مقاله تکنیک های ترمیم فاجعه ها در سیستم های پایگاه داده

اختصاصی از هایدی مقاله تکنیک های ترمیم فاجعه ها در سیستم های پایگاه داده دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) و powerpoint

تعداد صفحات :15

چکیده ای از مطالب :

مقدمه

گسترش استفاده از کامپیوتر باعث نفوذ کاربرد کامپیوتر در جنبه های مختلف زندگی انسان از جمله جنبه های حیاتی مانند کنترل ترافیک هوایی ، کنترل خودکار خطوط دریایی ، مدیریت نقطه فروش و حتی سرویس فروش بلیط سینما شده است. داده های ذخیره شده در سیستم های کامپیوتری با ارزش ترین دارایی یک شرکت است که باید به هر قیمت از آن محافظت کنند.

تکنیک های تحمل خطا برای افزایش قابلیت در دسترس بودن سیستم و کاهش خرابی های ناشی از بروز خطا در اجزا گسترش یافتند.[3] داده های حیاتی درون حافظه پایدار ذخیره شده و کپی های اضافی برای ذخیره در حافظه های پایدار تهیه می شوند این روش ها مناسب است ولی در برابر رخ دادن یک حادثه ممکن است نا کارآمد باشد . از جمله این حوادث می توان به زلزله سال 1906 در سان فرانسیسکو اشاره کرد که بیش از نیمی از شهر را ویران کرد .

رویه های وسیع تهیه پشتیبان برای محافظت داده ها در مقابل بروز یک حادثه گسترش یافتند که از جمله آنها می توان به رویه های تهیه پشتیبان به صورت پدر بزرگ – پدر – فرزند، تکنیک­های رویدادنگاری افزایشی و متد نسخه­برداری تصویر داده­ها اشاره کرد.[3] به علاوه، برای نگهداری در برابر از دست رفتن داده، سیستم باید بتواند سرویس عادی خود را پس رخ دادن حادثه ارائه کند. بنابراین همراه با داده سخت افزار کامپیوتر نیز باید جایگزین شوند.

لینک دانلود بلافاصله پس از پرداخت برای شما فعال می شود و یک نسخه از آن برای شما ایمیل می شود

فیلم آموزش نرم افزار DEAP - تحلیل پوششی داده به زبان انگلیسی

اختصاصی از هایدی فیلم آموزش نرم افزار DEAP - تحلیل پوششی داده به زبان انگلیسی دانلود با لینک مستقیم و پر سرعت .

فیلم آموزش نرم افزار DEAP  - تحلیل پوششی داده به زبان انگلیسی به همره نرم افزار DEAP

یک فیلم عالی که حتی اگر صدا هم نداشت کاملا متوجه نحوه کار با این نرم افزار پر کاربرد می شدید.

حافظة اصلی پایگاه داده ها Main Memory Database

اختصاصی از هایدی حافظة اصلی پایگاه داده ها Main Memory Database دانلود با لینک مستقیم و پر سرعت .

در اواسط دهه 1980، با نزول قیمت DRAM، این ایده مطرح شد که کامپیوترهای آتی با داشتن حافظه اصلی با ظرفیت بالا، می توانند بسیاری از پایگاه داده ها را درحافظه اصلی داشته باشند. در این شرایط می توان همه I/O ها (که بسیار هزینه بر می باشند) را از پردازش DBMS حذف نمود. بنابراین معماری DBMS دستخوش تغییرات جدی می شود و در یک MAIN MEMORY DBMS(MMDBMS)، مدیریت I/O دیگر نقشی نخواهد داشت.

نکته مهم در یک MMDB، چگونگی انجام تراکنشها و recovery بصورت کارا است. برخی از الگوریتمهای پیشنهادی براساس این فرض عمل می کنند که قسمت کوچکی از حافظه اصلی بصورت ماندگار وجود دارد که اطلاعاتش توسط باطری در صورت قطع برق از بین نخواهد رفت. این قسمت از حافظه اصلی برای نگهداری redo log ها استفاده می شود.

تعداد دیگری از الگوریتمهای پیشنهادی پیش فرض حافظه ماندگار را ندارند و همچنان از عملیات I/O برای نوشتن اطلاعات تراکنش در حافظه ماندگار استفاده می کنند. بنابراین در این الگوریتمها عملیات I/O بطور کامل حذف نمی شود، بلکه تعدادشان بسیار کمتر می شود زیرا I/Oمربوط به نوشتن اطلاعات صفحات buffer ها، حذف خواهد شد.

در یک MMDBMS، ساختارداده های ساده مانند T-Tree و همچنین bucket-chained hash جایگزین ساختارداده هایی چون B-Tree و linear hash در DBMS های مبتنی بر دیسک می شوند. بنابراین سرعت اجرای پرس و جو(پرس و جو) و بهنگام سازی بسیار افزایش می یابد و هزینه index lookup و نگهداری ،فقط مربوط به پردازنده و دسترسی به حافظه اصلی خواهد شد.

54صفحه در قالب word

تحقیق پردازش پرس‌وجو در پایگاه داده توزیع شده

اختصاصی از هایدی تحقیق پردازش پرس‌وجو در پایگاه داده توزیع شده دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:25

فهرست مطالب:
1.    مقدمه    2
2.    تکنیکها و روشهای پایه‌ایی پردازش پرس‌وجوی توزیعی    3
2-1.    معماری پردازش پرس‌وجو    3
2-2.    بهینه‌ساز پرس‌وجو    5
2-2-1.    تولید طرح با استفاده از برنامه‌نویسی پویا    5
2-3.    تکنیکهای اجرای پرس‌وجو    6
2-3-1.    Row Blocking    6
2-3-2.    بهینه‌سازی برای Multicast    7
2-3-3.    اجرای همروند پرس‌وجو    7
2-3-4.    پیوند داده‌های پارتیشن شده افقی    8
2-3-5.    Semijion    9
2-3-6.    Double-Piplined Hash Joins    9
2-3-7.    Pointer-Based Joins and Distributed Object Assembly    10
2-3-8.    Top N and Bottom N Queries    11
3.    سیستم‌های پایگاه داده‌ای به صورت CLIENT-SERVER    14
3-1.    معماری‌هایCLIENT-SERVER،  PEER-TO-PEER و MULTITIER    14
3-2.    استفاده از منابع CLIENT    15
3-2-1.    انتقال پرس‌وجو    15
3-2-2.    انتقال داده    16
3-2-3.    انتقال ترکیبی    16
3-2-4.    مقایسه    17
4.    سیستم پایگاههای داده نامتجانس    18
4-1.    معماری WRAPPER برای پایگاه‌های داده نامتجانس    18
4-2.    تکنیکهای اجرای پرس‌وجو    18
4-2-1.    Bindings    18
4-2-2.    cursor caching    19
5.    موقعیت‌دهی پویای داده    20
5-1.    REPLICATION  VS. CACHING    20
5-2.    الگوریتم‌های پویای REPLICATION    21
5-3.    CACHE INVESTMENT    22
6.    معماری‌های جدید برای پردازش پرس‌وجو    23
6-1.    مدل‌های اقتصادی برای پردازش پرس‌وجو    23
6-2.    سیستم اطلاعاتی مبتنی بر انتشار    24
منابع

1.    مقدمه
پردازش داده‌های توزیع شده یک واقعیت تبدیل شده است. دلایلی که هنوز پردازش داده‌های توزیع شده را یک موضوع پیچیده می‌سازد عبارتند از:
•    سیستم‌های توزیع شده خیلی وسیع هستند و هزاران سایت متجانس شامل کامپیوترهای شخصی و ماشینهای سرور بزرگ را در بر می‌گیرد  
•    حالت سیستم‌های توزیع شده به سرعت تغییر می‌کند زیرا بارگذاری سایت‌ها از نظر زمانی متنوع می‌باشد و سایت‌های جدید به سیستم افزوده شده است.
•    سیستمهای موجود باید تکمیل گردند. از انجا که سیستم‌های موجود برای پردازش توزیعی طراحی نشده‌اند و اینک نیاز است که با سیستم‌های  دیگر در محیط توزیعی تعامل داشته باشند.
این مقاله چگونگی انجام پردازش پرس‌وجو در محیط‌های توزیع شده  و سیستم‌های اطلاعاتی را نمایش می‌دهد.
محققان  از سال 1970 به سیستم پایگاه داده توزیعی علاقمند گردیدند. در این زمان پشتیبانی مدیریت داده‌های توزیعی برای شرکتها و سازمان‌هایی که داده‌های خود را در ادارات مختلف و یا محل‌های معین نگهداری می‌کنند، مرکز توجه بود. اگرچه این نیاز احساس می‌شد و ایده‌های بسیار خوبی موجود بود اما هرگز تلاش‌های اولیه برای ساخت سیستم‌های پایگاه داده توزیعی بطور تجاری موفقیت‌آمیز نبود. اما امروزه موقعیت تغییر نموده است. سیستم‌های توزیعی هم مورد نیاز و هم امکان‌پذیر می‌باشند. پردازش داده‌های توزیعی نیز بخاطر پیشرفت‌های اخیر تکنولوژی میسر می‌باشد.

پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف

اختصاصی از هایدی پایان نامه کامل داده کاوی و کاربرد آن در سیستمهای مختلف دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word (قابل ویرایش) تعداد صفحات : 113 صفحه

فهرست

چکیده. 4

مقدمه. 6

فصل اول – مفاهیم داده کاوی.. 9

مدیریت ذخیره سازی و دستیابی اطلاعات... 9

ساختار بانک اطلاعاتی سازمان:. 10

داده کاوی (Data Mining):. 11

مفاهیم پایه در داده کاوی.. 13

تعریف داده کاوی.. 14

مراحل فرایند کشف دانش از پایگاه داده ها 16

الگوریتم های داده کاوی.. 22

آماده سازی داده برای مدل سازی.. 30

درک قلمرو. 38

ابزارهای تجاری داده کاوی Tools DM Commercial. 46

منابع اطلاعاتی مورد استفاده. 47

محدودیت های داده کاوی.. 56

حفاظت از حریم شخصی در سیستم‌های داده‌کاوی.. 56

فصل دوم : کاربردهای داده کاوی.. 59

کاربرد داده کاوی در کسب و کار هوشمند بانک.... 60

داده کاوی درمدیریت ارتباط بامشتری.. 61

کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهی.. 63

داده کاوی و مدیریت موسسات دانشگاهی.. 65

داده کاوی و مدیریت بهینه وب سایت ها 66

داده‌کاوی و مدیریت دانش.... 67

کاربرد داده‌کاوی در آموزش عالی.. 68

فصل سوم – بررسی موردی1: وب کاوی.. 70

معماری وب کاوی.. 70

مشکلات ومحدودیت های وب کاوی در سایت های فارسی زبان.. 75

محتوا کاوی وب... 76

فصل چهارم – بررسی موردی 2 : داده کاوی در شهر الکترونیک.... 79

زمینه دادهکاوی در شهر الکترونیک.... 81

کاربردهای دادهکاوی در شهر الکترونیک.... 83

چالشهای دادهکاوی در شهر الکترونیک.... 88

مراجع و ماخذ.. 97

چکیده

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .

با استفاده از پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .

باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .

هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .