Datensätze

1. Wie die Tabellen hier stehen

Jede Tabelle steht in einer Zeile, ihre Spalten in Klammern:

Unterstrichen ist der Primärschlüssel, die Spalte oder die Spalten, deren Werte jede Zeile eindeutig machen. Mit ↑ beginnt ein Fremdschlüssel, eine Spalte, die auf eine Zeile einer anderen Tabelle verweist; worauf genau, zeigt ein Tooltip, wenn du mit der Maus darauf zeigst. In movie_genre sind beide Spalten zugleich Fremdschlüssel und zusammen der Primärschlüssel: Jedes Paar aus Film und Genre kommt nur einmal vor.

2. Länder der Welt

Alle 197 Länder der Welt mit ihren Kontinenten, gut 4.700 Städte, die Grenzen zwischen den Ländern, ihre Währungen und Amtssprachen. Es gibt sie in zwei Fassungen. Die kleine, countries-basic.sql, lädt die Einführung in SQL im ersten Teil, drei Tabellen für SELECT, WHERE und ORDER BY:

Die ganze, countries.sql, hat dazu die Grenzen, die Währungen und die Sprachen, und in country vier Spalten mehr: genug für JOIN, GROUP BY und eine Beziehung n:m, die der zweite Teil der Einführung behandelt. Sie ersetzt beim Import die drei Tabellen der kleinen; Länder, Städte und Kontinente bleiben dieselben.

Jede Grenze steht also zweimal da, mit Absicht. Einmal würde reichen, die Tabelle wäre dann frei von Wiederholungen, aber jede Frage nach den Nachbarn eines Landes müsste in beiden Spalten suchen. So genügt ein einfacher JOIN. Der Preis: Die Datenbank kann nicht verhindern, dass jemand nur eine Richtung einträgt und die beiden Hälften einander widersprechen.

Was drin ist. Die 193 Mitglieder der Vereinten Nationen, die beiden Beobachterstaaten Vatikanstadt und Palästina, Kosovo und Taiwan. Dänemark und die Niederlande ohne Grönland, die Färöer und die Karibikinseln. Als Stadt zählt jeder Ort ab 100.000 Einwohnern, dazu jede Hauptstadt, auch die kleinste: Ngerulmud, der Regierungssitz von Palau, hat gar keine Einwohner; Stadtteile, Ballungsräume und Landkreise zählen nicht. Die Zahlen stammen nicht alle aus demselben Jahr. Grenzen sind nur die an Land: 39 Länder, meist Inseln, haben keine Nachbarn. Überseegebiete zählen mit, so grenzt Frankreich über Französisch-Guayana an Brasilien. Eine Stadt, die Wikidata zwei Ländern zuordnet, gehört zu dem, dessen Hauptstadt näher liegt: Donezk und die Krim zur Ukraine, Prizren zum Kosovo. Jedes Land hat eine Währung, die es heute benutzt; wo Wikidata mehrere nennt, die eigene (Panama den Balboa neben dem US-Dollar). Amtssprachen zählen für das ganze Land, nicht für eine Region: Russland hat eine, nicht die Sprachen seiner Republiken.

Woher, und darf ich das? Alles stammt aus Wikidata und steht unter CC0. Wikidata schreiben viele Menschen; eine falsche Zahl verbessert man am besten dort, beim nächsten Bau ist sie dann richtig.

Laden. Die ganze Fassung; für die kleine steht countries-basic.sql statt countries.sql:

wget https://github.com/specht/workspace-files/raw/main/country-archive/countries.sql

mysql < countries.sql

Die Nachbarn eines Landes holt ein JOIN von border mit country:

SELECT neighbor.name
FROM border
JOIN country AS neighbor ON neighbor.code = border.neighbor_code
WHERE border.country_code = 'DEU';

In Neo4j: Knoten Continent, Country, City, Currency und Language, (Country)-[:ON]->(Continent), (City)-[:IN]->(Country), (Country)-[:CAPITAL]->(City), (Country)-[:PAYS_WITH]->(Currency), (Country)-[:SPEAKS]->(Language) und (Country)-[:BORDERS]->(Country), einmal pro Paar.

Benutzt in: Einführung in SQL (die kleine Fassung), SQL: Gruppieren und Verbinden (die ganze), im Query Stepper (die ganze) und in den Beispielen des Handbuchs zu SQL.

3. Filme

Rund 2.700 bekannte Spielfilme, ihre Genres und die Menschen, die an ihnen mitgearbeitet haben. Die Filmdatenbank baut diese Tabellen erst selbst aus einem ER-Modell und lädt dann die Daten hinein.

Was drin ist. Spielfilme, die in IMDb mindestens 100.000 Stimmen haben; nur ihre IMDb-Nummer wird dafür benutzt, alles andere kommt aus Wikidata. Von den Menschen stehen pro Film die zehn bekanntesten Schauspielerinnen und Schauspieler da (gemessen an der Zahl ihrer Wikipedia-Artikel) und wer Regie geführt, geschrieben, komponiert, produziert, die Kamera geführt oder geschnitten hat. Titel sind nicht eindeutig: Einen Film erkennst du an seiner id oder an Titel und Jahr.

Woher, und darf ich das? Wikidata steht unter CC0: Die Daten dürfen ohne Nachfrage kopiert, verändert und weitergegeben werden.

Laden. Die Filmdatenbank lädt die Daten in zwei Schritten, wie sie das Modell wachsen lässt:

wget https://github.com/specht/workspace-files/raw/main/movie-archive/movies-data-films.sql
wget https://github.com/specht/workspace-files/raw/main/movie-archive/movies-data-crew.sql

Alles auf einmal, mit den Tabellen: movie-archive/movies.sql. In Neo4j: Knoten Movie, Person und Genre, (Movie)-[:IN_GENRE]->(Genre) und (Person)-[:ACTOR|DIRECTOR|…]->(Movie).

Benutzt in: Filmdatenbank mit MySQL, Filmdatenbank mit Neo4j und im Query Stepper (dort nur Regie und Schauspiel, Schauspielerinnen und Schauspieler ab fünf Filmen).

4. Musik

Rund 3.100 Alben von gut 1.000 Künstlerinnen, Künstlern und Bands, mit ihren Titeln, Genres und wer in welcher Band spielt.

Was drin ist. Alben von einer festen Liste von Künstlerinnen, Künstlern und Bands, jeweils die übliche Ausgabe; keine Sampler, inoffiziellen Ausgaben, Neuauflagen oder Live-Mitschnitte von Tourneen. Ein Album braucht ein Jahr, ein Genre und eine Titelliste.

Woher, und darf ich das? Aus den monatlichen Datenexporten von Discogs, die unter CC0 stehen.

Laden.

wget https://github.com/specht/workspace-files/raw/main/music-archive/music.sql

mysql < music.sql

In Neo4j: Knoten Artist, Album, Track und Genre, (Artist)-[:RELEASED]->(Album), (Album)-[:HAS_TRACK]->(Track), (Album)-[:IN_GENRE]->(Genre) und (Artist)-[:MEMBER_OF]->(Artist).

Noch benutzt ihn keine Aktivität; er eignet sich für eigene Aufgaben zu JOIN und GROUP BY oder als zweiter Datensatz für dieselben Abfragen wie bei den Filmen.