©silberschatz, korth and sudarshan21.1database system concepts 1 tipos de sistemas sistemas...

1

©Silberschatz, Korth and Sudarshan21.1Database System Concepts

Tipos de SistemasTipos de Sistemas Sistemas Operacionais (DB) Sistemas de Registo Histórico (DW)

2


Sistemas típicos das OrganizaçõesSistemas típicos das Organizações

Portais

Sistemas de Suporte à Decisão

Data Warehouse

A Organização

Extranets

Clientes

Soluções CRM

Soluções B2B

Data MartsData Stages

ERPs

Fornecedores

3


Taxonomia de Dados e de SistemasTaxonomia de Dados e de Sistemas

Os dados podem ser classificados como:

Históricos/Projectados Primitivos/Derivados Públicos/Privados

Os diferentes tipos de dados determinam as características dos Sistemas de Informação.

Immon 93 - “Data Architecture: The Information Paradigm”

4


Taxonomia de Dados e de Sistemas Taxonomia de Dados e de Sistemas Dados Primitivos / DerivadosDados Primitivos / Derivados

Primitivos dependem de uma única ocorrência ou facto na organização. Exemplo,

registo da data, montante e intervenientes de cada transação.

Derivados os dados derivados dependem de vários factos ou ocorrências na

organização. São dados calculados, agregados e resumidos

5


Taxonomia de Dados e de Sistemas Taxonomia de Dados e de Sistemas Dados Históricos/ProjectadosDados Históricos/Projectados

“Históricos” registam factos acontecidos com valores precisos e correctos. Existe

acordo quando à forma de os obter ou calcular.

Projectados são estimativas ou previsões de factos que irão acontecer. O conceito

de correcto ou incorrecto não se aplica às projecções. Normalmente não existe unanimidade quando à forma de os obter ou calcular.

6


Taxonomia de Dados e de Sistemas Taxonomia de Dados e de Sistemas Dados Públicos/PrivadosDados Públicos/Privados

Públicos São dados cuja integridade é mantida pela organização. Podem ser

o único registo de um facto na organização. Interessam a vários indivíduos da organização.

Privados Traduzem as necessidades imediatas de cada indivíduo. Têm como

dono e interessam a um único indivíduo.

7



Sistemas Operacionais Sistemas de Suporte à Decisão

DataWarehouse

atómico departamental individual

PrimitivosPrimitivos DerivadosDerivados

Sistemas de suporte

Sistemas de registo

+ públicos + privados+ públicos + privados

+ orientados à aplicação + orientados ao assunto+ orientados à aplicação + orientados ao assuntoPresente Históricos Presente Históricos EstimativasEstimativas

DataMarts

DataMarts

8


Taxonomia de Dados e de SistemasTaxonomia de Dados e de Sistemas Diferenças entre dados Diferenças entre dados Primitivos/DerivadosPrimitivos/Derivados

Primitivos DerivadosNível de Detalhe Alto BaixoDesempenho Alto BaixoPadrões de Utilização Alto BaixoDisponibilidade Alta BaixaUtilizadores Diversos ConcentradosActualização imediata periódicaDefinição Estática DinâmicaQtd. de acessos Muitos/curtos Poucos/longosModificação Alta Baixa

9



Sistemas Operacionais

Suportam as operações diárias do negócio (seg. a seg), segundo processos bem definidos

Manipulam dados descreve o estado actual do negócio

A informação refere-se às operações atómicas

São optimizados para o processamento rápido

Os sistemas são optimizados para o armazenamento e modificação da informação

Os clientes acedem cada vez mais a estes dados

Data warehouse &Sistemas de Suporte à Decisão

São usados para gerir e controlar o negócio

A informação é uma série de vistas do negócio em determinados pontos no tempo

A optimização (desnormalização) resulta apenas do facto de não haver updates

Os sistemas são optimizados para a pesquisa da informação

Estes sistemas dão suporte a processos não definidos

10


Data Warehouse

Data Mart

Data Mart

Extração, Limpeza eCarregamento de Dados

Old Detail

Current Detail

Sistemas Operacionais Sistemas Legados

Highly Summarized

Data

Meta DataM/D

M/D

M/D

M/D

OLAP

Data Mining

Data Warehouses e Sistemas Suporte à DecisãoData Warehouses e Sistemas Suporte à Decisão

11



Exemplo de Informação/Queries em cada nível

Operacional

J Jones123 Main StCredit-AA

Atomic /DW

J Jones1986-1987456 Hight StCredit-B

J Jones1987-1989456 Hight StCredit-A

J Jones1989-pres.123 Main StCredit-AA

DataMartClient/mes

Jan - 4101Feb - 4209Mar – 4175Apr – 4215....

individual

Clientes desde 88 com crédito > A e contas > 5000

Qual é o crédito do J Jones ?

Qual é a evolução do crédito do

J Jones ?

Estamos ganhar ou perder clientes

de crédito ?

Que características

têm os clientes ?

12



Exemplo de Integração

OperacionalLife Policy

J JonesfemaleJuly 20, 1945...

Atomic /DW

OperacionalAuto Policy

J Jones2 tickets 19981 bad accident 1999...

Operacionalhealth Policy

J Jones2 childrenHigh blood pressure...

OperacionalHome Policy

J Jones123 Main Streetmaried...

J JonesfemaleJuly 20, 19452 tickets 19981 bad accident 19992 childrenHigh blood pressure123 Main Streetmaried......

13


Data WarehousingData Warehousing Large organizations have complex internal organizations, and

have data stored at different locations, on different operational (transaction processing) systems, under different schemas

Data sources often store only current data, not historical data Corporate decision making requires a unified view of all

organizational data, including historical data A data warehouse is a repository (archive) of information

gathered from multiple sources, stored under a unified schema, at a single site Greatly simplifies querying, permits study of historical trends Shifts decision support query load away from transaction processing

systems

14


Data WarehousingData Warehousing

15


Components of Data WarehouseComponents of Data Warehouse When and how to gather data

Source driven architecture: data sources transmit new information to warehouse, either continuously or periodically (e.g. at night)

Destination driven architecture: warehouse periodically requests new information from data sources

Keeping warehouse exactly synchronized with data sources (e.g. using two-phase commit) is too expensive Usually OK to have slightly out-of-date data at warehouse Data/updates are periodically downloaded form online

transaction processing (OLTP) systems. What schema to use

Schema integration

16


Components of Data Warehouse (Cont.)Components of Data Warehouse (Cont.) Data cleansing

E.g. correct mistakes in addresses E.g. misspellings, zip code errors

Merge address lists from different sources and purge duplicates Keep only one address record per household (“householding”)

How to propagate updates Warehouse schema may be a (materialized) view of schema from

data sources Efficient techniques for update of materialized views

What data to summarize Raw data may be too large to store on-line Aggregate values (totals/subtotals) often suffice Queries on raw data can often be transformed by query optimizer to

use aggregate values

17


Data Warehouse SchemasData Warehouse Schemas

18


Warehouse SchemasWarehouse Schemas Typically warehouse data is multidimensional, with very large

fact tables Examples of dimensions: item-id, date/time of sale, store where sale

was made, customer identifier Examples of measures: number of items sold, price of items

Dimension values are usually encoded using small integers and mapped to full values via dimension tables Resultant schema is called a star schema

More complicated schema structures – Snowflake schema: multiple levels of dimension tables– Constellation: multiple fact tables

©silberschatz, korth and sudarshan21.1database system concepts 1 tipos de sistemas sistemas...

Documents