Çok Boyutlu Veritabanları – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri
Coğrafi ve Çok Boyutlu Veritabanlarının İşbirliği
Son yıllarda, bilgisayar ağları aracılığıyla geniş çapta erişilebilen bağımsız veritabanlarının muazzam artışı, veri tabanı sistemleri arasındaki birlikte çalışabilirliği güçlü bir şekilde motive etmiştir. Birlikte çalışabilirlik, heterojen, bağımsız ve dağıtılmış veritabanı sistemlerinde bilgi ve süreçlerin paylaşılmasına ve değiş tokuşuna izin verir.
Bu görev özellikle karar destek sistemleri alanında önemlidir. Bu sistemler, çok büyük veri tabanlarındaki verilerin analizi yoluyla, yeni iş fırsatları yaratmak veya üretim ihtiyaçlarını tahmin etmek için belirli uygulamalardaki olağandışı eğilimleri tanımlar.
Şu anda araştırma camiasında, coğrafi bilgi sistemleri (CBS) ve çok boyutlu veri tabanları (MDDB’ler), karar vermeyi desteklemek için en umut verici ve verimli bilgi teknolojileri olarak görülmektedir. Coğrafi veri tabanına (GDB) bağımlı olan coğrafi bilgi sistemleri, grafik görüntüleme işlevleri ve karmaşık mekansal veri yapıları aracılığıyla coğrafi verilerin depolanmasını ve işlenmesini kolaylaştırır.
Çok boyutlu veri tabanları, ya çoğunlukla sosyo-ekonomik alandaki uygulamaları temsil eden istatistiksel veri tabanlarını ya da iş uygulamalarını vurgulayan OLAP (çevrimiçi analitik işleme) veritabanlarını ifade eder.
İstatistiksel veritabanlarına benzer şekilde, OLAP veritabanları, her boyutun bir “düzeyler” hiyerarşisi üzerinden tanımlanabildiği çok boyutlu bir “boyutlar” alanı üzerinde bir veya daha fazla “özet ölçü” temsil eden bir veri modeline sahiptir.
Bu alanda daha çok çok boyutlu verilerin ele alınması ve boyutlar üzerinden özetleme konuları büyük ölçüde araştırılmıştır. Ancak, OLAP veritabanlarından farklı olarak, istatistiksel veri tabanları, gizlilik nedeniyle yalnızca özetlenmiş verilere sahip olabilir. Bu veritabanlarına genellikle “özet veritabanları” terimi ile atıfta bulunulur.
Veri işbirliğinde etkin destek sağlayan coğrafi ve çok boyutlu veriler arasındaki ortak anahtar unsurlar temel olarak zaman ve mekandır. Literatürde uzay, GDB ve MDDB’nin işbirliği için bir köprü unsuru olarak ele alınmış ve dikkatimizi bu konu üzerinde toplayacaktır.
Çoğu GDB’de özellikle eksik olan bir özellik, MDDB’lerde depolanan iş verilerine erişme ve bunları değiştirme yeteneğidir. Bu görevi, literatürde önerilen yaklaşımlarla bir dizi özellik ve hedefi paylaşan yeni bir yaklaşımla ele alıyoruz.
Veritabanlarının “mantıksal organizasyonu” ile hiç uğraşmadan, uzamsal veya özet verilere uygulanabilir bir dizi operatör tanımlamayı amaçladılar. Bu modellere benzer şekilde, yaklaşımımız işbirlikli sorgu yanıtlamaya yöneliktir ancak GDB bağlamında özet veri işleme için bir veri modeli sağlar.
Ayrıca, yukarıda bahsedilen modeller, yalnızca bir konum boyutunun oluşturduğu çok boyutlu verilere dayanırken, yaklaşımımızda birden fazla konum boyutu tarafından tanımlanan verileri de dikkate alıyoruz ve bunların veri modelleme ve sorgu yanıtlama üzerindeki etkilerini analiz ediyoruz.
İlişkisel veritabanları
İlişkisel olmayan veritabanı örnekleri
MySQL ilişkisel veritabanı
İlişkisel veritabanı çeşitleri
İlişkisel veritabanı örnekleri
İlişkisel veritabanı yönetim sistemleri
İlişkisel veri tabanı Nedir
Veri küpü nedir
Veritabanı topluluğunda, GDB ve MDDB arasındaki işbirliği, harita genelleştirme kavramı dikkate alınarak belirtilir. Harita genellemesi, ölçek ve çözünürlüğün uzamsal veri sorgulama üzerindeki etkisini dikkate almaya yöneliktir. Bu bağlamda, toplama ve ayrıştırmaya dayalı standart bir çok boyutlu (veya istatistiksel) operatörler kümesi aramak için bazı girişimlerde bulunulmuştur.
Örneğin Gargano, Nardelli ve Talamo (1991), coğrafi verilerin uzamsal uzantısını veya özet verileri manipüle edebilen iki cebirsel operatör tanımlayarak ilişkisel cebiri genişletmiştir. Bunlar G-Compose ve G-Decompose olarak adlandırılır.
İlk operatör G − ComposeX (Fy ;Y ) ile gösterilir, burada X ve Y, bir R ilişkisinin özniteliklerinin kesişmeyen iki alt kümesidir. Uzamsal veri durumunda, zaten Y üzerine yansıtılmış olan tüm R demetlerini, uzaysal füzyon fonksiyonunun uygulanmasıyla Y değeri üretilen tek bir tek bir kümede “birleştirir”.
Fy ile temsil edilen bu fonksiyon, belirli bir türün geometrik özniteliklerinin bir alt kümesini alır ve aynı türden tek bir geometrik özniteliği döndürür. Özet veriler durumunda, Fy, Y niteliklerinin sayısal değerini toplar.
G-Decompose’un etkisi, Y üzerine yansıtılan tüm R demetlerinin “ayrışması”dır. Bu teklifte, temel hiyerarşiler ve uzamsal veya özet veriler için veri toplama sorunları çıkarılmıştır.
Bu konular daha sonra Rigaux ve Scholl tarafından önerilen bir yaklaşımla tartışılacaktır. Bu çalışmada yazarlar, uzay bölümleri hiyerarşisi üzerinden bir toplama tekniği tanımlayarak coğrafi ve istatistiksel disiplinler arasında köprü kuruyorlar.
Modelleri, ya geometrik uzayı ya da diğer kümeleri (örneğin, bir insan kümesi) bölmek için kullanılan “bölme” kavramına dayanmaktadır. Şema tarafından temsil edilen kapak adı verilen bir ilişki ortaya koydular.
Rigaux ve Scholl (1995) tarafından önerilen model, uzay bölümlerinin hiyerarşisini ve bir öznitelik alanındaki kısmi sıra ilişkisinin neden olduğu hiyerarşiyi kullanarak verilerin çoklu temsillerinde haritalar oluşturmaya yöneliktir. Bu teklifte, özet veriler için yalnızca bir konum boyutu hiyerarşisi dikkate alınır.
Yukarıdaki modeller, mekansal ve çok boyutlu ortamlar arasındaki işbirliği için resmi bir tanım verirken, diğer bazı çalışmalar bir entegrasyon sisteminin mimari yönlerini ele almaktadır. Örneğin, Kouba, Matousek ve Miksovsky (2000), sistem ara bağlantısının doğru ve tutarlı işlevselliği için bazı gereksinimleri belirlemeye çalıştı.
İki farklı rolü olan bir entegrasyon modülü önerdiler: Biri dış veri kaynaklarından gelen verilerin dönüştürülmesi, diğeri ise ortak bileşenleri yani konum aracılığıyla CBS ve veri ambarının entegrasyonunu ifade ediyor. Söz konusu CBS, sınıflar ve nesneler olan temel CBS öğelerini tanımlayan nesne yönelimli bir modele dayanmaktadır.
CBS sisteminde, coğrafi sınıf hiyerarşisinin yapısı, entegrasyon modülünden doğrudan erişim için bir meta veri nesnesinde saklanır. Ayrıca, Microsoft SQL Server 7 Veri Ambarı ve ArcView GIS Sistemi entegrasyonunun uygulama yönleri tartışılmaktadır. İtalyan Ulusal İstatistik Enstitüsü’nün çeşitli uzay-zamansal veri koleksiyonlarının entegrasyonunu değerlendirdi.
Entegrasyon sistemi temel olarak bölgesel idari bölümlerin zamansal varyasyonunu içeren tarihsel bir veri tabanı, bir dizi farklı anketten istatistiksel veriler sağlayan bir istatistiksel veri ambarı ve İtalyan topraklarının nüfus sayımı bölgesi düzeyine kadar haritasını sağlayan bir CBS ile tanımlanır.
Uygulanan kooperatif sistemi, belirli sayıda idari bölgenin zamansal evriminin haritalarını yönetir ve bu haritalara belirli bir yılın yukarıda bahsedilen istatistiksel veri tabanının içeriğini bağlar.
İlişkisel olmayan veritabanı örnekleri İlişkisel veri tabanı Nedir ilişkisel veritabanı İlişkisel veritabanı çeşitleri İlişkisel veritabanı örnekleri İlişkisel veritabanı yönetim sistemleri İlişkisel veritabanları MySQL Veri küpü nedir