para ver

presentacion

El Modelo de Datos Entidad-Relación

Cuando se utiliza una base de datos para gestionar información, se está plasmando una parte del mundo real en una serie de tablas, registros y campos ubicados en un ordenador; creándose un modelo parcial de la realidad. Antes de crear físicamente estas tablas en el ordenador se debe realizar un modelo de datos.

Se suele cometer el error de ir creando nuevas tablas a medida que se van necesitando, haciendo así el modelo de datos y la construcción física de las tablas simultáneamente. El resultado de esto acaba siendo un sistema de información parcheado, con datos dispersos que terminan por no cumplir adecuadamente los requisitos necesarios.

Entidades y Relaciones

El modelo de datos más extendido es el denominado ENTIDAD/RELACIÓN (E/R) En el modelo E/R se parte de una situación real a partir de la cual se definen entidades y relaciones entre dichas entidades:

• Entidad.- Objeto del mundo real sobre el que queremos almacenar información (Ej: una persona). Las entidades están compuestas de atributos que son los datos que definen el objeto (para la entidad persona serían DNI, nombre, apellidos, dirección,...). De entre los atributos habrá uno o un conjunto de ellos que no se repite; a este atributo o conjunto de atributos se le llama clave de la entidad, (para la entidad persona una clave seria DNI). En toda entidad siempre hay al menos una clave que en el peor de los casos estará formada por todos los atributos de la tabla. Ya que pueden haber varias claves y necesitamos elegir una, lo haremos atendiendo a estas normas:
  • Que sea única.
  • Que se tenga pleno conocimiento de ella.- ¿Por qué en las empresas se asigna a cada cliente un número de cliente?.
  • Que sea mínima, ya que será muy utilizada por el gestor de base de datos.
• Relación.- Asociación entre entidades, sin existencia propia en el mundo real que estamos modelando, pero necesaria para reflejar las interacciones existentes entre entidades. Las relaciones pueden ser de tres tipos:
  • Relaciones 1-1.- Las entidades que intervienen en la relación se asocian una a una (Ej: la entidad HOMBRE, la entidad MUJER y entre ellos la relación MATRIMONIO).
  • Relaciones 1-n.- Una ocurrencia de una entidad está asociada con muchas (n) de otra (Ej: la entidad EMPERSA, la entidad TRABAJADOR y entre ellos la relación TRABAJAR-EN).
  • Relaciones n-n.-Cada ocurrencia, en cualquiera de las dos entidades de la relación, puede estar asociada con muchas (n) de la otra y viceversa (Ej: la entidad ALUMNO, la entidad EMPRESA y entre ellos la relación MATRÍCULA).

Representación gráfica de Entidades y Relaciones

Para asimilar fácilmente un diseño de datos cuando se emplea el modelo E/R se utilizan los siguientes elementos gráficos:

La utilización de estos elementos dará como resultado lo que se denomina el esquema entidad-relación de la base de datos. Los ejemplos que se incluyen en el apartado anterior, gráficamente quedarían como sigue:

¿Cómo se pasa del esquema E/R a las tablas?

Para cada entidad del esquema se creará una tabla con tantos campos como atributos tenga la entidad. Ejemplo:

Tabla 'TRABAJADOR'

DNI	NUM_SS	nombre-apellidos	...
11111111	XXXXXXXXXXX	Fulano de tal	...
22222222	YYYYYYYYYYY	Mengano de cual	...
......	......	......	......

Las relaciones 1-1 se pueden reflejar incluyendo en una de las dos tablas un campo en el que poder colocar la clave del elemento de la otra tabla con el que se está relacionado. Ese nuevo campo que se incluye en la tabla recibe el nombre de clave ajena. Ejemplo:

Tabla 'HOMBRE'

DNI	Nombre	...
11111111	...	...
22222222	...	...
...	...	...

Tabla 'MUJER'

DNI	Nombre	...	DNI-ESPOSO
33333333	...	...	11111111
44444444	...	...	(nulo)
...	...	...	...

Donde el campo DNI-ESPOSO es clave ajena de la tabla HOMBRE. Aquí hay que hacer notar que el campo DNI-ESPOSO puede tomar o bien un valor nulo, en el caso de aquellas mujeres que no estén casadas, o bien el valor de alguno de los DNI de la tabla HOMBRE, en el caso de las mujeres casadas; en este segundo caso, ese DNI (la clave ajena) no se deberá repetir en ningún otro registro de la tabla MUJER.

Las relaciones 1-n se representan de forma muy parecida a como se ha explicado para las relaciones 1-1. La diferencia está en que ahora no es indiferente donde se coloque la clave ajena, esta debe estar obligatoriamente en la tabla del 'mucho' (n); y además, para este caso si se permitirá que haya valores repetidos en dicho campo. Ejemplo:

Tabla 'EMPRESA'

CIF	Nombre	...
XX-1111-AA	...	...
YY-2222-BB	...	...
...	...	...

Tabla 'TRABAJADOR'

DNI	Nombre	...	CIF
11111111	...	...	XX-1111-AA
22222222	...	...	YY-2222-BB
33333333	...	...	YY-2222-BB
44444444	...	...	XX-1111-AA
...	...	...	...

Para representar las relaciones n-n en tablas lo que se hace es crear una nueva tabla solamente para la relación. Esta nueva tabla tendrá dos claves ajenas y su propia clave estará formada por la unión de las claves ajenas. Ejemplo:

Tabla 'ALUMNO'

DNI	Nombre	...
11111111	...	...
22222222	...	...
...	...	...

Tabla 'ASIGNATURA'

COD-ASIGNATURA	Nombre	...
01	...	...
02	...	...
...	...	...

Tabla 'MATRÍCULA'(esta es la relación)

DNI	COD_ASIGNATURA	NOTA
11111111	01	7.5
11111111	02	6.25
22222222	01	5.5
22222222	02	8
...	...	...

En la tabla MATRÍCULA es donde se refleja la relación. La clave de dicha tabla está formada por los campos DNI y COD-ASIGNATURA ; y cada uno de ellos es clave ajena, el primero de ALUMNO y el segundo de ASIGNATURA. Hacer ver aquí que la tabla MATRICULAS puede tener más campos además de los que son clave ajena como ocurre en el ejemplo; la tabla añade además un campo NOTA.

---

enlace al taller http://tickipedia.com/ejercicios/Taller1.pdf

Base datos parcial

Saludos estudiantes.


Bueno para el parcial es necesario crear una base de datos con las siguientes instrucciones:


click aqui para acceder al script SQL.


Genere las consultas necesarias para realizar el informe por el area representada en un color.

Planilla general grupo:P4 periodo: 1 Año: 2010

	Nombre Estudiante	EDU REL	EDU FIS	EDU ART	INFO	INGL	CIE NAT	DEMO	HIST	ORTO	LENG	GEOM	ARIT
1	Agamez Watts Julián Andrés	8.1	7.2	9.2	8.5	8.1	7.83	9	8.12	8.4	7.94	7.7	8.1
2	Agualimpia Martelo Andrea	8.3	8	8.3	8.2	7.6	5.37	9	7.16	7.98	7.05	7	5.1
3	AGUIRRE THORRENS JESUS DANIEL	9.5	8.4	9.1	8.7	8.6	6.51	9.2	9	8.42	8.59	9.1	8.2
4	Araujo Martínez Nadim Said	9.4	7.9	9.1	8.5	9.4	8.3	9.7	9.2	9.45	9.44	9.4	9.6
5	Arias Palacio Alejandro	8.8	8	8.9	8.3	7.3	6.88	8.5	8.5	8.93	8.32	7.5	7.3
6	Arraut Arango Inés Alcira	9	7.7	9.2	8.9	8.5	6.99	9.1	9	9.33	8.54	8.5	7.2
7	Ávila Gómez Marianella	8.8	0	9	8	6.6	4.53	7.6	6.23	5.92	8.39	6.7	7.5
8	Ballestas Janaceth Gabriel De Jesús	9	8	9.2	8.7	8.4	8.57	8.9	8.99	9.18	8.32	9.2	8.5
9	Blanco Pulgarin Ruth Nohemi	9.3	7.8	9.3	9.1	8.2	7.28	8.7	7.86	8.87	9.01	6.8	6.6
10	Blanco Tuirán María Alejandra	8.5	7.8	9	8.9	8.3	6.64	8.9	6.19	8.43	7.74	7.5	7.5
11	Caballero Guerra Camilo Jose	8.5	7.7	8.9	8.3	7.2	8.5	9.3	8.8	9	8.3	9.4	8.6
12	Cabarcas López Angie Teresa	7.8	8	9	8.8	7.8	6.86	9.2	7.87	9	6.61	6.6	6.1
13	CAÑON MATALLANA LUIS MATEO	7.6	4.6	8.8	8.5	6.1	6.5	7.7	8	7.81	8.39	7.4	8.3
14	Carazo Angulo Maria José	9.2	8	9.4	8.3	8.4	7.88	9.2	9	9.07	8.86	8.9	8.4
15	Carrillo Julio Camila Paola	9.7	8	9.2	8.8	9.6	8.28	9.6	9.36	9.16	9.15	8.9	9.1
16	Cásseres Cumplido Julián José	8.5	7.5	9.2	8.5	8.9	6.59	9.4	8.75	9.01	9.32	8.7	8.6
17	Castilla Cuadro Harlinton	8.8	7.9	9	7.9	7.8	6.66	9	8	8.62	8.47	7.6	6.6
18	Castilla Lambis Karen Margarita	9.5	8.2	9.3	8.3	9.8	8.24	9.4	9.25	9.15	9.57	9.4	9.2
19	CORCHO YEPES MARIA CAMILA	9	8.2	9.4	9.5	9.3	9.33	9.8	9	9.16	8.33	8.3	8.9
20	Diz Rodríguez Any Luz	9.3	8	9.4	8.7	9.2	8.25	9.5	9.1	9.09	8.89	9.3	8.9
21	FERNANDEZ LOPEZ FREDDY JOSE	9.4	8	9.2	8.7	9.1	7.69	9.4	9.1	9	8.88	8.7	9.2
22	FERNANDEZ MARENCO JAIME ANDRES	9.1	8.2	9.2	8.7	9.3	7.3	9.6	8.9	8.74	8.33	7.8	9.2
23	Florián Reinel María Alejandra	9.3	8	9.5	9.3	9.2	8.31	9.5	9.1	9.06	9.51	9.4	8.9
24	Fortich Peña Daniela Paola	9.2	8	8.6	8.4	8.2	7.69	9.4	7.59	8.62	8.64	7.5	7.3
25	García Cañas Daniela Maria	8.5	7.4	9.2	8.2	8.1	8.55	9.1	8	8.93	8.69	8.6	6.9
26	Godoy Porto Andrés Felipe	8.2	7.4	9	8.1	7.7	6.55	8.2	7.1	8.3	7.44	8.2	7.3
27	Hernández Martínez Maria Camila	7.5	7.7	9.2	8.9	8	4.89	9.4	8.98	9.01	8.82	8.4	9.1
28	Jaramillo Mejia Jairo Andres	7.8	7.5	9	8.1	6	6.09	8.7	7.1	7.66	7.81	6.7	7.3
29	León Ibáñez Fabián Elías	7.8	7.2	9.3	7.8	6.8	5.66	7.3	7.71	8.28	7.91	7.6	7.1
30	Machacon Pizarro Melanie	8.7	8.3	9.5	8.7	7.7	6.58	8.9	8	8.47	8.11	7.1	5.3
31	Martínez Quintero Leslie Ann	9.3	7.8	9	9.1	9.6	9.01	9.1	9.1	9.13	8.79	8.4	7.3
32	Mendoza Carmona Laura Marcela	9.5	8.3	9.4	8.5	9.9	9.51	9.5	9.6	9.53	9.31	9.7	8.9
33	Mestre Camargo Saray Andrea	9.6	8.2	9.3	9.3	9.9	8.96	9.7	9.2	9.16	9.53	9.3	9.1
34	Moyano Díaz Lucia Carolina	9.1	8	9.4	8.6	9.6	8.07	9.6	9.2	9.04	8.91	8.7	7.7
35	Najera Hernández Moisés David	8.7	7.2	9.1	8.1	9.3	8.73	9	9.22	9.15	9.03	9.6	9.2
36	Peña Paso María Camila	8	7.4	9.5	8.7	7.6	7.83	9.2	6	6.8	6.96	8.1	7.1
37	Pérez Arias Diego Andrés	7.5	7.4	8.9	8.3	5.9	5.81	8.5	5.81	6.15	7.09	6.7	5.9
38	Pinto Culma Sissy Janedys	7.4	7.4	9.2	8.9	8.8	7.21	8.7	9.12	9.08	8.79	9	7.5
39	Quintero Rodríguez Pamela	8	8	9.3	8.9	6.1	5.82	9.1	5.76	7.96	7.2	7.7	5.9
40	Ramos Martelo Roger	7.3	7.3	8.3	8.3	7.7	5.59	8.3	8	8.28	8	7.4	7.2
41	RIOS HERNANDEZ TONY ENRIQUE	8.6	7.6	9.1	8.3	8.5	6.53	8.6	8.31	8.74	8.81	8	8.7
42	Rolon Cabrales Melannie	8.4	7.7	9.4	9.1	8	6.52	9.3	8.01	8.19	8.59	8.4	7.7
43	Ruiz Solano Valeria	8.4	8	9.2	9.1	8.8	6.98	9.2	6.54	8.36	7.94	7.7	7.2
44	Sarmiento Gutiérrez Luis Felipe	9.1	8	9.4	8.2	9.5	9.04	9.5	9.11	9.12	9.1	9.3	8.4
45	Segura Torres José Ángel	8.1	7.5	9.2	7.9	6.9	6.22	8.8	8.65	9.06	8.54	8.6	7.5
46	Silva Díaz Emmanuel	8.3	4.2	9.2	7.1	7.9	5.82	7.7	7	8.99	8.65	7.6	8.2
47	Suevis Lozano Diego Enrique	8.3	8	9.2	7.4	8.6	8.32	8.8	8.47	8.45	7.92	8.7	6.9
48	Triana Castellón Emma	7	7.3	8.7	8.7	7.4	6.51	7.8	7.06	9.02	7.64	8	6.8
49	Valdez Daza Andrea Camila	8.4	8	9.3	8.8	7.5	5.63	8.4	7.98	8.78	8.07	8.4	7
50	Valencia Navarro Andrea Sofía	8.5	8	9.3	8.9	7.6	6.88	7.5	7.21	7.58	8.04	7.9	7

Conteo de filas

Las bases de datos son usadas frecuentemente para responder una pregunta, "¿Con qué frecuencia ocurre un cierto tipo de dato en una tabla?". Por ejemplo, tal vez queremos conocer cuántas mascotas tenemos, o cuántas mascotas tiene cada uno de los propietarios.

Contar el número total de animalitos que tenemos es lo mismo que hacer la siguiente pregunta "¿Cuántas filas hay en la tabla mascotas?" ya que hay un registro por mascota. La función COUNT( ) es la que nos ayuda en esta situación.

mysql> SELECT COUNT(*) FROM mascotas;
+----------+
| COUNT(*) |
+----------+
| 9 |
+----------+
1 row in set (0.00 sec)Si deseamos conocer cuántas mascotas tiene cada uno de los propietarios, la consulta es la siguiente:

mysql> SELECT propietario, COUNT(*) FROM mascotas GROUP BY propietario ;
+-------------+----------+
| propietario | COUNT(*) |
+-------------+----------+
| Arnoldo | 2 |
| Benito | 2 |
| Diana | 2 |
| Juan | 1 |
| Omar | 1 |
| Tomás | 1 |
+-------------+----------+
6 rows in set (0.00 sec)Se debe notar que se ha usado una cláusula GROUP BY para agrupar todos los registros de cada propietario. Si no hacemos esto, obtendremos un mensaje de error:

mysql> SELECT propietario, COUNT(*) FROM mascotas;
ERROR 1140: Mixing of GROUP columns (MIN(),MAX(),COUNT()...) with no
GROUP columns is illegal if there is no GROUP BY clauseEn efecto, el uso de la función COUNT( ) en conjunto con la cláusula GROUP BY es muy útil en diversas situaciones. A continuación se muestran algunos ejemplos.

El número de animalitos por especie:

mysql> SELECT especie, COUNT(*) FROM mascotas GROUP BY especie ;
+-----------+----------+
| especie | COUNT(*) |
+-----------+----------+
| Ave | 2 |
| Gato | 2 |
| Hamster | 1 |
| Perro | 3 |
| Serpiente | 1 |
+-----------+----------+
5 rows in set (0.00 sec)El número de animalitos por sexo:

mysql> SELECT sexo, COUNT(*) FROM mascotas GROUP BY sexo:
+------+----------+
| sexo | COUNT(*) |
+------+----------+
| NULL | 1 |
| f | 4 |
| m | 4 |
+------+----------+
3 rows in set (0.01 sec)El número de animalitos por combinación de especie y sexo:

mysql> SELECT especie, sexo, COUNT(*) FROM mascotas GROUP BY especie, sexo ;
+-----------+------+----------+
| especie | sexo | COUNT(*) |
+-----------+------+----------+
| Ave | NULL | 1 |
| Ave | f | 1 |
| Gato | f | 1 |
| Gato | m | 1 |
| Hamster | f | 1 |
| Perro | f | 1 |
| Perro | m | 2 |
| Serpiente | m | 1 |
+-----------+------+----------+
8 rows in set (0.00 sec)No es necesario que se obtengan todos los datos de una tabla cuando se usa la función COUNT( ). Por ejemplo, en la consulta anterior, para ver únicamente los datos de perritos y gatitos, la consulta queda de la siguiente manera:

mysql> SELECT especie, sexo, COUNT(*) FROM mascotas
-> WHERE especie="Perro" OR especie="Gato"
-> GROUP BY especie, sexo;
+---------+------+----------+
| especie | sexo | COUNT(*) |
+---------+------+----------+
| Gato | f | 1 |
| Gato | m | 1 |
| Perro | f | 1 |
| Perro | m | 2 |
+---------+------+----------+
4 rows in set (0.00 sec)O bien, si deseamos el número de animalitos por sexo, y cuyo sexo es conocido:

mysql> SELECT especie, sexo, COUNT(*) FROM mascotas
-> WHERE sexo IS NOT NULL
-> GROUP BY especie, sexo ;
+-----------+------+----------+
| especie | sexo | COUNT(*) |
+-----------+------+----------+
| Ave | f | 1 |
| Gato | f | 1 |
| Gato | m | 1 |
| Hamster | f | 1 |
| Perro | f | 1 |
| Perro | m | 2 |
| Serpiente | m | 1 |
+-----------+------+----------+
7 rows in set (0.00 sec)

Between



Mientras que la palabra clave IN ayuda a las personas a limitar el criterio de selección para uno o más valores discretos, la palabra clave BETWEEN permite la selección de un rango. La sintaxis para la cláusula BETWEEN es la siguiente:

SELECT "nombre_columna"
FROM "nombre_tabla"
WHERE "nombre_columna" BETWEEN 'valor1' AND 'valor2'

Esto seleccionará todas las filas cuya columna tenga un valor entre 'valor1' y 'valor2'.

Por ejemplo, podríamos desear seleccionar la visualización de toda la información de ventas entre el 06 de enero de 1999, y el 10 de enero de 1999, en la Tabla Store_Information,

Tabla Store_Information
store_name Sales Date
Los Angeles 1500 € 05-Jan-1999
San Diego 250 € 07-Jan-1999
San Francisco 300 € 08-Jan-1999
Boston 700 € 08-Jan-1999

Ingresamos,

SELECT *
FROM Store_Information
WHERE Date BETWEEN '06-Jan-1999' AND '10-Jan-1999'

Tenga en cuenta que la fecha puede almacenarse en diferentes formatos según las diferentes bases de datos. Esta guía de referencia simplemente elige uno de los formatos.

Resultado:
store_name Sales Date
San Diego 250 € 07-Jan-1999
San Francisco 300 € 08-Jan-1999
Boston 700 € 08-Jan-1999

Consultas SQL basadas en fecha y/o hora

Manejando SQL Server 2005, me encontre que tratando hacer consultas basadas en fechas, obtenía como resultado nada (empty). Esto se debía a que no tenía claro como trabajan los tipos de dato datetime y smalldatetime. Estos dos tipos de datos son muy similares, se diferencia en que datetime es más detallado a la hora de almacenar la fecha. Estas diferencias pueden ser vistas en la siguiente tabla:

Tipo	Minimo	Maximo	Precision
datetime	Ene 1, 1753 media-noche	Dic 31, 9999 23:59:59.997 (0.003 segundos hasta la media-noche)	Más cercano 3.33 millisegundos
smalldatetime	Ene 1, 1900 media-noche	Jun 6, 2079 23:59 (un minuto hasta la media-noche)	Más cercano al mínuto

Ambos, representan una fecha y hora que es igual al número de días en relación a una fecha base. En SQL Server la fecha base es la medianoche del 1 de Enero de 1900. Observando la tabla, el tipo de dato smalldatetime, puede solo representar fechas desde esta fecha base, en cambio el datetime puede representar fechas antes del 1 de enero de 1900. Para hacer esto, el almacena el valor como número negativo.

Para visualizar, como estos valores son guardados. Piensa en un valor decimal, cuya parte entera representa los días desde la fecha base y la parte fraccional (los numeros después del punto) representan la hora. Por ejemplo, el valor date/time mediodía del 4 de enero de 1900, es almacenado como 3.5, donde 3, representa tres días desde la fecha base y el 0.5, representa la mitad del día. Para ver esto en el SQL Server, ejecuta la siguiente consulta:
SELECT CAST(CAST(’1900-01-04 12:00′ AS datetime) AS float)

Otro datito importante es saber que el SQL Server no provee un tipo de dato que solo almacene fecha u hora. Es decir, que si tu almacenas un valor sin la hora (la parte fraccional) se le asigna el valor de cero (0). De igual forma, si tu almacenas un valor sin la fecha, la parte entera se le asigna automáticamente el valor de cero (0), que para la fecha significa 1 de enero de 1900. Para ejemplo, ejecuta la siguiente consulta:

SELECT CAST(’1900-01-04′ AS datetime), CAST(’10:00′ AS datetime)

el cual retornará el siguiente resultado:

1900-01-04 00:00:00.000 1900-01-01 10:00:00.000

Como Buscar Solo la Fecha

Para ilustrar usaremos la siguiente tabla:

ID DateVal
– ———————–
1 2001-02-28 10:00:00.000
2 2002-02-28 13:58:32.823
3 2002-02-29 00:00:00.000
4 2002-02-28 00:00:00.000

Si realizamos la siguiente consulta:

SELECT * FROM DateSample WHERE DateVal = ’2002-02-28′

El resultado solo traerá la fila #4, esto se debe a que el SQL Server buscará los datos cuya hora sea 00:00:00 (medianoche). El valor literal buscado (28 de febrero de 2002) implicítamente se le agregará la hora antes en mención. Entonces, como podemos evitar este suceso y obtener todos los registros cuya fecha sea 28 de febrero de 2002? Lo haremos de la siguiente forma:

Si la consulta es ejecuta frecuentemente, tú debes basar tu búsqueda en un rango de fechas, como la siguiente:

SELECT * FROM DateSample WHERE DateVal BETWEEN ’2002-02-28′ AND ’2002-02-28 23:59:59.997′

Nota: Ahora pensarás que yo soy un brutón porque debi usar como límite superior ’2002-02-29′ en vez de ’2002-02-28 23:59:59.997′. Pués no, si haces esto, la fila #3 será parte del resultado de tu consulta.

Otra forma de obtener el resultado de manera más sencilla (la que yo recomiendo), es de la siguiente manera:

SELECT * FROM DateSample WHERE DateVal >= ’2002-02-28′ AND DateVal < ’2002-02-29′

Como Buscar Solo por la Hora (How to search by time)

Para ilustrar, consideremos la siguiente tabla:

ID TimeVal
– ———————–
1 2002-02-28 10:00:00.000
2 1900-01-01 13:58:32.823
3 1900-01-01 09:59:59.997
4 1900-01-01 10:00:00.000

Si usamos la siguiente consulta para extraer las filas cuya hora es igual a las 10:00 AM:

SELECT * FROM TimeSample WHERE TimeVal = ’10:00:00′

solo conseguiremos la fila #4. La fila #1 no será parte del resultado, debido a que sucede lo mismo que con la fecha, pero en este caso el valor que es implicítamente agregado, es la fecha. En adición, la fila #3 no es parte del resultado porque es un valor super cerca, pero no igual a las 10:00 AM.

Para obviar la fecha, tu puedes crear una consulta que corte la parte entera del valor date/time, y solo deje la parte fraccional. Esta sería de la siguiente forma:

SELECT * FROM TimeSample WHERE TimeVal – CAST(FLOOR(CAST(TimeVal AS float)) AS datetime) = ’10:00′

Esta consulta nos devolvería la fila 1 y 4. Lamentablemente, no hay otra forma de conseguir este resultado sin usar esta combinación de formulas. Por tal motivo, hay que tomar mucho cuidado como se almacena la data datetime/smalldatetime que solo se usa para horas (time-only). Si tú necesitas realizar frecuentemente este tipo de búsqueda, te recomiendo que analices y reestructures el diseño de tu base de datos.

Si tú deseas hacer consultas basadas solo por horas para un intervalo de tiempo, bastaría con una simple consulta (query), esto; tomando en cuenta que se ha almacenado la data hora (time-only) consistentemente sin el componente fecha. La consulta sería algo como esto:

SELECT * FROM TimeSample WHERE TimeVal BETWEEN ’09:59′ AND ’10:01′

o

SELECT * FROM TimeSample WHERE TimeVal > ’09:59′ AND TimeVal < ’10:01′

Estas dos consultas retornarían los datos de la fila #3 y #4.

Si los datos de hora (time-only) han sido guardados en la base de datos inconsistemente, entonces se necesitará que la consulta evite o excluya la parte fecha de estos. Por ejemplo, tu podrías usar una consulta como esta:

SELECT * FROM TimeSample WHERE TimeVal – CAST(FLOOR(CAST(TimeVal AS float)) AS datetime) > ’09:59′ AND TimeVal – CAST(FLOOR(CAST(TimeVal AS float)) AS datetime) < ’10:01′

la cual nos devuelve las filas 1, 3 y 4. Recuerden que no podrías realizar correctamente la búsqueda sin estas funciones, cuando la data hora ha sido guardada inconsistentemente.

Nota: Toda esta información ha sido traducida del libro Murach’s SQL for SQL Server del autor Bryan Syverson.