19.Объектно-реляционная модель данных

В связи со значительным усложнением приложений появилась новая модель – расширенная реляционная модель (Extended Relation Data Model –ERDM). Эта модель вкл. в себя осн. достоинства объектно-ориентированной модели и одновременно унаследовала простоту структуры реляционных моделей, и потому стала называться объектно-реляционной моделью данных. В отличие от объектно-ориентир. модели (OODM) объектно-реляц. модель (ERDM) осн-на на стратегии реляц-й модели, в то время как OODM модель основана на объектной стратегии. Исходя из этого, модель ERDM наиболее приспособлена для бизнес-приложений, а модель OODM исп-ся в спец-х инженерных и научн. приложениях. Некот. спец-ты пол-ют, что в будущем произойдет слияние OODM и ERDM моделей.

Однако у объектно-реляц. и объектно-ориентир. моделей есть и ряд недостатков, осн-е из к-х след:

· отсутствие унифицированной теории, которая есть в реляционных моделях;

· -//- формальн методологии проектир-я БД, как нормал-ция в реляц-х базах;

· отсутствие специальных средств создания запросов;

· отсутствие общих правил определения целостности и др

20. МНОГОМЕРНАЯ МОДЕЛЬ ДАННЫХ, ЕЕ БАЗ. ПОНЯТИЯ (ИЗМЕРЕНИЕ, ЯЧЕЙКА), «+» И «-».

Информация в многомерной модели представляется в виде многомерных массивов, называемых гиперкубами. В одной базе данных, построенной на многомерной модели, может храниться множество таких кубов, на основе которых можно проводить совместный анализ показателей. Основными понятиями для многомерной модели являются: 1)Агрегируемость данных означает рассмотрение и возможность анализа данных на разных уровнях обобщения: для пользователя, аналитика, руководителя. 2)Историчность данных обозначает привязку их ко времени и высокий уровень неизменности (статичности) данных и их взаимосвязей. Временная привязка позволяет выполнять запросы, имеющие значения даты и времени. А статичность – использовать специализированные методы загрузки, хранения, выборки. 3)Прогнозируемость данных предполагает задание функций прогнозирования и применение их к различным временным интервалам.

Основные понятия, с кот. работает пользовательв многомерной модели: 1)Измерение (мн-во однотипных данных, образ-щих одну из граней гиперкуба (дни, месяцы, районы, регионы и т.д.)) 2)Ячейка (поле, значение кот-го обнозначно определяется фиксированным набором измерений)

Для многомерной модели применяются специальные операции: 1)Срез – это подмножество гиперкуба, полученное в результате фиксации одного или нескольких измерений. 2) Вращение изменяет порядок измерений при визуальном представлении данных (меняются местами оси ОХ и ОУ). 3) Агрегация и детализация означают соответственно переход к более общему и более детальному представлению данных.(например в кубе имеется иерархия подразделение-регион-страна, тогда получ. данные не только по отдельномй подразделению, но и по целой стране – агрегация и наоборот)

В современных многомерных системах используется обычно два варианта (схемы) организации данных: гиперкубическая (все показатели определяются одним и тем же набором измерений и даже при наличии нескольких гиперкубов в базе все они имеют одинаковую размерность и совпадающие измерения) и поликубическая (в базе может быть определено несколько гиперкубов с различной размерностью и с различными измерениями в качестве граней).

Достоинством многомерной модели является удобство и эффективность анализа больших объемов данных, имеющих временную связь, а также быстрота реализации сложных нерегламентированных запросов. Недостаток этой модели в громоздкости в случае ее использования для решения стандартных задач оперативной обработки