Nomi degli studenti che quest’anno hanno preso un voto

Slides:



Advertisements
Presentazioni simili
SQL: Lezione 2 Esercitazione per il corso Basi di Dati Gabriel Kuper Nataliya Rassadko
Advertisements

ClienteNomeCCittà RossiC1Roma RossiC2Milano BianchiC3Roma VerdiC4Roma ArticoloADenom.Prezzo A1Piatto3 A2Bicchiere2 A3Tazza4 OrdineCANpezzi C1A1100 C2A2200.
OSSERVAZIONE: Ci sono schemi di relazione che non sono “buoni” (quelli in cui sono rappresentati più concetti come lo schema Curriculum) in quanto presentano.
Fondamenti di Informatica A - Massimo Bertozzi ALBERI E ALBERI BINARI DI RICERCA (BST)
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Progettazione di una base di dati relazionale
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning
Rielaborato da Atzeni et al., Basi di Dati, Mc-Graw Hill
La firma del verbale L’accesso si fa con matricola e password di Student-Card. La password NON è quella sulla Scratch-card. In fondo alla pagina si trova.
Le operazioni relazionali
Rielaborato da Atzeni et al., Basi di Dati, Mc-Graw Hill
Crediti totali riconosciuti
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Unità di apprendimento 1
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Interrogazione di una base di dati relazionale
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Rielaborato da Atzeni et al., Basi di Dati, Mc-Graw Hill
Atzeni-Ceri-Paraboschi-Torlone, Basi di dati, Capitolo 3
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Progettazione di una base di dati relazionale
Branch and Bound Lezione n°14 Prof.ssa Rossella Petreschi
A. A – 2008 Basi di dati 1 Corso Prof
Rielaborato da Atzeni et al., Basi di Dati, Mc-Graw Hill
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Dizionari alberi bilanciati.
Alberi di ricerca di altezza logaritmica
Progettazione di una base di dati relazionale
Universita’ di Milano Bicocca Corso di Basi di Dati 1 in eLearning C
Lezione n°9 Prof.ssa Rossella Petreschi
Alberi binari Definizione Sottoalberi Padre, figli
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
B-alberi e alberi autoaggiustanti
Un’università vuole raccogliere ed organizzare in un database
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
La gestione degli insiemi disgiunti
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
Algoritmi Avanzati a.a.2014/2015 Prof.ssa Rossella Petreschi
Rielaborato da Atzeni et al., Basi di Dati, Mc-Graw Hill
Universita’ di Milano Bicocca Corso di Basi di dati 1 in eLearning C
K4 è planare? E K3,3 e K5 sono planari? Sì!
Dizionari alberi bilanciati.
Dino Pedreschi Dipartimento di Informatica a.a. 2011– 2012
Lezione n°6 Prof.ssa Rossella Petreschi
SQL per la modifica di basi di dati
Corso di Laurea Specialistica/Magistrale in Farmacia
Introduzione agli Algoritmi e alle Strutture Dati
I due schemi sono equivalenti (descrivono la stessa
Algoritmi e Strutture Dati
Ottimizzazione distribuita
SCHEDA PER PIANO PERSONALIZZATO ASL
APPUNTI SUL LINGUAGGIO C Allocazione dinamica della memoria
Risultati del test CISIA degli studenti della coorte
Progettazione di una base di dati
Corso di Algoritmi e Strutture Dati APPUNTI SUL LINGUAGGIO C
Lezione n°7 Splay-Trees e Heaps Prof.ssa Rossella Petreschi
Crediti totali riconosciuti
Insiemi disgiunti.
STUDENTE(Matr,Nome,Cognome)
Corso di Laurea in Farmacia Dipartimento di Scienze del Farmaco
HeapSort Stesso approccio incrementale del selectionSort Tipo di dato
Transcript della presentazione:

Nomi degli studenti che quest’anno hanno preso un voto STUDENTE(MATR, NOME, RESIDENZA) ESAME(MATR, C#, VOTO, DATA) CORSO(C# , TITOLO , D#) Nomi degli studenti che quest’anno hanno preso un voto superiore a 28 nell’esame di Basi di Dati) SELECT NOME FROM STUDENTE S , ESAME E , CORSO C WHERE VOTO>28 AND TITOLO='BdD'AND DATA'01/01/2019' AND S.MATR=E.MATR AND E.C#=C.C#

pNOME sF X X CORSO STUDENTE ESAME Dove F è la condizione: VOTO28  DATA'01/01/2019'  S.MATR=E.MATR  TITOLO='BdD'  E.C#=C.C#

Passo 1 Usa la regola 4 per ottenere cascate di selezioni

pNOME Applico regola 4 sF X X CORSO STUDENTE ESAME Dove F è la condizione: VOTO28  DATA'01/01/2019'  S.MATR=E.MATR  TITOLO='BdD'  E.C#=C.C#

pNOME s VOTO28 s DATA'01/01/2019' s S.MATR=E.MATR s TITOLO='BdD' s E.C#=C.C# X X CORSO STUDENTE ESAME

Passo 2 Usa le regole da 4 a 9 per spostare le selezioni il più in basso possibile

Applico regole 4 e 6 pNOME s VOTO28 s DATA'01/01/2019' s S.MATR=E.MATR s TITOLO='BdD' s E.C#=C.C# X X CORSO STUDENTE ESAME

pNOME s E.C#=C.C# X s S.MATR=E.MATR s TITOLO='BdD' X CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

Passo 3 Usa le regole da 3, 5, 10 e 11 per spostare le proiezioni il più in basso possibile

Applico regola 5 pNOME s E.C#=C.C# X s S.MATR=E.MATR s TITOLO='BdD' X CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

Applico regola 10 pNOME s E.C#=C.C# pNOME E.C# C.C# X s S.MATR=E.MATR s TITOLO='BdD' X CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

Applico regola 5 pNOME s E.C#=C.C# X pNOME E.C# pC.C# s TITOLO='BdD' s S.MATR=E.MATR X CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

Applico regola 10 pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' pNOME E.C# S.MATR E.MATR pC.C# TITOLO X CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

Applico regola 5 pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X pC.C# TITOLO pNOME S.MATR p E.C# E.MATR CORSO STUDENTE s VOTO28  DATA'01/01/2019' ESAME

pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X pC.C# TITOLO p E.C# E.MATR pNOME S.MATR CORSO s VOTO28  DATA'01/01/2019' STUDENTE p E.C# E.MATR VOTO DATA ESAME

Passo 4 Usa le regole da 3 e 5 per combinare cascate di selezioni e proiezioni in una singola proiezione o in una selezione seguita da una proiezione

Applico regola 5 pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X pC.C# TITOLO p E.C# E.MATR pNOME S.MATR CORSO s VOTO28  DATA'01/01/2019' STUDENTE p E.C# E.MATR VOTO DATA ESAME

pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X CORSO p E.C# E.MATR pNOME S.MATR s VOTO28  DATA'01/01/2019' STUDENTE ESAME

Partiziona i nodi dell’albero: Passo 5 Partiziona i nodi dell’albero: Ogni nodo che rappresenta un’operazione binaria è raggruppato insieme a: i suoi immediati antenati che rappresentano operazioni unarie e - ogni catena di discendenti che rappresentano operazioni unarie e termina in una foglia

pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X CORSO p E.C# E.MATR pNOME S.MATR s VOTO28  DATA'01/01/2019' STUDENTE ESAME

Passo 6 Esamina i gruppi ottenuti in un qualsiasi ordine tale che nessun gruppo è esaminato prima di un suo discendente e per ciascun gruppo genera un passo del piano di esecuzione

pNOME s E.C#=C.C# X pNOME E.C# pC.C# s S.MATR=E.MATR s TITOLO='BdD' X CORSO p E.C# E.MATR pNOME S.MATR s VOTO28  DATA'01/01/2019' STUDENTE ESAME

pE.C# E.MATR (s VOTO28  DATA'01/01/2019'(ESAME)))) pNOME E.C# R1 s S.MATR=E.MATR X p E.C# E.MATR pNOME S.MATR s VOTO28  DATA'01/01/2019' STUDENTE ESAME R1=pNOME E.C# (s S.MATR=E.MATR (pNOME S.MATR(STUDENTE) X pE.C# E.MATR (s VOTO28  DATA'01/01/2019'(ESAME))))

R2=pNOME (sE.C#=C.C# (R1 X pC.C# (s TITOLO='BdD'(CORSO))))

PIANO DI ESECUZIONE R1=pNOME E.C# (s S.MATR=E.MATR (pNOME S.MATR(STUDENTE) X pE.C# E.MATR (s VOTO28  DATA'01/01/2019'(ESAME)))) R2=pNOME (sE.C#=C.C# (R1 X pC.C# (s TITOLO='BdD'(CORSO))))