İlişkisel Veritabanı

Yaklaşımımız, son on yılda ilişkisel veritabanı sistemi geliştirmede (Structed-Query Language veya SQL, ER modelleme, Bilgisayar Destekli Yazılım Mühendisliği veya CASE araçları, metodolojiler…) elde edilen deneyim ve bilgilerin çok boyutlu veritabanına uygulanmasına dayanmaktadır ( MDDB) tasarımıdır.

İlişkisel veritabanı sistemleri geliştirmede kullanılan geleneksel yöntemlere benzer bir MDDB geliştirme metodolojisi öneriyoruz. Yeni bir metodoloji tanımlamak yerine, mevcut bir geleneksel metodoloji olan METRICA’yı veri ambarlarının geliştirilmesine uyarlıyoruz.

Metodolojimiz (MIDEA), İngiliz Yapılandırılmış Sistemler Analizi Tasarım Metodu (SSADM) veya Fransız Merise’ye benzeyen İspanyol Kamu Metodolojisi METRICA sürüm 3 teklifini (MV3) referans çerçevesi olarak kullanır. Dikkate alınan MV3 süreçleri, veri ambarı geliştirme, yani bilgi sistemi analizi, tasarımı ve inşası (ASI, DSİ ve CSI) üzerinde daha fazla etkiye sahip olan süreçlerdir.

Orijinal MV3 önerisinden değiştirilen yeni süreçler sırasıyla ASI-MD (çok boyutlu), DSİ-MD ve CSI-MD olarak adlandırılmıştır. Elbette bu, bir veri ambarı geliştirmede süreçlerin geri kalanının dikkate alınmaması gerektiği anlamına gelmez, ancak farklılıkların diğer herhangi bir bilgi sistemi geliştirmesine göre önemli olmaması gerektiğini düşündük.

MIDEA, kavramsal bir model olarak IDEA, Integrating Data: Elementary-Agregated’ı kullanır. IDEA, mikro veri kullanıcılarıyla etkileşim kurmak için ER modelinin kullanılmasına benzer şekilde analitik kullanıcıların gereksinimlerini anlamak ve temsil etmek için kullanılan çok boyutlu bir kavramsal modeldir.

Önceden var olan OLTP sistem veri şeması ve analitik veri kullanıcılarından elde edilen gereksinimler, IDEA çok boyutlu kavramsal şemasının oluşturulmasındaki ana girdilerdir.

Bu metodoloji, grafiksel bir arayüz içeren bir CASE aracı tarafından desteklenir. Bu araç, kavramsal bir IDEA şemasının, bazı çok boyutlu veya ilişkisel ürünler tarafından desteklenen bir modele dayalı mantıksal bir şemaya dönüştürülmesine izin verir. Üç sürecinin kapsamını gösteren metodolojiye genel bir bakış sunar: ASI-MD, DSI-MD ve CSI-MD.

Her süreç faaliyetlerden ve her faaliyet görevlerden oluşur. Faaliyetlerin sırası, sıralı sıranın zorunlu olduğu anlamına gelmez. Aktiviteler, farklı bir sırada veya paralel olarak, farklı aktivitelerin örtüşen görevlerinde geliştirilebilir. Ancak her bir faaliyeti tamamlanmadan bir süreç tamamlanmayacaktır. Her süreçte, en önemli faaliyetlerini vurgulayan bir grafik yer almaktadır.

ASI-MD aşamasının aktivitelerinden biri “veri ambarı kavramsal modelleme”dir. Bu aktivitenin temel amacı, IDEA modelini kullanarak veri ambarı çok boyutlu kavramsal şemasını elde etmektir. Yedi görevi vardır: ön alt hücre yapılarının elde edilmesi, ön boyutların elde edilmesi, ön hiyerarşilerin elde edilmesi, ayrıntılı hiyerarşilerin elde edilmesi, ayrıntılı alt hücre yapılarının elde edilmesi, olgu şemalarının elde edilmesi ve çok boyutlu şema doğrulaması ve geçerli kılınması.

Veri ambarı geliştirme, birçok şirket için kritik bir başarı faktörü haline geldi. Bu süreçte bazı önemli hususlara dikkat edilmelidir:

1. OLTP ve OLAP veritabanı tasarımının benzersiz bir metodolojide entegrasyonu
2. Analitik veri kullanıcısı gereksinimlerinden başlayarak, kavramsal çok boyutlu şemaların oluşturulmasına destek olarak mevcut operasyonel şemaları kullanarak analitik şemaların doğrulanması ve yapılandırılması
3. Mevcut spesifik çok boyutlu veritabanlarından kavramsal şemalar elde etmek için tersine mühendislik
4. Mevcut işletim sisteminin oluşturulması veya değiştirilmesi analitik kullanıcıların gereksinimlerinin bir sonucu olarak şemalardır.

İlişkisel veritabanı yönetim sistemleri
Nesne ilişkisel veritabanı
İlişkisel veritabanı örnekleri
İlişkisel veri tabanı Nedir
MySQL ilişkisel veritabanı
İlişkisel veritabanı çeşitleri
İlişkisel olmayan veritabanı Nedir
Veri tabanı Nedir

Veritabanı Bütünlüğü

Veritabanı teknolojisinin gelişimini teşvik eden faktörlerden biri, saklanan verilerin tutarlılığını garanti etme ihtiyacıydı. Öte yandan, daha karmaşık verileri daha semantik içerikle işleme talebi de verilerin özelliklerinin daha iyi anlaşılmasına yol açmış ve Veri Tabanı Yönetim Sistemlerinin (VTYS) bu tür işlemler için tesislerin dahil edilmesine yönelik evrimini motive etmiştir.

Bir veri tabanı motoru bağlamında veri özelliklerinin ele alınması iki ana zorlukla karşı karşıyadır:

1) Özelliklerin tanımlanması zordur, özellikle gerçek dünyada bariz olanları;
2) Veri özelliği sunumu, yazılımın tasarım sürecinde değişiklik gösterir.

İlki Gereksinim Mühendisliği alanına girer. Bir yazılım ürününün gereksinimlerinin uygun şekilde ortaya çıkarılması, tüm yazılım geliştirme sürecinin başarısında kilit bir faktördür. Ancak, bu gereksinimlerin üstesinden gelmek kolay değildir. Farklı içsel doğaları vardır ve farklı yüzler göstererek görünebilirler. Çoğu durumda, yazılım geliştiriciler tarafından toplanan bilgilerde bazı gereksinimler tamamen veya kısmen gizlidir.

İkincisi, Kavramsal modelleme ve Erken Mantıksal Tasarım alanlarına girer. Bu faaliyetler sırasında, veri modelleme ve VTYS paradigmaları ile ilgili konular, bunların dikkate alınma şekillerinde değişiklikleri teşvik eder.

Belirli bir DBMS’nin yapışma derecesi veya performansla ilgili diğerleri gibi pragmatik konular ek mutasyonlara neden olabilir. Gerçek dünya veri özelliklerinden veritabanı dünya bütünlüğü kısıtlamalarına kadar olan evrimin anlaşılması, yazılım yapaylığının yaşam döngüsü boyunca başarısında bir diğer önemli faktördür.

Bu anlayışa, her veritabanı bütünlüğü kısıtlamasının arkasındaki gerçek dünya veri özelliğini açıkça tanımlaması gereken iyi tanımlanmış bir izlenebilirlik mekanizması eşlik etmelidir. İzlenebilirlik, özellikle yazılım bakım faaliyetleri sırasında da önemli bir faktördür.

Her veri özelliği modellenmemelidir, ancak kapsam bağlamında ve yazılım eserinin amacı bağlamında modellemenin gerekli olup olmadığını görmek için her bir özellik dikkatle incelenmelidir. Daha analitik bir yaklaşım, veri özelliklerini önemlerini dikkate alarak sıralayabilir.

Bir veri özelliği, nitelikler için izin verilen değerleri tanımladığında, buna Nitelik Özelliği adı verilir. Başka bir tür veri özelliği, İlişkiler olarak bilinen farklı nitelikler arasında bağlantılar kurar. Bir veri özelliği, aynı verinin diğer oluşumlarında bulunmayan, Söylem Evrenine özgü bir anlambilim gerçekleştirdiğinde, buna İş Kuralı denir.

Birçok yazar Veritabanlarındaki kısıtlamaları ele almıştır. Dey’de, üçlü ve yüksek dereceli ilişkiler hakkında derin bir analiz yapılır. Yazarlar, bu tür yapıların analizi için genel bir çerçeve çizer ve bunların ilişkisel modeldeki temsilleri için genelleştirilmiş kurallar sağlar.

Ceri, tetikleyicilerin, saklı yordamların ve başvuru bütünlüğü kısıtlamalarının yürütülme sırasını analiz eder. Bu konuyla ilgili olarak, SQL3 kesin bir yürütme sırası ve yan tümcelerinin kapsamını tanımlamıştır. Bazı ilişkisel ve nesne-ilişkisel mevcut veri tabanı sistemlerindeki anlamsal bütünlük kısıtlamalarının son teknoloji bir araştırması Rivero ve diğerlerinde yapılmıştır.

VERİ ÖZELLİKLERİNİN EVRİMİ

Gerçek dünyadaki veri özelliklerinden veri tabanı bütünlüğü kısıtlamalarına kadar tüm olası eşlemeleri göstermektedir. Dikkat edilmelidir ki, ne İş Kurallarından Nesne Kısıtlamalarına ne de Nitelik Özelliklerinden Genel Kurallara ok yoktur. Bu eşlemeleri bulmak son derece zordur.

Ayrıca, gösterilen diğer bazı eşlemeler çok nadiren meydana gelirken, diğerleri yaygındır. Hem gerçek dünya veri özelliklerinin hem de veritabanı bütünlüğü kısıtlamalarının temel bir sınıflandırmasını sunar ve daha ayrıntılı bir haritalama sağlar.

İlişkisel olmayan veritabanı Nedir İlişkisel veri tabanı Nedir İlişkisel veritabanı çeşitleri İlişkisel veritabanı örnekleri İlişkisel veritabanı yönetim sistemleri MySQL ilişkisel veritabanı Nesne ilişkisel veritabanı Veri tabanı Nedir

İlişkisel Veritabanı – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri