Conclusões
description
Transcript of Conclusões
1
ConclusõesConclusões
Análise à posteriori do programa de Bases de Dados 1
Análise e discussão dos objectivos da disciplina
Apresentação das disciplinas opcionais, oferecidas na LEI e MEI, da área de Bases de Dados
2
Programa de BD1Programa de BD11. Introdução aos sistemas de Bases de Dados
2. Modelos de Dados (Design)i. Revisão do modelo ER
ii. Modelo Relacional
a) Integridade e Segurança de BD relacionais• Restrições ao domínio• Integridade de referência• Asserções e triggers• Segurança e autorizações• Dependências funcionais e multivalor
b) Design e normalização de bases de dados relacionais
3. Interrogação/manipulação de Bases de Dadosi. Álgebra Relacional
ii. SQL
iii. QBE
iv. Datalog
4. Outros Modelos de bases de dadosi. Bases de Dados Orientados por Objectos
ii. Bases de Dados Objecto-Relacional
iii. XML
3
Objectivos de BD1Objectivos de BD1
Pretende-se dotar os alunos das bases necessárias à concepção, construção e análise de bases de dados relacionais. Serem capazes de conceber uma base de dados relacional
Fazer o seu design
Compreender o que devem ser as restrições
Estarem à vontade com a manipulação e interrogação de bases de dados com SQL
Conseguirem fazer um pequeno projecto de bases de dados, do princípio ao fim (trabalho)
4
Objectivos de BD1 (Cont.)Objectivos de BD1 (Cont.)
Estarem cientes de que há mais coisas em bases de dados e, pelo menos, saberem o que são algumas delas Outros modelos, para além do relacional
Modelo de objectos e linguagens persistentes Introdução de conceitos de objectos em bases de dados
– Conhecerem, e saberem usar, alguns destes mecanismos existentes no SQL:1999
Linguagens de interface com bases de dados Linguagens Embedded-SQL e seus mecanismos de base Linguagens de interface ODBC e JDBC
XML Para transferência de dados Para interface de visualização de dados Como modelo hierárquico de dados
Noções breves de: sessões, utilizadores, transações em bases de dados acedidas simultaneamente por vários utilizadores
5
E depois de BD1?E depois de BD1? Outras disciplinas, opcionais da LEI, onde podem aprofundar mais o
tema de bases de dados: Bases de Dados 2 (8º semestre)
Aprofunda alguns dos tópicos que foram apenas aflorados em BD1
Tecnologias de Sistemas de Informação para a Web (9º S.) Explora o uso de XML (e outras linguagens Web) para transferência e
manipulação de dados.
Bases de Dados e Data Warehousing (9º semestre) Estuda modelização e acesso a dados para análise e apoio à decisão
Disciplinas avançadas do Mestrado em Eng. Informática Tecnologias de Representação de Conhecimento na Web
No seguimento de TSIW Estuda formas de representar, não só o formato de dados para transferência,
como também o significa desses dados
Text e Data Mining No seguimento de BDDW Estuda forma de extrair relações/informação “interessante” a partir de grandes
bases de dados
6
Bases de Dados 2Bases de Dados 2
Explora mais aprofundadamente tópicos aflorados em BD1
Apresenta tópicos avançados sobre Bases de Dados, nomeadamente: Exploração de ambientes de programação e comunicação com bases de
dados:
ODBC
Ambiente SQL Standard e Ambiente Cliente/Servidor
Linguagens de programação PLSQL e PHP
Sistemas Transaccionais
Bases de Dados Distribuídas
Modelos de replicação (em Oracle e SQLServer)
Transações e Concorrência
Eficiência e optimização de interrogações a Bases de Dados em SQL.
Introdução a Data Warehousing
Instruções SQL de suporte a armazéns de dados
LEI: 8º semestreLEI: 8º semestre
7
Tecnologias de Sistemas de Informação para a WebTecnologias de Sistemas de Informação para a Web
Tecnologias de SI em ambiente Web Uso de XML como modelo hierárquico de repositório e transferência
de dados
Modelação de dados em XML (XSD)
Desenvolvimento de Aplicações que usam XML (DOM, SAX e XSL)
Interrogação de Bases de Dados em XML (XPath e XQuery)
Integridade referencial em XML
SGBD de XML Nativas, e SGBD Relacionais com XML embutido. Análise dos sistemas:
Oracle
SQLServer
XIndice
LEI: 9º semestreLEI: 9º semestre
8
Tecnologias de Repr. do Conhecimento na WebTecnologias de Repr. do Conhecimento na Web
Informação pode ser armazenada na Web, em XML, e com DTDs ou XMLSchema podemos dizer (e documentar) qual a estrutura dos dados. Mas qual o significado desses dados? Quais os significados das várias tags e da sua estrutura? Como “entender” esse significado de forma automática?
Que falta fazer, para que se possam ter programas que processem dados na Web, sem conhecimento prévio das estruturas? Por exemplo: Programa para marcar um hotel via Web. Programa para fazer compras B2B, em que há também informação de
contractos (regras de negócio)
Começa a haver linguagens para representação desse significado: RDF; OWL; RuleML
Em TRCW estuda-se este tipo de problemas e linguagens Tem como pré-requisito aconselhado a disciplina de Representação do Representação do
Conhecimento e RaciocínioConhecimento e Raciocínio (opcional do 9º semestre da LEI)
MEI: 2º semestreMEI: 2º semestre
9
Bases de Dados e Data WarehousingBases de Dados e Data Warehousing
Objectivos: Conceitos básicos de Data Warehouse (caracterização, arquitectura
e modelação) para apoio à decisão estratégica e operacional numa organização.
Familiarização com algumas ferramentas típicas que actualmente se utilizem no mercado.
O tópico central é o da modelação multi-dimensional
Mas afinal o que é uma Data Warehouse???
LEI: 9º semestreLEI: 9º semestre
10
Sistemas OperacionaisSistemas Operacionais
OLTP – On Line Transaction Processing Sistemas que suportam o dia a dia do negócio ou actividade de uma
empresa ou instituição
Foi disto que tratamos em BD1
Exemplo:
Se alguém compra um produto numa loja o sistema retira uma unidade desse produto do stock existente, emite uma factura. Se chegam novas unidades do produto o sistema actualiza o stock
Características Milhares ou milhões de transações (SABRE - 4000 trans/s)
Pequenas operações, repetidas e previsíveis
Tempo real
11
Sistemas AnalíticosSistemas Analíticos
OLAP – On Line Analytical Processing
Sistemas que permitem os utilizadores analisarem diferentes aspectos da actividade e desempenho da empresa Exemplo
Como é que determinado produto se está a vender pelas diferentes regiões? Qual foi a evolução das suas vendas desde a sua introdução no mercado?
Características de utilização Poucas interrogações (quando comparado com os sistemas OLTP)
Grandes volumes de dados envolvidos em cada interrogação (para obter frequentemente um reduzido sumário)
Grande variedade e pouca previsibilidade
Consulta e exploração (não edição)
12
Os Os SSistemas Operacionais são istemas Operacionais são substancialmente diferentes dos Analíticossubstancialmente diferentes dos Analíticos
“The users of an OLTP system are running the wheels of the organization. The users of a data warehouse are watching the wheels of the organization” [Kimball]
Diferentes sob vários aspectos [Kimball] Os utilizadores são diferentes
O conteúdo é diferente
As estruturas de dados são diferentes
O Software é diferente
O Hardware é muitas vezes diferente
A sua administração é diferente
A gestão de sistemas é diferente
O ritmo diário de operação é diferente.
13
Data warehouseData warehouse- Infra-estrutura para suporte à decisão - - Infra-estrutura para suporte à decisão -
“A data warehouse is an analytical database that is used as the foundation of a decision support system. It is designed for large volumes of read-only data, providing intuitive access to information that will be used in making decisions.
A data warehouse is created as ongoing commitment by the organization to ensure the appropriate data is available to the appropriate end user at the appropriate time”
[Vidette Poe, et all, 1997]
14
Arquitectura de ReferênciaArquitectura de Referência
Fontes
OLTP
OLTP
.
.
.
FontesExternas
ExtracçãoLimpezaTransformaçãoCarregamento
Data Warehouse
MetaData
Plataformas e Infra-estruturas de suporte
DataMarts
Gestão e Operação
Aplicações - DataMining - ….
Ad Hoc Query Tools
Report Writers
Multidimensional Analysis
Configuração, Gestão e Operação
15
Text e Data MiningText e Data Mining
E depois de ter estes dados todos, eventualmente numa data warehouse, será que não há para lá relações entre partes de informação, que são interessantes? Como descobri-las?
Como agrupar os dados?
Como extrair conceitos?
Como extrair regras?
Em “Text e Data Mining” estuda-se este tipo de problemas
Tem como pré-requisito aconselhado a disciplina de Aprendizagem AutomáticaAprendizagem Automática (opcional do 10º semestre da LEI)
MEI: 1º semestreMEI: 1º semestre