Adatbázisrendszerek jövője Dr. Krauszné Dr.Princz Mária
Objektumorientált programozás Relációs adatbázisok Strukturált programozás Objektumrelációs adatbáziskezelő rendszerek (Oracle 8i, Persistence, UniSQL) Objektumorientált adatbáziskezelő rendszerek (Object Store, Ode, Ontos, Orion) Objektumorientált programozás információ elrejtés OO fejlesztési módszertanok
Megszorítások és triggerek (aktív elemek) Megszorítások: logikai értékű függvények Triggerek: kódrészlet, amelyet egy esemény bekövetkezése vált ki Ha az adatok mérete, vagy az aktív elemek száma nagy, a megvalósítás komoly technikai nehézséget okoz.
Multimédia adatbázisok Jóval nagyobb adatmennyiség, mint a korábbi adatformátumok A tárkezelőt alkalmassá kell tenni gigabájt méretű sorok kezelésére Hagyományos adatbázisok: strukturált adatok Multimédia adatok: strukturálatlanok vagy szemi strukturáltak metaadatok használata A multimédia-adatokon végrehajtott műveletek sem egyszerűek (pl egy arcképhez „hasonló” kikeresése) Tulajdonság-alapú lekérdezés mellett tartalom-alapú lekérdezés
Adattárház - Datawarehouse Különböző adatbázisból származó adatokat megfelelő átalakítás után egy központi adatbázisba másolnak. Az adattárház építés lépései: Adatok válogatása (adatbázisokból) Adatok tisztítása – a következetlenségek, redundanciák eltávolítása A hiányzó információk pótlása Kódolás – túl részletes adatok esetén
Adattárház Az adattárházak jellemzői : Az időtől való függés – az adattárházban lévő adat és a keletkezés időpontja közötti kapcsolat Változatlanság – az adatokat az adattárban csak lekérdezzük és nem módosítjuk A tárgyhoz igazodó adatok – csak azon adatok, amelyek a döntéstámogatáshoz kellenek Egységesítés – minden adatot egy névvel és egy típussal kell megadni
Az adattárház nem szükséges feltétele az adatbányászatnak:
Adatbányászat – Datamining Segítségével jelenségek ok-okozati összefüggéseire lehet következtetni. Az adatbányászat a rejtett tudás, a meglepetésszerű minták és új szabályok feltárása nagyméretű adatbázisokból. Pl. Strukturálatlan adatokból szövegbányászat, web bányászat
Adatbányászat Néhány terület, ahol az adatbányászat fontos: Marketing és eladás A normálistól eltérő minták felderítése Az elmúlt tapasztalatokra és az jelenlegi trendre alapozva a jövő megjövendölése
Az adatbányászatot támogató technikák: Vizualizáció – segít az adatok láthatóvá tételében Statisztikai következtetés - osztályozás, társítás, becslés, jóslás Gépi tanulás - szabályok generálása automatikusan, több száz emberi munkaórát megtakarítva (pl. neurális hálók, döntésfák, genetikus algoritmusok) Döntés támogatás – az eredmények közül kiemeli a lényeget, és azt a döntéshozók számára elérhetővé teszi
Az adatbányászati piramis
Trendek az adatbányászatban Adatbányászat osztott, heterogén, hagyatéki adatbázisokban Adatbányászat metaadatokban Multimédia adatbányászat Web bányászat
Web bányászat
Térinformatika GIS – földrajzi inf. rsz. LIS - földadat inf.rsz. AM / FM- közműnyilvántartás