Чем различаются системы MRP II и ERP (Enterprise Resource Planning)

Особенности NAS:

• Выделенный файл-сервер;
• Доступ к данным не зависит от ОС и платформы;
• Удобство администрирования;
• Максимальная простота установки;
• Низкая масштабируемость;
• Конфликт с трафиком LAN/WAN.

    С учетом слабой масштабируемости емкости хранилища, ограничений пропускной способности локальной сети и протокола передачи данных, системы NAS обычно используются в малобюджетных решениях.

SAN

     Сети хранения данных начали интенсивно развиваться и внедряться лишь с 1999-го года. Основой SAN является отдельная от LAN/WAN сеть, которая служит для организации доступа к данным серверов и рабочих станций, занимающихся их прямой обработкой. Такая сеть создается на основе стандарта Fibre Channel, что дает системам хранения преимущества технологий LAN/WAN и возможности по организации стандартных платформ для систем с высокой готовностью и высокой интенсивностью запросов. Почти единственным недостатком SAN на сегодня остается относительно высокая цена компонент, но при этом общая стоимость владения для корпоративных систем, построенных с использованием технологии сетей хранения данных, является довольно низкой.

основным преимуществам SAN можно отнести практически все ее особенности:

• Независимость топологии SAN от сторедж-систем и серверов;
• Удобное централизованное управление;
• Отсутствие конфликта с трафиком LAN/WAN;
• Удобное резервирование данных без загрузки локальной сети и серверов;
• Высокое быстродействие;
• Высокая масштабируемость;
• Высокая гибкость;
• Высокая готовность и отказоустойчивость.

Следует также заметить, что технология эта еще довольно молодая и в ближайшее время она должна пережить немало усовершенствований в области стандартизации управления и способов взаимодействия SAN подсетей. Но можно надеяться, что это угрожает пионерам лишь дополнительными перспективами первенства.

 

16.  Дать определение понятиям многокамерной модели - Метки, Иерархии, и уровни.

        Основные понятия многомерной модели данных - Метки, Иерархии и уровни. Значение, что «откладываются» вдоль измерений, называются членами или метками (members). Метки используются как для «разрезания» куба так и для ограничения (фильтрации) выбранных данных - когда в измерении, что остается «неразрезным» нас интересуют не все значения а их подмножество, например три города из нескольких десятков. Значение меток отображаются в двумерном представлении куба как заголовки строк и столбцов.

     Иерархия - это многоуровневая группировка, каждый уровень которого состоит из групп значения уровня, находящегося непосредственно ниже данного, что не пересекаются. Так, все продукты могут группироваться в множество категорий, которые, в свою очередь, сгруппированы в множество семейств, что не пересекаются.

        Вобщем случае в каждой стране может быть несколько городов, а в городе - несколько клиентов, можно говорить об иерархиях значений в измерении - регион. В этом случае на первом уровне иерархии располагаются страны, на втором - города, а на третьем - клиенты.

        Иерархии могут быть сбалансированными (balanced), как, например, иерархия, представленная выше (такова же иерархии, основанные на данных типа "дата-время"), и несбалансированными (unbalanced). Типичный пример несбалансированной иерархии - иерархия типа "начальник-подчиненный".

Существуют также иерархии, занимающие промежуточное положение между сбалансированными и несбалансированными (они обозначаются термином ragged - "неровный"). Обычно они содержат такие члены, логические "родители" которых находятся не на непо средственно вышестоящем уровне (например, в географической иерархии есть уровни Country, City и State, но при этом в наборе данных имеются страны, не имеющие штатов или регионов между уровнями Country и City). да для таких иерархий используется термин Parent-child hierarchy.

 

   Метки используются в операциях манипулирования измерениями. Они используются как для "разрезания" куба, так и для ограничения (фильтрации) выбираемых данных - когда в измерении, остающемся "неразрезанным", интересуют не все значения, а их подмножество, например три города из нескольких десятков. Значения меток отображаются в двумерном представлении куба как заголовки строк и столбцов.

      Метки могут объединяться в иерархии, состоящие из одного или нескольких уровней детализации (levels). Например, метки измерения "Магазин" (Store) естественно объединяются в иерархию с уровнями: Город ( City ), Штат ( State ), Страна ( Country ), Мир( All ).

    В соответствии с уровнями иерархии вычисляются агрегатные значения, например, объем продаж для USA (уровень "Country") или для штата California (уровень "State"). В одном измерении можно реализовать более одной иерархии - скажем, для времени: {Год, Квартал, Месяц, День} и {Год, Неделя, День}.

 

23. Краткая характеристика MOLAP

     OLAP-серверы скрывают от конечного пользователя способ реализации многомерной модели. Они формируют гиперкуб, с которым пользователи посредством OLAP-клиента выполняют необходимые манипуляции, анализируя данные. Однако способ реализации важен, поскольку от него зависят производительность решения и требуемые ресурсы.

     Существует три основных способа реализации многомерной модели - MOLAP, ROLAP, HOLAP.

MOLAP

MOLAP (Multidimensional OLAP) - для реализации многомерной модели используются многомерные БД. При этом данные хранятся в виде упорядоченных многомерных массивов. Такие массивы подразделяются на гиперкубы, в которых все хранимые в БД ячейки имеют одинаковую мерность, и поликубы, в которых каждая ячейка хранится с собственным набором измерений. Физически данные хранятся в "плоских" файлах, при этом куб представляется в виде одной плоской таблицы, в которую построчно вписываются все комбинации элементов всех измерений с соответствующими им значениями мер (рисунок 1.10).

 

 

 

Измерения				Меры
Магазин	Время	Поставщик	Товар	Единицы товара	Стоимость товара
№1	01.01.09	Иванов	Картофель	100	20
№1	01.01.09	Иванов	Морковь	50	25
№1	01.02.09	Иванов	Картофель	150	20
№2	01.02.09	Петров	Морковь	200	25

 

Преимущества использования многомерных БД в OLAP-системах:

• поиск и выборка данных осуществляется значительно быстрее, чем при многомерном концептуальном взгляде на реляционную БД, так как многомерная БД денормализована и содержит заранее агрегированные показатели, обеспечивая оптимизированный доступ к запрашиваемым ячейкам и не требуя дополнительных преобразований при переходе от множества связанных таблиц к многомерной модели;
• многомерные БД легко справляются с задачами включения в информационную модель разнообразных встроенных функций, тогда как объективно существующие ограничения языка SQL делают выполнение этих задач на основе реляционных БД достаточно сложным, а иногда и невозможным.

Недостатки MOLAP:

• за счет денормализации и предварительно выполненной агрегации объем данных в многомерной БД, как правило, соответствует (по оценке Кодда) в 2,5... 100 раз меньшему объему исходных детализированных данных;
• в подавляющем большинстве случаев информационный гиперкуб является сильно разреженным, а поскольку данные хранятся в упорядоченном виде, неопределенные значения удается удалить только за счет выбора оптимального порядка сортировки, позволяющего организовать данные в максимально большие непрерывные группы. Кроме того, оптимальный с точки зрения хранения разреженных данных порядок сортировки, скорее всего, не будет совпадать с порядком, который чаще всего используется в запросах. Поэтому в реальных системах приходится искать компромисс между быстродействием и избыточностью дискового пространства, занятого базой данных;
• многомерные БД чувствительны к изменениям в многомерной модели. Например, при добавлении нового измерения приходится изменять структуру всей БД, что влечет за собой большие затраты времени.

На основании анализа достоинств и недостатков многомерных БД можно выделить следующие условия, при которых их использование является эффективным:

• объем исходных данных для анализа не слишком велик (не более нескольких гигабайт), т. е. уровень агрегации данных достаточно высок;
• набор информационных измерений стабилен;
• время ответа системы на нерегламентированные запросы является наиболее критичным параметром;
• требуется широкое использование сложных встроенных функций для выполнения кроссмерных вычислений над ячейками гиперкуба, в том числе возможность написания пользовательских функций.

 

25. Краткая характеристика HOLAP

HOLAP

     HOLAP (Hybrid OLAP) - для реализации многомерной модели используются и многомерные, и реляционные БД. HOLAP-серверы используют гибридную архитектуру, которая объединяет технологии ROLAP и MOLAP. В отличие от MOLAP, которая работает лучше, когда данные более-менее плотные, серверы ROLAP показывают лучшие параметры в тех случаях, когда данные довольно разрежены. Серверы HOLAP применяют подход ROLAP для разреженных областей многомерного пространства и подход MOLAP - для плотных областей. Серверы HOLAP разделяют запрос на несколько подзапросов, направляют их к соответствующим фрагментам данных, комбинируют результаты, а затем предоставляют результат пользователю.

      Модель HOLAP, как и модель ROLAP, предусматривает хранение данных OLAP, относящихся к кубам, непосредственно в таблицах реляционной базы данных. Но, в отличие от модели ROLAP, в модели HOLAP выполняется агрегирование данных (данных кубов) и результаты агрегирования сохраняются в многомерном формате. Преимущество системы, основанной на использовании модели HOLAP, состоит в том, что обеспечивается взаимодействие с крупными наборами данных, хранящимися в реляционных таблицах, и вместе с тем достигается более высокая производительность, характерная для хранилищ с многомерным агрегированием данных. А недостатком модели HOLAP является то, что ее эффективность может снизиться из-за большого объема обработки данных, передаваемых из системы ROLAP в систему MOLAP.

    В HOLAP-системах структура куба и предварительно обработанные агрегаты хранятся в многомерной базе данных. Это позволяет обеспечить быстрое извлечение агрегатов из структур MOLAP. Значения нижнего уровня иерархии в HOLAP остаются в реляционной витрине данных, которая служит источником данных для куба.

      HOLAP не требует копирования листовых данных из витрины, хотя это и ведет к увеличению времени доступа при обращении к листовым данным. Данные в витрине доступны аналитику сразу после обновления. Таким образом, HOLAP-системы не вносят запаздывания в работу с данными нижнего уровня иерархии. По сути, HOLAP жертвует скоростью доступа к листовым данным ради устранения запаздывания при работе с ними и ускорения загрузки данных. В связи с этим HOLAP проигрывает по скорости MOLAP.

32  Назначение компоненты SQL Server Database Engine в СУБД MS SQL Server 2000

 

3. Обзор компонентов и особенностей МS SQL Server 2000 
МS SQL Server 2000 является не только механизмом работы с базами данных, реализованный в ядре программного продукта но и  является  важнейшим компонентом. Есть множество дополнительных приложений, связанных механизмом работы с базами данных, таких, же набор инструментальных средств и утилит, управляющих средой SQL Server и расширяющие возможности и особенности сервера, 
3.1 SQL Server Database Engine (Механизм работы с базами данных Server) 
SQL Server Database Engine - главное серверное приложение в составе пакета SQL Server 2000. На него возложены следующие основные задачи: 
-Обеспечение сохранности полученных данных; 
- Обеспечение как можно быстрого доступа к данным: 
- Обеспечение не противоречивы доступа к данным; 
- Управление защитой доступа к данным; 
- Гарантия целостности, точности и непротиворечивости данных. 
- Надежное хранение. 
 Надежное хранении начинается на аппаратном уровне. Это не требование SQL Server Database Engine, а необходимое условие качественного создания: базы данных. Не зависимо от использования аппаратных средств, SQL Server Database Engine обрабатывает все необходимые структуры данных, гарантируя надежное хранение данных. Важным средством обеспечения надежного хранения данных есть журнал транзаций. В нем делаются записи обо всех изменениях в базе данных с целью их восстановления или возврата к исходному до момента сбоя состояния. Быстрый доступ к данным в MS SQL Server обеспечивается благодаря использованию индексов и хранению в памяти данных, к которым часто обращаются.