Εισαγωγή στις Αποθήκες εδοµένων
|
|
- Μελαινη Βενιζέλος
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Εισαγωγή στις Αποθήκες εδοµένων ιαφάνειες βασισµένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Αποθήκες εδοµένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδοµένων µε Σ Β Σύστηµα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Ένα πλήρες σύστηµα που περιέχει εργαλεία για προγραµµατισµό εφαρµογών, εκτέλεση και διαχείριση των δοσοληψιών Μια τέτοια εφαρµογή πρέπει να δουλεύει συνεχώς, να αντεπεξέρχεται αποτυχιών, εξελίσσεται συνεχώς, είναι συνήθως κατανεµηµένη και περιλαµβάνει: Βάση εδοµένων ίκτυο Προγράµµατα εφαρµογής Εξαιρετικά κρίσιµη για τη λειτουργία κάθε οργανισµού Αποθήκες εδοµένων 2
2 Εισαγωγή: OLTP OLTP Αεροπορική Εταιρεία Κράτησε για γιατον κ. κ. Χ την τηνθέση 13Α 13Αγια γιαla! Κράτησε για γιατον κ. κ. Y την τηνθέση 13Α 13Αγια γιαla! 1... DB Πόσοι ταξιδεύουν για γιαla? 100 Αποθήκες εδοµένων 3 Εισαγωγή: OLTP OLTP Τράπεζα άνεια Γκισέ DB Πιστωτικές κάρτες ΑΤΜ Αποθήκες εδοµένων 4
3 Εισαγωγή: OLTP OLTP Βασικά Χαρακτηριστικά Ελάχιστοςχρόνοςδιαθέσιµος για την εκτέλεση µιας δοσοληψίας. Λιγότερες από 10 προσβάσεις δίσκου. Περιορισµένος αριθµός υπολογισµών. Κάτω όριο λειτουργικών απαιτήσεων: 100 on-line Transactions Per Second (TPS) σε µια Β της τάξης του 1 GB Άνω όριο λειτουργικών απαιτήσεων: TPS σε µια Β µεγαλύτερη του 1 ΤB. Αποθήκες εδοµένων 5 Εισαγωγή: OLΑP Συστήµατα Στήριξης Αποφάσεων Decision Support Systems (DSS) Υποβοήθηση λήψης αποφάσεων µε πληροφορίες και αναφορές On-Line Analytical Processing (OLAP) Ευέλικτη, υψηλής απόδοσης πρόσβαση και ανάλυση µεγάλου όγκου σύνθετων δεδοµένων από διαφορετικές εφαρµογές Ειδικού τύπου ερωτήσεις Οπτικοποίηση/στατιστική ανάλυση/πολυδιάστατη ανάλυση Εξόρυξη Γνώσης (Knowledge Discovery/Data Mining) Εξεύρεση προτύπων σε τεράστιες βάσεις δεδοµένων OLAP + Data Mining => On-line Analytical Mining Αποθήκες εδοµένων 6
4 Εισαγωγή: OLΑP Παραδείγµατα ερωτήσεων OLAP Ποιος ήταν ο όγκος πωλήσεων ανά περιοχή και κατηγορία προϊόντος την περασµένη χρονιά; Πόσο σχετίζονται οι αυξήσεις τιµών των υπολογιστών µε τα κέρδη τωνπωλήσεωντα10 τελευταία χρόνια; Ποια ήταν τα δέκα πρώτα καταστήµατα σε πωλήσεις CD; Πόσους δίσκους πουλήσαµε στην Πελοπόννησο το τελευταίο τέταρτο της περσινής χρονιάς σε καταστήµατα µε κατανάλωση µεγαλύτερη από 100 δίσκους µηνιαίως, και ποιο το κέρδος µας από αυτές τις πωλήσεις; Τι ποσοστό από τους πελάτες που αγοράζουν αναψυκτικά αγοράζουν και πατατάκια; Αποθήκες εδοµένων 7 Εισαγωγή: OLΑP Λειτουργικά Χαρακτηριστικά Απαιτήσεων OLAP Πρόσβαση σε µεγάλο όγκο δεδοµένων Συµµετοχή αθροιστικών και ιστορικών δεδοµένων σε πολύπλοκες ερωτήσεις Μεταβολή της «οπτικής γωνίας» παρουσίασης των δεδοµένων (π.χ., από πωλήσεις ανά περιοχή -> πωλήσεις ανά τµήµα κλπ.) Συµµετοχή πολύπλοκων υπολογισµών (π.χ. στατιστικές συναρτήσεις) Γρήγορη απάντηση σε οποιαδήποτε χρονική στιγµή τεθεί ένα ερώτηµα ( On-Line ). Πως θα το πετύχουµε; Αποθήκες εδοµένων 8
5 Εισαγωγή ύο κεντρικά θέµατα Απόδοση Αν µια πολύπλοκη OLAP ερώτηση χρειαστεί να κλειδώσει ένα ολόκληρο πίνακα, τότε όλες οι OLTP δοσοληψίες την περιµένουν µέχρι να τελειώσει Εννοιολογική διαφορά και ετερογένεια Αν στην Oracle Β του marketing ο πελάτης είναι EMP(ΑΤ,Name,Surname ) και στην COBOL Β των πωλήσεων είναι ΑΦΜ,FullName, η επερώτηση δεν είναι πάντα εύκολη... Αποθήκες εδοµένων 9 Εισαγωγή: Αποθήκη εδοµένων Αποθήκες εδοµένων Μια κεντρικοποιηµένη Β µε σκοπό: την ολοκλήρωση (integration) ετερογενών πηγών πληροφοριών (data sources) => συνάθροιση όλης της ενδιαφέρουσας πληροφορίας σε µία τοποθεσία την αποφυγή της σύγκρουσης µεταξύ OLTP και OLAP (DSS) συστηµάτων => απόδοση εφαρµογών και διαθεσιµότητα του συστήµατος Μπορεί να συµπληρώνεται και από εξειδικευµένα θεµατικά υποσύνολα (Data Marts) για περαιτέρω απόδοση των OLAP εφαρµογών Αποθήκες εδοµένων 10
6 Εισαγωγή: Αποθήκη εδοµένων Αποθήκες εδοµένων Μια Β υποστήριξης αποφάσεων, που διατηρείται χωριστά από την Β παραγωγής (operational database) ενός οργανισµού. S. Chaudhuri, U. Dayal, VLDB 96 tutorial Μια συλλογή δεδοµένων που χρησιµοποιείται κυρίως για την λήψη αποφάσεων σε ένα οργανισµό, και είναι θεµατικά προσανατολισµένη, έχει ολοκληρωµένα (ενοποιηµένα) δεδοµένα, τα οποία διατηρούνται σε βάθος χρόνου χωρίς να διαγράφονται. W.H. Inmon, Building the Data Warehouse, 1992 (ο εφευρέτης του όρου) Αποθήκες εδοµένων 11 Εισαγωγή: Αποθήκη εδοµένων Γενική Αρχιτεκτονική Πηγή εδοµένων DW Data Marts OLTP συστήµατα OLAP εργαλεία Αποθήκες εδοµένων 12
7 Εισαγωγή: Αποθήκη εδοµένων Εννοιολογική εναρµόνιση Προτερήµατα/Ιδιότητες Οι διαφορετικές πηγές δεδοµένων του ίδιου οργανισµού, µοντελοποιούν τις ίδιες οντότητες µε διαφορετικούς τρόπους Η Αποθήκη εδοµένων περιλαµβάνει το σύνολο αυτών των δεδοµένων κάτω από ένα εναρµονισµένο σχήµα βάσης Ποιότητα εδοµένων Η ποιότητα των δεδοµένων στις πηγές είναι συχνά προβληµατική (τα δεδοµένα µπορεί να µην είναι πλήρη, να έχουν ασυνέπειες, να είναι παλιά, να παραβιάζουν τους λογικούς και δοµικούς κανόνες αξιοπιστίας, κλπ) Έχει βρεθεί ότι τουλάχιστο 10% των δεδοµένων είναι προβληµατικά στις πηγές, µε αποτέλεσµα οικονoµικές απώλειες του 25-40% Πριν την εισαγωγή στις αποθήκες δεδοµένων καθαρισµός, επίσης λειτουργεί και ως ένα ενδιάµεσο σύστηµα στον οποίο καθαρίζουµε τα δεδοµένα Αποθήκες εδοµένων 13 Εισαγωγή: Αποθήκη εδοµένων Προτερήµατα/Ιδιότητες Απόδοση Οι εφαρµογές OLAP επιταχύνονται αν τα δεδοµένα οργανωθούν µε µη παραδοσιακούς τρόπους (π.χ., απο-κανονικοποιηµένα) Σ Β για OLTP (ευρετήρια, επεξεργασία δοσοληψιών) Οι σύνθετες OLAP ερωτήσεις θα συγκρούονταν µε τις παραδοσιακές OLTP δοσοληψίες, µε αποτέλεσµα την υπερφόρτωση του συστήµατος Θεµατικά προσανατολισµένη: ιατήρηση µόνο των σχετικών δεδοµένων ιαθεσιµότητα Όσο περισσότερα αντίγραφα των δεδοµένων, τόσο πιο πολύ το σύστηµα είναι διαθέσιµο*, αφενός στην Αποθήκη εδοµένων και αφετέρου στις πηγές * ιαθεσιµότητα: το ποσοστό του χρόνου που το σύστηµα είναι σε λειτουργία και προσβάσιµο στις εφαρµογές. 24x7: Οι OLTP εφαρµογές, σε πολλούς οργανισµούς πρέπει να είναι διαθέσιµες 24 ώρες Χ 7 µέρες τη βδοµάδα (π.χ., τράπεζες, αεροπορικές εταιρείες,...) Αποθήκες εδοµένων 14
8 Εισαγωγή: Αποθήκη εδοµένων Προτερήµατα/Ιδιότητες Ιστορικά εδοµένα Ο χρονικός ορίζοντας µια αποθήκης δεδοµένων είναι πολύ µεγαλύτερος από ότι ενός συστήµατος σε λειτουργία Η Β έχει τα τωρινά δεδοµένα ενώ οι αποθήκες διατηρούν και παλιά δεδοµένα (πχ τα προηγούµενα 5-10 χρόνια) Τροποποιήσεις Οι τροποποιήσεις στις πηγές δεδοµένων δεν φαίνονται άµεσα στις αποθήκες δεδοµένων, συνήθως περιοδικά Μόνο δύο βασικές λειτουργίες: αρχικό φόρτωµα των δεδοµένων (loading) και προσπέλαση δεδοµένων (access) Αποθήκες εδοµένων 15 Εισαγωγή: Αποθήκη εδοµένων OLTP vs OLAP OLTP OLAP οµή Files/DBMS s RDBMS Πρόσβαση SQL/COBOL/ SQL + επεκτάσεις Ανάγκες που Αυτοµατισµός Άντληση και καλύπτουν καθηµερινών επεξεργασία πληροφ. εργασιών για χάραξη στρατηγικής Τύπος εδοµένων Λεπτοµερή Συνοπτικά, Αθροιστικά Λειτουργικά Όγκος εδοµένων ~ 100 GB ~ 1 TB Φύση εδοµένων υναµικά, Τρέχοντα Στατικά, Ιστορικά Αποθήκες εδοµένων 16
9 Εισαγωγή: Αποθήκη εδοµένων OLTP vs OLAP OLTP OLAP I/O Τύποι Περιορισµένο I/O Εκτεταµένο I/Os Συχνά disk seeks disk scans Τροποποιήσεις Συνεχείς Περιοδικές Ενηµερώσεις Μέτρηση Απόδοσης Throughput Χρόνος Απόκρισης Φόρτος οσοληψίες µε Ερωτήσεις που πρόσβαση λίγων σαρώνουν εγγραφών εκατοµµύρια εγγραφών Σχεδίαση Β Κατευθυνόµενη Κατευθυνόµενη από Εφαρµογή από Περιεχόµενο Αποθήκες εδοµένων 17 Εισαγωγή: Αποθήκη εδοµένων OLTP vs OLAP OLTP OLAP Τυπικοί Χρήστες Χαµηλόβαθµοι Υπ. Υψηλόβαθµοι Υπ. Χρήση Μέσω Ad-hoc προκατασκευασµένων φορµών Αριθµός Χρηστών Χιλιάδες εκάδες Εστίαση Εισαγωγή Εξαγωγή εδοµένων Πληροφοριών Αποθήκες εδοµένων 18
10 Μοντέλο εδοµένων και Λειτουργίες Αποθήκες εδοµένων 19 Με λίγα λόγια Μια αποθήκη δεδοµένων βασίζεται σε ένα πολυδιάστατο µοντέλο δεδοµένων (multidimensional data model) που αναπαριστά τα δεδοµένα µε τη µορφή ενός κύβου δεδοµένων (data cube) Ένας κύβος δεδοµένων (data cube) επιτρέπει την µοντελοποίηση και την θεώρηση των δεδοµένων από πολλές οπτικές γωνίες ιαστάσεις (dimensions)- Για συγκεκριµένες τιµές στις διαστάσεις µια Μέτρηση (Measure) αυτό που µας ενδιαφέρει να µετρήσουµε Item ιαστάσεις Location Time Εισαγωγή Παράδειγµα Κύβος ΠΩΛΗΣΕΙΣ Μέτρηση: Αριθµός Πωλήσεων για τις συγκεκριµένες διαστάσεις (Location, Item, Time) Αποθήκες εδοµένων 20
11 Ιεραρχίες ιαστάσεων Εννοιολογική Ιεραρχία Κάθε διάσταση παίρνει τιµές από διαφορετικά επίπεδα, µπορεί να εκφραστεί σε διαφορετικά επίπεδα λεπτοµέρειας ιαστάσεις: Product, Region, Date Ιεραρχίες διαστάσεων: Industry Country Year Location Κύβος ΠΩΛΗΣΕΙΣ Category Region Quarter Item Product City Month Week Time Store Day Μέτρηση: Αριθµός Πωλήσεων για τις συγκεκριµένες διαστάσεις (Location, Item, Time) Αποθήκες εδοµένων 21 Εννοιολογική Ιεραρχία all Παράδειγµα: Εννοιολογική ιεραρχία (Concept Hierarchy) για Location all region Europe... North_America country Germany... Spain Canada... Mexico city Frankfurt... Vancouver... Toronto office Πεδίο Τιµών L. Chan... M. Wind Αντίστοιχες Τιµές Αποθήκες εδοµένων 22
12 Εννοιολογικό Μοντέλο Μοντέλο εδοµένων (Σχήµα) Σε σχεσιακό µοντέλο Πίνακες ιαστάσεων Πίνακας µε πληροφορία σχετικά µε κάθε διάσταση Ιtem (item_name, brand, type), Τime(day, week, month, quarter, year) Πίνακας γεγονότων (Fact Table) έχει ως γνωρίσµατα: τις µετρήσεις (πχ αριθµός πωλήσεων, τιµή σε δολάρια, κλπ) + το πρωτεύον κλειδί κάθε σχετικού πίνακα διαστάσεων Σχήµα Αστέρι(Star schema) Πίνακας γεγονότων στο κέντρο που συνδέεται µε ένα σύνολο από πίνακες διαστάσεων Αποθήκες εδοµένων 23 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Παράδειγµα Σχήµατος Αστεριού Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city state_or_province country 4 διαστάσεις (time, item, location, branch) Αποθήκες εδοµένων 24
13 Εννοιολογικό Μοντέλο Παράδειγµα Σχήµατος Αστεριού Αποθήκες εδοµένων 25 Εννοιολογικό Μοντέλο Σχήµα Νιφάδας (Snowflake schema) Μια βελτίωση του σχήµατος αστέρι όπου η ιεραρχία διαστάσεων κανονικοποιείται σε ένα σύνολο από µικρότερους πίνακες διαστάσεων Αποθήκες εδοµένων 26
14 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Παράδειγµα Σχήµατος Νιφάδας Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_key location location_key street city_key supplier supplier_key supplier_type city city_key city state_or_province country Αποθήκες εδοµένων 27 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Μετρήσεις Παράδειγµα Σχήµατος Νιφάδας Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city province_or_state country Πίνακας Γεγονότων ΑΠΟΣΤΟΛΗ time_key item_key shipper_key from_location to_location dollars_cost units_shipped shipper shipper_key shipper_name location_key shipper_type Αποθήκες εδοµένων 28
15 Κύβος εδοµένων Ορολογία Συχνά ο n-d κύβος λέγεται βασικός κυβοειδής (base cuboid). Στο παράδειγµα ο κύβος µε τις τέσσερεις διαστάσεις (Item, Time, Branch, Location) O 0-D cuboid που περιέχει τη µεγαλύτερο επίπεδο περίληψης, apex cuboid. Το πλέγµα των κυβοειδών κύβος δεδοµένων. Αποθήκες εδοµένων 29 Κύβος εδοµένων Πλέγµα Κυβοειδών Κύβος δεδοµένων all 0-D(apex) cuboid time item location supplier 1-D cuboids time, item time, location item, location location, supplier time, supplier item, supplier 2-D cuboids time, location, supplier 3-D cuboids time, item, location time, item, supplier item, location, supplier time, item, location, supplier 4-D(base) cuboid Αποθήκες εδοµένων 30
16 Παράδειγµα Ιεραρχιών Αποθήκες εδοµένων 31 Οπτικοποίηση Κύβου Αποθήκες εδοµένων 32
17 Μετρήσεις - Συναθροίσεις Υπάρχουν τρεις κατηγορίες µετρήσεων: Κατανεµηµένες (Distributive): αν µπορούµε ναδιαµερίσουµε ταδεδοµένα και να υπολογίσουµε τη συναθροιστική συνάρτηση σε κάθε διαµέριση ξεχωριστά και σχεδόν άµεσα από αυτές τις τιµές να υπολογίσουµε την ολική τιµή Πχ count(), sum(), min(), max() Αλγεβρικές (Algebraic): πάλι µπορούµε να υπολογίσουµε τηνολικήτιµή της συνάρτησης από τις τιµές της συνάρτησης στις διαµερίσεις χρησιµοποιώντας M γνωρίσµατα (όπου M σταθερά), Πχ. avg(), min_n(), standard_deviation() Ολιστικές (Holistic): δεν υπάρχει όριο (πολυπλοκότητα) σταθερής τάξης για το χώρο αποθήκευσης που χρειαζόµαστε για τον υπολογισµό της ολικής τιµής από τις τιµές στις διαµερίσεις, Πχ. median(), mode(), rank() Αποθήκες εδοµένων 33 Μετρήσεις - Συναθροίσεις Εκτός από τις λεπτοµερείς πληροφορίες των fact tables, µπορεί να υπολογίσουµε και συναθροίσεις των δεδοµένων για καλύτερους χρόνους απόκρισης. Για παράδειγµα, αν ο fact table είναι SALES(GeographyCode, ProductCode, TimeCode, AccountCode, Amount, Unit) µπορούµε να υπολογίσουµε AVG(Sales) ανά Region, Product, Quarter MAX(Sales) ανά Brand,Month, µε Region = Europe SUM(Sales) ανά City Αποθήκες εδοµένων 34
18 Βασικές Πράξεις Παράδειγµα TV PC VCR sum Product Date 1Qtr 2Qtr 3Qtr 4Qtr sum Total annual sales of TV in U.S.A. U.S.A Canada Mexico Country sum Αποθήκες εδοµένων 35 Συναθροίσεις εδοµένων Χωριστός πίνακας/όψη αθροισµάτων Sales table RID City Amount 1 Athens $100 2 N.Y. $300 3 Rome $120 4 Athens $250 5 Rome $180 6 Rome $65 7 N.Y. $450 City-dimension sum table City Amount Athens $350 N.Y. $750 Rome $365 Επέκταση του υπάρχοντος βασικού πίνακα: Ενσωµάτωση των αθροιστικών εγγραφών στον βασικό (base/basic) fact table + µια επιπλέον στήλη που να εξηγεί το επίπεδο συνάθροισης Extended Sales table sum RID City Amount Level 1 Athens $100 NULL 2 N.Y. $300 NULL 3 Rome $120 NULL 4 Athens $250 NULL 5 Rome $180 NULL 6 Rome $65 NULL 7 N.Y. $450 NULL 8 Athens $350 City 9 N.Y. $750 City 10 Rome $365 City Αποθήκες εδοµένων 36
19 Βασικές Αλγεβρικές Πράξεις Συναθροιστική Άνοδος (Roll up): συνάθροιση της πληροφορίας = µετάβαση από χαµηλότερο σε υψηλότερο επίπεδο αδροµέρειας (π.χ. από day σε month) Αναλυτική Κάθοδος (Drill down): το αντίστροφο του Roll up (π.χ month σε day) Οριζόντιος Τεµαχισµός (Slice): (σχεσιακή) επιλογή Κάθετος Τεµαχισµός (Dice): (σχεσιακή) προβολή Περιστροφή (Pivot): αναδιάταξη της 2D προβολής του πολυδιάστατου κύβου στην οθόνη Αποθήκες εδοµένων 37 Βασικές Αλγεβρικές Πράξεις Roll-up Η συναθροιστική άνοδος περιλαµβάνει τον υπολογισµό µίας συνολικής τιµής για µία θέση στην ιεραρχία µίας διάστασης δεδοµένων. Για παράδειγµα, µε ένα roll-up, οι πωλήσεις σε επίπεδο τοπικών µαγαζιών (Store) παράγουν τις συνολικές πωλήσεις σε επίπεδο πόλης (City) και αυτές µε τη σειρά τους µε ένα ακόµα roll-up παράγουν τις πωλήσεις σε επίπεδο περιοχής (Region). Industry Category Product Country Year Region Quarter City Month Week Store Day Αποθήκες εδοµένων 38
20 Βασικές Αλγεβρικές Πράξεις Roll-up (Παράδειγµα) Industry Country Year Category Region Quarter Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Χρόνος: Επίπεδο Quarter Product Year 1996 City Store Sales volume Products Electronics Toys Clothing Cosmetics Month Week Day Store1 Store2 $14,1 $2,65 $6,9 $2,6 Χρόνος: Επίπεδο Year $12,8 $1,8 $7,2 $1,6 SUM(Sales volumes) Αποθήκες εδοµένων 39 Βασικές Αλγεβρικές Πράξεις Drill-Down Ο χρήστης περνά από ένα ανώτερο επίπεδο µίας διάστασης που έχει συγκεντρωτικά δεδοµένα σε ένα χαµηλότερο επίπεδο µε πιολεπτοµερή δεδοµένα. Πρόκειται για την αντίστροφη πράξη του roll-up. Για παράδειγµα, κατά το drill down, ξεκινάµε από τις πωλήσεις ανά περιοχή (Region) και παίρνουµε τις αναλυτικές πωλήσεις ανά πόλη (City) και µετά τις πωλήσεις ανά κατάστηµα (Store). Industry Category Country Region Year Quarter Product City MonthWeek Store Day Αποθήκες εδοµένων 40
21 Βασικές Αλγεβρικές Πράξεις Drill-down (Παράδειγµα) Industry Category Country Region Year Quarter Product City Store Month Week Day Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 Item: Επίπεδο Industry $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Q1 Q2 Sales volume Electronics Store1 Store2 VCR Camcorder TV CD player VCR Camcorder TV CD player $1,4 $0,6 $2,0 $1,2 $2,4 $3,3 $2,2 $1,0 $1,4 $0,6 $2,4 $1,2 $2,4 $1,3 $2,5 $1,0 Item: Επίπεδο Category Αποθήκες εδοµένων 41 Βασικές Αλγεβρικές Πράξεις Περιστροφή (Pivot) Εναλλαγή των γραµµών και των στηλών του κύβου, όπως αυτός παρουσιάζεται στην οθόνη εν απαιτείται κανένας νέος υπολογισµός στη Β Αποθήκες εδοµένων 42
22 Βασικές Αλγεβρικές Πράξεις Pivot (Παράδειγµα) Sales volume Sales volume Q1 Q2 Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Store 1 Store 2 Products Q1 Q2 Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics $5,2 $1,9 $2,3 $1,1 $5,6 $1,4 $2,6 $1,1 $8,9 $0,75 $4,6 $1,5 $7,2 $0,4 $4,6 $0,5 Εναλλαγή γραµµών και στηλών Αποθήκες εδοµένων 43 Βασικές Αλγεβρικές Πράξεις Οριζόντιος (slice) και Κάθετος (dice) Τεµαχισµός Slice : Επιλογή συγκεκριµένων τιµών σε κάποια διάσταση (select) Π.χ., διώξε το Store 2 από τα καταστήµατα και τις βιοµηχανίες Clothing και Cosmetics Dicing : Σβήσιµο µιας ολόκληρης διάστασης (project) Π.χ., από ένα κύβο πωλήσεων ανά προϊόν, ηµεροµηνία και περιοχή, να δειχθεί ο µέσος όρος πωλήσεων ανά προϊόν και ηµεροµηνία. Αποθήκες εδοµένων 44
23 Βασικές Αλγεβρικές Πράξεις Slice&Dice (Παράδειγµα) Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Q1 Q2 Sales volume Products Electronics Toys Electronics Toys Store1 $5,2 $1,9 $8,9 $0,75 ιώξε το Store 2 και τις βιοµηχανίες Clothing & Cosmetics Αποθήκες εδοµένων 45 location (cities) Toronto 395 Vancouver time (quarters) Q1 Q2 605 computer home entertainment item (types) dice for (location = Toronto or Vancouver ) and (time = Q1 or Q2 ) and (item = home entertainment or computer ) location (countries) USA 2000 Canada time (quarters) roll-up on location (from cities to countries) Q Q2 Q3 Q4 computer security home phone entertainment item (types) Fig Typical OLAP Operations location (cities) item (types) Chicago New York Toronto Vancouver home entertainment computer phone security computer home entertainment phone item (types) Chicago pivot New York security Toronto location (cities) Vancouver Chicago 440 New York Toronto Vancouver Q Q2 Q3 Q4 slice computer security for time = Q1 home phone entertainment location (cities) time (quarters) item (types) time (months) Vancouver January February March April May June July August September October November December location (cities) drill-down on time (from quarters to months) Chicago New York Toronto computer security home phone entertainment Αποθήκες εδοµένων item (types)
24 Βασικές Αλγεβρικές Πράξεις Τελεστής Rollup group by rollup product, store, city group by product, store, city group by store, city group by city Rollup & Cube Τελεστής Cube για όλους τους δυνατούς συνδυασµούς group by cube product, store, city group by κάθε υποσύνολο του {product, store, city}, ανεξάρτητα από τη σειρά που έδωσα στις στήλες αυτές στην εντολή Το αποτέλεσµα των τελεστών δεν παράγει πολλούς µικρούς πίνακες, αλλά έναν πίνακα µε εγγραφές µε NULL όπου δεν αντιστοιχεί τιµή Αποθήκες εδοµένων 47 Τελεστές Rollup και Cube Aggregate Sum RED WHITE BLUE Jim Gray Adam Bosworth Andrew Layman Microsoft Group By (with total) By Color Sum RED WHITE BLUE By Make Hamid Pirahesh IBM Cross Tab Chevy Ford By Color select color, make, year, sum(units) from car_sales where make in { chevy, ford } and year between 1990 and 1994 group by cube color, make, year having sum(units) > 0; Sum By Make & Year By Year FORD CHEVY By Color & Year Sum By Color 1993 By Make RED WHITE BLUE By Make & Color Αποθήκες εδοµένων 48
25 Αρχιτεκτονική Αποθήκες εδοµένων 49 Αρχιτεκτονική Μετασχηµατισµοί (Back-End) Front-End DW Πηγή εδοµένων OLTP συστήµατα Data Marts OLAP εργαλεία Αποθήκες εδοµένων 50
26 Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Άλλες πηγές Metadata Monitor & Integrator OLAP Server Β σε λειτουργία Extract Transform Load Refresh Αποθήκη εδοµένων Serve Analysis Query Reports Data mining Data Marts Πηγές εδοµένων Αποθήκευση εδοµένων Μηχανή OLAP Front-End Εργαλεία Αποθήκες εδοµένων 51 Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Άλλες πηγές Metadata Monitor & Integrator OLAP Server Β σε λειτουργία Extract Transform Load Refresh DSA Αποθήκη εδοµένων Serve Analysis Query Reports Data mining Data Marts Πηγές εδοµένων Αποθήκευση εδοµένων Μηχανή OLAP Front-End Εργαλεία Αποθήκες εδοµένων 52
27 Αρχιτεκτονικές Μονάδες Sources (Πηγές): Κάθε πηγή από την οποία η Αποθήκη εδοµένων αντλεί δεδοµένα. {Data Staging Area (DSA): Μια Β στην οποία εκτελούνται οι µετασχηµατισµοί και ο καθαρισµός των δεδοµένων πριν την φόρτωση στην Αποθήκη εδοµένων} Αποθήκη εδοµένων (DW), Συλλογές εδοµένων : Τα συστήµατα που αποθηκεύονται τα δεδοµένα που παρέχονται προς τους χρήστες. Data Marts: υποσύνολα της αποθήκης Βάση Μετα- εδοµένων (Metadata Repository): Το υποσύστηµα αποθήκευσης πληροφορίας σχετικά µε τη δοµή και λειτουργία όλου του συστήµατος. Αποθήκες εδοµένων 53 Λεξικό Μεταπληροφορίας Τα µετα-δεδοµένα είναι τα δεδοµένα που ορίζουν τα αντικείµενα της αποθήκης δεδοµένων. Περιέχουν Περιγραφή της δοµής της αποθήκης δεδοµένων Σχήµα, όψεις, διαστάσεις, ιεραρχίες, την τοποθεσία των data mart και το περιεχόµενο τους, κλπ Λειτουργικά µεταδεδοµένα data lineage (την ιστορία των δεδοµένων που µεταφέρθηκαν και ποιοι µετασχηµατισµοί χρησιµοποιήθηκαν), στοιχεία για το πόσο ενηµερωµένα/πρόσφατα είναι, πληροφορία επίβλεψης (monitoring) για τη λειτουργία της αποθήκης (στατιστικά στοιχεία λειτουργίας, error reports, audit trails) Τους αλγορίθµους που χρησιµοποιηθήκαν για τις περιλήψεις Την απεικόνιση του λειτουργικού περιβάλλοντος στην αποθήκη δεδοµένων εδοµένα σχετικά µε την απόδοση του συστήµατος Business data Πολιτικές χρέωσης, ιδιοκτησίας δεδοµένων, κλπ Αποθήκες εδοµένων 54
28 Αρχιτεκτονική: Μετασχηµατισµοί Back-End Εργαλεία ETL (Extract-Transform-Load) εφαρµογές: Εφαρµογές που εκτελούν τις διαδικασίες Εξαγωγής, µεταφοράς, µετασχηµατισµού, καθαρισµού και φόρτωσης των δεδοµένων από τις πηγές στην Αποθήκη εδοµένων. Front-End Εργαλεία Εφαρµογές Ανάλυσης: Εφαρµογές παραγωγής αναφορών, OLAP, DSS, Data Mining Αποθήκες εδοµένων 55 Μετασχηµατισµοί Back-End Εργαλεία Data extraction Φέρε δεδοµένα από πολλαπλές, ετερογενείς και εξωτερικές πηγές Data cleaning Εντοπισµός λαθών στα δεδοµένα και διόρθωση τους όταν είναι δυνατόν Παραδείγµατα: εδοµένα που παραβιάζουν τους κανόνες της βάσης: διπλοεγγραφές, παραβιάσεις πρωτεύοντος ή ξένου κλειδιού, τιµές εκτός ορίων, παραβιάσεις λογικών κανόνων, κλπ Συνώνυµα και συγκρούσεις Ελλιπή δεδοµένα Οµογενοποίηση κλειδιού Data transformation Μετατροπή των δεδοµένων από το τοπικό format στο format της αποθήκης Αποθήκες εδοµένων 56
29 Μετασχηµατισµοί Load Ταξινόµηση, δηµιουργία περίληψης, ενοποίηση (consolidate), υπολογισµός όψεων, έλεγχος integrity, δηµιουργία ευρετηρίων και διαµερίσεων Ηενηµέρωση / εισαγωγή δεδοµένων στην πράξη δε γίνεται µέσω SQL, συνήθως µέσω εργαλείων batch loading πουδιαθέτουνόλατασ Β Refresh Back-End Εργαλεία Μετέφερε τις τροποποιήσεις από τις πηγές δεδοµένων στην αποθήκη δεδοµένων Αποθήκες εδοµένων 57 Εργαλεία για την Υποστήριξη Αποφάσεων Front-End Εργαλεία Ad hoc ερωτήσεις και αναφορές Π.χ.,: MS Excel, Oracle Forms, OLAP pivot tables, drill down, roll up, slice, dice Data Mining Αποθήκες εδοµένων 58
Εισαγωγή στις Αποθήκες εδομένων
Εξόρυξη Δεδομένων: Ακ. Έτος 2007-2008 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων με Σ Β Σύστημα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Εισαγωγή στις Αποθήκες
Διαβάστε περισσότεραΕισαγωγή στις Αποθήκες εδομένων
Εισαγωγή στις Αποθήκες εδομένων ιαφάνειες βασισμένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Εξόρυξη Δεδομένων: Ακ. Έτος 2008-2009 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων
Διαβάστε περισσότεραΑποθήκες Δεδομένων. Αρχιτεκτονική, Μοντέλο Δεδομένων και Σχεδίαση
Αποθήκες Δεδομένων Αρχιτεκτονική, Μοντέλο Δεδομένων και Σχεδίαση Περιεχόμενα Αποθήκες Δεδομένων Ορισμοί και χαρακτηριστικά αποθηκών δεδομένων Διαφορές βάσεων και αποθηκών δεδομένων Μοντέλα αποθηκών δεδομένων
Διαβάστε περισσότεραΑποθήκες Δεδομένων. Αποθήκες και εξόρυξη δεδομένων 6 ο εξάμηνο
Αποθήκες Δεδομένων Αποθήκες και εξόρυξη δεδομένων 6 ο εξάμηνο Τι είναι Αποθήκες Δεδομένων? Αποθήκη Δεδομένων (Data Warehouse): Μία ΒΔ στήριξης αποφάσεων που διατηρείται ξεχωριστά από τη λειτουργική ΒΔ
Διαβάστε περισσότεραΆμεση Αναλυτική Επεξεργασία (OLAP)
1 Άμεση Αναλυτική Επεξεργασία (OLAP) 2 Περιεχόμενα Εφαρμογές στις Αποθήκες Δεδομένων Άμεση Αναλυτική Επεξεργασία (OLAP) Γεγονότα και Διαστάσεις Κύβοι και Ιεραρχίες διαστάσεων Πράξεις OLAP Αρχιτεκτονικές
Διαβάστε περισσότεραΆμεση Αναλυτική Επεξεργασία (OLAP)
Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (Online Analytical Processing - OLAP) Ανάλυση βασισμένη σε ένα κύβο OLAP Κύβος OLAP (OLAP Cube) Μια πολυδιάστατη
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 3: Αποθήκες Δεδομένων Μέρος Α Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΣυστήματα OLAP. Πασχάλης Θρήσκος, PhD Λάρισα
Συστήματα OLAP Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 «Τα συστήματα άμεσης αναλυτικής επεξεργασίας (OLTP) χρησιμοποιούνται για να απαντηθούν ερωτήματα πάνω σε πολυδιάστατα δεδομένα πολύ γρήγορα» Wikipedia
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
ΠΜΣ Πληροφορικής Πανεπιστηµίου Πειραιά Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης Τµήµα Πληροφορικής, Πανεπιστήµιο Πειραιά http://isl.cs.unipi.gr/db/courses/dm "Πυραµίδα"
Διαβάστε περισσότεραΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ -2
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚ. ΜΗΧ. ΚΑΙ ΜΗΧ. ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ -1 ΕΙΣΑΓΩΓΗ ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Οµάδα ιαχείρισης εδοµένων Εργαστήριο Πληροφοριακών Συστηµάτων http://isl.cs.unipi.gr/db
Διαβάστε περισσότεραData Cube. Μ.Χατζόπουλος 1
Data Cube Μ.Χατζόπουλος Μ.Χατζόπουλος 1 Ανάλυση εδοµένων Εξαγωγή συναθροιστικών δεδοµένων από µια βάση δεδοµένων Οπτικοποίηση των αποτελεσµάτων Μπορούνοιπαραδοσιακέςεπίπεδεςβάσειςδεδοµένων; Οι σχεσιακές
Διαβάστε περισσότεραData Warehouse Refreshment via ETL tools. Panos Vassiliadis
Data Warehouse Refreshment via ETL tools Panos Vassiliadis Data Warehouse Environment 2 Extract-Transform-Load (ETL) Extract Transform & Clean Load Sources DSA DW 3 Importance ETL market has a steady increase
Διαβάστε περισσότεραΑποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση
Αποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση Γιάννης Θεοδωρίδης InfoLab, Τμήμα Πληροφορικής, Πανεπιστήμιο Πειραιά http://infolab.cs.unipi.gr version: Nov.2009 Πηγές Το κύριο μέρος των διαφανειών προέρχεται
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική» Μεταπτυχιακή ιατριβή Τίτλος ιατριβής Ονοµατεπώνυµο Φοιτητή Πατρώνυµο Υλοποίηση Αποθήκης Μεταναστευτικών εδοµένων OLAP
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής. Αποθήκες εδοµένων και Εξόρυξη Γνώσης. (Data Warehousing & Data Mining) Γιάννης Θεοδωρίδης, Νίκος Πελέκης
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Εργαστήριο Πληροφοριακών Συστηµάτων http://infolab.cs.unipi.gr
Διαβάστε περισσότεραΑΝΑΣΚΟΠΗΣΗ. Αποθήκες και Εξόρυξη Δεδομένων
ΑΝΑΣΚΟΠΗΣΗ Αποθήκες και Εξόρυξη Δεδομένων Η διαδικασίας της ανακάλυψης γνώσης Knowledge Discovery (KDD) Process Εξόρυξη δεδομένων- πυρήνας της διαδικασίας ανακάλυψης γνώσης Pattern Evaluation Task- relevant
Διαβάστε περισσότεραΒάσεις Δεδομένων ΙΙ. Διάλεξη 7 η Aποθήκες Δεδομένων και OLAP (On-line Analytical Processing)
Βάσεις Δεδομένων ΙΙ Διάλεξη 7 η Aποθήκες Δεδομένων και OLAP (On-line Analytical Processing) Δ. Χριστοδουλάκης - Α. Φωκά Τμήμα Μηχανικών Η/Υ & Πληροφορικής - Εαρινό Εξάμηνο 2007 Εισαγωγή Παραδοσιακές ΒΔ
Διαβάστε περισσότεραCopyright 2007 Ramez Elmasri and Shamkant B. Navathe, Ελληνική Έκδοση, ίαυλος ιαφάνεια 29-1
ιαφάνεια 29-1 Εφαρµογές Βάσεων εδοµένων ΠΜΣ 510 ευτέρα 6-9 Αίθουσα Α Ώρες Γραφείου ευτέρα 5-6 (και οποιαδήποτε άλλη ώρα είµαι στο γραφείο ικτυακός τόπος www.di.uoa.gr/~pms510 Ύλη Αποθήκες δεδοµένων Εξόρυξη
Διαβάστε περισσότεραΕξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Αριστομένης Μακρής
Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Τεχνολογίες Υποστήριξης Λήψης Διοικητικών Αποφάσεων OLTP (On Line Transaction Processing) Επιχειρηματικές Εφαρμογές (Σχεσιακές
Διαβάστε περισσότεραΟλοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας
e.nfo Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας Εξασφάλιση της εξειδικευµένης λύσης business intelligence για κάθε επιχείρηση πελάτης Τράπεζα Πειραιώς
Διαβάστε περισσότεραΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ. Παρουσίαση 2 ο μέρος:
ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ Παρουσίαση 2 ο μέρος: Λήψη αποφάσεων Η λήψη αποφάσεων αποτελεί κεντρική δραστηριότητα σε όλα τα επίπεδα λειτουργίας μιας επιχείρησης, από τον σχεδιασμό δράσεων,
Διαβάστε περισσότεραΑνάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking)
ΒΔ για Λήψη Αποφάσεων Ανάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking) Οργάνωση ιστορικής πληροφορίας σε Αποθήκες Δεδομένων (Data
Διαβάστε περισσότεραΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Λήψη απόφασης, Συστήματα Υποστήριξης Αποφάσεων, OLAP Ανάλυση, Περιβαλλοντική Εκπαίδευση ΕΙΣΑΓΩΓΗ
Η Αναλυτική Επεξεργασία Δεδομένων (On Line Analytical Processing) στην Υποστήριξη Αποφάσεων των Υπευθύνων Περιβαλλοντικής Εκπαίδευσης των Διευθύνσεων Εκπαίδευσης Γιώργος Ραβασόπουλος 1, Ιωάννα Παπαιωάννου
Διαβάστε περισσότεραΑντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα
Εισαγωγή 1 Ζήτω οι Βάσεις εδοµένων!! Αντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα Μοντελοποίηση Αποθήκευση Επεξεργασία (εύρεση πληροφορίας σχετικής µε µια συγκεκριµένη ερώτηση) Σωστή Λειτουργία
Διαβάστε περισσότερα«Χωροχρονικές Αποθήκες εδοµένων και η Εφαρµογή τους στην Περίπτωση της Αγοράς Ακινήτων»
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ «Χωροχρονικές Αποθήκες εδοµένων και η Εφαρµογή τους στην Περίπτωση της Αγοράς Ακινήτων» Μιχάλης Βαζιργιάννης Συνεργάτες:. Ξηνταρα, Α. Στέφου, Θ. Ασηµίνα,
Διαβάστε περισσότεραΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Πτυχιακή Εργασία Οι τεχνολογίες OLAP και Data warehousing Του φοιτητή: Δαραβίγκα Δημήτριου Αρ. Μητρώου: 05/2933 Επιβλέπων
Διαβάστε περισσότερα1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Τα δεδομένα που θα επεξεργασθούμε στη διάρκεια του εργαστηρίου παραχωρήθηκαν από την εταιρεία ICAP ειδικά για τις ανάγκες του μαθήματος. Τα δεδομένα αυτά αντλήθηκαν από την
Διαβάστε περισσότερα4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ
4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ Στο προηγούμενο εργαστήριο είδαμε πώς μπορούμε να αντλήσουμε πληροφορίες από μια σχεσιακή βάση δεδομένων με τη βοήθεια των ερωτημάτων (queries). Το μειονέκτημα
Διαβάστε περισσότεραΕπισκόπηση Μαθήµατος
Βάσεις εδοµένων 5 ο Εξάµηνο ηµήτρης Λέκκας Επίκουρος Καθηγητής dlekkas@env.aegean.gr Τµήµα Στατιστικής & Αναλογιστικών-Χρηµατοοικονοµικών Μαθηµατικών Επισκόπηση Μαθήµατος Εισαγωγή (Σ Β ) Το µοντέλο σχέσεων
Διαβάστε περισσότεραOrchid: Integrating Schema Mapping and ETL ICDE 2008
Orchid: Integrating Schema Mapping and ETL ICDE 2008 Δομουχτσίδης Παναγιώτης Γενικά Data warehouse (DW): Είναι μία αποθήκη πληροφοριών οργανωμένη από ένα ενοποιημένο μοντέλο. Τα δεδομένα συλλέγονται από
Διαβάστε περισσότεραΥποστήριξη Αποφάσεων. Γεώργιος Ευαγγελίδης. (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων»)
Υποστήριξη Αποφάσεων Γεώργιος Ευαγγελίδης (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων») Εισαγωγικά Οι επιχειρήσεις θέλουν να μπορούν να αναλύουν τα δεδομένα τους. Γιατί;
Διαβάστε περισσότεραBusiness Development, SAP Hellas 01/12/2007
Επιχειρηµατική Ευφυΐα Απότηνιδέαστηνπράξη Παναγιώτης Θεοφάνους Business Development, SAP Hellas 01/12/2007 Περιεχόµενα 1. SAP Εταιρικόπροφίλ 2. Επιχειρηµατική Ευφυΐα - Η ανάγκη 3. SAP Business Intelligence
Διαβάστε περισσότεραPROJECT ΕΡΓΑΣΤΗΡΙΩΝ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ Ι. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Παραδοτέα 1. Το αρχείο.mdb της βάσης δεδομένων σας σε ACCESS 2. Ένα CD που θα αναγράφει το ονοματεπώνυμο του σπουδαστή και το ΑΕΜ και θα περιέχει το αρχείο.mdb της βάσης δεδομένων καθώς και το εγχειρίδιο
Διαβάστε περισσότεραΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΖΩΓΡΑΦΟΥ , ΑΘΗΝΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΖΩΓΡΑΦΟΥ 157 73, ΑΘΗΝΑ ΕΣΒΓ - ΙΠΛ-Έτος-ID 20 Ιουνίου 2003 ΤΙΤΛΟΣ (ΤΟΜΟΣ
Διαβάστε περισσότεραΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ Σ. ΛΙΓΟΥ ΙΣΤΙΑΝΟΣ
ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ 195 ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ Σ. ΛΙΓΟΥ ΙΣΤΙΑΝΟΣ 8.1 ΓΕΝΙΚΑ Από τα µέσα της δεκαετίας του '70, η αλµατώδης παραγωγή πολύ ισχυρών συστηµάτων διαχείρισης βάσεων δεδοµένων βοήθησε στην ανάπτυξη πληροφοριακών
Διαβάστε περισσότερα4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων
4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων Σύνοψη Οι σύγχρονες επιχειρήσεις κατακλύζονται από ένα πακτωλό δεδομένων, τα οποία προέρχονται από εσωτερικές και εξωτερικές πηγές. Τα δεδομένα αυτά, αν και
Διαβάστε περισσότεραΜοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων. Πασχάλης Θρήσκος, PhD Λάρισα
Μοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 Βασικά βήματα διαχείρισης ενός DW έργου The DW Lifecycle Toolkit Μοντέλο διαστάσεων (Dimensional Modelling) Τεχνική
Διαβάστε περισσότεραΒάσεις εδοµένων. Βασίλειος Βεσκούκης, Εµµ. Στεφανάκης ΣΥΣΤΗΜΑΤΑ ΙΑΧΕΙΡΙΣΗΣ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Αγρονόµων Τοπογράφων Μηχανικών Βάσεις εδοµένων Βασίλειος Βεσκούκης, Εµµ. Στεφανάκης v.vescoukis@cs.ntua.gr ΣΥΣΤΗΜΑΤΑ ΙΑΧΕΙΡΙΣΗΣ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ Συστήµατα ιαχείρισης Βάσεων
Διαβάστε περισσότεραΣχεσιακό Μοντέλο (Γρήγορη επανάληψη) Πασχάλης Θρήσκος PhD Λάρισα
Σχεσιακό Μοντέλο (Γρήγορη επανάληψη) Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr Σχεσιακές Βάσεις Δεδομένων Ορισμός : Τα δεδομένα αποθηκεύονται σε πίνακες που σχετίζονται μεταξύ τους με κοινά
Διαβάστε περισσότεραQuery-by-Example (QBE)
Φροντιστήριο 8 o Χειµερινό Εξάµηνο 2009-10 Τµήµα Μηχανικών Η/Υ και Πληροφορικής Πολυτεχνική Σχολή, Πανεπιστήµιο Πατρών Πέµπτη, 3 εκεµβρίου 2009 Τι είναι η QBE; Γλώσσα επερωτήσεων σε σχεσιακές ϐάσεις δεδοµένων
Διαβάστε περισσότεραΓενικό πλαίσιο. Απαιτήσεις Μοντέλο εδοµένων. MinusXLRequirements. Απόστολος Ζάρρας http://www.cs.uoi.gr/~zarras/se.htm
MinusXLRequirements Απόστολος Ζάρρας http://www.cs.uoi.gr/~zarras/se.htm Γενικό πλαίσιο Μια από τις πιο γνωστές και ευρέως διαδεδομένες εμπορικές εφαρμογές για τη διαχείριση λογιστικών φύλλων είναι το
Διαβάστε περισσότεραΟρισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Ορισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Βάσεις εδοµένων 2011-2012 Ευαγγελία Πιτουρά 1 Εισαγωγή Μοντελοποίηση Στα προηγούµενα µαθήµατα: Εννοιολογικός Σχεδιασµός Βάσεων Δεδοµένων (µε
Διαβάστε περισσότερα11.1. Θεωρητικό υπόβαθρο για τους κύβους δεδομένων και την πολυδιάστατη ανάλυση
Κεφάλαιο 11. Αποθήκες και κύβοι δεδομένων Σύνοψη Σ αυτό το κεφάλαιο θα παρουσιάσουμε τη δημιουργία μιας αποθήκης δεδομένων ή, αλλιώς, ενός κύβου δεδομένων. Ο κύβος είναι μια πολυδιάστατη δομή δεδομένων
Διαβάστε περισσότεραΤίτλος Πακέτου Certified Computer Expert-ACTA
Κωδικός Πακέτου ACTA - CCE - 002 Τίτλος Πακέτου Certified Computer Expert-ACTA Εκπαιδευτικές Ενότητες Επεξεργασία Κειμένου - Word Δημιουργία Εγγράφου Προχωρημένες τεχνικές επεξεργασίας κειμένου & αρχείων
Διαβάστε περισσότεραΠροηγμένα Πληροφοριακά Συστήματα. Ακαδημαϊκό Έτος
Προηγμένα Πληροφοριακά Συστήματα Ακαδημαϊκό Έτος 2016-2017 Ομάδα: 1. Κανούτος Κωνσταντίνος ΑΜ: 5775 2. Καραχάλιος Αθανάσιος ΑΜ: 5784 3. Κυριακού Ανδρόνικος ΑΜ: 5806 4. Ντενέζος Παναγιώτης ΑΜ: 5853 5. Παρασκευόπουλος
Διαβάστε περισσότεραDatabase System Concepts and Architecture (Αρχιτεκτονική, οµές, και Μοντέλα)
Database System Concepts and Architecture (Αρχιτεκτονική, οµές, και Μοντέλα) Μοντέλα, οµές (Σχήµα) και Αντιπρόσωποι (Data Models, Schema, and Instances) DBMS αρχιτεκτονική ιάφοροι τύποι γλωσσών και διεπαφές
Διαβάστε περισσότεραCertified Data Base Designer (CDBD)
Certified Data Base Designer (CDBD) Εξεταστέα Ύλη (Syllabus) Πνευµατικά ικαιώµατα Το παρόν είναι πνευµατική ιδιοκτησία της ACTA Α.Ε. και προστατεύεται από την Ελληνική και Ευρωπαϊκή νοµοθεσία που αφορά
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική»
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική» Μεταπτυχιακή ιατριβή Τίτλος ιατριβής Ονοµατεπώνυµο Φοιτητή Πατρώνυµο Συλλογή, ιασταύρωση, ιαχείριση και Επιχειρησιακή
Διαβάστε περισσότεραΣχεδιασμός Βάσεων Δεδομένων
Πανεπιστήμιο Πειραιώς Τμήμα Ψηφιακών Συστημάτων Σχεδιασμός Βάσεων Δεδομένων Εργαστήριο 4 Δρ. Βασιλική Κούφη Περιεχόμενα Υλοποίηση Βάσεως Δεδομένων Εκτέλεση ερωτημάτων SQL στην Βάση Δεδομένων BHMA 1. Σχεδιασμός
Διαβάστε περισσότεραΕξόπυξη Δεδομένων. ΑΠΟΘΗΚΔΣ ΓΔΓΟΜΔΝΩΝ Data Warehouses. Απνζήθεο Γεδνκέλσλ 1
Εξόπυξη Δεδομένων ΑΠΟΘΗΚΔΣ ΓΔΓΟΜΔΝΩΝ Data Warehouses Απνζήθεο Γεδνκέλσλ 1 On-Line Transaction Processing (OLTP) On-Line Transaction Processing (OLTP) Σν ύζηεκα Δπεμεξγαζίαο Γνζνιεςηώλ είλαη έλα πιήξεο
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 4: Αποθήκες Δεδομένων Μέρος Β Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 AM Πληροφοριακά Συστήματα (ΠΣ) Information Systems (IS) Ορισμός
Διαβάστε περισσότεραΕισαγωγή στα Συστήµατα Βάσεων Δεδοµένων
Εισαγωγή στα Συστήµατα Βάσεων Δεδοµένων Βάσεις εδοµένων 2011-2012 Ευαγγελία Πιτουρά 1 Βασικές Έννοιες Τι είναι µια βάση δεδοµένων; Βάση Δεδοµένων: συλλογή από σχετιζόµενα δεδοµένα Ειδικού σκοπού λογισµικό
Διαβάστε περισσότεραΕισαγωγή. Τι είναι µια βάση δεδοµένων;
Ζήτω οι Βάσεις εδοµένων!! Εισαγωγή Αντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα Μοντελοποίηση Αποθήκευση Επεξεργασία (εύρεση πληροφορίας σχετικής µε µια συγκεκριµένη ερώτηση) Σωστή Λειτουργία
Διαβάστε περισσότεραΔιαχείριση Πολιτισμικών Δεδομένων
Διαχείριση Πολιτισμικών Δεδομένων Μάθημα 1 Εισαγωγή στις Βάσεις Δεδομένων Τζανέτος Πομόνης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Τι είναι οι Βάσεις
Διαβάστε περισσότεραΣυστήματα ΟΔΕΠ (Ολοκληρωμένης. Διαχείρισης Επιχειρησιακών Πόρων)- ERP (Enterprise Resource Planning)
(Ολοκληρωμένης Διαχείρισης Επιχειρησιακών Πόρων)- ERP (Enterprise Resource Planning) Διοίκηση μέσω Πληροφοριακών Συστημάτων Στρατηγική Διοίκηση Επιχειρηματική Διαδικασία Εισαγωγή Παραγγελίας Παραλαβή Προκαταβολής
Διαβάστε περισσότεραΕισαγωγή στις βασικές έννοιες των Βάσεων Δεδομένων
Εισαγωγή στις βασικές έννοιες των Βάσεων Δεδομένων Σχεδιασμός Βάσεων Δεδομένων Μάθημα 1 ο Μαρία Χαλκίδη ΠΕΡΙΕΧΟΜΕΝΑ ΜΑΘΗΜΑΤΟΣ Σχεσιακό Μοντέλο Κανονικοποίηση Μοντέλο Οντοτήτων-Σχέσεων Κύκλος ζωής Βάσεων
Διαβάστε περισσότεραData Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής
Data Mining: Στοχεύοντας στους σωστούς πελάτες To CRM front-office πελατών Οι Προμηθευτές Οι Πελάτες ΟΟργανισμός Τροφοδότηση ενεργειών Μάρκετινγκ ΒΙ Απόταδεδομέναστηγνώση Επιχειρηματική Γνώση Επιχειρηματικοί
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς. Τμήμα Ψηφιακών Συστημάτων Π.Μ.Σ. «Διδακτική της Τεχνολογίας & Ψηφιακά Συστήματα» Κατεύθυνση Ψηφιακών Επικοινωνιών και Δικτύων
Πανεπιστήμιο Πειραιώς Τμήμα Ψηφιακών Συστημάτων Π.Μ.Σ. «Διδακτική της Τεχνολογίας & Ψηφιακά Συστήματα» Κατεύθυνση Ψηφιακών Επικοινωνιών και Δικτύων Διπλωματική Εργασία «Σχεδίαση και Ανάπτυξη Δικτυοκεντρικού
Διαβάστε περισσότεραΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Επιβλέπων: ΠΟΤΗΡΑΚΗΣ ΑΝΤΩΝΙΟΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΜΕΤΟΧΙΑΝΑΚΗ ΙΩΑΝΝΑ ΑΜ:6725 ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΓΙΑ ΑΛΥΣΙΔΑ SUPERMARKET ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Επιβλέπων:
Διαβάστε περισσότεραΕξόρυξη Δεδομένων: Αποθήκες Δεδομένων: Μέρος Β
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Αποθήκες Δεδομένων: Μέρος Β http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές
Διαβάστε περισσότερα14Ιαν Νοε
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Επανάληψη Γιάννης Θεοδωρίδης, Νίκος Πελέκης Εργαστήριο Πληροφοριακών Συστηµάτων http://infolab.cs.unipi.gr
Διαβάστε περισσότεραΔιαχείριση Δεδομένων
Διαχείριση Δεδομένων Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου 1 Εαρινό Εξάμηνο 2012-13 Περιεχόμενο σημερινής διάλεξης Βάσεις Δεδομένων Ορισμοί Παραδείγματα
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ Τ. Σελλής ΦΘΙΝΟΠΩΡΟ 2005 Λύση ΑΣΚΗΣΗΣ
Διαβάστε περισσότεραΕΠΕΞΕΡΓΑΣΙΑ ΚΕΙΜΕΝΟΥ
1. ΔΗΜΙΟΥΡΓΙΑ ΕΓΓΡΑΦΩΝ ΕΠΕΞΕΡΓΑΣΙΑ ΚΕΙΜΕΝΟΥ 1.1. Ορισµός εγγράφου, προτύπου, πρωτεύοντος και δευτερεύοντος εγγράφου 1.2. Πρότυπα 1.2.1. Δηµιουργία, µεταβολή, χρήση και διαγραφή προτύπων εγγράφων 1.2.2.
Διαβάστε περισσότεραΤο εσωτερικό ενός Σ Β
Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL) ηµιουργία/κατασκευή Εισαγωγή εδοµένων
Διαβάστε περισσότεραΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ 6-2
ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΚΕΦΑΛΑΙΟ 6 ΧΡΟΝΙΚΕΣ ΒΑΣΕΙΣ Ε ΟΜΕΝΩΝ 6-1 ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΟΜΙΛΙΑΣ Εισαγωγή Φύση του χρόνου TSQL-2 SQL/Temporal 6-2 ΕΙΣΑΓΩΓΗ Ποια η ανάγκη για χρονικές εφαρµογές; εξαγωγή
Διαβάστε περισσότεραΠρογράμματα Η /Υ / Εφαρμογές σε συστ ήματα Π ό οι τητας Αριστομένης Μακρής
Προγράμματα Η/Υ Εφαρμογές σε συστήματα Ποιότητας Οι οκτώ αρχές της ποιότητας Εστίαση στον πελάτη: οι επιχειρήσεις, δδ δεδομένου ότι στηρίζονται και εξαρτώνται απ τους πελάτες, οφείλουν να αναγνωρίζουν
Διαβάστε περισσότεραΈνα σύνολο αλληλοσχετιζόμενων συστημάτων που συλλέγουν, επεξεργάζονται, αποθηκεύουν και διανέμουν πληροφορίες
Συστήματα Επιχειρηματικής Ευφυΐας (BI Business Intelligence) Οι πιέσεις του περιβάλλοντος Πληροφοριακά Συστήματα Ένα σύνολο αλληλοσχετιζόμενων συστημάτων που συλλέγουν, επεξεργάζονται, αποθηκεύουν και
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι. Ενότητα 1: Ορισμοί βασικών εννοιών: Μια πρώτη μοντελοποίηση. Ευαγγελίδης Γεώργιος Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 1: Ορισμοί βασικών εννοιών: Μια πρώτη μοντελοποίηση Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραA ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ
A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 1 Βάση Δεδομένων: Με το όρο Βάση Δεδομένων εννοούμε ένα σύνολο δεδομένων που είναι οργανωμένο
Διαβάστε περισσότεραΣχεδίαση και Ανάπτυξη Απ ποθηκών Δεδομένωνν
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Σχεδίαση και Ανάπτυξη Αποθηκών Δεδομένων Διπλωματική Εργασία του Ζαγκαρέτου Λεωνίδα (ΑΕΜ: 139) Επιβλέπων Καθηγητής: Νανόπουλος
Διαβάστε περισσότεραΟρισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Εισαγωγή Μοντελοποίηση Στα προηγούμενα μαθήματα: Ορισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Εννοιολογικός Σχεδιασμός Βάσεων εδομένων (με χρήση του Μοντέλου Οντοτήτων/Συσχετίσεων) Λογικός
Διαβάστε περισσότεραΕισαγωγή στα Συστήματα Βάσεων Δεδομένων. Βάσεις Δεδομένων 2014-2015 Ευαγγελία Πιτουρά 1
Εισαγωγή στα Συστήματα Βάσεων Δεδομένων Ευαγγελία Πιτουρά 1 Τι θα δούμε σήμερα I. Σύντομη εισαγωγή στις ΒΔ II. Περιγραφή σκοπού και περιεχομένου μαθήματος III. Ιστορία των ΣΔΒΔ IV. Διαδικαστικά θέματα
Διαβάστε περισσότεραΕισαγωγή σε SQL Server Reporting Services
ΠΑΝΕΠΙΣΗΜΙΟ ΠΕΙΡΑΙΩ ΣΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΣΑ ΒΑΕΩΝ ΔΕΔΟΜΕΝΩΝ Νίκος Γιατράκος (ngiatrak@unipi.gr) 1. SQL Server Reporting Services (SSRS) Component - Συνοπτικά Σο συστατικό SSRS του SQL Server
Διαβάστε περισσότεραΜια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με στόχο τη διαδικασία υποστήριξης λήψης αποφάσεων -
Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) Ορισμοί Data Warehouse 1. 2. Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με
Διαβάστε περισσότεραΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting
ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting Διαδικτυακό OLAP Σύστημα Λήψης Αποφάσεων και δημιουργίας έξυπνων προσαρμοστικών γραφημάτων
Διαβάστε περισσότεραΕµβάθυνση στις έννοιες: Ανάλυση, β) Εξαγωγή Αναφορών (Enterprise Reporting & Online Analytical Processing / OLAP). Παραδείγµατα.
Εµβάθυνση στις έννοιες: α) Εξερεύνηση Βάσεων εδοµένων και Ανάλυση, β) Εξαγωγή Αναφορών (Enterprise Reporting & Online Analytical Processing / OLAP). Παραδείγµατα. ΠΕΤΑ: ΟΤΑ Επιχειρησιακή Νοηµοσύνη [Bc1.1.2
Διαβάστε περισσότεραÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ
ΕΝΟΤΗΤΑ 1.1 ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ ΔΙΔΑΚΤΙΚΟI ΣΤOΧΟΙ Στο τέλος της ενότητας αυτής πρέπει να μπορείτε: να επεξηγείτε τις έννοιες «βάση δεδομένων» και «σύστημα διαχείρισης βάσεων δεδομένων» να αναλύετε
Διαβάστε περισσότεραΤΙΤΛΟΣ ΕΡΓΑΣΙΑΣ. Πετρογεωργάκης Μανούσος Σπυρόπουλος Σταύρος
ΤΙΤΛΟΣ ΕΡΓΑΣΙΑΣ Πετρογεωργάκης Μανούσος Σπυρόπουλος Σταύρος ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Σκοπός της εργασίας αυτής είναι η εισαγωγή στις Βάσεων εδομένων. Θα παρουσιαστούν οι βασικές έννοιες, οι συνιστώσες και οι λειτουργίες
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΔΕΔΟΜΕΝΑ ΔΕΔΟΜΕΝΑ ΠΛΗΡΟΦΟΡΙΑ ΑΡΙΘΜΟΙ ΣΥΜΒΟΛΑ - ΛΕΞΕΙΣ ΟΠΟΙΑΔΗΠΟΤΕ ΔΡΑΣΤΗΡΙΟΤΗΤΑ ΣΥΜΒΑΙΝΕΙ ΣΕ ΜΙΑ ΟΙΚΟΝΟΜΙΚΗ ΜΟΝΑΔΑ ΠΡΕΠΕΙ ΝΑ ΜΕΤΡΕΙΤΑΙ ΚΑΙ ΝΑ ΚΑΤΑΓΡΑΦΕΤΑΙ ΟΡΓΑΝΩΣΗ ΚΑΤΑΓΡΑΦΗΣ
Διαβάστε περισσότεραΟΛΟΚΛΗΡΩΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΝΑΥΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΟΠΣ-ΝΕ
Υ.Ν.Α.Ν.Π. ΕΝΤΥΠΟ ΔΗΜΟΣΙΑΣ ΔΙΑΒΟΥΛΕΥΣΗΣ ΤΕΧΝΙΚΩΝ ΠΡΟΔΙΑΓΡΑΦΩΝ Ε2 Το παρόν θα αναρτηθεί σε επεξεργάσιμη μορφή στο www.hcg.gr και στο www.yen.gr Ημερομηνία 03/12/2018 Προς ΕΠΙΤΕΛΙΚΗ ΔΟΜΗ ΕΣΠΑ ΥΝΑΝΠ Πίνακας
Διαβάστε περισσότεραΑρχιτεκτονική του πληροφοριακού συστήµατος Cardisoft Γραµµατεία 2003 ιαχείριση Προσωπικού
Αρχιτεκτονική του πληροφοριακού συστήµατος Cardisoft Γραµµατεία 2003 ιαχείριση Προσωπικού Γενικά Η αρχιτεκτονική ανάπτυξης τους πληροφοριακού συστήµατος Γραµµατεία 2000 υποσύστηµα διαχείρισης προσωπικού
Διαβάστε περισσότεραΠρογραμματισμός ταμειακής ροής για αγορές υλικών
Προγραμματισμός ταμειακής ροής για αγορές υλικών Η βάση δεδομένων του Navision μπορεί να χρησιμοποιηθεί για την άντληση δεδομένων και από άλλα εργαλεία εκτός Navision. Θα δημιουργήσουμε ένα παράδειγμα
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Συστήματα Διαχείρισης Βάσεων Δεδομένων
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Συστήματα Διαχείρισης Βάσεων Δεδομένων 1 ΕΙΣΑΓΩΓΗ Η τεχνολογία των Βάσεων Δεδομένων (ΒΔ) (Databases - DB) και των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότεραΣχεσιακή δοµή δεδοµένων
Σχεσιακή δοµή δεδοµένων Μοντελοποίηση δεδοµένων (data modeling) Εννοιολογικό: μοντέλα δεδομένων. Λογικό: δομή δεδομένων. Φυσικό: δοµή αρχείων. Μοντέλο της Βάσης Σχήµα της Βάσης Στιγµιότυπο της βάσης Μοντέλο
Διαβάστε περισσότεραΣυνοπτική επισκόπηση αγοράς & εργαλείων ΒΙ
Συνοπτική επισκόπηση αγοράς & εργαλείων ΒΙ Μιχάλης Μεταξάς Innovatia ΕΠΕ Agenda Αναφορά σε στοιχεία της µελέτης «Συγκέντρωση, ανάλυση και αξιολόγηση εργαλείων και λογισµικού Επιχειρηµατικής Ευφυΐας» Ορισµοί
Διαβάστε περισσότεραΕισαγωγή. web σελίδα Βάσεις εδοµένων Αντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα
Βάσεις εδοµένων Εισαγωγή Αντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα Μοντελοποίηση Αποθήκευση Επεξεργασία (εύρεση πληροφορίας σχετικής µε µια συγκεκριµένη ερώτηση) Σωστή Λειτουργία (αποτυχίες
Διαβάστε περισσότεραΠολυδιάστατη Ανάλυση Δεδομένων
Πολυδιάστατη Ανάλυση Δεδομένων Άντληση δεδομένων από τη βάση Το πρώτο βήμα είναι η δημιουργία της πολυδιάστατης βάσης δεδομένων (OLAP On Line Analytical Processing) η οποία απευθύνεται στους καταναλωτές
Διαβάστε περισσότεραSQL Data Manipulation Language
SQL Data Manipulation Language Τελεστής union συνδυάζει subselects τα οποία παράγουν συμβατές σχέσεις γενική μορφή: subselect {union [all] subselect} περιορισμός: τα subselects δεν μπορούν να περιέχουν
Διαβάστε περισσότεραΣτρατηγικά Πληροφοριακά Συστήµατα. Κεφάλαιο 2. Ο στρατηγικός ρόλος των Πληροφοριακών Συστηµάτων ιοίκησης στην επιχείρηση. Ευαγγελάτος Ανδρέας
Κεφάλαιο 2 Στρατηγικά Πληροφοριακά Συστήµατα Ο στρατηγικός ρόλος των Πληροφοριακών Συστηµάτων ιοίκησης στην επιχείρηση Ευαγγελάτος Ανδρέας Εργαστήριο Πολυµέσων Επικοινωνίας 1. Εκπαιδευτικοί στόχοι του
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραRamez Elmasri and Shamkant B. Navathe Ελληνική Εκδόσεις Δίαυλος, Επιμέλεια Μ.Χατζόπουλος Διαφάνεια 1-1
Μ.Χατζόπουλος Διαφάνεια 1-1 Υλοποίηση Βάσεων Δεδομένων www.di.uoa.gr/~k18 Διδάσκων Μ.Χατζόπουλος Ώρες Γραφείου Δεύτερα 15-16 Αλλά και όποια άλλη ώρα μπορώ. Σύγγραμματα: 1)Θεμελιώδεις Αρχές Συστημάτων Βάσεων
Διαβάστε περισσότεραCertified Computer Expert (CCE)
Certified Computer Expert (CCE) Εξεταστέα Ύλη (Syllabus) Πνευµατικά ικαιώµατα Το παρόν είναι πνευµατική ιδιοκτησία της ACTA Α.Ε. και προστατεύεται από την Ελληνική και Ευρωπαϊκή νοµοθεσία που αφορά τα
Διαβάστε περισσότεραΕΞΑΓΩΓΗ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕΤΑΦΟΡΤΩΣΗ (EXTRACT, TRANSFORM, LOAD) Πασχάλης Θρήσκος, PhD Λάρισα
ΕΞΑΓΩΓΗ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕΤΑΦΟΡΤΩΣΗ (EXTRACT, TRANSFORM, LOAD) Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 ΤΙ ΕΙΝΑΙ ; Είναι μια διαδικασία σε ένα περιβάλλον Αποθήκης Δεδομένων όπου συμβαίνουν τα εξής: Εξαγωγή
Διαβάστε περισσότεραΕισαγωγή στα Συστήματα Βάσεων εδομένων
Εισαγωγή στα Συστήματα Βάσεων εδομένων Βάσεις Δεδομένων 2010-2011 Ευαγγελία Πιτουρά 1 Τι θα δούμε σήμερα: ΕΙΣΑΓΩΓΗ Βασικές έννοιες Λίγα ιστορικά στοιχεία Μια σύνοψη του περιεχομένου του μαθήματος Εισαγωγή
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Query by Example QBE Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan και του C. Faloutsos CMU)
Διαβάστε περισσότεραInformation Technology for Business
Information Technology for Business! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate!! e-mail: kyritsis@ist.edu.gr Διαχείριση Επιχειρηματικών Δεδομένων - Databases Ορισμός Βάσης Δεδομένων Συλλογή συναφών αρχείων
Διαβάστε περισσότεραΕισαγωγή. Γενική Εικόνα του Μαθήµατος. Το εσωτερικό ενός Σ Β. Εισαγωγή. Εισαγωγή Σ Β Σ Β. Αρχεία ευρετηρίου Κατάλογος συστήµατος Αρχεία δεδοµένων
Βάσεις εδοµένων 2003-2004 Ευαγγελία Πιτουρά 1 ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Επεξεργασία Ερωτήσεων Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL)
Διαβάστε περισσότερα