اطلاعات خود را در مورد بانكهای اطلاعاتی بهینه كنید

بعضی از متخصصان و فروشندگان تكنولوژی ادعا می كنند كه سیستم های مدیریت بانكهای اطلاعاتی (DBMS) به یك سری كالا تبدیل شده اند كه هیچ نوآوری در آنها صورت نمی گیرد و یا اگر هم نوآوری صورت گیرد، كاملا بی ربط است .
این افراد در اشتباه به سر می برند . چون نه تكامل در DBMS متوقف شده و نه همه DBMS ها شبیه هم شده اند . به ویژه ، فروشندگان اصلی DBMSهای رابطه ای به دنبال تمایزات تكنیكی در سه حیطه مهم هستند .

پردازش تحلیلی كم هزینه : فروشندگان DBMS بهینه سازی های جستجوی (query) خود را افزایش می دهند تا بخش اعظمی از بار موجود بر دوش مدیران بانكهای اطلاعاتی را كم كرده و همچنین عملكرد جستجوی خود را مستقیما بالا برند . آنها سعی دارند تا سرعت پردازش را نیز بالا برند .

پردازش تحلیلی Real Time (بلادرنگ): در بعضی موارد،چنین پیشرفت هایی كپی كردن تحلیل ها را مستقیما از یك بانك اطلاعاتی تولید عملی می سازد و به میزان قابل توجهی تحلیل بلادرنگ را آسان می سازد. این امر،مخصوصا در CRMكه قیمت گذاری مخصوص مشتریان و در دسترس قراردادن محصول تایید شده را ممكن سازد ، اهمیت دارد. همچنین تحلیل های بلادرنگ در بعضی از برنامه های اجرایی اززنجیره های تولید، لجستیك و تحلیل ریسك سهام مقرون به صرفه است .

انواع داده های غیر رابطه ای : انواع داده های تخصصی در بسیاری از برنامه های اجرایی مهم تلقی می شود . مثلا دادهای جغرافیایی در بازار یابی ، اكتشاف معدن و امنیت داخلی كشور یا داده های ژنومیك در پروژهشات دارویی . داده های موضوعی در بخش اعظمی از برنامه های اجرایی اسنادی و پژوهشی كاربرد دارد و در میان گروهی از برنامه های اجرایی جدید بر مبنای XML ، بخش كوچك اما مهمی از آن، ذخیره واقعی داده های XML بستگی دارد .
اكثر این تمایزات ارتباط تنگاتنگی با بهینه سازی جستجویی یعنی مغز DBMS رابطه ای ، دارد. هرنوع پیشرفت در نحوه پردازش جستجو در DBML- مثلا تقارن بیشتر كهیك نوع شاخص جدید یا یك نوع داده جدید است، باید به وسیله بهینه ساز درك شود، یا در غیر اینصورت DBML نمی تواند از آن استفاده كند .
تمام بهینه سازها به طور یكسان ایجاد نمی شوند ، و درك این مسئله كه یك بهینه سازبه خصوص چه كاری می كند و چه كاری نمی كند ، دید زیادی درمورد قابلیت های كای DBML ها فراهم می كند . بنابراین برای درك تفاوت های بین انواع مختلف DBML اندكی اطلاعات در مورد نحوه عملكرد بهینه سازها مفید خواهد بود .
بهینه ساز در هر جستجو ، تعیین می كند كه كدام شاخص و ستون جدول باید خوانده و مرتبط شود ، چه نوع ارتباطی باید به كار رود و اینكه این ارتباطات باید به چه ترتیبی انجام شوند . بهینه سازهای جستجوی مدرن همه بر مبنای هزینه هر عملیات را در مسیر منطقی هر جستجو تخمین زده و در مجموع آنها را با هم جمع كرده و در آخر كم هزینه ترین مسیر را انتخاب می كند .
متاسفانه چنین برآوردهایی كامل نبوده و بنابراین معمولا بهینه سازها در پیدا كردن بهترین طرح جستجو ناموفق هستند . به همین علت مدیران بانكهای اطلاعاتی باید كد SQL یا پارامترهای بهینه سازرابه صورت دستی بهینه نمایند كه این كار بسیار دشوار است . در پاسخ به چنین مشكلی فروشندگان LBMS سعی می كنند كه به پیشرفت هایی در زمینه یافتن و اصلاح كردن جستجو های نیمه بهینه شده ، برسند . در شیوه مهم دیگر كمك به مدیران بانكهای اطلاعاتی ، بهینه سازها برای معرفی شاخص های جدید و روش های تطبیق داده ، به كار گرفته می شوند .
صریح ترین مزیت بهینه سازهای پیشرفته ، جستجوهای سریع ترو هزینه های كمتر مدیران DBML است . اما اهمیت شیوه های دسترسی پیشرفته كه به وسیله بهینه سازها فراهم می شود نیز كمتر از اهمیت مزیت مذكور نیست . در ابتدا هر پیشرفت كه هزینه پردازش تحلیلی را كم می كند، به هوش اضافه شده به بهینه ساز بستگی دارد كه موارد زیادی ازقبیل وجو دارد ، مثلا DBML های بالا به پایین ( top-end)پرشده اند از Bitmapها ، شاخص های star-schema و پشتیبانی بیشتر جستجو های پیچیده data-warehouse style
مهمترین مسئله در طی زمان materialized view است كه شركت های بی ام ، اوراكل و مایكروسافت پشتیبان آنها هستند. Materialized view همان نتایج از پیش محاسبه شده جستجو هستند كه در جداول واقعی ذخیره شده و معمولا بر اساس یك برنامه بلادرنگ به روز می شوند. در اصل materialized view می تواند از جستجوی تحلیلی كار آمد در بانكهای اطلاعاتی پردازشی معاملات به صورت آن لاین در مدت زمان تقریبا كوتاه پشتیبانی كند كه البته این كار بدون برجای گذاشتن اثرات منفی بربرنامه كاربردی OLTP یا كپی مجدد یا مخفی شدن داده های معاملاتی زیرین انجام می شود. هر چند كاربردشایع آنها به بهینه سازی بستگی دارد كه حداقل می تواند view هایی را كه ایجاد شده اند تشخیص داده و یا در صورت بهتر viewهای جدید رادر زمان مناسب ایجاد نمایند .
حمایت از داده های نوع غیر رابطه ای به میزان زیادی به بهینه سازها بستگی دارد . هر روش جدید دسترسی ، به تكنیك های شاخص گذاری خودش متكی است كه معمولا با تكنیك هایی كه داده های رابطه قراردادی استفاده می شود، بسیار متفاوت است . درست انتخاب و مرتبط كردن ایننوع داده ها مستلزم این است كه بهینه ساز یك مدل مناسب هزینه برای شاخصی كه قبلا نا آشنا بوده داشته باشد . شركت های آی بی ام و اوراكل قابلیت هایی را فراهم می كنند كه چنین مدل هایی هزینه را تعریف می كند و در این بین مدل های شركت اوراكل انعطاف پذیر و جامع تر است .
احتمالاتمامی شركت های بزرگ از بعضی از قابلیت های DBMS پیشرفته بهره مند هستند .
تطبیق آسان تر، پردازش تحلیلی سریعتر و یا پشتیبانی از داده های نوع غیر رابطه ای جزو مزایای احتمالی چنین DBMSهایی هستند. خوشبختانه مشخصه های ویژه ای كه شما می توانید به بهترین نحو از آن استفاده كنید ، در این نوع DBMS كه سازمان شما ترجیح داده است اجرا می شود و اگر هم نشد ، ممكن است تمایل به داشته باشید كه به صورت انتخابی چنین مشخصاتی رادر رساننده های DBMS جستجو كنید . درهردومورد فوق بهتر است كه اندكی وقت صرف جستجو در پیشرفت های تكنولوژی بانكهای اطلاعاتی نمایید و برای این كار می توانید كار خود رابا جستجو در زمینه بهینه سازها شروع كنید .