- •1. Основные понятия информатики. Структура информатики.
- •2. Информация и ее свойства. Формы представления информации. Экономическая информация. Единицы измерения информации.
- •3. Понятие количества информации. Формулы Хартли и Шеннона.
- •4. Информационные процессы. Основные понятия процессов сбора, обмена, хранения, накопления, обработки и передачи информации.
- •5. Понятие информационной технологии и информационной системы. Виды информационных технологий.
- •6. Понятия архитектуры и структуры пк. Основные блоки пк и их назначение.
- •Виды памяти пк. Основная память пк (озу и пзу), назначение и основные параметры. Физическая и логическая структура основной памяти.
- •Внешние запоминающие устройства (нжмд, cd-rom, flash- память). Физическая и логическая структура магнитных дисков, назначение и основные параметры.
- •Физическая и логическая структура магнитных дисков
- •Периферийные устройства пк. Устройства ввода и отображения текстовой и графической информации.
- •Печатающие устройства, принцип действия, основные параметры.
- •Классификация и назначение программного обеспечения пк.
- •Системное программное обеспечение пк. Понятие операционной системы и операционных оболочек. Назначение и основные функции операционных систем.
- •Операционные системы.
- •Классификация прикладных программных продуктов и их назначение (в виде пакетов прикладных программ).
- •16.Инструментальное программное обеспечение.
- •17.Офисные системы. Текстовые редакторы.
- •2. Классификация текстовых редакторов.
- •19. Основные понятия электронных таблиц: рабочая книга и рабочий лист, ячейки и их адресация, диапазон ячеек. Ввод, редактирование и форматирование данных.
- •20. Автоматизация ввода данных в Excel. Построение диаграмм и графиков в электронных таблицах.
- •Адресация ячеек.
- •21. Вычисления в электронных таблицах. Организация формул. Абсолютная, относительная и смешанная адресация. Встроенные функции Excel.
- •22. Использование электронных таблиц Excel для создания списков, сортировки данных в списке, фильтрации данных.
- •23. Основные понятия баз данных и субд. Классификация баз данных. Архитектура файл-сервер, клиент-сервер, основные особенности.
- •24. Виды моделей данных бд.
- •25. Типы связей в реляционных бд.
- •26. Архитектура субд. Понятие информационно-логической модели. Этапы проектирования бд.
- •3 Уровня субд:
- •27. Обобщенная технология работы с субд. Основные объекты субд.
- •Архитектура компьютерных сетей
- •31. Локальные вычислительные сети: назначение, состав. Принципы управления в лвс.
- •32.Понятие топологии сети и базовые топологии лвс.
- •33.Методы доступа к передающей среде и протоколы передачи данных лвс.
- •34.Способы объединения локальных и глобальных вычислительных сетей.
- •35.Представление о структуре и системе адресации Internet.
- •36. Способы организации передачи информации в интернете.
- •37. Понятие ис. Структура информационной системы. Типы обеспечивающих подсистем.
- •38. Техническое обеспечение ис.
- •39. Математическое и программное обеспечение ис.
- •40. Классификация информационных систем по признаку структурированности задач.
- •41.. Классификация информационных систем по функциональному признаку и уровням управления
- •42. Классификации информационных систем по степени автоматизации.
- •43. Классификация экономических ис (по режиму работы, по способу распределения вы-числительных ресурсов, по функциям).
- •44. Информационно-поисковые системы. Назначение и структура.
- •45.Классификация эис по концепции построения.
- •46. Автоматизированные банки данных (абд). Структура и назначение абд.
- •47. Интеллектуальные банки данных (банки знаний), их назначение и структура.
- •48. Хранилища данных, назначение и структура.
- •Olap на клиенте и на сервере
- •Технические аспекты многомерного хранения данных
Технические аспекты многомерного хранения данных
В многомерных хранилищах данных содержатся агрегатные данные различной степени подробности, например, объемы продаж по дням, месяцам, годам, по категориям товаров и т.п. Цель хранения агрегатных данных — сократить время выполнения запросов, поскольку в большинстве случаев для анализа и прогнозов интересны не детальные, а суммарные данные. Поэтому при создании многомерной базы данных всегда вычисляются и сохраняются некоторые агрегатные данные.
Отметим, что сохранение всех агрегатных данных не всегда оправданно. Дело в том, что при добавлении новых измерений объем данных, составляющих куб, растет экспоненциально (иногда говорят о «взрывном росте» объема данных). Если говорить более точно, степень роста объема агрегатных данных зависит от количества измерений куба и членов измерений на различных уровнях иерархий этих измерений. Для решения проблемы «взрывного роста» применяются разнообразные схемы, позволяющие при вычислении далеко не всех возможных агрегатных данных достичь приемлемой скорости выполнения запросов.
Как исходные, так и агрегатные данные могут храниться либо в реляционных, либо в многомерных структурах. Поэтому в настоящее время применяются три способа хранения данных:
MOLAP (Multidimensional OLAP) –— исходные и агрегатные данные хранятся в многомерной базе данных. Хранение данных в многомерных структурах ЭШеляяет манипулировать данными как многомерным массивом, благодаря чему скорость вычисления агрегатных значений одинакова для любого из измерений. Однако в этом случае многомерная база данных оказывается избыточной, так как многомерные данные полностью содержат исходные реляционные данные.
ROLAP (Relational OLAP) — исходные данные остаются в той же реляционной базе данных, где они изначально и находились. Агрегатные же данные помещают в специально созданные для их хранения служебные таблицы в той же базе данных.
HOLAP (Hybrid OLAP) — исходные данные остаются в той же реляционной базе данных, где они изначально находились, а агрегатные данные хранятся в многомерной базе данных.
Некоторые OLAP-средства поддерживают хранение данных только в реляционных структурах, некоторые — только в многомерных. Однако большинство современных серверных OLAP-средств поддерживают все три способа хранения данных. Выбор способа хранения зависит от объема и структуры исходных данных, требований к скорости выполнения запросов и частоты обновления OLAP-кубов.
Отметим также, что подавляющее большинство современных OLAP-средств не хранит «пустых» значений (примером «пустого» значения может быть отсутствие продаж сезонного товара вне сезона).