39. Основные функции субд. Основные требования к субд.

СУБД (Система Управления Базами Данных) — это программное обеспечение, предназначенное для создания, управления и использования баз данных. Основные функции СУБД можно разделить на несколько категорий:

1. Функции определения данных (DDL - Data Definition Language):

* Определение структуры базы данных: Создание таблиц, определение типов данных полей, установление связей между таблицами.

* Управление данными: Добавление, удаление и изменение структуры таблиц (например, добавление или удаление полей).

* Управление правами доступа: Определение пользователей и их прав доступа к данным (чтение, запись, изменение, удаление).

* Управление хранилищем: Управление физическим размещением данных на диске.

2. Функции манипулирования данными (DML - Data Manipulation Language):

* Вставка данных: Добавление новых записей в таблицы.

* Удаление данных: Удаление записей из таблиц.

* Изменение данных: Редактирование существующих записей.

* Извлечение данных: Поиск и выборка данных из таблиц по заданным критериям (с помощью запросов).

3. Функции управления данными (DCL - Data Control Language):

* Контроль параллельного доступа: Обеспечение одновременного доступа к базе данных множества пользователей без нарушения целостности данных.

* Управление транзакциями: Гарантия целостности данных в случае сбоев, использование механизмов "все или ничего" (atomicity).

* Восстановление данных: Восстановление базы данных в случае сбоев.

* Безопасность: Защита данных от несанкционированного доступа и модификации.

4. Функции администрирования:

* Мониторинг производительности: Отслеживание производительности базы данных, выявление узких мест.

* Настройка параметров: Настройка параметров базы данных для оптимизации производительности.

* Резервное копирование и восстановление: Создание резервных копий данных и механизмов их восстановления.

* Управление пространством: Управление объемом занимаемого дискового пространства.

Основные требования к СУБД:

* Надежность: Гарантия целостности и доступности данных. Устойчивость к сбоям и авариям.

* Производительность: Быстрая обработка запросов и операций с данными.

* Масштабируемость: Возможность работы с большими объемами данных и множеством пользователей.

* Безопасность: Защита данных от несанкционированного доступа и модификации. Шифрование данных, контроль доступа.

* Целостность данных: Гарантия правильности и согласованности данных. Ограничения целостности.

* Простота использования: Удобный интерфейс для работы с базой данных.

* Совместимость: Совместимость с другими приложениями и системами.

* Поддержка стандартов: Соответствие принятым стандартам (например, SQL).

* Расширяемость: Возможность расширения функциональности с помощью дополнительных модулей и инструментов.

* Документация: Полная и понятная документация.

Выбор СУБД зависит от конкретных требований проекта, включая размер базы данных, количество пользователей, тип данных, необходимые функции и бюджет.

40. Обучающие экспертных систем. Основные типы экспертных систем, их назначение, классификация и практическое использование.

Обучающие экспертные системы — это подтип экспертных систем, которые способны к обучению и совершенствованию своих знаний на основе новых данных. В отличие от традиционных экспертных систем, знания в которых закладываются экспертами вручную, обучающие экспертные системы могут самостоятельно извлекать знания из обучающих данных, используя методы машинного обучения.

Основные типы экспертных систем и их назначение:

Экспертные системы классифицируются по различным признакам, включая:

* По типу знаний:

* Системы на основе правил: Хранят знания в виде правил "если-то". Просты в разработке и понимании, но ограничены в способности обрабатывать сложные, нечеткие знания.

* Системы на основе фреймов: Используют фреймы (структуры данных) для представления знаний. Позволяют обрабатывать более сложные структуры данных и отношения между ними.

* Системы на основе семантических сетей: Представляют знания в виде графа, где узлы — понятия, а связи — отношения. Хорошо подходят для представления иерархических и связанных знаний.

* Системы на основе кейсов (Case-Based Reasoning): Хранят знания в виде кейсов (решенных задач) и решают новые задачи путем поиска аналогичных кейсов.

* Системы на основе нейронных сетей: Используют нейронные сети для обработки информации и принятия решений. Хорошо подходят для задач с большими объемами данных и сложными зависимостями.

* По области применения:

* Диагностические системы: Ставят диагноз на основе симптомов (медицина, техника).

* Системы мониторинга: Отслеживают состояние системы и выдают предупреждения о возможных проблемах.

* Системы планирования: Разрабатывают планы действий для достижения определенной цели.

* Системы управления: Автоматизируют управление процессами и системами.

* Системы обучения: Обучают пользователей определенным навыкам и знаниям.

* Системы проектирования: Помогают в проектировании различных объектов и систем.

Классификация экспертных систем:

Экспертные системы могут быть классифицированы по ряду параметров, помимо вышеперечисленных:

* По уровню сложности: От простых систем с ограниченным объемом знаний до сложных систем, обрабатывающих большие объемы данных и использующих многоуровневые архитектуры.

* По типу вывода: Дедуктивные (вывод из общих принципов к частным случаям), индуктивные (вывод из частных случаев к общим принципам), абдуктивные (вывод на основе наиболее правдоподобного объяснения).

* По способу взаимодействия с пользователем: Системы с текстовым интерфейсом, графическим интерфейсом, или с использованием естественного языка.

Практическое использование экспертных систем:

Экспертные системы широко используются в различных областях:

* Медицина: Диагностика заболеваний, планирование лечения.

* Финансы: Оценка рисков, прогнозирование рынка.

* Инженерия: Диагностика неисправностей, проектирование систем.

* Наука: Анализ данных, моделирование процессов.

* Образование: Обучение и тестирование студентов.

Обучающие экспертные системы расширяют возможности традиционных систем, позволяя им адаптироваться к новым условиям и улучшать свою производительность на основе опыта. Они представляют собой важную область исследований в искусственном интеллекте, с потенциалом для решения широкого спектра сложных задач.

41. Большие ЭВМ MAINFRAME. многопроцессорные ЭВМ

Большие ЭВМ (Mainframe)

Mainframe — это высокопроизводительные компьютерные системы, предназначенные для обработки больших объемов данных и одновременного обслуживания множества пользователей. Они отличаются высокой надежностью, масштабируемостью и способностью обрабатывать сложные вычислительные задачи.

Основные характеристики mainframe:

* Высокая производительность: Способны обрабатывать огромные объемы данных и выполнять миллиарды операций в секунду.

* Надежность: Обеспечивают непрерывную работу в течение длительного времени с минимальным количеством простоев. Используют резервирование компонентов и механизмы отказоустойчивости.

* Масштабируемость: Возможность расширения вычислительных мощностей путем добавления новых процессоров, памяти и периферийных устройств.

* Многозадачность: Одновременное выполнение множества задач и обслуживание большого числа пользователей.

* Высокая безопасность: Обеспечивают строгий контроль доступа к данным и ресурсам.

* Совместимость: Обеспечивают совместимость с широким спектром программного обеспечения и периферийных устройств.

Применение mainframe:

Mainframe используются в крупных организациях, таких как банки, страховые компании, государственные учреждения и телекоммуникационные компании, для обработки транзакций, управления базами данных, обработки больших объемов данных и других критически важных задач.

Многопроцессорные ЭВМ

Многопроцессорные ЭВМ (или многопроцессорные системы) — это компьютерные системы, содержащие более одного процессора (CPU). Процессоры могут работать независимо друг от друга или совместно, что позволяет повысить общую вычислительную мощность и производительность системы.

Типы многопроцессорных систем:

* Симметричные многопроцессорные системы (SMP): Все процессоры имеют одинаковые возможности и доступ к общей памяти. Операционная система управляет распределением задач между процессорами.

* Несимметричные многопроцессорные системы (ASMP): Процессоры имеют разные функции и возможности. Например, один процессор может отвечать за обработку данных, а другой — за управление сетью.

* Массивно-параллельные системы (MPP): Содержат большое количество процессоров, которые работают совместно для решения одной задачи. Каждый процессор имеет свою собственную память, и общение между процессорами происходит через высокоскоростную сеть.

* Кластерные системы: Объединение нескольких независимых компьютеров в единую систему, работающую как один мощный компьютер.

Преимущества многопроцессорных систем:

* Повышение производительности: Обработка задач быстрее за счет параллельной обработки.

* Повышение надежности: Если один процессор выходит из строя, другие могут продолжить работу.

* Масштабируемость: Возможность добавления новых процессоров для увеличения вычислительной мощности.

Применение многопроцессорных систем:

Многопроцессорные системы используются в различных областях, включая научные исследования, обработку больших данных, моделирование, высокопроизводительные вычисления (HPC), серверы баз данных, графические рабочие станции и игровые консоли.

Связь между mainframe и многопроцессорными системами:

Большинство современных mainframe являются многопроцессорными системами. Использование множества процессоров позволяет mainframe достигать высокой производительности и надежности, необходимых для обработки больших объемов данных и обслуживания множества пользователей.