دانلود مقاله مدیریت پایگاه داده هوشمند

Word 128 KB 18430 41
مشخص نشده مشخص نشده کامپیوتر - IT
قیمت قدیم:۲۴,۰۰۰ تومان
قیمت: ۱۹,۸۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • یک دید کلی از آن چه برای نگه داری یک پایگاه داده و اجرای موثر آن لازم است ...


    خیلی مشکل است که در این روزها بتوانیم راهنمای مناسبی برای این کار بیابیم و یکی از مشکل ترین موقعیت های کاری که یافتن فرد مناسب برای آن سخت است، مدیر بانک اطلاعاتی (DBA) است.

    استخدام یک فرد مناسب برای مدیریت بانک اطلاعاتی مشکل است، زیرا مهارت های لازم برای یک DBA خوب شرایط و مقررات زیادی دارد.

    به دست آوردن این مهارت ها مشکل است و در شرایط سخت، مجموعه مهارت‌های لازم برای DBA دائماً تغییر می کند.


    برای مدیریت موثر یک بانک اطلاعاتی گسترده، DBA باید هم از دلایل تجاری ذخیره داده ها در پایگاه داده باخبر باشد و هم از جزئیات تکنیکی چگونگی ساختارهای داده و نحوه ذخیره‌سازی آن ها.


    DBA باید اهداف تجاری داده ها را بداند تا مطمئن شود که از آن ها به طور مناسب استفاده می شود زمانی که در کار به آنها نیازمندیم در دسترس هستند.

    استفاده مناسب شامل قوانین امنیت داده ها، تعریف اختیارات کاربران و اطمینان از جامعیت داده ها می شود.

    دسترس پذیری شامل تنظیمات پایگاه داده، طراحی کاربردی و تنظیم و نظارت بر کارایی می‌باشد.


    که این ها مفاهیم سخت و پیچیده ای هستند.

    در حقیقت، همه کتاب ها به هر یک از این موضوعات پرداخته اند.


    وظایف مدیر بانک اطلاعاتی (DBA)
    وظایف تخصصی DBA بیشمارند.

    این وظایف قلمروی مقررات IT را از مدل سازی منطقی به پیاده سازی فیزیکی گسترش می دهند.

    لیستی که در ادامه آمده اغلب وظایف مدیران بانک های اطلاعاتی را شرح می دهد:
    1.

    مدل سازی داده و طراحی پایگاه داده: DBA ها باید توانایی ایجاد، تفسیر و ارتباط برقرار کردن با مدل منطقی داده را داشته باشند و بتوانند از روی مدل منطقی داده و مشخصات کاربردی، یک پایگاه داده فیزیکی کارآمد را طراحی کنند.


    2.

    مدیریت متادیتا (Meta data) و استفاده از منابع: لازم است DBA ها داده ها را جمع آوری، ذخیره سازی و مدیریت کنند و داده ها را درباره داده ها (متادیتا) مورد پرس و جو قرار دهند و آنها را به تولید کنندگانی که نیاز به اطلاعات برای ساخت سیستم های کاربردی کارآمد دارند، ارائه دهند.


    3.

    مدیریت و ساخت شمای پایگاه داده: بعد از اینکه طراحی فیزیکی پایگاه داده توسط DBA انجام شد، او باید بتواند آن طراحی فیزیکی را به پیاده سازی فیزیکی واقعی پایگاه داده به کمک DDL تبدیل کند و در طول پیاده سازی، پایگاه داده را مدیریت کند.


    4.

    مهارت های روتین: DBA باید بتواند روال ها، تریگدها و توابع تعریف شده توسط کاربر را که در DBMS ذخیره شده‌اند، طراحی، اشکال زدایی، پیاده سازی و پشتیبانی نماید.


    5.

    برنامه ریزی ظرفیت: به خاطر اینکه سیستم ها استاتیک (ایستا) نیستند، DBA باید بتواند با توجه به الگوهای استفاده از داده میزان رشد پایگاه داده را پیش بینی کند و تغییرات لازم برای هماهنگی با این میزان رشد را اعمال نماید.


    6.

    تنظیم و مدیریت کارایی: برای اطمینان از دسترسی موثر به پایگاه داده، یک سیستم نظارت و مانیتورینگ مناسب، لازم است.

    DBA باید بتواند از محیط مانیتورینگ استفاده کند، آمارهای که این سیستم ارائه می کند را تفسیر نماید و برای بهینه سازی کارایی، تغییرات لازم را به ساختارهای داده، SQL منطق برنامه ها، زیر سیستم های DBMS اعمال کند.


    7.

    بازبینی برنامه های کاربردی SQL : یک DBA باید با زبان SQL که زبان استاندارد برای پایگاه داده های رابطه ای است، آشنا باشد.

    بنابراین، DBA باید بتواند برنامه هایی که به زبان SQL یا زبان میزبان نوشته شده اند را بازبینی کند و تغییرات لازم برای بهینه شدن آن ها را اعمال نماید.


    8.

    پشتیبان گیری و احیاء پایگاه داده: داده های موجود در پایگاه داده باید در مقابل سخت افزار، نرم افزار، سیستم و اشتباهات انسانی محافظت شوند.

    توانایی پیاده سازی پشتیبان گیری مناسب از پایگاه داده و انتخاب استراتژی احیاء بر اساس موقت بودن داده ها و نیازهای دسترسی به برنامه های کاربردی، برای یک DBA امری لازم است.


    9.

    اطمینان از جامعیت داده ها: DBA ها باید بتوانند پایگاه داده ای طراحی کنند که فقط داده های مناسب و دقیق در آن وارد شود.


    10.

    مدیریت کلی پایگاه داده : DBA باید دانش کافی در زمینه قوانین مدیریت پایگاه داده های رابطه ای داشته باشد و بتواند دقیقاً با آنها ارتباط برقرار کند.


    11.

    امنیت داده ها: لازم است DBA شمای امنیتی قوی برای تولید و تست پایگاه داد.

    پیاده سازی کند تا مطمئن شویم که فقط کاربران مجاز می توانند به داده ها دسترسی داشته باشند.

    همچنین باید بررسی هایی به منظور اثبات اینکه پایگاه داده تولیدی ایمن است انجام گیرد.


    12- مدیریت کلی سیستم ها و مهارت های شبکه بندی: بانک‌های اطلاعاتی به تنهایی و در انزوا وجود ندارند.

    آنها باید با اجزای دیگر تشکیل دهند.

    IT تعامل داشته باشند.

    برای مثال، DBA باید بتواند نیازها و وظایف مدیریتی پایگاه داده را با نیازها و وظایف مدیریتی کل سیستم مثل مدیریت شبکه تجمیع کند و هر دو را برآورده سازد.

    تعدادی از وظایف مدیریتی کل سیستم عبارتند از: مدیریت شبکه، کنترل تولید و زمان بندی و ارائه راه حل برای مسائل که به این ها قوانین مدیریتی سیستم‌ها گویند.


    13- ERP و دانش تجاری: DBA باید بتواند نیازهای کاربران را تشخیص دهد و پایگاه های داده آنها را به گونه ای مدیریت کند که از هر گونه وقفه در کار و تجارت جلوگیری شود.

    این نیازمند دانستن چگونگی اثرگذاری بسته های ERP در تجارت و نیز چگونگی استفاده آن بسته ها از پایگاه داده است که بسته های ERP به گونه ای متفاوت با پایگاه های داده رابطه ای سنتی از پایگاه داده استفاده می کنند.

    14- مدیریت نوع داده های توسعه پذیر: بسیاری از بانک‌های اطلاعاتی رابطه ای امکان توسعه انواده داده که برای مدیریت داده های پیچیده و چند رسانه ای بی ساختار است را در اختیار ما می گذارند.

    بنابراین لازم است DBA بداند که چگونه هر نوع داده ای توسعه یافته را در DBMS پیاده سازی و مدیریت نماید.

    15- پایگاه داده و بایگانی داده ها: امروزه نگهداری طولانی مدت داده ها توسط بسیاری از سازمان جزء مقررات دولتی (…,HTPAA,SOX) می باشد، DBA ها باید بتوانند داده ها را از پایگاه داه های فعال خارج کنند و آن ها را برای دسترسی بعد از سال ها و حتی دهه ها در جای دیگری نگهداری کنند.

    تلاش بسیار پیاده سازی، مدیریت و پشتیبانی از برنامه های پیچیده پایگاه داده که در سراسر جهان گسترده شده اند وظیفه ای دشوار است.

    برای پشتیبانی از برنامه های کاربردی مدرن نیاز به زیرساخت های گسترده IT داریم تا تمام اجزای فیزیکی لازم برای پشتیبانی از برنامه ها را فراهم سازیم.

    برای این کار لازم است بانک های اطلاعاتی، شبکه ها و سرورهای شما به خوبی هر شبکه و سروری که در بیرون از محیط شما قرار گرفته و برای تجارت الکترونیکی خود به آن متکی هستید، کار کنند.

    این اجزاء با هم کاری کنند و زیر ساخت های IT شما را می سازند.

    این عناصر نامتجانس و غیر همسان باید به طور موثر با هم کار کنند تا برنامه های شما بتوانند خدمات خود را به کاربران ارائه دهند.

    اما این اجزاء ماهیتاً برای کار با همدیگر ساخته نشده اند.

    بنابراین نه تنها محیط بسیار پیچیده است بلکه به طور داخلی هم اجزای آن با هم در ارتباطند.

    اما آن (محیط) لزوماً برای ارتباط داخلی طراحی نشده است.

    وقتی عنصری را تغییر می‌دهید، روی بقیه چیزها اثر می گذارد.

    اثرات این وضعیت بر روی مدیران بانک اطلاعاتی چیست؟

    خب، برای شروع، DBA ها در طول زمانی کار خود فقط برای پشتیبانی از برنامه های جاری و ویژگی های ارتباطی کار می کنند.

    اما RDBMS های جدیدی تولید شده اند که خیلی سریعتر و بهتر از نسخه های قدیمی کار می کنند.

    اما هنوز بسیاری از سازمان ها نمی توانند به اندازه کافی سریع کار کنند تا خیلی جدید و به روز و خیلی ایمن و عملکردی باشند.

    بنابراین، کار مدیریت پایگاه داده به علت پیشرفت های سریع در تکنولوژی بانک های اطلاعاتی و افزوده شدن توابع جدید، انتخاب های زیاد و قابلیت های بسیار پیچیده به آن ها، بسیار دشوار است.

    اما DBA ها با وجود کار زیاد، قدردانی کم و کمبود وقت برای به دست آوردن مهارت های ضروری، آخرین و جدیدترین RDBMS ها را پشتیبانی و مدیریت می کنند.

    دیگر چه می شود کرد؟

    اتوماتیک سازی هوشمند یکی از راه های کاهش دادن این مشکلات استفاده از اتوماتیک سازی (خودکارسازی) هوشمند است.

    در IT حرفه‌ای ما می توانیم از سیستم هایی که کارهای مختلفی را به طور اتوماتیک انجام می دهند در سازمان هایمان استفاده کنیم.

    این برنامه های کامپیوتری کار یک فرد را به طور اتوماتیک انجام می دهند تا کار او را آسان تر سازند.

    اما ما هنوز می خواهیم کارهای DBA مان را به طور هوشمند اتوماتیک سازی کنیم.

    با خودکار سازی کارهای ملال آور روزانه مدیران پایگاه داده، می توانیم زمانی را برای یادگیری ویژگی های جدید در RDBMS ها صرفه جویی کنیم و آن ها را به طور مناسب پیاده سازی نماییم.

    اما فقط اتوماتیک سازی کافی نیست.

    نرم افزار باید بتواند به طور هوش مند نظارت و تحلیل شود و برنامه های کاربردی که داده های جمع آوری شده گذشته، حال و آینده را تحلیل می‌کنند به طور هوشمند عمل کنند.

    به عبارت ساده تر، نرم افزار باید مثل یک مشاور کار کند و کاملاً نقش یک مشاور قابل اعتماد را ایفا نماید.

    یک مشاور نرم افزاری باید داده های در مورد محیط IT را از سیستم ها (سیستم عامل، سیستم مدیریت بانک اطلاعاتی و ...)، اشیا و برنامه ها جمع آوری کند.

    لازم است این داده ها پیکربندی اولیه شوند تا هم برای کاربران مبتدی و هم برای کاربران ماهر قابل استفاده باشند.

    مشاور نرم افزاری باید شرایط لازم برای عمل نگهداری را مشخص کند و سپس کاربری که مشکلی برایش پیش آمده را راهنمایی کند و نهایتاً به طور مفید و سودمند به صورت انتخابی و گزینه ای عملیات لازم برای تصحیح اشکالاتی که تشخیص داده است را اجرا کند.

    امروزه ابزارهای مدیریتی زیادی در دسترس هستند که این تحلیل ها و عملیات اجرایی کاربر را کنار می گذارند.

    اما راه‌حل های اتوماتیک سازی هوشمند به اندازه کافی زیرکانه و هوشمندانه است که محیط IT شما را با کم ترین، و اغلب بدون، تراکنش DBA یا کاربر بهینه سازی و اجرا می کند.

    تنها از طریق اتوماتیک سازی هوشمند می توانیم تعهدات و وعده های تکنولوژی را تحقق بخشیم.

    همان طور که وظایف IT بسیار پیچیده شده اند و استخدام و باقی ماندن افراد حرفه ای IT مشکل تر شده است، وظایف بیشتری از IT باید با استفاده از نرم افزارهای مدیریت هوشمند، اتوماتیک شوند.

    این در مورد کارهای پیچیده، من جمله مدیریت بانک اطلاعاتی (DBA) نیز صادق است.

    استفاده از هوشمندسای خودکار می تواند میزان زمان، تلاش و خطاهای انسانی را با مدیریت بانک های اطلاعاتی و برنامه های پیچیده کاهش دهد.

    *** یک سیستم مدیریت پایگاه داده که اعتبار سنجی داده ها را انجام می دهد و توسط برنامه های کاربردی به طور سنتی پردازش می‌شود.

    اغلب DBMS ها عمل اعتبارسنجی داده ها را انجام می دهند به این معنا که داده های غلط یا داده های الفبایی که در فیلدهای مخصوص وارد کردن میزان پول، وارد شده اند را حذف می کنند، البته اغلب پردازش ها توسط برنامه های کاربردی انجام می گیرد.

    هر چند محدودیتی برای میزان پردازش هایی که می‌توان توسط یک پایگاه داده هوشمند تا زمانی که پردازش یک عمل استاندارد بر روی داده ها باشد، وجود ندارد.

    نمونه هایی از تکنولوژی هایی که در پیاده‌سازی پایگه داده های هوشمند به کار می روند عبارتند از: تریگوها، محدودیت ها و روال های ذخیره شده.

    انجام پردازش بر روی پایگاه داده، جامعیت داده ها را افزایش می دهد زیرا دسترسی همه کاربران به داده های مربوطه را تضمین می کند.

    بانک‌های اطلاعاتی Mainframe (کامپیوترهای بزرگ) بسیار هوشمندند و بانک های اطلاعاتی کامپیوترهای شخصی در عوض سریع تر هستند.

    *** تعریف – یک بانک اطلاعاتی هوشمند یک پایگاه داده تمام متن است که هوش مصنوعی (AT) را به خدمت گرفته است و با کاربران آن قدر تعامل می‌کند (ارتباط برقرار می کند) تا مطمئن شود که آیتم های وارد شده بهترین و مناسب ترین اطلاعات ممکن هستند.

    این در تضاد با بانک های اطلاعاتی سنتی است که فقط با کلمات کلیدی و عباراتی که توسط عملگرهای منطقی مثل AND ، OR و NOT به هم مرتبط شده اند قابل جستجو هستند.

    زمانی که یک جستجو توسط یک بانک اطلاعاتی تمام متن سنتی انجام می‌گیرد، صرفاً کلمات کلیدی و عباراتی که در یک فایل مرجع قرار دارند نمی‌توانند پیدا کردن مفاهیمی در آن فایل که مرتبط با موضوع مورد جستجو است را تضمین کنند.

    یک بانک اطلاعاتی هوشمند گزینه های انتخابی گسترده و بسیار انعطاف پذیری را برای ساخت پرس و جوها فراهم می کند.

    مثلاً، کاربر باید یک پرسش را به صورت یک جمله کامل تایپ کند.

    سپس بانک اطلاعاتی لیستی از داده های بازیابی شده را بر اساس میزان شباهت به جواب را فراهم می کند.

    بنابراین داده خروجی، جواب مناسبی برای آن سوال خواهد بود.

    هوش مصنوعی می تواند خطاهای ناشی از بی توجهی کاربر مثل اِسپل (هجی) غلط کلمات را تصحیح کند.

    بعضی از بانک های اطلاعاتی هوشمند کلمات معادل (هم معنی) و تضاد (دارای معنای مخالف) کلمات کلیدی و عبارات را نمایش می‌دهند.

    برای بهره گیری بهتر از بانک اطلاعاتی هوشمند، کاربر باید پرس و جوهای خود را با عبارات دقیق تر بسازد (درست مثل زمانی که فردی مورد بازجویی قرار می گیرد.) مثلاً کاربر باید تایپ کند: «چه موقع کامپیوتر من قادر است قیمت سهام را پیشگویی کند؟» اگر این سوال جواب های رضایت بخشی در برنداشت، کاربر می تواند سوال جزئی تری بپرسد یا اینکه ماهیت پرس و جو را تغییر دهد.

    یک جستجو باید بتواند به کامپیوتر مشخص، سرور یا شبکه یا کل اینترنت محدود شود.

    یک جستجو می تواند به موضوعات مشخص مثل مقالات خاص، اخبار جهان، اخبار محلی، اخبار منطقه ای، اخبار تجاری، عکس، صفحات سفید یا زمینه ای از فن آوری اطلاعات محدود گردد.

    پرس و جوها می توانند به زبان های مشخص، مناطق جغرافیایی یا دوره های تاریخی محدود شوند.

    یک بانک اطلاعاتی هوشمند می تواند تاریخچه جستجوهایی که اخیراً کاربر انجام داده را برای او فراهم آورد، تا اگر لازم باشد بعداً جستجو را پالایش کند یا جستجوی دیگری با همان عنوان انجام دهد، در این حالت ها نیازی نیست که کاربر کارهایی که قبلاً کرده و سوالاتش را دوباره تکرار کند.

    واسط بانک اطلاعاتی هوشمند: ترکیب هوش مصنوعی و سیستم های پایگاه داده خلاصه: واسط بانک اطلاعاتی هوشمند (IDI) یک واسط مبتنی بر حافظه پنهان (کش) است که برای ایجاد سیستم های هوش مصنوعی با دستیابی موثر به یک یا چند پایگاه داده در یک یا چند سیستم مدیریت بانک اطلاعاتی (DBMS) راه دور طراحی شده است.

    از آن به عنوان واسطه ای بین انواع مختلف DBMS که از SQL برای ارتباط با DBMS های راه دور استفاده می کنند و پیاده‌سازی IDI که قابلیت حمل و نقل خوبی ایجاد می کند، استفاده می شود.

    زبان پرس و جوی IDI مجموعه محدودی از عبارات Horn است که به زبان SQL ترجمه شده اند.

    خروجی های IDI هر بار در یک سطر (tuple) برگردانده می شوند و IDI برای بالا بردن کارایی حافظه کش که نتایج در آن نگهداری می شود را مدیریت می کند.

    IDI یکی از عناصر کلیدی سرور سیستم هوشمند (ISS) است که جزء سیستم های جوابگو و ارائه دانش به شمار می‌رود.

    IDI همچنین برای ایجاد سرویس های پایگاه داده برای برنامه های سیستمی زبان Unisys به کار می رود.

    مقدمه واسط بانک اطلاعاتی هوشمند IDI یک واسط قابل حمل و مبتنی بر حافظه کش است که برای ایجاد سیستم های هوش مصنوعی در سیستم های عمومی و تخصصی که نیاز به دسترسی موثربه یک یا چند بانک اطلاعاتی در یک یا چند DBMS راه دور که از SQL استفاده می کنند، دارند به کار می رود.

    زبان پرس و جوی IDI زبان واسط بانک اطلاعاتی هوشمند است که بر اساس مجموعه ای از عبارات عملکرد آزاد Horn است که هِدِر (سرآمیز) هر عبارت لیست هدف (یعنی لیستی از نتایج) را مشخص می کند و بدنه هر عبارت اجتماع تعداد از علائم (لیترال) است که رابطه های پایگاه داده یا عملیات روی رابطه‌ها و صفات آن ها (یعنی منفی سازی، اجتماع و عملیات حسابی) را نشان می‌دهد.

    IDI یکی از عناصر کلیدی سرور سیستم هوشمند (ISS) است که بر اساس Protem ایجاد شده و ترکیبی از سیستم های ارائه دانش منطق گرا و فریم‌گرا ایجاد می کند و از استدلال زنجیره ای پیش رو، استدلال زنجیره ای پس رو و نگهداری منطقی پشتیبانی می کند.

    IDI به گونه ای طراحی شده که با شمای ارائه دانش منطق گرای ISS سازگار باشد.

    IDI همچنین برای پیاده سازی یک سرور پرس و جو که پایگاه داده سیستم اطلاعاتی مسافرت هوایی را پشتیبانی می کند و با سیستمی که با زبان پرولوگ نوشته شده، قابل دستیبای است، به کار می رود.

    علاوه بر فراهم ساختن دستیابی موثر به DBMS های راه دور، IDI مزایای دیگری هم دارد.

    از IDI می توان به عنوان واسطه ای بین انواع مختلف DBMS که از SQL برای ارتباط با DBMS های راه دور استفاده می کنند، بهره برد.

    همچنین، اتصالات زیادی در DBMS های یکسان یا متفاوت به طور همزمان وجود دارند و باید بتوانند در مقابل هر تعداد پرس و جو، فعال باقی بمانند زیرا اتصالات به DBMS های راه دور، اشیاء انتزاعی هستند که به عنوان منابع توسط IDI مدیریت می شوند.

    نهایتاً، اطلاعات شمای دستیابی به طور اتوماتیک توسط IDI اداره می شود یعنی برای نگهداری اطلاعات شما به صورت به روز، نیاز به برنامه کاربری نداریم.

    این ویژگی، به طور قابل توجهی میزان خطاهای ناشی از اشتباه در وارد کردن داده ها و اطلاعات قدیمی را کاهش می دهد.

    IDI را می توان به صورت یک واسطه DBMS نشان داد که پرس و جوهایی به شکل عبارت IDIL را می پذیرد و نتایج را به صورت مجموعه ای از تاپل ها (سطرها) بر می گرداند.

    (به کمک رشته ها در زبان Lisp) پرس و جوهای IDIL به زبان SQL ترجمه می شوند و برای اجرا به DBMS مناسب فرستاده می شوند.

    سپس نتایج به دست آمده از DBMS به کمک IDI به تاپل هایی از اشیاء Lisp تبدیل می شوند.

    هر چند IDI برای استفاده مستقیم کاربر طراحی نشده است.

    آنچه در زیر آمده است نحوه استفاده از IDI به عنوان یک سیستم مستقل را شرح می دهد.

    ما به علت پیچیدگی بحث به جزئیات سیستم های هوش مصنوعی مثل ISS نمی پردازیم.

    طراحی IDI به شدت از تحقیقات گذشته در حوزه تلفیق بانک های اطلاعاتی و هوش مصنوعی اثر گرفته است.

    این یکی از مهم ترین معیارهای طراحی است که باعث شده IDI از پرس و جوهای دشوار IDIL پشتیبانی کند.

    این اجازه می دهد که پرس و جوها در بیش از یک رابطه در بانک اطلاعاتی انجام گیرند.

    این قابلیت به سیستم های هوش مصنوعی اجازه می دهد تا محاسباتی که پردازش آن ها توسط DBMS بسیار کارآمدتر است، به جای سیستم هوش مصنوعی توسط DBMS انجام گیرند.

    در بسیاری از موارد، این کار باعث کاهش اندازه مجموعه داده هایی که توسط DBMS برگردانده می شود، می‌گردد.

    شکل 1: با توجه به چهار راهکار موجود برای تلفیق AI (هوش مصنوعی) و DB (بانک اطلاعاتی)، واسط بانک اطلاعاتی هوشمند نمونه ای از واسط AI/DB پیشرفته است.

    زمانی که IDI در یک سیستم کوچک به کار گرفته شود، قابلیت حمل و نقل بالایی را ایجاد می کند و این به خاطر پیاده سازی آن با Lisp ، برقراری ارتباط با DBMS های راه دور با استفاده از SQL و پایپ های یونیکس و بیان پرس و جوهای IDIL و نتایج آن ها به صورت اشیاء Lisp است.

    در بخش های بعد نگاه مختصری به حوزه تلفیق AI و DB که قسمت عمده‌ای از IDI را تشکیل می دهد داریم، سپس به سازماندهی و عناصر اصلی IDI می پردازیم و در آخر با ارائه مثال به اینکه چگونه IDI در دو برنامه کاربردی استفاده می شود خواهیم پرداخت.

    تلفیق AI/DB (هوش مصنوعی و بانک اطلاعاتی) ترکیب AI (هوش مصنوعی و تکنولوژی های DBMS نقش مهمی در آینده کامپیوترها و محاسبات سازی می کند.

    همان طور که اشاره شد تلفیق AI/DB نه تنها بر نسخه های جدید کامپیوترها بلکه بر ادامه توسعه تکنولوژی DBMS اثر خواهد گذاشت و با استفاده از تکنولوژی هوش مصنوعی آن ها را کارآمدتر خواهد ساخت.

    زمانی که هر دو سیستم AI و DBMS ، به خصوص سیستم‌های خبره، ترکیب شوند، تحقیق و توسعه در این زمینه از تلفیق AI/DB امری نوین به شمار می آید.

    انگیزه های ما برای تلفیق این دو تکنولوژی شامل الف) نیاز به حجم زیادی از داده اشتراکی برای پردازش دانش ب) نیاز به مدیریت کارآمد داده ها به خوبی دانش ج) نیاز به پردازش هوشمند داده ها است.

    علاوه بر این اهداف، میل به نگهداری و حفظ سرمایه قابل توجه که توسط پایگاه های داده موجود بیان می شود، نیز یک عامل انگیزشی دیگر برای این کار است.

    برای رسیدن به این هدف، یک معیار کلیدی برای طراحی IDI به طوری که استفاده از DBMS های موجود به عنوان عناصر مستقل سیستمی را پشتیبانی کنند، لازم است همان طور که در شکل 1 نشان داده شده و در زیر شرح داده شده راهکارهای زیادی برای تلفیق AI/DB کشف و گزارش داده شده است.

    گسترش سیستم های هوش مصنوعی: در این راهکار، سیستم AI توسط قابلیت های DBMS گسترش داده می‌شوند تا دسترسی موثر و مدیریت حجم زیاد داده های ذخیره شده را فراهم آورد.

    در کل، چنین سیستم هایی نمی توانند کاملاً تکنولوژی DBMS را پیاده‌سازی کنند.

    ترجیحاً، نقاط قوت سیستم AI و قابلیت های DBMS با یک روش محدود کننده و ad hoc فقط لایه دسترسی به داده ها را پیاده سازی می‌کنند.

    متناوباً، یک سیستم نسخه جدید از سیستم مبتنی بر دانش مثل LDL ساخته می شود.

    در هر مورد، این راهکار همه یا قسمتی از تکنولوژی DBMS را به طور موثری می سازد.

    مادامی که چنین سیستم هایی ابزارهای پیچیده و محیط هایی برای توسعه برنامه های کاربری مثل سیستم های خبره فراهم می‌آورند، نمی توانند از بانک های اطلاعاتی موجود استفاده کنند.

    بنابراین، توسعه برنامه های کاربردی هوش مصنوعی که به بانک های اطلاعاتی موجود دسترسی داشته باشند بسیار مشکل و حتی ناممکن است.

    (به این معنا که وقتی پایگاه داده طبق روال معمول از طریق برنامه های کاربردی سنتی دستیابی و به روز می شود).

    توسعه سیستم DBMS : این راهکار یک DBMS را توسعه می دهد تا قابلیت های جوالگویی و ارائه دانش را فراهم کند، در این جا، قابلیت های DBMS در نقطه مرکزی قرار دارد و قابلیت های هوش مصنوعی به روش ad hoc به آنها افزوده می شود.

    قابلیت های جوابگویی و ارائه دانش کاملاً محدودند و فاقد ابزارهای پیچیده و محیط اغلب سیستم های هوش مصنوعی هستند.

    این سیستم ها نمی توانند مستقیماً استفاده از DBMS های موجود را پشتیبانی کنند، همچنین نمی توانند برنامه های AI موجود را نیز پشتیبانی نمایند.

    به عبارت دیگر، این روش متضاد راهکار قبلی است.

    انسجام کم: راهکار کم کردن انسجام در تلفیق AI/DB از یک واسط ساده در بین دو نوع سیستم استفاده می کند تا یک سیستم AI با دسترسی به پایگاه داده های موجود ایجاد کند.

    در هر حالی که این راهکار مزیت شاخص تلفیق سیستم های AIL موجود و DBMS های موجود را دارد، پایین بودن سطح انسجام و تلفیق باعث کار این ضعیف و محدود شدن استفاده از DBMS به سیستم AI می شود.

    علاوه بر این، دسترسی به داده از پایگاه داده به طور ضعیفی با شمای ارائه در سیستم AI تلفیق شده است و متدهای انشعاب پذیر ارائه داده کلاً به تولید کننده برنامه یا مهندس دانش با حداقل پشتیبانی از واسط AI/DB واگذار شده اند.

    واسط AI/DB پیشرفته: آخرین راهکار تلفیق AI/DB ، یک پیشرفت اساسی در روش «انسجام کم» ایجاد می کند و یک واسط قوی و کارآمد بین دو نوع سیستم ایجاد می نماید.

    مانند راهکار قبلی، این روش از تلفیق AI/DB نیز مزیت ترکیب AI های موجود با DB های موجود را دارد و مشکل کارایی پایین DBMS ابتدا با افزایش عملکرد خود واسط و در درجه بعد در صورت امکان با ارتقاء بخشیدن سیستم AI یا DBMS حل شده است.

    مثلاً، سیستم BERMUDA از نوعی کش کردن نتایج برای افزایش کارایی استفاده می کند و تحلیل های ساده برنامه های AI را برای تشخیص عملیات join اتصال که توسط DBMS انجام می گیرد، به کار می برد.

    سیستم BrAID بسیار شبیه این سیستم است با این تفاوت که کش کردن عمومی و قابلیت های تحلیلی را پشتیبانی می کند و اجازه تجربه استراتژی های مختلف واسط ها را می دهد.

    IDI واسطی است که برای تسهیل توسعه سیستم AI/DB با استفاده از این راهکار آخر به کار می رود.

    IDI یک واسط مبتنی بر حافظه نهان است و به گونه ای طراحی شده است که به راحتی با انواع مختلف سیستم های AI ترکیب می گردد.

    طراحی IDI.

    همچنین اجازه می دهد که به عنوان واسطی بین DBMS و انواع دیگر برنامه های کاربردی مثل مرورگر پایگاه داده و پردازشگر پرس و جو استفاده شود.

    ویژگی های طراحی IDI ویژگی های زیادی که در سیستم های AI استفاده می شوند را پوشش می دهد.

    این ویژگی عبارتند از: - اتصالات به پایگاه های داده به طور شفاف مدیریت می شوند.

    بنابراین می‌توان با استفاده از یک اتصال باز چند پرس و جو را بر روی یک بانک اطلاعاتی انجام داد.

    - اتصالات به بانک اطلاعاتی داده شده حتی در طول تقاضا باز هستند یعنی در اولین استفاده به جای نیاز به بانک اطلاعاتی صریح، یک تقاضای باز داده می شود.

    - اطلاعات شمای پایگاه داده چه زمانی که پایگاه داده باز است و چه زمانی که اطلاعات شما برای تقاضای کاربر لازمند، بارگذاری می شوند.

    - واسط پرس و جو یک زبان منطق گرا است اما از عملیات کاربر برای تشخیص متغیرهای منطقی استفاده می کند.

    - نتایج یک پرس و جو از DBMS در حافظه نهان قرار می گیرند، افزایش کارایی سیستم و حافظه نهان توسط مدیر پرس و جو انجام می شود.

    همه این ویژگی ها به جز آخری در این بخش شرح داده شدند.

    سیستم حافظه نهان (کَش) و کارایی اولیه در بخش هایی که در ادامه می آیند بررسی خواهند شد.

    ساختن اتصالات همان طور که در بالا گفته شد، راهکارهای مختلفی برای ساختن واسط بین یک سیستم AI و DBMS های موجود، وجود دارد.

    هر چند، راهکارهای اصلی توازن بین هزینه ساخت اتصال به DBMS را حفظ می کنند و نتایج پرس و جوهای DBMS را پردازش می نمایند.

    برای تشخیص اینکه کدام راهکار سیستم AI را بهتر می شناسد می تواند با آن کار کند، فاکتورهای مختلفی مثلاً «میزان سربار ارتباطات» وجود دارد.

    به دو حالت تراکنش های بین سیستم AI و DBMS توجه کنید: - سیستم AI تعداد کمی پرس و جو تولید می کند که نتایج زیادی در بردارند و سیستم AI فقط از کسری (جزئی، تعداد کمی) از جواب ها استفاده می کند.

    - سیستم AI تعداد زیادی پرس و جو تولید می کند که به طور متوسط نتایج کمی را در بردارند و سیستم AI از همه جواب ها یا اکثریت آن ها استفاده می کند.

    در مورد اول، بهتر است از پردازش همه جواب ها با استفاده از تکنیک‌های مبتنی بر تقاضا جلوگیری کنیم تا هر بار فقط یک تاپل (سطر) از رشته جواب‌های DBMS تولید شود.

    هر چند برای این کار لازم است اتصالات مجزایی برای هر پرس و جوی DBMS بسازیم.

    اما میزان سربار ساخت چنین اتصالاتی خیلی کمتر از هزینه پردازش همه جواب ها است.

    در مورد دوم، بهتر است با استفاده از یک اتصال منفرد برای چندین پرس و جو، از هزینه ساخت اتصالات زیاد به DBMS جلوگیری نماییم.

    هر چند، برای این کار لازم است همه نتایج یک پرس و جو پردازش شوند اما پرس و جوهای پشت سرهم می توانند توسط یک اتصال اجرا شوند.

    هزینه پردازش نتایج حاصله از DBMS و ذخیره سازی محلی آن‌ها کمتر از هزینه ساخت یک اتصال جدید برای هر پرس و جوی DBMS است.

    در اغلب سیستم ها، به نظر می رسد این فرض که هزینه کل ساخت یک اتصال جدید به DBMS بالا است، معقول است.

    بنابراین، استفاده از یک اتصال برای پرس و جوهای مختلف DBMS باعث صرفه جویی می گردد.

    وقتی می‌توان نقاط انفصال مشخصی را تخمین زد، حداقل کردن تعداد اتصالات DBMS که در یک زمان باز هستند قابل توجیه است.

    به همین دلیل اغلب سیستم عامل ها محدودیتی روی تعداد رشته هایی که همزمان باز هستند، اعمال می کنند.

    این می تواند شدیداً تعداد اتصالات DBMS که در یک زمان وجود دارند را محدود کند.

    همچنین اگر کسی دوست داشته باشد اتصالاتی به بانک های اطلاعاتی مختلف، در یک یا چند DBMS ، داشته باشد.

    مهم است که تعداد اتصالات باز به یک پایگاه داده منفرد را حداقل سازیم.

    در عین حال موضوع قابل توجه دیگر استفاده از کَش کردن نتایج پرس‌وجوی DBMS است.

    اگر بتوان نتایج DBMS را به طور محلی توسط سیستم AI یا یک سرویس عامل کش کرد، می توان همه نتایج DBMS را توسط یک مکانیزم کش سازی پردازش نمود.

    بنابراین، راهکار اول قابل اجرا نیست.

    (فرض اینکه نتایج DBMS ، کاملاً مصرف می شوند.) با توجه به محدودیت ها و نیازمندی ها، به نظر می رسد بهترین راه حداقل سازی تعداد اتصالات از DBMS که به طور همزمان باز هستند، می باشد.

    به طور خلاصه، راهکاری که IDI زمانی که یک پرس و جوی DBMS با بانک اطلاعاتی روبه‌رو می شود که اتصالی به آن ندارد، این است که یک اتصال باز ایجاد می‌کند و رشته هر بار رشته نتایج حاصل که در یک تاپل می آید را پردازش می کند تا زمانی که پرس و جوی دیگری روی همان پایگاه داده رخ دهد.

    در این زمان، پرس و جوی جدید به DBMS ارسال می شود، و باقیمانده رشته نتایج پرس و جوی قبلی به طور محلی ذخیره می شود و سپس رشته نتایج جدید، همانند قبل به صورت یک تاپل در هر بار پردازش می شود.

    یکی از ویژگی های کلیدی IDI مدیریت اتوماتیک اطلاعات شمای پایگاه داده است.

    کاربر یا برنامه کاربردی نیازی به اطلاعات شما برای آن دسته از رابطه‌های پایگاه داده که از طریق پرس و جوهای IDIL در دسترس قرار می گیرند، ندارند.

    IDI مسئولیت به دست آوردن اطلاعات شِمای مربوطه از DBMS مناسب را به عهده می گیرد.

    این کار مزایای قابل توجهی برای واسط هایی که برای فراهم کردن اطلاعات شِما، به کاربر وابسته اند، دارد.

    این نکته بسیار مهم است که، لزوماً اطلاعات شِما با آنچه در DBMS ذخیره شده است، سازگارند و بنابراین هر خطایی که توسط کدگذاری دستی اطلاعات شما مشخص شود، حذف می گردد، تنها استثناء زمانی رخ می دهد که شِمای موجود در DBMS بعد از دسترسی IDI به آن تغییر کند، چون IDI اطلاعات شما را کَش می‌کند.

    بنابراین یک کپی اختصاصی از آن را نگه می دارد.

مقدمه اي بر داده‌کاوي در دو دهه قبل توانايي هاي فني بشر در براي توليد و جمع آوري داده‌ها به سرعت افزايش يافته است. عواملي نظير استفاده گسترده از بارکد براي توليدات تجاري، به خدمت گرفتن کامپيوتر در کسب و کار، علوم، خدمات دولتي و پيشرفت در وسائل جمع

بهينه سازي تقاضا يکي از مسائل مهم در سيستمهاي مديريت پايگاه داده مي باشد. در سالهاي اخير بهينه سازي تقاضا از جنبه هاي مختلفي مورد بررسي قرار گرفته است که به تفصيل در فصل 2 بيان شده است. مقوله اي که مورد بررسي انجام داديم بهينه سازي تقاضا تحت رتبه بن

تاريخچه پايگاه داده‌ها در اولين روزهاي پيدايش محاسبات الکترونيک به کار گرفته شدند. اما اکثر آنها برنامه‌هاي سفارشي‌اي بودند که براي دستيبابي به پايگاه داده‌هاي سفارشي نوشته مي‌شدند . اين سيستم‌ها بر خلاف سيستم‌هاي مدرني که مي‌توانند در پايگاه داده‌ه

مديريت پايگاه داده ها (چه داده هاي متني يا تصويري يا غيره) شايد مهمترين کاربردي بوده است که همواره از کامپيوترهاي تجاري خواسته شده است. به همين دليل در چند سال گذشته قبل از ظهور محيطهاي مبتني بر رابط گرافيکي شاهد حکومت زبان cobol بر امپراطوري کامپيو

DTS چيست؟ DTS يک ابزار با واسط گرافيکي کاربر جهت انتقال اطلاعات موردنياز از يک محل به محل ديگر است. با استفاده از اين ابزار مي‌توان يک سري از اطلاعات موجود در سيستم را با استفاده از روش‌هاي عادي کاري پايگاه داده مانند دستور SELECT انتخاب کرده و به ي

- مقدمه در طی سه دهه اخیر تعداد پایگاه داده‌ های کامپیوتری افزایش بسیاری داشته است. حضور اینترنت به همراه توانائیهای شبکه، دسترسی به داده و اطلاعات را آسانتر کرده است. به عنوان مثال، کاربران امروزه می‌توانند به حجم بالایی از اطلاعات در فاصله زمانی بسیار کوتاهی دسترسی پیدا کنند. به همین نسبتی که ابزارها و تکنولوژی دسترسی و استفاده از اطلاعات توسعه می‌یابند، نیاز به حفاظت اطلاعات ...

مروری بر SQL تاریخچه SQL از لابراتوار IBM در سان خوزه کالیفرنیا شروع می‌شود. جایی که SQL در اواخر دهه 1970 میلادی شکل گرفت. کلمه SQL برگرفته از حروف اول کلمات Structuted Query Language ساخته شده و اغلب اوقات اشاره به 'sequel' می‌‍‌کند. این زبان ابتدا برای محصول DB2 شرکت IBM (یک سیستم مدیریت پایگاه داده‌ ای رابطه‌ای یا RDBMS که امروزه نیز برای بعضی محیط‌ها فروخته می‌شود، طراحی ...

پیشرفت سریع علم کامپیوتر و کاربرد وسیعی که این تکنولوژی در کلیه امور زندگی بشر دارد از یک سو و حجم زیاد اطلاعات و نیاز بشر به سرعت،دقت و انسجام اطلاعات از سوی دیگر ،موجب گردید تا اینجا بانک های اطلاعاتی به عنوان یکی از موضوعات مهم و اساسی جامعه بشری مطرح شود. بانک اطلاعاتی با ساختار خاص خود،ذخیره ساختن اطلاعات را براحتی ممکن ساخته و کاربران مجاز نیز به سادگی به اطلاعات دسترسی می ...

در اين گزارش ما به بررسي ويژگي هاي الگوريتمهاي کنترل همروندي توزيعي که بر پايه مکانيزم قفل دو مرحله اي(2 Phase Locking) ايجاد شده اند خواهيم پرداخت. محور اصلي اين بررسي بر مبناي تجزيه مساله کنترل همروندي به دو حالت read-wirte و write-write مي‌باشد.

در موسسه آموزشي فعاليت هاي زيادي صورت مي گيرد ، درابتدا يک فرد به موسسه مراجعه مي کند ، و درخواست ثبت نام مي گند .پس از پرکردن فرم ثبت نام که شامل مشخصات کامل آن فرد مي باشد ، اين فرم در مکاني ذخيره مي شود و ساعت ، تاريخ شروع کلاس و روز کلاس توسط مس

ثبت سفارش
تعداد
عنوان محصول