Contoh Distributed Database

Distributed Database

—

Basis data terdistribusi adalah kumpulan database

yang disimpan di banyak komputer pada lokasi

yang berbeda-beda dan menampilkan ke user

sebagai single database

—

berisi kumpulan site

à

eksekusi transaksi lokal

(mengakses data pada satu site) & transaksi global

(mengakses data pada site berbeda )

Contoh Distributed Database

—

Transaksi lokal : transaksi menambahkan dana

pada nomor rekening 1112234 yang berada di

cabang bangkalan. Transaksi ditentukan pada

cabang bangkalan.

—

Transaksi global : transaksi transfer dari rekening

1112234 ke rekening 2223410 yang berada di

surabaya(rekening didua site berbeda telah diakses

sebagai hasil dari eksekusinya)

Media Distributed Database

Site-site dalam database terdistribusi dihubungkan secara fisik dengan berbagai cara. Beberapa topologi digambarkan sebagai sebuah graph. Beberapa bentuk :

— Fully connected network Kalau salah satu node rusak, yang lainnya masih

dapat berjalan (biaya mahal),

kontrol manajemen tidak terjamin.

— Partially connected network, Reliability rendah, biaya dapat ditekan Kontrol

manajemen tidak terjamin.

— Tree structured network, Bersifat sentral, control manajemen lebih terjamin

Kalau node pusat rusak, semua akan rusak. (setiap proses dimulai dari bawah).

— Ring network (LAN) Rusak satu, yang lain masih berjalan Kontrol manajemen

kurang terjamin karena bersifat desentralisasi.

— Star network (LAN), Kontrol manajemen lebih terjamin, karena bersifat

Why A Distributed Database?

—

Distribution and autonomy of business units

divisi dan departemen dari suatu organisasi tersebar

secara geografis

—

Data sharing

proses sharing data harus dilakukan secara mudah dan

tepat

—

Data communications costs and reliability

proses pertukaran data dalam jumlah yang besar melalui

jaringan membutuhkan biaya yang besar dan

Keuntungan Distributed Database?

— Pengawasan distribusi dan pengambilan data Jika beberpa site yang berbeda dihubungkan, seorang pemakai

yang berada pada satu site dapat mengakses data pada site lain.

Contoh : sistem distribusi pada sebuah bank memungkinkan seorang pemakai pada salah satu cabang dapat mengakses data cabang lain.

— Reliability dan availability

Sistem distribusi dapat terus menerus berfungsi dalam menghadapi kegagalan dari site sendiri atau mata rantai komunikasi antar site.

— Kecepatan pemrosesan query

Contoh : jika site-site gagal dalam sebuah sistem terdistribusi, site lainnya dapat melanjutkan operasi jika data telah direplikasi pada beberapa site.

— Otonomi lokal

Pendistribusian sistem mengijinkan sekelompok individu dalam sebuah perusahaan untuk melatih

pengawasan lokal melalui data mereka sendiri. Dengan kemampuan ini dapat mengurangi ketergantungan pada pusat pemrosesan.

— Efisiensi dan fleksibel

Data dalam sistem distribusi dapat disimpan dekat dengan titik diman data tersebut dipergunakan. Data dapat secara dinamik bergerak atau disain, atau salinannya dapat dihapus.

Keuntungan Distributed Database?

—

Harga software mahal

Hal ini disebabkan sangat sulit untuk membuat sistem database

distribusi.

—

Kemungkinan kesalahan lebih besar

Site-site beroperasi secara paralel sehingga lebih sulit untuk

menjamin kebenaran dan algoritma. Adanya kesalahan mungkin

tak dapat diketahui.

—

Biaya pemrosesan tinggi

Perubahan pesan dan penambahan perhitungan dibutuhkan

untuk mencapai koordinasi antar site.

Homogenous Distributed Database (2)

—

Menggambarkan sistem terdistribusi yang

mengkoneksikan 3 database hq, mfg, dan sales

—

User dapat mengakses atau memodifikasi data

pada beberapa database pada suatu lingkungan

terdistribusi

—

Misalnya manufacturing melakukan join antara

tabel yang ada di local database mfg dengan tabel

yang berada di database hq (remote access)

Heterogeneous Distributed Database

—

Oracle Database server mengakses non-Oracle

Database system menggunakan Oracle Heterogeneous

Services:

- Oracle Transparent Gateway

RANCANGAN DATABASE TERDISTRIBUSI

—

FRAGMENTASI DATA

Fragmentasi : relasi dibagi ke dalam beberapa bagian,

setiap bagian disimpan pada lokasi yang berbeda.

—

Tiga jenis fragmentasi :

Fragmentasi Horizontal.

Berisi tuple-tuple yang dipartisi dari sebuah relasi

global ke dalam sejumlah

subset.

—

Deposit 1 =

s

branch-name = “Hillside” (Deposit)

—

Deposit 1 =

s

branch-name = “Valleyview” (Deposit)

RANCANGAN DATABASE TERDISTRIBUSI

Contoh :

— Branch-name Account-number Customer-name Balance

________________________________________________________ Hillside 305 Lowman 500

Hillside 226 Camp 336 Hillside 115 Khan 62

— Branch-name Account-number Customer-name Balance

_________________________________________________________ Valleyview 177 Camp 205

Valleyview 402 Khan 10000 Valleyview 408 Khan 1123 Valleyview 639 Green 750

RANCANGAN DATABASE TERDISTRIBUSI

Branch-name Account-number Customer-name Balance Tuple-id

Hillside 305 Lowman 500 1 Hillside 226 Camp 336 2 Valleyview 117 Camp 205 3 Valleyview 402 Khan 10000 4 Hillside 115 Khan 62 5 Valleyview 408 Khan 1123 6 Valleyview 639 Green 750 7 Fragmentasi Vertical

Deposit 3 = p branch-name, customer-name,tuple-id (deposit) Deposit 4 = p account-number,balance,tuple-id (deposit)

RANCANGAN DATABASE TERDISTRIBUSI

Account-number Balance Tuple-id

305 500 1 226 336 2 117 205 3 402 10000 4 115 62 5 408 1123 6 639 750 7

Branch-name Customer-name Tuple-id Hillside Lowman 1 Hillside Camp 2 Valleyview Camp 3 Valleyview Khan 4 Hillside Khan 5 Valleyview Khan 6 Valleyview Green 7

RANCANGAN DATABASE TERDISTRIBUSI

Data Warehouse

—

Data warehouse adalah relasional database yang

didesain untuk proses query dan analisa

—

Meliputi: extraction, transportation,

transformation, loading solution, online analytical

processing (OLAP),client analysis tool, dan

aplikasi lain yang mengatur proses pengumpulan

data dan mengirimkan ke business user

Data Warehouse

—

Data warehouse didesain untuk proses analisa data

—

Contoh: data penjualan pada suatu perusahaan.

Dengan data warehouse maka dapat menjawab

pertanyaan “siapakah customer terbesar pada akhir

pada akhir tahun?”

Data warehouve vs OLTP

(Online Transaction Processing)

Salah satu perbedaan utama data warehouse dengan OLTP adalah Salah satu perbedaan utama data warehouse dengan OLTP adalah data warehouse tidak selalu dalam bentuk normal ketiga (3NF), data warehouse tidak selalu dalam bentuk normal ketiga (3NF), sedangkan OLTP biasanya dalam bentuk normal ketiga (3NF) sedangkan OLTP biasanya dalam bentuk normal ketiga (3NF)

Data warehouve vs OLTP

—

Data modification

v

v Data warehouse biasanya ternormalisai secara sebagianData warehouse biasanya ternormalisai secara sebagian

bahkan dalam keadaan tidak ternormalisasi bahkan dalam keadaan tidak ternormalisasi

v

v OLTP ternormalisasi penuh untuk meningkatkan prosesOLTP ternormalisasi penuh untuk meningkatkan proses

update/insert/delete dan meningkatkan konsistensi data update/insert/delete dan meningkatkan konsistensi data

n

n

Workload

Workload

v

v Data warehouse diupdate data secara regular (setiapData warehouse diupdate data secara regular (setiap

minggu atau setiap hari) menggunakan teknik modifikasi minggu atau setiap hari) menggunakan teknik modifikasi data sehingga user tidak secara langsung mengupdate data sehingga user tidak secara langsung mengupdate data warehouse

data warehouse

v

v Pada OLTP, user melakukan proses update data secaraPada OLTP, user melakukan proses update data secara

rutin dan langsung rutin dan langsung

n

n

Schema Design

Schema Design

v

v Data warehouse didesain untuk menampung query dalamData warehouse didesain untuk menampung query dalam

jumlah yang besar jumlah yang besar

v

Data warehouve vs OLTP

n

n

Typical operation

Typical operation

v

v Data warehouse menjalankan query yang memprosesData warehouse menjalankan query yang memproses

banyak baris (ratusan atau milyaran), contoh :total banyak baris (ratusan atau milyaran), contoh :total penjualan semua customer pada akhir bulan

penjualan semua customer pada akhir bulan

v

v OLTP hanya mengkases record tertentu, contoh :mencariOLTP hanya mengkases record tertentu, contoh :mencari

data order untuk customer tertentu data order untuk customer tertentu

n

n

Historical data

Historical data

v

v Data warehouse menyimpan data selama beberapa bulanData warehouse menyimpan data selama beberapa bulan

atau tahun. Hal ini mendukung proses historical analysis atau tahun. Hal ini mendukung proses historical analysis

v

Arsitektur data warehouse

End user secara langsung mengakses data dari beberapa sistem End user secara langsung mengakses data dari beberapa sistem melalui data warehouse

Data Mining

—

Suatu metode yang digunakan untuk mengekstrak pola

dari suatu data

—

Nama lain: Knowledge Discovery in Database (KDD)

—

Proses KDD:

v

v

Identifikasi masalah

Identifikasi masalah

v

v

Menyiapkan data

Menyiapkan data

v

v

Membangun model data (data mining)

Membangun model data (data mining)

v

Application Data Mining

—

Data analysis and decision support

—

Managemen dan analisa pasar

— Target marketing, customer relationship management (CRM),

market basket analysis, cross selling, market segmentation

—

Managemen dan analisa resiko

— Forecasting, improved underwriting, quality control, competitive

analysis

—

Other Applications

—

Text mining (news group, email, documents) and Web

mining

—

Stream data mining

Data Mining Task’s

— Association, menemukan hubungan dan korelasi antara berbagai data

item

— Classification, menganalisa data percobaan dan membangun model

berdasarkan fitur dari data

— Prediction, memprediksi nilai-nilai yang mungkin terjadi dari data

yang hilang atau distribusi nilai dari atribut tertentu dalam kumpulan obyek

— Clustering, mengidentifikasi cluster yang tersimpan dalam data,

dimana cluster tersebut merupakan kumpulan data yang memiliki kesamaan dengan yang lain

— Time-series analysis, mencari urutan kesamaan, pola (pattern),

Data Mining Method’s

—

Classification and regression

classification menghasilkan data categorical dan

regression menghasilkan data numeric

—

Clustering

menggunakan algoritma k-mean, k-median

—

Association

menemukan pola pada data transaksional.

Berhubungan dengan market basket analysis

What Kind of Output?

—

Rules

nn

Decision Trees

Decision Trees

n n

Web

Web

Product B Product F Product C Product E Product G Product D Product A

Keunggulan

—

penyimpanan database besar, dalam hitungan

megabyte, gigabyte, terabyte

—

Relationship yang komplek antar field. Gabungan

antara data numerical dan categorical