اطلاعات خود را در مورد بانکهای اطلاعاتی بهینه کنید

بعضی از متخصصان و فروشندگان تکنولوژی ادعا می‌کنند که سیستم‌های مدیریت بانکهای اطلاعاتی (DBMS) به یک سری کالا تبدیل شده‌اند که هیچ نوآوری در آنها صورت نمی‌گیرد و یا اگر هم نوآوری صورت گیرد، کاملا بی‌ربط است. این افراد در اشتباه به سر می‌برند. چون نه تکامل در DBMS متوقف شده و نه همه DBMS ها شبیه هم شده‌اند. به ویژه، فروشندگان اصل‍ی DBMSهای رابطه‌ای به دنبال تمایزات تکنیکی این در سه حیطه مهم هستند.
۱- پردازش تحلیلی کم هزینه: فروشندگان DBMS بهینه سازی‌های جستجوی (query) خود را افزایش می‌دهند تا بخش اعظمی از بار موجود بر دوش مدیران بانکهای اطلاعاتی را کم کرده و همچنین عملکرد جستجوی خود را مستقیما بالا برند. آنها سعی دارند تا سرعت پردازش را نیز بالا برند.
۲- پردازش تحلیلی Real Time (بلادرنگ): در بعضی موارد، چنین پیشرفت‌هایی کپی کردن تحلیل‌ها را مستقیما از یک بانک اطلاعاتی تولید عملی می سازد و به میزان قابل توجهی تحلیل بلادرنگ را آسان می‌سازد. این امر، مخصوصا در CRM که قیمت‌گذاری مخصوص مشتریان و در دسترس قراردادن محصول تایید شده را ممکن می‌سازد، اهمیت دارد. همچنین تحلیل‌های بلادرنگ در بعضی از برنامه‌های اجرایی از زنجیره‌های تولید، لجستیک و تحلیل ریسک سهام مقرون به صرفه است.
۳- انواع داده‌های غیررابطه‌ای: انواع داده‌های تخصصی در بسیاری از برنامه‌های اجرایی مهم تلقی می‌شود. مثلا داده‌های جغرافیایی در بازاریابی، اکتشاف معدن و امنیت داخلی کشور یا داده‌های ژنومیک در پژوهشات دارویی. داده‌های موضوعی در بخش اعظمی از برنامه‌های اجرایی اسنادی و پژوهشی کاربرد دارد و در میان گروهی از برنامه‌های اجرایی جدید بر مبنای XML، بخش کوچک اما مهمی از آن، به ذخیره واقعی داده‌های XML بستگی‌ دارد. اکثر این تمایزات ارتباط تنگاتنگی با بهینه‌سازی جستجویی یعنی مغز DBMS رابطه‌ای، دارد. هر نوع پیشرفت در نحوه پردازش جستجو در DBMS - مثلا تقارن بیشتر که یک نوع شاخص جدید یا یک نوع داده جدید است- باید به وسیله بهینه‌ساز درک شود، یا در غیر اینصورت DBMS نمی‌تواند از آن استفاده کند.
تمام بهینه‌سازها به طور یکسان ایجاد نمی‌شوند، و درک این مسئله که یک بهینه‌ساز به خصوص چه کاری می‌کند و چه کاری نمی‌کند، دید زیادی در مورد قابلیت‌های کلی DBMS ها فراهم می کند. بنابراین برای درک تفاوت‌های بین انواع مختلف DBMS اندکی اطلاعات در مورد نحوه عملکرد بهینه‌سازها مفید خواهد بود.بهینه‌ساز در هر جستجو، تعیین می‌کند که کدام شاخص و ستون جدول باید خوانده و مرتبط شود، چه نوع ارتباطی باید به کار رود و اینکه این ارتباطات باید به چه ترتیبی انجام شوند. بهینه‌سازهای جستجویی مدرن همه بر مبنای هزینه عمل می‌کنند. یعنی، بهینه‌ساز هزینه هر عملیات را در مسیر منطقی هر جستجو تخمین زده و در مجموع آنها را با هم جمع‌کرده و در آخر کم هزینه‌ترین مسیر را انتخاب می کند.متاسفانه چنین برآوردهایی کامل نبوده و بنابراین معمولا بهینه‌سازها در پیدا کردن بهترین طرح جستجو ناموفق هستند. به همین علت مدیران بانکهای اطلاعاتی باید کد SQL یا پارامترهای بهینه‌ساز را به صورت دستی بهینه نمایند که این کار بسیار دشوار است. در پاسخ به چنین مشکلی فروشندگان DBMS سعی می‌کنند که به پیشرفت‌هایی در زمینه یافتن و اصلاح کردن جستجوهای نیمه بهینه شده، برسند. در شیوه مهم دیگر کمک به مدیران بانکهای اطلاعاتی، بهینه‌سازها برای معرفی شاخص‌های جدید و روش‌های تطبیق داده‌ها، به کار گرفته می‌شوند.
صریح‌ترین مزیت بهینه‌سازهای پیشرفته، جستجوهای سریع‌تر و هزینه‌های کمتر مدیران DBMS است. اما اهمیت شیوه‌های دسترسی پیشرفته که به وسیله بهینه‌سازها فراهم می‌شود نیز کمتر از اهمیت مزیت مذکور نیست. در ابتدا هر پیشرفت که هزینه پردازش تحلیلی را کم می‌کند، به هوش اضافه شده به بهینه ساز بستگی دارد که موارد زیادی از این قبیل وجود دارد، مثلا DBMS‌های بالا به پایین (top-end) پرشده‌اند از bitmapها، شاخص‌های star-schema و پشتیبانی بیشتر جستجوهای پیچیده data-warehouse style.مهمترین مسئله در طی زمان materialized view است که شرکتهای آی‌بی‌ام، اوراکل و مایکروسافت پشتیبان آن هستند. materialized view همان نتایج از پیش محاسبه شده جستجو هستند که در جداول واقعی ذخیره شده و معمولا بر اساس یک برنامه بلادرنگ، به روز می‌شوند. در اصل materialized view می‌تواند از جستجوی تحلیلی کارآمد در بانکهای اطلاعاتی پردازشی معاملات به صورت آن‌لاین در مدت زمان تقریبا کوتاه پشتیبانی کند که البته این کار بدون برجای گذاشتن اثرات منفی بر برنامه‌ کاربردی OLTP یا کپی مجدد یا مخفی شدن داده‌های معاملاتی زیرین انجام می‌شود. هر چند کاربرد شایع آنها به بهنیه‌سازهایی بستگی دارد که حداقل می‌توانند viewهایی را که ایجاد شده‌اند تشخیص داده و یا در صورت بهتر viewهای جدید را در زمان مناسب ایجاد نمایند.
حمایت از داده‌های نوع غیررابطه‌ای به میزان زیادی به بهینه سازها بستگی‌دارد. هر روش جدید دسترسی، به تکنیک‌های شاخص‌گذاری خودش متکی است که معمولا با تکنیک‌هایی که داده‌های رابطه‌ای قراردادی استفاده می‌شود، بسیار متفاوت است. درست انتخاب و مرتبط کردن این نوع داده‌ها مستلزم این است که بهینه‌ساز یک مدل مناسب هزینه برای شاخصی که قبلا ناآشنا بوده داشته باشد. شرکت‌های آی‌بی‌ام و اوراکل قابلیت‌هایی را فراهم می‌کنند که چنین مدل‌های هزینه را تعریف می‌کند و در این بین مدل‌های شرکت اوراکل انعطاف‌پذیرتر و جامع‌تر است. احتمالا تمامی شرکت‌های بزرگ از بعضی از قابلیت‌های DBMS پیشرفته بهره مند هستند.
تطبیق آسان‌تر، پردازش تحلیلی سریعتر و یا پشتیبانی از داده‌های نوع غیررابطه‌ای جزو مزایای احتمالی چنین DBMSهایی هستند. خوشبختانه مشخص‌های ویژه‌ای که شما می‌توانید به بهترین نحو از آن استفاده کنید، در نوع DBMS که سازمان شما ترجیح داده است اجرا می‌شود و اگر هم نشد، ممکن است تمایل داشته باشید که به صورت انتخابی چنین مشخصاتی را در رساننده‌های DBMS‌ جستجو کنید. در هر دو مورد فوق بهتر است که اندکی وقت صرف جستجو در پیشرفت‌های تکنولوژی بانکهای اطلاعاتی نمایید و برای این کار می‌توانید کار خود را با جستجو در زمینه بهینه‌سازها شروع کنید.

نویسنده: Curt A.Monash
مترجم: نادیا سلیمانی

منبع : علم الکترونیک و کامپیوتر