποτε τιμή. Κάθε τιμή του
πεδίου ID για παράδειγμα πρέπει να αντιστοιχεί σε κάποιο ID ενός ηθοποιού που
εμφανίζεται και στον πίνακα ACTORS. Αλλιώς θα είχαμε κάποιον που πρωταγωνιστεί σε
ταινία χωρίς να είναι ηθοποιός! Παρόμοια, κάθε τίτλος ταινίας που εμφανίζεται στον
πίνακα STARS πρέπει να εμφανίζεται ήδη και στον πίνακα MOVIES. Αυτή ακριβώς η
απαίτηση οδηγεί στον ορισμό ενός νέου είδους κλειδιού, του ξένου κλειδιού:
Ένα σύνολο από πεδία ενός πίνακα Α, έστω SΑ, είναι ξένο κλειδί προς ένα σύνολο από
πεδία του πίνακα Β, έστω SΒ, αν οι τιμές των πεδίων του SΑ σε κάθε πλειάδα tΑ του Α
- είτε εμφανίζονται αυτούσιες ως τιμές των πεδίων του SΒ σε κάποια πλειάδα tΒ του Β
- είτε είναι ίσες με NULL.
Πιο πρακτικά, ξένο κλειδί είναι ένα πεδίο (ή ένας συνδυασμός πεδίων) ενός πίνακα το
οποίο παίρνει τιμές που υπάρχουν ήδη σε κάποιο πεδίο ενός άλλου πίνακα. Αν ορίσουμε
ή ισοδύναμα:
foreign key (ID) references ACTORS,
foreign key (TITLE) references MOVIES
Τι θα άλλαζε στον πίνακα STARS αν υποθέταμε ότι κάθε ηθοποιούς μπορεί να κατέχει
πάνω από έναν πρωταγωνιστικούς ρόλους σε μία ταινία;
4 Η εντολή SELECT
Η εντολή SELECT είναι η σημαντικότερη εντολή της γλώσσας SQL. Μπορούμε να την
χρησιμοποιήσουμε για να δούμε τα δεδομένα που είναι αποθηκευμένα στην βάση μας και
για να τα συνδυάσουμε με διάφορους τρόπους μεταξύ τους ώστε να εξάγουμε την
πληροφορία που θέλουμε.
4.1 Ερωτήσεις SELECT με έναν πίνακα
Για να δούμε συγκεκριμένα δεδομένα που είναι αποθηκευμένα στη βάση μας,
υποβάλλουμε στη βάση μας ένα ερώτημα (query). Το βασικό εργαλείο για το σχηματισμό
ερωτημάτων είναι η εντολή SELECT. Κάθε εντολή SELECT αποτελείται από διάφορα δομικά
τμήματα τα οποία θα δούμε στη συνέχεια. Η πιο βασική μορφή της είναι η εξής:
θα εμφανίσει στη οθόνη τους αριθμούς ταυτότητας, τα ονόματα και τις ημερομηνίες
γέννησης μόνο για τους ηθοποιούς που έχουν γεννηθεί μετά την 1η Ιανουαρίου 1950. Όλοι
οι υπόλοιποι ηθοποιοί που βρίσκονται αποθηκευμένοι στον πίνακα ACTORS αλλά δεν έχουν
γεννηθεί μετά την 1η Ιανουαρίου 1950, δεν θα συμπεριληφθούν στο αποτέλεσμα της
SELECT ερώτησης.
Πρέπει να προσέχουμε ώστε στο FROM να χρησιμοποιούμε τους σωστούς πίνακες για την
κάθε μας ερώτηση. Για παράδειγμα, για να εμφανίσουμε τους αριθμούς ταυτότητας των
ηθοποιών που έχουν πρωταγωνιστήσει σε κάποια ταινία, η σωστή εντολή SELECT είναι:
SELECT ID
FROM STARS;
12 Η εντολή SELECT |
Για να εμφανίσουμε τους αριθμούς ταυτότητας όλων των ηθοποιών που έχουν
πρωταγωνιστήσει στην ταινία με τίτλο TITANIC, γράφουμε:
SELECT ID
FROM STARS
WHERE TITLE = ‘TITANIC’;
Για να εμφανίσουμε τους τίτλους και τον αριθμό των εισιτηρίων των ταινιών που
κυκλοφόρησαν το 2009 ή το 2011 και έχουν κόστος πάνω από €10.000.000, λέμε:
SELECT TITLE, TICKETS
FROM MOVIES
WHERE (YEAR = 2009 OR YEAR = 2011) AND BUDGET > 10000000;
Η σειρά προτεραιότητας των τελεστών είναι NOT, AND και τελευταίος ο OR. Μπορούμε να
χρησιμοποιούμε παρενθέσεις όπως στο παραπάνω παράδειγμα για να ορίζουμε τη σειρά
με την οποία θα αποτιμηθούν οι συνθήκες του WHERE.
4.1.2 Πράξεις
Μπορούμε επίσης να κάνουμε απλές αριθμητικές πράξεις στο SELECT. Για να δούμε π.χ. το
κόστος όλων των ταινιών με σκηνοθέτη τον Steven Spielberg διπλασιασμένο, λέμε:
| Η εντολή SELECT 13
[Type text]
Εμφανίστε τους τίτλους των ταινιών που κυκλοφόρησαν το 2011 και ο τίτλος τους
αρχίζει από «Α»:
14 Η εντολή SELECT |
SELECT ID “Ar. Tautotitas”, NAME “Onoma”, BIRTHPLACE “Katagwgi”
FROM ACTORS
WHERE BIRTHPLACE LIKE ‘%USA%’;
Προσέξτε ότι στα νέα ονόματα των στηλών βάζουμε διπλά εισαγωγικά (είναι μία από τις
πολύ λίγες περιπτώσεις που στην SQL χρησιμοποιούνται διπλά αντί μονά εισαγωγικά). Η
παραπάνω ερώτηση δεν τροποποιεί τα ονόματα των πεδίων στον πίνακα. Τα ονόματα που
δώσαμε θα χρησιμοποιηθούν μία και μόνο φορά όταν θα μας εμφανιστεί το αποτέλεσμα
της συγκεκριμένης ερώτησης στην οθόνη.
4.1.6 Ταξινόμηση αποτελέσματος – ORDER BY
Πολλές φορές θέλουμε οι πλειάδες του αποτελέσματος της ερώτησης να εμφανιστούν στην
οθόνη με κάποια συγκεκριμένη σειρά και όχι τυχαία. Για το λόγο αυτό υπάρχει ένα δομικό
τμήμα της εντολής SELECT που μπορούμε να χρησιμοποιήσουμε, το ORDER BY.
Συντάσσεται ως εξής:
SELECT <λίστα πεδίων>
FROM <λίστα πινάκων>
WHERE <συνθήκη>
ORDER BY <λίστα πεδίων>;
H <λίστα πεδίων> του ORDER BY καθορίζει τα πεδία βάσει των οποίων γίνεται η ταξινόμηση
του αποτελέσματος. Για παράδειγμα, για να εμφανίσουμε όλους τους ηθοποιούς
ταξινομημένους κατά αλφαβητική σειρά, γράφουμε:
SELECT *
FROM ACTORS
ORDER BY NAME ASC;
Στο ORDER BY μπορούμε να έχουμε πολλά πεδία. Όταν γίνεται αυτό, οι πλειάδες πρώτα
ταξινομούνται με βάση το πρώτο μόνο πεδίο. Αν μερικές πλειάδες έχουν την ίδια τιμή σε
αυτό το πεδίο, τότε αυτές (και μόνο αυτές) ταξινομούνται με βάση το δεύτερο. Αν και σε
αυτό έχουν την ίδια τιμή, τότε ταξινομούνται με βάση το ίδιο πεδίο κ.ο.κ.
Για παράδειγμα, για να εμφανίσουμε τον τίτλο, το κόστος και το έτος παραγωγής όλων των
ταινιών με αύξουσα σειρά έτους παραγωγής και αλφαβητική σειρά τίτλου, λέμε:
SELECT TITLE, BUDGET, YEAR
FROM MOVIES
| Η εντολή SELECT 15
[Type text]
4.1.7 Ο τελεστής ΙΝ
Ο τελεστής ΙΝ χρησιμοποιείται για να δείξουμε κάποιο σύνολο. Για παράδειγμα, η
παρακάτω ερώτηση θα εμφανίσει στοιχεία για τους ηθοποιούς που το όνομά τους είναι
(ακριβώς) είτε «Brad» είτε «Angelina».
SELECT *
FROM ACTORS
WHERE NAME IN (‘Brad’, ‘Angelina’);
4.1.8 Ο τελεστής BETWEEN
Εναλλακτικά, όταν έχουμε αριθμητικά ή date πεδία, αντί για μία συνθήκη της μορφής:
WHERE YEAR >=1990 AND YEAR <=2000
η οποία δίνει τις τιμές που βρίσκονται ανάμεσα στις δύο τιμές που μας ενδιαφέρουν,
μπορούμε ισοδύναμα να γράψουμε:
WHERE YEAR BETWEEN 1990 AND 2000
θα εμφανίσει τους αριθμούς ταυτότητας και τα ονόματα των ηθοποιών που έχουν
πρωταγωνιστήσει στην ταινία The King’s Speech. Με την εμφωλευμένη SELECT βρίσκουμε
τους κωδικούς των ηθοποιών από την ταινία και ακολούθως με αυτούς τους κωδικούς
βρίσκουμε με την αρχική SELECT από τον πίνακα ACTORS και τα ονόματα τους.
16 Η εντολή SELECT |
Τελεστής SOME:
Ο τελεστής SOME χρησιμοποιείται για να συγκρίνουμε τις τιμές ενός πεδίου με τις τιμές του
αποτελέσματος που προκύπτει από μία εμφωλευμένη SELECT υπο-ερώτηση. Ο τελεστής
SOME χρησιμοποιείται μαζί με κάποιον από τους τελεστές σύγκρισης >, <, =, >=, <=, <> και
ελέγχει αν η τιμή ενός πεδίου είναι μεγαλύτερη/μικρότερη/ίση/μεγαλύτερη ή
ίση/μικρότερη ή ίση/διάφορη αντίστοιχα από κάποια (μία τουλάχιστον) τιμή του
αποτελέσματος της εμφωλευμένης υπο-ερώτησης.
Για παράδειγμα, αν θέλουμε να εμφανίσουμε τους τίτλους και το έτος παραγωγής των
ταινιών οι οποίες κόστισαν περισσότερο από κάποια (οποιαδήποτε) ταινία που έχει
σκηνοθετήσει ο Steven Spielberg, η εντολή είναι:
SELECT TITLE, YEAR
FROM MOVIES
WHERE BUDGET > SOME (SELECT BUDGET
FROM MOVIES
WHERE DIRECTOR= ‘Steven Spielberg’);
Είναι αυτονόητο ότι, τόσο στην περίπτωση του SOME όσο και του IN, πρέπει να
φροντίσουμε ώστε οι δύο πλευρές της σύγκρισης να είναι συμβατές μεταξύ τους.
Τελεστής ALL:
Ο τελεστής ALL χρησιμοποιείται για να συγκρίνουμε τις τιμές ενός πεδίου με όλες τις τιμές
του αποτελέσματος που προκύπτει από μία εμφωλευμένη SELECT υπο-ερώτηση. Ο
τελεστής ALL χρησιμοποιείται μαζί με κάποιον από τους τελεστές σύγκρισης >, <, =, >=, <=,
<> και ελέγχει αν η τιμή ενός πεδίου είναι μεγαλύτερη/μικρότερη/ίση/μεγαλύτερη ή
ίση/μικρότερη ή ίση/διάφορη αντίστοιχα από όλες τις τιμές του αποτελέσματος της
εμφωλευμένης υπο-ερώτησης.
Για παράδειγμα, αν θέλουμε να εμφανίσουμε τους τίτλους και το έτος παραγωγής των
ταινιών οι οποίες κόστισαν περισσότερο από κάθε ταινία (δηλαδή όλες) που κυκλοφόρησε
το 2011, η εντολή είναι:
SELECT TITLE, YEAR
FROM MOVIES
| Η εντολή SELECT 17
[Type text]
Είναι αυτονόητο ότι, τόσο στην περίπτωση του SOME όσο και του IN και του ALL, πρέπει να
φροντίσουμε ώστε οι δύο πλευρές της σύγκρισης να είναι συμβατές μεταξύ τους, δηλαδή
να έχουν το ίδιο πλήθος χαρακτηριστικών και τον ίδιο τύπο δεδομένων.
Εμφανίστε τους αριθμούς ταυτότητας των ηθοποιών που δεν έχουν πρωταγωνιστήσει
σε καμία ταινία με σκηνοθέτη τον James Cameron.
(SELECT ID
FROM ACTORS
WHERE OSCARS > 2)
INTERSECT
(SELECT ID
FROM STARS
WHERE TITLE = ‘Armagedon);
4.2.3 Εξαίρεση SELECT ερωτήσεων
Ο τελεστής MINUS μεταξύ δύο SELECT ερωτήσεων μας δίνει σαν αποτέλεσμα όλες τις
πλειάδες που ανήκουν στο αποτέλεσμα της πρώτης αλλά όχι της δεύτερης εκ των δύο
SELECT ερωτήσεων.
Συνεπώς, αν για παράδειγμα θέλουμε να βρούμε όλους τους αριθμούς ταυτότητας των
ηθοποιών που έχουν κερδίσει περισσότερα από 2 oscar αλλά δεν έχουν πρωταγωνιστήσει
στην ταινία Armagedon, γράφουμε:
(SELECT ID
FROM ACTORS
WHERE OSCARS > 2)
MINUS
(SELECT ID
FROM STARS
WHERE TITLE = ‘Armagedon’);
| Η εντολή SELECT 19
[Type text]
ACTORS
ID NAME BIRTHDATE BIRTHPLACE OSCARS
S
MOVIES
TITLE YEAR DIRECTOR BUDGET TICKETS
STARS
ID TITLE ROLE CACHE
Πολλές φορές τα δεδομένα που χρειαζόμαστε δεν είναι αποθηκευμένα σε έναν μόνο
πίνακα αλλά βρίσκονται διάσπαρτα στη βάση. Σε αυτήν την περίπτωση πρέπει να
συνδυάσουμε πολλούς πίνακες στην ερώτησή μας έτσι ώστε να εξάγουμε το επιθυμητό
αποτέλεσμα.
Όταν έχουμε σύνδεση (ή αλλιώς «join») πολλών πινάκων, τότε πρέπει να προσέχουμε δύο
πράγματα:
Ποιους ακριβώς πίνακες χρειαζόμαστε ώστε να τους βάλουμε στο FROM
Ποιες συνθήκες σύνδεσης χρειαζόμαστε ώστε να τις βάλουμε στο WHERE
Το πρώτο είναι απλό. Έστω για παράδειγμα ότι θέλουμε να βρούμε για κάθε ηθοποιό το
όνομά του και τον τίτλο των ταινιών που έχει πρωταγωνιστήσει. Από το σχήμα της βάσης
μας βλέπουμε ότι οι πίνακες που χρειαζόμαστε είναι ο ACTORS και ο STARS.
Έστω ότι κάποια στιγμή τα δεδομένα που υπάρχουν στη βάση μας είναι:
20 Η εντολή SELECT |
SELECT NAME, TITLE
FROM ACTORS, STARS;
Το αποτέλεσμα είναι:
Βλέπουμε δηλαδή πως όλες οι πλειάδες του ACTORS ενώνονται με όλες τις πλειάδες του
STARS! Ερμηνεύοντας τα αποτελέσματα του ερωτήματος θα βγάλουμε το συμπέρασμα πως
η Sandra Bullock έχει πρωταγωνιστήσει στο Inglourious Basterds και στο The Shawshank
Redemption. Κάτι τέτοιο είναι προφανώς λάθος!
Το παραπάνω παράδειγμα είναι το Καρτεσιανό Γινόμενο των δύο πινάκων, το οποίο
περιέχει όσα στοιχεία μας χρειάζονται πραγματικά, αλλά περιλαμβάνει και αρκετά που μας
είναι παντελώς άχρηστα και δεν έχουν νόημα.
Πρέπει λοιπόν να φροντίσουμε ώστε η εντολή μας να είναι ορθή, δηλαδή να συνδέει
μεταξύ τους πλειάδες των δύο πινάκων που αναφέρονται στον ίδιο ηθοποιό, δηλαδή:
SELECT NAME, TITLE
FROM ACTORS, STARS
WHERE [Link] = [Link];
Βλέπετε λοιπόν πως το ερώτημα σας πρέπει να είναι διατυπωμένο σωστά γιατί αλλιώς θα
εξάγετε λανθασμένα συμπεράσματα από το αποτέλεσμά του!
Αν θέλουμε επιπλέον να εμφανίσουμε το όνομα του σκηνοθέτη κάθε ταινίας στην οποία
πρωταγωνιστεί κάθε ηθοποιός, θα χρειαστούμε και τον πίνακα MOVIES:
| Η εντολή SELECT 21
[Type text]
Εύκολα μπορεί κανείς να διαπιστώσει ότι η σύνδεση περιλαμβάνει ένα ξένο κλειδί από τον
ένα πίνακα και το πεδίο εκείνο από τον άλλο πίνακα, στο οποίο αναφέρεται αυτό το ξένο
κλειδί
Εμφανίστε τους αριθμούς ταυτότητας και τα ονόματα των ηθοποιών που έχουν
πρωταγωνιστήσει σε ταινία με σκηνοθέτη τον Stanley Kubrick.
Η συναθροιστική συνάρτηση βρίσκεται δηλαδή στο κομμάτι SELECT της εντολής και παίρνει
ως όρισμα το πεδίο πάνω στο οποίο θα εφαρμοστεί.
Αν θέλουμε να μετρήσουμε πόσοι είναι οι ηθοποιοί, λέμε:
SELECT count(*)
FROM ACTORS;
ή, ισοδύναμα:
22 Η εντολή SELECT |
SELECT count(ID) ή SELECT count(ΝΑΜΕ)
FROM ACTORS; FROM ACTORS;
είναι λανθασμένη. Επειδή το ίδιο ID μπορεί να εμφανίζεται πολλές φορές στον STARS, θα
μετρήσουμε περισσότερους ηθοποιούς από όσους πρωταγωνιστούν πράγματι σε κάποια
ταινία. Την λύση προσφέρει η επιλογή DISTINCT (που σημαίνει «διακριτός»). Αν την
χρησιμοποιήσουμε τότε η count δεν μετράει τις διπλές εμφανίσεις:
Βρείτε την μεγαλύτερη και την μικρότερη αμοιβή που έχει πάρει ποτέ ο ηθοποιός με
αριθμό ταυτότητας A08 για ρόλο που έχει παίξει.
| Η εντολή SELECT 23
[Type text]
4.4.1 Ομαδοποίηση
Στην πράξη σπάνια μας ενδιαφέρει να υπολογίσουμε μία συναθροιστική συνάρτηση
βασισμένη σε όλες τις πλειάδες ενός πίνακα. Συνήθως μας ενδιαφέρει μόνο ένα υποσύνολο
αυτών. Για παράδειγμα, πώς θα βρούμε το μέσο όρο αμοιβής των ηθοποιών ανά ταινία
(δηλαδή, ξεχωριστά το μέσο όρο για αυτούς που πρωταγωνιστούν στην ταινία Titanic,
ξεχωριστά το μέσο όρο για τους πρωταγωνιστές της ταινίας Armagedon κ.ο.κ);
Για να χωρίσουμε τις πλειάδες μας σε μικρότερες ομάδες, υπάρχει ένα άλλο δομικό
στοιχείο της εντολής SELECT, το κομμάτι GROUP BY. Συντάσσεται ως εξής:
SELECT <λίστα πεδίων>
FROM <λίστα πινάκων>
WHERE <συνθήκη>
GROYP BY <λίστα πεδίων>;
Αν στο GROUP BY έχουμε ένα και μόνο πεδίο, τότε οι πλειάδες μας χωρίζονται με βάση
αυτό. Για παράδειγμα, η εντολή:
SELECT TITLE, avg(CACHE)
FROM STARS
GROYP BY TITLE;
πρώτα χωρίζει τις πλειάδες του πίνακα STARS σε ομάδες ανάλογα με την τιμή τους στο
πεδίο TITLE (μία ομάδα για όλους τους πρωταγωνιστικούς ρόλους με τιμή στο TITLE ίση με
Titanic, μία για αυτούς με τιμή ίση με Armagedon κτλ.) και μετά εφαρμόζει την
συναθροιστική συνάρτηση σε κάθε ομάδα χωριστά. Αν δηλαδή υπάρχουν 5 διαφορετικές
ταινίες στον πίνακα STARS, τότε η παραπάνω ερώτηση θα δώσει 5 διαφορετικούς μέσους
όρους, έναν για κάθε ομάδα. Για να ξεχωρίζουμε ποια τιμή αντιστοιχεί σε κάθε ομάδα,
χρειάζεται στο SELECT να βάζουμε και το πεδίο που υπάρχει στο GROUP BY. Προσοχή: το
μόνο πεδίο που μπορεί να υπάρχει στη SELECT είναι το πεδίο με βάση το οποίο γίνεται η
ομαδοποίηση, και φυσικά και όποιες συναρτήσεις θέλουμε να υπολογισθούν.
Μπορούμε, αν θέλουμε, στο GROUP BY να έχουμε παραπάνω από ένα πεδία. Στην
περίπτωση αυτή, ο πίνακας πρώτα θα χωριστεί σε ομάδες με βάση το 1ο πεδίο και στη
συνέχεια κάθε ομάδα θα ξαναχωριστεί με βάση στο 2ο πεδίο κ.ο.κ. Οι συναθροιστικές
συναρτήσεις θα υπολογιστούν ξεχωριστά για κάθε μία από αυτές τις μικρότερες ομάδες
που προέκυψαν στο τέλος.
24 Η εντολή SELECT |
Ας δούμε μερικά παραδείγματα ομαδοποίησης:
Εμφάνιση του πλήθους των ταινιών με λιγότερα από 1.000.000 εισιτήρια ανά σκηνοθέτη :
SELECT DIRECTOR, COUNT(*)
FROM MOVIES
WHERE TICKETS < 1000000
GROUP BY DIRECTOR;
Εμφάνιση του πλήθους των πρωταγωνιστών ανά σκηνοθέτη και ανά ταινία:
SELECT DIRECTOR, [Link], COUNT(*)
FROM STARS, MOVIES
WHERE [Link] = [Link]
GROUP BY DIRECTOR, [Link];
Βρείτε για κάθε ταινία τον συνολικό αριθμό των oscars που έχουν κερδίσει οι
πρωταγωνιστές της:
Σκεφτείτε δύο διαφορετικούς τρόπους, με όλα όσα έχουμε μάθει ως τώρα, για να
εμφανίσετε από μία φορά όλους τους σκηνοθέτες που είναι καταχωρημένοι στη βάση.
| Η εντολή SELECT 25
[Type text]
Τέλος, σε κάποιες περιπτώσεις, μπορεί να μην θέλουμε να εμφανιστούν όλες οι ομάδες στο
αποτέλεσμα. Για να διαλέξουμε μόνο κάποιες από τις ομάδες, χρησιμοποιούμε ένα νέο το
κομμάτι της εντολής SELECT. Το κομμάτι αυτό είναι το HAVING. Συντάσσεται ως εξής:
SELECT <λίστα πεδίων>
FROM <λίστα πινάκων>
WHERE <συνθήκη>
GROYP BY <λίστα πεδίων>
HAVING <συνθήκη>;
Για να εμφανίσουμε τον αριθμό ταινιών που έχει σκηνοθετήσει κάθε σκηνοθέτης, μόνο για
τους σκηνοθέτες οι οποίοι έχουν σκηνοθετήσει περισσότερες ταινίες από τον σκηνοθέτη
Kubrick, γράφουμε:
SELECT DIRECTOR, COUNT(*)
FROM MOVIES
GROYP BY DIRECTOR
HAVING COUNT(*) > (SELECT COUNT(*)
FROM MOVIES
WHERE DIRECTOR = ‘Kubrick’) ;
Εδώ βλέπουμε τον τρόπο για να υπολογίσουμε συγκεκριμένα μεγέθη που χρειαζόμαστε
αλλά δεν γνωρίζουμε. Στην παραπάνω εντολή, η παρένθεση ισοδυναμεί με έναν αριθμό, ο
οποίος υπολογίζεται κάθε φορά που χρειάζεται με βάση τα δεδομένα που υπάρχουν εκείνη
τη στιγμή στους πίνακες.
Εμφανίστε τους ηθοποιούς κατά φθίνουσα σειρά με βάση το μέσο όρο των αμοιβών
τους για τους ρόλους που είχαν στην καριέρα τους. Στη συνέχεια, τροποποιήστε την
ερώτησή σας ώστε να εμφανίζονται μόνο οι ηθοποιοί με μέσο όρο αμοιβής μεγαλύτερο
από €10.000.000.
26 Η εντολή SELECT |
| Η εντολή SELECT 27
