{{predmet|Dotazovací jazyky I|Jaroslav Pokorný|DBI001}}
Dotazovací jazyky, povídání o SQL.
* zkouška: písemná – příklady
* zápočet: referát na semináři (po dvojicích, PowerPointová prezentace), jinak psané (Word)
== Odkazy ==
* [http://www.ksi.mff.cuni.cz/~pokorny/vyuka.html#NDBI006 info u Pokorného]
* [http://forum.matfyz.info/viewtopic.php?f=422&t=9462 neoficiální sbírka příkladů]
== Zkoušky ==
Je dobré si úlohy skúsiť vyriešiť najprv samostatne, pre niektoré úlohy boli zverejnené aj [[Dotazovací jazyky I - řešení|riešenia]].
=== 26. 1. 2012 ===
Nebylo tam nic, co neni na tady, velká část se kryla s písemkou co je na wiki z 10.2.2009, nebylo tam ale vůbec nic z optimalizace a na DIS tam byla tabulka věcí a rozhodnout, jestli zvyšuje P nebo R.
Bodování úloh docela mírný (třeba v OR stačí přibližná syntaxe, hlavně když je tam myšlenka), známkování naopak trošku přísnější - 22-19: 1, 18,17: 2, 16,15 (nejsem si úplně jistej): 3, 14-0: 4.
Takže umět pořádně SQL, počítat přístupy v nested loops a alespoň navrhnout OR model a je to solidní základ na projití.
=== 10.2.2009 ===
* 1) Dotazovanie nad zadanou schemou (boldom su kluce)
Pobocka('''meno_pivovaru, meno_pobocky''', adresa)
Vari('''meno_pivovaru, meno_pobocky, znacka, stupen''')
Odobera(hospoda, znacka, stupen, meno_pivovaru, cena) (kluc si nepamatam)
* Q1: Pivovary, kt. pivo nikto neodobera. (cez having to ide velmi jednoducho)
* Q2: Pivovary, kt. nejaku znacku (piva) nikto neodobera.
* 2) previest schemu do OR s pouzitim REF, kolekcii (napisat dotazy pre CREATE TYPE a odpovedajuce CREATE TABLE, pozor v SQL1999 je iba ARRAY)... Nad danou schemou spravit dotaz:
Vsetky hospody, vsetky znacky a stupne, ktore sa v nich varia? (neviem, ci je to presne ono)
* 3) Vysvetlit, kedy je v RA mozne spravit: (E1 x E2) (selekcia) = E1(selekcia) x E2
* 4) Pocitanie pristupov na stranky: p<sub>R</sub> = 200, b<sub>R</sub> = 10, p<sub>S</sub> = 500, b<sub>S</sub> = 5, M = 42, spojenie R[A=B]S, max 5 n-tic z S spojitelnych s kazdou n-ticou z R
** a) nested loops, pocet pristupov
iba vzorec p<sub>R</sub> + (p<sub>R</sub>*p<sub>S</sub>)/(M-2) = 2700
** b) nested loops, 2-urovnovy '''klastrovany''' B+ index nad B v S, pricom vsetky spojitelne n-tice z S pre vybranu n-ticu z R sa nachadzaju v 1 stranke
p<sub>R</sub> + n<sub>R</sub>(2+1) = p<sub>R</sub> + 3*n<sub>R</sub> = 200 + 6000 = 6200
Vysvetlenie: Relaciu R musim nacitat celu (p<sub>R</sub>) a pre kazdy zaznam (celkovo ich je n<sub>R</sub> = p<sub>R</sub> * b<sub>R</sub> = 2000) potrebujem 2 pristupy v indexe na najdenie pozadovanej stranky (v ktorej su vsetky zaznamy spojitelne s aktualnou n-ticou z R) + 1 pristup na nacitanie tejto stranky.
** c) nested loops, 2-urovnovy '''NEklastrovany''' B+ index nad B v S
p<sub>R</sub> + n<sub>R</sub>(2+5) = p<sub>R</sub> + 7*n<sub>R</sub> = 200 + 14000 = 14200
Vysvetlenie: Relaciu R musim nacitat celu (p<sub>R</sub>) a pre kazdy zaznam (celkovo ich je n<sub>R</sub> = p<sub>R</sub> * b<sub>R</sub> = 2000) potrebujem 2 pristupy v indexe na najdenie pozadovanej stranky + max. 5 roznych stranok najst (pretoze max. 5 n-tic je spojitelnych a kedze ide o neklastrovany index, mozu byt kdekolvek)
** d) spocitat pripad c), ak vieme, ze A bude zotriedena a pocet listov indexu je 16:
tusim, ze: p<sub>R</sub> + 1 + n<sub>R</sub> * ( 1/16 + 5)
myslim, že je to spíš takhle: p<sub>R</sub> + 1 + 16 + n<sub>R</sub> * 5, zdůvodnění mi připadá v pořádku, možná drobné doplnění:
když načítam další stránku R, ponechávám si aktuální stránku indexu a pokračuji z toho místa, není třeba procházet stránky indexu víc jak 1x, tzn 16 přístupů. Jookyn
Vysvetlenie: Relaciu R musim nacitat celu (p<sub>R</sub>), 1 stranka na pristup do 1.urovne indexu nad B a pre kazdy zaznam v A hladam n-tice z S, ale vyuzivam to, ze A je zotriedena a index je B+ - teda nemusim vzdy pristupovat na 1.uroven indexu, ale posuvam sa iba po listoch, tych je 16. No a este pristup na stranky, kde su n-tice z S (tych je max. 5))
* 5) Sim(Q,Di) zadana skalarnym sucinom, kde q1, q2 a q3 su nenulove. Ako to bude vyzerat v boolskom modeli?
Odpoved: t<sub>1</sub> OR t<sub>2</sub> OR t<sub>3</sub> (kde t<sub>1</sub>, t<sub>2</sub>, t<sub>3</sub> su prislusne termy)
Ak tam su nejake nejasnosti, sorry, snazil som sa napisat vsetko, co som si zapamatal.
=== 3.2.2009 ===
Tak co se objevilo v dnešní zkoušce, jedná se jen o doplnění předchozích příkladů:
* 1) máme počty stránek p<sub>R</sub>, p<sub>S</sub> a blokovací faktory b<sub>R</sub> b<sub>S</sub> a počet stránek paměti M, spojení je R[A=B]S, přičemž ke každé n-tici z R je max. 5 n-tic z S
** a) spočtěte počet čtení přes hnízděné cykly (2 body)
*** řešení: p<sub>R</sub> + p<sub>R</sub>*p<sub>S</sub>/(M-2)
** b) spočtěte počet čtení přes hnízděné cykly když nad B je 2-úrovňový klastrovaný index, a ke každé n-ticy z R jsou n-tice z S uloženy v jedné stránce (3 body)
*** řešení: p<sub>R</sub> + n<sub>R</sub>*I(B,S)*1 (za správnost neručím)
*** řešení: p<sub>R</sub> + n<sub>R</sub>*(I(B,S)+1) ... a neni to spis takhle? Lukas
** c) spočtěte počet čtení přes hnízděné cykly když nad B je 2-úrovňový obyčejný index (3 body)
*** řešení: p<sub>R</sub> + n<sub>R</sub>*I(B,S)*5, kde n<sub>R</sub> = p<sub>R</sub>*b<sub>R</sub> (za správnost neručím)
*** řešení: p<sub>R</sub> + n<sub>R</sub>*(I(B,S)+5) ... a neni to spis takhle? Lukas
** upozornění: spočtěte znamená napsat číslo, ne jen vzoreček;
* 2) DIS - jaké bude q<sub>k</sub> (viz. vzoreček ze slajdů) když v dotazu budou pouze klíčová slova
** řešení: q<sub>k</sub> = IDF<sub>k</sub> protože TF<sub>k</sub> = 1 a maxTF<sub>k</sub> = 1
* 3) DIS - spočítat vektor D = TF<sub>k</sub>*IDF<sub>k</sub>, když TF<sub>k,m</sub> a DF<sub>k</sub> byly zadány
* 4) Schéma: viz to schema nize s tabulkami Herec, Hraje_v a Film
** vybrat všetkých hercov, ktorí hrali vo vsech filmoch režírovaných Formanom (3b)
* 5) Upravit schéma ze 4) na OR model s tim, že do databáze pribudou i jiné osoby. Narozdil od kteresi minule pisemky se tu pozadovalo ponechani HerecId a FilmId a pouziti typu kolekce. Ve výsledku mely byt 2 relace (3b).
** Napísať v tomto novom shémate dotaz D3: Pre každého herca zistiť počet Formanových filmov (režírovaných Formanom) do ktorých boli obsadení.
=== 28.1.2009 ===
Jen doplnění věcí:
* Spojení relací R * S pomocou hnízděných cyklů: p<sub>R</sub> = 2000, b<sub>R</sub> = 20, p<sub>S</sub> = 5000, b<sub>S</sub> = 50, počet bufferů M = 402.
** Pozn. k řešení: Jen naházet do vzorečku p<sub>R</sub> + p<sub>R</sub> * p<sub>S</sub> / (M - 2).
* Byla tam tabulka a pro každý řádek určit, zda zvyšuje či snižuje P (přesnost) a R (úplnost)
** P R
** + - AND
** - + OR
** - + zástupné znaky
** - + tezaurus (myslím)
** - + lemmatizace (myslím)
** + - rozlišování velkých a malých písmen
** + - rozlišování frází
** ... nějaké další
* V otázce udělat dotaz nad OO modelem byl dotaz: Vyberte všechny herce a k nim počet Formanových filmů, ve kterých měli roli.
=== 21.1.2009 ===
Většinou se příklady opakují z minulých roků.
*1.) Schéma:
<span style="line-height: 100%">
<font style="font-family: Courier New">
+---------+ +-------------+ +----------+
| Agent | | Dum | | Vybaveni |
+---------+ +-------------+ +----------+
| A_Id | - | Adresa | -- | Adresa |
| A_Jmeno | \ | Vlastnik_jm | | Rys |
+---------+ -| A_Id | +----------+
+-------------+
</font>
</span>
** Napsat dotaz, který vypíše jména těch vlastníků domů, jejichž domy spravuje pouze jeden agent (přes having to jde hezky)
*2.) Vytvořit OO model, nesmí se ztratit žádná informace, mělo se využít systémově generovaných OID.
*3.) Dotaz nad vzniklých OO schématem.
*4.) TFxIDF na dvou větách, pouze s podstatnými jmény.
*5.) Spočítat Similarity pro dva dotazy a seřadit je podle relevantnosti (dotazem se tady myslí nějaká věta, podle toho jestli obsahuje slovo nebo ne se dává váha 0 nebo 1)
*6.) Nakreslit strom dotazu viz písemka z 17.1.2008 př. 8a)
*7.) Pro schéma nahoře spočítat IO operací.
*** Agent: 200 záznamů, blokovací faktor 10, jednoúrovňový index nad A_ID
*** Dům: 1000 záznamů, blokovací faktor 4, klastrovaný dvouúrovňový index nad Adresou => 250 stránek
*** Rys: 10 000 záznamů, blokovací faktor 10, klastrovaný dvouúrovňový index nad Adresou
** Pozn. k řešení: Protože agentů je 200 a domů 1000, tak připadá na agenta cca 5 domů. Protože domů je 1000 a vybavení 10 000, tak na dům připadá cca 10 rysů. Agenta 007 lze si vyhledat na (1 + 1) přístupů (jeden za zalezení do indexu a pak načtení jednoho agenta). Pak lze projít domy a vybrat ty, které mají agenta 007 (nad A_ID nebyl u domů index) -je tedy potřeba načíst 250 stránek. Při tom k nim jde lepit zároveň agenty. Na výsledek joinu agentů s domy provedeme join, který veme 5*(2 + 2) IO operací (po joinu nám zbylo cca 5 domů - záznamů, které měli agenta 007; pro každý dům musíme načíst vybavení, tzn. 2 IO pro zalezení do indexu a pak ještě načíst cca 10 záznamů vybavení - protože jsou kvůli klastrovanému indexu záznamy jedné adresy u sebe, stačí je sekvenčně načíst ... 10 záznamů veme max 2 stránky - blokovací faktor je totiž 10 a na jeden se asi netrefíme). Výsledek teda mohl být: (1 + 1) + 250 + 5 * (2 + 2) = 272. (Toto bylo moje řešení, které prošlo - když tak mě opravte, jestli je něco špatně).
*8.) Nakreslit optimalizovaný strom.
*9.) Kolik bude potřeba IO operací, když u domů bude klastrovaný index i nad A_Id.
** Pozn. k řešení: V tomto případě načteme domy agenta 007 rychleji ... místo 250 stačí (2 + 2) IO operací (dvě na zalezení do indexu a pak načtení cca 5 domů - ty se při blokovacím faktoru 4 vlezou do 2 stránek).
=== 17.1.2008 ===
Stupnica 24-21 - 1; 20-19 - 2; 18-17 - 3
*1.) Schéma:
<span style="line-height: 100%">
<font style="font-family: Courier New">
+---------+ +---------+ +---------+
| Herec | | Hraje_v | | Film |
+---------+ +---------+ +---------+
| HerecId | -- | HerecId | / | FilmId |
| Jméno | | FilmId | / | Titul |
| Adresa | +---------+ | Režisér |
+---------+ +---------+
</font>
</span>
- vybrat všetkých hercov, ktorí hrali vo vsech filmoch režírovaných Formanom (3b)<br>
- vybrat všetkých režisérov, kteří nehrali v žiadnom svojom filme (3b)
*2.) Upraviť schéma z 1.) na OR model s tým, že do databáze pribudneú aj iné osoby. Bolo potreba použiť typy a referencie s cieľom odstrániť FilmId a HerecId a vo výsledku mali byť 3 relácie (3b).
** Napísať v tomto novom shémate dotaz D3: Pre každého herca zistiť počet Formanových filmov (režírovaných Formanom) do ktorých boli obsadení.
*3.) Čosi z DIS - ako sa budú meniť ( - znižovať, + zvyšovať) P a R ak sa použije:
** Boolean operátor AND
** Boolean operátor OR
** zástupné znaky
** (spolu asi 11 vecí)
*4.) Definovať inverznú frekvenciu dokumentu (IDF)
*5.) Počítací príklad na spojenie relácií R * S pomocou hniezdených cyklov: p<sub>R</sub> = 2000, b<sub>R</sub> = 20, p<sub>S</sub> = 5000, b<sub>S</sub> = 50 (1b)
*7.) (3b) Napísať postup ako z:
<font style="font-family: Courier New">
((R[B=C]S)[D=E]T)[A]
</font>
pomocou aspoň troch krokov vznikne:
<font style="font-family: Courier New">
((T[E][E=D]S[ACD])[C=B]R)[A]
</font>
*8.) Boli dané relácie:
+----------+ +----------+ +----------+
| Agent | | Dum_id | | Vybaveni |
+----------+ +----------+ +----------+
| Agent_id | \ | Dun_id | -- | Dum_id |
| Jmeno | \ | Agent_id | | Rys |
+----------+ +----------+ +----------+
domov je 1000, agentov 2000, vybaveni 10 000, sú známe blokovacie faktory
na tabuľke domov je klastrovany index cez ??, na vybaveni je B+ normalni index cez ??
a) Nakreslite strom dotazu
SELECT nazev, vybaveni_id
FROM dum, vybaveni, agent
WHERE dum.dum_id = agent.dum_id
AND vybaveni.rys = '5+1'
AND agent.id='007'
AND vybaveni.dum_id = dum_id
b) dotaz optimalizujte a spočítajte IO.
c) nakreslite strom optimalizovaného dotazu (ak je rozdielny od Vášho prvého stromu)
=== 31.1.2007 ===
*1) Tri relacie, urobit nad nimi dva dotazy v SQL92. (3+2 body)
*2) V SQL:1999 napisat pre dve z tych relacii ADT a na zaklade nich vytvorit tabulky, s vazbou medzi nimi. (3)
*3) Nad tymito dvomi tabulkami urobit dotaz. (2)
*4) Dva texty, vektory model.
**4a) Vytvorit maticu podla TF*IDF. (2)
**4b) Definovat kosinusovu mieru. (1)
**4c) Pre dva dotazy urcit Sim (klasicke) a zoradit dokumenty podla relevancie. (2)
*5) Pre relacie z otazky 1 su dane indexy (klastrovane a klasicke B+-stromy), ich vyska, statistiky poctu riadkov a blokovaci faktor
**5a) Nakreslit strom dotazu (akykolvek). (1)
**5b) Navrhnut optimalny plan a spocitat pocet I/O operacii. (3)
**5c) Pre tento optimalizovany dotaz nakreslit strom. (1)
**5d) Navrhnut novy optimalizovany plan, ak sa zmenia indexy. (3)
Celkom bolo 23 bodov, hodnotenie 20-23 za 1, 18-19 za 2, 16-17 za 3. Cas 90 minut.
=== 19.1.2006 ===
*1. v sql92 vyjadrite v definicii tabulky FILM ze reziser byva tam co kino, + otazka co sa stane ak je reziser bezdomovec
*2. kina v ktorych davaju len tie filmy ktorych reziser byva na rovnakej adrese
*3. v xml-ql najst nejake podelementy zo zadanaeho xml, xml bolo zadane :)
*4. kina kde davaju len jeden film
*5. kina ktore davaju vsetko co dava kino blanik
*6. uvazujem Sim(Q,D_i)=suma(q_k*w_ik) ---> taky ten vzorecek zo slejdov potom vyjadrite nenulovy Sim pomocou bool modelu ak je vektorovy model binarny
*7. definujte koef. uplnosti a presnosti
*8. co su datove typy list, bag, set v sql99
*9. uvazujte typy entit osoba(atributy meno, adresa*), hviezdicka znaci ze adresa je viac hodnotovy atribut a ukol(atributy cislo_ukolu, nazov). kazda osoba riesi niekolko ukolov, kazdy z nich v nejakej kapacite poc_h. navrhnite v sql99 odpovedajuce uzivatelske typy dat a na zaklade tychto typov definujte prislusne tabulky. a este tam potom bol jeden dotaz na ale ten si napametam :)
*este tam boli nejake otazky na xml ...
=== 10.2.2005 ===
zkousene okruhy:
*SQL 92, 89 dotazy z oblasti KINO, FILM, .. celkem pohoda, jen to vymyslet
*IO pro tabulku + co kdyz reziruje bezdomovec (viz predchozi prispevky)
*UNION JOIN - stejena otazka jako tady byla (vyjde prazdna tabulka)
*SQL 99 - definovat tabulku s pouzitim typu (tez definovat) a reference + napsat zadanej dotaz nad tim
*DIS definovat miru TF*IDF (napsal jsem nejakou sumu + log a stacilo)
*DTD napsat schema (nemel jsem tam zadny hvezdicky coz je ve vetsine pripadu blbe - elementy se pak nesmely opakovat, tak pozor na to)
*XML-QL dotaz na vsechny podelementy elemetu
=== 7.2.2005 ===
*1)-6) byly selecty nad danou databazi napsane prostredky SQL89:
**databaze Studio
**Dava(nazef_f,nazev_k);
**Film(nazev_f,reziser);
**Kino(nazev_k,adresa);
**D1(1 bod) Filmy, co davaji nekde.
**D2(3 body) Filmy, co davaji vsude.
**D3(2 body) Filmy, co nedavaji nikde.
**D4(3 body) Kina, kde davaji vsechny filmy.
**D5(2 body) Kina, kde davaji jen Kolju.
**D6(3 body) Kina, kde davaji vsechny filmy rezisera Sveraka a nic jineho.
**D7(1 bod) vyjadrit D3 pomoci SQL92
*8) (3 body) popiste pojeti ADT v SQL99
*9) (2 body) vyjadrete NATURAL JOIN prostredky SQL89, konkretne mame tabulky R(A,B,C) a S(D,A,C) a mame vyjadrit pomoci sql89 prikaz "SELECT B FROM R NATURAL JOIN S"
*10) (1+2body) uvazujeme dva texty a vektorovy model dat:
**A Rano, rano, ranicko. Bude prset. Bude hodne prset.
**B Rano bude prset. Kazde rano bude prset.
**a) definujte TF a IDF
**b) zkonstrujte matici dokumenty*termy zalozenou na TF*IDF
**Uvazujte pouze vyznamova slova, nehledte na koncovky podstatnych jmen. Eventualne symbolicke logaritmy vyjadrete pouze symbolicky.
**// slova rano a ranicko se daly brat jako jeden term, slovo "bude" zrejme neni vyznamove slovo
*11) (2 body) K databazi Studio navrhnete DTD tak, aby byla zachovana referencni integrita mezi strukturou Dava a strukturami Film a Kino.
Hodnocení: 16-18 bodu 3, 19-22 bodu 2, 23-26 bodu 1
=== 22.1.2005 ===
* 1. Napsat SQL selecty nad nejakym zadanym DB schematem. Vetsinou se tam pouzival EXISTS, nekde GROUP BY a HAVING, jendou se dalo urychlit pomoci EXCEPT... cele to melo byt SQL92.
* 2. Dve tabulky T1(A,B,C) a T2(B,C,D), byly v nich i hodnoty a bylo treba napsat jak vypada RIGHT OUTER JOIN. (Bez ON, cili to byl asi NATURAL)
* 3. Napsat SEMIJOIN tech tabulek... tak to netusim, co je. ([http://en.wikipedia.org/wiki/Relational_algebra#Semijoin semijoin])
* 4. Napsat DTD definici databaze z prikladu 1. Cili <!ATTLIST>, <!ELEMENT>... bylo treba vedet celou syntax DTD.
* 5. Dva texty s podtrzenymi termami, dva DIS dotazy, udelat TF a IDF, udelat vahy D, pak na to poslat ty dotazy a spocitat (klasicky skalarni soucin).
* 6. Napsat XQL2 (v praxi je to X-Path) dotaz nad zadanym XML. Bylo potreba najit vsechna tel a fax cisla osob, cili: osoba/(tel|fax)
[[Category:Databáze]]
[[Category:Informatika]]
