77

Для создания программ используются генераторы программного кода (серверной части и клиентских частей), позволяющие автоматизировать этот процесс и значительно сократить время разработки.

Опыт применения CASE-систем для проектирования баз данных позволяет сделать следующие выводы [ 3 ]:

1.CASE-системы позволяют повысить качество создаваемых информационных систем и программ, облегчают и ускоряют их разработку.

2.Наиболее полезными CASE-системы являются на начальных стадиях проектирования.

3.Современные CASE-системы ориентированы на квалифицированного пользователя, так как для их использования необходимы знания теории баз данных и принципов их проектирования.

4.В некоторых ситуациях целесообразно использовать несколько CASEсистем 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

иумением 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.

78

При разработке хранилища данных предварительно выполняется бизнесанализ 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:

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.

79

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 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 спе-

80

циальные 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.

2.Возможность стандартизации пользовательского интерфейса при обращении к данным (используются средства унифицированной программыобозревателя).

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 Webстраницы 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 интернетмагазинов, 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/HTXстраницы, программы расширения сервера (Java-сервлеты, CORBA-объекты, ISAPIмодули 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.