Corso di Laurea in Ingegneria Informatica Algoritmi e basi di dati Modulo Basi di dati a.a

Transcript

1 Corso di Laurea in Ingegneria Informatica Algoritmi e basi di dati Modulo Basi di dati a.a Docente: Gigliola Vaglini Docente laboratorio: Alessandro Lori 1 Lezione 4 Semantica dei linguaggi di interrogazione 2 1

2 DML: data manipulation language Le operazioni sui dati in un data base relazionale sono di due tipi interrogazione ("query") aggiornamento 3 Linguaggi di interrogazione per basi di dati relazionali Procedurali specificano le modalità di generazione del risultato Dichiarativi specificano le proprietà del risultato 4 2

3 Linguaggi di interrogazione Algebra relazionale: : procedurale Calcolo relazionale: dichiarativo (teorico) SQL (Structured Query Language): parzialmente dichiarativo (reale) 5 I linguaggi procedurali: Algebra relazionale 6 3

4 Algebra relazionale Insieme di relazioni Insieme di operatori su relazioni che producono relazioni e possono essere composti 7 Operatori dell'algebra relazionale Operatori su insiemi unione, intersezione, differenza Operatori su relazioni ridenominazione selezione proiezione join (join naturale, prodotto cartesiano, theta-join) 8 4

5 Operatori su insiemi Le e relazioni sono insiemi Però i risultati debbono essere relazioni quindi è possibile applicare unione, intersezione, differenza solo a relazioni definite sugli stessi attributi, in modo che il risultato sia una relazione sugli stessi attributi 9 Unione L unione di due relazioni sullo stesso insieme di attributi X è una relazione su X che contiene le tuple sia dell una che dell altra relazione originaria 10 5

6 Unione Laureati triennali Matricola 7274 Nome Rossi Età Neri Verdi Laureati magistrali Matricola Laureati triennali Laureati magistrali Matricola Nome Età 7274 Rossi Neri Verdi Neri 33 Nome Neri Neri Verdi Età Intersezione L intersezione di due relazioni sullo stesso insieme di attributi X è una relazione su X che contiene le tuple appartenenti ad entrambe le relazioni 12 6

7 Laureati triennali Matricola 7274 Nome Rossi Età Neri Verdi Intersezione Laureati magistrali Matricola 9297 Nome Neri Età Neri Verdi Laureati triennali Laureati magistrali Matricola Nome Età 7432 Neri Verdi Differenza La differenza di due relazioni sullo stesso insieme di attributi X, r 1 (X)- r 2 (X) è una relazione su X che contiene le tuple di r 1 che non appartengono anche ad r

8 Differenza Laureati triennali Matricola Nome Età 7274 Rossi Neri Verdi 25 Laureati magistrali Matricola Laureati triennali Laureati magistrali Matricola Nome Età 7274 Rossi Neri Verdi 45 Nome Neri Neri Verdi Età È possibile l unione delle due relazioni seguenti? Paternità Maternità Padre Adamo Adamo Abramo Figlio Abele Caino Isacco Madre Eva Eva Sara Figlio Abele Set Isacco Paternità Maternità?? 16 8

9 Ridenominazione operatore monadico (con un argomento) "modifica lo schema" dell argomento lasciando inalterata l'istanza B1.. B n A 1.. A n (r) 17 Paternità Padre Figlio Adamo Abele Adamo Caino Abramo Isacco Genitore Padre (Paternità) Genitore Padre Adamo Adamo Abramo Figlio Abele Caino Isacco 18 9

10 Genitore Padre (Paternità) Genitore Figlio Adamo Abele Adamo Caino Abramo Isacco Genitore Madre (Maternità) Genitore Figlio Eva Abele Eva Set Sara Isacco Genitore Padre (Paternità) Genitore Madre (Maternità) Genitore Figlio Adamo Abele Adamo Caino Abramo Isacco Eva Abele Eva Set Sara Isacco 19 Impiegati Cognome Rossi Neri Ufficio Roma Milano Stipendio Operai Cognome Bruni Verdi Fabbrica Monza Latina Salario Sede, Retribuzione Ufficio, Stipendio (Impiegati) Sede, Retribuzione Fabbrica, Salario (Operai) Cognome Sede Retribuzione Rossi Roma 55 Neri Milano 64 Bruni Monza 45 Verdi Latina

11 Selezione operatore monadico produce un risultato che ha lo stesso schema dell argomento e contiene il sottoinsieme delle sue tuple che soddisfano una condizione fissata 21 Sintassi e semantica data una relazione r(x) F (r) = r r F: : espressione booleana ottenuta componendo con and, or e not condizioni atomiche del tipo A B oppure A c,, con A e B attributi in X con domini compatibili, operatore di confronto (<,>,=..) e c costante compatibile con il dominio di A. r contiene il sottoinsieme delle tuple di r per cui F e vera 22 11

12 Impiegati Matricola Cognome Filiale Stipendio 7309 Rossi Roma Neri Milano Milano Milano Neri Napoli impiegati che guadagnano più di euro guadagnano più di euro e lavorano a Milano hanno lo stesso nome della filiale presso cui lavorano 23 impiegati che guadagnano più di euro Impiegati Matricola Cognome Filiale Stipendio 7309 Rossi Roma Neri Milano Milano Neri Milano Napoli Neri Napoli 64 Stipendio > (Impiegati) 24 12

13 impiegati che guadagnano più di e lavorano a Milano Impiegati Matricola Cognome Filiale Stipendio Rossi Neri Milano Roma Neri Milano Milano Milano Neri Napoli 64 (Stipendio > 50000) AND (Filiale = 'Milano ) (Impiegati) 25 impiegati che hanno lo stesso nome della filiale presso cui lavorano Impiegati Matricola Cognome Filiale Stipendio Milano Rossi Milano Roma Neri Milano Milano Milano Neri Napoli 64 Cognome = Filiale (Impiegati) 26 13

14 Proiezione operatore monadico produce un risultato che ha parte degli attributi dell argomento e su tali attributi contiene tutte le possibili tuple di valori esistenti nella relazione argomento 27 Sintassi e semantica Sintassi,, Y X Y (r(x) r(x)) = r r Semantica r è una relazione su Y e contiene l insieme delle tuple di r ristrette agli attributi in Y 28 14

15 Impiegati Matricola Cognome Filiale Stipendio 7309 Neri Napoli Neri Milano Rossi Roma Rossi Roma per tutti gli impiegati: matricola e cognome cognome e filiale 29 matricola e cognome di tutti gli impiegati Matricola Cognome Filiale Stipendio Neri Napoli 55 Neri Milano 64 Rossi Roma 44 Rossi Roma 64 Matricola, Cognome (Impiegati) 30 15

16 cognome e filiale di tutti gli impiegati Matricola Cognome Filiale Stipendio Neri Napoli 55 Neri Milano 64 Rossi Roma 44 Rossi Roma 64 Cognome, Filiale (Impiegati) 31 Cardinalità delle proiezioni una proiezione di r contiene al più tante tuple quante ne ha r può contenerne di meno se X è una superchiave di r,, allora X (r) contiene esattamente tante tuple quante ne ha r 32 16

17 Proiezione e selezione Selezione decomposizione orizzontale Proiezione decomposizione verticale 33 selezione proiezione 34 17

18 Selezione e proiezione Combinando selezione e proiezione, possiamo estrarre interessanti informazioni da una relazione 35 Impiegati Matricola Cognome Filiale Stipendio 7309 Neri Napoli Neri Milano Rossi Roma Rossi Roma

19 matricola e cognome degli impiegati che guadagnano più di Matricola Cognome Filiale Stipendio 7309 Rossi Roma Neri Milano Milano Neri Milano Napoli Neri Napoli 64 Matricola,Cognome ( Stipendio > (Impiegati) ) 37 Combinando selezione e proiezione, non possiamo però correlare informazioni presenti in relazioni diverse 38 19

20 Join il join è l'operatore più interessante dell'algebra relazionale permette appuntodi correlare dati in relazioni diverse 39 Prove scritte in un concorso pubblico I compiti sono anonimi e ad ognuno è associata una busta chiusa con il nome del candidato Ciascun compito e la relativa busta vengono contrassegnati con uno stesso numero 40 20

21 Quello che accade alla fine della correzione Mario Rossi Nicola Russo Mario Bianchi Remo Neri 1 Mario Rossi 2 Nicola Russo 3 Mario Bianchi 4 Remo Neri Quello che voglio alla fine dell esame Join naturale operatore binario (generalizzabile) produce come risultato una relazione tale che Il suo schema ha l unione l degli attributi degli argomenti L insieme delle tuple è ottenuto componendo una tupla di ognuno degli operandi per valori uguali degli attributi comuni 42 21

22 Sintassi e semantica R 1 (X 1 ), R 2 (X 2 ) R 1 R 2 è una relazione su X 1 X 2 definita come { t esistono t 1 R 1 e t 2 R 2 con t[x 1 ] =t 1 e t[x 2 ] =t 2 } 43 Effetto dell operatore Numero Voto Numero Candidato 1 Mario Rossi 2 Nicola Russo 3 Mario Bianchi 4 Remo Neri Numero Candidato Mario Rossi Nicola Russo Mario Bianchi Remo Neri Voto

23 Impiegato Reparto Rossi A Neri B Bianchi B Reparto A B Capo Mori Bruni Impiegato Reparto Capo Rossi A Mori Neri B Bruni Bianchi B Bruni ogni tupla contribuisce al risultato: join completo 45 Un join completo con n x m tuple Impiegato Reparto Rossi AB Neri B Reparto AB B Capo Mori Bruni Impiegato Reparto Capo Rossi B Mori Rossi B Bruni Neri B Mori Bianchi B Bruni 46 23

24 Un join non completo Impiegato Reparto Rossi A Neri B Bianchi B Reparto B C Capo Mori Bruni Impiegato Reparto Capo Neri B Mori Bianchi B Mori 47 Un join vuoto Impiegato Reparto Rossi A Neri B Bianchi B Reparto D C Capo Mori Bruni Impiegato Reparto Capo 48 24

25 Cardinalità del join Il join di R 1 e R 2 contiene un numero di tuple compreso fra zero e il prodotto di R 1 e R 2 se il join coinvolge una chiave di R 2, allora il numero di tuple è compreso fra zero e R 1 se il join coinvolge una chiave di R 2 e un vincolo di integrità referenziale, allora il numero di tuple è pari a R 1 49 R 1 (A,B), R 2 (B,C) in generale Cardinalità del join 0 R R 1 se B è chiave in R 2 0 R R 2 R 1 R 2 R 1 R 2 R 1 se B è chiave in R 2 ed esiste vincolo di integrità referenziale fra B (in R 1 ) e R 2 : R 1 R R 2 = R

26 Le tuple che non contribuiscono a formare il risultato Impiegato Reparto Rossi A Neri B Bianchi B Reparto B C Impiegato Reparto Capo Neri B Mori Bianchi B Mori Come recuperarle nel risultato Capo Mori Bruni 51 Join esterno Il join esterno estende, con valori nulli, le tuple che verrebbero tagliate fuori da un join interno (o join) esiste in tre versioni: sinistro, destro, completo 52 26

27 Join esterno sinistro: : mantiene tutte le tuple del primo operando, estendendole con valori nulli, se necessario destro: :... del secondo operando... completo: di entrambi gli operandi Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Reparti Reparto B C Capo Mori Bruni Impiegati LEFT Reparti Impiegato Reparto Capo Neri B Mori Bianchi B Mori Rossi A NULL 54 27

28 Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Reparti Reparto B C Capo Mori Bruni Impiegati RIGHT Reparti Impiegato Reparto Capo Neri B Mori Bianchi B Mori NULL C Bruni 55 Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Reparti Reparto B C Capo Mori Bruni Impiegati FULL Reparti Impiegato Reparto Capo Neri B Mori Bianchi B Mori Rossi A NULL NULL C Bruni 56 28

29 Join e proiezioni Impiegato Reparto Rossi A Neri B Bianchi B Reparto B C Capo Mori Bruni Impiegato Reparto Capo Neri B Mori Bianchi B Mori Impiegato Reparto Neri B Bianchi B Reparto B Capo Mori 57 Impiegato Neri Bianchi Verdi Proiezioni e join Impiegato Reparto Capo Neri B Mori Bianchi B Bruni Verdi A Bini Reparto B B A Reparto B B A Impiegato Reparto Capo Neri B Mori Bianchi B Bruni Neri B Bruni Bianchi B Mori Verdi A Bini Capo Mori Bruni Bini 58 29

30 In generale R 1 (X 1 ), R 2 (X 2 ) (R X1 1 R 2 ) R 1 R(X), X = X 1 X 2 ( X1 (R)) ( X 2 (R)) (R)) R 59 Relazioni senza attributi comuni La definizione di join funziona ugualmente R 1 (X 1 ), R 2 (X 2 ) R 1 R 2 è una relazione su X 1 X 2 definita come { t esistono t 1 R 1 e t 2 R 2 con t[x 1 ] =t 1 e t[x 2 ] =t 2 } 60 30

31 Risultato La relazione risultato contiene sempre un numero di tuple pari al prodotto delle cardinalità degli operandi (le tuple sono tutte combinabili ) Equivale al prodotto cartesiano su tuple 61 Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Impiegati Reparti Reparti Codice A B Capo Mori Bruni Impiegato Reparto Codice Capo Rossi A A Mori Rossi A B Bruni Neri B A Mori Neri B B Bruni Bianchi B A Mori Bianchi B B Bruni 62 31

32 Il prodotto cartesiano, può essere ridotto eseguendo una selezione F (R 1 X R 2 ) L operazione complessiva può venire eseguita tramite un operatore derivato chiamato theta-join e indicato con R 1 F R 2 63 Perché "theta-join" La condizione F è spesso una congiunzione (AND)) di atomi di confronto A 1 A 2 dove è uno degli operatori di confronto (=, >, <, )) e A 1, A 2 sono attributi di relazioni diverse se l'operatore è sempre l'uguaglianza (=) allora si parla di equi-join 64 32

33 Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Reparti Codice A B Impiegati Reparto=Codice Reparti Capo Mori Bruni Impiegato Reparto Codice Capo Rossi A A Mori Rossi Neri AB B Bruni Bianchi Neri B AB Bruni Mori Neri B B Bruni Bianchi B A Mori Bianchi B B Bruni 65 Impiegati Impiegato Reparto Rossi A Neri B Bianchi B Reparti Reparto A B Capo Mori Bruni Impiegati Imp.Reparto= Rep.Reparto Reparti Imp.Impiegato Imp.Reparto Rep.Reparto Rep.Capo Rossi A A Mori Rossi Neri AB B Bruni Bianchi Neri B AB Bruni Mori Neri B B Bruni Bianchi B A Mori Bianchi B B Bruni 66 33

34 Join naturale ed equi-join Impiegati Impiegato Reparto Reparti Reparto Capo Impiegati Reparti = Impiegato,I.Reparto,Capo ( Impiegati I.Reparto= R.Reparto (Reparti)) 67 Esempi Impiegati Matricola Nome Età Stipendio 7309 Rossi Bianchi Neri Bruni Mori Lupi Supervisione Impiegato Capo

35 Trovare matricola, nome, età e stipendio degli impiegati che guadagnano più di euro Stipendio>40000 (Impiegati) 69 Matricola Nome Età Stipendio Rossi Bianchi Bruni Mori Neri Bruni Lupi Mori Lupi Stipendio>40000 (Impiegati) 70 35

36 Trovare matricola, nome ed età degli impiegati che guadagnano più di euro Matricola, Nome, Età ( Stipendio>40000 (Impiegati)) 71 Matricola Nome Età Stipendio Rossi Bianchi Bruni Mori Neri Bruni Lupi Mori Lupi Matricola,, Nome, Età ( Stipendio>40000 >40000 (Impiegati) ) 72 36

37 Esempi Impiegati Matricola Nome Età Stipendio 7309 Rossi Bianchi Neri Bruni Mori Lupi Supervisione Impiegato Capo Trovare le matricole dei capi degli impiegati che guadagnano più di euro Capo (Supervisione Impiegato=Matricola ( Stipendio>40000 (Impiegati))) 74 37

38 Trovare nome e stipendio dei capi degli impiegati che guadagnano più di euro Nome,Stipendio ( Impiegati Matricola=Capo Capo (Supervisione Impiegato=Matricola ( Stipendio>40000 (Impiegati)))) 75 Trovare le matricole dei capi i cui impiegati guadagnano tutti più di euro Capo (Supervisione) - Capo (Supervisione Impiegato=Matricola ( Stipendio (Impiegati))) 76 38

39 Esempi Impiegati Matricola Nome Età Stipendio 7309 Rossi Bianchi Neri Bruni Mori Lupi Supervisione Impiegato Capo Trovare gli impiegati che guadagnano più del proprio capo, mostrando matricola, nome e stipendio dell'impiegato e del capo Matr,Nome,Stip,MatrC,NomeC,StipC ( Stipendio>StipC ( MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) MatrC=Capo (Supervisione Impiegato=Matricola Impiegati))) 78 39

40 Equivalenza di espressioni 79 Equivalenza di espressioni Due espressioni sono equivalenti se producono lo stesso risultato qualunque sia l'istanza attuale della base di dati L'equivalenza è importante in pratica perché i DBMS cercano di eseguire espressioni equivalenti a quelle date, ma meno "costose" 80 40

41 Equivalenze importanti i (1) Pushing selections down (se A è attributo di R 2 ) A=10 (R 1 R 2) ) = R 1 A=10 ( R 2 ) Riduce in modo significativo la dimensione del risultato intermedio (e quindi il costo dell'operazione) 81 Equivalenze importanti i (2) Pushing projections down (siano dati R 1 (X 1 ) e R 2 (X 2 ) con Y 2 X 2 ) (R X 1 Y2 1 R 2) ) = R 1 ( R Y2 2 ) Riduce in modo significativo la dimensione del risultato intermedio 82 41

42 Selezione con valori nulli Impiegati Matricola Cognome Filiale Età 7309 Rossi Roma Neri Milano Bruni Milano NULL Età > 40 (Impiegati) la condizione è vera solo per valori non nulli 83 Di conseguenza Et Età>40 (Impiegati) Età 40 (Impiegati) Impiegati le selezioni vengono valutate comunque separatamente e si tiene conto del fatto che logicamente sono una il complemento dell altra 84 42

43 Selezione con valori nulli: soluzione Età > 40 (Impiegati) la condizione atomica è vera solo per valori non nulli per riferirsi ai valori nulli esistono forme apposite di condizioni: IS NULL IS NOT NULL 85 Quindi: Età>40 (Impiegati) Età 40 (Impiegati) IS NULL (Impiegati) = Età IS NULL Età>40 Età 40 Età IS NULL IS NULL (Impiegati) = Impiegati 86 43

44 Impiegati Matricola Cognome Filiale Età Rossi Neri Milano Roma Bruni Neri Milano NULL Bruni Milano NULL (Età > 40) (Età IS NULL) (Impiegati) 87 Relazioni derivate 88 44

45 Relazioni derivate Relazioni derivate: relazioni il cui contenuto è funzione del contenuto di altre relazioni (definito per mezzo di interrogazioni) Relazioni di base: contenuto autonomo Le relazioni derivate possono essere definite su altre derivate, ma 89 Viste virtuali e materializzate Due tipi di relazioni derivate: viste materializzate viste virtuali (o viste) 90 45

46 Viste materializzate relazioni derivate memorizzate nella base di dati vantaggi: immediatamente disponibili per le interrogazioni svantaggi: ridondanti appesantiscono gli aggiornamenti sono raramente supportate dai DBMS 91 Viste virtuali Viste virtuali sono supportate dai DBMS (tutti) una interrogazione su una vista viene eseguita "ricalcolando" la vista (o quasi) 92 46

47 Esempio Afferenza Impiegato Reparto Direzione Rossi A Reparto Capo Neri B A Mori Bianchi B B Bruni Verdi C C Leoni una vista Supervisione = Impiegato,, Capo (Afferenza Direzione) 93 Interrogazioni sulle viste Sono eseguite sostituendo alla vista la sua definizione: Capo='Leoni Leoni' (Supervisione) viene eseguita come Impiegato, Capo Capo='Leoni Leoni' (, Capo (Afferenza Direzione)) 94 47

48 Viste: motivazioni Rappresentazioni diverse per gli stessi dati (stesse relazioni di base) schema esterno Ogni utente vede solo quello che lui stesso ha determinato 95 Architettura standard (ANSI/SPARC) a tre livelli per DBMS utente utente utente utente utente Schema esterno Schema esterno Schema esterno Schema logico Schema interno BD 96 48

49 Viste, motivazioni Schema esterno (vale per le viste virtuali e per quelle materializzate ): ogni utente vede solo ciò che gli interessa e nel modo in cui gli interessa, senza essere distratto dal resto ciò che è autorizzato a vedere (autorizzazioni) Utilizzo di programmi esistenti su schemi ristrutturati Strumento di programmazione : si può semplificare la scrittura di interrogazioni: espressioni complesse e sottoespressioni ripetute L'utilizzo di viste virtuali non influisce sull'efficienza delle interrogazioni 97 Viste come strumento di programmazione Trovare gli impiegati che hanno lo stesso capo di Rossi Senza vista: Con la vista: Impiegato,Capo (Afferenza Direzione) Capo ( Impiegato='Rossi' (Afferenza Direzione)) Impiegato,Capo (Supervisione) Capo ( Impiegato='Rossi' ='Rossi' (Supervisione)) 98 49

50 Viste e aggiornamenti, attenzione Afferenza Direzione Impiegato Reparto Reparto Capo Rossi A A Mori Neri B B Bruni Verdi C BC Leoni Bruni Supervisione Impiegato Rossi Neri Verdi Capo Mori Bruni Leoni Vogliamo inserire, nella vista, il fatto che Lupi ha come capo Bruni 99 Viste e aggiornamenti "Aggiornare una vista significa modificare le relazioni di base in modo che la vista, "ricalcolata" rispecchi l'aggiornamento L'aggiornamento sulle relazioni di base corrispondente a quello specificato sulla vista deve essere univoco In generale però non è univoco! Ben pochi aggiornamenti sono ammissibili sulle viste

51 Viste, ridenominazione e join 101 Una convenzione per ili join È sostanzialmente l'approccio usato in SQL Ignoriamo il join naturale,, i.e. attributi di relazioni diverse sono sempre diversi: è come se il nome della relazione fosse sempre premesso al nome dell attributo Usiamo "assegnazioni" (viste) per ridenominare le relazioni (e di conseguenza gli attributi)

52 Impiegati Matricola Nome Età Stipendio 7309 Rossi Bianchi Neri Bruni Mori Lupi Supervisione Impiegato Capo Trovare gli impiegati che guadagnano più del proprio capo, mostrando matricola, nome e stipendio dell'impiegato e del capo Matr,Nome,Stip,MatrC,NomeC,StipC ( Stipendio>StipC ( MatrC,NomeC,StipC,EtàC Matr,Nome,Stip,Età (Impiegati) MatrC=Capo (Supervisione Impiegato=Matricola Impiegati)))

53 Capi := Impiegati Imp.Matr, Imp.Nome, Imp.Stip,Capi.Matr,Capi.Nome, Capi.Stip ( Imp.Stip>Capi.Stip ( Capi Capi.Matr=Capo (Supervisione Impiegato=Imp.Matr Impiegati))) 105 Si consideri il seguente schema di base di dati Film( CodiceFilm, Titolo, CodiceRegista,, Anno) Produzione (CasaProduzione, Nazionalità, CodiceFilm, Costo, Incasso1annoSala) Artista (CodiceAttore, Cognome, Nome, Sesso, DataDiNascita, Nazionalità) Interpretazione (CodiceFilm,CodiceAttore CodiceAttore,Personaggio, SessoPersonaggio) Regista (CodiceRegista( CodiceRegista,, Cognome, Nome, Sesso, DataDiNascita,, Nazionalità) Noleggio (CodiceFilm( CodiceFilm,, Incasso1anno annovideo, Incasso1anno annodvd)

54 a. Individuare le chiavi per le relazioni introdotte. Film( CodiceFilm, Titolo, CodiceRegista,, Anno) Produzione (CasaProduzione,, Nazionalità, CodiceFilm, Costo, Incasso1annoSala) Artista (CodiceAttore,, Cognome, Nome, Sesso, DataDiNascita, Nazionalità) Interpretazione (CodiceFilm,CodiceAttore,Personaggio, SessoPersonaggio) Regista (CodiceRegista,, Cognome, Nome, Sesso, DataDiNascita,, Nazionalità) Noleggio (CodiceFilm,, Incasso1annoVHS, Incasso1annoDVD) 107 b. Definire i possibili vincoli di integrità referenziale per le relazioni introdotte. Tra CodiceFilm di Interpretazione,Produzione e Noleggio e CodiceFilm di Film Tra CodiceAttore di Interpretazione e CodiceAttore di Attore Tra CodiceRegista di Film e CodiceRegista di Regista

55 c. Formulare in algebra relazionale le seguenti interrogazioni (1) nomi e cognomi dei registi che hanno diretto film che hanno incassato il primo anno di uscita meno nelle sale che per il noleggio di DVD Nome, Cognome ( Nome, Cognome, CF CR=CR Film) CF=CF CF ( Inc1sala<Inc1DVD ) Regista Nome, Cognome, CF (Regista Produzione Inc1sala<Inc1DVD (Produzione CF=CF Noleggio) ) ) 109 c. Formulare in algebra relazionale le seguenti interrogazioni (2) i titoli dei film i cui attori sono tutti dello stesso sesso 1. Titolo ( Film) - Titolo (Film CF=CF Sesso<>S ( CF,Sesso (Artista CA=CA CF=CF ( S Sesso CA Interpretazione) CF,Sesso (Artista CA=CA Interpretazione) ))) 2. ( Titolo ( Film) - Titolo CF ( (Artista Sesso=`M` Artista) CA=CA ( Titolo ( Film) - Titolo ( Film CF=CF ( ( Film CF=CF CF ( (Artista Sesso=`F` Artista) CA=CA CA Interpretazione)))) CF=CF ( CA Interpretazione))))

56 c. Formulare in algebra relazionale le seguenti interrogazioni (3) i titoli di film con solamente attori donna che abbiano incassato in sala più del proprio costo Titolo ( CF,Titolo (Film) CF=CF CF ( Inc1S>Costo (Produzione)) CF=CF ( CF ( Film) CF ( CA,Sesso ( Sesso=`M` (Artista)) CA=CA CA,CF (Interpretazione))) ) 111 c. Formulare in algebra relazionale le seguenti interrogazioni (4) i titoli di film con attori di sesso diverso dal sesso del personaggio che interpretano Titolo ( Film Artista )) CF=CF CA=CA Sesso SessoP ( CA Interpretazione

57 c. Formulare in algebra relazionale le seguenti interrogazioni (5) i titoli dei film prodotti negli Stati Uniti con registi e attori tutti non statunitensi Titolo ( nazionalità= USA USA (Film ) Titolo ( CF=CF CF Produzione) c. Formulare in algebra relazionale le seguenti interrogazioni (6) i titoli dei film degli anni 30 prodotti non in Germania e con registi e/o attori tedeschi Titolo ( ( Anno>1929 and Anno<1940 Nazionalita =`D` ) CF=CF ( (Film) Anno>1929 and Anno<1940 (Film) =`D`(Regista) CF ( Nazionalita =`D CF=CF CF ( Nazionalita <> ) ) =`D` (Artista Artista) CR=CR CA=CA <> D (Produzione Produzione) ) ) CA Interpretazione)

58 Estensioni dell algebra 115 Algebra relazionale estesa Il modello relazionale può essere facilmente esteso a comprendere gli operatori SQL non direttamente riconducibili agli operatori algebrici introdotti Questa estensione non modifica il funzionamento del modello

59 Estensioni (1) Join esterno permette di trattare valori null nelle espressioni dell algebra relazionale per modellare le informazioni mancanti 117 Estensioni (2) Proiezione generalizzata F1,F2,F3 (E) F1,F2, F3 sono espressioni aritmetiche su attributi di E (che( è una qualunque espressione dell algebra algebra) ) e costanti

60 Conto Cliente Credito Andrea 6000 Andrea 4000 Maria Anna 3000 Filippo 3000 Luigi 5000 Franco 5000 Maria 6000 Andrea Anna 5000 Spese Esempio proiezione Si può scrivere ad esempio Cliente,Credito-Spese Spese(Conto) ed ottenere il seguente risultato

61 Cliente Credito- Spesa Andrea Andrea Funzioni aggregate Estensioni (3) Si possono usare nelle espressioni alcuni nomi di funzioni (operatori) che si applicano a (multi)insiemi( e producono un valore come risultato

62 Operatori aggregati sum, count, min, max sum Spese (Conto) count Cliente (Conto) max Credito (Conto) count-distinct Cliente Conto) Cliente (Conto 123 Raggruppamento Si possono raggruppare gli elementi di una relazione usando un operatore apposito Cliente G sum(credito) (Conto) Cliente è l attributo su cui si fa il raggruppamento, sum è la funzione aggregata che si applica all attributo attributo Credito, Conto è la relazione su cui si applica il tutto. Si possono avere più attributi a sinistra e più funzioni a destra di G