- •Основные понятия бд и субд. Отличие понятий банк данных и база данных.
- •История возникновения понятия базы данных.
- •Цели и задачи субд.
- •Организация безопасности данных в базе данных.
- •Основные функции и классификация субд.
- •Модели и типы данных.
- •Иерархическая модель. Достоинства и недостатки данной модели.
- •Понятие сбалансированные и двоичные «деревья».
- •Сетевая модель. Достоинства и недостатки данной модели
- •Простые и сложные сетевые структуры. ??????
- •Реляционная модель. Достоинства и недостатки данной модели.
- •Основные правила э.Кодда для реляционной бд.
- •Механизм управления транзакциями.
- •Постреляционная модель. Достоинства и недостатки данной модели.
- •Многомерная модель. Достоинства и недостатки данной модели.
- •16. Основные понятия, используемые в многомерных субд: агрегируемость, историчность и прогнозируемость данных.
- •17. Представление данных в многомерной модели: куб, ячейка.
- •18. Гиперкубическая и поликубическая схемы.
- •19. Формирование «среза», «вращение», агрегация и детализация.
- •20,21,22. Объектно – ориентированные субд. Достоинства и недостатки.
- •23. Базовые понятия реляционных баз данных.
- •25. Свойства отношений.
- •26. Нормальные формы отношений.
- •27. Этапы разработки баз данных.
- •I этап. Постановка задачи.
- •II этап. Анализ объекта.
- •III этап. Синтез модели.
- •IV этап. Выбор способов представления информации и программного инструментария.
- •V этап. Синтез компьютерной модели объекта.
- •VI этап. Работа с созданной базой данных.
- •28. Первая нормальная форма (1нф).
- •29. Вторая нормальная форма (2нф).
- •30. Третья нормальная форма (3нф).
- •31. Алгоритм нормализации (приведение к 3нф).
- •32. Анализ критериев для нормализованных и ненормализованных моделей данных.
- •33.Oltp и olap-системы
- •34. Нормальные формы более высоких порядков
- •5Нф (Пятая Нормальная Форма)
- •35.Элементы модели "сущность-связь"
- •36.Семантическое моделирование
- •37.Основные понятия er-диаграмм
- •38.Типы связи сущность-связь
- •39.Модальность связи
- •40. Концептуальные и физические er – модели.
- •41. Элементы языка sql.
- •42. Операторы определения объектов базы данных Операторы ddl (Data Definition Language) - операторы определения объектов базы данных
- •43. Операторы манипулирования данными.
- •44. Операторы защиты и управления данными.
- •45. Транзакции и целостность баз данных.
18. Гиперкубическая и поликубическая схемы.
В существующих многомерных СУБД используются две основных схемы организации данных: гиперкубическая и поликубическая .
В поликубической схеме предполагается, что в БД может быть определено несколько гиперкубов с различной размерностью и с различными измерениями в качестве граней. Примером системы, поддерживающей поликубический вариант БД, является сервер Oracle Express Server .
В случае гиперкубической схемы предполагается, что все ячейки определяются одним и тем же набором измерений. Это означает, что при наличии нескольких гиперкубов в БД, все они имеют одинаковую размерность и совпадающие измерения.
Основным достоинством многомерной модели данных является удобство и эффективность аналитической обработки больших объемов данных, связанных со временем.
Недостатком многомерной модели данных является ее громоздкость для простейших задач обычной оперативной обработки информации.
Примерами систем, поддерживающими многомерные модели данных, является Essbase , Media Multi - matrix , Oracle Express Server , Cache . Существуют программные продукты, например Media / MR , позволяющие одновременно работать с многомерными и с реляционными БД.
19. Формирование «среза», «вращение», агрегация и детализация.
В случае многомерной модели данных применяется ряд специальных операций, к которым относятся: формирование "среза", "вращение", агрегация и детализация.
"Срез" (Slice) представляет собой подмножество гиперкуба, полученное в результате фиксации одного или нескольких измерений. Формирование "срезов" выполняется для ограничения используемых пользователем значений, так как все значения гиперкуба практически никогда одновременно не используются. Например, если ограничить значения измерения Модель автомобиля в гиперкубе (рис. 2.9) маркой "Жигули", то получится двухмерная таблица продаж этой марки автомобиля различными менеджерами по годам.
Операция "вращение" (Rotate) применяется при двухмерном представлении данных. Суть ее заключается в изменении порядка измерений при визуальном представлении данных. Так, "вращение" двумерной таблицы, показанной на рис. 2.8(б), приведет к изменению ее вида таким образом, что по оси Х будет марка автомобиля, а по оси Y - время.
Операцию "вращение" можно обобщить и на многомерный случай, если под ней понимать процедуру изменения порядка следования измерений. В простейшем случае, например, это может быть взаимная перестановка двух произвольных измерений.
Операции "агрегация" (Drill Up) и "детализация" (Drill Down) означают соответственно переход к более общему и к более детальному представлению информации пользователю из гиперкуба.
Для иллюстрации смысла операции "агрегация" предположим, что у нас имеется гиперкуб, в котором помимо измерений гиперкуба, приведенного на рис. 2.9, имеются еще измерения: Подразделение, Регион, Фирма, Страна. Заметим, что в этом случае в гиперкубе существует иерархия (снизу вверх) отношений между измерениями: Менеджер, Подразделение, Регион, Фирма, Страна.
Пусть в описанном гиперкубе определено, насколько успешно в 1995 году менеджер Петров продавал автомобили "Жигули" и "Волга". Тогда, поднимаясь на уровень выше по иерархии, с помощью операции "агрегация" можно выяснить, как выглядит соотношение продаж этих же моделей на уровне подразделения, где работает Петров. Основным достоинством многомерной модели данных является удобство и эффективность аналитической обработки больших объемов данных, связанных со временем. При организации обработки аналогичных данных на основе реляционной модели происходит нелинейный рост трудоемкости операций в зависимости от размерности БД и существенное увеличение затрат оперативной памяти на индексацию.
Недостатком многомерной модели данных является ее громоздкость для простейших задач обычной оперативной обработки информации.
Примерами систем, поддерживающими многомерные модели данных, являются Essbase (Arbor Software), Media Multi-matrix (Speedware), Oracle Express Server (Oracle) и Cache (InterSystems). Некоторые программные продукты, например Media/ MR (Speedware), позволяют одновременно работать с многомерными и с реляционными БД. В СУБД Cache, в которой внутренней моделью данных является многомерная модель, реализованы три способа доступа к данным: прямой (на уровне узлов многомерных массивов), объектный и реляционный.
