PERSPEKTYWY ZASTOSOWANIA BAZ DANYCH NoSQL W INTELIGENTNYCH SYSTEMACH TRANSPORTOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "PERSPEKTYWY ZASTOSOWANIA BAZ DANYCH NoSQL W INTELIGENTNYCH SYSTEMACH TRANSPORTOWYCH"

Transkrypt

1 PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 90 Transport 2013 Andrzej Czerepicki Politechnika Warszawska, Wydział Transportu PERSPEKTYWY ZASTOSOWANIA BAZ DANYCH NoSQL W INTELIGENTNYCH SYSTEMACH TRANSPORTOWYCH Rękopis dostarczono, marzec 2013 Streszczenie: W artykule przedstawiono ideę zastosowania baz danych NoSQL we współczesnych inteligentnych systemach informatycznych w transporcie. Zaprezentowano przesłanki do rozwoju nierelacyjnych baz danych oraz potencjalne obszary ich zastosowań. Na przykładach prostych struktur danych zilustrowano koncepcje funkcjonowania poszczególnych rodzajów baz danych NoSQL. Przedstawiono kryteria decydujące o możliwości zastosowania nierelacyjnej bazy danych w informatycznym systemie transportowym określonego rodzaju. Słowa kluczowe: nierelacyjne bazy danych, inteligentne systemy transportowe, informatyka 1. WSTĘP Współczesną tendencją rozwoju systemów informatycznych w transporcie jest odejście od klasycznego schematu scentralizowanego systemu zarządzania na rzecz architektury rozproszonej heterogenicznej, która łączy dane z różnych źródeł i udostępnia je wielu użytkownikom jako usługę sieci Internet. W systemach takich podstawową rolę odgrywają użytkownicy, którzy są jednocześnie dostawcami oraz konsumentami danych. Przykładem mogą posłużyć mobilne systemy nawigacji samochodowej, które nie tylko pobierają z serwera dane o planowanej trasie, ale również wysyłają zwrotną informację dotyczącą prędkości poruszania się oraz faktycznego czasu przejazdu. Integracja współczesnych technologii informatycznych takich jak usługi internetowe Web Services, interfejs programowania map interaktywnych Google Maps API, system transmisji pakietowej danych 3G oraz system nawigacji satelitarnej GPS, pozwala na zbudowanie systemów rozproszonych o znacznie niższych niż systemy scentralizowane kosztach oraz w krótszym czasie. Centralnym elementem każdego systemu informatycznego w transporcie jest baza danych. Powszechnie stosowane relacyjne bazy danych dobrze sprawdzają się w rozwiązaniach o architekturze scentralizowanej, gdzie użytkownicy są najczęściej konsumentami danych a operacje odczytu danych są wykonywane znacznie częściej niż

2 30 Andrzej Czerepicki operacje ich wstawiania lub aktualizacji. W systemach rozproszonych baza danych dalej odgrywa centralną rolę, zmienia się natomiast tryb jej funkcjonowania: dane operacyjne są nadsyłane przez coraz większą liczbę użytkowników systemu. Kluczowym problemem jest spadek wydajności serwera bazy danych, który musi obsłużyć wszystkie transakcje niezależnie od źródła ich pochodzenia. Rozwiązaniem problemu może być wykorzystanie baz danych typu NoSQL, które w określonych warunkach charakteryzują się większą wydajnością niż klasyczne systemy relacyjne. Celem artykułu jest przedstawienie zasad działania, wad oraz zalet poszczególnych kategorii baz danych NoSQL, oraz oszacowanie możliwości ich zastosowania w wybranych obszarach inteligentnych systemów informatycznych w transporcie. 2. KONCEPCJA BAZ DANYCH NoSQL Termin NoSQL (ang. not only SQL) charakteryzuje grupę współczesnych systemów baz danych zorientowanych na zastosowanie w rozproszonych systemach informatycznych [1]. Przesłanki szybkiego rozwoju baz danych NoSQL wynikają z niezdolności klasycznych relacyjnych baz danych SQL do efektywnego obsługiwania bardzo dużych zbiorów danych. Dane te zgromadzone zostały przez popularne serwisy internetowe takie jak portale społecznościowe, platformy aukcyjne, aplikacje typu e-commerce itp. Relacyjne bazy danych są systemami skalowalnymi pionowo. Wynika to ze specyfiki relacyjnego modelu danych, przede wszystkim w zakresie integralności referencyjnej kluczy własnych i obcych. Na skutek tego zwiększenie wydajności przetwarzania danych łatwiej jest uzyskać poprzez podniesienie parametrów technicznych jednostki centralnej aniżeli poprzez stosowanie podziału na klastry. Ideologia baz danych NoSQL wywodzi się z twierdzenia CAP [2]. Zgodnie z tym twierdzeniem, w systemie obliczeń rozproszonym można zapewnić nie więcej niż dwie z trzech bazowych cech: integralność danych we wszystkich węzłach, dostępność danych oraz zdolność do partycjonowania na sekcje izolowane. Bazy danych NoSQL odnoszą się do kategorii systemów, w których wydajna obsługa dużych zbiorów danych realizowana jest poprzez partycjonowanie, kosztem częściowej rezygnacji z zasady integralności lub dostępności danych [3]. W zależności od realizowanej koncepcji, bazy danych NoSQL można podzielić na kilka podstawowych kategorii [4]: bazy danych klucz-wartość, bazy danych kolumnowe, bazy danych grafowe.

3 Perspektywy zastosowania baz danych NoSQL w inteligentnych systemach transportowych RODZAJE BAZ DANYCH NoSQL 3.1. BAZY DANYCH KLUCZ-WARTOŚĆ Koncepcja modelu klucz-wartość polega na przechowaniu danych w prostych strukturach typu lista, wiersz, hash-tablica adresowanych za pomocą kluczy. Struktura przechowywanych wartości może być inna dla różnych kluczy (rys. 3.1). Ze względu na hierarchiczną strukturę, bazy danych tego typu zapewniają pełną replikację danych co umożliwia klientom szybszy odczyt danych. Do głównych zalet baz klucz-wartość odnosi się prostota oraz szybkość działania. Można je w pewnym uproszczeniu traktować jako tabelę relacyjnej bazy danych z dwoma kolumnami klucz oraz wartość. Wadą natomiast jest trudność implementacji złożonej semantycznej struktury danych o wysokim stopniu powiązania encji. Spośród systemów wykorzystujących model NoSQL typu klucz-wartość należy wyróżnić serwis społecznościowy Nasza klasa oparty o rozwiązanie Redis [5]. Perspektywiczność tej klasy baz danych podkreśla również wejście na rynek produktu Oracle NoSQL Database. Rys Przykładowa struktura bazy danych klucz-wartość

4 32 Andrzej Czerepicki 3.2. BAZY DANYCH KOLUMNOWE Koncepcja kolumnowych baz danych (ang. Column-Oriented Database Systems, CDBMS) polega na wspólnym przechowaniu danych umieszczonych w kolumnach tabel (rys. 3.2). Ułatwia to partycjonowanie tabel, ponieważ dane mogą fizycznie się znajdować na różnych komputerach. Przy wybieraniu danych z określonej kolumny, operacja odczytu wykonuje się szybciej ze względu na sekwencyjne ulokowanie danych. Ponieważ dane w kolumnie tabeli należą do określonej dziedziny, zakres wartości dopuszczalnych dla kolumny może być o wiele mniejszy, niż dla wiersza. Stanowi to przesłankę zastosowania kompresji dla danych umieszczonych w kolumnie, przy czym dla różnych typów danych można stosować odmienne algorytmy kompresji. Struktura tabeli w bazie danych nr_rej pozycja_gps prędkość Przechowanie danych wierszami WB4534 ( , ) 55,2 Przechowanie danych kolumnami WB4534 ( , ) 55,2 Umieszczenie rekordów danych na nośniku fizycznym Rys Idea przechowania danych w kolumnowej bazie danych

5 Perspektywy zastosowania baz danych NoSQL w inteligentnych systemach transportowych 33 Do zalet kolumnowych baz danych należy odnieść: wysoką skalowalność poziomą: wybór konkretnego serwera w klastrze zależy od kolumn występujących w zapytaniu, wydajność przetwarzania danych rosnącą proporcjonalnie do liczby serwerów w klastrze ze względu na niski nakład na synchronizację danych, możliwość stosowania popularnych technologii (np. ADO.NET, biblioteki ORM itp.) w aplikacjach wykorzystujących kolumnowe bazy danych bez wprowadzania istotnych zmian w warstwie logiki biznesowej wynikającą z przezroczystości interfejsów API kolumnowych baz danych dla użytkownika końcowego. Najczęściej wymienianymi wadami kolumnowych baz danych są: czasochłonność operacji zapisu danych wynikająca z konieczności znalezienia pozycji wszystkich kolumn dla jednego wstawianego rekordu danych, wysoka efektywność przetwarzania danych osiągana jest przy wybieraniu danych z małej liczby kolumn, wysokie wymagania sprzętowe dotyczące CPU oraz maksymalne wykorzystanie pamięci operacyjnej RAM ze względu na kompresję oraz dekompresję danych. Jednym z pierwszych systemów CDBMS był Sybase IQ (lata 90. XX wieku). Obecnie grono kolumnowych systemów baz danych jest dość liczne i stale się powiększa [6]. Klasycznym przykładem współczesnego CDBMS jest system MonetDB zaliczany do kategorii systemów open-source [7] BAZY DANYCH GRAFOWE Idea organizacji modelu danych grafowego polega na przechowywaniu informacji w postaci grafu. Obiekty danych są przechowywane w węzłach grafu. Właściwości obiektów stanowią kolejne węzły grafu. W ten sposób uzyskuje się wysoką elastyczność struktury: każdy obiekt może posiadać dowolną liczbę właściwości, które mogą być dodawane dynamicznie w trakcie działania systemu. Stanowi to zasadniczą różnicę w porównaniu z modelem relacyjnym wymagającym odgórnego zadeklarowania struktury bazy. Relacje w modelu grafowym są implementowane jako krawędzie łączące węzły i również mogą posiadać właściwości (rys. 3.3). Kluczowe zalety grafowych baz danych: elastyczność modelu danych pozwala na łatwą modyfikację struktury systemu, efektywne przetwarzanie zapytań na danych semantycznie złożonych, szybkie wyszukiwanie ścieżki w grafie wynika z założeń modelu grafowego. Implementacja systemów informatycznych z wykorzystaniem grafowej bazy danych może wymagać wprowadzenia nadmiarowości strukturalnej lub duplikowania danych szczególnie w przypadkach, gdy graf nie jest naturalnym odzwierciedleniem modelu przechowywanych danych. Operacja wyszukiwania w grafie pozwoli znaleźć optymalną trasę przejazdu, lecz raport z podsumowaniem sprzedaży biletów za okres będzie miał bardziej złożoną implementację niż analogiczne zapytanie w języku SQL na relacyjnej bazie danych.

6 34 Andrzej Czerepicki Dlatego w praktyce przy wykorzystaniu grafowych baz danych należy zwracać uwagę na możliwość stosowania naturalnego języka programowania do implementacji złożonych algorytmów. Przykładem temu może służyć system baz danych Neo4j [8] wspierający język programowania Java, co pozwala na budowanie aplikacji klasy Enterprise. Rys Koncepcja grafowej bazy danych 4. ZASTOSOWANIE BAZ DANYCH NoSQL W INTELIGENTNYCH SYSTEMACH TRANSPORTOWYCH Centralnym elementem Inteligentnych Systemów Transportowych (ang. Intelligent Transportation Systems, ITS) są systemy informatyczne. Zapewniają one funkcjonalność niezbędną do: łączenia poszczególnych elementów ITS takich jak pojazdy, infrastruktura, osoby, w jedną integralną całość, operacyjnego przetwarzania danych napływających z różnych źródeł (w terminologii baz danych przetwarzania OLTP, ang. OnLine Transactional Processing) oraz podejmowania na ich podstawie decyzji taktycznych (np. zarządzanie ruchem na skrzyżowaniach), gromadzenia danych w celu przeprowadzania analiz analitycznych (w terminologii baz danych przetwarzania OLAP, ang. OnLine Analytical Processing) oraz

7 Perspektywy zastosowania baz danych NoSQL w inteligentnych systemach transportowych 35 podejmowania na ich podstawie decyzji strategicznych (zmiana kierunków ruchu, czas postoju na światłach, rozkład jazdy transportu itp.). Zgodnie z klasyfikacją [9], wyróżniają osiem podstawowych obszarów ITS: systemy informacji dla podróżujących, systemy zarządzania ruchem, systemy zarządzania komunikacją publiczną, systemy elektronicznego poboru opłat, systemy zarządzania flotami pojazdów komercyjnych, systemy zarządzania kryzysowego w transporcie, systemy bezpieczeństwa i kontroli pojazdów, systemy zarządzania, przetwarzania i przechowywania danych. W celu określenia możliwości zastosowania baz danych NoSQL w poszczególnych obszarach ITS, w tablicy 4.1 przedstawiono wyniki analizy strategicznej SWOT nierelacyjnych baz danych, która obrazuje ich silne oraz słabe strony. Mocne strony rozproszona architektura, wydajność przetwarzania danych, wysoka skalowalność, obsługa złożonych oraz nieregularnych struktur danych, możliwość asynchronicznego zapisu, otwartość kodu. Perspektywy systemy z duża liczbą użytkowników, wydajna obsługa prostych jednorazowych transakcji, integracja z usługami sieci WWW, perspektywy szybkiego rozwoju jako nowego segmentu baz danych. Analiza SWOT systemów baz danych NoSQL Słabe strony brak uniwersalnego języka zapytań, brak ogólnie przyjętych standardów, wysokie wymagania sprzętowe, słaba kontrola integralności danych, mały wybór narzędzi do analizy analitycznej. Tablica 4.1 Zagrożenia odczyt niepewnej lub nieaktualnej informacji wyklucza zastosowanie w systemach krytycznych, wysoki koszt realizacji w systemach o mocnych związkach semantycznych danych, względnie krótki czas istnienia na rynku, mała liczba zrealizowanych projektów oraz mniejsze doświadczenie projektantów. Wymagania stawiane bazom danych stosowanym w ITS zależą od obszaru, do którego odnosi się konkretny system. Przy rozważaniu możliwości zastosowania bazy danych NoSQL w poszczególnych obszarach ITS należy przede wszystkim uwzględniać wymagania funkcjonalne w zakresie: wydajności przetwarzania danych, objętości przechowywanych danych, liczby obsługiwanych użytkowników, złożoności struktur danych oraz ich zmiany w czasie, akceptowalności uzyskania wyniku nie spełniającego kryteria integralności, konieczności przeprowadzania złożonych analiz analitycznych danych.

8 36 Andrzej Czerepicki Grafowe bazy danych ze względu na architekturę mają perspektywy zastosowania przede wszystkim w ITS przechowujących dane o trasie pojazdu. Należą do nich między innymi systemy informacji dla podróżujących (SIP), systemy zarządzania ruchem, komunikacją publiczną oraz flotą pojazdów. Wymienione systemy charakteryzują się dużą dynamiką zmian danych oraz koniecznością szybkiego podejmowania decyzji, zaś w przypadku SIP - dodatkowo dużą ilością odbiorców informacji. Kolumnowe bazy danych dodatkowo mogą być stosowane do przeprowadzania analizy informacji zgromadzonych w systemach zarządzania, przetwarzania i przechowywania danych, przede wszystkim ze względu na możliwość przechowywania danych o złożonej strukturze. Wydajność algorytmów wyznaczania tras jest tu jednak niższa w porównaniu z grafowymi bazami danych, dlatego przy projektowaniu systemu należy rozważyć użycie kombinacji obu wymienionych kategorii baz danych NoSQL. Bazy danych klucz-wartość nie mogą samodzielnie pełnić rolę podstawowej bazy danych systemu informatycznego w transporcie ze względu na ograniczone możliwości powiązania przechowywanych danych. Tym nie mniej ich wysoka wydajność oraz skalowalność może być wykorzystana w celu zbierania oraz wstępnej analizy danych napływających z różnych źródeł, ich filtracji oraz grupowania wg określonych charakterystyk (kluczy), z następnym przekazaniem do dalszej obróbki (tab. 4.2.). Rodzaj bazy danych Systemy informacji dla podróżujących Systemy zarządzania ruchem Systemy zarządzania komunikacją publiczną Systemy elektronicznego poboru opłat Systemy zarządzania flotami pojazdów komercyjnych Systemy zarządzania kryzysowego w transporcie Systemy bezpieczeństwa i kontroli pojazdów Systemy zarządzania, przetwarzania i przechowywania danych Obszary potencjalnych zastosowań baz danych NoSQL w ITS Tablica 4.2 Kolumnowe bazy danych Grafowe bazy danych Bazy danych klucz-wartość Tak (np. do Tak (np. do planowania Raczej tak (np. do operacyjnego podróży oraz wyznaczania udostępnienia lub przetwarzania trasy) wymiany prostych danych) informacji) Tak (np. do Tak (np. do wyznaczania Nie monitorowania trasy oraz monitorowania natężenia ruchu) natężenia ruchu) Tak (w zakresie Tak (np. analiza tras Nie gromadzenia danych) przejazdu) Nie Nie Nie Tak (np. do śledzenia pojazdów) Tak (np. do rejestracji trasy przejazdu) Nie Nie Nie Nie Nie Nie Raczej tak (analiza informacji w hurtowni) Raczej nie Raczej tak (np. do wymiany krótkich informacji) Nie

9 Perspektywy zastosowania baz danych NoSQL w inteligentnych systemach transportowych PODSUMOWANIE Bazy danych NoSQL stanowią dynamicznie rozwijający się segment rynku systemów informatycznych przeznaczonych do składowania i przetwarzania dużych ilości danych. Zapotrzebowanie na inny niż relacyjny model danych wynika ze słabej poziomej skalowalności relacyjnych baz danych. Nierelacyjne bazy danych oferują wydajność, którą można utrzymywać na wysokim poziomie niezależnie od ilości danych w systemie. Ceną tego jest częściowa rezygnacja lub utrudniona realizacja mechanizmów zapewniających integralność danych lub ich dostępność. W informatycznych systemach w transporcie dotychczas stosowano relacyjne bazy danych. Wynika to między innymi ze stopniowego rozwoju ww. systemów, do niedawna stosowanych głównie w centrach zarządzania transportem. Sytuacja jednak się zmieniła, kiedy na rynku systemów informatycznych pojawiła się grupa aplikacji ukierunkowanych na zwykłego użytkownika końcowego. O ile we wcześniejszych systemach był on głównie konsumentem danych, teraz staje się również ich dostawcą. Zmienia to diametralnie wymagania do systemu, który powinien obsługiwać większą liczbę użytkowników dostarczających coraz więcej danych. Rozwiązaniem problemu wydajności może być zastosowanie w systemie informatycznym baz danych typu NoSQL. W artykule przedstawiono podstawowe rodzaje baz danych NoSQL, omówiono wkrótce zasady ich działania oraz dokonano analizy poszczególnych właściwości w kontekście potencjalnego wykorzystania w systemach informatycznych kategorii ITS. Zastosowanie baz danych NoSQL w transporcie jest ograniczone przez specyfikę tych systemów. Przede wszystkim należy wymienić brak jednolitego języka do przetwarzania danych, jakim jest język SQL dla relacyjnych baz danych. Po drugie, nie dla wszystkich kategorii systemów transportowych warunki częściowej integralności danych lub ich potencjalna niedostępność są do zaakceptowania wyklucza to stosowanie baz NoSQL np. w systemach zarządzania kryzysowego. Po trzecie, migracja danych z już działających systemów na model danych realizowany w NoSQL wiąże się z poniesieniem dodatkowych kosztów. Dlatego w najbliższej perspektywie należy się spodziewać wdrożenia baz danych NoSQL jako rozwiązania uzupełniającego, stosowanego obok klasycznej relacyjnej bazy danych w celu: skrócenia dostępu do często wykorzystywanych danych, szybkiego składowania słabo ustrukturyzowanych danych w celu późniejszej obróbki (bazy klucz-wartość ), przeprowadzania analiz analitycznych na dużych zbiorach danych (bazy kolumnowe), wspomagania systemów wyznaczania trasy pojazdu (bazy danych grafowe). Obecnie systemy baz danych NoSQL nie posiadają wbudowanych możliwości do analizowania zgromadzonych danych, lub posiadają je w bardzo ograniczonym zakresie. Dlatego jako jeden z kierunków dalszych badań należy wymienić metody i algorytmy przeprowadzania analizy analitycznej OLAP w bazach danych NoSQL. Kolejnym perspektywicznym kierunkiem badań jest opracowanie modelu danych grafowego do wspomagania wyznaczania optymalnej trasy pojazdów.

10 38 Andrzej Czerepicki Bibliografia Brewer, Eric A.: Towards robust distributed systems // Proceedings of the XIX annual ACM symposium on Principles of distributed computing. Portland, OR: ACM, Brewer, Eric A. A Certain Freedom: Thoughts on the CAP Theorem // Proceeding of the XXIX ACM SIGACT-SIGOPS symposium on Principles of distributed computing. N. Y.: ACM, Skalski D.: NoSQL nierelacyjne systemy baz danych // Software Developer, 08/2011, s Abadi D., Boncz P., Harizopoulos S.: Column-Oriented Database Systems // Journal Proceedings of the VLDB Endowment, Vol. 2 Issue 2, 09/ Przegląd ITS, 10/2007, s. 5. PERSPECTIVES OF USING NoSQL DATABASES IN INTELLIGENT TRANSPORTATION SYSTEMS Summary: This paper presents an idea of the use of NoSQL databases in modern intelligent transportation systems. Presented evidence for the development of non-relational databases and the potential areas of their application. Shows the concepts of functioning of various types of NoSQL databases on examples of simple data structures. Presents the criteria for the applicability of non-relational database in the intelligent transportation systems of a given type. Keywords: non-relational databases, intelligent transportation systems, informatics

Technologia informacyjna

Technologia informacyjna Technologia informacyjna Bazy danych Dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2016 Plan wykładu Wstęp do baz danych Modele baz danych Relacyjne bazy danych Język SQL Rodzaje

Bardziej szczegółowo

AUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7

AUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7 AUREA BPM Oracle TECNA Sp. z o.o. Strona 1 z 7 ORACLE DATABASE System zarządzania bazą danych firmy Oracle jest jednym z najlepszych i najpopularniejszych rozwiązań tego typu na rynku. Oracle Database

Bardziej szczegółowo

Specjalizacja magisterska Bazy danych

Specjalizacja magisterska Bazy danych Specjalizacja magisterska Bazy danych Strona Katedry http://bd.pjwstk.edu.pl/katedra/ Prezentacja dostępna pod adresem: http://www.bd.pjwstk.edu.pl/bazydanych.pdf Wymagania wstępne Znajomość podstaw języka

Bardziej szczegółowo

Hurtownie danych. 31 stycznia 2017

Hurtownie danych. 31 stycznia 2017 31 stycznia 2017 Definicja hurtowni danych Hurtownia danych wg Williama Inmona zbiór danych wyróżniający się następującymi cechami uporządkowany tematycznie zintegrowany zawierający wymiar czasowy nieulotny

Bardziej szczegółowo

Organizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)

Organizacyjnie. Prowadzący: dr Mariusz Rafało   (hasło: BIG) Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Automatyzacja Automatyzacja przetwarzania: Apache NiFi Źródło: nifi.apache.org 4 Automatyzacja

Bardziej szczegółowo

Informatyka I BAZY DANYCH. dr inż. Andrzej Czerepicki. Politechnika Warszawska Wydział Transportu 2017

Informatyka I BAZY DANYCH. dr inż. Andrzej Czerepicki. Politechnika Warszawska Wydział Transportu 2017 Informatyka I BAZY DANYCH dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2017 Plan wykładu Definicja systemu baz danych Modele danych Relacyjne bazy danych Język SQL Hurtownie danych

Bardziej szczegółowo

*Grafomania z. Neo4j. Praktyczne wprowadzenie do grafowej bazy danych.

*Grafomania z. Neo4j. Praktyczne wprowadzenie do grafowej bazy danych. *Grafomania z Neo4j Praktyczne wprowadzenie do grafowej bazy danych. Jak zamodelować relacyjną bazę danych reprezentującą następujący fragment rzeczywistości: Serwis WWW opisuje pracowników różnych firm

Bardziej szczegółowo

Wybrane działy Informatyki Stosowanej

Wybrane działy Informatyki Stosowanej Wybrane działy Informatyki Stosowanej Java Enterprise Edition WebServices Serwer aplikacji GlassFish Dr hab. inż. Andrzej Czerepicki a.czerepicki@wt.pw.edu.pl http://www2.wt.pw.edu.pl/~a.czerepicki Aplikacje

Bardziej szczegółowo

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24

Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Agenda Serp24 NoSQL Integracja z CMS Drupal Przetwarzanie danych Podsumowanie Serp24 Darmowe narzędzie Ułatwia planowanie

Bardziej szczegółowo

Laboratorium Technologii Informacyjnych. Projektowanie Baz Danych

Laboratorium Technologii Informacyjnych. Projektowanie Baz Danych Laboratorium Technologii Informacyjnych Projektowanie Baz Danych Komputerowe bazy danych są obecne podstawowym narzędziem służącym przechowywaniu, przetwarzaniu i analizie danych. Gromadzone są dane w

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Usługi analityczne budowa kostki analitycznej Część pierwsza. Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.

Bardziej szczegółowo

Część I Tworzenie baz danych SQL Server na potrzeby przechowywania danych

Część I Tworzenie baz danych SQL Server na potrzeby przechowywania danych Spis treści Wprowadzenie... ix Organizacja ksiąŝki... ix Od czego zacząć?... x Konwencje przyjęte w ksiąŝce... x Wymagania systemowe... xi Przykłady kodu... xii Konfiguracja SQL Server 2005 Express Edition...

Bardziej szczegółowo

Pojęcie bazy danych. Funkcje i możliwości.

Pojęcie bazy danych. Funkcje i możliwości. Pojęcie bazy danych. Funkcje i możliwości. Pojęcie bazy danych Baza danych to: zbiór informacji zapisanych według ściśle określonych reguł, w strukturach odpowiadających założonemu modelowi danych, zbiór

Bardziej szczegółowo

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych

Bardziej szczegółowo

INFORMATYKA Pytania ogólne na egzamin dyplomowy

INFORMATYKA Pytania ogólne na egzamin dyplomowy INFORMATYKA Pytania ogólne na egzamin dyplomowy 1. Wyjaśnić pojęcia problem, algorytm. 2. Podać definicję złożoności czasowej. 3. Podać definicję złożoności pamięciowej. 4. Typy danych w języku C. 5. Instrukcja

Bardziej szczegółowo

Współczesne systemy baz danych

Współczesne systemy baz danych Współczesne systemy baz danych dr hab. inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu Zakład Systemów Informatycznych i Mechatronicznych (SIMT) 2019 Prowadzący Dr hab. inż. Andrzej

Bardziej szczegółowo

Hurtownie danych wykład 5

Hurtownie danych wykład 5 Hurtownie danych wykład 5 dr Sebastian Zając SGH Warszawa 7 lutego 2017 1 Współbieżność i integracja Niezgodność impedancji 2 bazy danych Współbieżność i integracja Niezgodność impedancji Bazy relacyjne

Bardziej szczegółowo

Leonard G. Lobel Eric D. Boyd. Azure SQL Database Krok po kroku. Microsoft. Przekład: Marek Włodarz. APN Promise, Warszawa 2014

Leonard G. Lobel Eric D. Boyd. Azure SQL Database Krok po kroku. Microsoft. Przekład: Marek Włodarz. APN Promise, Warszawa 2014 Leonard G. Lobel Eric D. Boyd Microsoft TM Azure SQL Database Krok po kroku Przekład: Marek Włodarz APN Promise, Warszawa 2014 Spis treści Wprowadzenie........................................................

Bardziej szczegółowo

Big Data to skalowalność i prostota obsługi wielkich ilości danych!

Big Data to skalowalność i prostota obsługi wielkich ilości danych! Obsługa aplikacji, które operują na ogromnych zbiorach danych, czyli na przykład portali społecznościowych, przekracza możliwości zwykłych relacyjnych baz. Praca ze złożonymi zbiorami danych wymaga architektury

Bardziej szczegółowo

Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl

Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja

Bardziej szczegółowo

Hurtownie danych - przegląd technologii

Hurtownie danych - przegląd technologii Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykład adów Wprowadzenie - integracja

Bardziej szczegółowo

Informatyka I. Standard JDBC Programowanie aplikacji bazodanowych w języku Java

Informatyka I. Standard JDBC Programowanie aplikacji bazodanowych w języku Java Informatyka I Standard JDBC Programowanie aplikacji bazodanowych w języku Java dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2017 Standard JDBC Java DataBase Connectivity uniwersalny

Bardziej szczegółowo

CZĘŚĆ I. WARSTWA PRZETWARZANIA WSADOWEGO

CZĘŚĆ I. WARSTWA PRZETWARZANIA WSADOWEGO Spis treści Przedmowa Podziękowania O książce Rozdział 1. Nowy paradygmat dla Big Data 1.1. Zawartość książki 1.2. Skalowanie tradycyjnej bazy danych 1.2.1. Skalowanie za pomocą kolejki 1.2.2. Skalowanie

Bardziej szczegółowo

Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.

Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny. PI-14 01/12 Baza danych to zbiór wzajemnie powiązanych ze sobą i zintegrowanych danych z pewnej dziedziny.! Likwidacja lub znaczne ograniczenie redundancji (powtarzania się) danych! Integracja danych!

Bardziej szczegółowo

Problemy optymalizacji, rozbudowy i integracji systemu Edu wspomagającego e-nauczanie i e-uczenie się w PJWSTK

Problemy optymalizacji, rozbudowy i integracji systemu Edu wspomagającego e-nauczanie i e-uczenie się w PJWSTK Problemy optymalizacji, rozbudowy i integracji systemu Edu wspomagającego e-nauczanie i e-uczenie się w PJWSTK Paweł Lenkiewicz Polsko Japońska Wyższa Szkoła Technik Komputerowych Plan prezentacji PJWSTK

Bardziej szczegółowo

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko

Podstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko Podstawowe pojęcia dotyczące relacyjnych baz danych mgr inż. Krzysztof Szałajko Czym jest baza danych? Co rozumiemy przez dane? Czym jest system zarządzania bazą danych? 2 / 25 Baza danych Baza danych

Bardziej szczegółowo

Tworzenie aplikacji bazodanowych

Tworzenie aplikacji bazodanowych Wydział Informatyki Politechnika Białostocka Studia stacjonarne Tworzenie aplikacji bazodanowych Prowadzący: pokój: E-mail: WWW: Małgorzata Krętowska, Agnieszka Oniśko 206 (Małgorzata Krętowska), 207 (Agnieszka

Bardziej szczegółowo

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI

Bazy danych. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Bazy danych Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Wszechnica Poranna Trzy tematy: 1. Bazy danych - jak je ugryźć? 2. Język SQL podstawy zapytań. 3. Mechanizmy wewnętrzne baz danych czyli co

Bardziej szczegółowo

Wykład 2. Relacyjny model danych

Wykład 2. Relacyjny model danych Wykład 2 Relacyjny model danych Wymagania stawiane modelowi danych Unikanie nadmiarowości danych (redundancji) jedna informacja powinna być wpisana do bazy danych tylko jeden raz Problem powtarzających

Bardziej szczegółowo

Zagadnienia egzaminacyjne INFORMATYKA. stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ

Zagadnienia egzaminacyjne INFORMATYKA. stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ (INT) Inżynieria internetowa 1.Tryby komunikacji między procesami w standardzie Message Passing Interface. 2. HTML DOM i XHTML cel i charakterystyka. 3. Asynchroniczna komunikacja serwerem HTTP w technologii

Bardziej szczegółowo

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family

Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów, architektów oraz

Bardziej szczegółowo

Informatyka I. Programowanie aplikacji bazodanowych w języku Java. Standard JDBC.

Informatyka I. Programowanie aplikacji bazodanowych w języku Java. Standard JDBC. Informatyka I Programowanie aplikacji bazodanowych w języku Java. Standard JDBC. dr hab. inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2019 Standard JDBC Java DataBase Connectivity

Bardziej szczegółowo

Oracle11g: Wprowadzenie do SQL

Oracle11g: Wprowadzenie do SQL Oracle11g: Wprowadzenie do SQL OPIS: Kurs ten oferuje uczestnikom wprowadzenie do technologii bazy Oracle11g, koncepcji bazy relacyjnej i efektywnego języka programowania o nazwie SQL. Kurs dostarczy twórcom

Bardziej szczegółowo

Ramowy plan kursu. Lp. Moduły Wyk. Lab. Przekazywane treści

Ramowy plan kursu. Lp. Moduły Wyk. Lab. Przekazywane treści Ramowy plan kursu Lp. Moduły Wyk. Lab. Przekazywane treści 1 3 4 Technologia MS SQL Server 2008 R2. Podstawy relacyjnego modelu i projektowanie baz. Zaawansowane elementy języka SQL. Programowanie w języku

Bardziej szczegółowo

Systemy baz danych w zarządzaniu przedsiębiorstwem. W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi

Systemy baz danych w zarządzaniu przedsiębiorstwem. W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi Systemy baz danych w zarządzaniu przedsiębiorstwem W poszukiwaniu rozwiązania problemu, najbardziej pomocna jest znajomość odpowiedzi Proces zarządzania danymi Zarządzanie danymi obejmuje czynności: gromadzenie

Bardziej szczegółowo

SZKOLENIE: Administrator baz danych. Cel szkolenia

SZKOLENIE: Administrator baz danych. Cel szkolenia SZKOLENIE: Administrator baz danych. Cel szkolenia Kurs Administrator baz danych skierowany jest przede wszystkim do osób zamierzających rozwijać umiejętności w zakresie administrowania bazami danych.

Bardziej szczegółowo

Zagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ

Zagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ (INT) Inżynieria internetowa 1. Tryby komunikacji między procesami w standardzie Message Passing Interface 2. HTML DOM i XHTML cel i charakterystyka 3. Asynchroniczna komunikacja serwerem HTTP w technologii

Bardziej szczegółowo

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM, Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Oczekiwania? 2 3 Bazy danych Jak przechowywać informacje? Jak opisać rzeczywistość?

Bardziej szczegółowo

Grzegorz Ruciński. Warszawska Wyższa Szkoła Informatyki 2011. Promotor dr inż. Paweł Figat

Grzegorz Ruciński. Warszawska Wyższa Szkoła Informatyki 2011. Promotor dr inż. Paweł Figat Grzegorz Ruciński Warszawska Wyższa Szkoła Informatyki 2011 Promotor dr inż. Paweł Figat Cel i hipoteza pracy Wprowadzenie do tematu Przedstawienie porównywanych rozwiązań Przedstawienie zalet i wad porównywanych

Bardziej szczegółowo

SiR_13 Systemy SCADA: sterowanie nadrzędne; wizualizacja procesów. MES - Manufacturing Execution System System Realizacji Produkcji

SiR_13 Systemy SCADA: sterowanie nadrzędne; wizualizacja procesów. MES - Manufacturing Execution System System Realizacji Produkcji System informatyczny na produkcji: Umożliwi stopniowe, ale jednocześnie ekonomiczne i bezpieczne wdrażanie i rozwój aplikacji przemysłowych w miarę zmiany potrzeb firmy. Może adoptować się do istniejącej

Bardziej szczegółowo

Instalacja SQL Server Express. Logowanie na stronie Microsoftu

Instalacja SQL Server Express. Logowanie na stronie Microsoftu Instalacja SQL Server Express Logowanie na stronie Microsoftu Wybór wersji do pobrania Pobieranie startuje, przechodzimy do strony z poradami. Wypakowujemy pobrany plik. Otwiera się okno instalacji. Wybieramy

Bardziej szczegółowo

Wprowadzenie do baz danych

Wprowadzenie do baz danych Wprowadzenie do baz danych Bazy danych stanowią obecnie jedno z ważniejszych zastosowań komputerów. Podstawowe zalety komputerowej bazy to przede wszystkim szybkość przetwarzania danych, ilość dostępnych

Bardziej szczegółowo

Pojęcie systemu baz danych

Pojęcie systemu baz danych Pojęcie systemu baz danych System baz danych- skomputeryzowany system przechowywania danych/informacji zorganizowanych w pliki. Składa się z zasadniczych elementów: 1) Danych 2) Sprzętu 3) Programów 4)

Bardziej szczegółowo

Model logiczny SZBD. Model fizyczny. Systemy klientserwer. Systemy rozproszone BD. No SQL

Model logiczny SZBD. Model fizyczny. Systemy klientserwer. Systemy rozproszone BD. No SQL Podstawy baz danych: Rysunek 1. Tradycyjne systemy danych 1- Obsługa wejścia 2- Przechowywanie danych 3- Funkcje użytkowe 4- Obsługa wyjścia Ewolucja baz danych: Fragment świata rzeczywistego System przetwarzania

Bardziej szczegółowo

Wybrane działy Informatyki Stosowanej

Wybrane działy Informatyki Stosowanej Wybrane działy Informatyki Stosowanej Java Enterprise Edition. WebServices. Język XML. Serwer aplikacji GlassFish. Dr inż. Andrzej Czerepicki a.czerepicki@wt.pw.edu.pl http://www2.wt.pw.edu.pl/~a.czerepicki

Bardziej szczegółowo

RELACYJNE BAZY DANYCH

RELACYJNE BAZY DANYCH RELACYJNE BAZY DANYCH Aleksander Łuczyk Bielsko-Biała, 15 kwiecień 2015 r. Ludzie używają baz danych każdego dnia. Książka telefoniczna, zbiór wizytówek przypiętych nad biurkiem, encyklopedia czy chociażby

Bardziej szczegółowo

Hurtownie danych. Wprowadzenie do systemów typu Business Intelligence

Hurtownie danych. Wprowadzenie do systemów typu Business Intelligence Hurtownie danych Wprowadzenie do systemów typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika

Bardziej szczegółowo

Problemy niezawodnego przetwarzania w systemach zorientowanych na usługi

Problemy niezawodnego przetwarzania w systemach zorientowanych na usługi Problemy niezawodnego przetwarzania w systemach zorientowanych na usługi Jerzy Brzeziński, Anna Kobusińska, Dariusz Wawrzyniak Instytut Informatyki Politechnika Poznańska Plan prezentacji 1 Architektura

Bardziej szczegółowo

Programowanie obiektowe

Programowanie obiektowe Programowanie obiektowe Wykład 13 Marcin Młotkowski 27 maja 2015 Plan wykładu Trwałość obiektów 1 Trwałość obiektów 2 Marcin Młotkowski Programowanie obiektowe 2 / 29 Trwałość (persistence) Definicja Cecha

Bardziej szczegółowo

Oferta szkoleniowa Yosi.pl 2012/2013

Oferta szkoleniowa Yosi.pl 2012/2013 Oferta szkoleniowa Yosi.pl 2012/2013 "Podróżnik nie posiadający wiedzy, jest jak ptak bez skrzydeł" Sa'Di, Gulistan (1258 rok) Szanowni Państwo, Yosi.pl to dynamicznie rozwijająca się firma z Krakowa.

Bardziej szczegółowo

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI

METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej

Bardziej szczegółowo

Wprowadzenie do Hurtowni Danych

Wprowadzenie do Hurtowni Danych Wprowadzenie do Hurtowni Danych BIG DATA Definicja Big Data Big Data definiowane jest jako składowanie zbiorów danych o tak dużej złożoności i ilości danych, że jest to niemożliwe przy zastosowaniu podejścia

Bardziej szczegółowo

Wprowadzenie do Hurtowni Danych

Wprowadzenie do Hurtowni Danych Wprowadzenie do Hurtowni Danych Organizacyjnie Prowadzący: mgr. Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło HD2) Literatura 1. Inmon, W., Linstedt, D. (2014). Data Architecture: A

Bardziej szczegółowo

2011-11-04. Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management Studio. Microsoft Access Oracle Sybase DB2 MySQL

2011-11-04. Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management Studio. Microsoft Access Oracle Sybase DB2 MySQL Instalacja, konfiguracja Dr inŝ. Dziwiński Piotr Katedra InŜynierii Komputerowej Kontakt: piotr.dziwinski@kik.pcz.pl 2 Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management

Bardziej szczegółowo

Alicja Marszałek Różne rodzaje baz danych

Alicja Marszałek Różne rodzaje baz danych Alicja Marszałek Różne rodzaje baz danych Rodzaje baz danych Bazy danych można podzielić wg struktur organizacji danych, których używają. Można podzielić je na: Bazy proste Bazy złożone Bazy proste Bazy

Bardziej szczegółowo

Wybrane działy Informatyki Stosowanej

Wybrane działy Informatyki Stosowanej Wybrane działy Informatyki Stosowanej Dr inż. Andrzej Czerepicki a.czerepicki@wt.pw.edu.pl http://www2.wt.pw.edu.pl/~a.czerepicki 2017 APLIKACJE SIECIOWE Definicja Architektura aplikacji sieciowych Programowanie

Bardziej szczegółowo

INTERNETOWE BAZY DANYCH materiały pomocnicze - wykład X

INTERNETOWE BAZY DANYCH materiały pomocnicze - wykład X Wrocław 2006 INTERNETOWE BAZY DANYCH materiały pomocnicze - wykład X Paweł Skrobanek C-3, pok. 323 e-mail: pawel.skrobanek@pwr.wroc.pl INTERNETOWE BAZY DANYCH PLAN NA DZIŚ zajęcia 1: 2. Procedury składowane

Bardziej szczegółowo

Tworzenie aplikacji bazodanowych

Tworzenie aplikacji bazodanowych Tworzenie aplikacji bazodanowych wykład Joanna Kołodziejczyk 2016 Joanna Kołodziejczyk Tworzenie aplikacji bazodanowych 2016 1 / 36 Klasyfikacja baz danych Plan wykładu 1 Klasyfikacja baz danych 2 Architektura

Bardziej szczegółowo

Bazy danych Wykład zerowy. P. F. Góra

Bazy danych Wykład zerowy. P. F. Góra Bazy danych Wykład zerowy P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Patron? Św. Izydor z Sewilli (VI wiek), biskup, patron Internetu (sic!), stworzył pierwszy katalog Copyright c 2011-12 P.

Bardziej szczegółowo

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej

Bardziej szczegółowo

Bazy danych - wykład wstępny

Bazy danych - wykład wstępny Bazy danych - wykład wstępny Wykład: baza danych, modele, hierarchiczny, sieciowy, relacyjny, obiektowy, schemat logiczny, tabela, kwerenda, SQL, rekord, krotka, pole, atrybut, klucz podstawowy, relacja,

Bardziej szczegółowo

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne Architektury i technologie integracji danych Systemy Mediacyjne Multi-wyszukiwarki Wprowadzenie do Mediacyjnych Systemów Zapytań (MQS) Architektura MQS Cechy funkcjonalne MQS Cechy implementacyjne MQS

Bardziej szczegółowo

Bazy danych. Plan wykładu. Rozproszona baza danych. Fragmetaryzacja. Cechy bazy rozproszonej. Replikacje (zalety) Wykład 15: Rozproszone bazy danych

Bazy danych. Plan wykładu. Rozproszona baza danych. Fragmetaryzacja. Cechy bazy rozproszonej. Replikacje (zalety) Wykład 15: Rozproszone bazy danych Plan wykładu Bazy danych Cechy rozproszonej bazy danych Implementacja rozproszonej bazy Wykład 15: Rozproszone bazy danych Małgorzata Krętowska, Agnieszka Oniśko Wydział Informatyki PB Bazy danych (studia

Bardziej szczegółowo

Rozproszone bazy danych. Robert A. Kłopotek Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW

Rozproszone bazy danych. Robert A. Kłopotek Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW Rozproszone bazy danych Robert A. Kłopotek r.klopotek@uksw.edu.pl Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych, UKSW Scentralizowana baza danych Dane są przechowywane w jednym węźle sieci Można

Bardziej szczegółowo

Wykład XII. optymalizacja w relacyjnych bazach danych

Wykład XII. optymalizacja w relacyjnych bazach danych Optymalizacja wyznaczenie spośród dopuszczalnych rozwiązań danego problemu, rozwiązania najlepszego ze względu na przyjęte kryterium jakości ( np. koszt, zysk, niezawodność ) optymalizacja w relacyjnych

Bardziej szczegółowo

Replikacje. dr inż. Dziwiński Piotr Katedra Inżynierii Komputerowej. Kontakt:

Replikacje. dr inż. Dziwiński Piotr Katedra Inżynierii Komputerowej. Kontakt: dr inż. Dziwiński Piotr Katedra Inżynierii Komputerowej Kontakt: piotr.dziwinski@kik.pcz.pl Replikacje 2 1 Podstawowe pojęcia Strategie replikacji Agenci replikacji Typy replikacji Modele replikacji Narzędzia

Bardziej szczegółowo

KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU

KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU KONCEPCJA WYKORZYSTANIA TECHNOLOGII APPLET- JAVA W TWORZENIU TORINGU PRZEMIESZCZA I ICH WIZUALIZACJI NA MAPIE CYFROWEJ 05-130 Zegrze, ul. Warszawska 22A Appletu przy projektowaniu i tworzeniu systemu Applet-

Bardziej szczegółowo

LITERATURA. C. J. Date; Wprowadzenie do systemów baz danych WNT Warszawa 2000 ( seria Klasyka Informatyki )

LITERATURA. C. J. Date; Wprowadzenie do systemów baz danych WNT Warszawa 2000 ( seria Klasyka Informatyki ) LITERATURA C. J. Date; Wprowadzenie do systemów baz danych WNT Warszawa 2000 ( seria Klasyka Informatyki ) H. Garcia Molina, Jeffrey D. Ullman, Jennifer Widom; Systemy baz danych. Kompletny podręcznik

Bardziej szczegółowo

Wprowadzenie do metodologii modelowania systemów informacyjnych. Strategia (1) Strategia (2) Etapy Ŝycia systemu informacyjnego

Wprowadzenie do metodologii modelowania systemów informacyjnych. Strategia (1) Strategia (2) Etapy Ŝycia systemu informacyjnego Etapy Ŝycia systemu informacyjnego Wprowadzenie do metodologii modelowania systemów informacyjnych 1. Strategia 2. Analiza 3. Projektowanie 4. Implementowanie, testowanie i dokumentowanie 5. WdroŜenie

Bardziej szczegółowo

2010-10-06 ORGANIZACJA ZAJĘĆ BAZY DANYCH PLAN WYKŁADU SCHEMAT SYSTEMU INFORMATYCZNEGO

2010-10-06 ORGANIZACJA ZAJĘĆ BAZY DANYCH PLAN WYKŁADU SCHEMAT SYSTEMU INFORMATYCZNEGO ORGANIZACJA ZAJĘĆ Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.pl Liczba godzin i forma zajęć: 30 godzin wykładu oraz 30 godzin laboratorium Konsultacje: czwartek 10:15-12:00

Bardziej szczegółowo

Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski. Bazy danych ITA-101. Wersja 1

Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski. Bazy danych ITA-101. Wersja 1 Włodzimierz Dąbrowski, Przemysław Kowalczuk, Konrad Markowski Bazy danych ITA-101 Wersja 1 Warszawa, wrzesień 2009 Wprowadzenie Informacje o kursie Opis kursu We współczesnej informatyce coraz większą

Bardziej szczegółowo

Szkolenie wycofane z oferty. Apache Cassandra - modelowanie, wydajność, analiza danych

Szkolenie wycofane z oferty. Apache Cassandra - modelowanie, wydajność, analiza danych Szkolenie wycofane z oferty Program szkolenia: Apache Cassandra - modelowanie, wydajność, analiza danych Informacje: Nazwa: Kod: Kategoria: Grupa docelowa: Czas trwania: Forma: Apache Cassandra - modelowanie,

Bardziej szczegółowo

Dariusz Brzeziński. Politechnika Poznańska, Instytut Informatyki

Dariusz Brzeziński. Politechnika Poznańska, Instytut Informatyki Dariusz Brzeziński Politechnika Poznańska, Instytut Informatyki Język programowania prosty bezpieczny zorientowany obiektowo wielowątkowy rozproszony przenaszalny interpretowany dynamiczny wydajny Platforma

Bardziej szczegółowo

OFERTA SZKOLENIOWA PROGRESS SOFTWARE

OFERTA SZKOLENIOWA PROGRESS SOFTWARE OFERTA SZKOLENIOWA PROGRESS SOFTWARE Szanowni Państwo, Zapraszamy do zapoznania się z naszą ofertą szkoleń w systemie Progress. Kursy organizowane są dla małych grup 3-6 osobowych, w Warszawie. Każdy uczestnik

Bardziej szczegółowo

Informacje wstępne Autor Zofia Kruczkiewicz Wzorce oprogramowania 4

Informacje wstępne Autor Zofia Kruczkiewicz Wzorce oprogramowania 4 Utrwalanie danych zastosowanie obiektowego modelu danych warstwy biznesowej do generowania schematu relacyjnej bazy danych Informacje wstępne Autor Zofia Kruczkiewicz Wzorce oprogramowania 4 1. Relacyjne

Bardziej szczegółowo

KOŁO NAUKOWE GEODETÓW Dahlta

KOŁO NAUKOWE GEODETÓW Dahlta WYDZ. GEODEZJI GÓRNICZEJ I INŻYNIERII ŚRODOWISKA KOŁO NAUKOWE GEODETÓW Dahlta www.kng.agh.edu.pl Karlova Studánka, 17-19 maja 2012 r. BUDOWA SYSTEMU INFORMACJI PRZESTRZENNEJ DLA UCZELNI WYŻSZEJ GEOPORTAL

Bardziej szczegółowo

Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych

Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych Skrócone opisy pryncypiów architektury korporacyjnej podmiotów publicznych Wersja: 1.0 17.06.2015 r. Wstęp W dokumencie przedstawiono skróconą wersję pryncypiów architektury korporacyjnej podmiotów publicznych.

Bardziej szczegółowo

Spis treści. Przedmowa

Spis treści. Przedmowa Spis treści Przedmowa V 1 SQL - podstawowe konstrukcje 1 Streszczenie 1 1.1 Bazy danych 1 1.2 Relacyjny model danych 2 1.3 Historia języka SQL 5 1.4 Definiowanie danych 7 1.5 Wprowadzanie zmian w tabelach

Bardziej szczegółowo

Architektura korporacyjna jako narzędzie koordynacji wdrażania przetwarzania w chmurze

Architektura korporacyjna jako narzędzie koordynacji wdrażania przetwarzania w chmurze Architektura korporacyjna jako narzędzie koordynacji wdrażania przetwarzania w chmurze Prof. SGH, dr hab. Andrzej Sobczak, Kierownik Zakładu Systemów Informacyjnych, Katedra Informatyki Gospodarczej SGH

Bardziej szczegółowo

Standard określania klasy systemu informatycznego resortu finansów

Standard określania klasy systemu informatycznego resortu finansów Dane dokumentu Nazwa Projektu: Kontrakt Konsolidacja i Centralizacja Systemów Celnych i Podatkowych Studium Projektowe Konsolidacji i Centralizacji Systemów Celnych i Podatkowych (SPKiCSCP) Numer wersji

Bardziej szczegółowo

Spis treści. Wstęp... 11

Spis treści. Wstęp... 11 Spis treści Wstęp... 11 1. OBSZARY WIRTUALIZACJI DZIAŁALNOŚCI WSPÓŁCZESNYCH ORGANIZACJI (Artur Machura)... 13 1.1. Wprowadzenie... 13 1.2. Charakterystyka kontekstu rynkowego współczesnych organizacji...

Bardziej szczegółowo

Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania

Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Michał Socha, Wojciech Górka Integracja danych Prosty export/import Integracja 1:1 łączenie baz danych

Bardziej szczegółowo

Część I Istota analizy biznesowej a Analysis Services

Część I Istota analizy biznesowej a Analysis Services Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w

Bardziej szczegółowo

Rozwiązania bazodanowe EnterpriseDB

Rozwiązania bazodanowe EnterpriseDB Rozwiązania bazodanowe EnterpriseDB Bogumił Stoiński RHC{E,I,X} B2B Sp. z o.o. 519 130 155 bs@bel.pl PostgreSQL Ponad 20 lat na rynku Jedna z najpopularniejszych otwartych relacyjnych baz danych obok MySQL

Bardziej szczegółowo

Ontologie, czyli o inteligentnych danych

Ontologie, czyli o inteligentnych danych 1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania

Bardziej szczegółowo

INFORMATYKA POZIOM ROZSZERZONY

INFORMATYKA POZIOM ROZSZERZONY EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi

Bardziej szczegółowo

Przetwarzanie i zabezpieczenie danych w zewnętrznym DATA CENTER

Przetwarzanie i zabezpieczenie danych w zewnętrznym DATA CENTER Przetwarzanie i zabezpieczenie danych w zewnętrznym DATA CENTER Gdańsk, 27-28 września 2012 r. Krzysztof Pytliński Zakład Teleinformatyki Kontekst Data Center jako usługa zewnętrzna, zaspokajająca potrzeby

Bardziej szczegółowo

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych

Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych Wykorzystanie standardów serii ISO 19100 oraz OGC dla potrzeb budowy infrastruktury danych przestrzennych dr inż. Adam Iwaniak Infrastruktura Danych Przestrzennych w Polsce i Europie Seminarium, AR Wrocław

Bardziej szczegółowo

Organizacja zajęć BAZY DANYCH II WYKŁAD 1. Plan wykładu. SZBD Oracle 2010-10-21

Organizacja zajęć BAZY DANYCH II WYKŁAD 1. Plan wykładu. SZBD Oracle 2010-10-21 Organizacja zajęć BAZY DANYCH II WYKŁAD 1 Wykładowca dr inż. Agnieszka Bołtuć, pokój 304, e-mail: aboltuc@ii.uwb.edu.pl Liczba godzin i forma zajęć: 15 godzin wykładu oraz 30 godzin laboratorium Konsultacje:

Bardziej szczegółowo

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia. Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia

Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia. Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Efekty kształcenia dla modułu kształcenia Wydział Matematyki i Informatyki Instytut Informatyki i

Bardziej szczegółowo

Dokumentacja techniczna. Młodzieżowe Pośrednictwo Pracy

Dokumentacja techniczna. Młodzieżowe Pośrednictwo Pracy Dokumentacja techniczna Młodzieżowe Pośrednictwo Pracy Spis Treści 1. Widok ogólny architektury MPP... 3 2. Warstwy systemu... 5 3. Struktura systemu/komponentów... 7 3.1 Aplikacje... 7 3.2 Biblioteki...

Bardziej szczegółowo

Analiza ilościowa w przetwarzaniu równoległym

Analiza ilościowa w przetwarzaniu równoległym Komputery i Systemy Równoległe Jędrzej Ułasiewicz 1 Analiza ilościowa w przetwarzaniu równoległym 10. Analiza ilościowa w przetwarzaniu równoległym...2 10.1 Kryteria efektywności przetwarzania równoległego...2

Bardziej szczegółowo

BAZY DANYCH. NIERELACYJNE BAZY DANYCH NoSQL I ASOCJACYJNE STRUKTURY DANYCH. Adrian Horzyk. Akademia Górniczo-Hutnicza

BAZY DANYCH. NIERELACYJNE BAZY DANYCH NoSQL I ASOCJACYJNE STRUKTURY DANYCH. Adrian Horzyk. Akademia Górniczo-Hutnicza BAZY DANYCH NIERELACYJNE BAZY DANYCH NoSQL I ASOCJACYJNE STRUKTURY DANYCH Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki

Bardziej szczegółowo

ZAGADNIENIA DO EGZAMINU DYPLOMOWEGO NA STUDIACH INŻYNIERSKICH. Matematyka dyskretna, algorytmy i struktury danych, sztuczna inteligencja

ZAGADNIENIA DO EGZAMINU DYPLOMOWEGO NA STUDIACH INŻYNIERSKICH. Matematyka dyskretna, algorytmy i struktury danych, sztuczna inteligencja Kierunek Informatyka Rok akademicki 2016/2017 Wydział Matematyczno-Przyrodniczy Uniwersytet Rzeszowski ZAGADNIENIA DO EGZAMINU DYPLOMOWEGO NA STUDIACH INŻYNIERSKICH Technika cyfrowa i architektura komputerów

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych Rodzaj zajęć: wykład, laboratorium BAZY DANYCH I SYSTEMY EKSPERTOWE Database and expert systems Forma

Bardziej szczegółowo

Algorytmy i Struktury Danych

Algorytmy i Struktury Danych POLITECHNIKA KRAKOWSKA - WIEiK KATEDRA AUTOMATYKI i TECHNIK INFORMACYJNYCH Algorytmy i Struktury Danych www.pk.edu.pl/~zk/aisd_hp.html Wykładowca: dr inż. Zbigniew Kokosiński zk@pk.edu.pl Wykład 12: Wstęp

Bardziej szczegółowo

Programowanie Rozproszone i Równoległe. Edward Görlich http://th.if.uj.edu.pl/~gorlich goerlich@th.if.uj.edu.pl

Programowanie Rozproszone i Równoległe. Edward Görlich http://th.if.uj.edu.pl/~gorlich goerlich@th.if.uj.edu.pl Programowanie Rozproszone i Równoległe Edward Görlich http://th.if.uj.edu.pl/~gorlich goerlich@th.if.uj.edu.pl Motywacja wyboru Programowanie rozproszone równoległość (wymuszona) Oprogramowanie równoległe/rozproszone:

Bardziej szczegółowo