Интегрированные объектно-реляционные логические модели представления данных для систем потоковой обработки информации тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Масленников, Виталий Александрович

• Масленников, Виталий Александрович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Масленников, Виталий Александрович

ВВЕДЕНИЕ.

Глава 1. Логические модели представления данных в системах потоковой обработки информации.

1.1 Характерные особенности работы БД потоковой обработки информации крупного предприятия.

1.2 Проблема построения логической модели БД потоковой обработки информации.

1.3 Недостатки применения классического реляционного подхода при построении логических моделей представления данных систем потоковой обработки информации.

1.4 Недостатки применения объектно-ориентированного подхода при построении логических моделей представления данных систем потоковой обработки информации.

Глава 2. РАЗРАБОТКА ИНТЕГРИРОВАННОЙ ОБЪЕКТНО-РЕЛЯЦИОННОЙ ЛОГИЧЕСКОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ДАННЫХ.

2.1 Особенности объектно-реляционной логической модели представления данных.

2.2 Основные понятия ОР-модели данных.

2.3 Структура организации ОР-модели данных.

2.3.1 Диаграмма наследования классов.

2.3.2 Диаграмма отношений классов.

2.3.3 Диаграмма состояний и переходов классов.

2.4 Жизненный цикл логической модели данных.

2.5 Методика построения логической ОР-модели представления данных.

2.6 Разработка ОР-модели хранения алгоритмов обработки данных.

ГЛАВА 3 РАЗРАБОТКА КРИТЕРИЕВ ОЦЕНКИ КАЧЕСТВА ЛОГИЧЕСКИХ МОДЕЛЕЙ БД.

3.1 Анализ существующих критериев оценки качества ПО.

3.1.1 Анализ критерия функциональной пригодности.

3.1.2 Анализ критерия надежности.

3.1.3 Анализ критерия эффективности.

3.1.4 Анализ критерия применимости.

3.1.5 Анализ критерия сопровождаемости.

3.1.6 Анализ критерия переносимости.

3.2 Разработка критериев качественной оценки логических моделей представления данных.

3.2.1 Разработка комплексных критерий сложности логических моделей представления данных.

3.2.1 Критерий надежности логических моделей представления данных .83 3.3 Разработка критериев эффективности.

3.3.1 Разработка критериев ресурсной эффективности.

3.3.2 Разработка критериев временной эффективности.

Глава 4. ПРИМЕНЕНИЕ МЕТОДА ПОСТРОЕНИЯ ОБЪЕКТНО-РЕЛЯЦИОННОЙ ЛОГИЧЕСКОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ДАННЫХ.

4.1 Постановка задачи и экспериментальная апробации предложенных методик.

4.2 Структуры и механизмы реализации объектно-реляционного подхода на реляционном базисе.

4.3 Операции над объектами и классами объектов логической ОР-модели представления данных.

Введение диссертации (часть автореферата) на тему «Интегрированные объектно-реляционные логические модели представления данных для систем потоковой обработки информации»

Актуальность темы

В настоящее время в крупных организационно-технических системах (крупная торгово-сервисная сеть) широкое распространение получили большие базы данных потоковой обработки информации. Характерные особенности больших БД в системах потоковой обработки информации: а) большой объем хранимой и поступающей информации, что позволяет отнести подобные БД к классу больших баз данных (VLDB); б) интерактивный многопользовательский режим работы; в) нестационарность схемы данных БД; г) большая динамика методов обработки данных; д) сложная пред- и постобработка потока поступающих данных.

Для построения подобных БД, как правило, применяют классический реляционный подход или современный объектно-ориентированный. Однако при построении подобных больших БД для систем потоковой обработки информации возникает ряд трудностей, вызванных: а) структурной избыточностью логической модели данных (реляционный подход); б) неструктурированным хранением алгоритмов обработки данных (реляционный подход); в) сложностью организации многопользовательских интерактивных режимов для аналитической обработки данных (первичный Date-mining) (реляционный подход); г) нарушением целостности БД в процессе обновления схемы данных и обработки данных вследствие сложности установления связей между группами сущностей (реляционный подход); д) отсутствием строгого математического аппарата, позволяющего строить логические модели данных и реализовывать операции их обработки (объектно-ориентированный подход); е) низкой скоростью поиска в больших массивах данных, затрудняющей использование подобных БД в режимах реального времени (объектно-ориентированный подход).

Для решения перечисленных трудностей в данной работе предлагается использовать: а) новый тип логических моделей представления данных, а именно интегрированных объектно-реляционных моделей данных; б) методы структуризации алгоритмов обработки и управления данными.

Цель работы

Целью работы является разработка интегрированных объектно-реляционных логических моделей представления данных для больших реляционных баз данных в системах потоковой обработки информации, способных сохранять целостность данных в условиях большой динамики изменения схемы данных и методов их обработки.

Задачи исследования

1. Разработка интегрированной объектно-реляционной логической модели представления данных больших реляционных БД, позволяющей: а) снизить структурную избыточность логической модели представления данных; б) предотвратить появление структурных аномалий данных в условиях динамичного изменения логической схемы данных и самих данных.

2. Разработка объектно-реляционной модели хранения алгоритмов обработки данных, позволяющей упорядочить их хранение, и обеспечить управле

4 ние процессом обработки данных.

3. Разработка критериев качественной оценки логических моделей БД для систем потоковой обработки данных,

4. Проверка эффективности предложенных моделей данных и алгоритмов для БД на примере использования системы потоковой обработки складских документов крупной торгово-сервисной сети.

Методы исследования

При решении поставленных задач в работе используются теория реляционных баз данных, теория объектно-ориентированного подхода, а также применение реляционной алгебры и теории множеств. Экспериментальная проверка теоретических результатов проводилась на основе системы потоковой обработки складских документов крупной торгово-розничной сети ТРК «Июнь» г. Санкт- Петербург.

Научная новизна:

1. Применение объектно-реляционного подхода к построению логических моделей представления данных и алгоритмов их обработки для больших баз данных, в отличие от существующих, позволяет объединить в рамках единой иерархической структуры, как логическую структуру данных, так и структуру алгоритмов обработки данных, что обеспечивает в условиях динамического изменения схемы данных и методов их обработки: а) снижение структурной избыточности; б) эффективное управление процессом обработки данных.

2. Предложен новый метод преобразования классической реляционной логической модели представления данных в объектно-реляционную логическую модель представления данных, позволяющий путем объединения семантически подобных элементов в исходной реляционной логической модели данных снизить количество потенциальных структурных аномалий.

3. Предложены критерии оценки логических моделей данных БД и методы их расчета в отличие от существующих отражающие их структурную сложность и как следствие функциональную надежность БД, позволяющие: а) производить количественное сравнение структурной сложности логических моделей данных; б) осуществлять целенаправленное изменение модели с целью получения ее наилучших характеристик.

На защиту выносятся:

1. Интегрированная объектно-реляционная логическая модель представления данных большой реляционной БД;

2. Объектно-реляционная модель хранения алгоритмов обработки данных;

3. Критерии качественной оценки логических моделей БД для систем потоковой обработки данных;

4. Результаты экспериментальной проверки эффективности предложенных моделей представления данных и хранения алгоритмов.

Практическая значимость:

Предложенная интегрированная объектно-реляционная логическая модель представления данных и алгоритмов на основе разработанного метода преобразования применялась при разработке и внедрении системы потоковой обработки складских документов крупной торгово-розничной сети ТРК «Июнь» г. Санкт- Петербург, что позволило: а) повысить бесперебойность выдачи информации в необходимом темпе (в частности, в режиме реального времени) менеджменту компании о текущем объеме продаж, остатке товара и др.; б) повысить актуальность и достоверность получаемой информации; в) снизить сложность системы в 1,45 раза.

Апробация работы

Основные результаты диссертационной работы внедрены в системе потоковой обработки складских документов крупной торгово-розничной сети ТРК «Июнь» г. Санкт- Петербург.

Публикации по теме диссертации:

Основные результаты диссертационной работы докладывались и обсуждались и получили положительную оценку на всероссийских и международных конференциях. Список публикаций по теме диссертации включает 11 научных трудов, в том числе 6 статей (1 в рецензируемом журнале из списка ВАК) и 3 тезисов докладов на научных конференциях и 1 монография. t

Структура и объем работы:

Диссертация состоит из введения, четырёх глав и заключения, изложенных на 116 листах машинописного текста, включая 47 иллюстраций, 6 таблиц и список используемой литературы из 124 наименований.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Масленников, Виталий Александрович

Выводы к третьей главе

В данной главе рассмотрено внедрение логической ОР-модели представления данных и алгоритмов, предложенных автором. В процессе внедрения автором были рассмотрены исходные и полученные схемы БД складских и бухгалтерских документов, а также рассчитаны критерии сложности рассмотренных логических моделей данных. Достигнутые результаты выражаются в снижении сложности БД, реализованной с применением ОР-модели данных. Сложность БД, полученной на основе предложенной автором ОР-модели представления данных, оказалась на 36% меньше, чем сложность исходной базы данных, созданной на основе реляционной логической модели представления данных.

ЗАКЛЮЧЕНИЕ

В процессе выполнения работы получены следующие основные результаты.

1. Разработана интегрированная объектно-реляционная логическая модель представления данных для больших реляционных БД и метод преобразования классической реляционной логической модели представления данных в предложенную ОР-модель. Применение ОР-модели позволило снизить структурную избыточность логической модели представления данных, а также предотвратить появление структурных аномалий в условиях динамического изменения как схемы данных, так и самих данных.

2. Разработана объектно-реляционная модель хранения алгоритмов обработки данных, а также метод грануляции реляционных алгоритмов классической реляционной БД в ОР-модель. Применение ОР-модели хранения алгоритмов позволило снизить семантическую избыточность реляционных алгоритмов обработки данных и упорядочить алгоритмы в виде синтезированной древовидной структуры их хранения и, таким образом, обеспечить эффективное управление обработкой данных.

3. Разработаны критерии качественной оценки БД потоковой обработки информации, в основе которых используется комплексный критерий сложности логических моделей представления данных. Разработанные критерии позволяют качественно оценить логические модели представления данных, определить их основные характеристики.

4. Проведено исследование эффективности предложенной ОР-модели логического представления данных и алгоритмов в рамках системы потоковой обработки складских документов крупной торгово-розничной сети ТРК Петербург г. Санкт-Петербург. Применение предложенной логической ОР-модели представления данных позволило снизить сложность БД на 36% по сравнению с изначально реализованной БД, а также повысить надежность работы БД и эффективность ее модернизации в процессе жизненного цикла.

Список литературы диссертационного исследования кандидат технических наук Масленников, Виталий Александрович, 2008 год

1. Айвазян С.А., Бухштабер В.М., Юнюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.

2. Аналитические системы и хранилища данных http://www.interface.ru/oracle/acdc.htm

3. Артемьев В. Что такое Business Intelligence // Открытые системы, №4, 2003.

4. Архипенков С., Голубев Д., Максименко О. Хранилища данных. От концепции до внедрения / Под общ. Ред. С .Я. Архипенкова // М.: Диа-лог-МИФИ, 2002.

5. Аткинсон М.И. и др. Манифест систем объектно-ориентировнных баз данных // СУБД, №4, 1995. С. 142-155.

6. Банасевич А., Кудинов А. От Informix к SQL Server. // Открытые систе-мы, №1, 2002.

7. Баутов А. ИТ и прогнозирование экономических процессов // Директор ИС, №9, 2002.

8. Бич Д. К объектным моделям данных // Открытые системы, №4, 1994.-С. 5-55.

9. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Советское радио, 1973 г. -440 с.

10. Буч Г. Объектно-ориентированный анализ и проектирование с приме-рами на С++, 2-е изд. / Пер. с англ. М.: «Издательство Бином», СПб: «Невский Диалект», 1998 г.

11. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. 2-е изд., перераб. и доп. — М.: Финансы и статистика, 2006. — 544 с.

12. Воронов A.A. Основы теории автоматического управления. Ч. III. — Л.: Энергия, 1970. -346 с

13. Волков И.А., Галахов И.В. Архитектура современной информационно-аналитической системы // Директор ИС, №3, 2002.

14. Галахов И.В. Проектирование корпоративной информационно-аналитической системы // Открытые системы, №4, 2003.

15. Гамма Э., Хелм Р. Приемы объектно-ориентированного проектиро-ва-ния. Паттерны проектирования. СПб.: Питер, 2001. -368 с.

16. Гвишиани А.Д. Динамические задачи классификации и выпуклое про-граммирование в приложениях .— М. : Наука, 1992 .— 355с.

17. Гергенев А.С. Информационные технологии в управлении: Учебное пособие. Улан-Уде: ВСГТУ, 2005. -75 с.

18. Глоссарий по хранилищам данных, многомерному моделированию и анализу данных // Директор ИС, №3, 2002.

19. Дмитриев П. «Кворум» продвигает порталы // Сети, №1-2, 2003.

20. Добсон Р. Что нового в Access 2002, MSDE и Access 2000 http://wrww.osp.ru/win2000/sql/newability/sidebar54nwab0701 .htm

21. Дэйвисон M. Многомерное шкалирование: Методы наглядного представления данных / Пер. с англ. В.С.Каменского. М.: Финансы и статистика, 1998. - 254 с.

22. Дэйт К.Дж. Введение в системы баз данных, 8-е издание, Пер. с англ. -М.: Издательский дом «Вильяме», 2005. - 1328 с.

23. Дюк В.A. Data mining интеллектуальный анализ данных http://www. interface .ru/oracle/dmiad.htm

24. Дюк В.А. Обработка данных на ПК в примерах. СПб: Питер, 1997.

25. Дюк В.А., Самойленко A. Data mining: учебный курс. СПб: Питер,2001.

26. Замулин А.В. Типы данных в языках программирования и базах данных // Отв. ред. В.Е. Котов. Новосибирск: Наука, СО РАН, 1987. - 147 с.

27. Зырянов М. Диалектика быстрого роста // Computerworld, №46,2001.

28. Зырянов M. Эволюция продолжается // Computerworld, №35, 2002.

29. Ивахненко, А.Г. Моделирование сложных систем: Информационный подход / Под общ. ред. В.В.Павлова .— Киев : Вища школа, 1987 .— 62 с.

30. Йодан Э. Структурное программирование и конструирование программ. М.: Мир, 1974. - 415 с.

31. Каратыгин С.А., Тихонов А.Ф., Тихонова JI.H. Программирование в FoxPro для Windows. Бином, 1995

32. Ким В. Три основных недостатка современных хранилищ данных // Открытые системы, №2, 2003.

33. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах. // Открытые системы, №4, 1997, с. 41-44.

34. Кнут Д. Искусство программирования, том 1. Основные алгоритмы, 3-е изд. М.: "Вильяме", 2000.

35. Комафорд К. Корпоративная отчетность: Серверная архитектура для распределенного доступа к информации. // Открытые системы, №2, 1999.

36. Комплексное решение для создания систем управления предприятием http://www.osp.ru/news/busines/2002/03/! l01.htm

37. Корнеев В.В., Гареев А.Ф., Васютин C.B., Райх В.В. Базы данных. Интеллектуальная обработка информации. // М.: Нолидж, 2001, 144 с.

38. Корнеев И. К., Машурцев В.А. Информационные технологии в управлении. -М.: ИНФРА-М, 2001. 158с.

39. Кречетов Н. Продукты для интеллектуального анализа данных. // Рынок программных средств, №14, 1997, с. 32-39.

40. Кристофидес Н. Теория графов. Алгоритмический подход. — М.: Мир,-1978 г.-430 с.

41. Кузнецов С. Объектно-ориентированные базы данных — основные концепции, организация и управление: краткий обзор.

42. Кузнецов С. Хранилища данных в начале века // Открытые системы, №1, 2002, с. 40-44.

43. Левин И. Размерность времени ttp://www.osp.ru/win2000/sql/080.htm

44. Левшин И. Эксперименты на себе // Computerworld, №34, 2002.

45. Лисянский К. Архитектурные решения и моделирование хранилищ и витрин данных // Директор ИС, №3, 2002.

46. Липаев В.В. Надежность программных средств. —М.: Синтег, 1998 г. -232 с.

47. Майерс Г. Надежность программного обеспечения. М.: Мир, 1980.-360 с.

48. Мартин Дж. Организация баз данных в вычислительных системах. -М.: Мир, 1980.-662 с.

49. Масленников В.А., Левков A.A. Повышение эффективности реинжиниринга сложных БД при помощи использования объектно-ориентированных БД // Проблемы Техники и Технологий Телекоммуникаций: матер. VII междунар. науч. конф. Самара, 2006, С. 34-36.

50. Масленников В.А., Левков A.A. Реализация наследования при оптимизация объектно-ориентированной модели данных // Проблемы Техники и Технологий Телекоммуникаций: матер. VII междунар. науч. конф. Самара, 2006, С. 48-50.

51. Масленников В.А., Левков A.A. Способы оптимизации построения логических моделей данных ОО БД // Проблемы техники и технологии телекоммуникаций: матер. VIII междунар. науч.-техн. конф. Уфа : УГАТУ, 2007, С. 144-146.

52. Масленников В,А., Левков A.A. Использование классовых алгоритмов и структур в реляционных базах данных // Решетневские чтения: матер. XI междунар. науч. конф. Красноярск: СГАУ, 2007, С. 36-37.

53. Маленников В.А. Объектно-ориентированные модели для хранения данных // Компьютерные науки и информационные технологии: матерю IX ме-ждун. семин. Уфа: УГАТУ, 2007, С. 87-89.

54. Нагао M., Катаяма Т., Уэмура С. Структуры и базы данных. М.: Мир, 1986.- 198 с.

55. Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управления динамическими активными системами. М.: ИПУ РАН, 2002. - 124 с.

56. Норенков И.П., Кузьмик П.К. Информационная поддержка наукоемких изделий. CALS-технологии. М.: Мир, 2002. - 320 с.

57. Позин Б., ИТ будущего: потребности и возможности (1-я часть) // Директор ИС, №2, 2002.

58. Рамодин Д. D3 Server 7.0 постреляционная современная система управления базами данных // Мир ПК, №3, 1997.

59. Растригин Л. А. Адаптация сложных систем. Рига: Зинатне, 1981. - 375 с.

60. Редько В.Н., Басараб И.А. Базы данных и информационные системы // Математика и кибернетика. № 6. - М.: Знание, 1987. - 31 с.

61. Ремонтов А.П., Писарев А.П. Вычислительные машины и системы: Учебное пособие. Пенза: ПТУ, 2006. -96 с.

62. Салливан T. OLAP наоборот // Computerworld, №27, 2002.

63. Салливан Т. Данных больше, доступ - лучше // Computerworld, №38, 2001.

64. Салливан Т. Это надо рисовать: Программное обеспечение анализа данных становится более выразительным. // Computerworld, №42, 2000, с. 20 -21.

65. Сахаров А.А. Концепции построения и реализации информационных систем, ориентированных на анализ данных // СУБД, №4, 1996, с. 30 31.

66. Сахаров А.А. Принципы проектирования и использования многомерных баз данных (на примере Oracle Express Server) // СУБД, №3, 1996, с. 3433.

67. Современный анализ сетевого трафика и политика безопасности сети http://www.netlab.mephi.ru^0KyMeHTuiTi/files/html/analiz.html

68. Создание OLAP-модулей http://www.osp.ru/expo/06/55485.htm

69. Сонгини M. Аналитические возможности SQL Server // Computerworld, №8, 2003.

70. Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том.1: Пер. с англ. // М.: Вильяме, 2001, 234 с.

71. Стулов А. Особенности построения информационных хранилищ // Открытые системы, №4, 2003, с. 25 26.

72. Сурков К.А., Сурков Д.А., Вальвачев А.Н. Программирование в среде Delphi 3.0, Попурри, 1997, 330 с.

73. Терехина А.Ю. Анализ данных методами многомерного шкалирования. М.: Наука, 1986, 134 с.

74. Тихонов А.Ф., Тихонова JI.H. Visual Foxpro 5.0 без проблем.- Бином, 1997, 236 с.

75. Уитни Р. Итеративный алгоритм для массивов данных http://www.osp.ru/win2000/sql/olap/14olap09.htm

76. Уитни Р. Настройка характеристик показа данных http://www.osp.ru/win2000/sql/085.htm

77. Усов А.С. Внутри Объектной Технологии: Теория, Архитектура, Концепции, http://www.alexus.ru/russian/articles.htm

78. Федоров С. Стратегическое планирование сетей масштаба предприятия // www.citforum.ru/database/articles/art15.shtml

79. Фонсека Б. Cognos фокус на OLAP // Computerworld, №8, 2003.

80. Харрелд X. Создайте свой куб // Computerworld, №35, 2002.

81. Цикритзис Д., Лоховски Ф. Модели данных. М.: Финансы и статистика, 1985. - 344 с.

82. Цуприков С. Методология Sybase для создания хранилищ и витрин дан-ных http ://www. interface .ru/sybase/msy .htm

83. Чаудхури С., Дайал У., Ганти В. Технология баз данных в системах поддержки принятия решений // Открытые системы, №1, 2002, с. 45-48.

84. Чирков М.К. Основы общей теории конечных автоматов .— JI. : ЛГУ, 1975, 278с.

85. Щербина А. Основы извлечения знаний из Internet // Открытые системы, №4, 2003.

86. Юдин Д.Б., Юдин А.Д. Математики измеряют сложность. —М.: Знание, 1985.-192 с.

87. Янг Дж., Танг Ч., Сони С., Куртц В., Измерение быстродействия работы алгоритмов http://www.osp.ru/win2000/sql/olap/25olap08.htm

88. Almeida M.S., Ishikawa М., Reinschmidt J., Roeber Т., Getting Started with Data Warehouse and Business Intelligence. IBM Red Books.

89. Atkinson M., Bansilhon F., DeWitt D., Dittrich K., Maier D., Zdonik S., The Object-Oriented Database System Manifesto // 1st Int. Conf. Deductive and Object-Oriented Databases, Kyoto, Japan, Dec. 4-6, 1989

90. Boulding K.E. General Systems Theory The Skeleton of Science // Man-agement Science, 2, 1956.

91. Celko, Trees in SQL: Intelligent Enterprise, 2000, October 20.

92. Chaudhuri S., Dayal U., An Overview of Data Warehousing and OLAP Technology. SIGMOD Record, Vol.26, Nu.l, March 1997.

93. Codd E.F. A Relational Model of Data for Large Shared Data Banks // CACM. 1970. - 13, №6. (Переиздано: Milestones of Research - Selected Papers 1958-1982 (CACM 25th Anniversary Issue) // CACM. - 1983. - 26, №1.)

94. Codd E.F. Relational Completeness of Data Base Sublanguages // Data Base Systems, Courant Computer Science Symposia Series 6. — Englewood Cliffs, N.J.: Prentice-Hall, 1972.

95. Codd E.F., Codd S.B., Salley C.T., Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. E.F.Codd & Associates, 1993.

96. ContourCube разработчикам деловых приложений // Computerworld, №25-26, 2002.

97. Cornelio A., Shamkant B. Navathe, Keith L. Doty. Extending Object-Oriented Concepts to Support Engineering Applications // 6th Int. Conf. Data Eng., Los Angeles, Calif., USA, Febr. 5-9, 1990.

98. Cowan D.D., Koch P.M., Mayfield C.I., Swayne D.A. An information framework for environmental research and management / Proc. Of the Inter-national Symposium on Environmental Software Systems. IFIP, 1996. - P. 69-79.

99. Data Warehouse Issues. Butler Group Co., UK.

100. Demarest M., Building The Data Mart, DBMS, July 1994, v. 7, n. 8.

101. Eisenberg A., Melton J., «SQL Standardization: The Next Steps», ACM SIGMOD Record, vol. 29, no. 1, 2000.

102. Gray J., «Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab and Sub-Totals», Data Mining and Knowledge Dis-covery, vol. 1, no. 1,1997.

103. Guide to OLAP Terminology. Kenan Systems Corporation, 1995

104. Inmon W.H., Building the Data Warehouse. John Willey & Sons, New York, 1992.

105. Kimball R., Help for Hierarchies. DBMS, 1998 September.

106. Kimball R., Slowly Changing Dimensions. DBMS, 1996 April.

107. Kimball R., The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. John Willey & Sons, New York, 1996.

108. Knowledge Discovery Through Data Mining: What Is Knowledge Dis-cov-ery? Tandem Computers Inc., 1996.

109. Lenz H.-J., Shoshani A., «Summarizability in OLAP and Statistical Data Bases», Proc. 9th Int'l Conf. Scientific and Statistical Database Management, IEEE CS Press, Los Alamitos, Calif., 1997.

110. Liautaud B., Hammond M. e-Business Intelligence: Turning Information into Knoledge into Profit. McGraw-Hill, 2001.

111. Meyer, B. 1988. Private communication.

112. Pedersen T.B., Jensen C.S., Dyreson C.E., «A Foundation for Capturing and Querying Complex Multidimensional Data», Information Systems, vol. 26, no. 5, 2001.

113. Pedersen T.B., Jensen C.S., Dyreson C.E., «Extending Practical Pre-Aggregation in On-Line Analytical Processing», Proc. 25th Int'l Conf. Very Large Databases, Morgan Kaufmann, San Mateo, Calif., 1999.

114. Pendse N., OLAP Architectures: The OLAP Report, http://www.olapreport.eom/Architectures.htm#top .

115. Personal Express User's Guide, Part No A43042-1. Oracle.

116. Rahm E., Hong Hai Do, Data Cleaning: Problems and Current Approaches. IEEE Data Engineering Bulletin, 23(4): 2000.

117. Reinschmidt J., Françoise A., Business Intelligence Certification Guide. IBM Red Books.

118. Stanley Y. W. Su. Extensions to the Object-Oriented Paradigm // COMP-SAC'89 13th Annu. Int. Comput. Software and Appl. Conf., Orlando, Fla, Sept. 20-22, 1989. ^

119. Sowa, J. 1984. Conceptual Structures: Information Processing in Mind and Machine. Reading, MA: Addison-Wesley, p. 16.

120. Thomsen E., Spofford G., Chase D., Microsoft OLAP Solutions, John Wiley & Sons, New York, 1999.

121. UK National Health Service, Read Codes Version 3, Sept. 1999, www.cams.co.uk/readcode.htm (current Nov. 2001),

122. Vassiliadis P., Sellis T.K., «A Survey of Logical Models for OLAP Data-bases», ACM SIGMOD Record, vol. 28, no. 4, 1999.

123. Winter R., «Databases: Back in the OLAP Game», Intelligent Enterprise Magazine, vol. 1, no. 4, 1998.

124. Zurek T., Sinn well M., «Data Warehousing Has More Colours Than Just Black and White», Proc. 25th Int'l Conf. Very Large Databases, Morgan Kaufmann, San Mateo, Calif., 1999.