مقاله در مورد مديريت پايگاه داده هوشمند

 nx دارای 46 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است فایل ورد nx  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد. این پروژه توسط مرکز nx2 آماده و تنظیم شده است توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي nx،به هيچ وجه بهم ريختگي وجود ندارد بخشی از متن nx : مدیریت پایگاه داده هوشمند یك دید كلی از آن چه برای نگه داری یك پایگاه داده و اجرای موثر آن لازم است ; خیلی مشكل است كه در این روزها بتوانیم راهنمای مناسبی برای این كار بیابیم و یكی از مشكل ترین موقعیت های كاری كه یافتن فرد مناسب برای آن سخت است، مدیر بانك اطلاعاتی (DBA) است. استخدام یك فرد مناسب برای مدیریت بانك اطلاعاتی مشكل است، زیرا مهارت های لازم برای یك DBA خوب شرایط و مقررات زیادی دارد. به دست آوردن این مهارت ها مشكل است و در شرایط سخت، مجموعه مهارت‌های لازم برای DBA دائماً تغییر می كند. برای مدیریت موثر یك بانك اطلاعاتی گسترده، DBA باید هم از دلایل تجاری ذخیره داده ها در پایگاه داده باخبر باشد و هم از جزئیات تكنیكی چگونگی ساختارهای داده و نحوه ذخیره‌سازی آن ها. DBA باید اهداف تجاری داده ها را بداند تا مطمئن شود كه از آن ها به طور مناسب استفاده می شود زمانی كه در كار به آنها نیازمندیم در دسترس هستند. استفاده مناسب شامل قوانین امنیت داده ها، تعریف اختیارات كاربران و اطمینان از جامعیت داده ها می شود. دسترس پذیری شامل تنظیمات پایگاه داده، طراحی كاربردی و تنظیم و نظارت بر كارایی می‌باشد. كه این ها مفاهیم سخت و پیچیده ای هستند. در حقیقت، همه كتاب ها به هر یك از این موضوعات پرداخته اند. وظایف مدیر بانك اطلاعاتی (DBA)وظایف تخصصی DBA بیشمارند. این وظایف قلمروی مقررات IT را از مدل سازی منطقی به پیاده سازی فیزیكی گسترش می دهند. لیستی كه در ادامه آمده اغلب وظایف مدیران بانك های اطلاعاتی را شرح می دهد: 1 مدل سازی داده و طراحی پایگاه داده: DBA ها باید توانایی ایجاد، تفسیر و ارتباط برقرار كر پایگاه داده فیزیكی كارآمد را طراحی كنند. 2 مدیریت متادیتا (Meta data) و استفاده از منابع: لازم است DBA ها داده ها را جمع آوری، ذخیره سازی و مدیریت كنند و داده ها را درباره داده ها (متادیتا) مورد پرس و جو قرار دهند و آنها را به تولید كنندگانی كه نیاز به اطلاعات برای ساخت سیستم های كاربردی كارآمد دارند، ارائه دهند. 3 مدیریت و ساخت شمای پایگاه داده: بعد از اینكه طراحی فیزیكی پایگاه داده توسط DBA انجام شد، او باید بتواند آن طراحی فیزیكی را به پیاده سازی فیزیكی واقعی پایگاه داده به كمك DDL تبدیل كند و در طول پیاده سازی، پایگاه داده را مدیریت كند. 4 مهارت های روتین: DBA باید بتواند روال ها، تریگدها و توابع تعریف شده توسط كاربر را كه در DBMS ذخیره شده‌اند، طراحی، اشكال زدایی، پیاده سازی و پشتیبانی نماید. 5 برنامه ریزی ظرفیت: به خاطر اینكه سیستم ها استاتیك (ایستا) نیستند، DBA باید بتواند با توجه به الگوهای استفاده از داده میزان رشد پایگاه داده را پیش بینی كند و تغییرات لازم برای هماهنگی با این میزان رشد را اعمال نماید. 6 تنظیم و مدیریت كارایی: برای اطمینان از دسترسی موثر به پایگاه داده، یك سیستم نظارت و مانیتورینگ مناسب، لازم است. DBA باید بتواند از محیط مانیتورینگ استفاده كند، آمارهای كه این سیستم ارائه می كند را تفسیر نماید و برای بهینه سازی كارایی، تغییرات لازم را به ساختارهای داده، SQL منطق برنامه ها، زیر سیستم های DBMS اعمال كند. 7 بازبینی برنامه های كاربردی SQL : یك DBA باید با زبان SQL كه زبان استاندارد برای پایگاه داده های رابطه ای است، آشنا باشد. بنابراین، DBA باید بتواند برنامه هایی كه به زبان SQL یا زبان میزبان نوشته شده اند را بازبینی كند و تغییرات لازم برای بهینه شدن آن ها را اعمال نماید. 8 پشتیبان گیری و احیاء پایگاه داده: داده های موجود در پایگاه داده باید در مقابل سخت افزار، نرم افزار، سیستم و اشتباهات انسانی محافظت شوند. توانایی پیاده سازی پشتیبان گیری مناسب از پایگاه داده و انتخاب استراتژی احیاء بر اساس موقت بودن داده ها و نیازهای دسترسی به برنامه های كاربردی، برای یك DBA امری لازم است. 9 اطمینان از جامعیت داده ها: DBA ها باید بتوانند پایگاه داده ای طراحی كنند كه فقط داده های مناسب و دقیق در آن وارد شود. 10 مدیریت كلی پایگاه داده : DBA باید دانش كافی در زمینه قوانین مدیریت پایگاه داده های رابطه ای داشته باشد و بتواند دقیقاً با آنها ارتباط برقرار كند. 11 امنیت داده ها: لازم است DBA شمای امنیتی قوی برای تولید و تست پایگاه داد. پیاده سازی كند تا مطمئن شویم كه فقط كاربران مجاز می توانند به داده ها دسترسی داشته باشند. همچنین باید بررسی هایی به منظور اثبات اینكه پایگاه داده تولیدی ایمن است انجام گیرد. 12- مدیریت كلی سیستم ها و مهارت های شبكه بندی: بانك‌های اطلاعاتی به تنهایی و در انزوا وجود ندارند. آنها باید با اجزای دیگر تشكیل دهند. IT تعامل داشته باشند. برای مثال، DBA باید بتواند نیازها و وظایف مدیریتی پایگاه داده را با نیازها و وظایف مدیریتی كل سیستم مثل مدیریت شبكه تجمیع كند و هر دو را برآورده سازد. تعدادی از وظایف مدیریتی كل سیستم عبارتند از: مدیریت شبكه، كنترل تولید و زمان بندی و ارائه راه حل برای مسائل كه به این ها قوانین مدیریتی سیستم‌ها گویند. 13- ERP و دانش تجاری: DBA باید بتواند نیازهای كاربران را تشخیص دهد و پایگاه های داده آنها را به گونه ای مدیریت كند كه از هر گونه وقفه در كار و تجارت جلوگیری شود. این نیازمند دانستن چگونگی اثرگذاری بسته های ERP در تجارت و نیز چگونگی استفاده آن بسته ها از پایگاه داده است كه بسته های ERP به گونه ای متفاوت با پایگاه های داده رابطه ای سنتی از پایگاه داده استفاده می كنند. 14- مدیریت نوع داده های توسعه پذیر: بسیاری از بانك‌های اطلاعاتی رابطه ای امكان توسعه انواده داده كه برای مدیریت داده های پیچیده و چند رسانه ای بی ساختار است را در اختیار ما می گذارند. بنابراین لازم است DBA بداند كه چگونه هر نوع داده ای توسعه یافته را در DBMS پیاده سازی و مدیریت نماید. 15- پایگاه داده و بایگانی داده ها: امروزه نگهداری طولانی مدت داده ها توسط بسیاری از سازمان جزء مقررات دولتی (…,HTPAA,SOX) می باشد، DBA ها باید بتوانند داده ها را از پایگاه داه های فعال خارج كنند و آن ها را برای دسترسی بعد از سال ها و حتی دهه ها در جای دیگر ی نگهداری كنند. تلاش بسیار پیاده سازی، مدیریت و پشتیبانی از برنامه های پیچیده پایگاه داده كه در سراسر جهان گسترده شده اند وظیفه ای دشوار است. برای پشتیبانی از برنامه های كاربردی مدرن نیاز به زیرساخت های گسترده IT داریم تا تمام اجزای فیزیكی لازم برای پشتیبانی از برنامه ها را فراهم سازیم. برای این كار لازم است بانك های اطلاعاتی، شبكه ها و سرورهای شما به خوبی هر شب كه و سروری كه در بیرون از محیط شما قرار گرفته و برای تجارت الكترونیكی خود به آن متكی هستید، كار كنند. این اجزاء با هم كاری كنند و زیر ساخت های IT شما را می سازند. این عناصر نامتجانس و غیر همسان باید به طور موثر با هم كار كنند تا برنامه های شما بتوانند خدمات خود را به كاربران ارائه دهند. اما این اجزاء ماهیتاً برای كار با همدیگر ساخته نشده اند. بنابراین نه تنها محیط بسیار پیچیده است بلكه به طور داخلی هم اجزای آن با هم در ارتباطند. اما آن (محیط) لزوماً برای ارتباط داخلی طراحی نشده است. وقتی عنصری را تغییر می‌دهید، روی بقیه چیزها اثر می گذارد. اثرات این وضعیت بر روی مدیران بانك اطلاعاتی چیست؟خب، برای شروع، DBA ها در طول زمانی كار خود فقط برای پشتیبانی از برنامه های جاری و ویژگی های ارتباطی كار می كنند. اما RDBMS های جدیدی تولید شده اند كه خیلی سریعتر و بهتر از نسخه های قدیمی كار می كنند. اما هنوز بسیاری از سازمان ها نمی توانند به اندازه كافی سریع كار كنند تا خیلی جدید و به روز و خیلی ایمن و عملكردی باشند. بنابراین، كار مدیریت پایگاه داده به علت پیشرفت های سریع در تكنولوژی بانك های اطلاعاتی و افزوده شدن توابع جدید، انتخاب های زیاد و قابلیت های بسیار پیچیده به آن ها، بسیار دشوار است. اما DBA ها با وجود كار زیاد، قدردانی كم و كمبود وقت برای به دست آوردن مهارت های ضروری، آخرین و جدیدترین RDBMS ها را پشتیبانی و مدیریت می كنند. دیگر چه می شود كرد؟ اتوماتیك سازی هوشمند یكی از راه های كاهش دادن این مشكلات استفاده از اتوماتیك سازی (خودكارسازی) هوشمند است. در IT حرفه‌ای ما می توانیم از سیستم هایی كه كارهای مختلفی را به طور اتوماتیك انجام می دهند در سازمان هایمان استفاده كنیم. این برنامه های كامپیوتری كار یك فرد را به طور اتوماتیك انجام می دهند تا كار او را آسان تر سازند. اما ما هنوز می خواهیم كارهای DBA مان را به طور هوشمند اتوماتیك سازی كنیم. با خودكار سازی كارهای ملال آور روزانه مدیران پایگاه داده، می توانیم زمانی را برای یادگیری ویژگی های جدید در RDBMS ها صرفه جویی كنیم و آن ها را به طور مناسب پیاده سازی نماییم. اما فقط اتوماتیك سازی كافی نیست. نرم افزار باید بتواند به طور هوش مند نظارت و تحلیل شود و برنامه های كاربردی كه داده های جمع آوری شده گذشته، حال و آینده را تحلیل می‌كنند به طور هوشمند عمل كنند. به عبارت ساده تر، نرم افزار باید مثل یك مشاور كار كند و كاملاً نقش یك مشاور قابل اعتماد را ایفا نماید. یك مشاور نرم افزاری باید داده های در مورد محیط IT را از سیستم ها (سیستم عامل، سیستم مدیریت بانك اطلاعاتی و ;)، اشیا و برنامه ها جمع آوری كند. لازم است این داده ها پیكربندی اولیه شوند تا هم برای كاربران مبتدی و هم برای كاربران ماهر قابل استفاده باشند. مشاور نرم افزاری باید شرایط لازم برای عمل نگهداری را مشخص كند و سپس كاربری كه مش كلی برایش پیش آمده را راهنمایی كند و نهایتاً به طور مفید و سودمند به صورت انتخابی و گزینه ای عملیات لازم برای تصحیح اشكالاتی كه تشخیص داده است را اجرا كند. امروزه ابزارهای مدیریتی زیادی در دسترس هستند كه این تحلیل ها و عملیات اجرایی كاربر را كنار می گذارند. اما راه‌حل های اتوماتیك سازی هوشمند به اندازه كافی زیركانه و هوشمندانه است كه محیط IT شما را با كم ترین، و اغلب بدون، تراكنش DBA یا كاربر بهینه سازی و اجرا می كند. تنها از طریق اتوماتیك سازی هوشمند می توانیم تعهدات و وعده های تكنولوژی را تحقق بخشیم. همان طور كه وظایف IT بسیار پیچیده شده اند و استخدام و باقی ماندن افراد حرفه ای IT مشكل تر شده است، وظایف بیشتری از IT باید با استفاده از نرم افزارهای مدیریت هوشمند، اتوماتیك شوند. این در مورد كارهای پیچیده، من جمله مدیریت بانك اطلاعاتی (DBA) نیز صادق است. استفاده از هوشمندسای خودكار می تواند میزان زمان، تلاش و خطاهای انسانی را با مدیریت بانك های اطلاعاتی و برنامه های پیچیده كاهش دهد. ***< پایگاه داده > یك سیستم مدیریت پایگاه داده كه اعتبار سنجی داده ها را انجام می دهد و توسط برنامه های كاربردی به طور سنتی پردازش می‌شود. اغلب DBMS ها عمل اعتبارسنجی داده ها را انجام می دهند به این معنا كه داده های غلط یا داده های الفبایی كه در فیلدهای مخصوص وارد كردن میزان پول، وارد شده اند را حذف می كنند، البته اغلب پردازش ها توسط برنامه های كاربردی انجام می گیرد. هر چند محدودیتی برای میزان پردازش هایی كه می‌توان توسط یك پایگاه داده هوشمند تا زمانی كه پردازش یك عمل استاندارد بر روی داده ها باشد، وجود ندارد. نمونه هایی از تكنولوژی هایی كه در پیاده‌سازی پایگه داده های هوشمند به كار می روند عبارتند از: تریگوها، محدودیت ها و روال های ذخیره شده. انجام پردازش بر روی پایگاه داده، جامعیت داده ها را افزایش می دهد زیرا دسترسی همه كاربران به داده های مربوطه را تضمین می كند. بانك‌های اطلاعاتی Mainframe (كامپیوترهای بزرگ) بسیا ر هوشمندند و بانك های اطلاعاتی كامپیوترهای شخصی در عوض سریع تر هستند. ***تعریف – یك بانك اطلاعاتی هوشمند یك پایگاه داده تمام متن است كه هوش مصنوعی (AT) را به خدمت گرفته است و با كاربران آن قدر تعامل می‌كند (ارتباط برقرار می كند) تا مطمئن شود كه آیتم های وارد شده بهترین و مناسب ترین اطلاعات ممكن هستند. این در تضاد با بانك های اطلاعاتی سنتی است كه فقط با كلمات كلیدی و عباراتی كه توسط عملگرهای منطقی مثل AND ، OR و NOT به هم مرتبط شده اند قابل جستجو هستند. زمانی كه یك جستجو توسط یك بانك اطلاعاتی تمام متن سنتی انجام می‌گیرد، صرفاً كلمات كلیدی و عباراتی كه در یك فایل مرجع قرار دارند نمی‌توانند پیدا كردن مفاهیمی در آن فایل كه مرتبط با موضوع مورد جستجو است را تضمین كنند. یك بانك اطلاعاتی هوشمند گزینه های انتخابی گسترده و بسیار انعطاف پذیری را برای ساخت پرس و جوها فراهم می كند. مثلاً، كاربر باید یك پرسش را به صورت یك جمله كامل تایپ كند. سپس بانك اطلاعاتی لیستی از داده های بازیابی شده را بر اساس میزان شباهت به جواب را فراهم می كند. بنابراین داده خروجی، جواب مناسبی برای آن سوال خواهد بود. هوش مصنوعی می تواند خطاهای ناشی از بی توجهی كاربر مثل اِسپل (هجی) غلط كلمات را تصحیح كند. بعضی از بانك های اطلاعاتی هوشمند كلمات معادل (هم معنی) و تضاد (دارای معنای مخالف) كلمات كلیدی و عبارات را نمایش می‌دهند. برای بهره گیری بهتر از بانك اطلاعاتی هوشمند، كاربر باید پرس و جوهای خود را با عبارات دقیق تر بسازد (درست مثل زمانی كه فردی مورد بازجویی قرار می گیرد.) مثلاً كاربر باید تایپ كند: «چه موقع كامپیوتر من قادر است قیمت سهام را پیشگویی كند؟» اگر این سوال جواب های رضایت بخشی در برنداشت، كاربر می تواند سوال جزئی تری بپرسد یا اینكه ماهیت پرس و جو را تغییر دهد. یك جستجو باید بتواند به كامپیوتر مشخص، سرور یا شبكه یا كل اینترنت محدود شود. یك جستجو می تواند به موضوعات مشخص مثل مقالات خاص، اخبار جهان، اخبار محلی، اخبار منطقه ای، اخبار تجاری، عكس، صفحات سفید یا زمینه ای از فن آوری اطلاعات محدود گردد. پرس و جوها می توانند به زبان های مشخص، مناطق جغرافیایی یا دوره های تاریخی محدود شوند. یك بانك اطلاعاتی هوشمند می تواند تاریخچه جستجوهایی كه اخیراً كاربر انجام داده را برای او فراهم آورد، تا اگر لازم باشد بعداً جستجو را پالایش كند یا جستجوی دیگری با همان عنوان انجام دهد، در این حالت ها نیازی نیست كه كاربر كارهایی كه قبلاً كرده و سوالاتش را دوباره تكرار كند. واسط بانك اطلاعاتی هوشمند: تركیب هوش مصنوعی و سیستم های پایگاه داده خلاصه: واسط بانك اطلاعاتی هوشمند (IDI) یك واسط مبتنی بر حافظه پنهان (كش) است كه برای ایجاد سیستم های هوش مصنوعی با دستیابی موثر به یك یا چند پایگاه داده در یك یا چند سیستم مدیریت بانك اطلاعاتی (DBMS) راه دور طراحی شده است. از آن به عنوان واسطه ای بین انواع مختلف DBMS كه از SQL برای ارتباط با DBMS های راه دور استفاده می كنند و پیاده‌سازی IDI كه قابلیت حمل و نقل خوبی ایجاد می كند، استفاده می شود. زبان پرس و جوی IDI مجموعه محدودی از عبارات Horn است كه به زبان SQL ترجمه شده اند. خروجی های IDI هر بار در یك سطر (tuple) برگردانده می شوند و IDI برای بالا بردن كارایی حافظه كش كه نتایج در آن نگهداری می شود را مدیریت می كند. IDI یكی از عناصر كلیدی سرور سیستم هوشمند (ISS) است كه جزء سیستم های جوابگو و ارائه دانش به شمار می‌رود. IDI همچنین برای ایجاد سرویس های پایگاه داده برای برنامه های سیستمی زبان Unisys به كار می رود. مقدمه واسط بانك اطلاعاتی هوشمند IDI یك واسط قابل حمل و مبتنی بر حافظه كش است كه برای ایجاد سیستم های هوش مصنوعی در سیستم های عمومی و تخصصی كه نیاز به دسترسی موثربه یك یا چند بانك اطلاعاتی در یك یا چند DBMS راه دور كه از SQL استفاده می كنند، دارند به كار می رود. زبان پرس و جوی IDI زبان واسط بانك اطلاعاتی هوشمند است كه بر اساس مجموعه ای از عبارات عملكرد آزاد Horn است كه هِدِر (سرآمیز) هر عبارت لیست هدف (یعنی لیستی از نتایج) را مشخص می كند و بدنه هر عبارت اجتماع تعداد از علائم (لیترال) است كه رابطه های پایگاه داده یا عملیات روی رابطه‌ها و صفات آن ها (یعنی منفی سازی، اجتماع و عملیات حسابی) را نشان می‌دهد. IDI یكی از عناصر كلیدی سرور سیستم هوشمند (ISS) است كه بر اساس Protem ایجاد شده و تركیبی از سیستم های ارائه دانش منطق گرا و فریم‌گرا ایجاد می كند و از استدلال زنجیره ای پیش رو، استدلال زنجیره ای پس رو و نگهداری منطقی پشتیبانی می كند. IDI به گونه ای طراحی شده كه با شمای ارائه دانش منطق گرای ISS سازگار باشد. IDI همچنین برای پیاده سازی یك سرور پرس و جو كه پایگاه داده سیستم اطلاعاتی مسافرت هوایی را پشتیبانی می كند و با سیستمی كه با زبان پرولوگ نوشته شده، قابل دستیبای است، به كار می رود. علاوه بر فراهم ساختن دستیابی موثر به DBMS های راه دور، IDI مزایای دیگری هم دارد. از IDI می توان به عنوان واسطه ای بین انواع مختلف DBMS كه از SQL برای ارتباط با DBMS های راه دور استفاده می كنند، بهره برد. همچنین، اتصالات زیادی در DBMS های یكسان یا متفاوت به طور همزمان وجود دارند و باید بتوانند در مقابل هر تعداد پرس و جو، فعال باقی بمانند زیرا اتصالات به DBMS های راه دور، اشیاء انتزاعی هستند كه به عنوان منابع توسط IDI مدیریت می شوند. نهایتاً، اطلاعات شمای دستیابی به طور اتوماتیك توسط IDI اداره می شود یعنی برای نگهداری اطلاعا ت شما به صورت به روز، نیاز به برنامه كاربری نداریم. این ویژگی، به طور قابل توجهی میزان خطاهای ناشی از اشتباه در وارد كردن داده ها و اطلاعات قدیمی را كاهش می دهد. IDI را می توان به صورت یك واسطه DBMS نشان داد كه پرس و جوهایی به شكل عبارت IDIL را می پذیرد و نتایج را به صورت مجموعه ای از تاپل ها (سطرها) بر می گرداند. (به كمك رشته ها در زبان Lisp) پرس و جوهای IDIL به زبان SQL ترجمه می شوند و برای اجرا به DBMS مناسب فرستاده می شوند. سپس نتایج به دست آمده از DBMS به كمك IDI به تاپل هایی از اشیاء Lisp تبدیل می شوند. هر چند IDI برای استفاده مستقیم كاربر طراحی نشده است. آنچه در زیر آمده است نحوه استفاده از IDI به عنوان یك سیستم مستقل را شرح می دهد. ما به علت پیچیدگی بحث به جزئیات سیستم های هوش مصنوعی مثل ISS نمی پردازیم. طراحی IDI به شدت از تحقیقات گذشته در حوزه تلفیق بانك های اطلاعاتی و هوش مصنوعی اثر گرفته است. این یكی از مهم ترین معیارهای طراحی است كه باعث شده IDI از پرس و جوهای دشوار IDIL پشتیبانی كند. این اجازه می دهد كه پرس و جوها در بیش از یك رابطه در بانك اطلاعاتی انجام گیرند. این قابلیت به سیستم های هوش مصنوعی اجازه می دهد تا محاسباتی كه پردازش آن ها توسط DBMS بسیار كارآمدتر است، به جای سیستم هوش مصنوعی توسط DBMS انجام گیرند. در بسیاری از موارد، این كار باعث كاهش اندازه مجموعه داده هایی كه توسط DBMS برگردانده می شود، می‌گردد.شكل 1: با توجه به چهار راهكار موجود برای تلفیق AI (هوش مصنوعی) و DB (بانك اطلاعاتزمانی كه IDI در یك سیستم كوچك به كار گرفته شود، قابلیت حمل و نقل بالایی را ایجاد می كند و این به خاطر پیاده سازی آن با Lisp ، برقراری ارتباط با DBMS های راه دور با استفاده از SQL و پایپ های یونیكس و بیان پرس و جوهای IDIL و نتایج آن ها به صورت اشیاء Lisp است. در بخش های بعد نگاه مختصری به حوزه تلفیق AI و DB كه قسمت عمده‌ای از IDI را تشكیل می دهد داریم، سپس به سازماندهی و عناصر اصلی IDI می پردازیم و در آخر با ارائه مثال به اینكه چگونه IDI در دو برنامه كاربردی استفاده می شود خواهیم پرداخت. تلفیق AI/DB (هوش مصنوعی و بانك اطلاعاتی) تركیب AI (هوش مصنوعی و تكنولوژی های DBMS نقش مهمی در آینده كامپیوترها و محاسبات سازی می كند. همان طور كه اشاره شد تلفیق AI/DB نه تنها بر نسخه های جدید كامپیوترها بلكه بر ادامه توسعه تكنولوژی DBMS اثر خواهد گذاشت و با استفاده از تكنولوژی هوش مصنوعی آن ها را كارآمدتر خواهد ساخت. زمانی كه هر دو سیستم AI و DBMS ، به خصوص سیستم‌های خبره، تركیب شوند، تحقیق و توسعه در این زمینه از تلفیق AI/DB امری نوین به شمار می آید. انگیزه های ما برای تلفیق این دو تكنولوژی شامل الف) نیاز به حجم زیادی از داده اشتراكی برای پردازش دانش ب) نیاز به مدیریت كارآمد داده ها به خوبی دانش ج) نیاز به پردازش هوشمند داده ها است. علاوه بر این اهداف، میل به نگهداری و حفظ سرمایه قابل توجه كه توسط پایگاه های داده موجود بیان می شود، نیز یك عامل انگیزشی دیگر برای این كار است. برای رسیدن به این هدف، یك معیار كلیدی برای طراحی IDI به طوری كه استفاده از DBMS های موجود به عنوان عناصر مستقل سیستمی را پشتیبانی كنند، لازم است همان طور كه در شكل 1 نشان داده شده و در زیر شرح داده شده راهكارهای زیادی برای تلفیق AI/DB كشف و گزارش داده شده است. گسترش سیستم های هوش مصنوعی: در این راهكار، سیستم AI توسط قابلیت های DBMS گسترش داده می‌شوند تا دسترسی موثر و مدیریت حجم زیاد داده های ذخیره شده را فراهم آورد. در كل، چنین سیستم هایی نمی توانند كاملاً تكنولوژی DBMS را پیاده‌سازی كنند. ترجیحاً، نقاط قوت سیستم AI و قابلیت های DBMS با یك روش محدود كننده و ad hoc فقط لایه دسترسی به داده ها را پیاده سازی می‌كنند. ادامه خواندن مقاله در مورد مديريت پايگاه داده هوشمند

نوشته مقاله در مورد مديريت پايگاه داده هوشمند اولین بار در دانلود رایگان پدیدار شد.