DROP TABLE pracownicy;

Powyższa instrukcja usuwa tabelę pracownicy i jej zawartość.

Istnieje klika opcji, które można ustawić dla usuwanych danych z tabel połączonych związkami referencji,
co zostanie poniżej omówione.

W przypadku, gdy tabele, którą chcemy usunąć są połączone więzami referencyjnymi (integralności) z
innymi tabelami, to nie można usuwać w pierwszej kolejności tych tabel, których pola są kluczami obcymi w
innych tabelach. W takim przypadku, w celu uniknięcia problemów z kolejnością usuwanych tabel należy
użyć następującej składni polecenia DROP TABLE:

DROP TABLE pracownicy CASCADE CONSTRAINTS;

Natychmiastowe i nieodwracalne usuwanie zawartości tabeli: TRUNCATE TABLE

Polecenie TRUNCATE TABLE czyści zawartość tabeli bezpowrotnie, ponieważ mechanizm anulowania jest
nieaktywny.

Wskazówka: Usunięcie dużej tabeli bez uprzedniego jej wycięcia może zając dużo czasu, ponieważ każdy usuwany blok jest kopiowany do przestrzeni anulowania. Nawet jeśli wykonanie polecenia DROP TABLE zostanie po chwili wstrzymane, przywrócenie wszystkiego zajmie dużo czasu. Dlatego wskazane jest w przypadku konieczności wymazania tabeli użycie polecenia TRUNCATE TABLE, a dopiero potem polecenia DROP TABLE.

Zmiana definicji istniejącej tabeli

Jest mało prawdopodobna sytuacja, w której wszystkie definicje tabel są odpowiednie przez cały okres funkcjonowania systemu. Zresztą już na etapie projektowania systemu może okazać się, iż niektóre definicje tabel należałoby zmienić. Może to wiązać się np. z koniecznością dodania nowej kolumny, usunięcia zbędnej kolumny, potrzebą zaimplementowania nowej struktury nazw, itp.

Zmiana nazwy tabeli

Zmiana nazwy tabeli jest najprostszą do wykonania zmianą i może być wprowadzona za pomocą prostego polecenia RENAME TABLE stara_nazwa_tabeli TO nowa_nazwa_tabeli. Należy przy tym pamiętać, iż nazwy tabel mogą być zmieniane tylko wewnątrz tego samego schematu, a zatem niemożliwe jest przenoszenie tabeli i jej zawartości pomiędzy schematami bez ponownego jej tworzenia:

RENAME produkty TO towary;

Powyższa instrukcja zmienia nazwę tabeli produkty na towary.

SQL nie ma specjalnego typu do przechowywania danych logicznych. Taki typ miałby dwie możliwe wartości true i false. Do wartości logicznych można by użyć jednocyfrowej liczby całkowitej. Normalnie byłoby wtedy możliwe przechowywanie liczb od -9 do +9. Używając ograniczenia sprawdzającego CHECK, zakres dopuszczalnych wartości można jednak ograniczyć do 1 jako true i 2 jako false. Jednak użycie 1 jako true i 0 jako false ma tę zaletę, że pozwala użyć formuł matematycznych zapewniających obsługę podobną do tworzenia wyrażeń warunkowych na kolumnach. W takim przypadku zamiast operatora AND stosujemy mnożenie *, a zamiast operatora OR – dodawanie +.

Daty i określenia czasu – typ DATE

Do reprezentacji dat i czasu Oracle używa jednego typu danych – DATE, który obejmuje okres od pierwszego stycznia 4712 p.n.e. do 31 grudnia 4712 n.e. Kolumna typu DATE może przechowywać czas z dokładnością do sekund. Typ DATE jest całkiem uniwersalny: obsługuje dodawanie i odejmowanie okresów czasu od/do wskazanej daty. Pozwala w ten sposób określić dzień tygodnia i miesiąc roku dla wskazanej daty. Obsługiwane są także zagadnienia związane ze strefami czasowymi Ziemi. Kolumny typu DATE działają na bazie dni. Dodanie 1 do daty zwróci datę o jeden dzień większą, zaś 7 zwróci datę o tydzień późniejszą. Czas w ramach jednego dnia jest przedstawiany jako ułamek dnia. Wobec tego 12 godzin to połowa, 1/24 to godzina, 1 minuta to 1/1440, a 1 sekunda – 1/86400.

Dodawanie i odejmowanie dat i okresów

Zmienna długość roku wyrażonego w dniach wymaga specjalnego rodzaju obsługi przy robieniu jakichkolwiek wyliczeń. Jeśli chodzi o dni i godziny, konieczne jest dodawanie czy odejmowanie tylko liczb reprezentujących dni i ułamki. Przy dodawaniu miesięcy i lat konieczne jest użycie specjalnych funkcji. Ponieważ miesiące maja od 28 do 31 dni, dodawanie i odejmowanie dni nie pozwala dokładnie odwzorowywać miesięcy i lat. Jednak wykorzystanie wbudowanej funkcji ADD_MONTHS pozwala w sposób dokładny dodawać miesiące do daty.

Przykład.
Załóżmy, iż aktualną datą jest 1 października 2007 roku

SELECT SYSDATE dzis, ADD_MONTHS(SYSDATE,1)madd1, ADD_MONTHS(SYSDATE,3) madd3, ADD_MONTHS(SYSDATE,5) madd5, ADD_MONTHS(SYSDATE,-3) madd_3 FROM dual;

Wynikiem działania powyższego skryptu będzie:

Jak wiemy lata mają 365 dni lub 366. W przypadku konieczności dodawania lub odejmowania lat, także i w
tym przypadku wykonywanie tych operacji w oparciu o operacje dodawania lub odejmowania dni nie
przyniesienie pożądanych rezultatów. Choć nie ma wbudowanych żadnych specjalnych funkcji obsługi lat w
Oracle, to można wykorzystać do tego celu funkcję ADD_MONTHS i fakt, iż każdy rok składa się z 12
miesięcy.

Przykład.
Załóżmy, iż aktualną datą jest 1 października 2007 roku

SELECT SYSDATE dzis, ADD_MONTHS(SYSDATE,1*12) radd1, ADD_MONTHS(SYSDATE,3*12)
radd3, ADD_MONTHS(SYSDATE,5*12) radd5, ADD_MONTHS(SYSDATE,-3*12) radd_3
FROM dual;

Wynikiem działania powyższego skryptu będzie:

Z kolei w przypadku konieczności wyliczenia okresu pomiędzy dwoma datami w miesiącach czy latach
można wykorzystać wbudowaną funkcję MONTHS_BETWEEN.

Przykład.
Załóżmy, iż aktualną datą jest 1 października 2007 roku

SELECT MONTHS_BETWEEN(SYSDATE, TO_DATE(‘05/12/2007’,’dd/mm/yyyy’)) okr1,
MONTHS_BETWEEN(TO_DATE(‘01/04/2005’,’dd/mm/yyyy’), SYSDATE) okr2,
MONTHS_BETWEEN(TO_DATE(‘15/07/2009’,’dd/mm/yyyy’), SYSDATE) okr3
FROM dual;

Wynikiem działania powyższego skryptu będzie:

W przypadku konieczności wyliczenia lat należy wynik funkcji MONTHS_BETWEEN podzielić przez 12.

Podobnie jak większość języków programowania, także SQL obsługuje wiele różnych typów danych w celu efektywnego przechowywania napisów stałej i zmiennej długości, liczb całkowitych, zmiennoprzecinkowych, dat oraz danych binarnych.

Typy danych łańcuchowych

Typ danych CHAR() pozwala przechowywać napisy o zadanej długości, od 1 do 255 znaków. Długością domyślną jest 1 znak – brak podania po nazwie typu nawiasów z wartością długości napisów również oznacza napisy długości jeden. Jeśli napis jest krótszy niż założona długość kolumny, brakująca część napisu jest uzupełniana spacjami. Innym słowy, SQL zawsze wymusza wpisanie ciągu znakowego odpowiadającego z ustawionym wymiarem kolumny typu CHAR.

Uwaga. Kolumny o typie danych znakowych o stałej długości dobrze zdają egzamin w sytuacjach, kiedy jest zagwarantowana stała długość przechowywanych ciągów alfanumerycznych. W przypadku, gdy wpisywane do kolumny napisy mają różną długość lepiej dla danej kolumny ustawić typ danych znakowych o zmiennej długości.

Typy danych VARCHAR() i VARCHAR2() pozwalają na przechowywanie w kolumnach napisów o zmiennej długości, których długość może wahać się od 1 do 2000 znaków. Jeśli napis będzie krótszy lub dokładnie tak długi, jak to zostało wyspecyfikowane dla danej kolumny, napis będzie zapisany dokładnie tak, jak został podany. Jeśli napis będzie dłuższy, to wystąpi błąd. Nie jest konieczne uzupełnianie brakujących znaków jakimikolwiek spacjami.

Uwaga. Jaki jest powód istnienia dwóch typów danych – VARCHAR i VARCHAR2? Typ VARCHAR został zdefiniowany przez standard ANSI, natomiast typ VARCHAR2 – przez firmę Oracle. W chwili obecnej typy te charakteryzują się takimi samymi właściwościami. W przyszłości właściwości ANSI VARCHAR mogą się zmienić, a typ VARCHAR2 pozostanie taki sam. Dlatego należy preferować używanie typu VARCHAR2.

Typ numeryczny

Całkowitoliczbowy typ danych występujący w języku SQL firmy Oracle różni się od ANSI SQL. W przypadku Oracle każdy typ liczbowy jest określany jako NUMBER(), niezależnie od tego, czy jest to liczba całkowita, krótka liczba całkowita, liczba zmiennoprzecinkowa, czy też liczba dziesiętna o określonej precyzji.

Typ danych – Opis

NUMBER(1) – Może przechowywać dokładnie jedną cyfrę
NUMBER(8) – Może przechowywać dokładnie 8 cyfr
NUMBER – To już nie jest liczba całkowita, lecz zmiennoprzecinkowa

Liczby stałoprzecinkowe: NUMBER(zakres, dokładność), gdzie zakres oznacza ilość cyfr, które będą w kolumnie przechowywane, zaś dokładność oznacza ilość cyfr na prawo od kropki dziesiętnej. Liczby stałoprzecinkowe zawsze mają taką dokładność, z jaką kolumna była zadeklarowana. Normalnie dokładność jest mniejsza od zakresu. Istnieją jednak dwa przypadki szczególne, kiedy dokładność jest dodatnia i mniejsza od zakresu:

• Kiedy zakres liczby jest większy od zakresu kolumny. W tym przypadku liczba będzie zaokrąglona tak, aby zmieściła się w kolumnie, i liczba zostanie wprowadzona.
• Kiedy liczba jest zbyt duża, aby zmieścić się w kolumnie, generowany jest błąd i liczba nie jest wprowadzana.

W tych przypadkach wprowadzana liczba nie do końca zgadza się z definicją kolumny.

• Wybrać osoby aktualnie pracujące uporządkowane według atrybutów płeć i nazwisko oraz wyświetlić w postaci

SELECT nazwisko + ‘ ‘ + imie1 as dane,Switch(plec=’K',’kobieta’,plec=’M',’mężczyzna’) as płeć
FROM osoby o INNER JOIN zatrudnienia z ON o.id=z.id_os
WHERE z.do is null
ORDER BY nazwisko, plec;

• Wyznaczyć średnią ilość dni pracy aktualnych pracowników na poszczególnych wydziałach i wyświetlić w postaci

SELECT nazwa, avg(date()-z.od) as średnia
FROM wydzialy w INNER JOIN zatrudnienia z ON w.id = z.id_wydz
WHERE z.do is null
GROUP BY nazwa;

• Wyznaczyć średnią pensję aktualnie pracujących na każdym wydziale i wyświetlić w postaci

SELECT nazwa, avg(pensja) as średnia
FROM (wydzialy w INNER JOIN zatrudnienia z on w.id = z.id_wydz) INNER JOIN pensje p ON p.id_os=z.id_os
WHERE z.do is null
GROUP BY nazwa;

• Wyświetlić nazwy wydziałów, które zatrudniają więcej niż dwie osoby wraz z liczbą ich pracowników.

SELECT nazwa, COUNT(*) as ilość
FROM wydzialy w INNER JOIN zatrudnienia z ON w.id = z.id_wydz
WHERE z.do is null
GROUP BY nazwa
HAVING COUNT(*)>1;

Kolejne zapytania wkrótce

Przykład: ciśnienie atmosferyczne, temperatura powietrza, mierzone w konkretnym miejscu i w konkretnym dniu są przykładami informacji atomowych, choć co do dat można się spierać, bo można je realizować na rok, miesiąc i dzień. Informacje te wspólnie tworzą informację złożoną, dotyczą warunków atmosferycznych dla danego miejsca w konkretnym dniu. Informacją zaagregowaną w jeszcze większym stopniu byłby pomiar tych czynników atmosferycznych dla wielu dni, miesięcy, lat, czy wielu miejscowości.

Uwaga: Choć daty nie spełniają definicji informacji prostej to w ogromnej większości systemów bazodanowych uważa się je za informacje atomowe.

Pomiędzy informacjami zachodzą relacje (zależności), np. relacja „mieszka” pomiędzy daną osobą, a adresem jej zamieszkania. Relacje między informacjami możemy również traktować, jako zwykłe informacje. Zauważmy, że w przytoczonym powyżej przykładzie mamy relację (zależność) pomiędzy pomiarem temperatury powietrza i ciśnienia atmosferycznego, a datą i miejscem pomiaru.

Jak zatem łatwo zauważyć, proces agregowania (składania) informacji, (to jest składania informacji w większą całość), jest niczym innym, jak określaniem pewnych relacji (zależności) pomiędzy informacjami.

Informacje takie jak temperatura powietrza, ciśnienie atmosferyczne, dzień pomiaru, miejsce pomiaru, itd., czy też relacja „mieszka” dotyczą tzw. faktów. Oprócz nich w sferze naszych zainteresowań występują informacje mające charakter pewnych reguł, zasad, lub praw, w których występuje element uwarunkowania i/lub wynikania. Przykładem takiej informacji jest następująca zasada:

Jeśli matka twojego brata nazywa się X, to twoja matka nazywa się X.

Model jest zatem pewną reprezentacją wziętych ze świata rzeczywistego obiektów, zdarzeń i powiązań między nimi. Jest zatem abstrakcją, która koncentruje się na istotnych, swoistych aspektach pewnego fragmentu rzeczywistości, a pomija elementy przypadkowe. Z tego powodu model danych musi dostarczyć pojęć i oznaczeń, które pozwolą projektantom baz danych i późniejszym ich użytkownikom na jednoznaczne i precyzyjne przekazywanie własnego sposobu widzenia danych danego fragmentu rzeczywistości.

W modelu danych można wydzielić trzy składniki:

• Część strukturalną – zawierającą zbiór zasad, zgodnie, z którymi mogą być konstruowane bazy danych,
• Część wykonawczą – opisującą typy dopuszczalnych operacji na danych (w tym operacji wykorzystywanych do modyfikacji i wyszukiwania danych w bazie danych oraz zmiany jej struktury),
• Część opcjonalną – zawierającą zbiór zasad integralności, które gwarantują spójność danych.

A zatem można powiedzieć, że model danych to pewien ustrukturalizowany sposób opisu świata rzeczywistego, (który musi zawierać te trzy składniki w różnym zakresie).

SELECT imie1 AS [pierwsze imie], imie2 AS [drugie imie] FROM osoba;

Predykat – all lub distinct
SELECT all imie1 AS [pierwsze imie] FROM osoba;
Distinct – wyświetla unikalne wpisy, nie wyświetla duplikatów
All – domyślny wyświetla wszystko
Top – wyświetla żądano wartość wierszy

SELECT top 4 * FROM osoba;

ORDER BY – sortowanie

SELECT top 4 * FROM osoba ORDER BY id;
SELECT top 4 * FROM osoba ORDER BY id asc;
SELECT top 4 * FROM osoba ORDER BY id desc; – w porządku odwrotnym

SELECT top 4 percent * FROM osoba;
SELECT top 50 percent * FROM osoba; – ile procent ma się wyświetlić

Operatory liczbowe

+, – , * , %

Operatory konkatenacji

+ – służy do łączenia ciągów znaków

SELECT imie1 + ‘ ‘ + imie2 FROM osoba;
SELECT imie1 + ‘ ‘ +’aa’ FROM osoba; – dopisuje aa

WHERE

SELECT * FROM pensja WHERE pensja>2000;
SELECT * FROM pensja WHERE pensja>2000 and pensja<2500; – wyświetla z przedziału 2000 – 2500
SELECT * FROM pensja WHERE (pensja>2000 and pensja<2500) or pensja=1200;
SELECT * FROM pensja WHERE (pensja>2000 and pensja<2500) or pensja=1200 ORDER BY pensja – sortowanie

Between

po między

SELECT * FROM pensja WHERE pensja between 2000 and 2500;

1. Wyselekcjonowania typów informacji, potrzebnych przyszłym użytkownikom projektowanej bazy,
2. Zapisanie ich w ustrukturalizowanej formie, akceptowanej przez komputer
3. Wprowadzenia do komputera (do bazy) konkretnych danych odzwierciedlających aktualny stan świata modelowanego.

Etap I – nazywa się „konceptualizacją” świata zewnętrznego.

Etap II – odnosi się do stworzenia tzw. schematu bazy danych, czyli zapisania „skonceptualizowanego” wycinka rzeczywistości w pewnym języku narzuconym przez komputer (System Zarządzania Bazą Danych – SZBD).

Etap III – zwykle poprzedzony pewnymi operacjami wykonywanymi na schemacie danych przez komputer (SZBD) w celu utworzenia pewnych struktur fizycznych dotyczących tego schematu, dotyczy założenia bazy danych (wpisanie schematu baz danych do komputera – SZBD).

Bardziej szczegółowo o etapie II można powiedzieć, że schemat danych musi być zgodny z modelem danych, przez który rozumiemy pewien ustrukturalizowany, dobrze zdefiniowany, wewnętrznie niesprzeczny sposób opisu świata rzeczywistego.

Jeśli posłużymy się drzewami, to mamy do czynienia z modelem hierarchicznym, w przypadku użycia grafów wkraczamy na grunt modelu sieciowego, jeśli wykorzystamy relacje to mamy model relacyjny, w przypadku wykorzystywania programowania obiektowego mamy model obiektowy, zaś w przypadku wykorzystania języka logika korzystamy z modelu dedukcyjnego. Niekiedy pojęcia „schemat bazy danych (schemat danych)” i „model danych” są utożsamiane ze sobą. Należy jednak podkreślić, że przyjęcie „modelu danych” jest pojęciem szerszym niż „schemat danych„, gdyż schematów danych w obrębie (ramach) danego modelu można wykonać niezliczoną ilość w ramach dostępnych środków i reguł dostępnych dla danego modelu.

• Problemy modelowania i reprezentacji danych,
• Zapewnienie wiarygodności i spójności danych, szczególnie w kontekście aktualizowania danych,
• Języki wyszukiwania/przetwarzania dla różnych typów danych (np. tekstowe, dźwiękowe, przestrzenne, itd.),
• Ochrona danych,
• Komunikacja człowieka z komputerami przechowującymi dane,
• Poszukiwanie nowych komputerów zorganizowanych na przetwarzanie danych

Definicja bazy danych, modelu danych i schematu baz danych

Bazą danych nazywamy model pewnego wycinka rzeczywistości (niekoniecznie fizycznie istniejącego), który jest w orbicie zainteresowań przyszłych użytkowników.Wycinek rzeczywistości nazywamy również fragmentem, światem modelowanym lub światem
rzeczywistym (zewnętrznym). Proces przechodzenia od świata rzeczywistego do informacyjnej reprezentacji akceptowalnej przez komputer nazywamy modelowaniem świata rzeczywistego.

Model relacyjny danych definiuje:

• sposób reprezentowania danych (strukturę);
• metodę ich zabezpieczania (integralność danych);
• operacje, które mogą być wykonywane na danych (manipulowanie danymi)

W pewnym uproszczeniu relacyjną bazą danych definiujemy jako:

• zbiór dwuwymiarowych tabel (zwanych relacjami), w których przechowywane są dane
• zbiór zależności semantycznych

Wiersze tabel opisują obiekty i procesy występujące w modelowanym świecie. Zależności semantyczne są zbiorem pewnych praw, reguł (zasad, tradycji, itd.) występujących w modelowanym świecie. Ogólnie rzecz biorąc pierwszy składnik tej pary ujmuje ilościowy aspekt modelowanego świata – tabele bowiem zawierają dane faktograficzne, np. nazwisko Kowalski, imię Jan, adres ul. Lipowa 6 Warszawa, zdjęcie, itd. Drugi składnik tj. zależności semantyczne dostarczają informacji ogólniejszych, np. PESEL składa się z 11 cyfr, jeśli człowiek jest mężczyzną, to nie może być matką.