AUT - QPM: چارچوبی نو در ارزيابی پرس و جو براي تصميم‌گيري در ايجاد پايگاه داده تحليلي
الموضوعات :نگین دانشپور 1 , احمد عبداله‌زاده بارفروش 2
1 - دانشگاه صنعتی امیرکبیر
2 - دانشگاه صنعتی امیرکبیر
الکلمات المفتاحية: پايگاه داده تحليليپرس و جوشبيه‌سازطراحی پايگاه داده تحليليمتدولوژيمهندسی نرم‌افزار,
ملخص المقالة :
دليل اصلي شكست سيستم‌هاي پايگاه داده تحليلي، عدم تشخيص لزوم ايجاد آنهاست. تحليل لزوم ايجاد پايگاه داده تحليلي داراي اهميت بسيار زيادي است. در اين مقاله چارچوبی با نام AUT-QPM برای بررسی لزوم ايجاد پايگاه داده تحليلي، بر اساس نوع پرس و جوهای مطرح در آن، ارائه مي‌گردد. به اين منظور ابتدا انواع پرس و جو دسته‌بندي شده و سپس بر روي يك پايگاه داده عملياتی و پايگاه داده تحليلي متناظر با آن با سايزهاي مختلف اعمال می‌شود. سپس به منظور ارزيابی پرس و جو، پارامترهای مورد بررسی ارائه می‌گردند که عبارتند از زمان پاسخ پرس و جو و تعداد مراجعات به ديسک. با بررسی اين پارامترها به منظور پاسخ‌گويي به پرس و جو، ملاحظه می‌شود كه در رابطه با پرس و جوهاي چندبعدي و مجتمع، وجود پايگاه داده تحليلي ضروري بوده و در رابطه با پرس و جوهاي تو در تو و پيوندي، استفاده از پايگاه داده تحليلي مفيد بوده و براي پرس و جوهاي ساده و محاسباتي، استفاده از پايگاه داده عملياتی مناسب‌تراست.
[1] R. Kimball and M. Ross, The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling, 2nd Edition, John Wiley & Sons, pp. 1-27, 2002.
[2] J. Han and M. Kamber, Data Mining Concepts and Techniques, NewYork, NY: Morgan Kaufman, pp. 39-98, 2001.
[3] R. Kimball and J. Caserta, The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data, John Wiley & Sons, pp. 29-52, 2004.
[4] C. Imhoff, N. Galemmo, and J. G. Geiger, Mastering Data Warehouse Design: Relational and Dimensional Techniques, John Wiley & Sons, pp. 3-26, 2003.
[5] R. Kimball, L. Reeves, M. Ross, and W. Thornthwaite, The Data Warehouse Lifecycle Toolkit: Expert Methods for Designing, Developing, and Deploying Data Warehouses, John Wiley & Sons, pp. 31-40, 1998.
[6] P. Ponniah, Data Warehousing Fundamentals, pp. 63-86, 2001.
[7] A. Silberschatz, H. F. Korth, and S. Sudarshan, Database System Concepts, Fifth ed. MC Graw - Hill, pp. 75-115, 2005.
[8] J. Ullman and J. Widom, A First Course in Database Systems,Prentice Hall, New Jersey, 2001.
[9] C. J. Date, An Introduction to Database Systems, Eight ed. Addison-Wesley, 2004.
[10] G. Gottlob, C. Koch, and K. U. Schulz et all, Conjunctive Queries Over Trees, ACM, PODS, pp. 189-200, 2004.
[11] K. L. Tan, C. H. Goh, and B. C. Ooi, "Online feedback for nested aggregate queries with multi-threading," in Proc. of the 25th VLDB Conf., pp. 18-29, Sep. 1999.
[12] C. Y. Chan and Y. E. Ioannidis, "Hierarchichal prefix cubes for range-sum queris," in Proc. of the 25th VLDB Conf., pp. 675-686, Sep. 1999.
[13 ] ن. دانشپور، رويكرد جديد در بهنگا مسازي پايگاه پردازش تحليلي، پايان نامه. كارشناسي ارشد، دانشگاه صنعتي اميركبير، .
1381 [14] B. McGehee, Use SET STATISTICS IO and SET STATISTICS TIME to Help Tune Your SQL Server Queries, Pipelines Newsletter, Feb. 2005.
[15] A. Tsois and T. K. Sellis, "The generalized pre-grouping transformation: aggregate-query optimization in the presence of dependencise," in Proc. of the 29th VLDB Conf., vol. 29, pp. 644-655, Sep. 2003.
[16] R. Kaushik, R. Ramakrishnan, and V. T. Chakaravarthy, Synopses for Query Optimization: A Space - Complexity Perspective, ACM, PODS, pp. 201-209, 2004.
[17] F. Scarcello, G. Greco, and N. Leone, Weighted Hypertree Decompositions and Optimal Query Plans, ACM, PODS, pp. 210- 221, 2004.
[18] R. Chirkova, C. Li, and J. Li, "Answering queries using materialized views with minimum size," VLDB J., vol. 15, no. 3, pp. 191-210, Sep. 2006.
[19] S. Cohen, W. Nutt, and Y. Sagir, "Rewriting queries with arbitrary aggregation functions using views," ACM Trans. on DatabaseSystems, vol. 31, no. 2, pp. 672-715, Jun. 2006.
