Systemy rozproszone Marcin Gorawski Rafał Malczok

Wielkość: px
Rozpocząć pokaz od strony:

Download "Systemy rozproszone Marcin Gorawski Rafał Malczok"

Transkrypt

1 POLITECHNIKI LSKA INSTYTUT INFORMATYKI Laboratorium Hurtowni Danych Systemy rozproszone Marcin Gorawski Rafał Malczok Gliwice 2004

2 Spis treci 2 Spis treci 1. Wstp Wprowadzenie Idea hurtowni danych Agregowanie danych Wydajno i skalowalno Podsumowanie definicja hurtowni danych Modelowany scenariusz rzeczywisty Model danych - gwiazda kaskadowa Terminologia modelowania danych Tablice faktów Wymiary i atrybuty. Tablice wymiarów Hierarchie Standardowe modele danych Model gwiazdy Model płatka niegu Model konstelacji faktów Nowy model danych gwiazda kaskadowa Implementacja modelu Indeks zewntrzny - Drzewo agregatów Budowa drzewa Materializowanie list agregatów Działanie drzewa agregatów. Zarzdzanie pamici Algorytm obliczania wartoci okien agregacji Rozproszenie. Moduły systemu Koncepcja rozproszenia hurtowni danych Podstawy teoretyczne Implementacja rozproszenia Konfiguracja SDW oraz narzdzi dodatkowych Konfiguracja modułów Plik konfiguracyjny modułu klienta Plik konfiguracyjny modułu serwera...33

3 Spis treci Plik definiujcy struktur systemu rozproszonego Narzdzia dodatkowe Uruchamianie modułów...36 Literatura... 37

4 1. Wstp Obserwacja rynku oprogramowania aplikacyjnego stosowanego przez przedsibiorstwa i korporacje pokazuje, e stosowane s w nich coraz to nowoczeniejsze systemy przetwarzania informacji [3, 7, 9]. Dziki zastosowaniu takich systemów decydenci mog planowa i zarzdza strategi przedsibiorstwa. Systemy przetwarzania informacji dzieli si obecnie na 3 kategorie [4]: Systemy transakcyjne (OLTP, ang. On-line Transactional Processing), których celem jest gromadzenie danych wspierajcych biec działalno przedsibiorstwa. Systemy analityczne. Uycie tych systemów ma na celu szybkie uzyskiwanie dowolnych informacji analitycznych, które bd wspomagały procesy podejmowania decyzji. Systemy analityczne dziel si na dwie klasy: o Systemy DSS (ang. Decision Support Systems) systemy wspierajce podejmowanie decyzji dysponuj danymi pozwalajcymi na uzyskanie informacji o danym przedsibiorstwie. DSS pozwalaj analizowa dane wewntrzne przedsibiorstwa, abstrahujc od sytuacji rynku zewntrznego o Systemy EIS (ang. Executive Information Systems) systemy informowania kierownictwa korzystaj z dodatkowych ródeł informacji, które mog uwidacznia wpływy zewntrznych czynników na sytuacj przedsibiorstwa. Do takich czynników mona zaliczy np. sytuacj polityczn czy rynkow. Systemy inteligentnego biznesu (BI, ang. Bussiness Intelligence) wykorzystywane przez kierownictwo wyszego szczebla oraz ekonomistów. Wyniki uzyskiwane dziki uyciu tych systemów opisuj całe przedsibiorstwo oraz udostpniaj moliwoci stworzenia wieloletnich perspektyw i prognoz.

5 Wstp 5 Na laboratorium studenci zapoznaj si ze szkieletem systemu DSS. Zostan przedstawione nastpujce aspekty systemu: model danych i zakres przechowywanej informacji, techniki rozproszenia majce na celu podniesienie wydajnoci systemu oraz zaawansowane mechanizmy indeksowania i agregacji danych. Przebieg wiczenia jest podzielony na nastpujce etapy: 1. zapoznanie z teoretycznymi podstawami systemu 2. przygotowanie danych za pomoc dodatkowych narzdzi 3. ładowanie danych do systemu jednokomputerowego 4. wykonanie przykładowych agregacji w systemach jednokomputerowych dla rónych iloci zmaterializowanej informacji, zebranie wyników czasowych wskazanych przez prowadzcego 5. ładowanie danych do systemu rozproszonego 6. wykonanie testów dla systemu rozproszonego 7. porównanie uzyskanych wyników 8. formułowanie wniosków Sprawozdanie z wiczenia powinno zawiera: 1. wstp krótko definiujcy tematyk zaj i cel wiczenia, 2. zestawienie i omówienie wyników uzyskanych podczas pracy na laboratorium, 3. wnioski sformułowane na podstawie uzyskanych wyników, 4. propozycj rozwizania problemu przestawionego przez prowadzcego wiczenie.

6 2. Wprowadzenie 2.1. Idea hurtowni danych Podstawowym zadaniem hurtowni jest połczenie danych z rónych istniejcych i pozostajcych nadal w uyciu baz danych w jednej, odpowiednio duej bazie [4]. W przeciwie stwie do baz transakcyjnych, hurtownie danych przechowuj informacje historyczne, opisywane czasowo dziki atrybutom wymiaru czasu. Atrybuty te stanowi swego rodzaju stempel czasowy pozwalajcy na identyfikacj czasow atrybutów innych wymiarów [5]. Wymagania stawiane hurtowniom danych to gromadzenie zintegrowanych, spójnych i wysokiej jakoci danych. Dane te posiadaj pewien okrelony stopie granulacji, który zaley od wymaga uytkowników ko cowych. Np. dla hurtowni obsługujcej sie sklepów i przechowujcej informacje o dokonanych transakcjach najczciej wybieranym stopniem granulacji bdzie włanie transakcja. Po jej dokonaniu w hurtowni zapisane zostan fakty dotyczce transakcji jej miejsce i czas oraz warto. Wybrany stopie granulacji ma wpływ na maksymaln dostpn szczegółowo generowanych raportów podczas operacji eksplorowania (drenia) danych. Po zgromadzeniu danych hurtownia ma umoliwia: szybki dostp do aktualnych danych efektywn analiz wydobywajc niejawn wiedz z danych skalowalno rosncych wolumenów danych adaptowalno aplikacji analitycznych Agregowanie danych Wikszo uytkowników hurtowni, a take aplikacje klasy DSS/EIS oraz BI korzystaj ze zagregowanych danych. Postpowanie takie spowodowane jest tym, e podczas analizy danych rzadko wymagany jest dostp do ich najniszego poziomu szczegółowoci. Agregaty danych mog by tworzone w dwojaki sposób: na bieco, podczas wykonywania zapytania. Podejcie takie powoduje, e czas wykonania zapytania wydłua si o czas budowania agregatów.

7 Wprowadzenie 7 w trakcie ładowania (ekstrakcji danych). Uaktualnianie agregatów w tym przypadku odbywa si podczas ładowania przyrostowego. Podejcie to nie ma wady narzutu czasowego na czas wykonania zapytania, ale na proces ekstrakcji. Raz zagregowane informacje mog zosta zapisane w bazie hurtowni na potrzeby obliczania kolejnych zapyta. W praktyce agregaty przechowuje si bd w odrbnych tablicach dla danych sumarycznych, bd w tablicy (tablicach) faktów. Oba te podejcia maj swoje dobre i złe strony. Przechowywanie agregatów w odrbnych tabelach powoduje wzrost liczby tabel, a co za tym idzie skomplikowanie schematu bazy hurtowni. Z kolei przechowywanie agregatów w tablicy faktów powoduje skomplikowanie struktury i utrudnienie zarzdzania tabel faktów, która jest z reguły najwiksz tabel w schemacie hurtowni Wydajno i skalowalno Pomimo spełnienia wszystkich postawionych wyej wymaga system hurtowni danych moe zosta nisko oceniony z powodu słabej wydajnoci. Głównym aspektem z punktu widzenia uytkownika jest to, jak szybko system przetwarza dane zapytanie hurtownia danych musi by szybka [3, 8, 9]. Sprostanie wymaganiu wspomnianej powyej interaktywnoci i efektywnoci wymaga od systemu hurtowni uycia wszystkich moliwych technik przyspieszajcych wykonywanie skomplikowanych zapyta i oblicze. Obecnie stosuje si wiele takich technik, nad wieloma z nich trwaj badania majce na celu zwikszenie ich wydajnoci. Do najistotniejszych nale: zastosowanie przetwarzania równoległego wszdzie tam, gdzie tylko jest to moliwe. Systemy rozproszone wydaj si by przyszłoci hurtowni danych poniewa dziki nim mona rozdzieli na poszczególne komputery nie tylko obcienia zwizane z wykonywaniem skomplikowanych oblicze analitycznych, ale take ciar składowania i zarzdzania ogromnymi ilociami danych. zastosowanie zaawansowanych technik indeksowania, dziki czemu mona osign znaczny wzrost szybkoci obliczania wartoci zapyta kierowanych do hurtowni zastosowanie innych metod poprawiajcych wydajno: zmaterializowanych widoków czy rozszerze standardowej składni jzyka SQL.

8 Wprowadzenie Podsumowanie definicja hurtowni danych Bazujc na powyszych okreleniach wymaga dotyczcych zarówno bazy hurtowni jak i jej analitycznego silnika mona sformułowa zwizł i aktualn definicj hurtowni danych: Hurtownia danych jest analityczn baz danych i zintegrowanym rodowiskiem rozwojowym obsługujcym procesy: ekstrakcji, transformacji i ładowania danych, zaawansowanego zarzdzania danymi, skalowalnego przetwarzania analitycznego, inteligentnego eksplorowania danych dla odkrywania wiedzy oraz minimalizowania cyklu uaktualniania danych Modelowany scenariusz rzeczywisty W celu osadzenia budowanego systemu przestrzennej hurtowni w rzeczywistoci konieczne było znalezienie obiektu posiadajcego wygodne do modelowania aspekty. Wybór padł na rynek mediów. Liberalizacja rynku energii i restrukturyzacja sektorów energetycznych stworzyły podwaliny nowego rynku - odbiorcy multimedialnego w zakresie: energii elektrycznej, gazu, ciepła i wody. Ostatecznie kady z nas bdzie miał moliwo swobodnego wyboru dostawcy energii elektrycznej jak i innych mediów. Podstawowym problemem staje si odczyt milionów liczników odbiorców indywidualnych jak i instytucjonalnych i analiza terabajtowych wolumenów otrzymanych danych. W przypadku dostawców energii elektrycznej odczyt, analiza i podjcie decyzji podlega ostremu reimowi czasowemu; przykładowo co 30 minut powinno si analizowa odczyty wszystkich liczników energii w celu sporzdzenia prognozy zapotrzebowania na energi zamykajc bilans energetyczny. Aby sprosta wymaganiom nakładanym przez zapotrzebowania rynku konieczna jest budowa rozwizania składajcego si z dwóch warstw. Pierwsz z nich jest system zintegrowanego odczytu liczników bazujcy na bezprzewodowej komunikacji (GSM/GPRS). Drug warstwa działa w oparciu o wykorzystanie systemów decyzyjnych opartych o przestrzenne hurtownie danych. Cz prac prowadzonych w laboratorium HD koncentruj si na projektowaniu systemów przestrzennej hurtowni danych w wersji centralnej (ang. Spatial Data Warehouse - SDW) oraz rozproszonej (Distributed SDW DSDW). System zintegrowanego odczytu liczników mediów jest ródłem danych dla (D)SDW. Składa si on z liczników zuycia mediów zlokalizowanych na duym obszarze geograficznym, wzłów zbiorczych oraz serwera telemetrycznego. Wzły rozmieszczane s na terenie, na którym dokonywane s pomiary. S one punktami zbiorczymi okrelonej

9 Wprowadzenie 9 grupy liczników. Liczniki komunikuj si z wzłami zbiorczymi drog radiow. Narzuca to pewne ograniczenia pojedynczy wzeł zbiorczy moe obsługiwa pewn sko czon liczb liczników, a licznik moe by oddalony od swojego wzła tylko na pewn odległo. Ograniczenia te powoduj, e struktura komunikacji radiowej przypomina zbiór kół, których centra to wzły zbiorcze otoczone licznikami (Rysunek 2.1). H E AD Q U AR T E R S N O D E N O D E Rysunek 2.1. Schemat struktury radiowej komunikacji wzeł liczniki. Dalsza komunikacja na linii wzeł serwer odbywa si za porednictwem sieci komputerowej. Dane zbierane s w serwerze telemetrycznym, a nastpnie s ładowane do hurtowni danych podczas procesu ekstrakcji. W ten sposób dwie warstwy omawianego rozwizania komunikuj si ze sob i tworz jedn cało.

10 Model danych - gwiazda kaskadowa Model danych - gwiazda kaskadowa Hurtownia danych jest projektem indywidualnym. Projekt modelu (schematu) danych stanowi wany etap projektowania hurtowni. Od tego, czy model zostanie poprawnie zaprojektowany zaley jako całego systemu hurtowni [6]. Od zastosowanego modelu zaley jakie informacje hurtownia bdzie przechowywa i jakie zestawienia i raporty bdzie mona za jej pomoc uzyska Terminologia modelowania danych Podczas procesu tworzenia modelu danych uywane s terminy, których znajomo i zrozumie s niezbdne do przeprowadzenia poprawnego procesu budowania modelu danych. Poniej zamieszczono omówienie najwaniejszych z nich Tablice faktów Dane gromadzone w hurtowni danych to w wikszoci dane numeryczne opisujce pewne wielkoci rzeczywiste (fakty). Wielkoci te gromadzone s w tabelach nazywanych tabelami faktów. Opisuj one ilociowo procesy zachodzce w danym przedsibiorstwie (np. ilo sprzedawanych towarów). Model danych, w zalenoci od stopnia skomplikowania projektu moe zawiera jedn lub wiele tablic faktów [6] Wymiary i atrybuty. Tablice wymiarów Atrybuty modelu danych pozwalaj na okrelenie obszarów analizy informacji przechowywanej w tablicach faktów. Atrybuty dotyczce pojedynczego obszaru analizy informacji łczone s w grupy logiczne nazywane wymiarami [6]. Najczciej spotykanym wymiarem jest wymiar czasu przechowujcy informacje o lokalizacji czasowej zjawiska opisanego ilociowo w tablicy faktów. Atrybuty gromadzone w wymiarach powinny by ze sob cile powizane. Jeli pomidzy atrybutami nie zachodzi adna relacja, lub relacja ta jest słaba, wtedy powinny by one umieszczone w osobnych wymiarach. Model danych nazywany jest modelem wielowymiarowym, gdy wystpuje w nim wicej ni jeden wymiar. Wymiary i atrybuty słu uytkownikowi ko cowej aplikacji DSS do definicji wygldu i szczegółowoci generowanych raportów. Informacje (atrybuty) danego wymiaru umieszczane s w osobnych tabelach nazywanych tabelami wymiarów. Tabela faktów w wikszoci przypadków zabiera

11 Model danych - gwiazda kaskadowa 11 najwicej miejsca w bazie danych, jest jednak wysoce znormalizowana, co znaczy, e reprezentuje najbardziej efektywny (jeli chodzi o miejsce) relacyjny sposób przechowywania faktów. Tabele wymiarów s bardzo zdenormalizowane, ale one zwykle reprezentuj mały procent przestrzeni zajtej przez model [3] Hierarchie Midzy atrybutami wchodzcymi w skład danego wymiaru zachodz pewne relacje, np. rok składa si z miesicy, menader zarzdza sklepami. Relacje te wyznaczaj logiczne powizania pomidzy atrybutami wymiaru i maj charakter hierarchiczny, dlatego czsto okrela si je mianem hierarchii wymiaru. W kadej hierarchii wystpuje atrybut dziecka (podrzdny) oraz rodzica (nadrzdny). Moliwe jest znalezienie hierarchii o rónych krotnociach (1:1, 1:N, N:M). Wymiary s uporzdkowane za pomoc jednej lub wielu hierarchii, co jest wykorzystywane podczas operacji drenia danych. Wielokrotnie przedstawian jako przykład i jedn z najczciej wystpujcych jest hierarchia czasu (Rysunek 3.1). Jej praktycznie zastosowanie moe by nastpujce: uytkownik wygenerował raport obrazujcy ilo sprzedanego towaru w cigu ostatnich dziesiciu lat. Aby raport był czytelny dla nie obeznanego z nim uytkownika jako podstawow jednostk czasu system przyjmuje kolejne lata. W miar zainteresowania i potrzeb uytkownik ma moliwo schodzenia na kolejne poziomy czasowej szczegółowoci, co nazywane jest dreniem danych. Postpujc w ten sposób jest w stanie dotrze do danych o sprzeday produktów w cigu wybranego dnia, a nawet godziny. Wysoko hierarchii zaley od szczegółowoci zgromadzonych w wymiarze danych. rok miesic tydzie dzie godzina Rysunek 3.1. Przykładowa hierarchia czasu

12 Model danych - gwiazda kaskadowa Standardowe modele danych Modele logiczne danych takie jak model gwiazdy, model płatka niegu lub konstelacji faktów mog by uyte do reprezentowania danych tradycyjnej hurtowni danych. Modele gwiazdy i płatka niegu wyróniaj si wydajnoci, uniwersalnoci i prostot. Oba te modele stały si uznanym standardem w dziedzinie hurtowni danych. Poniej zamieszczono zwizłe omówienie tych modeli, a take przedstawiono ich najwaniejsze cechy Model gwiazdy Model gwiazdy posiada jedn tablic centraln (tablic faktów) zawierajc du ilo danych, oraz zbiór mniejszych tabel pomocniczych (tablice wymiarów). Graf modelu przypomina gwiazd, z tablicami wymiarów połoonymi dookoła centralnej tablicy faktów, jak zostało to pokazane na Rysunek 3.2. A jest tablic faktów, b, c, d, e, f s wymiarami i s reprezentowane przez tablice wymiarów. f e b d A c Rysunek 3.2. Model gwiazdy Najistotniejszymi cechami modelu gwiazdy s: tabela faktów stanowi centrum modelu tablica faktów jest znormalizowana, podczas gdy tabele wymiarów nie s projekt schematu gwiazdy zakłada minimalizacj liczby połcze midzy tablicami Model płatka niegu Model płatka niegu przynosi pewne udoskonalenie modelu gwiazdy ( Rysunek 3.3). Hierarchia wymiarów jest jasno reprezentowana poprzez znormalizowane tablice wymiarów (tablice d, e), z których dane rozdzielone zostały na dodatkowe tablice (tablice f, g, h, i). Schemat płatka niegu cechuje si przejrzyst struktur i prawie zupełnym brakiem redundancji danych.

13 Model danych - gwiazda kaskadowa 13 h b f i d A e g c Rysunek 3.3. Model płatka niegu Model konstelacji faktów Zaawansowane aplikacje wymagaj czasami, aby kilka tabel faktów współdzieliło tabele wymiarów. Na rysunku Rysunek 3.4 został przedstawiony schemat obrazujcy t sytuacj. A i B s tablicami faktów, które współdziel wymiary b oraz c. Tabele d, e, f, g, h s połczone z tabelami faktów na takich samych zasadach jak w przypadku schematu gwiazdy. Model konstelacji faktów jest rzadziej spotykanym modelem, co spowodowane jest stopniem jego skomplikowania i nieczsto spotykanymi sytuacjami, kiedy wymagane jest jego uycie. e d A b B g f c h Rysunek 3.4. Model konstelacji faktów 3.3. Nowy model danych gwiazda kaskadowa Modelowanie danych na potrzeby systemów hurtowni danych wchodzi w coraz wiksz ilo dziedzin działalnoci ludzkiej. Jako jeden z efektów mona wskaza powstanie koncepcji przestrzennych hurtowni danych, czyli hurtowni, w której atrybuty wymiaru opisuj fakty definiujc ich lokalizacj czasow oraz przestrzenn. Coraz czstsze s sytuacje, kiedy róne wymiary w przestrzennej hurtowni danych zawieraj róne typy danych, z których kady jest wielowymiarowy z natury. Dostpne standardowe modele w wielu wypadkach nie s odpowiednie do modelowania takich danych. W momencie gdy rozpoznamy, e kady przestrzenny wymiar w hurtowni danych jest

14 Model danych - gwiazda kaskadowa 14 wielowymiarowy, wtedy staje si oczywiste, e model hurtowni danych musi zosta tak rozszerzony, aby umoliwiał zamodelowanie tej sytuacji. Model kaskadowej gwiazdy jest rozszerzeniem standardowego schematu gwiazdy. Szkic obrazujcy jego koncepcj został zamieszczony na rysunku Rysunek 3.5 (oznaczenia literowe zastosowane w poniszym opisie bazuj na tym rysunku). Kaskadowa gwiazda charakteryzuje si tym, e kady z jej wymiarów stanowi odrbny, zagniedony schemat gwiazdy. Centralna tabela faktów (A) łczy wymiary ze sob gromadzc ich klucze główne, a take wspólne dla wszystkich wymiarów fakty. Główne tablice wymiarów (b, c, d, e) przechowuj fakty wymiaru oraz klucze główne tabel pod-wymiarów (f, g, h, i, j itd.). Tablice wymiarów w poszczególnych pod-wymiarach przechowuj atrybuty i ich opis. Mona powiedzie, e zagniedony schemat gwiazdy jest zbudowany identycznie jak w przypadku standardowego schematu gwiazdy, z tym, e stanowi on cz pewnej wikszej całoci, któr jest gwiazda kaskadowa. t u o p s e d r n w i h A m b j g k c f l Rysunek 3.5. Model kaskadowej gwiazdy W tym miejscu naley wyranie zaznaczy rónic pomidzy modelem kaskadowej gwiazdy, a modelem płatka niegu. Na pocztku moliwe jest odniesienie mylnego wraenia, e pomidzy wspomnianymi modelami nie ma wikszej rónicy poniewa oba maj wielokrotne rozszerzenia dla pewnych wymiarów przestrzennych. Jednak model płatka niegu tylko normalizuje pewne wymiary w celu redukcji rozmiaru wielkich tablic wymiarów, aby ułatwi zarzdzanie nimi i ich przechowywanie, a take by uwidoczni istniejce w wymiarach hierarchie. Natomiast w modelu kaskadowej gwiazdy zakłada si, e kady wymiar jest wielowymiarowy z natury Implementacja modelu Gwiazda kaskadowa, uyta po raz pierwszy przez autorów [1] do przechowywania danych przestrzennych, doskonale sprawdziła si w SDW w [10]. Charakteryzuje si tym,

15 Model danych - gwiazda kaskadowa 15 e zawiera centraln tabel faktów, a jej wymiary główne stanowi mniejsze schematy gwiazdy. Gwiazda kaskadowa pozwala na wygodne modelowanie szerokiego zakresu przestrzennych danych. Schemat gwiazdy zastosowany w prezentowanym systemie został przedstawiony na rysunku Rysunek Dane przechowywane w modelu Kady z liczników komunikuje si ze swoim wzłem z odpowiedni czstotliwoci. Jest ona róna dla rónych typów liczników i wynosi przykładowo 3-4 przesyły odczytów na godzin dla liczników energii. Odczyty z liczników wody s nieco rzadsze, a z liczników gazu nastpuj czciej. Pojedynczy odczyt zawiera nastpujce informacje: dokładny stempel czasowy odczytu, identyfikator licznika, oraz wartoci pomiarów (dwie strefy dla liczników wody i energii, jedna strefa dla liczników gazu). Obok tych danych system rejestruje take informacje takie jak: - Lista liczników, z dat ich instalacji i dokładnym, trójwymiarowym opisem połoenia oraz zbiorem atrybutów opisujcych licznik - Lista wzłów zbiorczych, podobnie z dat instalacji i dokładnym połoeniem oraz zbiorem atrybutów - Opis pogody dla kadego wzła z danego dnia. Atrybuty charakteryzujce pogod to temperatura, wilgotno powietrza oraz zachmurzenie. - Mapy regionu, na terenie którego zlokalizowane s liczniki. Pliki map z opisywane s poprzez rodzaj mapy (wektorowa, bitowa), charakterystyk regionu obejmowanego przez map (połoenie geograficzne i wymiary), a take dat stworzenia mapy, co pozwala na periodyczn wymian przestarzałych map na nowe.

16 Model danych - gwiazda kaskadowa 16 REGION DATA_MON ATRYBUTY MAPA INSTALACJA DATA_POM POMIAR ATRYBUTY ATRYBUTY GRUPY_POM WZEŁ DATA_MON LOKALIZACJA POGODA DATA_MON ATRYBUTY DATA_POM LICZNIK LOKALIZACJA Rysunek 3.6 Schemat zastosowanego modelu danych gwiazdy kaskadowej Budowa schematu Prezentowana gwiazda kaskadowa (dokładny schemat tabel - Rysunek 3.7) zawiera główn tabel faktów INSTALLATION, która łczy ze sob główne wymiary MAP, NODE i MEASUREMENT. Wymiar NODE zawiera informacje o wzłach zbiorczych danej instalacji. W tabeli INSTALLATION istnieje odniesienie kady wzeł zbiorczy ma pod sob kilka rodzajów liczników. Z grup pomiaru wie si tabela GROUP_OF_MEASURES, która zawiera dwie kolumny ID_GROUP identyfikujcy grup pomiaru oraz ID_MEAS, który definiuje konkretny pomiar. Dziki takiemu rozwizaniu moliwe jest zidentyfikowanie, do której grupy naley dany pomiar (z jakiego wzła pochodzi i co mierzy) i nie wystpuje redundancja danych. Wymiar MAP jest gwiazd zawierajc informacje o mapach obszaru obejmowanego przez wzeł.

17 Model danych - gwiazda kaskadowa 17 MAP_EXP_DATE dateid expdate MAP_ATTRIBUTES attrid type NODE_ATTRIBUTES attrid type NODE_INSTALL_DATE mondateid mondate NODE_LOCATIONS locationid locx locy locz MAP DIMENSION MAP regionid expdateid attrid mapid mapid NODE DIMENSION NODES attrid nodeid mondateid locationid nodeid WTH_ATTRIBUTES attrid temperature humidity clouds MAP_REGION regionid left top right bottom CENTRAL FACT TABLE INSTALLATION measgroupid mapid nodeid WEATHER SUBDIMENSION WEATHER nodeid measdateid attrid MTR_LOC locationid locx locy locz MTR_INS_DATE mondateid mondate GROUP_OF_READING measgroupid measureid WTH_DATE measdateid measdate METER DIMENSION METERS counterid locationid attrid mondateid MEASURES measid value zone dateid timeid counterid MTR_ATTR attrid type scope Rysunek 3.7 Szczegóły implementacji modelu gwiazdy kaskadowej. W prezentowanym modelu przechowywane s take informacje pogodowe. Ich przestrzenna granulacja powizana z wzłem zbiorczym poniewa odległoci wzłem, a otaczajcymi go licznikami s na tyle krótkie, aby mona było załoy, e pogoda jest taka sama dla wzła i wszystkich podlegajcych mu liczników. Informacje pogodowe mog zosta uyte w celu analizy wpływu jaki warunki atmosferyczne wywieraj na zuycie mediów.

18 Indeks zewntrzny - Drzewo agregatów Indeks zewntrzny - Drzewo agregatów W przypadku hurtowni danych konieczne jest zapewnienie odpowiedniej wydajnoci projektowanego systemu. Czsto w celu podniesienia wydajnoci stosowane s: indeksowanie i wstpna agregacja danych. Jednym z rozwiza problemu odpowiedniego indeksowania w przestrzennych hurtowniach danych jest drzewo agregacji. Jest ono struktur dynamiczn zawierajc agregaty danych przestrzennych. Jego budowa oparta została na idei najbardziej popularnego indeksu agregatów tj. ar-drzewa [2] Budowa drzewa. Struktura drzewa agregatów składa si z połczonych wzłów zebranych na kilku poziomach agregacji. Liczba poziomów zaley od rozkładu drzewa. Na pocztku procesu tworzenia drzewa indeksowany region jest dzielony na jednostki zwane MBR (ang. Minimum Bounding Rectangles). Rozmiary tych jednostek s podawane przez uytkownika systemu w pliku konfiguracyjnym. Licie drzewa agregatów najniszy poziom obejmuj najmniejsze regiony o rozmiarach MBR. Kolejne poziomy drzewa s tworzone poprzez integracj kilku wzłów z poziomu niszego w jeden wzeł na poziomie wyszym. Operacja integracji składa si ze scalenia regionów wzłów z niszego poziomu oraz połczenia ich list agregacji. Wzły na niszym poziomie tworzce wzeł na poziomie wyszym s połczone w list, a wzeł nadrzdny ma wskanik na pierwszy element tej listy. Cecha ta jest intensywnie wykorzystywana przy obliczaniu zapyta zakresowych. W ten sposób tworzone jest całe drzewo, a do korzenia (Rysunek 4.1). Wzły tworzce drzewo agregatów s instancjami klasy Node. Kady wzeł drzewa agregatów zawiera informacje o iloci liczników w obejmowanym regionie, a take listy agregacji. Lista agregacji jest list zawierajc wartoci odczytów liczników zagregowane według odpowiednich okien czasowych. Kady wzeł ma tyle list agregacji ile rónych typów liczników znajduje si w jego regionie.

19 Indeks zewntrzny - Drzewo agregatów 19 node 7 (10, 0: 0, 10) w:2 g:2 e:4 node 5 (10, 0: 5, 10) w:0 g:1 e:2 node 6 (5, 0: 0, 10) w:2 g:1 e:2 node 1 (10,0:5,5) w:0 g:1 e:1 node 2 (10, 5: 5:10) w:0 g:0 e:1 node 3 (5, 0: 0, 5) w:1 g:0 e:1 node 4 (5, 5: 0, 10) w:1 g:1 e: g CN wzeł zbiorczy e e g licznik gazu CN 4 g w e w e 6 w e licznik wody licznik energii Rysunek 4.1 Schemat tworzenia drzewa agregatów Rysunek 4.2 prezentuje przykład budowania wzła nr 5 poprzez integracj wzłów 1 i 2. Widzimy, e lista agregatów dla licznika gazu pozostaje taka jak w wle 1 poniewa w regionie jest tylko jeden licznik gazu. Lista agregatów dla energii elektrycznej powstała poprzez zagregowanie list w wzłów 1 i 2. Wzeł 5 nie zawiera listy agregatów dla liczników wody, poniewa w regionach wzłów 1 i 2, a co za tym idzie take w regionie wzła 5, nie ma licznika wody. node 5 (0, 10: 5, 10) w:0 g:1 e:2 GAS TIMESTAMP ZONE : : : ENERGY TIMESTAMP ZONE1 ZONE : : : node 1 (0, 5: 5, 10) w:0 g:1 e:1 GAS ENERGY TIMESTAMP ZONE1 TIMESTAMP ZONE1 ZONE : : : : : : node 2 (5, 10: 5, 10) w:0 g:0 e:1 ENERGY TIMESTAMP ZONE1 ZONE : : : Rysunek 4.2 Tworzenie wzła nadrzdnego

20 Indeks zewntrzny - Drzewo agregatów 20 Listy agregatów s przechowywane w zmodyfikowanym obiekcie listy (klasa QArrayList) wyposaonym w funkcje materializowania i odczytywania list. Pojedynczy agregat (klasa Aggregate) jest obiektem przechowujcym stempel czasowy agregatu, list typów wartoci i list wartoci. Budowa przykładowego pojedynczego wzła drzewa została przedstawiona na Rysunek 4.3. Dla uproszczenia rysunek przedstawia listy konkretnych agregatów, naley jednak zaznaczy, e system jest w pełni elastyczny i umoliwia dostosowanie iloci list oraz typów i iloci agregatów w licie do wymaga rónego rodzaju danych. Node QArrayList LinkedList W ATER LinkedList GAS LinkedList ENERGY Aggregates timestamp values timestamp values timestamp values timestamp values timestamp values timestamp values timestamp values timestamp values timestamp values Rysunek 4.3 Fragment struktury pojedynczego wzła drzewa agregatów Materializowanie list agregatów Wykorzystanie drzewa agregatów wie si z koniecznoci rozpatrzenia problemu materializacji wartoci list agregatów przechowywanych w wzłach. Decyzja o tym, kiedy i które listy naley materializowa podejmowana jest przez specjalnie zaprojektowany algorytm, którego opis zamieszczono poniej. Stworzenie pustej struktury drzewa (tzn. utworzenie struktury wzłów nie posiadajcych list agregatów) jest operacj krótkotrwał i jest wykonywane podczas uruchamiania systemu. Wtedy te sprawdzana jest dostpno tabeli MatNode, w której materializowane s listy wzłów. Tabela ta zawiera dwie kolumny pierwsza z nich jest typu NUMBER i zawiera numer identyfikacyjny wzła, a druga jest typu BLOB i zawiera zmaterializowane dane list agregatów konkretnego wzła w postaci binarnej. Tabela MatNode zawiera jeden wiersz informacyjny, w którym przechowywane s informacje o poprzednio uytej konfiguracji drzewa agregatów na jakiej pracował system

21 Indeks zewntrzny - Drzewo agregatów 21 (wymiary regionu, wysoko drzewa oraz ilo podziałów regionu na osiach X i Y). Po stworzeniu drzewa według aktualnych parametrów i odczytaniu informacji zapisanych w wierszu informacyjnym, konfiguracje te s porównywane i jeli sobie odpowiadaj wtedy system uznaje, e tabela jest poprawna i zapisane w niej dane mona traktowa jako zmaterializowane listy agregatów odpowiednich wzłów. W przeciwnym przypadku, kiedy informacje nie odpowiadaj sobie, tabela jest zakładana na nowo i do wiersza informacyjnego wpisywane s aktualne parametry konstrukcji drzewa agregatów. Operacja materializacji list agregatów wzła inicjowana jest przez obiekt drzewa agregatów. Obiekt wzła pobiera uchwyt do strumienia wejciowego kolumny typu BLOB z wiersza identyfikowanego jego numerem. Uchwyt ten jest nastpnie przekazywany kolejno do wszystkich obiektów agregatów, które zapisuj do strumienia swoje wartoci. Schemat operacji materializacji list agregatów został przedstawiony na rysunku Rysunek 4.4. Odczyt zapisanych agregatów odbywa si na podobnej zasadzie; rónic w przypadku tego procesu jest konieczno utworzenia list agregatów. Baz na której pracuje SDW jest Oracle w wersji 9i. Uycie typu kolumny BLOB wie si zastosowaniem plików JAR dostarczanych przez Oracle, jednak dziki temu ten szybki i wygodny typ jest dostpny do uycia przy zastosowaniu mechanizmu JDBC. Node (ID = 6) QArrayList WATER Table MatNode NUM BER BLOB Database binary stream materialization 1995,11,1,, ,11,2,,238 - timestamp ; 23:45:11 - values zone1:2034, zone2:231 - timestamp ; 13:23:34 - values zone1: 2047, zone2: 238 Rysunek 4.4. Schemat działania operacji materializowania list agregatów Działanie drzewa agregatów. Zarzdzanie pamici Aby w pełni wykorzysta dostpn pami operacyjn przydzielon JVM, zwalnianie list agregatów wzłów drzewa nastpuje tylko w przypadku, kiedy

Bazy danych Podstawy teoretyczne

Bazy danych Podstawy teoretyczne Pojcia podstawowe Baza Danych jest to zbiór danych o okrelonej strukturze zapisany w nieulotnej pamici, mogcy zaspokoi potrzeby wielu u!ytkowników korzystajcych z niego w sposóbs selektywny w dogodnym

Bardziej szczegółowo

obsług dowolnego typu formularzy (np. formularzy ankietowych), pobieranie wzorców formularzy z serwera centralnego,

obsług dowolnego typu formularzy (np. formularzy ankietowych), pobieranie wzorców formularzy z serwera centralnego, Wstp GeForms to program przeznaczony na telefony komórkowe (tzw. midlet) z obsług Javy (J2ME) umoliwiajcy wprowadzanie danych według rónorodnych wzorców. Wzory formularzy s pobierane z serwera centralnego

Bardziej szczegółowo

Typy bazy danych Textract

Typy bazy danych Textract Typy bazy danych Typy bazy danych bazy tekstowe, Textract, http://www.textract.com - bazy tekstowe, np. archiwum gazety, dla setek gigabajtów, szybkie wyszukiwanie i indeksacja informacji bazy danych bez

Bardziej szczegółowo

Planowanie adresacji IP dla przedsibiorstwa.

Planowanie adresacji IP dla przedsibiorstwa. Planowanie adresacji IP dla przedsibiorstwa. Wstp Przy podejciu do planowania adresacji IP moemy spotka si z 2 głównymi przypadkami: planowanie za pomoc adresów sieci prywatnej przypadek, w którym jeeli

Bardziej szczegółowo

Spis treci. Dzie 1. I Wprowadzenie (wersja 0911) II Dostp do danych biecych specyfikacja OPC Data Access (wersja 0911)

Spis treci. Dzie 1. I Wprowadzenie (wersja 0911) II Dostp do danych biecych specyfikacja OPC Data Access (wersja 0911) I Wprowadzenie (wersja 0911) Kurs OPC Integracja i Diagnostyka Spis treci Dzie 1 I-3 O czym bdziemy mówi? I-4 Typowe sytuacje I-5 Klasyczne podejcie do komunikacji z urzdzeniami automatyki I-6 Cechy podejcia

Bardziej szczegółowo

Terminologia baz danych

Terminologia baz danych Terminologia baz danych Terminologia Banki danych - bazy danych w których przechowuje si informacj historyczne. Hurtownie danych (data warehouse): zweryfikowane dane z rónych baz, przydatne do analiz i

Bardziej szczegółowo

Poradnik korzystania z serwisu UNET: Konfiguracja programu pocztowego

Poradnik korzystania z serwisu UNET: Konfiguracja programu pocztowego Poradnik korzystania z serwisu UNET: Konfiguracja programu pocztowego Niniejszy opis dotyczy konfiguracji programu pocztowego Outlook Express z pakietu Internet Explorer, pracujcego pod kontrol systemu

Bardziej szczegółowo

Wprowadzenie do technologii Business Intelligence i hurtowni danych

Wprowadzenie do technologii Business Intelligence i hurtowni danych Wprowadzenie do technologii Business Intelligence i hurtowni danych 1 Plan rozdziału 2 Wprowadzenie do Business Intelligence Hurtownie danych Produkty Oracle dla Business Intelligence Business Intelligence

Bardziej szczegółowo

Studium przypadku Case Study CCNA2-ROUTING

Studium przypadku Case Study CCNA2-ROUTING Na podstawie oryginału CISCO, przygotował: mgr in. Jarosław Szybiski Studium przypadku Case Study CCNA2-ROUTING Ogólne załoenia dla projektu Przegld i cele Podczas tego wiczenia uczestnicy wykonaj zadanie

Bardziej szczegółowo

zdefiniowanie kilku grup dyskusyjnych, z których chcemy odbiera informacje, dodawanie, usuwanie lub edycj wczeniej zdefiniowanych grup dyskusyjnych,

zdefiniowanie kilku grup dyskusyjnych, z których chcemy odbiera informacje, dodawanie, usuwanie lub edycj wczeniej zdefiniowanych grup dyskusyjnych, Wstp W nowoczesnym wiecie coraz istotniejsz rol odgrywa informacja i łatwy dostp do niej. Nie dziwi wic fakt, i nowoczesne telefony komórkowe to nie tylko urzdzenia do prowadzenia rozmów telefonicznych,

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

Program Sprzeda wersja 2011 Korekty rabatowe

Program Sprzeda wersja 2011 Korekty rabatowe Autor: Jacek Bielecki Ostatnia zmiana: 14 marca 2011 Wersja: 2011 Spis treci Program Sprzeda wersja 2011 Korekty rabatowe PROGRAM SPRZEDA WERSJA 2011 KOREKTY RABATOWE... 1 Spis treci... 1 Aktywacja funkcjonalnoci...

Bardziej szczegółowo

Instalacja programu Sprzeda z motorem. bazy danych Pervasive V8

Instalacja programu Sprzeda z motorem. bazy danych Pervasive V8 Instalacja programu Sprzeda z motorem bazy danych Pervasive V8 1. Z katalogu instalacyjnego programu Pervasive uruchom plik setup.exe. Program instalacyjny w spakowanej wersji jest dostpny na naszym FTP

Bardziej szczegółowo

1. WSTP. 2. Koncepcja platformy bezpieczestwa publicznego

1. WSTP. 2. Koncepcja platformy bezpieczestwa publicznego Koncepcja Platformy Bezpieczestwa Wewntrznego do realizacji zada badawczo-rozwojowych w ramach projektu Nowoczesne metody naukowego wsparcia zarzdzania bezpieczestwem publicznym w Unii Europejskiej 1.

Bardziej szczegółowo

Instalacja programu Sprzeda

Instalacja programu Sprzeda Instalacja programu Sprzeda 1. Aby zainstalowa program Sprzeda w wersji 2.10, na serwerze lub komputerze, na którym przechowywane bd dane programu, pozamykaj wszystkie działajce programy i uruchom plik

Bardziej szczegółowo

Programowanie Obiektowe

Programowanie Obiektowe Programowanie Obiektowe dr in. Piotr Zabawa IBM/Rational Certified Consultant pzabawa@pk.edu.pl WYKŁAD 1 Wstp, jzyki, obiektowo Cele wykładu Zaznajomienie słuchaczy z głównymi cechami obiektowoci Przedstawienie

Bardziej szczegółowo

Bazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD)

Bazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD) Plan wykładu Bazy danych Wykład 2: Diagramy zwizków encji (ERD) Diagramy zwizków encji elementy ERD licznoci zwizków podklasy klucze zbiory słabych encji Małgorzata Krtowska Katedra Oprogramowania e-mail:

Bardziej szczegółowo

Program SMS4 Monitor

Program SMS4 Monitor Program SMS4 Monitor INSTRUKCJA OBSŁUGI Wersja 1.0 Spis treci 1. Opis ogólny... 2 2. Instalacja i wymagania programu... 2 3. Ustawienia programu... 2 4. Opis wskaników w oknie aplikacji... 3 5. Opcje uruchomienia

Bardziej szczegółowo

VPN Virtual Private Network. Uycie certyfikatów niekwalifikowanych w sieciach VPN. wersja 1.1 UNIZETO TECHNOLOGIES SA

VPN Virtual Private Network. Uycie certyfikatów niekwalifikowanych w sieciach VPN. wersja 1.1 UNIZETO TECHNOLOGIES SA VPN Virtual Private Network Uycie certyfikatów niekwalifikowanych w sieciach VPN wersja 1.1 Spis treci 1. CO TO JEST VPN I DO CZEGO SŁUY... 3 2. RODZAJE SIECI VPN... 3 3. ZALETY STOSOWANIA SIECI IPSEC

Bardziej szczegółowo

Instrukcja obsługi programu MechKonstruktor

Instrukcja obsługi programu MechKonstruktor Instrukcja obsługi programu MechKonstruktor Opracował: Sławomir Bednarczyk Wrocław 2002 1 1. Opis programu komputerowego Program MechKonstruktor słuy do komputerowego wspomagania oblicze projektowych typowych

Bardziej szczegółowo

Wstp. Odniesienie do podstawy programowej

Wstp. Odniesienie do podstawy programowej ! " 1 Wstp Praca dotyczy projektu midzyprzedmiotowego, jaki moe by zastosowany na etapie nauczania gimnazjum specjalnego. Powyszy projekt moe zosta przeprowadzony na zajciach z przedmiotów: informatyka

Bardziej szczegółowo

Zadania do wykonaj przed przyst!pieniem do pracy:

Zadania do wykonaj przed przyst!pieniem do pracy: wiczenie 3 Tworzenie bazy danych Biblioteka tworzenie kwerend, formularzy Cel wiczenia: Zapoznanie si ze sposobami konstruowania formularzy operujcych na danych z tabel oraz metodami tworzenia kwerend

Bardziej szczegółowo

Bazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD)

Bazy danych. Plan wykładu. Proces modelowania i implementacji bazy danych. Elementy ERD. Wykład 2: Diagramy zwizków encji (ERD) Plan wykładu Bazy danych Wykład 2: Diagramy zwizków encji (ERD) Diagramy zwizków encji elementy ERD licznoci zwizków podklasy klucze zbiory słabych encji Małgorzata Krtowska Katedra Oprogramowania e-mail:

Bardziej szczegółowo

Spis tre±ci. Przedmowa... Cz ± I

Spis tre±ci. Przedmowa... Cz ± I Przedmowa.................................................... i Cz ± I 1 Czym s hurtownie danych?............................... 3 1.1 Wst p.................................................. 3 1.2 Denicja

Bardziej szczegółowo

Instrukcja obsługi dodatku InsERT GT Smart Documents

Instrukcja obsługi dodatku InsERT GT Smart Documents Instrukcja obsługi dodatku InsERT GT Smart Documents InsERT, grudzie 2003 http://www.insert.com.pl/office2003 InsERT GT Smart Documents to przygotowany przez firm InsERT specjalny dodatek, umoliwiajcy

Bardziej szczegółowo

Temat: Programowanie zdarzeniowe. Zdarzenia: delegacje, wykorzystywanie zdarze. Elementy Windows Application (WPF Windows Presentation Foundation).

Temat: Programowanie zdarzeniowe. Zdarzenia: delegacje, wykorzystywanie zdarze. Elementy Windows Application (WPF Windows Presentation Foundation). Temat: Programowanie zdarzeniowe. Zdarzenia: delegacje, wykorzystywanie zdarze. Elementy Windows Application (WPF Windows Presentation Foundation). 1. Programowanie zdarzeniowe Programowanie zdarzeniowe

Bardziej szczegółowo

Bazy danych 2. Wykład 1

Bazy danych 2. Wykład 1 Bazy danych 2 Wykład 1 Sprawy organizacyjne Materiały i listy zadań zamieszczane będą na stronie www.math.uni.opole.pl/~ajasi E-mail: standardowy ajasi@math.uni.opole.pl Sprawy organizacyjne Program wykładu

Bardziej szczegółowo

Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Zadania do wykonani przed przystpieniem do pracy:

Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Zadania do wykonani przed przystpieniem do pracy: wiczenie 2 Tworzenie bazy danych Biblioteka tworzenie tabel i powiza, manipulowanie danymi. Cel wiczenia: Zapoznanie si ze sposobami konstruowania tabel, powiza pomidzy tabelami oraz metodami manipulowania

Bardziej szczegółowo

Mozilla Firefox 2.0.0.2 PL. Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Mozilla Firefox 2.0.0.2 PL. wersja 1.1

Mozilla Firefox 2.0.0.2 PL. Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Mozilla Firefox 2.0.0.2 PL. wersja 1.1 Mozilla Firefox 2.0.0.2 PL Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Mozilla Firefox 2.0.0.2 PL wersja 1.1 Spis treci 1. INSTALACJA CERTYFIKATÓW URZDÓW POREDNICH... 3 2. INSTALACJA

Bardziej szczegółowo

Zastosowanie programu Microsoft Excel do analizy wyników nauczania

Zastosowanie programu Microsoft Excel do analizy wyników nauczania Grayna Napieralska Zastosowanie programu Microsoft Excel do analizy wyników nauczania Koniecznym i bardzo wanym elementem pracy dydaktycznej nauczyciela jest badanie wyników nauczania. Prawidłow analiz

Bardziej szczegółowo

Laboratorium elektryczne. Falowniki i przekształtniki - I (E 14)

Laboratorium elektryczne. Falowniki i przekształtniki - I (E 14) POLITECHNIKA LSKA WYDZIAŁINYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH Laboratorium elektryczne Falowniki i przekształtniki - I (E 14) Opracował: mgr in. Janusz MDRYCH Zatwierdził:

Bardziej szczegółowo

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU

Hurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Hurtownie danych Przetwarzanie zapytań. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Magazyny danych operacyjnych, źródła Centralna hurtownia danych Hurtownie

Bardziej szczegółowo

Przedmiotowy system oceniania

Przedmiotowy system oceniania Przedmiotowy system oceniania Informatyka w klasach I II liceum Formy sprawdzania wiedzy i umiejtnoci uczniów Kady ucze otrzymuje oceny czstkowe za odpowiedzi ustne, kartkówki, sprawdziany i dodatkow aktywno

Bardziej szczegółowo

Microsoft Authenticode. Uycie certyfikatów niekwalifikowanych do podpisywania kodu w technologii MS Authenticode. wersja 1.1 UNIZETO TECHNOLOGIES SA

Microsoft Authenticode. Uycie certyfikatów niekwalifikowanych do podpisywania kodu w technologii MS Authenticode. wersja 1.1 UNIZETO TECHNOLOGIES SA Microsoft Authenticode Uycie certyfikatów niekwalifikowanych do podpisywania kodu w technologii MS Authenticode wersja 1.1 Spis treci 1. WSTP... 3 2. TWORZENIE KLUCZA PRYWATNEGO I CERTYFIKATU... 3 3. INSTALOWANIE

Bardziej szczegółowo

Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu

Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu Przygotował: mgr in. Jarosław Szybiski Projekt okablowania strukturalnego dla I semestru Akademii CISCO we WSIZ Copernicus we Wrocławiu 1. Wstp Okablowanie strukturalne to pojcie, którym okrela si specyficzne

Bardziej szczegółowo

Wojciech Drzewiecki SYSTEMY INFORMACJI GEOGRAFICZNEJ

Wojciech Drzewiecki SYSTEMY INFORMACJI GEOGRAFICZNEJ Wojciech Drzewiecki SYSTEMY INFORMACJI GEOGRAFICZNEJ Systemem Informacji Geograficznej (Systemem Informacji Przestrzennej, GIS, SIP) nazywamy skomputeryzowany system pozyskiwania, przechowywania, przetwarzania,

Bardziej szczegółowo

PROWIZJE Menad er Schematy rozliczeniowe

PROWIZJE Menad er Schematy rozliczeniowe W nowej wersji systemu pojawił si specjalny moduł dla menaderów przychodni. Na razie jest to rozwizanie pilotaowe i udostpniono w nim jedn funkcj, która zostanie przybliona w niniejszym biuletynie. Docelowo

Bardziej szczegółowo

Dyskretyzacja sygnałów cigłych.

Dyskretyzacja sygnałów cigłych. POLITECHNIKA LSKA WYDZIAŁ INYNIERII RODOWISKA I ENERGETYKI INSTYTUT MASZYN I URZDZE ENERGETYCZNYCH LABORATORIUM METROLOGII Dyskretyzacja sygnałów cigłych. (M 15) www.imiue.polsl.pl/~wwwzmiape Opracował:

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

Hurtownie danych. Hurtownie danych. dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki. Maciej Zakrzewicz (1)

Hurtownie danych. Hurtownie danych. dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki. Maciej Zakrzewicz (1) Hurtownie danych dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki Maciej Zakrzewicz (1) Plan wykładu Wprowadzenie do Business Intelligence (BI) Hurtownia danych Zasilanie hurtowni

Bardziej szczegółowo

AUTOMATYCZNE I ZDALNE STEROWANIE STACJ UZDATNIANIA WODY

AUTOMATYCZNE I ZDALNE STEROWANIE STACJ UZDATNIANIA WODY AUTOMATECH AUTOMATYCZNE I ZDALNE STEROWANIE STACJ UZDATNIANIA WODY W roku 2006 Gmina Kampinos dokonała modernizacji swojej stacji uzdatniania wody (SUW). Obok zmian typu budowlanego (nowe zbiorniki wody,

Bardziej szczegółowo

Przegldanie stron wymaga odpowiedniej mikroprzegldarki w urzdzeniu mobilnym lub stosownego emulatora.

Przegldanie stron wymaga odpowiedniej mikroprzegldarki w urzdzeniu mobilnym lub stosownego emulatora. I. Temat wiczenia Podstawy tworzenia stron WAP II. Wymagania Podstawowe wiadomoci z technologii Internetowych. III. wiczenie 1. Wprowadzenie WAP (ang. Wireless Application Protocol) - to protokół umoliwiajcy

Bardziej szczegółowo

System midzybankowej informacji gospodarczej Dokumenty Zastrzeone MIG DZ ver. 2.0. Aplikacja WWW ver. 2.1 Instrukcja Obsługi

System midzybankowej informacji gospodarczej Dokumenty Zastrzeone MIG DZ ver. 2.0. Aplikacja WWW ver. 2.1 Instrukcja Obsługi System midzybankowej informacji gospodarczej Dokumenty Zastrzeone MIG DZ ver. 2.0. Aplikacja WWW ver. 2.1 Instrukcja Obsługi 1.Wymagania techniczne 1.1. Wymagania sprztowe - minimalne : komputer PC Intel

Bardziej szczegółowo

Opera 9.10. Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Opera 9.10. wersja 1.1 UNIZETO TECHNOLOGIES SA

Opera 9.10. Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Opera 9.10. wersja 1.1 UNIZETO TECHNOLOGIES SA Opera 9.10 Wykorzystanie certyfikatów niekwalifikowanych w oprogramowaniu Opera 9.10 wersja 1.1 Spis treci 1. INSTALACJA WŁASNEGO CERTYFIKATU Z PLIKU *.PFX... 3 2. WYKONYWANIE KOPII BEZPIECZESTWA WŁASNEGO

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

Hurtownie danych. Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.

Hurtownie danych. Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw. Hurtownie danych Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.pl/hur UZASADNIENIE BIZNESOWE Po co nam hurtownia danych? Jakie mogą

Bardziej szczegółowo

ZPKSoft. Kreator dokumentów. Wstp. Przeznaczenie. Definicje

ZPKSoft. Kreator dokumentów. Wstp. Przeznaczenie. Definicje ZPKSoft Kreator dokumentów Wstp Kreator dokumentów jest aplikacj sieciow typu klient serwer, dedykowan dla serwera InterBase. Aplikacja pracuje w rodowisku Windows. Jest dostosowana do współpracy z systemem

Bardziej szczegółowo

BD2 BazyDanych2. dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego

BD2 BazyDanych2. dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego BD2 BazyDanych2 dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego ³ Copyright c Tomasz Traczyk Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej Materiały dydaktyczne

Bardziej szczegółowo

Wprowadzenie do kompilatorów

Wprowadzenie do kompilatorów Wprowadzenie do kompilatorów Czy ja kiedykolwiek napisz jaki kompilator? Jakie zadania ma do wykonania kompilator? Czy jzyk formalny to rodzaj jzyka programowania? Co to jest UML?, Czy ja kiedykolwiek

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

System Connector Opis wdrożenia systemu

System Connector Opis wdrożenia systemu System Connector Opis wdrożenia systemu Projekt współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Spistre ci Wymagania z perspektywy Powiatowego Urzdu Pracy... 3

Bardziej szczegółowo

Informacja i Promocja. Mechanizm Finansowy EOG Norweski Mechanizm Finansowy

Informacja i Promocja. Mechanizm Finansowy EOG Norweski Mechanizm Finansowy Informacja i Promocja Mechanizm Finansowy EOG Norweski Mechanizm Finansowy Spis treci 1. Wstp... 3 2. Ogólne działania informacyjno - promocyjne... 3 3. Działania informacyjno-promocyjne projektu... 4

Bardziej szczegółowo

Analiza wydajno±ci serwera openldap

Analiza wydajno±ci serwera openldap Analiza wydajno±ci serwera openldap Autor: Tomasz Kowal 13 listopada 2003 Wst p Jako narz dzie testowe do pomiarów wydajno±ci i oceny konguracji serwera openldap wykorzystano pakiet DirectoryMark w wersji

Bardziej szczegółowo

Hurtownie danych a transakcyjne bazy danych

Hurtownie danych a transakcyjne bazy danych Hurtownie danych a transakcyjne bazy danych Materiały źródłowe do wykładu: [1] Jerzy Surma, Business Intelligence. Systemy wspomagania decyzji, Wydawnictwo Naukowe PWN, Warszawa 2009 [2] Arkadiusz Januszewski,

Bardziej szczegółowo

... Ireneusz Mrozek. Wydział Informatyki

... Ireneusz Mrozek. Wydział Informatyki Ireneusz Mrozek Wydział Informatyki Proces wykonujcy si program Proces jednostka pracy systemu zarzdzan przez system operacyjny. W skład procesu wchodz: - program; - dane - zawarto rejestrów, stosu; -

Bardziej szczegółowo

" # # Problemy budowy bezpiecznej i niezawodnej globalnej sieci szerokopasmowej dla słub odpowiadajcych za bezpieczestwo publiczne

 # # Problemy budowy bezpiecznej i niezawodnej globalnej sieci szerokopasmowej dla słub odpowiadajcych za bezpieczestwo publiczne !! " # # Problemy budowy bezpiecznej i niezawodnej globalnej sieci szerokopasmowej dla słub odpowiadajcych za bezpieczestwo publiczne Sie PIONIER Sieci regionalne i miejskie rodowiska naukowego baz dla

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

Rozdział ten zawiera informacje o sposobie konfiguracji i działania Modułu OPC.

Rozdział ten zawiera informacje o sposobie konfiguracji i działania Modułu OPC. 1 Moduł OPC Moduł OPC pozwala na komunikację z serwerami OPC pracującymi w oparciu o model DA (Data Access). Dzięki niemu można odczytać stan obiektów OPC (zmiennych zdefiniowanych w programie PLC), a

Bardziej szczegółowo

PRZESTRZE NAZW DOMEN DNS

PRZESTRZE NAZW DOMEN DNS PRZESTRZE NAZW DOMEN DNS 2 1. DNS nazwy zamiast liczb Wszystkie komputery w sieci TCP/IP identyfikowane s za pomoc jednoznacznego adresu IP. Jego posta liczbowa o długoci 32 bitów jest skomplikowana i

Bardziej szczegółowo

Tak wic prawidłowy scenariusz postpowania przy tworzeniu kopii zapasowej danych systemów. wyglda nastpujco:

Tak wic prawidłowy scenariusz postpowania przy tworzeniu kopii zapasowej danych systemów. wyglda nastpujco: 1 / 8 0. Przeznaczenie dokumentu Dokument zawiera informacje na temat strategii, scenariuszy i aspektach technicznych wykonywania kopii zapasowych dla systemów. Cz techniczna opracowania dotyczy: a. w

Bardziej szczegółowo

Klonowanie MAC adresu oraz TTL

Klonowanie MAC adresu oraz TTL 1. Co to jest MAC adres? Klonowanie MAC adresu oraz TTL Adres MAC (Media Access Control) to unikalny adres (numer seryjny) kadego urzdzenia sieciowego (jak np. karta sieciowa). Kady MAC adres ma długo

Bardziej szczegółowo

Wymierne korzyci wynikajce z analizy procesów

Wymierne korzyci wynikajce z analizy procesów Wymierne korzyci wynikajce z analizy procesów Analiza procesu jest narzdziem do osignicia wyszej efektywnoci organizacji (midzy innymi). Wymaga ona zbudowania modelu procesu biznesowego bdcego opisem funkcjonowania

Bardziej szczegółowo

Projektowanie architektury systemu rozproszonego. Jarosław Kuchta Projektowanie Aplikacji Internetowych

Projektowanie architektury systemu rozproszonego. Jarosław Kuchta Projektowanie Aplikacji Internetowych Projektowanie architektury systemu rozproszonego Jarosław Kuchta Zagadnienia Typy architektury systemu Rozproszone przetwarzanie obiektowe Problemy globalizacji Problemy ochrony Projektowanie architektury

Bardziej szczegółowo

WIADECTWO INNOWACYJNOCI PRODUKTU

WIADECTWO INNOWACYJNOCI PRODUKTU WIADECTWO INNOWACYJNOCI PRODUKTU I. ZAKRES wiadectwo innowacyjnoci produktu dla ASTEC Sp. z o.o. dotyczy prototypu produktu MDT (Magik Development Tools) w fazie studium wykonalnoci. ASTEC Sp. z o.o. ul.

Bardziej szczegółowo

geometry a w przypadku istnienia notki na marginesie: 1 z 5

geometry a w przypadku istnienia notki na marginesie: 1 z 5 1 z 5 geometry Pakiet słuy do okrelenia parametrów strony, podobnie jak vmargin.sty, ale w sposób bardziej intuicyjny. Parametry moemy okrela na dwa sposoby: okrelc je w polu opcji przy wywołaniu pakiety:

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja II Rozkład wymagający

Bardziej szczegółowo

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I

Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Zespół TI Instytut Informatyki Uniwersytet Wrocławski ti@ii.uni.wroc.pl http://www.wsip.com.pl/serwisy/ti/ Rozkład materiału do nauczania informatyki w liceum ogólnokształcącym Wersja I Rozkład zgodny

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

Program do konwersji obrazu na cig zero-jedynkowy

Program do konwersji obrazu na cig zero-jedynkowy Łukasz Wany Program do konwersji obrazu na cig zero-jedynkowy Wstp Budujc sie neuronow do kompresji znaków, na samym pocztku zmierzylimy si z problemem przygotowywania danych do nauki sieci. Przyjlimy,

Bardziej szczegółowo

POBÓR MOCY MASZYN I URZDZE ODLEWNICZYCH

POBÓR MOCY MASZYN I URZDZE ODLEWNICZYCH Eugeniusz ZIÓŁKOWSKI, 1 Roman WRONA 2 Wydział Odlewnictwa AGH 1. Wprowadzenie. Monitorowanie poboru mocy maszyn i urzdze odlewniczych moe w istotny sposób przyczyni si do oceny technicznej i ekonomicznej

Bardziej szczegółowo

Wzorcowy załcznik techniczny, do umowy w sprawie przesyłania faktur elektronicznych pomidzy Firm A oraz Firm B

Wzorcowy załcznik techniczny, do umowy w sprawie przesyłania faktur elektronicznych pomidzy Firm A oraz Firm B Wzorcowy załcznik techniczny, do umowy w sprawie przesyłania faktur elektronicznych pomidzy Firm A oraz Firm B Wersja draft 2.1 Na podstawie: Europejskiej Modelowej Umowy o EDI (w skrócie: EMUoE). 1. Standardy

Bardziej szczegółowo

TEL-STER Sp. z o. o. ul. Obornicka 229 60-650 Pozna. InWin System Automatycznego Przekazu i Zarzdzania Danymi Inkasenckimi

TEL-STER Sp. z o. o. ul. Obornicka 229 60-650 Pozna. InWin System Automatycznego Przekazu i Zarzdzania Danymi Inkasenckimi TEL-STER Sp. z o. o. ul. Obornicka 229 60-650 Pozna tel. +48 (61) 6562105 fax +48 (61) 6562106 email: biuro@telwin.com.pl http: www.telwin.com.pl InWin System Automatycznego Przekazu i Zarzdzania Danymi

Bardziej szczegółowo

SUPLEMENT SM-BOSS WERSJA 6.15

SUPLEMENT SM-BOSS WERSJA 6.15 SUPLEMENT SM-BOSS WERSJA 6.15 Spis treci Wstp...2 Pierwsza czynno...3 Szybka zmiana stawek VAT, nazwy i PKWiU dla produktów...3 Zamiana PKWiU w tabeli PKWiU oraz w Kartotece Produktów...4 VAT na fakturach

Bardziej szczegółowo

Co nowego w wersji 3.0?

Co nowego w wersji 3.0? Wstp W nowoczesnym wiecie coraz istotniejsz rol odgrywa informacja i łatwy dostp do niej. Nie dziwi wic fakt, i nowoczesne telefony komórkowe to nie tylko urzdzenia do prowadzenia rozmów telefonicznych,

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

Multipro GbE. Testy RFC2544. Wszystko na jednej platformie

Multipro GbE. Testy RFC2544. Wszystko na jednej platformie Multipro GbE Testy RFC2544 Wszystko na jednej platformie Interlab Sp z o.o, ul.kosiarzy 37 paw.20, 02-953 Warszawa tel: (022) 840-81-70; fax: 022 651 83 71; mail: interlab@interlab.pl www.interlab.pl Wprowadzenie

Bardziej szczegółowo

Systemy operacyjne lab. 6 Paweł Gmys strona 1

Systemy operacyjne lab. 6 Paweł Gmys strona 1 Systemy operacyjne lab. 6 Paweł Gmys strona 1 I Uytkownicy i grupy 1. Proces logowania Rozpoczynajc prac z systemem na komputerze lokalnym Windows 2000 musimy poda w oknie logowania identyfikator uytkownika

Bardziej szczegółowo

Wiesław Serewi Anna Owczarek Piotr Pachół WODGiK Katowice

Wiesław Serewi Anna Owczarek Piotr Pachół WODGiK Katowice Przegld urzdowych geoportalilskich na tle wybranych geoportali polskich Wiesław Serewi Anna Owczarek Piotr Pachół WODGiK Katowice Geoportal - definicja Geoportal - witryna internetowa, zapewniajca dostp

Bardziej szczegółowo

Poniszy rysunek przedstawia obraz ukoczonej powierzchni wykorzystywanej w wiczeniu.

Poniszy rysunek przedstawia obraz ukoczonej powierzchni wykorzystywanej w wiczeniu. Ten rozdział pokae jak tworzy powierzchnie prostoliniowe i trasowane oraz dostarczy niezbdnych informacji o rónych typach powierzchni, które moemy stosowa przy tworzeniu geometrii. Rozdział pokazuje równie

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

przewidywania zapotrzebowania na moc elektryczn

przewidywania zapotrzebowania na moc elektryczn do Wykorzystanie do na moc elektryczn Instytut Techniki Cieplnej Politechnika Warszawska Slide 1 of 20 do Coraz bardziej popularne staj si zagadnienia zwi zane z prac ¹ródªa energii elektrycznej (i cieplnej)

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Komputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU

Komputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU Komputerowa Ksiga Podatkowa Wersja 11.4 ZAKOCZENIE ROKU Przed przystpieniem do liczenia deklaracji PIT-36, PIT-37, PIT-O i zestawienia PIT-D naley zapozna si z objanieniami do powyszych deklaracji. Uwaga:

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

Diagramy związków encji. Laboratorium. Akademia Morska w Gdyni

Diagramy związków encji. Laboratorium. Akademia Morska w Gdyni Akademia Morska w Gdyni Gdynia 2004 1. Podstawowe definicje Baza danych to uporządkowany zbiór danych umożliwiający łatwe przeszukiwanie i aktualizację. System zarządzania bazą danych (DBMS) to oprogramowanie

Bardziej szczegółowo

BAZY DANYCH LABORATORIUM. Studia niestacjonarne I stopnia

BAZY DANYCH LABORATORIUM. Studia niestacjonarne I stopnia BAZY DANYCH LABORATORIUM Studia niestacjonarne I stopnia Gdańsk, 2011 1. Cel zajęć Celem zajęć laboratoryjnych jest wyrobienie praktycznej umiejętności tworzenia modelu logicznego danych a nastepnie implementacji

Bardziej szczegółowo

Badania marketingowe w pigułce

Badania marketingowe w pigułce Jolanta Tkaczyk Badania marketingowe w pigułce Dlaczego klienci kupuj nasze produkty lub usługi? To pytanie spdza sen z powiek wikszoci menederom. Kady z nich byłby skłonny zapłaci due pienidze za konkretn

Bardziej szczegółowo

Rys1 Rys 2 1. metoda analityczna. Rys 3 Oznaczamy prdy i spadki napi jak na powyszym rysunku. Moemy zapisa: (dla wzłów A i B)

Rys1 Rys 2 1. metoda analityczna. Rys 3 Oznaczamy prdy i spadki napi jak na powyszym rysunku. Moemy zapisa: (dla wzłów A i B) Zadanie Obliczy warto prdu I oraz napicie U na rezystancji nieliniowej R(I), której charakterystyka napiciowo-prdowa jest wyraona wzorem a) U=0.5I. Dane: E=0V R =Ω R =Ω Rys Rys. metoda analityczna Rys

Bardziej szczegółowo

Wstęp do Business Intelligence

Wstęp do Business Intelligence Wstęp do Business Intelligence Co to jest Buisness Intelligence Business Intelligence (analityka biznesowa) - proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana

Bardziej szczegółowo

Autorzy: Kraków, stycze 2007 Łukasz Dziewanowski Filip Haftek (studenci AGH III roku kierunku Automatyka i Robotyka)

Autorzy: Kraków, stycze 2007 Łukasz Dziewanowski Filip Haftek (studenci AGH III roku kierunku Automatyka i Robotyka) Autorzy: Kraków, stycze 2007 Łukasz Dziewanowski Filip Haftek (studenci AGH III roku kierunku Automatyka i Robotyka) PROGRAM DO OBSŁUGI TELEFONU KOMÓRKOWEGO I. Instalacja: MOLIWOCI POŁCZENIA TELEFONU Z

Bardziej szczegółowo

Migracja Business Intelligence do wersji 2013.3

Migracja Business Intelligence do wersji 2013.3 Migracja Business Intelligence do wersji 2013.3 Copyright 2013 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest

Bardziej szczegółowo

1 Moduł E-mail. 1.1 Konfigurowanie Modułu E-mail

1 Moduł E-mail. 1.1 Konfigurowanie Modułu E-mail 1 Moduł E-mail Moduł E-mail daje użytkownikowi Systemu możliwość wysyłania wiadomości e-mail poprzez istniejące konto SMTP. System Vision może używać go do wysyłania informacji o zdefiniowanych w jednostce

Bardziej szczegółowo

Przygotowanie rodowiska dla egzaminu e-obywatel

Przygotowanie rodowiska dla egzaminu e-obywatel Kandydaci przystpujcy do testu powinni dokona rejestracji w Centrum Egzaminacyjnym ECDL-A wypełniajc Kart rejestracji uczestnika egzaminu ECDL e-obywatel (ang. ECDL e-citizen Skills Card). Po zakoczeniu

Bardziej szczegółowo

Architektura, oprogramowanie i uytkowanie klastra PCSS. Marek Zawadzki

Architektura, oprogramowanie i uytkowanie klastra PCSS. Marek Zawadzki <mzawadzk@man.poznan.pl> Architektura, oprogramowanie i uytkowanie klastra PCSS Marek Zawadzki Plan prezentacji: klastry krótkie wprowadzenie klaster PCSS budowa jak otrzyma konto na klastrze sposób dostpu

Bardziej szczegółowo

Podstawowe obiekty AutoCAD-a

Podstawowe obiekty AutoCAD-a LINIA Podstawowe obiekty AutoCAD-a Zad1: Narysowa lini o pocztku w punkcie o współrzdnych (100, 50) i kocu w punkcie (200, 150) 1. Wybierz polecenie rysowania linii, np. poprzez kilknicie ikony. W wierszu

Bardziej szczegółowo

FORTECA DF - terminal kasowy

FORTECA DF - terminal kasowy FORTECA DF - terminal kasowy 1. WSTP FortecaTerminal jest programem wspomagajcym gówny modu handlowy Forteca w zakresie obsugi drukarek fiskalnych. Program wspópracuje z drukarkami POSNET, Duo, Optimus

Bardziej szczegółowo

Elementy baz danych w edytorze tekstu. Elementy baz danych w arkuszu kalkulacyjnym. Jednorodna tabela jako ródło danych:

Elementy baz danych w edytorze tekstu. Elementy baz danych w arkuszu kalkulacyjnym. Jednorodna tabela jako ródło danych: 1 / 9 PODSTAWY BAZ DANYCH 2 / 9 PODSTAWY BAZ DANYCH Elementy baz danych w edytorze tekstu. Elementy baz danych w arkuszu kalkulacyjnym. Jednorodna tabela jako ródło danych: Jednorodna tabela jako ródło

Bardziej szczegółowo

Rys1. Schemat blokowy uk adu. Napi cie wyj ciowe czujnika [mv]

Rys1. Schemat blokowy uk adu. Napi cie wyj ciowe czujnika [mv] Wstp Po zapoznaniu si z wynikami bada czujnika piezoelektrycznego, ramach projektu zaprojektowano i zasymulowano nastpujce ukady: - ródo prdowe stabilizowane o wydajnoci prdowej ma (do zasilania czujnika);

Bardziej szczegółowo

w sprawie wprowadzenia procedury naboru pracowników na kierownicze stanowiska urzdnicze i stanowiska urzdnicze w Starostwie Powiatowym w Krasnymstawie

w sprawie wprowadzenia procedury naboru pracowników na kierownicze stanowiska urzdnicze i stanowiska urzdnicze w Starostwie Powiatowym w Krasnymstawie ZARZDZENIE Nr 13/2005 STAROSTY KRASNOSTAWSKIEGO z dnia 29 sierpnia 2005 roku w sprawie wprowadzenia procedury naboru pracowników na kierownicze stanowiska urzdnicze i stanowiska urzdnicze w Starostwie

Bardziej szczegółowo