Любицкий Ю.В. Базы данных
Подождите немного. Документ загружается.
4. В некоторых ситуациях целесообразно использовать несколько CASE-
систем совместно. Это позволяет объединить достоинства этих систем и
сократить сроки проектирования.
В то же время нельзя не согласиться с точкой зрения на рассматриваемую
проблему С. М. Диго: «… ни одна система автоматизации проектирования,
насколько бы развитой она не была, не может гарантировать соответствия
построенной концептуальной модели реалиям предметной области. Это
определяется только квалификацией разработчиков, их пониманием предметной
области и умением адекватно отобразить ее в модели» [ 3 ].
Заключение
Информация, приводимая в пособии, характеризует современный уровень
решения задач проектирования, разработки и эксплуатации баз данных. В
настоящее время ведутся интенсивные исследования в направлениях,
расширяющих традиционные рамки применения и использования баз данных.
1. Одним из таких направлений является создание «Хранилищ данных» (Data
Warehouse), осуществляющих функции предварительной подготовки и хранения
данных для систем поддержки принятия решений (СППР).
Системы поддержки принятия решений предполагают достаточно глубокую
обработку данных, специально преобразованных так, чтобы их было удобно
использовать в ходе принятия решений. Решения принимаются с помощью
аналитического анализа (поиска имеющихся закономерностей) агрегированных
(обобщенных) данных.
При разработке хранилища данных предварительно выполняется бизнес-
анализ процессов предприятия, для которого создается система. Затем
выполняется анализ данных, используемых предприятием. При этом должна
быть собрана детальная информация об используемых внешних данных и их
источниках; о форматах данных, периодичности и форме их поступления; о
методах и алгоритмах обработки данных, используемых при наступлении
бизнес-событий. В результате выполненного анализа создаются модели
представления данных.
Для поиска и выборки данных в процессе работы системы используется
стратегия, называемая «оперативной аналитической обработкой» (On-line
Analytical Processing, OLAP).
OLAP-системы строятся на основе двух базовых принципов:
81
1. Все данные, необходимые для принятия решений, должны быть
агрегированы (обобщены) на всех уровнях. Такой подход позволяет повысить
производительность и эффективность системы, так как не требуются
дополнительные затраты ресурсов на обработку данных непосредственных
измерений при подготовке их к анализу.
2. Средства манипулирования данными должны основываться на
использовании бизнес понятий предприятия, для которого разработана система.
В основе OLAP лежит понятие гиперкуба, или многомерного куба данных, в
ячейках которого хранятся анализируемые данные, например, количество
товаров, поступивших в торговое предприятие. Измерения представляют собой
совокупности значений других данных, предположим, названий товаров и
названий месяцев года. Простейший случай двумерного гиперкуба представляет
собой таблицу, в которой приводятся значения количества поступивших товаров
по месяцам.
Дальнейшее усложнение модели данных может выполняться следующими
способами:
1. Увеличивается число измерений. Допустим, сведения о количестве
поступивших товаров обобщаются не только по месяцам и товарам, но и по
филиалам, магазинам, складам. Такой гиперкуб имеет пять измерений.
2. Усложняется содержимое ячеек. Предположим, в них включаются
данные не только о количестве товаров, но и об их артикулах, цене, других
характеристиках. В результате в каждой ячейке будет несколько значений
данных.
3. Вводится иерархия в пределах одного измерения. Например, год состоит из
кварталов, квартал из месяцев, месяц из недель, неделя из дней.
Приложение OLAP должно обеспечивать минимальное время доступа к
аналитическим данным, поддерживать возможность одновременной работы
нескольких пользователей с системой, предоставлять пользователям удобные и
эффективные средства для статистической обработки информации.
При работе с гиперкубами могут использоваться две стратегии.
В системах MOLAP (Multidimensional OLAP) гиперкуб реализуется как
отдельная база данных специальной не реляционной структуры,
обеспечивающая максимально эффективный по скорости доступ к данным, но
требующая дополнительных ресурсов памяти. Поэтому данные из хранилища
вначале помещаются в специальную многомерную базу, а затем обрабатываются
82
OLAP-сервером. Примерами таких систем являются Essbase (компания Arbor
Software) и Oracle Express (Oracle).
Для систем ROLAP (Relational OLAP) гиперкуб – это лишь пользовательский
интерфейс, который эмулируется на обычной реляционной СУБД. В этой
структуре можно хранить очень большие объемы данных, однако ее недостаток
заключается в низкой и неодинаковой эффективности OLAP-операций. Примеры
таких систем – MetaCube (фирма Informix) и Discoverer 3.0 (Oracle).
Для подготовки решения в рамках OLAP-технологии пользователь
анализирует срез данных по одному или нескольким измерениям.
Создание хранилищ данных, поддерживающих работу крупного
предприятия, очень сложный и дорогостоящий процесс. Поэтому была
предложена и реализована на практике идея «Витрины данных» (Data Mart).
Под витриной данных понимается специализированное хранилище данных,
обслуживающее только одно из направлений деятельности предприятия,
например, учет товаров. Для разработки такого хранилища требуется, чтобы
происходящие в этой сфере бизнес процессы были относительно просты и
достаточно хорошо изучены. Примеры витрин данных: PowerMart Suite (фирма
Informatica), Data Mart Solution (Sagent Technology), DataMart Suite (Oracle).
Хранилища и витрины данных могут использоваться при интеллектуальном
анализе данных (ИАД), направленном на решение задач поиска зависимостей
между данными, прогнозирования изменений данных, анализа аномалий –
выявления данных, не соответствующих имеющимся закономерностям.
2. Для учета изменения характеристик объектов баз данных во времени
могут использоваться темпоральные базы данных [ 4 ]. В реляционной БД для
оценки состояния объекта в различные моменты времени может быть создано
множество одинаковых по структуре таблиц. Темпоральные БД используют
специальные механизмы снятия срезов по времени для определенных объектов
базы данных. При этом пользователю доступны все состояния объекта в период
времени его существования [ 4 ].
3. Другим перспективным направлением применения и развития баз данных
является организация доступа к их содержанию через Интернет.
Достоинствами этого подхода являются [ 7 ]:
1. Обеспечение доступа в реальном времени удаленных пользователей к
необходимой им информации, хранящейся на Web-серверах.
83
2. Возможность стандартизации пользовательского интерфейса при
обращении к данным (используются средства унифицированной программы-
обозревателя).
3. Применение для обмена данными в сети протоколов (например, HTTP), не
зависящих от платформ, используемых пользователями.
При размещении базы данных на Web-страницах могут быть применены
способы статической и динамической публикации.
При статической публикации созданные некоторым приложением Web-
страницы хранятся на Web-сервере в виде файлов во внешней памяти.
Обновление базы данных выполняется по мере необходимости. Статическая
публикация базы данных позволяет уменьшить нагрузку на сервер и сократить
время выполнения запросов.
Динамическая публикация применяется при обращении к часто изменяемой
информации и используется, например, при организации работы интернет-
магазинов, систем бронирования мест в гостиницах и т. д. Web-страницы
формируются только после поступления на сервер запроса пользователя. Для
этого применяются различные средства и технологии: ASP, PHP и IDC/HTX-
страницы, программы расширения сервера (Java-сервлеты, CORBA-объекты,
ISAPI-модули и т. д.) [ 7 ].
Завершая краткий обзор перспективных направлений применения и
использования баз данных, следует отметить высокую сложность разработанных
в их рамках методов и технологий. При необходимости более подробно с ними
можно ознакомиться с помощью специальной литературы. Детальный анализ
этих средств далеко выходит за рамки настоящего пособия.
84
Библиографический список
1. Гарсиа-Молина Г. Системы баз данных. Полный курс : пер. с англ. / Г.
Гарсиа-Молина, Дж. Ульман, Дж. Уидом. – М. : Вильямс, 2003.– 1088 с.
2. Дейт К. Дж. Введение в системы баз данных : пер. с англ. / К. Дж. Дейт. –
6-е изд. – М. : Вильямс, 2000. – 848 с.
3. Диго С. М. Базы данных: проектирование и использование : учебник / С.
М. Диго. – М. : Финансы и статистика, 2005. – 592 с.
4. Карпова Т. С. Базы данных: модели, разработка, реализация : учебное
пособие / Т. С. Карпова. – СПб. : Питер, 2001. – 304 с.
5. Кренке Д. Теория и практика построения баз данных. – 9-е изд. – СПб. :
Питер, 2005. – 859 с.
6. Марков А. С. Базы данных. Введение в теорию и методологию : учебник /
А. С. Марков, К. Ю. Лисовский. – М. : Финансы и статистика, 2004. – 512 с.
7. Мещеряков Е. В. Публикация баз данных в Интернете / Е. В. Мещеряков,
А. Д. Хомоненко. – СПб. : БХВ-Петербург, 2001. – 560 с.
8. Общеотраслевые руководящие материалы по созданию банков данных. –
М. : ГКНТ, 1982. – 158 с.
9. Олле Т. Предложения КОДАСИЛ по управлению базами данных: пер. с
англ. / Т. Олле. – М. : Финансы и статистика, 1981. – 286 с.
10. Риккарди Г. Системы баз данных. Теория и практика использования в
Internet и среде Java : пер. с англ. / Г. Риккарди. – М. : Вильямс, 2001. – 480 с.
11. Роб П., Коронел К. Системы баз данных: проектирование, реализация и
управление : пер. с англ. / К. Коронел, П. Роб. – 5-е изд., перераб. и доп. – СПб. :
БХВ-Петербург, 2004. – 1040 с.
12. Ролланд Ф. Д. Основные концепции баз данных : пер. с англ. / Ф. Д.
Ролланд. – М. : Вильямс, 2002. – 256 с.
13. Толковый словарь по вычислительным системам / под ред. В.
Иллингоурта и др. : пер с англ. – М. : Машиностроение, 1990. – 560 с.
14. Харрингтон Д. Разработка баз данных : пер. с англ. / Д. Харрингтон. – М. :
ДМК Пресс, 2005. – 272 с.
15. Хомоненко А. Д. Базы данных : учебник / А. Д. Хомоненко, В. М.
Цыганков, М. Г. Мальцев. – СПб. : КОРОНА принт, 2002. – 672 с.
85