Bases de données réparties: Fragmentation et allocation

Dimension: px
Commencer à balayer dès la page:

Download "Bases de données réparties: Fragmentation et allocation"

Transcription

1 Pourquoi une base de données distribuée? Bibliographie Patrick Valduriez, S. Ceri, Guiseppe Delagatti Bases de données réparties: Fragmentation et allocation 1 - Introduction inventés à la fin des années 70 rassembler les données disséminés dans un réseau de machines sous forme d une base de données globale, homogène et intégrée. Utilités Limiter le transfert d informations (nombre et volumes) Répartition de charge Augmenter la fiabilité (Duplication) Fusionner des systèmes d informations Définition Une base de données distribuée est une base de données dont les différentes parties sont stockées sur des sites (géographiquement distants), reliés par un réseau. La réunion de ces parties forment la basent de données distribuées Pourquoi une base de données distribuée? Pourquoi une base de données distribuée? 2 - Objectifs Indépendance à la localisation 3. Quelques points Permettre l écriture des programmes d application sans connaître la localisation physique des données SBGD réparties doit offrir les mêmes services que les SGBD monolithiques Requêtes exprimées en SQL similaires aux requêtes locales! décharger l utilisateur de tous les problèmes de concurrence, fiabilité et optimisation des requêtes Transparence! Simplifier la vue utilisateur et l écriture de requêtes il doit disposer: Indépendance à la fragmentation La relation principale indépendante de la manière de la découper! Les modifications ne doivent pas modifier les programmes Indépendance au SGBD La relation globale doit être exprimée dans un langage normalisé indépendant des constructeurs Autonomie des sites Supprimer la nécessité d une administration centralisée! Accomplissement local des reprises après pannes et des mises à niveaux des logiciels! Sans impacts sur les autres sites Rq: «inconvénients des systèmes distribués» - dictionnaire de données réparties - traitement de requêtes réparties - gestion des transactions réparties - communication de données inter-sites - gestion de la cohérence et la sécurité SGDBr assure la décomposition des requêtes distribuées en sous requêtes locales envoyés à chaque sites EX: SELECT * FROM Pour la mise à jour, il doit assurer la gestion des transactions réparties! vérification des règles d intégrité multi-bases, contrôle des accès concurrents, gestion de l atomicité des transactions distribuées Peut s appuyer sur les fonctions locales de gestion de transactions pour accomplir les fonctions globales! Complexité résultant de leur coordination! Nouvelles préoccupations: coût de développement, potentialité des pannes, coordination Avantages et inconvénients de la répartition de données Systèmes de gestion des BD réparties Avantages Efficacité et fiabilité d accès à des données partagées Concept de base! partage des données et gestion réparties - accès à partir d un site à l ensemble des données (évite la concentration de données) Schéma local - gestion locale (maîtrise de ses propres données pour chaque site): mais autonomie relative Gérer par le SGDB local! fiabilité et disponibilité Chaque base local partage une partie de la base aux sites clients - maintient de l exploitation en cas pannes par substitution des sites - réplication des données Schéma Global Inconvénients Complexité pour coordonner! Coût de développement logiciel! Potentialité plus forte d erreurs logicielles (bugs cachés, algo. Fragilisé par parallèlisme)! Servitude de systèmes accrues pour la coordination: Permet de définir l ensemble de données de la BD ~ schéma conceptuel Pas forcément matérialisé <chaque BD locale implémente une partie. Ces parties locales sont les seules matérialisées sur les disques> - Échanges de messages - Calcul supplémentaire - Récupération de systèmes plus complexes après pannes (Réintégration des sites ou liaisons en pannes)

2 Principes de conception des BD distribuées Approche de conception des BD distribuées Principes principes (propriétés) des SGDB centralisées plus: soit une relation R! réplication: R copié sur plusieurs sites! Fragmentation: R découpé en plusieurs fragments, chacun hébergé sur un site! Réplication et fragmentation: R découpé en fragments, copié sur divers sites 2 approches: Descendante (Décomposition) <utilisé lors de la constitution de nouvelle base de données> conception du schéma conceptuel globale Définitions des niveaux de schémas! Besoins des utilisateurs intégrés dans un schéma conceptuel (unique)! Des vues peuvent être dériver du schéma conceptuel! L administrateur construit le schéma de fragmentation (découpage du schéma conceptuel en plusieurs sous schémas avec des liens entre les deux)! L Admin. Définit le schéma d allocation (localisation des fragments sur les différents sites). Création automatique des schémas logiques sur chaque sites en fonction des fragments allouées! l Admin. Doit finalement décrire les schémas internes. distribution pour obtenir les schéma conceptuel locaux fragmentation affectation aux sites allocation <guidé par un soucis performance> Ascendante <Permet l intégration de bases de données locales existantes dans une base distribuées> <démarche plus difficile> Intégration de bases de données existantes résoudre les problèmes d hétérogénéité des systèmes ou sémantique de l information Systèmes de gestion des BD réparties Niveau de couplage Existence de différents niveau de couplages La littérature propose différents modèles et terminologie Certains critères restent déterminants:! non-possibilité d accès aux systèmes locaux! matérialisation du schéma globale, La base maîtresse ne contient que des méta-données Les accès aux sites locaux sont prohibés d autres modèles plus réalistes: Autonomie des sites locaux Instanciation des données sur le site maître Dans la pratique: Systèmes faiblement couplés! communication des systèmes locaux! pas de schéma globale proprement dit Bases de données réparties: Les prédicats simples On se donne une relation R(A1, A2, A3,, An) Les prédicats minterms Les prédicats simples Pj se définit par Soit relation R et un ensemble de prédicats simples Pr. Pj: Ai Φ valeur On définit l ensemble des prédicats minterms M = { M1, M2,, Mm } avec, Φ = { =, <, <=, >, >= } M = { Mi Mi = Pj Pr Pj* } valeur Di, le domaine de valeurs de l attribut Ai avec, 1 <= j <= p On définit Pr = { P1, P2,, Pp } l ensemble des prédicats simples définit sur la relation R. 1 <= i <= m Pj* = Pj ou Pj* = (Pj) P1: Pname = ESIREM P2: Budget <=

3 M1: Pname = ESIREM & Budget <= M2: Pname = ESIREM & NOT(Budget <= ) M3: NOT(Pname = ESIREM ) & Budget <= M4: NOT(Pname = ESIREM ) & NOT(Budget <= ) propriétés sélectivité des minterms: SEL(Mj) Indique le nombre de tuples auxquels peut accéder une requête selon un prédicat minterm donné. Par exemple la sélectivité de M2 est 0 si aucun projet ne correspond aux conditions du minterm. Fréquence d accès: ACC(qi)! La fréquence à laquelle l application utilisateur accède aux données. ACC(qi) donne la fréquence de la requête qi durant une certaine période.! De même on définit ACC(Mj) la fréquence d accès du minterm Mj, correspondant à la fréquence d accès de qj selon Mj On se donne une relation SALAIRE (S_TITRE,S_SAL) Application On veut vérifier les salaires des employés d une entreprise et déterminer les possibilités d augmentation. Les prédicats simples P1: P_SAL <= P2: P_SAL > Les prédicats simples M1: P_SAL <= AND P_SAL > M2: P_SAL <= AND NOT(P_SAL > 30000) M3: NOT(P_SAL <= 30000) AND P_SAL > M4: NOT(P_SAL <= 30000) AND NOT(P_SAL > 30000) Les implications I1: P_SAL <= 30000! NOT(P_SAL > 30000) I2: NOT(P_SAL <= 30000)! P_SAL > I3: P_SAL > 30000! NOT(P_SAL <= 30000) I4: NOT(P_SAL > 30000)! P_SAL <= Fragmentation de SALAIRE M1 est contredit par I1, et M4 par I2 Approche Pour chaque relation simple dans le schéma conceptuel global! Identifier les applications les plus importantes accédant à la relation! Définir les prédicats simples selon les critères de sélections des requêtes définies sur la relation! Générer les prédicats minterms comme conjonction des prédicats simples (Ne pas oublier les formes négatives des prédicats simples)! Identifier les prédicats contradictoires et redondants, puis les éliminer! Définir les fragments à partir d opérations de sélections selon les prédicats minterms Complétude des minterms Un minterm est dit complet s il définit un ensemble de tuples ayant la même probabilité d être accéder par les applications.! Si une application accède à la relation PROJ selon le nom du projet: - Pi = σ Pname= X PROJ - produit des fragments où tous les tuples ont la même probabilité d être accèder! Si une seconde application accède seulement au projet ayant un budget supérieur à Pname = X, ne définit pas un ensemble avec une même probabilité d accès - On doit ajouter le prédicat simple associé au budget - Pi = σ (Pname= X AND budget > ) PROJ

4 Techniques de partition horizontale Minterm minimum Détermines l ensemble des prédicats simples pertinents sur les minterms! un prédicat est dit pertinent pour un minterm si: - il permet de définir une nouvelle partition - la partition est accédée par au moins une application! un minterm est dit minimum si tous les prédicats simples sont pertinents. Round robin. Hash partioning. Range partioning Augmenter les minterms jusqu à produire un prédicats minterm qui soit:! complet! minimum Round robin Hash partitioning. On distribue également les données. Permet une analyse de la totalité des relations. Pas intéressant pour les requêtes ponctuelles et les plages de requêtes. Efficace pour les requêtes ponctuelles selon des clés, ainsi que pour les jointures. Pas bon pour les plages de requêtes et les requêtes ponctuelles sans clés. Avantages des fonctions de hachages => une distribution uniforme Qu est-ce qu une bonne fragmentation? 1: F = {F1,F2} F1 = σ(sal)<10(e) F2 = σ(sal)>20(e) Problème: Perte de certains tuples! 2: F = {F3,F4} F3 = σ(sal)<10(e) F4 = σ(sal)>5(e) Les tuples tels que «5 <sal< 10» sont dupliqués F1 = σ location=paris (Employe) F2 = σ location=lausanne (Employe)

5 Qu est-ce qu une bonne fragmentation? Rappel: Critères d exactitude Gestion explicite de la réplication Soit R => F = { F1, F2, } 1. Complétude Example: F = { F5, F6, F7 } Pour tout t R, il existe Fi F tel que t Fi F5 = σ sal <=5 (E) F6 = σ 5 < sal < 10 (E) 2. Indépendance 3. Reconstruction Fi Fj = null, pour tout i,j tel que i j F7 = σ sal >=10 (E) Il existe tel que R = Fi! Puis répliquer F6 si on le souhaite dans le cadre de l allocation Intuition Si deux relations sont liées et sont souvent utilisées ensemble, on peut définir les fragments correspondants (des deux relations) qui peuvent être utilisés ensemble. Bases de données réparties: Questions! Que veut dire deux relations liées.! Comment définir une fragmentation basée sur le lien entre 2 relations Une (DHF) se définit sur les membres d une relation R pointés par le lien L selon les prédicats de sélection par la relation propriétaire S L1, L2, L3 sont des liens de jointures (équi-jointures) Owner(L1) = PAY et Member(L1) = EMP

6 EMP (ENO, ENAME, TITLE, DEPT) ASG (ENO, DNO, DUR) Si les employés sont gérés par un département! M1 = DEPT=D1! M2 = DEPT=D2! M3 = DEPT=D3 Les données de ASG sont dépendantes et associées à celles de EMP, ainsi l allocation des fragments de ASG sont définis selon les min-terms définis sur EMP! A1 = ASG E1! A2 = ASG E2! A3 = ASG E3 Les fragmentations indépendantes peuvent mener à des jointures excessives (que l on peut supprimer) On définit une fragmentation dérivée qui permet de garantir qu une seule jointure accède aux données de E et de A Semi-jointure DHF La semi-jointure d une relation R, définit sur un ensemble d attributs A, par la relation S, définit sur un ensemble d attributs B, est un sous-ensemble de tuples de R qui participe à la jointure de R avec S.! Soit R (F) S, où un F est un prédicat! Il peut-être obtenu comme suit: R (F) S = Π(a) ( R (F) S ) On définit les critères de fragmentation pour la relation Alloc selon les minterms spécifiés par la relation Proj P1 = σ( LOC=«Dijon» AND Budget<= ) PROJ P2 = σ( LOC=«Dijon» AND Budget> ) PROJ P3 = σ( LOC=«Lyon» AND Budget<= ) PROJ P4 = σ( LOC=«Lyon» AND Budget> ) PROJ P5 = σ( LOC=«Beaune» AND Budget<= ) PROJ P6 = σ( LOC=«Beaune» AND Budget> ) PROJ DHF On définit la fragmentation horizontale dérivée obtenue en définissant des semi-jointures sur les fragments de PROJ A1 = ALLOC A2 = ALLOC A3 = ALLOC A4 = ALLOC A5 = ALLOC A6 = ALLOC ( Alloc.PNO=P1.PNO ) P1 ( Alloc.PNO=P2.PNO ) P2 ( Alloc.PNO=P3.PNO ) P3 ( Alloc.PNO=P4.PNO ) P4 ( Alloc.PNO=P5.PNO ) P5 ( Alloc.PNO=P6.PNO ) P6

7 Fragmentation verticale Motivation Bases de données réparties: Les patterns d accès des applications (Ex: PROJ): - obtenir les numéros des projets selon leurs budgets - obtenir les noms des projets selon leurs localisations Introduction La fragmentation verticale! définit les sous-ensembles des attributs des relations qui sont accédés ensemble! réduit les coûts d accès aux données et leurs transferts! disponible aussi bien en environnement centralisé que distribué! plus complexe que la fragmentation horizontale Cf. B(m), Bell number pour les grandes valeurs de m, B(m) m [Hammer et Niamir, 1979] Problématique Soit une relation R, un ensemble de requêtes Q, un ensemble de sites S (sur lesquels sont appliqués Q), et des statistiques sur ces traitements A partir de ces éléments, on définit une politique de fragmentation qui identifie les sous-ensembles disjoints des attributs de R, minimisant les coûts d évaluation des requêtes. Heuristiques Grouping - On commence par créer un fragment pour chaque attribut, puis les agréger progressivement pour constituer les fragments Splitting - Les relations globales sont progressivement réparties sur les fragments - C est une approche descendante, cohérent avec l approche utilisée pour la fragmentation horizontale primaire VF Splitting Strategy Méthode d application - affinité des attributs Une mesure pour définir la proximité des attributs - usage des attributs Soit un ensemble de requêtes Q = { Q1, Q2,, Qq } sur la relation R(A1, A2,, An ) use( Qi, Aj ) = 0 sinon 1 si Aj est référencé par Qi

8 s s Relation PROJ: - Q1 = SELECT budget FROM proj WHERE pno=value - Q2 = SELECT pname,budget FROM proj - Q3 = SELECT pname FROM proj WHERE loc=value - Q4 = SELECT sum(budget) FROM proj WHERE loc=value La matrice d usage des attributs - A1 = pno, A2 = pname, A3 = budget, A4 = loc Affinité L usage des attributs n est pas suffisant pour définir les fragments La qualité d information indique les patterns d accès des requêtes sur les attributs - Accs (Qk) nombre d accès sur une paire d attributs Ai, Aj par la requête sur un intervalle de temps - Aff(Ai,Aj) = Σ k use(qk,ai)=1 & use(qk,aj)=1 Σs Accs (Qk) Pour chaque requête qui accède à la pair d attributs, on somme la fréquence d accès à tous les sites Bond Energy Algorithme (BEA) A partir de la matrice d affinité, on veut définir des clusters d attributs BEA possède les propriétés suivantes: - On regroupe les ensembles de valeurs ayant une affinité élevée - Ainsi que celles ayant une affinité faible - Le regroupement final est indépendant de l ordre des entrées - Temps de traitement raisonnable: Ο(n²) n avec n le nombre d attributs Algorithme BEA Entrée: matrice d affinité Traitement: Permutation des colonnes et des lignes! pour chaque nouvelle distribution d attributs - calculer pour chaque matrice entrée, une nouvelle valeur correspondant à la somme des valeurs de ses voisins - le meilleur clustering donne la valeur la plus élevé Maximiser l affinité des attributs Max AM = Σi=1..n Σi=1..n Aff(Ai,Aj)*[Aff(Ai,Aj-1) + Aff(Ai,Aj+1)] L algorithme BEA fournit la matrice avec des valeurs élevées pour AM. L intuition est qu on doit commencer avec les 2 premières colonnes de la matrice d affinité, en insérant la suivante par analyse de la meilleure configuration donnant le meilleur BOND selon la matrice AM. Ceci est appelé la contribution de la nouvelle colonne selon la matrice courante AM.

9 de matrice d affinité Calcul de max AM Considérant la matrice AM précédente. On considère les colonnes A1 et A2, et on analyse l effet d insérer A3 en terme de contribution (Cont). Pour une composition de (A1, A3, A2), nous avons: - Cont(A1,A3,A2) = 2BOND(A1,A3) + 2BOND(A3,A2) 2BOND(A1,A2) où - BOND(Ax,Ay) = Σ i,j=1..n Aff(Ai,Ax)*Aff(Aj,Ay) : Cont(A0,A3,A1) = 2BOND(A0,A3) + 2BOND(A3,A1) 2BOND(A0,A1) = 2*11000 = Car, BOND(A0,A3) = BOND(A0,A1) = 0 BOND(A3,A1) = 50* * * = Splitting Point Après que la matrice d affinité a été clusterisée:! on doit définir les points où diviser les attributs pour produire les fragments Calcul des accès référents: - T = ΣQ in T Σ s=1..n Acc(Qi) - B = ΣQ in B Σ s=1..n Acc(Qi) - BOTH = Σ Q in BOTH Σs=1..n Acc(Qi) Ces expressions détermine le nombre d accès fait exclusivement par les applications accédant uniquement à TOP, à BOTTOM ou aux attributs dans les deux cas. Nous cherchons un point dans la matrice diagonale qui offre la valeur la plus élevée pour: Z = T*B BOTH² Verification de la pertinence Fr = { R1, R2,, Rn } Complétude A = U Ri Reconstruction R = k Ri, pour tout Ri Fr Indépendance Les fragments sont disjoints, à l exception des clés

Bases de données réparties

Bases de données réparties Bases de données réparties J. Akoka - I. Wattiau 1 Contexte Technologique : des solutions de communication efficace entre les machines des SGBD assurent la transparence des données réparties standardisation

Plus en détail

BD parallèles et réparties

BD parallèles et réparties LOG660 - Bases de données de haute performance BD parallèles et réparties Département de génie logiciel et des TI BD parallèles vs réparties BD réparties Les données se trouvent sur plusieurs sites (noeuds)

Plus en détail

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes Optimisation de requêtes I3009 Licence d informatique 2015/2016 Cours 5 - Optimisation de requêtes Stéphane.Gançarski Stephane.Gancarski@lip6.fr Traitement et exécution de requêtes Implémentation des opérateurs

Plus en détail

Module BDR Master d Informatique (SAR)

Module BDR Master d Informatique (SAR) Module BDR Master d Informatique (SAR) Cours 6- Bases de données réparties Anne Doucet Anne.Doucet@lip6.fr 1 Bases de Données Réparties Définition Conception Décomposition Fragmentation horizontale et

Plus en détail

Chapitre 10. Architectures des systèmes de gestion de bases de données

Chapitre 10. Architectures des systèmes de gestion de bases de données Chapitre 10 Architectures des systèmes de gestion de bases de données Introduction Les technologies des dernières années ont amené la notion d environnement distribué (dispersions des données). Pour reliér

Plus en détail

BD réparties. Bases de Données Réparties. SGBD réparti. Paramètres à considérer

BD réparties. Bases de Données Réparties. SGBD réparti. Paramètres à considérer Bases de Données Réparties Définition Architectures Outils d interface SGBD Réplication SGBD répartis hétérogènes BD réparties Principe : BD locales, accès locaux rapides accès aux autres SGBD du réseau

Plus en détail

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche

Systèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche Répartition, Parallèlisation, hétérogénéité dans les SGBD AI Mouaddib Département Informatique Université de Caen Systèmes d informations nouvelles générations! Constat :! Utilisation de nouveaux support

Plus en détail

Bases de Données Relationnelles. L algèbre relationnelle

Bases de Données Relationnelles. L algèbre relationnelle Bases de Données Relationnelles L algèbre relationnelle Langages de manipulation Langages formels : base théorique solide Langages utilisateurs : version plus ergonomique Langages procéduraux : définissent

Plus en détail

Architecture des SGBD Architecture centralisée

Architecture des SGBD Architecture centralisée Chapitre 1 Université du Havre MASTER MATHÉMATIQUES ET INFORMATIQUE-Option SIRES 2013/20134 COURS BASES DE DONNEES REPARTIES Nakechbandi M., LITIS, Email : nakech@free.fr 1. Introduction : Notion de Bases

Plus en détail

Chapitre 1. 1. Introduction : Notion de Bases de données. 2. Définition : BD Répartie. 3. Architecture des SGBD. 4. Conception des bases réparties

Chapitre 1. 1. Introduction : Notion de Bases de données. 2. Définition : BD Répartie. 3. Architecture des SGBD. 4. Conception des bases réparties Université du Havre MASTER MATHÉMATIQUES ET INFORMATIQUE-Option SIRES 2010/2011 COURS BASES DE DONNEES REPARTIES Nakechbandi M., LITIS, Email : nakech@free.fr Chapitre 1 1. Introduction : Notion de Bases

Plus en détail

TP Bases de données réparties

TP Bases de données réparties page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

Plus en détail

Les principaux domaines de l informatique

Les principaux domaines de l informatique Les principaux domaines de l informatique... abordés dans le cadre de ce cours: La Programmation Les Systèmes d Exploitation Les Systèmes d Information La Conception d Interfaces Le Calcul Scientifique

Plus en détail

Cours Bases de données

Cours Bases de données Informations sur le cours Cours Bases de données 9 (10) séances de 3h Polycopié (Cours + TD/TP) 3 année (MISI) Antoine Cornuéjols www.lri.fr/~antoine antoine.cornuejols@agroparistech.fr Transparents Disponibles

Plus en détail

Présentation du module Base de données spatio-temporelles

Présentation du module Base de données spatio-temporelles Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes

Plus en détail

et les Systèmes Multidimensionnels

et les Systèmes Multidimensionnels Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées

Plus en détail

Les bases de données

Les bases de données Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive

Plus en détail

Cours Base de données relationnelles. M. Boughanem, IUP STRI

Cours Base de données relationnelles. M. Boughanem, IUP STRI Cours Base de données relationnelles 1 Plan 1. Notions de base 2. Modèle relationnel 3. SQL 2 Notions de base (1) Définition intuitive : une base de données est un ensemble d informations, (fichiers),

Plus en détail

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation

4. Utilisation d un SGBD : le langage SQL. 5. Normalisation Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :

Plus en détail

ECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ;

ECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ; RÈGLES A SUIVRE POUR OPTIMISER LES REQUÊTES SQL Le but de ce rapport est d énumérer quelques règles pratiques à appliquer dans l élaboration des requêtes. Il permettra de comprendre pourquoi certaines

Plus en détail

Systèmes de Gestion de Bases de Données Réparties & Mécanismes de Répartition avec Oracle

Systèmes de Gestion de Bases de Données Réparties & Mécanismes de Répartition avec Oracle Ecole Supérieure de Technologie et d Informatique à Carthage Année Universitaire 2005-2006 Systèmes de Gestion de Bases de Données Réparties & Mécanismes de Répartition avec Oracle Rim Moussa M.A. à l

Plus en détail

Bases de Données Réparties Concepts et Techniques. Matthieu Exbrayat ULP Strasbourg - Décembre 2007

Bases de Données Réparties Concepts et Techniques. Matthieu Exbrayat ULP Strasbourg - Décembre 2007 Bases de Données Réparties Concepts et Techniques Matthieu Exbrayat ULP Strasbourg - Décembre 2007 1 Définition Une base de données répartie (distribuée) est une base de données logique dont les données

Plus en détail

1 Introduction et installation

1 Introduction et installation TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on

Plus en détail

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan

Présentation du module. Base de données spatio-temporelles. Exemple. Introduction Exemple. Plan. Plan Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Partie 1 : Notion de bases de données (Conception

Plus en détail

16H Cours / 18H TD / 20H TP

16H Cours / 18H TD / 20H TP INTRODUCTION AUX BASES DE DONNEES 16H Cours / 18H TD / 20H TP 1. INTRODUCTION Des Fichiers aux Bases de Données 2. SYSTEME DE GESTION DE BASE DE DONNEES 2.1. INTRODUCTION AUX SYSTEMES DE GESTION DE BASES

Plus en détail

Bases de Données. Plan

Bases de Données. Plan Université Mohammed V- Agdal Ecole Mohammadia d'ingénieurs Rabat Bases de Données Mr N.EL FADDOULI 2014-2015 Plan Généralités: Définition de Bases de Données Le modèle relationnel Algèbre relationnelle

Plus en détail

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/

Information utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/ Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/

Plus en détail

IFT3030 Base de données. Chapitre 2 Architecture d une base de données

IFT3030 Base de données. Chapitre 2 Architecture d une base de données IFT3030 Base de données Chapitre 2 Architecture d une base de données Plan du cours Introduction Architecture Modèles de données Modèle relationnel Algèbre relationnelle SQL Conception Fonctions avancées

Plus en détail

Le Langage SQL version Oracle

Le Langage SQL version Oracle Université de Manouba École Supérieure d Économie Numérique Département des Technologies des Systèmes d Information Le Langage SQL version Oracle Document version 1.1 Mohamed Anis BACH TOBJI anis.bach@isg.rnu.tn

Plus en détail

Architectures d'intégration de données

Architectures d'intégration de données Architectures d'intégration de données Dan VODISLAV Université de Cergy-ontoise Master Informatique M1 Cours IED lan Intégration de données Objectifs, principes, caractéristiques Architectures type d'intégration

Plus en détail

Notation fonctionnelle : Union (R,S) ou OR (R, S) Chapitre 4 : Algèbre Relationnelle

Notation fonctionnelle : Union (R,S) ou OR (R, S) Chapitre 4 : Algèbre Relationnelle Chapitre 4 : IV. Qu est-ce que l algèbre relationnelle? Une collections d opérations, chacune agissant sur une ou deux relations et produisant une relation en résultat. Un langage pour combiner ces opérations.

Plus en détail

PROJET 1 : BASE DE DONNÉES REPARTIES

PROJET 1 : BASE DE DONNÉES REPARTIES PROJET 1 : BASE DE DONNÉES REPARTIES GESTION D UNE BANQUE Elèves : David Bréchet Frédéric Jacot Charles Secrétan DONNÉES DU PROJET SSC - Bases de Données II Laboratoire de Bases de Données BD réparties

Plus en détail

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

Plus en détail

NFA 008. Introduction à NoSQL et MongoDB 25/05/2013

NFA 008. Introduction à NoSQL et MongoDB 25/05/2013 NFA 008 Introduction à NoSQL et MongoDB 25/05/2013 1 NoSQL, c'est à dire? Les bases de données NoSQL restent des bases de données mais on met l'accent sur L'aspect NON-relationnel L'architecture distribuée

Plus en détail

Introduction aux Bases de Données

Introduction aux Bases de Données Introduction aux Bases de Données I. Bases de données I. Bases de données Les besoins Qu est ce qu un SGBD, une BD Architecture d un SGBD Cycle de vie Plan du cours Exemples classiques d'applications BD

Plus en détail

Le Langage De Description De Données(LDD)

Le Langage De Description De Données(LDD) Base de données Le Langage De Description De Données(LDD) Créer des tables Décrire les différents types de données utilisables pour les définitions de colonne Modifier la définition des tables Supprimer,

Plus en détail

Modèle relationnel Algèbre relationnelle

Modèle relationnel Algèbre relationnelle Modèle relationnel Algèbre relationnelle Modèle relationnel (Codd 1970) On considère D i où i = 1,2..n des ensembles, dits domaines Un domaine = ensemble de valeurs (ex. D1 : entiers sur 10 positions,

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

Cours 6. Sécurisation d un SGBD. DBA - M1ASR - Université Evry 1

Cours 6. Sécurisation d un SGBD. DBA - M1ASR - Université Evry 1 Cours 6 Sécurisation d un SGBD DBA - M1ASR - Université Evry 1 Sécurisation? Recette d une application Vérification des fonctionnalités Vérification de l impact sur le SI existant Gestion du changement

Plus en détail

Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS

Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources

Plus en détail

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles)

SGBDR. Systèmes de Gestion de Bases de Données (Relationnelles) SGBDR Systèmes de Gestion de Bases de Données (Relationnelles) Plan Approches Les tâches du SGBD Les transactions Approche 1 Systèmes traditionnels basés sur des fichiers Application 1 Gestion clients

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle 1. Introduction L algèbre relationnelle est le support mathématique cohérent sur lequel repose le modèle relationnel. L algèbre relationnelle propose un ensemble d opérations élémentaires

Plus en détail

Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping

Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager

Plus en détail

Cours 7 : Langage de définition, manipulation et contrôle des données

Cours 7 : Langage de définition, manipulation et contrôle des données Cours 7 : Langage de définition, manipulation et contrôle des données Objets d une base de données Dans un schéma Tables, vues Index, clusters, séquences, synonymes Packages, procédures, fonctions, déclencheurs

Plus en détail

ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL

ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL ISC21-1 --- Système d Information Architecture et Administration d un SGBD Compléments SQL Jean-Marie Pécatte jean-marie.pecatte@iut-tlse3.fr 16 novembre 2006 ISIS - Jean-Marie PECATTE 1 Valeur de clé

Plus en détail

Bases de données et sites WEB

Bases de données et sites WEB Bases de données et sites WEB Cours2 : Sécurité et contrôles d accès Anne Doucet 1 Authentification Autorisation Privilèges Rôles Profils Limitations de ressources Plan Audit Contrôle d accès via les vues

Plus en détail

11. MySQL. Cours Web. MySQL. 11. MySQL. 11. MySQL. Structured Query Language. Lionel Seinturier. Université Pierre & Marie Curie

11. MySQL. Cours Web. MySQL. 11. MySQL. 11. MySQL. Structured Query Language. Lionel Seinturier. Université Pierre & Marie Curie Cours Web Lionel Seinturier Université Pierre & Marie Curie Lionel.Seinturier@lip6.fr Structured Query Language Langage de manipulation des données stockées dans une base de données interrogation/insertion/modification/suppression

Plus en détail

14. Stockage des données. OlivierCuré [ocure@univ-mlv.fr]

14. Stockage des données. OlivierCuré [ocure@univ-mlv.fr] 14. Stockage des données 416 Hiérarchie des stockages Mémoire cache est plus rapide et plus onéreuse que... RAM est plus rapide et plus onéreuse que... Disque dur est plus rapide et plus onéreux que...

Plus en détail

Systèmes de Gestion de Bases de Données

Systèmes de Gestion de Bases de Données Systèmes de Gestion de Bases de Données Luiz Angelo STEFFENEL DUT Informatique 2ème année IUT Nancy Charlemagne Vues Vue : une table virtuelle de la base de données dont le contenu est défini par une requête

Plus en détail

Datawarehouse and OLAP

Datawarehouse and OLAP Datawarehouse and OLAP Datawarehousing Syllabus, materials, notes, etc. See http://www.info.univ-tours.fr/ marcel/dw.html today architecture ETL refreshing warehousing projects architecture architecture

Plus en détail

A QUOI SERVENT LES BASES DE DONNÉES?

A QUOI SERVENT LES BASES DE DONNÉES? BASE DE DONNÉES OBJET Virginie Sans virginie.sans@irisa.fr A QUOI SERVENT LES BASES DE DONNÉES? Stockage des informations : sur un support informatique pendant une longue période de taille importante accès

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

10 Intégration de données sur le web

10 Intégration de données sur le web 10 Intégration de données sur le web 240 Requête utilisateur : Où est-ce que je peux voir les films qui ont participé au dernier Festival de Cannes? Je voudrais les résumés et critiques des films de Pedro

Plus en détail

Bases de Données Réparties

Bases de Données Réparties Bases de Données Réparties Architecture Mise en œuvre Duplication et Réplication Michel Tuffery BDR : Définition Ensemble de bases de données gérées par des sites différents et apparaissant à l utilisateur

Plus en détail

SemWeb : Interrogation sémantique du web avec XQuery. Les membres du projet SemWeb

SemWeb : Interrogation sémantique du web avec XQuery. Les membres du projet SemWeb SemWeb : Interrogation sémantique du web avec XQuery Les membres du projet SemWeb Contexte et objectifs Le projet SemWeb s inscrit dans les efforts de recherche et de développement actuels pour construire

Plus en détail

Bases de données réparties. Chapitre I : Introduction. Bases de données distribuées : Définitions (fin) QUOI distribuer?

Bases de données réparties. Chapitre I : Introduction. Bases de données distribuées : Définitions (fin) QUOI distribuer? Bases de données réparties Université de Lorraine, FST/MIAE, Dept. Informatique& ESIAL 1/136 Bases de données réparties Université de Lorraine, FST/MIAE, Dept. Informatique& ESIAL 2/136 Bases de données

Plus en détail

Introduction aux bases de données. Généralités sur les bases de données. Fonctions d'un SGBD. Définitions. Indépendance par rapport aux traitements

Introduction aux bases de données. Généralités sur les bases de données. Fonctions d'un SGBD. Définitions. Indépendance par rapport aux traitements Introduction aux bases de données Université de Nice Sophia-Antipolis Version 2.1-5/12/2000 Richard Grin Généralités sur les bases de données R. Grin SGBD 2 Définitions Une base de données est un ensemble

Plus en détail

Le modèle relationnel L algèbre relationnelle

Le modèle relationnel L algèbre relationnelle François Jacquenet Professeur d'informatique Faculté des Sciences Laboratoire Hubert Curien UMR CNRS 5516 18 rue Benoit Lauras 42000 Saint-Etienne Tél : 04 77 91 58 07 e-mail : Francois.Jacquenet@univ-st-etienne.fr

Plus en détail

Langage SQL : créer et interroger une base

Langage SQL : créer et interroger une base Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,

Plus en détail

Données Réparties. Thibault BERNARD. thibault.bernard@univ-reims.fr

Données Réparties. Thibault BERNARD. thibault.bernard@univ-reims.fr Données Réparties Thibault BERNARD thibault.bernard@univ-reims.fr Sommaire Introduction Gestion de la concurrence Reprise après panne Gestion des données dupliquées Sommaire Introduction Gestion de la

Plus en détail

Bases de données. Chapitre 1. Introduction

Bases de données. Chapitre 1. Introduction Références : Bases de données Pierre Wolper Email : pw@montefiore.ulg.ac.be URL : http : //www.montefiore.ulg.ac.be/~pw/ http : //www.montefiore.ulg.ac.be/ ~pw/cours/bd.html Henry F. Korth, Abraham Silberschatz,

Plus en détail

Introduction aux bases de données Cours 1 : Généralités sur les bases de données

Introduction aux bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bdmat.html Plan du cours 1 1 Qu est ce qu

Plus en détail

SQL. Requête la plus simple. Projection. Requête la plus simple. Différents modes d interrogation. Requêtes mécanismes d interrogation des données

SQL. Requête la plus simple. Projection. Requête la plus simple. Différents modes d interrogation. Requêtes mécanismes d interrogation des données Requêtes mécanismes d interrogation des données SQL! En entrée : une ou plusieurs tables! En sortie : une table réponse sandra.bringay@univ-montp3.fr roland.mahiques@univ-montp3.fr alexandre.pinlou@univ-montp3.fr

Plus en détail

Optimisations des SGBDR. Étude de cas : MySQL

Optimisations des SGBDR. Étude de cas : MySQL Optimisations des SGBDR Étude de cas : MySQL Introduction Pourquoi optimiser son application? Introduction Pourquoi optimiser son application? 1. Gestion de gros volumes de données 2. Application critique

Plus en détail

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre

Bases de Données. Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Bases de Données Le cas des BD relationnelles ouverture sur les BD relationnelles spatiales Séance 2 : Mise en oeuvre Synthèse : conception de BD langage de modélisation famille de SGBD SGBD Analyse du

Plus en détail

Augmenter la disponibilité des applications JEE grâce au clustering : Le projet open source JShaft

Augmenter la disponibilité des applications JEE grâce au clustering : Le projet open source JShaft Augmenter la disponibilité des applications JEE grâce au clustering : Le projet open source Jérôme Petit, Serge Petit & Serli Informatique, ITMatic Jérôme Petit, Serge Petit & SERLI & ITMatic Serli : SSII

Plus en détail

Rappel sur les bases de données

Rappel sur les bases de données Rappel sur les bases de données 1) Généralités 1.1 Base de données et système de gestion de base de donnés: définitions Une base de données est un ensemble de données stockées de manière structurée permettant

Plus en détail

1. Introduction. Bases de données Réparties, Fédérées et Réplication. Plan. Bibliographie du cours

1. Introduction. Bases de données Réparties, Fédérées et Réplication. Plan. Bibliographie du cours Bases de données Réparties, Fédérées et Réplication Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille Avril 2013 1. Répartition & Fédération 2.

Plus en détail

Initiation aux bases de données (SGBD) Walter RUDAMETKIN

Initiation aux bases de données (SGBD) Walter RUDAMETKIN Initiation aux bases de données (SGBD) Walter RUDAMETKIN Bureau F011 Walter.Rudametkin@polytech-lille.fr Moi Je suis étranger J'ai un accent Je me trompe beaucoup en français (et en info, et en math, et...)

Plus en détail

Discrétisation et génération de hiérarchies de concepts

Discrétisation et génération de hiérarchies de concepts Prétraitement des données 1 Pourquoi prétraiter les données? Nettoyage des données Intégration et transformation Réduction des données Discrétisation et génération de hiérarchies de g concepts Pourquoi

Plus en détail

Java et les bases de données: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java. Michel Bonjour http://cuiwww.unige.

Java et les bases de données: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java. Michel Bonjour http://cuiwww.unige. : JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java Michel Bonjour http://cuiwww.unige.ch/~bonjour Plan JDBC: API bas niveau pour l accès aux BD (SQL) - Introduction - JDBC et : Java, ODBC, SQL

Plus en détail

Master Informatique et Systèmes. Architecture des Systèmes d Information. 03 Architecture Logicielle et Technique

Master Informatique et Systèmes. Architecture des Systèmes d Information. 03 Architecture Logicielle et Technique Master Informatique et Systèmes Architecture des Systèmes d Information 03 Architecture Logicielle et Technique Damien Ploix 2014-2015 Démarche d architecture SI : structuration en vues Quels métiers?

Plus en détail

Algèbre relationnelle

Algèbre relationnelle Algèbre relationnelle Concepts Descriptifs : Bilan RELATION ou TABLE ATTRIBUT ou COLONNE DOMAINE ou TYPE CLE CLE ETRANGERE Langages de manipulation Langages formels : base théorique solide Langages utilisateurs

Plus en détail

Bases de données avancées Introduction

Bases de données avancées Introduction Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)

Plus en détail

UML et les Bases de Données

UML et les Bases de Données CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..

Plus en détail

ORACLE 10G DISTRIBUTION ET REPLICATION. Distribution de données avec Oracle. G. Mopolo-Moké prof. Associé UNSA 2009/ 2010

ORACLE 10G DISTRIBUTION ET REPLICATION. Distribution de données avec Oracle. G. Mopolo-Moké prof. Associé UNSA 2009/ 2010 ORACLE 10G DISTRIBUTION ET REPLICATION Distribution de données avec Oracle G. Mopolo-Moké prof. Associé UNSA 2009/ 2010 1 Plan 12. Distribution de données 12.1 Génération des architectures C/S et Oracle

Plus en détail

Les bases de données Page 1 / 8

Les bases de données Page 1 / 8 Les bases de données Page 1 / 8 Sommaire 1 Définitions... 1 2 Historique... 2 2.1 L'organisation en fichier... 2 2.2 L'apparition des SGBD... 2 2.3 Les SGBD relationnels... 3 2.4 Les bases de données objet...

Plus en détail

Considérons une partie d un modèle conceptuel de données avec les schémas d entités. Figure 1: Une partie du modèle conceptuel de données

Considérons une partie d un modèle conceptuel de données avec les schémas d entités. Figure 1: Une partie du modèle conceptuel de données Considérons une partie d un modèle conceptuel de données avec les schémas d entités suivants: EMP(EmpNo, Enom, Job, DirNo, Sal, Prime) DEPT(DeptNo, Dnom, Adr) Où EmpNo est la clé primaire de EMP et DeptNo

Plus en détail

INSIA Bases de données ORACLE 2 SELECT avancé SQL*Plus SQL Developper

INSIA Bases de données ORACLE 2 SELECT avancé SQL*Plus SQL Developper INSIA Bases de données ORACLE SELECT avancé SQL*Plus SQL Developper http://st-curriculum.oracle.com/tutorial/dbxetutorial/index.htm http://st-curriculum.oracle.com/ http://www.oracle.com/ Bertrand LIAUDET

Plus en détail

Introduction aux Bases de Données Relationnelles Conclusion - 1

Introduction aux Bases de Données Relationnelles Conclusion - 1 Pratique d un : MySQL Objectifs des bases de données Où en sommes nous? Finalement, qu est-ce qu un? Modèle relationnel Algèbre relationnelle Conclusion SQL Conception et rétro-conception Protection de

Plus en détail

Intégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr

Intégration de données hétérogènes et réparties. Anne Doucet Anne.Doucet@lip6.fr Intégration de données hétérogènes et réparties Anne Doucet Anne.Doucet@lip6.fr 1 Plan Intégration de données Architectures d intégration Approche matérialisée Approche virtuelle Médiateurs Conception

Plus en détail

Bases de données Niveau 1 SQL - MySQL MariaDB - Cours et TP 5 DDL et DML

Bases de données Niveau 1 SQL - MySQL MariaDB - Cours et TP 5 DDL et DML Bases de données Niveau 1 SQL - MySQL MariaDB - Cours et TP 5 DDL et DML MariaDB : https://mariadb.org/ Site officiel MySQL : http://www-fr.mysql.com/ Zone pour les développeurs : http://dev.mysql.com/

Plus en détail

Bases de données réparties et fédérées

Bases de données réparties et fédérées Bases de données réparties et fédérées Février 2002 René J. Chevance Contenu Définitions Exemple de BD répartie Répartition des données Répartition - Fédération Fédération de BD Quelques cas de conflits

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste

SQL. Oracle. pour. 4 e édition. Christian Soutou Avec la participation d Olivier Teste Christian Soutou Avec la participation d Olivier Teste SQL pour Oracle 4 e édition Groupe eyrolles, 2004, 2005, 2008, 2010, is BN : 978-2-212-12794-2 Partie III SQL avancé La table suivante organisée en

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

Chapitre 1 Généralités sur les bases de données

Chapitre 1 Généralités sur les bases de données Chapitre 1 Généralités sur les bases de données I. Définition d un SGBD Une base de données, généralement appelée BD est un ensemble structuré et organisé permettant le stockage de grandes quantités d'informations

Plus en détail

Bases de données et sites WEB Licence d informatique LI345

Bases de données et sites WEB Licence d informatique LI345 Bases de données et sites WEB Licence d informatique LI345 Anne Doucet Anne.Doucet@lip6.fr http://www-bd.lip6.fr/ens/li345-2013/index.php/lescours 1 Contenu Transactions en pratique Modèle relationnel-objet

Plus en détail

Vous êtes bien à la bonne présentation, c est juste que je trouvais que le titre de cette présentation étais un peu long,

Vous êtes bien à la bonne présentation, c est juste que je trouvais que le titre de cette présentation étais un peu long, Vous êtes bien à la bonne présentation, c est juste que je trouvais que le titre de cette présentation étais un peu long, en fait ça me faisait penser au nom d un certain projet gouvernemental je me suis

Plus en détail

sécurité et protection des objets externes Sécurité et protection des objets externes

sécurité et protection des objets externes Sécurité et protection des objets externes 1 Sécurité et protection des objets externes Service attendu 2 Service attendu sur la conservation des données Retrouver les données dans l'état Permettre d'avoir un rôle de "propriétaire" Altération due

Plus en détail

Algèbre relationnelle. Introduction aux Bases de Données. Algèbre relationnelle: définitions. Sources du cours. Spécificité des opérateurs

Algèbre relationnelle. Introduction aux Bases de Données. Algèbre relationnelle: définitions. Sources du cours. Spécificité des opérateurs Algèbre relationnelle Introduction aux Bases de Données Joël Quinqueton Licence Mass, Universités de Montpellier II et III Concepts et outils : introduction à QL Compléments sur QL : schéma, tri, calcul

Plus en détail

CESI Bases de données

CESI Bases de données CESI Bases de données Introduction septembre 2006 Bertrand LIAUDET EPF - BASE DE DONNÉES - septembre 2005 - page 1 PRÉSENTATION GÉNÉRALE 1. Objectifs généraux L objectif de ce document est de faire comprendre

Plus en détail

Bases de Données relationnelles et leurs systèmes de Gestion

Bases de Données relationnelles et leurs systèmes de Gestion III.1- Définition de schémas Bases de Données relationnelles et leurs systèmes de Gestion RAPPELS Contraintes d intégrité sous Oracle Notion de vue Typage des attributs Contrainte d intégrité Intra-relation

Plus en détail

Dossier I Découverte de Base d Open Office

Dossier I Découverte de Base d Open Office ETUDE D UN SYSTEME DE GESTION DE BASE DE DONNEES RELATIONNELLES Définition : Un SGBD est un logiciel de gestion des données fournissant des méthodes d accès aux informations. Un SGBDR permet de décrire

Plus en détail

Bases de données Cours 1 : Généralités sur les bases de données

Bases de données Cours 1 : Généralités sur les bases de données Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une

Plus en détail

BASES DE DONNÉES. CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98. J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES

BASES DE DONNÉES. CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98. J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES BASES DE DONNÉES CNAM Centre associé de Clermont-Ferrand Cycle A Année 1997-98 J. Darmont I. INTRODUCTION II. LES SYSTÈMES HIÉRARCHIQUES III. LES SYSTÈMES RÉSEAU IV. LES SYSTÈMES RELATIONNELS V. LE LANGAGE

Plus en détail

Requêtes SQL avec la date et le groupement Chapitre 7 série 3 Base de données AcciRoute SOLUTIONS

Requêtes SQL avec la date et le groupement Chapitre 7 série 3 Base de données AcciRoute SOLUTIONS 2003-07-01 1 Requêtes SQL avec la date et le groupement Chapitre 7 série 3 Base de données AcciRoute SOLUTIONS Voici MRD de la BD AcciRoute pour représenter les rapports d accidents de la route. Le MRD

Plus en détail

Introduction au Système de Gestion de Base de Données et aux Base de Données

Introduction au Système de Gestion de Base de Données et aux Base de Données Introduction au Système de Gestion de Base de Données et aux Base de Données Formation «Gestion des données scientifiques : stockage et consultation en utilisant des bases de données» 24 au 27 /06/08 Dernière

Plus en détail

Démarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants.

Démarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants. Plan du chapitre Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 04 Architecture du SI : identifier et décrire les services, structurer le SI 1 2 3 4 5

Plus en détail