Ενοποίηση σχεσιακών δεδομένων και ροών δεδομένων για υποστήριξη αναλυτικών εφαρμογών πραγματικού χρόνου

Περίληψη

Η διδακτορική διατριβή εντάσσεται στα ευρύτερα γνωστικά πεδία των Βάσεων Δεδομένων, των Ροών Δεδομένων, της Επιχειρηματικής Ευφυΐας και της Ανάλυσης Δεδομένων. Η διατριβή πραγματεύεται τα ακόλουθα: (1) Μοντελοποίηση τεχνικών και γλωσσών δήλωσης ερωτημάτων που επιτρέπουν την υποστήριξη εφαρμογών ανάλυσης δεδομένων σε πραγματικό χρόνο. (2) Ανάπτυξη και υλοποίηση επεκτάσεων στην γλώσσα SQL που επιτρέπουν την ενοποίηση σχεσιακών δεδομένων και ροών δεδομένων για την υποστήριξη συνεχών ερωτημάτων που περιλαμβάνουν πολλαπλές συναθροίσεις από ροές δεδομένων, πολλαπλές πηγές ροών δεδομένων και συσχετισμένες συναθροίσεις. (3) Ανάπτυξη δήλωσης αναφορών που ενσωματώνουν σχεσιακά δεδομένα και ροές δεδομένων και ομοιάζει με τον τρόπο χρήσης υπολογιστικών φύλλων. (4) Προδιαγράφει ένα πλαίσιο ενοποίησης Σχεσιακών Συστημάτων Βάσεων Δεδομένων και ετερογενών Συστημάτων Ροών Δεδομένων με βασική λειτουργιά την χρήση συναθροιστικών αποτελεσμάτων που προκύπτουν από ροές δεδομένων σε τυπικούς σχεσιακούς πίνακ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Nowadays, more and more organizations realize the importance of analyzing available data. While most of the times data is stored, over the last years there is a growing amount of stream data. Such data arrives on-line from multiple sources in a continuous, rapid and time-varying fashion. Currently, most stream management applications and systems exploit stream data with the objective to answer monitoring queries. However, the real potential of stream data lies in the possibility to capture new types of information in (near) real-time and support decisions. To support this kind of analysis we need analytics queries that can support multiple and correlated stream aggregates over stream data coming from multiple and heterogeneous stream sources. Moreover a wide range of analytics applications need to combine already available data (e.g. stored data) and stream data to empower business with (near) real-time insights that can be used for improved decision making. As relational databases are ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/43164
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/43164
ND
43164
Εναλλακτικός τίτλος
Combining relational and stream data for rea l- time analytics
Συγγραφέας
Σωτηρόπουλος, Ιωάννης του Σωτήριος
Ημερομηνία
2013
Ίδρυμα
Οικονομικό Πανεπιστήμιο Αθηνών. Σχολή Διοίκησης Επιχειρήσεων. Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας
Εξεταστική επιτροπή
Χατζηαντωνίου Δαμιανός
Πραματάρη Αικατερίνη
Σπινέλλης Διομήδης
Βασιλειάδης Παναγιώτης
Γιαγλής Γεώργιος
Κωτίδης Ιωάννης
Θεοδωρίδης Ιωάννης
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Ροές δεδομένων
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
128 σ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)