مقاله به همراه ترجمه در مورد بن بست (Dead Lock) در پایگاه داده ها تحت عنوان زیر به همراه ترجمه فارسی در فایل Word مقاله در 5 صفحه و ترجمه در 10 صفحه با فونت 14 Nazanin می باشد
*******
Deadlock Detection and Recovery in Distributed Databases
*******
فرمت فایل : word(قابل ویرایش)تعداد صفحات31
1 - مقدمه
در طی سه دهة اخیر تعداد پایگاه داده‌های کامپیوتری افزایش بسیاری داشته است. حضور اینترنت به همراه توانائیهای شبکه، دسترسی به داده و اطلاعات را آسانتر کرده است. به عنوان مثال، کاربران امروزه می‌توانند به حجم بالایی از اطلاعات در فاصلة زمانی بسیار کوتاهی دسترسی پیدا کنند. به همین نسبتی که ابزارها و تکنولوژی دسترسی و استفاده از اطلاعات توسعه می‌یابند، نیاز به حفاظت اطلاعات هم بوجود می‌آید. بسیاری دولتها و سازمانها صنعتی داده‌های مهم و طبقه بندی شده‌ای دارند که باید حفاظت شوند. سازمانهای بسیار دیگری هم مثل مؤسسات دانشگاهی نیز اطلاعات مهمی در مورد دانشجویان و کارمندانشان دارند. در نتیجه تکنیکهایی برای حفاظت داده های ذخیره شده در سیستمهای مدیریت پایگاه داده، اولویت بالایی پیدا کرده‌اند.
در طول سه دهة اخیر، پیشرفتهای بسیاری در مورد امنیت پایگاه داده‌ها حاصل شده است. بسیاری از کارهای اولیه، روی امنیت پایگاه داده‌های آماری انجام شد. در دهة 70، همزمان با شروع تحقیقات روی پایگاه داده‌های رابطه‌ای، توجه مستقیماً به مسئله کنترل دسترسی بود و بیشتر از همه، کار روی مدلهای کنترل دسترسی احتیاطی شروع شد. در حالی که، در سالهای پایانی دهة 70، کار بروی امنیت الزامی ولی در واقع تا مطالعات نیروی هوایی در 1982، که تلاش وسیعی برای DBMSهای امن چند سطحی بود، کار مهمی انجام نشد.
در هزارة جدید با حضور تکنولوژیهایی مثل کتابخانه‌های دیجیتال، شبکه گستره جهانی و سیستمهای محاسباتی اشتراکی، علاقه بسیاری به امنیت نه تنها در بین سازمانهای دولتی، بلکه بین سازمانهای اقتصادی هم وجود دارد. این مقاله مروری به پیشرفتها و محصولات در سیستمهای پایگاه داده‌ای امن در دو زمینة اجباری و احتیاطی دارد.
جزوه های کامل پایگاه داده برای دانشجویان رشته کامپیوتر
این محصول در قالب پی دی اف و 72 صفحه می باشد.
این سمینار جهت ارائه در مقطع کارشناسی ارشد کامپیوتر-نرم افزار طراحی و تدوین گردیده است. و شامل کلیه موارد مورد نیاز سمینار ارشد این رشته می باشد. نمونه های مشابه این عنوان با قیمت بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیز جهت استفاده دانشجویان عزیز در رابطه به منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده از منابع اطلاعاتی و بالا بردن سطح علمی شما در این سایت قرار گرفته است.
چکیده :
از آنجا که سازمان ها جهت کسب و کار روزانه خود متکی به سیستم های
اطلاعاتی توزیع شده هستند . بنابراین آنها از لحاظ اطلاعات بیش از گذشته
آسیب چذیر تر شده اند . برای منظور تکنیک هایی همچون رمز نگاری امضا
های الکترونیکی ارائه شده است تا از داده هایی که بین مکان های مختلف
در شبکه تبادل می گردد حفاطت نماید . اما یک روش حفاظتی که شامل
مکانیزم و تکنیک هایی مناسب برای سیستم های بانک های اطلاعاتی
می باشد تا جامعیت و دسترس پذیری داده را فراهم آورد این امر باعث گردیده
است که انجمن امنیت بانک اطلاعاتی ابزار و مدل هایی را که تحقق این منظو
ر در اختیار قرار دهند .
در این سمینار انواع مدل های کنترل دسترسی بانک اطلاعاتی مطرح می شود
مهم ترین این مدل ها در بانک اطلاعاتی رابطه ای مدل RBAC می باشد که
تعاریف و مشخصات این مدل تشریح می گردد . مدل RBAC یک مدل مرجع
محسوب می گردد که چارچوب و مولفه های اصلی این مدل مورد بررسی
قرار می گیرد .
در چندین سال گذشته ، بانک های اطلاعاتی شی گرا و شی – رابطه ای
مورد توجه قرار گرفته اند از آنجایی که این بانک های اطلاعاتی دارای ویژگی
های جدیدی در مقایسه با بانک اطلاعاتی رابطه ای هستند لذا جهت حفاظت
داده های خود از مدل های جدید استفاده می کنند که در این سمینار به
بررسی مدل های IRIS,ORION,TRBAC,RBAC می پردازیم .
تعریف علمى و تئوریکى که از پایگاه داد ها در دنیاى نرم افزار ارائه گردیده است عبارت است از مجموعه اى از داده هاى بهم مرتبط که طبق یک ساختار مشترک ، تحت کنترل متمرکز و با حداقل افزونگى به صورت اشتراکى و همزمان قابل استفاده باشند .
اما امروز وقتى صحبت از فناورى هاى نوین در عرصه پایگاه داده ها و نرم افزار هاى مرتبط با آن به میان مى آید، محیطى به مراتب قدرتمند تر و انعطاف پذیر تر از تعریف فوق به ذهن مى آید که براى مدیران ، طراحان و برنامه نویسان پایگاه داده ها نوید لذت بخش توسعه و تولید سریع(RAD) محیطهاى مبتنى بر بانک هاى اطلاعاتى را بهمراه دارد .
در سالهاى اخیر متولیان و تصمیم گیران بسته هاى بانک هاى اطلاعاتى با توجه به شرایط حاکم بر دنیاى امروز از قبیل رشد روز افزون داده ها و اطلاعات ، وسعت ، گستردگى حیطه کاربرى و ..... استانداردهاى متنوع دیگرى را براى اینگونه محصولات تدوین نموده اند که در ذیل به برخى از آنها اشاره مى گردد .
Platform Independency :
این مقوله مربوط به مفهوم قابلیت نصب و راه اندازى بسته بانک اطلاعاتى بر روى سیستم عامل هاى مختلف (انعاف پذیرى در نصب) است . یک پایگاه داده پیشرفته لزوما وابسته به سیستم عامل خاص و یا احتمالا بستر سخت افزارى ویژه اى نیست و از این طریق قابلیت انعطاف پذیرى و اطمینان بالایى را براى کاربران خود فراهم مى آورد .
Locking & Concurrency :
براى اطمینان از صحت داده ها و جلوگیرى از تاخیرها و انتظارات طولانى در محیط هاى پر کار پایگاه داده ها ، از این تکنولوژى جهت مدیریت بهینه فرآیندها و داده هاى بانک اطلاعاتى استفاده مى شود .
Long Term Transaction Handling :
در یک محیط پایگاه داده بعضا تراکنش (Transaction) یا تراکنش هایى در سیستم به صورت معلق (Suspend) بوجود مى آیند ( بدین معنى که پس از ارسال آنها دستور همانند دستور Commit مبنى بر تائید آنها صادر نمى گردد ) که این امر باعث بروز ترافیک در صف مربوط به تراکنش ها و توقف نسبى آنها مى شود. یک پایگاه داده مناسب باید بتواند این امر را بخوبى کنترل و مدیریت نماید .
Memory Utilization Support:
کنترل در نحوه تخصیص و واکشى حافظه ، تنظیم و به طور کلى مدیریت حافظه دیگر امتیازى است که در یک پایگاه داده پیشرفته وجود دارد .
Encoding & Decoding Data:
یک پایگاه داده پیشرفته امنیت بالایى براى داده ها و کاربران خود فراهم مى آورد . از جمله این موارد مى توان به توانایى به رمز در آوردن داده هاى ذخیره شده در بانک اطلاعاتى اشاره نمود .
Block Level Recovery :
در یک بانک اطلاعاتى پیرشفته ، در صورت بروز خرابى در بانک ، شما مجبور به بازیابى تمام فایل ها (Full Recovery) نیستید . یعنى مى توان فقط بلاک هاى معیوب را بازیابى نمود و فرآیندى را بر روى سایر داده ها انجام نداد .
64 Bit Proccessing :
این واژه به مفهوم پردازش در مدل 64 بیتى است که سرعت و کارآیى بالترى را نسبت به سایر مدل ها بهمراه دارد .
Multimedia & Large Object Support :
مدیریت و کنترل در نحوه خیره و بازیابى داده هاى بزرگ کاراکترى ، باینرى ، صوتى و تصویرى در تمامى پایگاه داده هاى پیشرفته وجود دارد .
Standby Database:
Satandby یک پشتیبان از پایگاه داده اولیه است که بر روى یک سرور ثانویه قرار مى گیرد و تمام تغییرات پایگاه داده با یک تکنولوژى خاص بر روى آن درج مى گردد و به صورت Standby در موارد بروز خطا و نارسایى در بانک ، فعال گردیده و مورد استفاده کاربران قرار مى گیرد .
Cluster Support:
در یک پایگاه داده توزیع یافته (Distributed Database) در صورت سنگین شدن پردازشهاى یک سرور و یا ازدیاد تراکنش در طرف یک یا چند سرور خاص ، باید امکان انتقال فرآیندها به سوى سرورهاى دیگر وجود داشته باشد . این مهم در پایگاه داده هاى مدرن امروزى همچون Oracle وجود دارد .
ANSI/SQL 92 Standard Compatible:
رعایت موارد مندرج در استانداردANSI / SQL 92 از ملزومات و پیش نیازهاى یک پایگاه داده پیشرفته است که در آن تمامى موارد مورد لزوم براى بانک هاى اطلاعاتى امروزى لحاظ گردیده است .
فصل اول: مقدمه ای بر داده کاوی و اکتشاف دانش مقدمه :
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 پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .
با استفاده ار 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[1] بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .
داده کاوی[2] 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[3] 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 .
مفاهیم پایه در داده کاوی:
در داده کاوی معمولا به کشف الگوهای مفید از میان داده ها اشاره می شود . منظور از الگوی مفید ، مدلی در داده ها است که ارتباط میان یک زیر مجموعه از داده ها را توصیف می کند و معتبر ، ساده ، قابل فهم و جدید است .
تعریف داده کاوی:
در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده اند . در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر ، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است . برخی از این تعاریف عبارتند از :
همانگونه که در تعاریف گوناگون داده کاوی مشاهده می شود ، تقریبا در تمامی تعاریف به مفاهیمی چون استخراج دانش ، تحلیل و یافتن الگوی بین داده ها اشاره شده است .
تاریخچه داده کاوی:
اخیرا داده کاوی موضوع بسیاری از مقالات ، کنفرانس ها و رساله ها ی عملی شده است ، اما این واژه تا اوایل دهه نود مفهومی نداشت وبه کار برده نمی شد .
در دهه شصت و پیش از آن زمینه هایی برای ایجاد سیستم ها ی جمع آوری و مدیریت داده ها ایجاد شد و تحقیقاتی در این زمینه انجام پذیرفت که منجر به معرفی و ایجاد سیستم های مدیریت پایگاه داده ها گردید .
ایجاد و توسعه مدلهای داده ای برای پایگاه سلسله مراتبی ، شبکه ای و بخصوص رابطه ای در دهه هفتاد ، منجر به معرفی مفاهیمی همچون شاخص گذاری و سازماندهی داده ها و در نهایت ایجاد زبان پرسش SQL در اوایل دهه هشتاد گردید تا کاربران بتوانند گزارشات و فرمهای اطلاعاتی مورد نظر خود را ، از این طریق ایجاد نمایند .
توسعه سیستم های پایگاهی پیشرفته در دهه هشتاد و ایجاد پایگاه های شی گرا ، کاربرد گرا[4] و فعال[5] باعث توسعه همه جانبه و کاربردی شدن این سیستم ها در سراسر جهان گردید . بدین ترتیب DBMS هایی همچون DB2 ، Oracle ، Sybase ، ... ایجاد شدند و حجم زیادی از اطلاعات با استفاده از این سیستم ها مورد پردازش قرار گرفتند . شاید بتوان مهمترین جنبه در معرفی داده کاوی را مبحث کشف دانش از پایگاه داده ها ([6]KDD) دانست بطوری که در بسیاری موارد DM و KDD بصورت مترادف مورد استفاده قرار می گیرند .
همانطور که در تعریف داده کاوی ذکر شد ، هدف از جستجو و کشف الگوهایی در پایگاه داده ها و استفاده از آنها در اخذ تصمیمات حیاتی است ، بنابراین می توان گفت که DM بخشی از فرایند KDD است که در نهایت به ایجاد سیستم های DSS[7] شکل 1-1 نقش داده کاوی در فرایند کشف دانش از پایگاه داده ها را نشان می دهد .
برای اولین بار مفهوم داده کاوی در کارگاه[8] IJCAI در زمینه KDD توسط Shapir مطرح گردید . به دنبال آن در سالهای 1991 تا 1994 ، کارگاههای KDD مفاهیم جدیدی را در این شاخه از علم ارائه کردند بطوری که بسیاری از علوم و مفاهیم با آن مرتبط گردیدند که می توان آنها را در شکل 2-1 مشاهده نمود .
برخی از کاربردهای داده کاوی در محیطهای واقعی عبارتند از :
01خرده فروشی : از کاربردهای کلاسیک داده کاوی است که می توان به موارد زیر اشاره کرد :
تعیین الگوهای خرید مشتریان
تجزیه و تحلیل سبد خرید بازار
پیشگویی میزان خرید مشتریان از طریق پست(فروش الکترونیکی)
02بانکداری :
پیش بینی الگوهای کلاهبرداری از طریق کارتهای اعتباری
تشخیص مشتریان ثابت
تعیین میزان استفاده از کارتهای اعتباری بر اساس گروههای اجتماعی
01بیمه :
تجزیه و تحلیل دعاوی
پیشگویی میزان خرید بیمه نامه های جدید توسط مشتریان
02پزشکی :
تعیین نوع رفتار با بیماران و پیشگویی میزان موفقیت اعمال جراحی
تعیین میزان موفقیت روشهای درمانی در برخورد با بیماریهای سخت
مراحل فرایند کشف دانش از پایگاه داده ها :
فرایند کشف دانش از پایگاه داده ها شامل پنج مرحله است که عبارتند از :
01انبارش داده ها[9]
02انتخاب داده ها
03تبدیل داده ها
04کاوش در داده ها
05تفسیر نتیجه
همانگونه که مشاهده می شود داده کاوی یکی از مراحل این فرایند است که به عنوان بخش چهارم آن نقش مهمی در کشف دانش از داده ها ایفا می کند .
انبارش داده ها :
وجود اطلاعات صحیح و منسجم یکی از ملزوماتی است که در داده کاوی به آن نیازمندیم . اشتباه و عدم وجود اطلاعات صحیح باعث نتیجه گیری غلط و در نتیجه اخذ تصمیمات ناصحیح در سازمانها می گردد و منتج به نتایج خطرناکی خواهد گردید که نمونه های آن کم نیستند .
شامل 179 صفحه فایل word قابل ویرایش