Hermawan

Hermawan
Distributed Database
— Basis data terdistribusi adalah kumpulan database
yang disimpan di banyak komputer pada lokasi
yang berbeda-beda dan menampilkan ke user
sebagai single database
— berisi kumpulan site à eksekusi transaksi lokal
(mengakses data pada satu site) & transaksi global
(mengakses data pada site berbeda )
Contoh Distributed Database
— Transaksi lokal : transaksi menambahkan dana
pada nomor rekening 1112234 yang berada di
cabang bangkalan. Transaksi ditentukan pada
cabang bangkalan.
— Transaksi global : transaksi transfer dari rekening
1112234 ke rekening 2223410 yang berada di
surabaya(rekening didua site berbeda telah diakses
sebagai hasil dari eksekusinya)
Media Distributed Database
Site-site dalam database terdistribusi dihubungkan secara fisik dengan berbagai
cara. Beberapa topologi digambarkan sebagai sebuah graph. Beberapa bentuk :
— Fully connected network Kalau salah satu node rusak, yang lainnya masih
dapat berjalan (biaya mahal),
kontrol manajemen tidak terjamin.
— Partially connected network, Reliability rendah, biaya dapat ditekan Kontrol
manajemen tidak terjamin.
— Tree structured network, Bersifat sentral, control manajemen lebih terjamin
Kalau node pusat rusak, semua akan rusak. (setiap proses dimulai dari bawah).
— Ring network (LAN) Rusak satu, yang lain masih berjalan Kontrol manajemen
kurang terjamin karena bersifat desentralisasi.
— Star network (LAN), Kontrol manajemen lebih terjamin, karena bersifat
sentral, Kalau pusat rusak yang lain rusak.
Why A Distributed Database?
— Distribution and autonomy of business units
divisi dan departemen dari suatu organisasi tersebar
secara geografis
— Data sharing
proses sharing data harus dilakukan secara mudah dan
tepat
— Data communications costs and reliability
proses pertukaran data dalam jumlah yang besar melalui
jaringan membutuhkan biaya yang besar dan
berpengaruh pada performance jaringan
Keuntungan Distributed Database?
—
Pengawasan distribusi dan pengambilan data Jika beberpa site yang berbeda dihubungkan, seorang pemakai
yang berada pada satu site dapat mengakses data pada site lain.
Contoh : sistem distribusi pada sebuah bank memungkinkan seorang pemakai pada salah satu cabang dapat
mengakses data cabang lain.
—
Reliability dan availability
Sistem distribusi dapat terus menerus berfungsi dalam menghadapi kegagalan dari site sendiri atau mata
rantai komunikasi antar site.
—
Kecepatan pemrosesan query
Contoh : jika site-site gagal dalam sebuah sistem terdistribusi, site lainnya dapat melanjutkan operasi jika
data telah direplikasi pada beberapa site.
—
Otonomi lokal
Pendistribusian sistem mengijinkan sekelompok individu dalam sebuah perusahaan untuk melatih
pengawasan lokal melalui data mereka sendiri. Dengan kemampuan ini dapat mengurangi ketergantungan
pada pusat pemrosesan.
—
Efisiensi dan fleksibel
Data dalam sistem distribusi dapat disimpan dekat dengan titik diman data tersebut dipergunakan. Data
dapat secara dinamik bergerak atau disain, atau salinannya dapat dihapus.
Keuntungan Distributed Database?
— Harga software mahal
Hal ini disebabkan sangat sulit untuk membuat sistem database
distribusi.
— Kemungkinan kesalahan lebih besar
Site-site beroperasi secara paralel sehingga lebih sulit untuk
menjamin kebenaran dan algoritma. Adanya kesalahan mungkin
tak dapat diketahui.
— Biaya pemrosesan tinggi
Perubahan pesan dan penambahan perhitungan dibutuhkan
untuk mencapai koordinasi antar site.
Homogenous Distributed Database
Homogenous Distributed Database (2)
— Menggambarkan sistem terdistribusi yang
mengkoneksikan 3 database hq, mfg, dan sales
— User dapat mengakses atau memodifikasi data
pada beberapa database pada suatu lingkungan
terdistribusi
— Misalnya manufacturing melakukan join antara
tabel yang ada di local database mfg dengan tabel
yang berada di database hq (remote access)
Heterogeneous Distributed Database
— Oracle Database server mengakses non-Oracle
Database system menggunakan Oracle Heterogeneous
Services:
- Oracle Transparent Gateway
- Generic Connectivity (ODBC,OLEDB)
RANCANGAN DATABASE TERDISTRIBUSI
— FRAGMENTASI DATA
Fragmentasi : relasi dibagi ke dalam beberapa bagian,
setiap bagian disimpan pada lokasi yang berbeda.
— Tiga jenis fragmentasi :
Fragmentasi Horizontal.
Berisi tuple-tuple yang dipartisi dari sebuah relasi
global ke dalam sejumlah
subset.
— Deposit 1 = s branch-name = “Hillside” (Deposit)
— Deposit 1 = s branch-name = “Valleyview” (Deposit)
RANCANGAN DATABASE TERDISTRIBUSI
Contoh :
— Branch-name Account-number Customer-name Balance
________________________________________________________
Hillside
305
Lowman
500
Hillside
226
Camp
336
Hillside
115
Khan
62
— Branch-name Account-number Customer-name Balance
_________________________________________________________
Valleyview
177
Camp
205
Valleyview
402
Khan
10000
Valleyview
408
Khan
1123
Valleyview
639
Green
750
RANCANGAN DATABASE TERDISTRIBUSI
Fragmentasi Vertical
Branch-name
Hillside
Hillside
Valleyview
Valleyview
Hillside
Valleyview
Valleyview
Account-number
305
226
117
402
115
408
639
Customer-name
Lowman
Camp
Camp
Khan
Khan
Khan
Green
Balance
500
336
205
10000
62
1123
750
Tuple-id
1
2
3
4
5
6
7
Deposit 3 = p branch-name, customer-name,tuple-id (deposit)
Deposit 4 = p account-number,balance,tuple-id (deposit)
RANCANGAN DATABASE TERDISTRIBUSI
Branch-name
Hillside
Hillside
Valleyview
Valleyview
Hillside
Valleyview
Valleyview
Customer-name
Lowman
Camp
Camp
Khan
Khan
Khan
Green
Tuple-id
1
2
3
4
5
6
7
Account-number
Balance
Tuple-id
305
500
1
226
336
2
117
205
3
402
10000
4
115
62
5
408
1123
6
639
750
7
RANCANGAN DATABASE TERDISTRIBUSI
Fragmentasi campuran.
Data Warehouse
— Data warehouse adalah relasional database yang
didesain untuk proses query dan analisa
— Meliputi: extraction, transportation,
transformation, loading solution, online analytical
processing (OLAP),client analysis tool, dan
aplikasi lain yang mengatur proses pengumpulan
data dan mengirimkan ke business user
Data Warehouse
— Data warehouse didesain untuk proses analisa data
— Contoh: data penjualan pada suatu perusahaan.
Dengan data warehouse maka dapat menjawab
pertanyaan “siapakah customer terbesar pada akhir
pada akhir tahun?”
Data warehouve vs OLTP
(Online Transaction Processing)
Salah satu perbedaan utama data warehouse dengan OLTP adalah
data warehouse tidak selalu dalam bentuk normal ketiga (3NF),
sedangkan OLTP biasanya dalam bentuk normal ketiga (3NF)
Data warehouve vs OLTP
n
Workload
v
v
Data warehouse didesain untuk menampung query dalam
jumlah yang besar
OLTP hanya mendukung operasi tertentu
— Data modification
v
v
n
Data warehouse diupdate data secara regular (setiap
minggu atau setiap hari) menggunakan teknik modifikasi
data sehingga user tidak secara langsung mengupdate
data warehouse
Pada OLTP, user melakukan proses update data secara
rutin dan langsung
Schema Design
v
v
Data warehouse biasanya ternormalisai secara sebagian
bahkan dalam keadaan tidak ternormalisasi
OLTP ternormalisasi penuh untuk meningkatkan proses
update/insert/delete dan meningkatkan konsistensi data
Data warehouve vs OLTP
n
Typical operation
v
v
n
Data warehouse menjalankan query yang memproses
banyak baris (ratusan atau milyaran), contoh :total
penjualan semua customer pada akhir bulan
OLTP hanya mengkases record tertentu, contoh :mencari
data order untuk customer tertentu
Historical data
v
v
Data warehouse menyimpan data selama beberapa bulan
atau tahun. Hal ini mendukung proses historical analysis
OLTP menyimpan data hanya beberapa minggu atau bulan
Arsitektur data warehouse
End user secara langsung mengakses data dari beberapa sistem
melalui data warehouse
Data Mining
— Suatu metode yang digunakan untuk mengekstrak pola
dari suatu data
— Nama lain: Knowledge Discovery in Database (KDD)
— Proses KDD:
v
v
v
v
Identifikasi masalah
Menyiapkan data
Membangun model data (data mining)
Menggunakan dan memonitoring model
Application Data Mining
— Data analysis and decision support
— Managemen dan analisa pasar
— Target marketing, customer relationship management (CRM),
market basket analysis, cross selling, market segmentation
— Managemen dan analisa resiko
— Forecasting, improved underwriting, quality control, competitive
analysis
— Other Applications
— Text mining (news group, email, documents) and Web
mining
— Stream data mining
— DNA and bio-data analysis
Data Mining Task’s
— Association, menemukan hubungan dan korelasi antara berbagai data
—
—
—
—
item
Classification, menganalisa data percobaan dan membangun model
berdasarkan fitur dari data
Prediction, memprediksi nilai-nilai yang mungkin terjadi dari data
yang hilang atau distribusi nilai dari atribut tertentu dalam kumpulan
obyek
Clustering, mengidentifikasi cluster yang tersimpan dalam data,
dimana cluster tersebut merupakan kumpulan data yang memiliki
kesamaan dengan yang lain
Time-series analysis, mencari urutan kesamaan, pola (pattern),
periode dan deviasi
Data Mining Method’s
— Classification and regression
classification menghasilkan data categorical dan
regression menghasilkan data numeric
— Clustering
menggunakan algoritma k-mean, k-median
— Association
menemukan pola pada data transaksional.
Berhubungan dengan market basket analysis
What Kind of Output?
— Rules
n
Decision Trees
Product F
Product A
n
Web
Product C
Product E
Product B
Product G
Product D
Keunggulan
— penyimpanan database besar, dalam hitungan
megabyte, gigabyte, terabyte
— Relationship yang komplek antar field. Gabungan
antara data numerical dan categorical
— Skalabilitas tinggi.