Підвищення ефективності застосування матеріалізованих представлень в автоматизованих комп'ютерних системах з реляційними базами даних

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Вступ

Актуальність теми. У будь-якій реально використовуваній автоматизованій комп'ютерній системі (АКС) з реляційною базою даних (РБД) з часом зростає інтенсивність запитів, а часто і їх складність. У зв'язку з цим з'являється потреба підвищення продуктивності системи. Одним з найефективніших шляхів розв'язання цієї задачі є використовування матеріалізованих представлень (МП) - збережених результатів виконання запитів. Застосування МП для трудомістких і часто повторюваних запитів може значно скоротити час їх виконання і тим самим підвищити загальну продуктивність системи, а також зробити її такою, що відповідає вимогам окремих користувачів.

Ідея застосування МП з'явилася ще в дев'яностих роках минулого сторіччя. Проте тільки останніми роками МП стали упроваджуватися в комерційні системи управління базами даних (СУБД) (Oracle, Microsoft SQL Server, IBM DB2). Причиною такого повільного упровадження потенційно дуже ефективної технології з'явилося недостатнє теоретичне опрацьовування механізму проектування і використовування МП. Якщо проблемам синхронного оновлення даних в МП і, зокрема, інкрементальному оновленню (ІО) надано досить уваги в наукових працях, то над питаннями вибору кандидатів на МП, оцінками ефективності їх застосування, зниження додаткового навантаження на БД практично ніхто не займався.

До теперішнього часу залишалася нерозробленою методика дослідження АКС для обґрунтування застосування МП. Не створений гнучкий і орієнтований на наочну область механізм оновлення МП, відсутні способи оцінки ефективності застосування МП в різних режимах роботи АКС. Все це значно гальмує вирішення проблеми широкого застосування МП в АКС і робить актуальною дану наукову роботу.

Мета досліджень. Метою роботи є підвищення продуктивності АКС, використовуючи реляційні системи управління базами даних шляхом удосконалення технології застосування матеріалізованих представлень.

Для досягнення цієї мети в роботі поставлені і розв'язані такі задачі:

- розроблений метод аналізу АКС з мінімізацією кількості вибірок, які передбачає формування груп запитів з метою скорочення кількості обслуговуваних МП, спрощення структури і об'єму РБД;

- проаналізовані варіанти порівняння запитів в процесі аналізу і експлуатації АКС, розроблені математична модель представлення, методика порівняння і перерахунку запитів;

- запропонована класифікація даних в АКС з погляду вимог до їх актуальності і розроблений метод і методика асинхронного оновлення МП;

- вдосконалена модель ІО МП, заснована на лічильнику дублікатів записів МП типу SPJ;

- розроблене програмне забезпечення для реалізації механізму МП.

1. Аналіз існуючих рішень в галузі застосування і оновлення МП, аналіз ефективності упровадження механізму МП

Встановлено, що:

- у комерційних СУБД використовується тільки синхронне оновлення МП, а сам вибір МП здійснюється емпірично;

- відсутня методика дослідження АКС для визначення частоти появи запитів, а також частоти оновлення даних;

- відсутня методика аналізу даних і функцій АКС з метою визначення допустимих інтервалів оновлення і допустимих похибок даних при агрегації;

- немає загальної моделі і не доведені до рівня практичного застосування алгоритми порівняння запитів;

- відсутній механізм скорочення кількості МП за рахунок угруповання мало відмінних один від одного запитів.

На підставі проведеного аналізу сформульовані задачі дослідження.

2. Необхідність аналізу і порівняння запитів

Запропонована процедура перетворення запитів у канонічну форму.

Вдосконалена математична модель представлення, порівняння і угруповання запитів, а також визначені спеціальні операції, які призначені для порівняння запитів і перерахунку запитів з МП.

Вхідна множина запитів позначається:

,

де N - потужність множини вхідних запитів.

Кожен запит пропонується характеризувати трійкою:

Zi(Fi, Ci, Si), (1)

де - вектор полів таблиць, які вибирає запит Zi; - вектор умов вибору; Si - вартість виконання запиту Zi.

Для спрощення операцій над запитами пропонується перетворювати фрази WHERE в канонічну форму представлення, яка може бути диз'юнктивною:

(V AND V ...AND V) OR (V AND...AND V) OR… (2)

або кон'юнктивною:

(V OR V…OR V) AND (V OR V…OR V) AND… (3)

де V - будь який вираз, що не містить логічних операцій AND та OR.

Для перетворення пропонується спеціальна функція, яка дозволяє кожну фразу умов вибору представити в диз'юнктивній формі:

(4)

де - вираз відношення.

Для виділення загальної частини порівнюваних запитів (Zi, Zj), а також відмінностей між ними запропоновані операції перетину і різниці:

,

для векторів полів вибору.

Для векторів умов вибору, що містять тільки логічні операції OR, визначені операції перетину і різниці:

,

.

Для векторів умов вибору, що містять тільки логічні операції AND, визначені операції об'єднання, перетину і різниці:

,

,

.

На підставі цих визначень одержані операції перетину і різниці для запитів:

,

.

Аналогічно одержана кон'юнктивна форма представлення фрази WHERE і визначені операції над виразами та запитами.

Визначені операції для запитів з агрегаціями, в яких замість вектора умов вибору WHERE використовується фраза HAVING.

Розв'язання задачі порівняння запитів пропонується розбити на такі етапи.

1) Виділення з журналу транзакцій множини M запитів типу SELECT.

2) Виділення з множини М підмножин запитів Мt, що використовують однакову множину таблиць (аналіз фрази FROM).

3) Виділення з множини Мt підмножин Мf, що використовують однакові набори полів (аналіз фрази SELECT).

4) Виділення з множини Мf підмножин , що мають однакові умови вибірки полів (аналіз фрази WHERE).

5) Виділення з множини підмножин , володіючих умовами з “перекриттям”.

При реалізації другого етапу враховуються не тільки імена таблиць, але і їх псевдоніми.

На третьому етапі порівнюються множини використовуваних полів з урахуванням псевдонімів, знайдених на другому етапі.

Виконання четвертого етапу пропонується розбити на таку послідовність кроків.

A) Формування множини запитів з однаковими умовами вибірки, що базується на попарному порівнянні запитів. Процес порівняння передбачає перетворення Ci і Cj (фрази WHERE) порівнюваних запитів в канонічну форму. Далі виконується порівняння умов вибірки Ci і Cj для двох запитів. У разі збігу умов аналіз припиняється, інакше здійснюється перехід до наступного кроку.

B) Аналіз логічної структури фрази WHERE. Під логічною структурою розуміється вектор умов, де будь-який елемент, крім логічних операцій і дужок представлений деяким ідентифікатором. Для цієї умови вибірки двох запитів перетворяться в диз'юнктивну форму.

Якщо кількість елементів в двох фразах WHERE (4) однакова, то логічні структури умов на рівні диз'юнктивної форми збігаються, і аналіз перевірки ідентичності запитів продовжується на наступному рівні деталізації логічної структури.

C) Порівняння виразів відношення. У межах і відшукуються пари збіжних виразів. Якщо встановлена попарна рівність для всіх виразів відношення двох порівнюваних запитів, то робиться висновок про збіг цих запитів. У разі незбігу відбувається перехід до наступного кроку.

D) Розбиття кожного виразу відношення з множини незбіжних виразів відношення на два арифметичні вирази і операцію відношення. Для кожної пари незбіжних виразів відношень у межах і виконується перестановка місцями в одному з виразів лівої і правої частин з відповідною заміною знака операції відношення. Якщо після проведених операцій перестановки не залишилося незбіжних виразів за всіма і , то робиться висновок про збіг запитів. Інакше здійснюється перехід до наступного кроку.

E) Для кожної пари незбіжних виразів відношень в межах і виконується ряд перетворень.

Спочатку проводиться перетворення відношень у форму з нулем або константою (якщо вона є) в правій частині. Якщо знаки операцій відношення в двох порівнюваних виразах не збігаються, то один з виразів перетвориться у форму, аналогічну іншому виразу.

Потім розкриваються дужки в лівій частині і для кожного операнда операцій “+” і “-” проводиться впорядкування його компонентів, а також якщо можливо, виконання арифметичних операцій. Результат також слід упорядкувати.

На завершення виконується порівняння двох виразів як рядків.

Розроблені правила для визначення “перекриття” умов вибору.

Розроблена методика порівняння запитів з угрупованням (GROUP BY), сортуванням (ORDER BY), агрегуючими функціями, зовнішніми ключами.

Запропоновано модель угроповання запитів, що заснована на створенні одного запиту, який представляє усі запити групи. Надалі цей запит будемо називати центральним запитом групи. Використовування груп дозволяє значно скоротити кількість МП і підвищити ефективність їх застосування.

3. Метод аналізу АКС, направлений на підвищення продуктивності системи в цілому і при пікових навантаженнях зокрема

Метод передбачає використовування такої інформації про кожен запит:

- текст запиту;

- час появи і виконання запиту;

- джерело запиту (робоче місце);

- використовувані дані;

- вимога до актуальності використовуваних даних.

Для вибірки запитів пропонується використовувати журнал транзакцій (або подібне джерело інформації). Отримання достовірної картини про розподіл типів запитів ґрунтується на аналізі запитів протягом тривалого інтервалу часу, що охоплює основний період діяльності підприємства. Для скорочення трудомісткості аналізу запропоновано алгоритм мінімізації кількості вибірок з одночасним формуванням груп запитів. Для отримання складу груп запропоновано алгоритм, що визначає частоту оновлення даних центральних запитів в групах.

Алгоритм мінімізації кількості вибірок передбачає такі кроки:

1. Визначення стартового мінімального числа вибірок (оброблюваних запитів) nmin. Реальна АКС має деяке число робочих місць r. Кожне робоче місце може утворити, як мінімум, m запитів до системи. Тоді мінімальне число вибірок не має сенсу робити менше, ніж

Стартове значення вибираємо як найближче значення до nmin.

,

де x - найбільше допустиме ціле число.

Вибір nstart не впливає на похибку формування груп запитів, а тільки на час процесу їх формування.

2. Вибір з множини Z кожного 2x -го запиту для аналізу.

3. Формування множини груп запитів відповідно до правил порівняння запитів. Тут - кількість одержаних груп запитів на j-ї ітерації.

4. Визначення ймовірності попадання запиту Zi в групу Gh на j-ї ітерації:

де - число запитів Zi, що входять до h-ї групи на j-ї ітерації.

5. Збільшення в два рази числа вибірок (x зменшується на 1). У цьому випадку результати попередньої вибірки доповнюються, а не переобчислюються.

6. Виконання розрахунків відповідно до п.3 і п.4 і обчислення похибки у визначенні ймовірності попадання запиту в групу на підставі двох останніх вибірок:

.

7. Визначення інтегральних критеріїв закінчення процесу:

, ,

де - середнє значення похибки , - відносна зміна кількості груп.

8. Якщо похибки і перевищують деякі задані порогові значення і, то пункти 5 і 6 повторюються, інакше процес завершується.

Розроблений спосіб визначення центрального запиту Zc для множини запитів групи:

.

Можливі такі варіанти визначення центрального запиту.

- Знаходження загальної частини для всіх запитів групи.

.

- Вибір одного із запитів групи як центрального.

Центральний запит визначається за якнайменшою сумарною вартістю виконання перерахунку:

.

- Складання центрального запиту, що перекриває всі запити групи:

,

де:

,

.

Якщо форма представлення умов вибору кон'юнктивна, то потрібно виконати перетворення в кон'юнктивну форму:

,

де - загальна частина фраз умов вибору; - індивідуальна частина фраз умов вибору.

Якщо діапазон вибору для якого-небудь поля перекриває всі значення домену цього поля, то умова для цього поля ігнорується.

Формування груп алгоритмом мінімізації вибірок не може бути остаточним, оскільки він не враховує частоту оновлення даних, використовуваних в запитах, що істотно впливає на ефективність застосування МП.

Наступний алгоритм встановлює співвідношення між частотою зміни даних і використовування МП.

Позначимо множину знайдених центральних запитів:

.

Для кожного центрального запиту складається множина використовуваних їм полів таблиць . Встановлюється стартове число вибірок n з журналу транзакцій.

Вибирається кожен n-й запит типу Insert, Update і Delete і підраховується кількість модифікацій для кожної множини. Визначається коефіцієнт повторюваності оновлень .

Подвоюється число вибірок. Обчислюється коефіцієнт повторюваності оновлень на кожному j-му кроці ітераційного процесу.

Визначається відносна зміна коефіцієнта повторюваності . Якщо зміни не перевищують задане порогове значення, то останнє значення приймається як коефіцієнт повторюваності оновлень для групи і здійснюється перехід до пункту 5. Інакше управління передається пункту 3.

Проводиться зіставлення коефіцієнта повторюваності оновлень і коефіцієнта повторюваності запитів для групи , одержаного з алгоритму аналізу АКС. Якщо >>, то має сенс подальша робота щодо реалізації групи МП.

Даний алгоритм дає підвищений поріг застосування МП, оскільки пропонує перерахунок МП всякий раз, коли змінюються вхідні дані (синхронне оновлення). Асинхронне оновлення дозволяє значно понизити поріг застосування МП.

Запропоновано аналіз АКС для підвищення продуктивності при пікових завантаженнях. Під піковим завантаженням слід розуміти тимчасовий стан системи, коли її ресурси завантажені в kpik раз більше, ніж в середньому (kpik > 1). Для цього запропоновано алгоритм визначення пікових періодів, а також запитів, що створюють пікові навантаження.

Протягом інтервалу Tn (час спостереження за системою) визначається момент часу початку і закінчення обробки кожного запиту Ti.

Обчислюється сумарний час Ts обробки всіх запитів:

де N - кількість запитів, що обробляються протягом спостережуваного періоду.

Обчислюється середнє завантаження системи:

На підставі оцінки Ssr встановлюється коефіцієнт пікового навантаження kpik, що визначає таке завантаження АКС, яке слід рахувати у у певній мірі небезпечним з погляду виконання функцій системи.

На підставі припустимого часу очікування відповідей на запити встановлюється мінімальний піковий період tpmin - період часу, коли через велике завантаження системи стає помітним порушення роботи користувача.

Для визначення періодичності пікових інтервалів пропонується такий алгоритм.

Починаючи з початку Tn, на довжині tpmin визначається завантаження Sper періоду:

Sper = 0, якщо протягом періоду запити не виконувалися;

, якщо протягом періоду виконувалися q запитів.

Вважається, що на інтервалі Tpmin спостерігається пік навантаження і фіксується початок пікового інтервалу, якщо:

При виявленні піка навантаження розрахунки продовжуються для подальших інтервалів, поки виконується нерівність. Якщо при оцінці чергового Tpmin умова не виконується, то фіксується кінець пікового інтервалу і продовжується пошук наступного.

Після визначення всіх пікових періодів вибираються всі запити типу SELECT, які виконувалися протягом цих періодів, виділяються ідентичні запити і формуються МП. Застосування угруповання запитів в цих умовах дозволяє підвищити ефективність застосування МП.

Розроблено алгоритм, який дозволяє управляти процесом включення/виключення підтримки МП при пікових навантаженнях.

4. Механізми і алгоритми актуалізації МП, а також способи отримання відповідей на запити з МП

Кожного разу, коли дані в базовій таблиці (БТ) оновлюються, МП, які використовують ці дані, стають неактуальними. Процес, який робить дані в МП відповідними даним в БТ, називається актуалізацією (оновленням).

Механізми актуалізації МП пропонується поділяти на синхронні і асинхронні. Синхронне оновлення передбачає при змінах в БТ негайне оновлення МП або оновлення МП при запиті до нього.

Асинхронне оновлення використовує припустиму затримку в оновленні даних, визначувану технологією обробки даних в АКС.

Пропонується класифікація даних залежно від припустимої затримки їх оновлення в МП.

1. Дані, модифікація яких вимагає негайного оновлення МП.

2. Дані, при зміні яких можливо відкласти модифікацію МП на деякий час Ti.

3. Дані, які повинні бути актуальними до деякого моменту в роботі системи.

4. Дані, оброблювані агрегуючими функціями, що дозволяють не перераховувати МП до накопичення деякої критичної суми змін.

Розроблено наступний механізм асинхронного оновлення.

Для кожної множини запитів, що становлять групу, визначаються робочі місця користувачів. Кожному запиту відповідає деяка множина полів таблиць .

Шляхом анкетування користувачів для кожного поля з визначається максимально допустимий інтервал між моментом зміни даного і необхідним моментом його оновлення в матеріалізованому представленні . Назвемо його інтервалом оновлення поля (даного). Тоді множина інтервалів оновлення полів для групи:

Визначається мінімальне значення в множині , яке визначає верхню межу інтервалу оновлення матеріалізованого представлення .

Аналізується режим роботи співробітників, обслуговуючих робочі місця, використовуючи конкретні МП з метою виявлення можливих перерв в роботі .

Визначається мінімальне значення в множині .

Шляхом зіставлення і визначається можливість відстрочки оновлення МП до перерви в роботі.

Шляхом аналізу всіх і формується множина запитів Zum на оновлення МП для кожної m-ї перерви.

Оновлення МП може бути повним або інкрементальним (ІО). ІО передбачає часткове коректування МП, відповідне змінам в БТ.

Вдосконалено алгоритм ІО з використанням лічильника CNT повторень записів в МП (Gupta А. та інші автори). У цьому алгоритмі лічильник зберігається у запису МП як окреме поле. При кожному додаванні/видаленні запису до/з МП її лічильник збільшується/зменшується на одиницю. Удосконалення засноване на тому, що якщо два записи БТ входять до МП і значення їх полів, які входять в МП, однакові, то число їх повторень в МП однакове. Ця властивість випливає з характеристик операції з'єднання JOIN. Пропонується для кожного запису, який додається або видаляється з БТ, збільшити або зменшити лічильник на число, що дорівнює відношенню лічильника записів в МП до кількості таких записів в БТ. Удосконалення дозволяє зменшувати кількість записів, що додаються або видаляються, для яких необхідно виконати звичну процедуру ІО.

Запропоновано процедуру отримання відповіді на запит з МП. Хай - запит, результат виконання якого збережений в МП, а Zj - запит, який необхідно виконати. Тоді Zj може бути розділений на 2 частини:

- запит для отримання даних з МП

і - запит для отримання даних з БД,

де

- вартість виконання запиту ;

- вартість виконання запиту .

МП можна використовувати для формування відповіді на запит, якщо дотримуються умови:

- у МП містяться поля, які необхідно вибрати;

- у МП містяться деякі значення полів, які знаходяться в діапазоні вибору;

- всі поля, які входять в умову вибору, можна знайти в запиті, результат якого зберігається в МП.

Для обчислення умов вибору для запиту, одержуючого дані з МП, визначені операції перетину і для двох векторів умов вибору з логічними операціями AND і OR відповідно. Вони дозволяють визначити операцію перетину для двох запитів при витяганні даних з МП:

де - вартість виконання запиту .

Таким чином, замість виконання запиту Zj можна виконати три запити (комбіноване виконання запиту):

.

Якщо ряд запитів можна розкласти на складові (підзапити), які повторюються, то для них має сенс організувати бібліотеку.

5. Структура програмного забезпечення для реалізації механізму МП

Сформульовані оцінки ефективності запропонованих методів і алгоритмів, наведені результати випробувань розробленого програмного забезпечення.

Структура програмного забезпечення для реалізації МП містить п'ять досить автономних програмних модулів:

- модуль аналізу АКС;

- модуль ініціалізації механізму МП;

- модуль використовування МП;

- модуль оновлення МП;

- модуль настройки МП при зміні структури або функцій АКС.

Запропонована модель оцінки ефективності застосування МП, яка передбачає такі компоненти:

- Оцінка ефективності від упровадження МП АКС. Вона заснована на обчисленні сумарної вартості виконання запитів без застосування МП.

і сумарної вартості виконання запитів із застосуванням МП:

,

де Nj - кількість повторень j-го запиту; - кількість запитів, збережених в МП; - вартість виконання j-го запиту при застосуванні МП; - вартість оновлення j-го МП; - середня кількість оновлень.

Тоді ефективність застосування МП обчислюється таким чином:

,

де:

.

- Для оцінки ефективності, визначеної угрупованням запитів, вибрано варіант центрального запиту, що покриває всі запити групи. Тоді сумарна вартість виконання запитів з угрупованням:

,

де H - кількість груп; - кількість запитів в групі; - вартість виконання j-го запиту при застосуванні МП; - вартість операцій аналізу при виконанні j-го запиту при застосуванні угруповання; - середня кількість оновлень для j-го запиту; - середня кількість виконань для j-го запиту; - вартість оновлення центрального запиту j-ї групи.

Ефективність застосування МП з угрупованням запитів:

.

- Для оцінки ефективності, визначуваної асинхронним оновленням розроблений алгоритм, що використовує впорядковану множину полів і відповідних їм затримок оновлення для даних МП. Враховується, що кожне виконане оновлення робить актуальними всі змінені дані. Тоді ефективність можна оцінити за формулою:

,

де K - кількість оновлень, одержаних відповідно до алгоритму; - кількість оновлень при синхронному оновленні.

Наступний графік показує залежності ефективності від кількості вибируваних запитів для МП.

- Для оцінки ефективності, визначуваної спеціальним обслуговуванням періодів пікових навантажень можна застосувати наведені вище оцінки.

Створено програмне забезпечення, що реалізовує аналіз журналу транзакцій, алгоритм вибірки запитів і формування груп запитів. Воно дозволяє одержувати множину запитів - кандидатів для утворення МП.

Розроблено програмне забезпечення для порівняння запитів на рівні таблиць, полів, умов вибору WHERE.

Створена діюча модель механізму.

МП, що реалізує операції, запам'ятовування запитів і МП, порівняння запитів, фіксації змін даних і оновлення МП. Виконано впровадження результатів роботи в діючу інформаційну систему. Отримано позитивний техніко-економічний ефект.

Висновки

автоматизований запит інкрементальний матеріалізований

1. Проаналізовано методи побудови, відновлення й використання МП. Зроблено висновки про необхідність дослідження АКС для обґрунтованого застосування МП. Встановлено, що необхідно зменшувати кількість МП для розвантаження СУБД. Визначено недоліки синхронного відновлення МП.

2. Запропоновано метод аналізу автоматизованих систем, що дозволяє обґрунтувати вибір запитів для зберігання в МП. Розроблено алгоритм для визначення мінімальної кількості оброблюваних запитів, що спрощує процес аналізу АКС, алгоритм для визначення періодичності появи запитів, що дозволяє знизити навантаження АКС шляхом включення/виключення обслуговування запитів у МП.

3. Розроблено модель формування груп запитів з метою скорочення кількості МП, що потребують обслуговування, спрощення структури й обсягу БД. Для кожної групи встановлюється центральний запит, що перераховується в інші запити групи.

4. Розроблено форму подання запитів. Визначено операції перетинання, різниці й об'єднання запитів, які знайшли застосування в різних алгоритмах обробки запитів. Розроблено алгоритм для оцінки складності перетворення запитів у канонічну форму, алгоритм перетворення й порівняння виразів. Сформовано стратегію порівняння запитів.

5. Запропоновано класифікацію даних з погляду можливої відстрочки їхнього відновлення й заснований на ній механізм асинхронного відновлення МП, що дозволяє відкладати момент відновлення МП і тим самим значно скорочувати загальну кількість відновлень у системі.

6. Розроблено механізм комбінованого виконання запитів до МП, який передбачає часткове використання БТ, що дозволяє розширити рамки застосовності МП.

7. Внесено коректування в алгоритм інкрементального відновлення МП для SPJ запитів з використанням лічильника дублікатів записів, що дозволяє скоротити обсяг таблиць МП.

8. Установлено залежності для оцінки ефективності, обумовленої впровадженням МП, використанням угруповання запитів, асинхронним відновленням МП.

9. Розроблено структуру програмного забезпечення для підтримки механізму МП, що забезпечує всі завдання підготовки й впровадження МП в АКС.

10. Реалізовано механізм МП для СУБД PostgreSQL v.8.0.

11. Розроблено й випробувано всі основні програмні модулі підтримки механізму МП.

12. Здійснено впровадження результатів роботи в діючій інформаційній системі Одеського національного політехнічного університету. Отримано позитивний техніко-економічний ефект.

Література

1. Кунгурцев А.Б. Сравнение запросов в реляционных базах данных для построения материализованных представлений/ Кунгурцев А.Б., Куок Винь Нгуен Чан, Блажко А.А. // Праці УНДІРТ. Одеса, 2004. - 3(39). - с. 35-38.

2. Кунгурцев А.Б. Анализ возможности применения МП в ИС/ Кунгурцев А.Б., Куок Винь Нгуен Чан // Тр. Одесск. политехн. ун-та. Одеса, 2003. - 2(20). - с. 102-106.

3. Кунгурцев А.Б. Извлечение данных из материализованных представлений в информационных системах/ Кунгурцев А.Б., Куок Винь Нгуен Чан // Тр. Одесск. политехн. ун-та. Одеса, 2005. - 1(23). - с. 82-87.

4. Кунгурцев А.Б. Метод анализа информационной системы для применения материализованных представлений/ А.Б. Кунгурцев, Куок Винь Нгуен Чан // Холодильна Техніка і Технология. Одеса, 2005. - 2(94). - с. 102-105.

5. Куок Винь Нгуен Чан. Структура программного обеспечения для реализации механизма материализованных представлений // Холодильна Техніка і Технологія. Одеса, 2005. - 3(95). - с. 94-99.

6. Кунгурцев А.Б. Автоматизация процесса актуализации материализованных представлений/ А.Б. Кунгурцев, Куок Винь Нгуен Чан // Тр. 6-й Международной научно-практической конференции “Современные Информационные и Электронные Технологии”. Україна, Одеса, 2005, 173с.

Размещено на Allbest.ru