بررسی تریگر های فازی در پایگاه داده فعال


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
8 بازدید
۵۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بررسی تریگر های فازی در پایگاه داده فعال دارای ۱۱۰ صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بررسی تریگر های فازی در پایگاه داده فعال  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

    

بخشی از فهرست مطالب پروژه بررسی تریگر های فازی در پایگاه داده فعال

بخش اول: مفاهیم و تعاریف، کارهای انجام شده

فصل اول: کلیات

۱-۱ مقدمه

۱-۲ مروری بر فصول پایان‌نامه

فصل دوم: پایگاه داده فعال

۲-۱ مدیریت داده

۲-۲ مدیریت قوانین

۲-۲-۱ تعریف قانون

۲-۲-۱-۱ رویداد

۲-۲-۱-۲ شرط

۲-۲-۱-۳ واکنش

۲-۲-۲ مدل اجرایی

۲-۲-۲-۱ اولویت اجرایی در قوانین

۲-۲-۲-۲ معماری پایگاه داده فعال

۲-۲-۲-۳ آشکارساز رویداد

۲-۲-۲-۴ ارزیابی شرط

۲-۲-۲-۵ زمانبندی

۲-۲-۲-۶ اجرا

۲-۳ نمونه‌های پیاده‌سازی شده

۲-۳-۱ Starburst

۲-۳-۲ Ariel

۲-۳-۳ NAOS

۲-۴ نتیجه

فصل سوم: مفاهیم فازی

۳-۱ مجموعه‌های فازی

۳-۲ عملگرهای فازی

۳-۳ استنتاج فازی

۳-۴ ابهام‌زدایی

۳-۵ نتیجه

فصل چهارم : پایگاه داده فعال فازی

۴-۱ تعریف فازی قوانین

۴-۱-۱ رویداد فازی

۴-۱-۱-۱ رویدادهای مرکب

۴-۱-۱-۲ انتخاب فازی اجزاء رویدادهای مرکب

۴-۱-۲ شرط فازی

۴-۱-۳ واکنش فازی

۴-۱-۴ تعیین فازی موقعیت زمانبندی

۴-۲ معماری و مدل اجرایی قوانین

۴-۲-۱ آشکارساز رویداد

۴-۲-۲ بررسی شرط

۴-۲-۳ اجرا

۴-۲-۴ زمانبندی

۴-۳ نتیجه

بخش دوم: کاربردی جدید از تریگر فازی، رونوست برداری فازی، نتایج آزمایشات

فصل پنجم: رونوشت برداری فازی

۵-۱ رونوشت برداری

۵-۱-۱ رونوشت برداری همگام

۵-۱-۲ رونوشت برداری ناهمگام

۵-۱-۳ ماشین پایه رونوشت برداری داده

۵-۱-۴ مقایسه دو روش همگام و ناهمگام

۵-۲ رونوشت برداری فازی

۵-۲-۱ استفاده از تریگرها برای فازی نمودن رونوشت برداری

۵-۳ کمیت سنج های فازی

۵-۳-۱ روش محاسبه کمیت سنج های فازی

۵-۳-۲ کمیت سنج عمومی

۵-۳-۳ کمیت سنج جزئی

۵-۳-۴ کمیت سنج جزئی توسعه یافته

۵-۴ روش جدید محاسبه حد آستانه در تریگرهای فازی برای رونوشت برداری فازی

۵-۵ معماری ماشین رونوشت بردار فازی

۵-۶ مثال

۵-۷ کارایی

۵-۷-۱ ترافیک در رونوشت برداری مشتاق

۵-۷-۲ ترافیک در رونوشت برداری تنبل

۵-۷-۳ ترافیک در رونوشت برداری فازی

۵-۷-۴ مقایسه تئوری هزینه رونوشت برداری فازی و تنبل

۵-۸ جمع بندی

فصل ششم: پیاده سازی

۶-۱ Fuzzy SQL Server

۶-۲ عملکرد اجزای Fuzzy SQL Server

۶-۳ شبیه سازی تریگرهای فازی در پایگاه داده غیر فازی

۶-۴ اجزاء تریگر فازی در پایگاه داده غیر فازی

۶-۵ جداول سیستمی مورد نیاز

۶-۶ مثال

۶-۷ کارهای آتی

مراجع و منابع

 

مقدمه
با ایجاد سیستم‌های مدیریت پایگاه داده عمده مشکلات ساختار، پشتیبانی و مدیریت داده‌های حجیم در سیستم‌های فایلی برطرف شد اما توجهی به جنبه‌های رفتاری پایگاه داده نشد. به این معنا که با استفاده از قیود جامعیت   شاید بتوان از منفی شدن مبلغ حقوق کارمندان جلوگیری نمود اما نمی‌توان مانع از بیشتر شدن حقوق آن‌ها از مدیرانشان شد. در چنین مواردی کاربران پایگاه داده با اجرای یک پرس و جو   موارد نقض محدودیت‌هایی از این قبیل را پیدا نموده و خود اقدام به اصلاح آن‌ها می‌نمایند.
مواردی این چنین و نیز گزارشات مدیریتی در آغاز ماه از جمله کارهای مشخص و دارای ضابطه‌ای می‌باشند که انجام آن‌ها تکراری و قابل تفویض به سیستم است.
کاربران غیرمجاز با استفاده از یک سری گزارشات، غیرمستقیم به اطلاعات کلیدی دست یافته و اقدام به تغییر آن‌ها می‌نمایند. پیدا نمودن چنین تغییراتی که معمولاً بعد از گزارشات اتفاق می‌افتند، به راحتی امکان‌پذیر نیست. همانطور که مشاهده می‌شود در یک پایگاه داده معمولی ردیابی رویدادهایی که در سیستم اتفاق افتاده‌اند (رخدادها) نیز ممکن نبوده و نیاز به یک سیستم با پشتیبانی جنبه‌های رفتاری می‌باشد.
یک پایگاه داده فعال نظیر Oracle قادر به تشخیص رویدادهای نظیر اضافه، حذف و تغییر مقادیر در پایگاه داده می‌باشند. به عبارت دیگر این سیستم‌ها با ایجاد تغییر در یک قلم داده عکس‌العمل نشان می‌دهند.
پایگاه داده فعال با افزودن قوانین به پایگاه‌های داده امکان تعامل (کنش و واکنش) بین سیستم و پایگاه داده را ایجاد نمود. این نوع پایگاه داده دارای دو بخش مدیریت داده و مدیریت قوانین می‌باشد. بخش مدیریت داده مسئول حفظ خواص پایگاه داده در سیستم‌های کاربردی بوده و بخش دوم با مدیریت قوانین مسئول واکنش به رویدادهای سیستم می‌باشد. در این نوع پایگاه داده طراحان سیستم قادرند با تعریف قوانین که نزدیکترین بیان به زبان طبیعی می‌باشد، سیستم را وادار به عکس‌العمل مناسب در مقابل رویدادهای مهم نمایند [۱۳].
پایگاه داده فعال با استفاده از قوانین قادر به «پشتیبانی گسترده‌تر قیود جامعیت و سازگاری داده‌ها، واکنش در مقابل رخدادهای سیستم کاربردی، عدم اجرای تقاضاهای مشکوک، ردیابی رویدادها، گزارشات ماهانه و…» می‌باشد.
همانطور که گفته شد آن‌چه که به طور معمول باعث می‌شود یک پایگاه داده را فعال بدانیم، عکس‌العمل سیستم در مقابل وضعیت‌هایی است که در پایگاه داده و یا حتی خارج از آن به وجود می‌آید. این وضعیت‌ها می‌تواند شامل یک حذف غیرمجاز و یا تغییر وضعیت پایگاه داده باشد. باید توجه داشت که داشتن تعامل برای یک پایگاه داده لازم اما کافی نیست. بسیاری از سیستم‌های پایگاه داده بدون رعایت اصول پایه‌ای که در زیر به آن اشاره می‌شود به طور عام پایگاه داده فعال نامیده شوند [۱۴].
اینگونه سیستم‌ها باید یک پایگاه داده باشند، یعنی در صورتی که کاربر فراموش کرد، سیستم مورد نظر پایگاه داده فعال است بتواند از آن به عنوان یک پایگاه داده معمولی استفاده نماید (در صورت لزوم بتوان به عنوان یک پایگاه داده معمولی از آن استفاده نمود).
در اینگونه سیستم‌ها باید امکان تعریف و مدیریت قوانین وجود داشته باشد. این قوانین در پایگاه داده فعال دارای سه جزء رویداد ، شرط  و واکنش  می‌باشند.
این سیستم‌ها باید دارای یک مدل اجرایی باشند. به این ترتیب که با بروز رویداد و صحت شرط، واکنش قانون اجرا شود. یک پایگاه داده فعال باید قادر به آشکارسازی رویدادها و بررسی شرط قوانین فعال و اجرای فرامین واکنش باشد.
علاوه بر موارد فوق، بهتر است در این سیستم‌ها محیط مناسبی برای تعریف و امکان کامپایل کردن قوانین فراهم شود که به کاربر در تعریف قوانین کمک کند.
فازی‌سازی پایگاه‌های داده فعال با هدف نزدیکتر نمودن زبان بیان قوانین به زبان طبیعی طراحان مطرح شد. اغلب تقاضاهای کاربران پایگاه داده فعال، فازی می‌باشد. به عنوان نمونه در تقاضاهایی نظیر عدم تعلق پاداش به کارمندان «کم‌کار»، «افزایش» فشارخون، محاسبه حقوق کارمندان در «پایان» هر ماه و… از کلمات فازی استفاده شده است که عدم پشتیبانی مفاهیم فازی و به کار بردن مقادیر دقیق منجر به حصول نتایج نامطلوب در برخی سیستم‌های کاربردی می‌شود.
تفاوت اصلی در فازی‌سازی پایگاه داده فعال با سایر سیستم‌های فازی، در نوع تعریف قوانین می‌باشد. به این ترتیب که در تعریف قوانین در اینجا از سه جزء اصلی رویداد، شرط و واکنش استفاده می‌شود در صورتی که سیستم‌های مبتنی بر قانون عموماً از دو جزء شرط و واکنش تشکیل شده‌اند اما فازی نمودن شرط و واکنش قوانین در پایگاه‌های داده فعال تفاوت چندانی با شرط و واکنش فازی در سیستم‌های مبتنی بر قانون ندارد و در فازی نمودن رویداد نیز می‌توان از همان سیاق رویدادهای فازی استفاده نمود این بحث توسط ولسکی و بوازیز در [۷] مطرح شده است.
در این پایان‌نامه سعی شده است بحث‌های مطرح شده در پایگاه‌های داده فعال فازی، با یک نمونه پیاده‌سازی شده بطور خلاصه بررسی شود. همچنین در ادامه با معرفی عمل رونوشت برداری و بکار گیری قوانین فازی(تریگرهای فازی) در عمل رونوشت برداری روش بهبود یافته جدیدی معرفی شود..
۱-۲ مروری بر فصول پایان‌نامه
در ادامه این پایان‌نامه در فصل دوم مفاهیم پایگاه داده فعال ارائه شده است. همچنین مدل اجرایی، نمونه‌هایی از این نوع پایگاه داده و برخی کاربردهای پایگاه داده فعال در ادامه این فصل آمده است.
در فصل سوم مختصری از مفاهیم فازی ارائه شده است.
فصل چهارم شامل چگونگی پشتیبانی مفاهیم فازی در بخش‌های مختلف یک پایگاه داده فعال می‌باشد.
فصل پنجم به بیان طرح استفاده از تریگرهای فازی در پایگاه داده فعال جهت ارائه روش جدید رونوشت برداری فازی می‌پردازد و مزایا استفاده از روش رونوشت برداری فازی نسبت به روشهای مرسوم قدیمی با یک نمونه پیاده‌سازی شده و مقایسه آن با نمونه غیرفازی ارائه شده است.
فصل ششم به بیان چگونگی پیاده سازی تریگرهای فازی در پایگاه داده فعال غیر فازی و نیز پیاده سازی رونوشت برداری فازی بوسیله آن می پردازد.
فصل دوم: پایگاه داده فعال
پایگاه داده فعال با هدف افزودن تعامل به پایگاه داده و با استفاده از تعریف قوانین ایجاد شد. اولین پایگاه داده فعال، توسط Dayal و همکارانش در یک پروژه دانشگاهی به نام [۱۵]Hipac مطرح شد. پایگاه داده این نرم‌افزار همانند [۱۶]Samos شی‌ءگرا می‌باشد. علاوه بر پایگاه‌های داده فعال شی‌ءگرا سیستم‌هایی با پایگاه داده‌ی فعال رابطه‌ای نیز ایجاد شده‌اند که از جمله آن‌ها می‌توان [۱۷]Starburst و [۱۸]Arial را نام برد، این نوع پایگاه‌های داده به جای واکنش در مقابل فراخوانی متد یا تغییر خصیصه‌ها به تغییر، حذف و اضافه در جداول پایگاه داده حساس می‌باشند [۱۹].
پایگاه داده فعال دارای دو بخش مدیریت داده و مدیریت قوانین می‌باشد. بخش مدیریت داده مسئول حفظ خواص پایگاه داده نظیر سازماندهی، مدیریت و پشتیبانی داده‌ها می‌باشد. بخش دوم یا مدیریت قوانین مسئول واکنش به رویدادهایی است که در سیستم اتفاق می‌افتند.
۲-۱ مدیریت داده
این بخش مسئول حفظ خواص پایگاه داده می‌باشد، به طوری که طراحان می‌توانند از قابلیت‌های پایگاه داده فعال همانند یک پایگاه داده معمولی استفاده نمایند. ضمن اینکه می‌توان خواص پایگاه داده را در یک پایگاه داده فعال به صورت مطلوب‌تری ایجاد نمود.
برقراری قیود جامعیت پشرفته تر در پایگاه داده: این قیود در یک پایگاه داده معمولی فقط روی یک جدول قابل تعریف می‌باشند در حالی که با استفاده از قوانین پایگاه داده فعال، امکان تعریف محدودیت بر روی چندین جدول نیز وجود دارد.
سازگاری بیشتر: سازگاری بین داده‌ها با استفاده از قوانین به صورت گسترده‌تری پشتیبانی می‌شود.
۲-۲ مدیریت قوانین
پایگاه داده فعال با استفاده از قوانین تعامل را به پایگاه داده می‌افزایند. این امر باعث می‌شود بدون استفاده از کدهای نرم‌افزارهای خارجی به رویدادهای سیستم در درون پایگاه داده پاسخ داده شود، در نتیجه تغییر در ضوابط سیستم کاربردی با کمترین هزینه و با تغییر قوانین به راحتی امکان‌پذیر است.
در این فصل انواع تعریف و پیچیدگی‌های رفتاری قوانین در این نوع سیستم‌ها و مدل‌های اجرایی متفاوت (با توجه به تعریف یک قانون) ارائه خواهد شد.
۲-۲-۱ تعریف قانون
در پایگاه داده فعال هر قانون دارای سه بخش رویداد، شرط و واکنش می‌باشد و قانونی دارای هر سه جزء فوق باشد اصطلاحاً ECA  نامیده می‌شود.
Rule Rule_Name
[ON    Event]
[IF    Condition]
THEN    Action
به طور کلی وجود دو جزء رویداد و شرط در تعریف قوانین می‌تواند اختیاری  و یا اجباری  باشد. در برخی نمونه‌های پیاده‌سازی شده پایگاه داده فعال تنها تعریف یکی از دو جزء اختیاری است یعنی امکان عدم تعریف رویداد در قانون وجود دارد و حضور شرط اجباری است. در زبان‌هایی که تعریف هر دو جزء اختیاری باشد، تعریف یکی از آن‌ها در هر قانون الزامی است در غیر این صورت تبدیل به یک قانون همیشه درست می‌شود.
در صورت حذف شرط (EA  Rule) با بروز رویداد، واکنش آن اجرا می‌شود و با حذف رویداد (CA  Rule) در صورت برقراری شرط، واکنش قانون مربوطه به اجرا درمی‌آید.
در این قسمت ابتدا به شرح مختصری از هر سه جزء قانون و نکاتی که در استفاده از ECA باید رعایت شوند می‌پردازیم و سپس انواع رفتارهای مدل اجرایی پایگاه داده فعال بیان می‌شود.
۲-۲-۱-۱ رویداد
رویدادها در نقطه‌ای از زمان اتفاق می‌افتند و به سه صورت تقسیم‌بندی می‌شوند. در نوع اول با توجه به منبع به وجود آورنده خود به هفت گروه ساختاری، انتزاعی، تراکنش، کاربر، استثناء، زمان، خارجی تقسیم می‌شوند.
در نوع دوم با توجه به اینکه از یک رویداد ساده تشکیل شده‌اند یا از ترکیب جبری منطقی رویدادهای ساده به وجود آمده‌اند به دو گروه ساده و مرکب تقسیم می‌شوند.
در نوع سوم با توجه به زمان بروز نمونه‌های یک رویداد به سه گروه آغازین، مبانی و پایانی تقسیم می‌شوند که در ادامه به شرح مختصری از انواع رویدادها در این سه گروه می‌پردازیم.
انواع رویدادها با توجه به منبع به وجود آورنده آن‌ها عبارتند از [۲۰][۲۱]:
ساختاری: یک رویداد به دلیل انجام عملیاتی روی ساختار پایگاه داده فعال می‌شود (در مدل رابطه‌ای تغییر و حذف و اضافه یک رکورد و در مدل شی‌ءگرا تغییر خصیصه‌ها، فراخوانی متد و ارسال پیام).
ON Update emp.id
انتزاعی: رویداد به صورت واضح توسط طراح یا برنامه کاربردی فعال می‌شود (طراح می‌تواند گرفتن یک گزارش خاص را یک رویداد معرفی کند که در صورتی که یک مجموعه تهی تولید نکند یک رویداد انتزاعی است)…

 

بخشی از منابع و مراجع پروژه بررسی تریگر های فازی در پایگاه داده فعال

[۱]    Y. Saygin, Ö. Ulusoy, Automated Construction of Fuzzy Event Sets and its Application to Active Databases, IEEE Transactions on Fuzzy Systems, vol.9, no.3, 2001.

[۲]    Antoni Wolski, Jorma Kuha, Tapio Luukkanen, Antti Pesonen. Design of RapidBase an Active Measurement Database System. Proceedings of the International Database Engineering & Applications Symposium, Japan ,IEEE Computer Society Press, 2000.

[۳]    Antti Pesonen, Antoni Wolski. Quantified and Temporal Fuzzy Reasoning for Active Monitoring in RapidBase. Symposium on Tool Environments and Development Methods for Intelligent Systems, 2000.

[۴]    Yücel Saygin, Özgür Ulusoy, Adnan Yazici. Dealing With Fuzziness In Active Mobile Database Systems. Information Sciences—Informatics and Computer Science: An International Journal, Volume 120 ,  Issue 1-4, Pages: 23 – 44, November 1999.

[۵]    A. Wolski and T. Bouaziz. Fuzzy Triggers: Incorporating Imprecise Reasoning into Active Databases. In Proceedings of the 14th International Conference on Data Engineering, pages 108–115. IEEE Computer Society Press, 1998.

[۶]    Y. Saygin and O. Ulusoy, "Involving fuzzy concepts in active mobile databases," in Proceedings of the 9th International Conference and Workshop on Database and Expert Systems Applications (DEXA"98). Lecture Notes in Computer Science, Springer Verlag, 1998.

[۷]    T. Bouaziz and A. Wolski. Applying Fuzzy Events to Approximate Reasoning in Active Databases. In Proc. Sixth IEEE International Conference on Fuzzy Systems, Barcelona, Catalonia, Spain, July 1997.

[۸]    Bouaziz T. Karvonen J. Pesonen A. and Wolski A. Design and Implementation of TEMPO Fuzzy Triggers. Proc. Eighth Int"l conference on Database and Expert Systems Applications (DEXA"97), Sept. 1-5, 1997.

[۹]    Bouaziz T. and Wolski A. Incorporating Fuzzy Inference into Database Triggers. Research Report No TTE1-2-96, VTT Information Technology, 15 Espoo, Finland, November 1996.

[۱۰]    A. Wolski, J. Karvonen, A. Puolakka. The RAPID Case Study: Requirements for and the Design of a Fast-response Database System. Proceedings of the First Workshop on real-Time Databases RTDB"96, Newport Beach, CA, USA, 1996.

[۱۱]    Highleyman, W. H., Holenstein, P. J., Holenstein, B. D., Chapter 3, Asynchronous Replication, Breaking the Availability Barrier: Survivable Systems for Enterprise Computing, AuthorHouse; 2004.

[۱۲]    J. N. Gray, P. Helland, P. O’Neil, and D. Shasha. The dangers of replication and a solution. In Proceedings of the 1996 International Conference on Management of Data, pages 173–182, Montreal, Canada, ACM-SIGMOD, June 1996.

[۱۳]    widom jenifer, Ceri Stefan, margan Kaufmann publishing , Sun Francisco California active database Systems: Triggers and Advances database processing. 1996.

[۱۴]    Klaus R . Dittrich , Stella Gatziu , Andreas Geppert , The Active Databases Management System Manifesto : A Rulebase of ADBMS Features . LNCS 1985-1995 . pp :3-17.
 
[۱۵]    Dayal U . Buchmann A. McCarthy D.Rules ara objects too : Aknowledge model for an active object oriented database System In Proceedings of the second International Workshop on OODB , LNCS 334 . K . Dittrich . Ed . Springer . pp : 129-143.

[۱۶]    Gatziu S. Geppert A . Ditrrich K . integrating active concepts into an active object oriented database system . In proceeding of the third workshop on database programing languages . p kanellakis ed . Morgan – Kaufmann . san mateo . CA . 1991 . pp : 23-31.

[۱۷]    Widom Jenifer . The Starburst Active Database Rule System . Knowledge and Data engineering IEEE . Transaction on Published Aug 1996 . . pp :583-595.

[۱۸]    Hanson Eric N. The Design and Implementation of The Ariel Acive DB Rule System. Knowledge and data engineering IEEE . 1996 pp: 157-172.

[۱۹]    W.paton Norman, Diaz Oscar. Active database systems, ACM, 1999, pp: 63-103.

[۲۰]    Zimmer D.. Unland R., On the Semantics  of Complex Events in Active DataBase Management System, Data engineering, 15 the international Conference on published 199, pp:392-399.

[۲۱]    Geppert Andreas, markus kradolfer, D. Tombros, Realization of Cooperative Agents Using an Active Object – Oriented Database Management System, LNCS 985:Rules in database System, 1995, pp: 327-341.

[۲۲]    Yang Shuang, Sharma chakravarthy, formal semantics of composite events for distributed environments, Data Engineering IEEE, 15 th International conference 1999,pp:400-407.

[۲۳]    zimmermann j.,H. Branding, A.p.Buchmann, Desing and Implementation and Management of

[۲۴]    Baralis Elena.j widom, using delta relations Optimize Condition Evaluati.

[۲۵]    Coliet C., Coupaye t., svenene T., Naos: efficient and modular reactive capabilities in an object oriented data base syste. In proceeding of the twentieth VLDB conference.j.bocca,M. jake Ed. Morgan kaufman, mateo, 1994.pp:132-143

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.