Συστήματα Διαχείρισης Βάσεων Δεδομένων

Transcript

1 Κεφάλαιο 5 Συστήματα Διαχείρισης Βάσεων Δεδομένων 5.1 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

2 Βιβλιογραφία Συστήματα Πληροφοριών Διοίκησης Πληροφοριακά Συστήματα Διοίκησης. Από τη θεωρία στην πράξη. Παντελής Υψηλάντης. Σειρά: Επιστήμη και Κοινωνία ΠΑΤΑΚΗ. Κοινωνία. Εκδόσεις Διοίκηση Επιχειρήσεων και Πληροφοριακά. Καθ Δουκίδης. Εκδόσεις Ι. ΣΙΔΕΡΗΣ. Καθ. Γεώργιος Συστήματα Πληροφοριών Διοίκησης (MIS). Οργάνωση και τεχνολογία στη δικτυωμένη επιχείρηση. Kenneth Laudon Laudon & Jane Laudon. Τέταρτη Αμερικανική Έκδοση. Εκδόσεις ΚΛΕΙΔΑΡΙΘΜΟΣ. Διαδίκτυο 5.2 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

3 ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ - Ορισμοί ΔΕΔΟΜΕΝΑ (DATA) Συστήματα Πληροφοριών Διοίκησης Γνωστά γεγονότα / περιστατικά που καταγράφονται και έχουν νόημα ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ (DATABASE) Μία ΟΛΟΚΛΗΡΩΜΕΝΗ συλλογή Δεδομένων που συσχετίζονται, η οποία αποθηκεύεται (συνήθως) σε δευτερεύουσα Μνήμη Η Βάση Δεδομένων αναπαριστά ένα υποσύνολο των στοιχείων που μπορούμε να συλλέξουμε για τον μικρόκοσμο(πεδίο αναφοράς) μιας εφαρμογής. ΣΥΣΤΗΜΑ ΔΙΟΙΚΗΣΗΣ / ΔΙΑΧΕΙΡΙΣΗΣ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ (DATABASE MANAGEMENT SYSTEM - DBMS) Μια αυτοτελής συλλογή από τμήματα λογισμικού (προγράμματα) για την δημιουργία, επεξεργασία και την συντήρηση βάσεων δεδομένων. ΣΥΣΤΗΜΑ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ (DATABASE SYSTEM) Το λογισμικό (DBMS) μαζί με τη Βάση Δεδομένων. 5.3 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

4 Η Ιεραρχία των Δεδομένων Βάση Δεδομένων Μια συλλογή Αλληλένδετων Δεδομένων Αρχείο Μια συλλογή όμοιων εγγραφών Last Name Adams Jefferson Αρχείο Προσωπικών Δεδομένων First Name George Mary Αρχείο Ιστορίας πιστώσεων Address 123 Lancelot Dr Washington Ave. Αρχείο Δεδομένων Συναλλαγών Phone Number SSN Εγγραφή Πεδίο Byte Bit Jefferson Mary 1779 Washington Ave Jefferson (Last Name) Mary (First Name) 1779 Washington Ave. (Address) (Phone Number) (Social Security No.) M A R Y 0 (or 1) 5.4 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

5 Ο παραδοσιακός τρόπος επεξεργασίας φακέλων Το κάθε τμήμα στην επιχείρηση αναπτύσσει τις δικές του ειδικές εφαρμογές. Αυτές χρειάζονται στοιχεία από ένα αρχείο που είναι συνήθως υποσύνολο του συνολικού αρχείου. Αυτά τα υποσύνολα οδηγούν σε πολλά διπλά και τριπλά δεδομένα, ανελαστικότητα στην επεξεργασία και χαμένο αποθηκευτικό χώρο 5.5 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

6 Ο νέος τρόπος ενοποίησης των βάσεων δεδομένων 5.6 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

7 Problems with the Traditional File Environment Data redundancy Program-Data dependence Lack of flexibility Poor security Lack of data-sharing and availability 5.7 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

8 Τα Τέσσερα βασικά μέρη ενός Συστήματος Διαχείρισης ΒΔ (DBMS) DBMS Γλώσσα Ορισμού Δεδομένων Ορίζει τη δομή και το περιεχόμενο της ΒΔ Γλώσσα Χειρισμού Δεδομένων Χειρίζεται τα Δεδομένα για τις Εφαρμογές που Χρησιμοποιούν Τη ΒΔ Λεξικό Δεδομένων Ένα ηλεκτρονικό κείμενο που παρέχει αναλυτικές πληροφορίες για κάθε δεδομένο που βρίσκεται στην ΒΔ. (Δικαιώματα χρηστών, υπεύθυνος ενημέρωσης της ΒΔ κ.α.) Υπηρεσίες και Αναφορές Λογισμικό που παράγει αναφορές και καθιστά την Βάση Δεδομένων user-friendly 5.8 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

9 Database Management System (DBMS) Creates and maintains databases Eliminates requirement for data definition statements Acts as interface between application programs and physical data files Separates logical and physical views of data 5.9 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

10 Χαρακτηριστικά και Ιδιότητες των DBMS Αυτοπεριγραφική Φύση των Συστημάτων Βάσεων Δεδομένων Ομογένεια στην Δημιουργία, Πρόσβαση και Έλεγχο των Δεδομένων Μοίρασμα (SHARING) δεδομένων και χρήση από πολλούς χρήστες Υποστήριξη κανόνων Ακεραιότητας, Ασφάλειας, Δικαιοδοσίας στα Δεδομένα Κεντρικός έλεγχος Λειτουργίας (Database Administration) Πολλαπλοί Τρόποι Πρόσβασης Έλεγχος Συνδρομικότητας και Μηχανισμοί για Ανάκαμψη Τυποποιήσεις Συστήματα Πληροφοριών Διοίκησης Αύξηση της Παραγωγικότητας στην Ανάπτυξη Εφαρμογών Απομόνωση Προγραμμάτων και Δεδομένων ΑΦΑΙΡΕΣΗ ΔΕΔΟΜΕΝΩΝ (Abstraction) ΑΠΟΔΟΣΗ!!! (Performance - Performance Performance) 5.10 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

11 Μοντέλα Δεδομένων Συστήματα Πληροφοριών Διοίκησης Φυσικό μοντέλο: Οργάνωση και παρουσίαση των δεδομένων όπως αυτά είναι αποθηκευμένα στα μέσα αποθήκευσης Λογικό μοντέλο: Οργάνωση και παρουσίαση των δεδομένων όπως τα αντιλαμβάνεται ο τελικός χρήστης της εφαρμογής 5.11 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

12 Οργάνωση Βάσεων Δεδομένων Ιεραρχικό μοντέλο δεδομένων (Hierarchical Data Model) Δικτυωτό μοντέλο δεδομένων (Network Data Model) Σχεσιακό μοντέλο δεδομένων (Relational Data Model) Αντικειμενοστραφής μοντέλο δεδομένων (Object- oriented Model) 5.12 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

13 File Organization Terms and Concepts Entity: Entity: Person, place, thing, event about which information is maintained Attribute: Description of a particular entity Key field: Identifier field used to retrieve, update, sort a record 5.13 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

14 Entitities and Attributes Συστήματα Πληροφοριών Διοίκησης 5.14 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

15 Μια ιεραρχική βάση δεδομένων για ένα σύστημα ανθρώπινου δυναμικού Αναπαράσταση δεδομένων σε μορφή δένδρου Αλλαγές απαιτούν μεγάλο κόστος Μικρή ευελιξία Συστήματα κράτησης αεροπορικών θέσεων 5.15 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

16 Hierarchical and Network DBMS Hierarchical DBMS Organizes data in a tree-like structure Supports one-to to-many parent-child relationships Prevalent in large legacy systems 5.16 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

17 Network DBMS Συστήματα Πληροφοριών Διοίκησης Αναπαράσταση δεδομένων σε μορφή δικτύου (παραλλαγή του Ιεραρχικού μοντέλου) Χρήσιμο για σχέσεις M-Μ Μειώνει τον πλεονασμό της πληροφορίας Δύσκολη συντήρηση & αλλαγή Παράδειγμα: Φοιτητές & μαθήματα που παρακολουθούν 5.17 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

18 Hierarchical and Network DBMS Disadvantages Outdated Less flexible compared to RDBMS Lack support for ad-hoc and English language-like like queries 5.18 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

19 Οργάνωση Βάσεων Δεδομένων: Σχεσιακό μοντέλο δεδομένων Αναπαράσταση δεδομένων σε μορφή δυσδιάστατων πινάκων που ονομάζονται ΣΧΕΣΕΙΣ Πίνακας: ΣΧΕΣΗ Γραμμή: ΕΓΓΡΑΦΗ (ή TUPLE) Στήλη: ΠΕΔΙΟ Βασικές πράξεις επί των πινάκων (ΣΧΕΣΕΩΝ): Select: Επιλέγει τις εγγραφές από τον αντίστοιχο πίνακα οι οποίες πληρούν κάποια συνθήκη και κατασκευάζει ένα νέο πίνακα. Join: Ενώνει πίνακες με βάση κάποιο κοινό τους ΠΕΔΙΟ Project: Κατασκευάζει ένα νέο πίνακα θεωρώντας ένα υποσύνολο των στηλών κάποιου άλλου πίνακα Είδη συσχετίσεων ανάμεσα στους πίνακες: ΕΝΑ-ΠΡΟΣ ΠΡΟΣ-ΕΝΑ (1:1) Συστήματα Πληροφοριών Διοίκησης ΕΝΑ-ΠΡΟΣ ΠΡΟΣ-ΠΟΛΛΑΠΟΛΛΑ (1:Ν) ΠΟΛΛΑ-ΠΡΟΣ ΠΡΟΣ-ΠΟΛΛΑΠΟΛΛΑ (Ν:Μ) 5.19 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

20 Το σχεσιακό μοντέλο δεδομένων 5.20 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

21 Οργάνωση Βάσεων Δεδομένων: Σχεσιακό μοντέλο δεδομένων Π Παράδειγμα (1/6) Π# ΟΝΟΜΑ_Π ΚΑΤΑΣΤ ΠΟΛΗ_Π Π1 Δούκας 20 Λονδίνο Π2 Ανδρέου 10 Παρίσι Π3 Φωτίου 30 Παρίσι 5.21 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

22 Οργάνωση Βάσεων Δεδομένων Σχεσιακό μοντέλο δεδομένων ΠΡ Παράδειγμα (2/6) ΠΡ# ΟΝΟΜΑ_ΠΡ ΧΡΩΜΑ ΒΑΡΟΣ ΠΟΛΗ_ΠΡ ΠΡ ΠΡ1 Παξιμάδι Κόκκινο 12 Λονδίνο ΠΡ2 Βίδα Πράσινο 17 Παρίσι ΠΡ3 Κατσαβίδι Μπλε 17 Ρώμη ΠΡ4 Κατσαβίδι Κόκκινο 14 Λονδίνο 5.22 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

23 Οργάνωση Βάσεων Δεδομένων Σχεσιακό μοντέλο δεδομένων ΠΑΡ Παράδειγμα (3/6) ΠΑΡ# Π# ΠΡ# ΠΟΣΟΤΗΤΑ ΠΑΡ1 Π1 ΠΡ1 300 ΠΑΡ2 Π1 ΠΡ2 200 ΠΑΡ3 Π1 ΠΡ3 400 ΠΑΡ4 Π2 ΠΡ Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

24 Three Basic Operations in a Relational Database Select: Select: Creates subset of rows that meet specific criteria Join: Join: Combines relational tables to provide users with information Project: Project: Enables users to create new tables containing only relevant information 5.24 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

25 Οργάνωση Βάσεων Δεδομένων Σχεσιακό μοντέλο δεδομένων Παράδειγμα (4/6) Select Π# ΟΝΟΜΑ_Π ΚΑΤΑΣΤ ΠΟΛΗ_Π Π2 Ανδρέου 10 Παρίσι Π3 Φωτίου 30 Παρίσι 5.25 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

26 Οργάνωση Βάσεων Δεδομένων Σχεσιακό μοντέλο δεδομένων Παράδειγμα (5/6) Join Π# ΟΝΟΜΑ_Π ΚΑΤΑΣΤ ΠΟΛΗ_Π ΠΡ# ΟΝΟΜΑ_ΠΡ ΧΡΩΜΑ ΒΑΡΟΣ ΠΟΛΗ_ΠΡ ΠΡ Π1 Δούκας 20 Λονδίνο ΠΡ1 Παξιμάδι Κόκκινο 12 Λονδίνο Π1 Δούκας 20 Λονδίνο ΠΡ2 Βίδα Πράσινο 17 Παρίσι Π2 Ανδρέου 10 Παρίσι ΠΡ3 Κατσαβίδι Μπλε 17 Ρώμη Π3 Φωτίου 30 Παρίσι ΠΡ4 Κατσαβίδι Κόκκινο 14 Λονδίνο 5.26 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

27 Οργάνωση Βάσεων Δεδομένων Σχεσιακό μοντέλο δεδομένων Παράδειγμα (6/6) Project Π# ΟΝΟΜΑ_Π ΠΡ# ΟΝΟΜΑ_ΠΡ ΒΑΡΟΣ Π1 Δούκας ΠΡ1 Παξιμάδι 12 Π1 Δούκας ΠΡ2 Βίδα 17 Π2 Ανδρέου ΠΡ3 Κατσαβίδι 17 Π3 Φωτίου ΠΡ4 Κατσαβίδι Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

28 Object-Oriented Oriented Databases Object-oriented DBMS: Stores data and procedures as objects that can be retrieved and shared automatically Object-relational DBMS: Provides capabilities of both object-oriented oriented and relational DBMS 5.28 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

29 Designing Databases Συστήματα Πληροφοριών Διοίκησης Entity-relationship diagram: Methodology for documenting databases illustrating relationships between database entities Normalization: Normalization: Process of creating small stable data structures from complex groups of data 5.29 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

30 Δημιουργία Βάσης Δεδομένων Νοητή Σχεδίαση Αφαιρετικό μοντέλο από την επιχειρηματική πλευρά Ομαδοποίηση δεδομένων Σχέσεις ανάμεσα στα διάφορα στοιχεία Καταγραφή των αναγκών των χρηστών 5.30 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

31 Δημιουργία Βάσης Δεδομένων Φυσική σχεδίαση Κατασκευή λεπτομερούς μοντέλου από ειδικούς σε ΒΔ Διάγραμμα οντοτήτων-συσχετίσεων (E-R R Diagram) Κανονικοποίηση ΒΔ (εξάλειψη πλεοναζόντων στοιχείων και απλοποίηση συσχετίσεων) Υλοποίηση σύμφωνα με διαθέσιμο Υλικό / Λογισμικό 5.31 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

32 Levels of Abstraction Συστήματα Πληροφοριών Διοίκησης Many views,, single conceptual (logical) schema and physical schema. Views describe how users see the data. Conceptual schema defines logical structure Physical schema describes the files and indexes used. View 1 View 2 View 3 Conceptual Schema Physical Schema 5.32 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

33 Example: University Database Conceptual schema: Students (sid: string, name: string, login: string, age: integer, gpa:real) Courses (cid: string, cname:string, credits:integer) Enrolled (sid:string, cid:string, grade:string) Physical schema: Συστήματα Πληροφοριών Διοίκησης Relations stored as unordered files. Index on first column of Students. External Schema (View): Course_info(cid:string,enrollment:integer) 5.33 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

34 Data Independence Συστήματα Πληροφοριών Διοίκησης Applications insulated from how data is structured and stored. Logical data independence: Protection from changes in logical structure of data. Physical data independence: Protection from changes in physical structure of data. * One of the most important benefits of using a DBMS! 5.34 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

35 Η Αρχιτεκτονική ενός DBMS DBMS DATA MANAGER Output Generator Dictionary Manager DATABASE Applic. USER Query I/O Processor Parser LOG Transaction Manager Recovery Manager Precompiler Authorization Control Optimizer Generation of Executable Code Data Dictionary (Schemas) Integrity Checker Update Processor Query Processor 5.35 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

36 Απλούστευση της Αρχιτεκτονικής ενός DBMS Αυτές τα στρώματα Λαμβάνουν υπόψη Concurrency Control και Recovery Το τυπικό DBMS έχει μια σειρά από επίπεδα / στρώματα Αυτή είναι μια από τις πιθανές αρχιτεκτονικές κάθε σύστημα μπορεί να έχει κάποια άλλη παραλλαγή αυτής. Query Optimization and Execution Relational Operators Files and Access Methods Buffer Management Disk Space Management 5.36 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων DB

37 Η γλώσσα Τεχνολογία Διοίκησης Δεδομένων SQL - παγκόσμια σταθερά σε ΒΔ Sequel 75 (System R) SQL86 H Πρώτη προσπάθεια για τυποποίηση SQL89 referential integrity SQL92 agents, client/server, embedded SQL, dynamic SQL (cursors), temporary tables, standard error codes SQL3 Συστήματα Πληροφοριών Διοίκησης object SQL Ιδιότητες αρμονία με DCE, X/Open multimedia (text, audio, video, BLOBs) 5.37 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

38 Διοικητικές Απαιτήσεις για Συστήματα Βάσεων Δεδομένων ΔΙΟΙΚΗΣΗ ΔΕΔΟΜΕΝΩΝ ΤΕΧΝΟΛΟΓΙΑ & ΔΙΑΧΕΙΡΙΣΗ ΒΔ ΣΥΣΤΗΜΑ ΔΙΑΧΕΙΡΙΣΗΣ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕΘΟΔΟΛΟΓΙΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ ΔΕΔΟΜΕΝΩΝ ΧΡΗΣΤΕΣ 5.38 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

39 ΟΙ ΧΡΗΣΤΕΣ ΤΩΝ DBMS Διαχειριστές (Database Administrators) Υπεύθυνοι για την διαχείριση της Βάσης (βοηθούν χρήστες να ορίζουν όψεις, επιλέγουν εναλλακτικές δομές μνήμης και μεθόδους πρόσβασης, επίσης είναι υπεύθυνοι για την ασφάλεια και την ακεραιότητα της Βάσης, για την απόδοση του Συστήματος, κλπ.) Σχεδιαστές (Database Designers) Υπεύθυνοι για τον Σχεδιασμό και Ανάπτυξη της Βάσης Αναλυτές Συστημάτων και Προγραμματιστές (Application Programmers / Systems Analysts) Αναπτύσσουν τις Εφαρμογές Τελικοί Χρήστες (End-Users) Συστήματα Πληροφοριών Διοίκησης Κάνουν χρήσεις των εφαρμογών, κάνουν ερωταποκρίσεις, κλπ. Περιστασιακοί (CASUAL USERS), Παραμετρικοί (PARAMETRIC) (π.χ.,(., ταμίας τραπέζης έτοιμα από την εφαρμογή) και Εξειδικευμένοι (SOPHISTICATED) 5.39 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

40 ΑΛΛΟΙ ΣΗΜΑΝΤΙΚΟΙ ΧΡΗΣΤΕΣ Database Designers and Implementers Αυτοί που αναπτύσσουν τα ΙΔΙΑ τα DBMS Tool Developers Συστήματα Πληροφοριών Διοίκησης Αυτοί που αναπτύσσουν εργαλεία για καλύτερη χρήση των DBMS (design tools, performance tools, ειδικές προσβάσεις / διεπαφές.) Operators and Maintenance Personnel Βοηθούν τον Διαχειριστή, κάνουν συντήρηση, κλπ Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

41 Βασικές Αρχές της Επιτυχημένης Διαχείρισης ΒΔ (1/2) Χρήση της ΒΔ για βελτίωση της Λήψης Αποφάσεων Πολλές εταιρίες συλλέγουν τεράστιους όγκους δεδομένων, αλλά λίγες τους χρησιμοποιούν σωστά Μια εταιρία μπορεί να κερδίσει και να διατηρήσει τους πελάτες της με το να αναλύει προσεκτικά τα δεδομένα Οι ΒΔ είναι ανταγωνιστικά <<όπλα όπλα>> στα χέρια των επιχειρήσεων Πολλές εταιρίες ψάχνουν εξονυχιστικά διάφορες δημόσιες ΒΔ για χρήσιμες πληροφορίες που θα τις ωφελήσουν σε σχέση με άλλες Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

42 Βασικές Αρχές της Επιτυχημένης Διαχείρισης ΒΔ (2/2) Η σχεδίαση της Βάσης θα πρέπει να ικανοποιούν τις ανάγκες για επικοινωνία του χρήστη Η αποθηκευμένη στην ΒΔ πληροφορία πρέπει να είναι εύκολο να ανακτηθεί από οποιονδήποτε που την χρειάζεται για να λάβει αποφάσεις Σχεδίαση για διασφάλιση της Βάσης Μια ΒΔ με πολύτιμα δεδομένα επιβάλλεται να φυλάσσεται Οι επιχειρηματίες θα πρέπει να σχεδιάζουν τον προϋπολογισμό τους με γνώμονα ότι για λόγους ασφαλείας θα πρέπει να αναβαθμίζουν συνεχώς τις δικλίδες της ΒΔ καθώς εξελίσσεται η τεχνολογία 5.42 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

43 Γλώσσες σε ένα DBMS (1) Γλώσσα Ορισμού των Δεδομένων - Data Definition Language (DDL) Χρησιμοποιείται για να ορισθεί το conceptual schema της Βάσης Αυτό αποθηκεύεται στον Κατάλογο (CATALOG). Συχνά, η DDL χρησιμοποιείται για τον ορισμό όψεων και φυσικών δομών. Σε ορισμένα DBMS γίνεται διαχωρισμός μεταξύ: SDL - Storage Definition Language (φυσικές( δομές) VDL - View Definition Language (όψεις( όψεις) Γλώσσα Επεξεργασίας Δεδομένων - Data Manipulation Language (DML) - Για την πρόσβαση (retrieval) και αλλαγές των δεδομένων (insert, delete, update) Συστήματα Πληροφοριών Διοίκησης - Δυο βασικές οικογένειες: : Procedural DML, Declarative DML 5.43 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

44 Γλώσσες σε ένα DBMS (2) Query Language Ένα υποσύνολο μόνο για ερωταποκρίσεις - RETRIEVAL Data Sub-language Η DML και η DDL μαζί. Host Language Μια ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ (COBOL, C, etc..) όπου εμφυτεύονται εντολές της DML 5.44 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

45 DBMS: Τρόποι Πρόσβασης Αυτόνομη Query language Interface API (Application Programming Interface) για εμφυτευμένες Γλώσσες Pre-Compiler Συστήματα Πληροφοριών Διοίκησης Procedure Calls (subroutines) Προσβάσεις μη-τεχνικών Χρηστών Menu-based, graphics-based, forms-based, φυσική γλώσσα, κλπ. Παραμετρικές Προσβάσεις (function keys) Προσβάσεις για Αναφορές RGL) Πρόσβαση του Διαχειριστή - DBA Δημιουργία Λογαριασμών, Δικαιοδοσίες, κλπ Ρύθμιση παραγόντων Συστήματος Αλλαγές Περιγραφών, Δομών, κλπ Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

46 Βοηθητικά Προγράμματα του DBMS (UTILITIES) Λειτουργικότητα Loading δεδομένα από αρχεία στην Βάση Backing up τα δεδομένα σε Ταινίες Reorganizing Δομές της Φυσικής Βάσης Report Generation Utilities Συστήματα Πληροφοριών Διοίκησης Performance Monitoring Utilities Άλλες Λειτουργίες (sorting, user monitoring, data compression, κλπ.) Utilities του Καταλόγου Συστήματος Αποθήκευση των περιγραφών (schema descriptions), σχεδιαστικών αποφάσεων, προφίλ των χρηστών, τυποποιήσεις, περιγραφές εφαρμογών, κλπ. Ο ενεργός Κατάλογος είναι προσβάσιμος στους χρήστες και στο ίδιο το DBMS Το παθητικό λεξικό (data dictionary) είναι προσβάσιμο μόνο στους χρήστες 5.46 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

47 Βήματα για την Χρήση ενός DBMS Προμήθεια του DBMS Εκπαίδευση Χρηστών Ορισμός των περιγραφών (Schemas) της Βάσης Εισαγωγή Δεδομένων στη Βάση Υλοποίηση των Προγραμμάτων της Εφαρμογής Συνεχείς ΑΛΛΑΓΕΣ στη Βάση και την Εφαρμογή 5.47 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

48 Γιατί ΝΑ ΜΗΝ χρησιμοποιήσω DBMS ;;; Κόστος Υψηλότατη αρχική επένδυση Τεράστιο Πρόσθετο Κόστος (Overhead) για την ασφάλεια, ανάκαμψη ακεραιότητα, και συνδρομικότητα (κόστος στην απόδοση του Συστήματος). Πότε δεν χρειάζεται για την εφαρμογή Η Βάση Δεδομένων και η Εφαρμογή είναι πολύ απλές και σταθερές Ο χρόνος για απόδοση είναι πολύ σημαντικός (overhead του DBMS) Δεν απαιτείται πρόσβαση από πολλούς χρήστες 5.48 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

49 DBMS : Οι Παλιοί Πρωταγωνιστές Αυτά τα Συστήματα παρουσιάστηκαν και έλαμψαν στην δεκαετία του 80 Πολλές εγκαταστάσεις ΑΚΟΜΗ υπάρχουν αλλά δεν γίνονται πωλήσεις IMS (IBM) -- Hierarchical Model (γλώσσα( DL/1) I-D-S S (Honeywell) -- Network DBTG (Integrated Data Store) IDMS (Cullinane) - Network (Integrated Data Mgmnt System) TOTAL (Cincom) - Network IMAGE (Hewlett-Packard) - Network SYSTEM 2000 (Intel-MRI) - Inverted (ad-hoc model) Other Inverted: ADABAS (Software AG), Model 204 (CCA) Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

50 DBMS : Οι Πρωταγωνιστές (α) DB2, σε κάθε IBM ή IBM-compatible πλατφόρμα ORACLE 8 (8i) SYBASE INFORMIX INGRES currently called, Computer Associates-Ask Ask Group Άλλοι (Φθίνουν ): Συστήματα Πληροφοριών Διοίκησης Rdb (έκλεισε( έκλεισε), Gupta Quadbase, Ralma, Watcom, XDB,... Οι MPP πρωταγωνιστές (massively parallel): Terradata (ο( μεγαλύτερος), Tandem (NonStop SQL), Oracle Parallel Server, Informix, Sybase (Navigator), DB2, DEC, Οι αναδυόμενοι: : ILLUSTRA, O2 (έκλεισε( έκλεισε), etc Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

51 DBMS : Οι Πρωταγωνιστές (β) Οι μεγάλοι στον κόσμο των Windows / PC Microsoft SQL Server (Powersoft) (Gupta) Χαρακτηριστικά: (a) SQL πρόσβαση (gateways) (b) Εξαίρετα για Client-Server (DBMS) (c) Μοιάζουν πολύ με τα «μεγάλα» DBMS 5.51 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

52 DBMS : Οι Πρωταγωνιστές (γ) Ακόμη στο PC Paradox (Borland) Microsoft Access Q&A (Symantec) FileMaker Pro (Claris Corp.) DataEase Express Approach (Lotus) Alpha Four Παλαιότερα: : xbase, dbase, FoxPro, MicroRIM... Συνήθως έχουν ένα υποσύνολο των δυνατοτήτων των μεγάλων DBMS 5.52 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

53 Τεχνολογία Διοίκησης Δεδομένων ΝΕΕΣ ΤΑΣΕΙΣ Συστήματα Πληροφοριών Διοίκησης Massively-Parallel DBMS o Shared Memory, Shared Disks, Shared Nothing Object-oriented Database Systems o Versant, O2, Ontos, Itasca, o ODMG Standards Object-Relational Database Systems o UniSQL, Oracle 8, Document Management Systems o Text retrieval Hypermedia DBs o Κόμβοι που κρατούν Text Multimedia DBMS o image exchange, compression, user interfaces 5.53 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

54 Τεχνολογία Διοίκησης Δεδομένων ΝΕΕΣ ΤΑΣΕΙΣ (συνέχεια) Active DBMS (Database Intelligence) o Triggering Events o Business Rules Knowledge Base Managament Systems o Artificial Inteliigence and DBMS o περιορισμοί Temporal DBMS (TSQL) Spatial DBMS o Γεωμετρικά σημεία o Εφαρμογές σε GIS (Geographic Information Systems) PC-BASED DBMS! o dbase, Paradox, CA-Clipper, Clipper, Access, Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

55 ΕΞΕΛΙΞΗ στην Τεχνολογία Βάσεων Δεδομένων Simple Data Management Global Enterprise Management Early 80s Late 80s Early - Mid 90s Late 90s -21st C Prerelational Early Relational Simple OLTP Client-server Relational Active Database Data Warehouse & Hi-end OLTP Enterprise -capable Relational Packaged & Vertical Applications Internet Computing Simple transactions, on-line backup & recovery Stored procedures, triggers Scaleable OLTP, parallel query, partitioning, cluster support, row-level locking, high availability Support for all types of data, extensibility, objects Middleware (messaging, queues, events) Java, CORBA, Web interfaces 5.55 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

56 Τεχνολογία Διοίκησης Δεδομένων OLAP Ανάλυση σε πολυδιάστατο χώρο o Πωλήσεις ΑΝΑ (Προϊόν, Πελάτη, Χρόνο) o Κύβος drill down, rollup Essbase, Commander, Oracle Express, SAS, Excel Data Warehouses Νέα μορφή για Decision Support Systems Redbrick, Oracle DW, Informix, Sybase, Micro Strategy Data Marts Data Mining 5.56 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

57 On-Line Analytical Processing (OLAP) Multidimensional Database Technology ROLAP, MOLAP HOLAP (Hybrid OLAP), WOLAP (Web OLAP) OLAP ευέλικτη, υψηλής απόδοσης πρόσβαση και ανάλυση μεγάλου όγκου σύνθετων δεδομένων - από διαφορετικές εφαρμογές Visualization of business data (πολυδιάστατα( πολυδιάστατα) data mining, query & reporting, statistical analysis, multidimensional analysis Enterprise Decision Support Systems Ad-hoc reporting and Analytical Power (analytical discovery ) 5.57 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

58 Σύγχρονες τάσεις στις ΒΔ Data Warehouses Data Mining Κατανεμημένες Βάσεις Δεδομένων 5.58 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

59 Data Warehouse Συστήματα Πληροφοριών Διοίκησης Πρόκειται για μια μεγάλη Βάση Δεδομένων που αποτελείται από μικρότερες ΒΔ που περιέχουν χρήσιμα δεδομένα και σχεδιάστηκαν για την υποστήριξη αποφάσεων 5.59 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

60 Ομοιότητες και Διαφορές μιας ΒΔ και ενός Data Warehouse Ένα Data Warehouse είναι κατά πολύ μεγαλύτερο από μια ΒΔ γιατί αποτελείται από ένα σύνολο αλληλένδετων ΒΔ. Μια ΒΔ συνήθως ανανεώνεται συχνά ενώ το Data warehouses όχι. Τόσο οι ΒΔ όσο και τα Data Warehouses υποστηρίζουν τα on-line queries και δημιουργία γρήγορων περιλήψεων για τους Διαχειριστές. Τα Data warehouses είναι ιδανικά για να αποθηκεύσουν μεγάλες ποσότητες δεδομένων διότι το λογισμικό που τα υποστηρίζει είναι σχεδιασμένο για αυτό το σκοπό. Οι ΒΔ συνήθως οργανώνονται γύρω από Τμήματα(Departments) ή Λειτουργίες (marketing), ενώ τα Data warehouses, σχεδιάζονται έτσι ώστε να αποδίδουν μια γενικότερη εικόνα ολόκληρου του οργανισμού Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

61 Benefits of Data Warehouses Improved and easy accessibility to information Ability to model and remodel the data 5.61 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

62 Components of a Data Warehouse 5.62 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

63 Αρχιτεκτονική Data Warehouse Clients GIS OLAP DSS Data Mart Data Mart Administration Agent Meta Database Data Warehouse Wrappers/ Loaders Sources Text File DB External data 5.63 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

64 H Αγορά για Data Warehouses Μια βιομηχανία των $20 Δις σε δύο χρόνια ($12 Δις H/W και $8 Δις σε υπηρεσίες Μέσο κόστος για ένα DW έργο: : $3 εκατ. Σύνηθες μέγεθος DW τα 50Gb με 400Gb META Group Report του 1996 (Orlando, Fl) Παρόμοια μεγέθη από άλλους (π.χ.. Gartner Group) 5.64 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

65 Glaxo s Data Warehouse Συστήματα Πληροφοριών Διοίκησης Πώς μπορεί μία φαρμακευτική εταιρία να παρακολουθήσει τις πωλήσεις τις σε μία αγορά που κυριαρχείται από νοσοκομεία κια ασφαλιστικές εταιρίες; Η GlaxoWellcome είναι η μεγαλύτερη εταιρία φαρμακευτικής προμήθειας στον κόσμο Έχει εργαζόμενους σε 70 χώρες και ΜΟ 10 εκατομμύρια δολλάρια καθαρών κερδών το χρόνο Πριν από την επικράτηση των οργανισμών δημόσιας υγείας (ΟΔΥ) οι γιατροί καθόριζαν τη διανομή των φαρμάκων Οι παραγωγοί φαρμάκων πρέπει να γνωρίζουν ποια από τα φάρμακα τους είναι στις εγκεκριμένες λίστες των ΟΔΥ Για να μαθαίνουν αυτή την πληροφορία οι φαρμακευτικές εταιρίες στηρίζονται στις αναφορές που παράγουν δύο εταιρίες IMS America και Source Informatiks οι οποίες είναι εξουσιοδοτημένες να παράγουν παρόμοιες αναφορές Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

66 Glaxo s Data Warehouse Συστήματα Πληροφοριών Διοίκησης Στο παρελθόν η Glaxo ανέλυε αυτά τα δεδομένα με το χέρι συνδυάζοντας τα με την εσωτερική της πληροφόρηση Στη συνέχεια παρήγαγε παρόμοιες αναφορές οι οποίες διανέμονταν σε 150 άτομα με μέσο κόστος 100$ ανά τεμάχιο Το κόστος αναφορών ήταν τεράστιο γιατί Εκατοντάδες ακόμα εσωτερικές αναφορές παράγονταν Οι αναφορές αυτές συνήθως ήταν ξεπερασμένες τη στιγμή που τυπώνονταν Τα στοιχεία για την παραγωγή των αναφορών έκαναν τόσο καιρό να τυπωθούν που ήταν ξεπερασμένα κατά την εκτύπωσή τους 5.66 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

67 Glaxo s Data Warehouse Η εταιρία προχώρησε στην αγορά του συστήματος GWI Δουλεύει με ένα σχεσιακό σύστημα ΒΔ το οποίο συνδυάζει εσωτερική και εξωτερική πληροφόρηση Επιτρέπει αναζήτηση με πολλά κριτήρια τα οποία επιλέγει ο χρήστης Π.χ ο χρήστης μπορεί να επιλέξει ένα συγκεκριμένο φάρμακο και να παρακολουθήσει από εσωτερικές και εξωτερικές πηγές την πορεία του προιόντος μέσα από συγκεκριμένες αναφορές που παράγονται σε ελάχιστα δευτερόλεπτα Η εταιρία πρόσεξε πολύ το interface του συστήματος 5.67 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

68 Τα οφέλη από το νέο σύστημα Οι αναφορές είναι πάντα ενημερωμένες Τα λειτουργικά κόστη μειώνονται γιατί η εταιρία μπορεί να παρακολουθεί πλήρως τη διαδικασία διανομής των αγαθών της Οι αναφορές παράγονται Έγκαιρα Φθηνά Χωρίς τη βοήθεια ειδικών Χαρακτηριστικό παράδειγμα Το 1996 όταν η εταιρία ανακοίνωσε πώς τα φάρμακά της Epivir, Retrovir όταν συνδυάζονται θεραπεύουν το AIDS άρχισαν μαζικές συνταγές από τους γιατρούς 5.68 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

69 Data Mining Συστήματα Πληροφοριών Διοίκησης Είναι η αυτοματοποιημένη ανάλυση μεγάλων όγκων δεδομένων με στόχο να αποκαλυφθούν τάσεις και σχέδια που με την κλασσική ανάλυση που ακολουθούν οι ΒΔ δεν θα αποκαλύπτονταν Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

70 Data Warehousing and Datamining Datamining Tools for analyzing large pools of data Find hidden patterns and infer rules to predict trends 5.70 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

71 Τεχνολογία Διοίκησης Δεδομένων / Πληροφοριών Κατανεμημένη Επεξεργασία και Δεδομένα Επεξεργασία σε πολλαπλά (γεωγραφικά σε απόσταση) συστήματα Τρόποι Κατανομής Δεδομένων: o Fragmentation / Partitioning (Δύσκολη( Υλοποίηση) o Replication / Duplication (Παρουσιάζει( Ρίσκα, π.χ.,., συγχρονισμός) Κατανεμημένα (Distributed) DBMS ή Multidatabases ή Federated DBMS και Heterogeneous DDBMS 5.71 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

72 Τεχνολογία Διοίκησης Δεδομένων Αρχιτεκτονικές Κατανεμημένων DBMS Πως κατανέμονται τα δεδομένα: Κάθε μονάδα έχει μοναδικό σημείο αλλαγής, κατανεμημένες αλλαγές στο ελάχιστο, τα δεδομένα όσο πιο κοντά γίνεται στα προγράμματα, DRDA - Distributed Relational Database Architecture (IBM) o Πρόσβαση σε κατανεμημένα δεδομένα για κάθε πλατφόρμα της IBM (MVS, VM, OS/400, OS/2, AIX, ) o Βασίζεται στο SNA RDA - Remote Data Access (ISO) o Όλοι οι μεγάλοι προμηθευτές DBMS (εκτός( ΙΒΜ) o Βασίζεται στο OSI (Open System Interconnection) o σχεδιασμένη για μετεφερσιμότητα (portability) o SAG (SQL Access Group) 5.72 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

73 Τεχνολογία Διοίκησης Δεδομένων Κατανομή σε CLIENT/SERVER Mία ακόμη διαμάχη με δύο διαφορετικά αποτελέσματα: ODBC (από( την Microsoft), X/Open CLI , 1994 o Open Database Connectivity IDAPI (από( τις Borland, IBM, Novell) o Integrated Database Application Programming Interface Στο επίπεδο του SQL Call-level level Interface (CLI) MIDDLEWARE Συστήματα Πληροφοριών Διοίκησης Κάθε σύνολο προγραμμάτων ή διαδικασιών που επιτρέπει δυο πολύ διαφορετικά προγράμματα να συλλειτουργούν (interoperate) 5.73 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

74 Κατανεμημένες Βάσεις Δεδομένων Πρόκειται για Βάσεις Δεδομένων κατανεμημένων σε γεωγραφικά απομακρυσμένα υπολογιστικά συστήματα Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

75 Distributing Databases Συστήματα Πληροφοριών Διοίκησης Centralized database Used by single central processor or multiple processors in client/server network 5.75 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

76 Distributing Databases Συστήματα Πληροφοριών Διοίκησης Distributed database Stored in more than one physical location Partitioned database Duplicated database 5.76 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

77 Distributed Databases Συστήματα Πληροφοριών Διοίκησης 5.77 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

78 Τρόποι κατανομής ΒΔ Συστήματα Πληροφοριών Διοίκησης Αναπαραγωγή και τοποθέτηση αντιγράφων της ΒΔ του πελάτη σε διαφορετικές τοποθεσίες CUSTOMER DATABASE New York Chicago Raleigh CUSTOMER DATABASE Portland Διαχωρισμός της ΒΔ του πελάτη και τοποθέτηση των κομματιών της σε σχετικές τοποθεσίες New York Chicago Raleigh Portland 5.78 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

79 Τεχνολογία Διοίκησης Δεδομένων SHARED / INTERNET DATABASES web databases, electronic catalogues, directories, servers, etc. Web Databases (Ειδικό( Client/Server -- XML-based) Databases στο web (electronic market places) είναι συνήθως ΠΟΛΥ ΠΟΛΥ ΜΕΓΑΛΕΣ (VERY LARGE) >> 100 GB (1 GB = 109 Bytes) συχνά, της τάξης του TB (1TB = 1012 Bytes) μερικές φορές, της τάξης του PT (1PT = 1015 Bytes) (π.χ..,.., UPS database = 3PB, Walmart s = 4PB) 5.79 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

80 OLTP applications Συστήματα Πληροφοριών Διοίκησης Το Παρόν στις Βάσεις Δεδομένων Large amounts of data Simple data, simple queries and updates Update statement from debit/credit transaction: UPDATE accounts SET abalance = abalance + :delta WHERE aid =:aid; Typically update intensive Large number of concurrent users (transactions) Data warehousing applications Large amounts of data Simple data but complex querying Typically read intensive Large number of users 5.80 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

81 Το Παρόν στις Βάσεις Δεδομένων These applications require: Large users/transactions High performance High availability (7x24 operations) Scalability High levels of security Administrative support Good utilities 5.81 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

82 Databases and the Web Συστήματα Πληροφοριών Διοίκησης Hypermedia database Organizes data as network of nodes Links nodes in pattern specified by user Supports text, graphic, sound, video and executable programs 5.82 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

83 A Hypermedia Database 5.83 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

84 Databases and the Web Συστήματα Πληροφοριών Διοίκησης Database server Computer in a client/server environment runs a DBMS to process SQL statements and perform database management tasks Application server Software handling all application operations 5.84 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

85 Linking Internal Databases to the Web 5.85 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

86 Looking Beyond the Organization E-commerce and e-business e require systems planning and systems analysis based on a broader view of organization 5.86 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

87 Internet Application Architecture: Today Browser authoring tools etc. Browser Client Tier HTTP HTTP Application messages WEB/APP Server Middle Tier Application Physical Middle Tier Data Integration, Storage, Query, Management Remote messages ORDBMS Gateways Other Data Sources Data Sources OLE/DB Data source 5.87 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

88 Internet Application Architecture: Future Browser XML enabled tools: authoring tools etc. Browser Client Tier XML XML WEB/APP Server Logical Middle Tier XML enabled Application Messages XML Database XML Integration & Query Server; Warehouse Server XML enabled ORDBMS XML XML XML documents on the Web XML XML Transformer & Gateway Other documents on the Web e.g. HTML, WORD Data Sources OLE/DB Data source 5.88 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

89 XML-enabled DBMS Συστήματα Πληροφοριών Διοίκησης DBMS Integrate with other facilities Generate XML Store XML Xml-enable the database system Store XML data/documents in the database server Querying and searching of structured and unstructured XML Generate XML data from the database server Add XML capabilities in supporting database facilities 5.89 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων

90 5.90 Δρ. Κωνσταντίνος Σιασιάκος ΑΤΕΙ Χαλκίδας / Σχολή Διοίκησης και Οικονομίας / Τμήμα Διοίκησης Επιχειρήσεων