Nghiên cứu ứng dụng anchor modeling và khung nhìn thực để nâng cao hiệu quả quản lý điểm học sinh tại trường THPT ba gia tỉnh quảng ngãi

Đ IăH CăĐĨăN NG
TR
NGăĐ IăH CăS ăPH M

TR NăDUYăBỊNH

NGHIểNăC Uă NGăD NGăANCHORăMODELINGă
VĨăKHUNGăNHỊNăTH CăĐ ăNỂNGăCAOăHI UăQU ă
QU NăLụăĐI M H CăSINHăT IăTR
NGăTHPTă
BA GIA T NHăQU NGăNGĩI

LU NăVĔNăTH CăSƾ
H ăTH NGăTHỌNGăTIN

ĐƠăN ng,ănĕmă2019


Đ IăH CăĐĨăN NG
TR
NGăĐ IăH CăS ăPH M

TR NăDUYăBỊNH

NGHIểNăC Uă NGăD NGăANCHORăMODELINGă
VĨăKHUNGăNHỊNăTH CăĐ ăNỂNGăCAOăHI UăQU ă
QU NăLụăĐI M H CăSINHăT IăTR
NGăTHPTă
BAăGIAăT NHăQU NGăNGĩI

ChuyênăngƠnh:ăH ăTH NGăTHỌNGăTIN

Mưăs :ă848.01.04

LU NăVĔNăTH CăSƾ

NG
IăH
NGăDẪNăKHOAăH C:
TS. NGUY NăTR NăQU CăVINH

ĐƠăN ng,ănĕmă2019





ii

M CL C
L IăCAMăĐOAN ........................................................................................................... i
M CăL C ......................................................................................................................ii
DANHăM CăT ăVI TăT T ....................................................................................... iv
DANHăM CăCỄCăB NG............................................................................................. v
DANHăM CăCỄCăHỊNH ............................................................................................ vi
M ăĐ U ......................................................................................................................... 1
1. Lý do ch n đ tài................................................................................................... 1
2. Mục tiêu nghiên c u ............................................................................................. 2
3. Đ i tượng và ph m vi nghiên c u ........................................................................ 2
4. Phương pháp nghiên c u ...................................................................................... 2
5. Ý nghĩa c a đ tài ................................................................................................. 2
6. B cục luận văn ..................................................................................................... 2

CH
NGă1. T NGăQUANăV ăANCHOR MODELING VÀ KHUNG NHÌN
TH C ............................................................................................................................. 4
1.1. Tổng quan v Anchor Modeling............................................................................... 4
1.1.1. Giới thiệu ........................................................................................................ 4
1.1.2. Những khái niệm cơ b n v mô hình hóa AM ................................................ 5
1.1.3. Cơ s dữ liệu có yếu t th i gian .................................................................... 8
1.1.4. Truy cập dữ liệu ............................................................................................ 10
1.2. Tổng quan v khung nhìn thực ............................................................................... 10
1.2.1. Giới thiệu chung............................................................................................ 10
1.2.2. ng dụng KNT trong hệ qu n tr c s dữ liệu Microsoft SQL Server ....... 12
1.2.3. Cập nhật khung nhìn thực ............................................................................. 14
1.3. Kết luận Chương 1.................................................................................................. 14
CH
NG 2. GI Iă PHỄPă NỂNGă CAOă HI Uă NĔNGă H ă TH NGă B NG
ANCHORăMODELINGăVĨăKHUNGăNHỊNăTH C .............................................. 16
2.1. Qu n lý đi m h c sinh trư ng THPT .................................................................. 16
2.1.1. Yêu cầu ......................................................................................................... 16
2.1.2. Thực tr ng ..................................................................................................... 16
2.1.3. Đ xuất gi i pháp .......................................................................................... 16
2.2. Hệ th ng thông tin qu n lý đi m h c sinh t i trư ng THPT Ba Gia tỉnh Qu ng
Ngãi ............................................................................................................................... 17
2.2.1. Mô t hệ th ng .............................................................................................. 17
2.2.2. Mô t các ch c năng c a hệ th ng ................................................................ 19


iii
2.3. Mơ hình cơ s dữ liệu hiện t i ................................................................................ 20
2.3.1. Các m i kết hợp ............................................................................................ 20
2.3.2. Dữ liệu hiện t i .............................................................................................. 24

2.3.3. Mơ t q trình thao tác dữ liệu c a một s ch c năng ................................ 25
2.4. Mơ hình hóa dữ liệu theo AM ................................................................................ 34
2.4.1. Mơ t thuộc tính trong AM ........................................................................... 34
2.4.2. Mô t các m i quan hệ trong AM ................................................................. 37
2.4.3. Mơ hình AM với CSDL hiện t i ................................................................... 47
2.5.

ng dụng khung nhìn thực trong CSDL AM ......................................................... 50
2.5.1. ng dụng khung nhìn thực ........................................................................... 50

2.5.2. Xây dựng Trigger .......................................................................................... 53
2.6. Kết luận Chương 2.................................................................................................. 55
CH
NGă3. TH CăNGHI MăVĨăĐỄNHăGIỄ ...................................................... 56
3.1. Một s kết qu thu được ......................................................................................... 56
3.2. Nhận xét, đánh giá .................................................................................................. 60
3.3. Kết luận Chương 3.................................................................................................. 61
K TăLU NăVĨăH
NGăPHỄTăTRI N ................................................................. 63
TĨIăLI UăTHAMăKH O........................................................................................... 64
PH ăL C
QUY TăĐ NHăGIAOăĐ ăTĨIăLU NăVĔNă(b năsao)


iv

DANH M C T
STT

VI T T T

Vi tăt t

Di năgi i

1

AM

Anchor Modeling

2

CSDL

Cơ s dữ liệu

3

HQT

Hệ qu n tr

4

KNT

Khung nhìn thực

5

THPT

Trung h c phổ thông


v

DANH M C CÁC B NG

S h u

Tên b ng

b ng

Trang

2.1.

Mơ t các thuộc tính c a b ng

24

2.2.

Mơ t truy vấn t o b ng

25

2.3.

Mô t truy vấn nhập dữ liệu vào b ng

26

2.4.

Mơ t truy vấn tính đi m trung bình từng mơn h c

27

2.5.

Mơ t truy vấn tính đi m trung bình tất c các mơn h c

28

2.6.

Mô t truy vấn xếp lo i h c lực h c sinh cu i h c kỳ

30

2.7.

Mô t truy vấn th ng kê s lượng theo xếp lo i h c lực

32

2.8.

Mơ t các thuộc tính theo AM

35

2.9.

Mơ t các m i quan hệ theo AM

37

2.10.

Truy vấn tính đi m trung bình từng mơn có ng dụng AM

37

2.11.

Truy vấn tính đi m trung bình tất c các mơn h c có ng dụng
AM

40

2.12.

Truy vấn xếp lo i h c lực h c sinh có ng dụng AM

43

2.13.

Truy vấn tính đi m trung bình từng mơn có ng dụng KNT

50

2.14.

Truy vấn tính đi m trung bình các mơn h c có ng dụng KNT

52

2.15.

Truy vấn xếp lo i h c lực h c sinh có ng dụng KNT

53

2.16.

Truy vấn th ng kê có ng dụng KNT

53

3.1.

Mơ t dữ liệu thử nghiệm

56

3.2.

Th i gian thực hiện truy vấn

60

3.3.

Th i gian thực hiện truy vấn khi Update dữ liệu

61


vi

DANH M C CÁC HÌNH
S hi u
hình

Tên hình

Trang

1.1.

Mơ hình hóa tập thực th đơn gi n

6

1.2.

Các m i quan hệ

7

1.3.

Sử dụng KNT

11

2.1.

Mô t hệ th ng

18

2.2.

Bi u đồ từng tự một s ch c năng

19

2.3.

Mơ hình thực th kết hợp

21

2.4.

Mơ hình dữ liệu quan hệ

23

2.5.

Mơ hình AM

49

2.6.

Liên hệ giữa b ng g c, khung nhìn, KNC và Trigger

55

3.1.

Truy vấn tính đi m trung bình từng mơn h c trên SQL Server

56

3.2.

Truy vấn tính đi m trung bình các mơn h c trên SQL Server

57

3.3.

Truy vấn tính đi m trung bình từng mơn h c có ng dụng
KNT

57

3.4.

Truy vấn tính đi m trung bình các mơn có ng dụng KNT

58

3.5.

Truy vấn xếp lo i h c lực h c sinh có ng dụng KNT

58

3.6.

Truy vấn xem đi m theo th i gian

59

3.7.

Truy vấn xem đi m t i th i đi m cu i cùng

59

1

M

Đ U

1. Lý doăch năđ ătƠi
Trong cuộc s ng hiện nay, khoa h c kỹ thuật ngày tiến bộ công nghệ phần m m
được ng dụng rộng rãi trong tất c m i lĩnh vực, trong giáo dục việc ng dụng các
phần m m càng có ý nghĩa và rất cần thiết. Tin h c hố cơng tác qu n lý giáo dục và
xây dựng hệ th ng thông tin qu n lý giáo dục là một nhiệm vụ tr ng tâm c a Bộ Giáo
dục và Đào t o trong chương trình tin h c hố qu n lý hành chính nhà nước và chương
trình xây dựng chính ph điện tử. Đ triễn khai công tác tin h c hố qu n lý nhà nước
v giáo dục phổ thơng, Cục Công nghệ thông tin – Bộ Giáo dục và Đào t o đã nghiên
c u và tri n khai xây dựng các hệ th ng thông tin qu n lý giáo dục và phần m m qu n
lý giáo dục. Trong hệ th ng này có nhi u phần m m chẳng h n như phần m m
VEMIS, trong phần m m VEMIS có phân hệ qu n lý đi m cho h c sinh cho phép
nhập, sửa, xoá, tính đi m trung bình c a h c sinh và lưu dữ liệu đi m c a h c sinh l i.
Hoặc như phần m m SMAS (School Management System) c a Tập đồn Viễn thơng
Qn đội viettel triễn khai áp dụng, Vnedu (VietNam Education Networdk ) c a tập
đồn VNPT, nhìn chung hai phần m m SMAS và VnEdu đ u xây dựng dựa trên n n
t ng điện toán đám mây, cho phép xử lý tập trung dữ liệu, xử lý linh ho t.
Những ng dụng c a hệ th ng thông tin trong lĩnh vực qu n lý là những ng
dụng vô cùng quan tr ng. Nó khơng những gi i phóng cơng s c cho những ngư i qu n
lý mà còn đem l i sự chính xác và nhanh nh y trong qu n lý.
Đặc biệt các thao tác cập nhật (update) dữ liệu xóa dữ liệu cũ và thay vào đó
bằng những giá tr mới, thao tác xóa (delete) dữ liệu thực hiện xóa hồn tồn b n ghi
từ cơ s dữ liệu. Trong khi đó cơ s dữ liệu (CSDL) th i gian l i lưu dữ liệu trong q

trình tiến hóa và cho phép tìm kiếm l ch sử trên đó. Cụ th , cơ s dữ liệu th i gian cho
phép truy cập dữ liệu th i đi m cu i cùng, một th i đi m bất kỳ trong quá kh hoặc
truy cập đến l ch sử thay đổi dữ liệu trong một kho ng th i gian nào đó. Dữ liệu phụ
thuộc vào th i gian và th i đi m thay đổi dữ liệu ph i được ghi l i. Đồng th i đ tiết
kiệm th i gian và chi phí nhưng vẫn đ t được hiệu qu cao trong cơng tác qu n lý.
Khung nhìn thực (KNT) là một kỹ thuật giúp c i thiện và nâng cao t c độ thực thi đ i
với các truy vấn ph c t p, có tần suất sử dụng cao trên một lượng dữ liệu lớn. Ý tư ng
c a KNT là dựa trên các b ng kết qu sẵn có đ tr l i truy vấn một cách nhanh chóng
mà khơng cần thực thi l i truy vấn. Đ i với những truy vấn ph c t p bao gồm nhi u
phép n i và các hàm th ng kê, hiệu qu sử dụng KNT càng rõ rệt, đặc biệt khi áp dụng
trên một lượng dữ liệu đ lớn, do đã b qua các bước thực thi phép n i và các hàm
th ng kê v n là những thành phần chiếm nhi u chi phí trong quá trình thực thi truy


2
vấn. Hơn nữa, những thao tác dữ liệu truy n th ng chỉ cho phép truy cập dữ liệu

th i

đi m hiện t i, không th truy cập đến các phiên b n dữ liệu trong quá kh .
Xuất phát từ những ý tư ng trên và được sự đồng ý hướng dẫn c a tiến sĩ
Nguyễn Trần Qu c Vinh, tôi ch n đ tài: “Nghiên c u ng dụng Anchor Modeling
và khung nhìn thực để nâng cao hiệu quả quản lý điểm học sinh tại trường THPT
Ba Gia tỉnh Quảng Ngãi” đ làm luận văn th c sỹ.
2.ăM cătiêuănghiênăc u
- Nghiên c u v Anchor Modeling (AM) và KNT
- Phân tích hệ th ng qu n lý đi m t i trư ng trung h c phổ thông (THPT) Ba
Gia tỉnh Qu ng Ngãi
- Mơ hình hóa dữ liệu với AM
- Xây dựng khung nhìn thực cho một s khung nhìn cu i, hàm theo th i gian

3. Đ iăt ngăvƠăph măviănghiênăc u
 Đ iăt ng nghiên c u
- Phương pháp mơ hình hóa dữ liệu AM
- KNT
- Hệ th ng thông tin qu n lý giáo dục

 Ph m vi nghiên c u
- Hệ qu n tr cơ s dữ liệu SQL server

- KNT trong hệ qu n tr cơ s dữ liệu SQL server
- Tập trung nghiên c u cách tổ ch c dữ liệu, truy cập dữ liệu với AM
- Nghiên c u khung nhìn thực cho khung nhìn cu i, hàm theo th i gian
- Xây dựng cơ s dữ liệu qu n lí đi m

trư ng trung h c phổ thông Ba Gia

4. Ph ngăphápănghiênăc u
- Phương pháp nghiên c u lý thuyết: tìm hi u và lựa ch n phương pháp phù
hợp
- Thu thập s liệu từ nguồn dữ liệu có sẵn t i trư ng
- Phương pháp nghiên c u thực nghiệm: Xây dựng hệ th ng qu n lý đi m h c
sinh t i trư ng THPT Ba Gia theo mơ hình hóa dữ liệu với AM và KNT.
5.ăụănghƿaăc aăđ ătƠi
- Truy cập được dữ liệu bất kỳ th i đi m nào trong quá kh
- Nâng cao hiệu năng, xử lý kh i lượng dữ liệu lớn chính xác, nhanh g n trong
việc truy cập dữ liệu
- T o đi u kiện thuận lợi cho ngư i dùng, tiết kiệm th i gian và chi phí
6.ăB ăc călu năvĕn
Nội dung c a luận văn được trình bày gồm các phần chính sau

3
Ch ngă1.ăT ngăquanăv ăAMăvƠăKNT
Chương này tập trung nghiên c u tổng quan v AM và KNT. Trong AM ta tập
trung nghiên c u các khái niệm cơ b n v AM, CSDL có yếu t th i gian, dữ liệu tiến
hóa, mơ hình dữ liệu với AM và lợi ích mà AM mang l i. Cịn trong khung nhìn thực
ngồi tìm hi u tổng quan v khung nhìn thực ta tìm hi u các ng dụng c a KNT, các
cơ chế cập nhật KNT và ng dụng c a KNT.
Ch ngă2.ăGi iăphápănơngăcaoăhi uănĕngăh ăth ngăb ngăAMăvƠăKNT
Chương này tập trung nghiên c u tổng quan hệ th ng qu n lý đi m cho h c
sinh t i trư ng THPT Ba Gia tỉnh Qu ng Ngãi, các thao tác trong hệ th ng, xây dựng
mơ hình thực th kết hợp, mơ hình dữ liệu quan hệ, các thuộc tính c a b ng trên CSDL
SQL Server, thiết kế mơ hình AM cho CSDL, xây dựng CSDL trên AM, mô t một s
các truy vấn cho một s thao tác.
Ch ngă3.ăTh cănghi măvƠăđƠnhăgiá
Chương này ch yếu thực hiện các truy vấn cho một s thao tác c a hệ th ng
trên CSDL SQL, CSDL AM không ng dụng KNT và CSDL AM có ng dụng KNT.
Từ các kết qu thu được tiến hành đánh giá ng dụng AM và KNT trong việc qu n lý
đi m h c sinh t i trư ng THPT Ba Gia.


4

CH
NGă1
T NG QUAN V ANCHOR MODELING VÀ KHUNG NHÌN TH C
1.1. T ngăquanăv ăAnchor Modeling
1.1.1. Giới thiệu
Duy trì và phát tri n kho dữ liệu trong th i gian dài là một ho t động ph c t p,
dễ b lỗi, và t n th i gian. Lý do chính là môi trư ng c a một kho dữ liệu thay đổi liên

tục. Các nguồn cung cấp dữ liệu cho kho cũng thay đổi theo th i gian. Các nhu cầu tìm
kiếm thơng tin, chẳng h n như các nhu cầu phân tích và báo cáo cũng thay đổi theo.
Đ gi i quyết những khó khăn này, các mơ hình dữ liệu [8] c a kho ph i linh ho t, và
theo dõi những thay đổi trong các thông tin được xử lý. Tuy nhiên, nhi u kho dữ liệu
hiện t i đ u có một mơ hình khơng đáp ng được những u cầu này.
Kỹ thuật mơ hình hóa AM cho phép bi u diễn m nh mẽ và linh ho t những thay
đổi. Tất c các thay đổi đ u được thực hiện dưới hình th c các phần m rộng, làm cho
các phiên b n khác nhau c a một mơ hình liên tục có sẵn như là tập con c a mơ hình
mới nhất [6]. Đi u này cho phép truy vấn phiên b n chéo một cách dễ dàng [7]. Đây
cũng là một lợi ích quan tr ng trong các môi trư ng kho dữ liệu b i vì các ng dụng
khơng b nh hư ng b i sự phát tri n c a mô hình dữ liệu. Hơn nữa, kết qu c a sự
phát tri n thơng qua các phần m rộng (thay vì sửa đổi) là tính mơđun, làm cho nó có
th phân tách các mơ hình dữ liệu thành các thành phần nh , ổn đ nh và dễ qu n lý.
Tính mơ đun này có giá tr lớn trong việc phát tri n linh ho t khi những lặp ngắn là
cần thiết. Khá đơn gi n đ lần đầu xây dựng một mơ hình bộ phận với một s lượng
nh các đi u kho n kinh doanh đã th a thuận và sau đó liên tục m rộng nó thành một
mơ hình hồn chỉnh. Cách th c làm việc này có th c i thiện tình tr ng hiện t i trong
việc thiết kế kho dữ liệu, nơi gần một nửa trong s các dự án hiện t i hoặc là chậm tiến
độ hoặc là vượt quá ngân sách một phần là do ph m vi dự án ban đầu quá lớn. Bên
c nh đó, kết qu c a việc sử dụng kỹ thuật mơ hình hóa AM là các mơ hình dữ liệu chỉ
cần những thay đổi nh khi có thay đổi lớn trong mơi trư ng. Do đó, những thay đổi
như thêm hoặc chuy n sang một hệ th ng nguồn hoặc cơng cụ phân tích - là những
k ch b n kho dữ liệu đi n hình dễ dàng được ph n ánh trong một mơ hình AM. Việc
gi m thiết kế l i làm tăng thêm tuổi th c a một kho dữ liệu, rút ngắn th i gian thực
hiện và đơn gi n hóa việc b o trì.
AM, kết hợp chuẩn hố [10], [15] lược đồ quan hệ và tính c nh tranh đ cung
cấp kỹ thuật mơ hình hố CSDL linh ho t cho dữ liệu tiến hoá. AM cung cấp hệ th ng
các nguyên tắc [14], theo đó mơ hình thu được có th được tri n khai theo mơ hình dữ
liệu quan hệ một cách đơn gi n. Kết qu trực tiếp là CSDL th i gian đ t chuẩn 6NF.

5
AM cung cấp cơ chế m rộng không huỷ, theo đó cho phép kh năng qu n tr
thay đổi dữ liệu rất m nh và m m dẻo. Các thao tác dữ liệu thông thư ng làm cho
ngư i dùng chỉ có th truy cập đến phiên b n dữ liệu cu i cùng, không th truy cập
đến các phiên b n dữ liệu trong quá kh .
Đặc biệt, các thao tác cập nhật (update) dữ liệu xoá giá tr cũ và thay vào đó
bằng giá tr mới, thao tác xố (delete) dữ liệu thực hiện xố hồn tồn b n ghi từ
CSDL. Với AM, l ch sử hoá được thực hiện bằng cách sử dụng th i đi m thay đổi dữ
liệu. Th i đi m này bắt đầu một kho ng th i gian kết thúc b i việc thêm mới một b n
ghi một th hiện c a thực th cùng đ nh danh với th i đi m thay đổi trễ hơn. Thay vì
thay giá tr cũ bằng giá tr mới hay xoá b n ghi, AM giữ nguyên b n ghi cũ, thêm mới
một b n ghi và đánh dấu các phiên b n b n ghi theo th i gian. Chẳng h n, cho b n ghi
có đ nh danh ID nào đó. B n ghi này có 3 phiên b n theo các m c th i gian t1, t2, t3.
Sau này, khi cần truy cập đến dữ liệu vào th i đi m t < t1, ta cần xác đ nh tmax =
MAX(ti) với ti ≤ t theo ID và xác đ nh b n ghi/giá tr

th i đi m t theo ID và tmax

1.1.2. Những khái niệm cơ bản về mô hình hóa AM
Các khái niệm n n t ng trong AM bao gồm neo (anchor), giới h n (knot), thuộc
tính (attribute), thuộc tính hằng (static attribute), thuộc tính biến thiên (historized
attribute), thuộc tính hằng giới h n (knotted static attribute), thuộc tính biến thiên giới
h n (knotted historized attribute). Các lo i m i quan hệ (tie) bao gồm quan hệ hằng
(static tie), quan hệ biến thiên (historized tie), quan hệ hằng giới h n (knotted static
tie), quan hệ biến thiên giới h n (knotted historized tie)[15], ...
- Đ nh danh (Identifier): là một tập vô h n các bi u tượng được sử dụng[15].
- Anchor: Lưu trữ các đ nh danh c a các thực th
- Giới h n (Knot): Lưu trữ mi n giá tr c a dữ liệu. Ví dụ v một giới h n trong
thực th HOCSINH có GT_HS với mi n giá tr được giới h n chỉ là Nam hoặc Nữ.

- Thuộc tính (Attributes): Lưu trữ các giá tr c a các thuộc tính, mỗi thực th có
th có nhi u thuộc tính, các thuộc tính được phân biệt thành b n lo i[14]. Ví dụ trong
thực th HOCSINH có các thuộc tính sau: ma_hs, hodem_hs, ten_hs, ns_hs, ...
- Thuộc tính hằng (Static Attribute): Thuộc tính hằng là những thuộc tính chấp
nhận giá tr không thay đổi theo th i gian, chẳng h n giới tính c a một cơng dân.
Thuộc tính hằng được th hiện dưới d ng hình trịn có một vi ng trịn bên ngồi[14].
Ví dụ trong thực th HOCSINH có các thuộc tính hằng như: MA_HS, HODEM_HS,
TEN_HS, DT_HS, NS_HS.
- Thuộc tính biến thiên (Historized Attribute): Thuộc tính biến thiên là thuộc
tính chấp nhận các giá tr có th thay đổi theo th i gian và cần ghi l i sự thay đổi này,
chẳng h n, đơn v công tác c a một cơng dân. Thuộc tính biến thiên được th hiện


6
dưới d ng một hình trịn có hai đư ng vi ng trịn bê ngồi[14]. Ví dụ trong thực thực
th HOCSINH có các thuộc tính biến thiên như DC_HS, SDT_HS.
Anchor
Anchor Role
Attribute

Tie

Knotted Attribute

Static
Attribute

Historized
Attribute

Knotted
Static
Attribute

Knotted
Historized
Attribute

Knotted tie

Static
Tie

Historized
Tie

Knotted
Static
Tie

Knotted
Historized
Tie

Hình 1. 1. Mơ hình hóa tập thực thể đơn giản
- Thuộc tính hằng giới h n (Knotted Static Attribute): Thuộc tính hằng giới h n
bi u diễn m i quan hệ giữa thực th và giới h n, cụ th thuộc tính chấp nhận một giá
tr c đ nh nào đó từ tập s lượng nh các giá tr [14]. Ví dụ trong thực th th
HOCSINH thuộc tính hằng giới h ng là GT_HS.
- Thuộc tính biến thiên giới h n (Knotted Historized Attribute): Thuộc tính biến

thiên giới h n bi u diễn thuộc tính c a một thực th có th chấp nhận các giá tr khác
nhau từ tập s lượng nh các giá tr [14]. Ví dụ trong thực th HOCSINH thuộc tính
biến thiên giới h n TG_HS.
- M i quan hệ (Tie): Một m i quan hệ mô t liên kết giữa hai hoặc nhi u tập
thực th anchor với nhau và các thực th giới h n tùy ch n. Tương tự như các thuộc
tính, các m i quan hệ có b n biến th : quan hệ hằng (Static Tie), quan hệ biến thiên
(Historized Tie), quan hệ hằng giới h n (Knotted Static Tie), quan hệ biến thiên giới
h n (Knotted Historized Tie)[14].
- Vai trò tập thực th (Anchor Role): Một vai trò tập thực th là một chuỗi. Mỗi
vai trò tập thực th có một ki u, mỗi ki u là một tập thực th [14].
- Vai trò giới h n (Knot Role): Một vai trò giới h n là một chuỗi. Mỗi vai trị
giới h n có một ki u, mỗi ki u là một giới h n[14].
- Quan hệ hằng (Static Tie): Có th hi u m i quan hệ hằng là m i quan hệ không
thay đổi theo th i gian, chẳng h n, m i quan hệ cha – con sinh h c giữa hai anchor công
dân. Nó cũng có th là ví dụ cho m i quan hệ hằng giới h n, m i quan hệ sinh h c giữa
hai công dân: cha-con, mẹ-con, ông-cháu, bà-cháu, cơ/dì/chú/bác – cháu và khơng quan


7
hệ huyết th ng. Một quan hệ hằng được th hiện dưới d ng hình thoi đặc như hình
1.2(a).

Hình 1.2. Các mối quan hệ
- Quan hệ biến thiên (Historized Tie): M i quan hệ quan hệ biến thiên là m i
liên kết có th chấp nhận các giá tr khác nhau theo th i gian từ tập s lượng lớn các
giá tr [15]. Một quan hệ biến thiên được th hiện dưới d ng hình thoi đặc với một
đư ng vi n bên ngồi như hình 1.2(b).
- Quan hệ hằng giới h n (Knotted Static Tie): Một quan hệ hằng giới h n TKS là
tập hợp gồm ít nhất hai vai trò tập thực th và một hoặc nhi u vai trò giới h n. Một đ i
tượng tKS c a một quan hệ hằng TKS = {R1,…, Rn, S1,…, Sm} là tập hợp các cặp (Ri,

vi), i = 1, .. ., n và (Sj, wj), j = 1,…,m, trong đó Ri là một vai trị tập thực th (Anchor
Role), Sj là một vai trò giới h n (Knot Role), vi I, wj I, n ≥ 2, và m ≥ 1. Phần m

rộng c a một quan hệ hằng giới h n TKS là tập hợp các đ i tượng c a TKS[14]. Một
quan hệ hằng được th hiện dưới d ng hình thoi đặc như hình 1.2(c).
- Quan hệ biến thiên giới h n (Knotted Historized): Một quan hệ biến thiên giới
h n TKH là tập hợp gồm ít nhất hai vai trò tập thực th (Anchor Roles) và một hoặc
nhi u vai trò giới h n (Knot Roles) và một ki u th i gian T[15]. Một đ i tượng tKH c a
một quan hệ biến thiên TKH = { R1,…, Rn, S1,…, Sm, T} là tập hợp các cặp (Ri, vi), i =
1,…, n, (Sj, wj), j = 1,…, m, và một th i đi m p, trong đó Ri là một vai trị tập thực th

(Anchor Role), Sj là một vai trò giới h n (Knot Role), viI, wjI, pT, n ≥ 2, và m ≥
1. Phần m rộng c a một quan hệ biến thiên giới h n TKH là tập hợp các đ i tượng c a
TKH. M i quan hệ biến thiên giới h n đ i diện cho m i liên kết chấp nhận các giá tr
khác nhau theo th i gian từ một tập s lượng nh các giá tr giữa hai hoặc nhi u thực
th với nhau. Chẳng h n, m i quan hệ b n bè, ngư i yêu, vợ chồng giữa hai công dân
với nhau. Một quan hệ biến thiên được th hiện dưới d ng hình thoi đặc với một
đư ng vi n bên ngồi như hình 1.2(d).
- Lược đồ tập thực th (Anchor Schema): là một lược đồ gồm có các thành
phần:


8
 Tập hợp các tập thực th

 Tập hợp các giới h n
 Tập hợp các thuộc tính

 Tập hợp vai trò tập thực th
 Tập hợp vai trò giới h n

 Tập hợp các quan hệ

 Tập hợp các đ nh danh
- Mơ hình tập thực th (Anchor Model): Cho A = {A, K, BS, BH, BKS, BKH, RA,
RK, TS, TH, TKS, TKH, I) là một lược đồ tập thực th . Một mơ hình tập thực th cho A là
một mơ hình bội b n {extA, extK, extB, extT), trong đó extA là một hàm từ các tập thực
th đến các phần m rộng c a các tập thực th , extK là một hàm từ các giới h n đến
các phần m rộng c a các giới h n, extB là một hàm từ các thuộc tính đến các phần m
rộng c a các thuộc tính, and extT là một hàm từ các liên kết đến các phần m rộng c a
các liên kết. Cho proji là b n đồ chiếu th i[14]. Một mơ hình tập thực th ph i đáp
ng các đi u kiện sau:

(i) Đ i với mỗi thuộc tính B  BS  BH  BKS  BKH, proj1(extB(B))

extA(mi n (B)).

(ii) Đ i với mỗi thuộc tính B  BKS  BKH, proj2(extB(B)) proj1(extK(d i

(B))).

(iii) Đ i với mỗi liên kết T và vai trò tập thực th RA  T, {v{RA,v) 

extT(T)}  extA(ki u (RA)).

(iv) Đ i với mỗi liên kết T và vai trò giới h n RK  T, {v | {RK, v} extT (T)} 

proj1(extK(type(RK)))
1.1.3. Cơ sở dữ liệu có yếu tố thời gian
1.1.3.1. Khái niệm cơ sở dữ liệu có yếu tố thời gian
Yếu t th i gian làm cho CSDL rõ ràng hơn, hữu ích hơn nhưng đồng th i cũng

làm cho nó tr nên ph c t p hơn. Do đó ngư i ta thư ng b qua yếu t th i gian,
không quan tâm đến nó khi thiết kế CSDL. Song, phần lớn các ng dụng CSDL hiện
nay đ u lưu giữ, qu n lý các dữ liệu có liên quan đến th i gian và có sự thay đổi theo
th i gian. Vậy như thế nào là một CSDL có yếu t th i gian?
CSDL có yếu t th i gian theo nghĩa rộng bao gồm tất c các ng dụng
CSDL có liên quan đến yếu t th i gian trong việc tổ ch c thông tin. Chẳng h n như:
việc theo dõi s c kh e bệnh nhân; các hệ th ng đặt chỗ trước (như khách s n, sân
bay, nơi cho thuê xe, ga tàu,…) hằng ngày luôn nhận được các yêu cầu đặt chỗ trước;
CSDL từ các dữ liệu đã đo được c a các thí nghiệm theo từng th i đi m khác nhau;


9
hay trong CSDL c a một công ty, chúng ta lưu giữ các thông tin v lương, công việc
và các dự án c a mỗi nhân viên; trong trư ng h c, yếu t th i gian cần được chú ý bao
gồm các h c kỳ và các năm c a mỗi kh i cùng với xếp lo i c a h c sinh và các thông
tin khác.
Một CSDL th i gian (temporal database) là một CSDL có các khía c nh được
xây dựng dựa theo th i gian. Ví dụ, một mơ hình dữ liệu t m th i và một phiên b n
t m th i c a một ngơn ngữ truy vấn có cấu trúc. Các phương pháp tiếp cận mơ hình
hóa CSDL, chẳng h n như mơ hình ER ban đầu, khơng bao gồm các yếu t ngôn ngữ
cụ th mà hỗ trợ một cách rõ ràng cho các khái niệm th i gian. Phần m rộng c a lược
đồ ER bao gồm các cấu trúc th i gian như th i gian hợp lệ, th i gian (kho ng th i
gian) trong đó một yếu t là sự thật trong thế giới thực và th i gian giao d ch, th i gian
trong đó một yếu t được lưu trữ trong một CSDL [5], [7], [8]. Mơ hình hóa AM cung
cấp các yếu t cú pháp đ bi u diễn các thuộc tính (thuộc tính được biến thiên) và các
liên kết (liên kêt biến thiên), ví dụ: th i gian hợp lệ. Mơ hình hóa AM không cung cấp
một ngôn ngữ truy vấn cho các nhà khai thác chuyên dụng đ truy vấn các yếu t th i
gian c a mơ hình, tuy nhiên, nó cung cấp các khung nhìn và các hàm đ đơn gi n hóa
và t i ưu hóa truy vấn th i gian.
AM phân biệt ba quan đi m v th i gian. Th i đi m thay đổi (changingtime) dữ

liệu đ i với các thuộc tính biến thiên hoặc m i quan hệ biến thiên là kho ng th i gian
các giá tr c a chúng hoặc m i quan hệ là hợp lệ trong lĩnh vực ng dụng đang được
mơ hình hố. Trong AM, th i gian thay đổi được mơ t thơng qua một cột trong b ng,
có tên g i ValidTime và có ki u dữ liệu ngày/gi . Th hai, th i đi m x y ra
(happening time) đ i diện cho th i đi m một sự kiện x y ra trên thực tế trong lĩnh vực
ng dụng. Th i đi m này tự thân nó sẽ là một thuộc tính trong AM. Th ba, th i gian
ghi nhận (recording time) là dữ liệu v th i đi m thông tin được ghi nhận. Các tên này
c gắng nắm bắt đi u mà th i gian bi u đ t: “khi một giá tr được thay đổi”, “khi
thông tin được ghi”, và “khi một sự kiện x y ra”.
1.1.3.2. Thời điểm thay đổi
Th i gian thay đổi cho một thuộc tính được l ch sử hóa hoặc liên kết là kho ng
th i gian mà giá tr hoặc quan hệ c a nó có giá tr trong mi n th o luận đang được mơ
hình hóa, t c là nó tương ng với khái niệm th i gian hợp lệ [5] [7] [8], như đã th o
luận trong phần trước. Trong mơ hình hóa AM, kho ng th i gian này được xác đ nh
bằng cách sử dụng th i đi m duy nhất. Đó là th i đi m được sử dụng như là một th i
gian bắt đầu rõ ràng cho kho ng th i gian mà t i đó một trư ng hợp có th được cho là
có một giá tr hoặc m i quan hệ nhất đ nh. Nếu các thuộc tính từng phần khơng có mặt
trong một mơ hình AM và do đó khơng có giá tr rỗng trong một CSDL AM, thay vì


10
xóa hoặc cập nhật chúng, bằng cách mơ ph ng một giới h n duy trì tr ng thái c a giá
tr cho các thuộc tính hoặc liên kết[13].
1.1.3.3. Thời điểm ghi nhận
Đ i với mục đích b o trì và phân tích, một lo i th i gian khác thư ng là cần
thiết, th i gian ghi. Th i gian ghi trong mơ hình hóa AM tương ng với khái niệm v
th i gian giao d ch [5] [7] [8], đã th o luận trên. Nói một cách khái qt thì nó có th
được xem là th i gian khi một mẩu thông tin được nhập vào mi n th o luận hoặc “th i
gian (kho ng th i gian) trong đó một thực tế được lưu trữ trong CSDL”. Trong nhi u
k ch b n một th i gian ghi đơn cho mỗi mẩu thông tin là đ , tương ng với th i gian

khi các dữ liệu được n p vào CSDL. Tuy nhiên, có th trong một s trư ng hợp cần
ph i lưu trữ một m ng th i gian ghi nếu dữ liệu đã vượt qua một s hệ th ng trước khi
đến mô hình. Trong một CSDL AM, siêu dữ liệu này được th hiện thông qua tài liệu
tham kh o cho một cấu trúc siêu dữ liệu,mà cũng nên được mơ hình hóa AM [13].
1.1.3.4. Thời điểm diễn ra
Th i gian diễn ra được sử dụng đ th hiện cho th i đi m hoặc kho ng th i
gian mà một sự kiện diễn ra trong mi n th o luận. Đi u này tương tự như th i gian x y
ra sự kiện, t c là ngay lập t c t i đó sự kiện x y ra trong thế giới thực. Trong Mơ hình
hóa AM lo i th i gian này được coi như là một thuộc tính c a chính sự kiện. Do đó
cần ph i được mơ hình hóa thành một hoặc hai thuộc tính tùy thuộc vào sự kiện này là
nhất th i ("đã x y ra t i") hoặc cần một kho ng th i gian ("đã x y ra giữa"). Th i gian
diễn ra là thuộc tính/tính chất c a sự vật trong mi n th o luận mà ph i xét đến các giá
tr c a các lo i th i gian. Một s ví dụ v những th này như là: một ngư i, một phiếu
mua hàng và mua hàng, có th i gian x y ra như: ngày sinh c a một ngư i, ngày mất
c a một ngư i, phiếu gi m giá có giá tr từ, phiếu gi m giá có giá tr đến, ngày mua và
th i gian mua hàng. Là thuộc tính, chúng có th có c th i gian thay đổi và th i gian
ghi. Lý do là đ nhập "th i gian x y ra" là một khái niệm riêng c a chính nó và đ
tránh nó b nhầm lẫn với th i gian hợp lệ hoặc th i gian giao d ch cho mỗi giao d ch
[13].
1.1.4. Truy cập dữ liệu
Dữ liệu v quê quán c a h c sinh có th thay đổi theo th i gian, vì thế mu n
biết t i th i đi m ti nào đó h c sinh có quê quán đâu ta cần ph i xác đ nh th i đi m
đ truy cập dữ liệu cho chính xác
1.2. T ngăquan v ăkhungănhìnăth c
1.2.1. Giới thiệu chung
Trong báo giới chuyên ngành máy tính chúng ta thư ng gặp các thuật ngữ “kh
năng m rộng” (scalability), “năng suất” (productivity) và “tính lưu động” (mobility).


11

Trong khi đó, đ ngõ sự thật, rằng khơng một trong chúng tự b n thân nó có ý nghĩa,
b i vì bất c một năng suất nào cũng có th là khơng đ , bất c tính lưu động nào
cũng có th là khơng hữu ích, và chính kh năng m rộng cũng ch a những thiếu sót
nghiêm tr ng. Thư ng thì phần m m ho t động trên giới h n c a năng suất mà n n
t ng phần c ng (thiết b ) cho phép. Thay thế một máy ch bằng một máy ch khác
hoàn thiện hơn khơng h đơn gi n vì tr giá q cao. Ngồi ra, thậm chí thiết b hiện
đ i nhất cũng chỉ cho một m c tăng trư ng nhất đ nh v năng suất trong vài lần, và
thư ng thì khơng đ .
Tồn t i một s cơng nghệ cho phép nâng cao đáng k và đ m b o an toàn năng
suất c a hệ th ng. Có những tổng kết rất hiếm khi được thực hiện, và chúng rất “nặng”
trên kh i lượng dữ liệu lớn, chúng có th được thực hiện trong chế độ trì hỗn. Nhưng
có những bộ phận tổng kết ln ln cần thiết hoặc trong chế độ th i gian thực. Các
tổng kết đó cần ph i được thực hiện ngay t c khắc, và việc thực hiện chúng có th
ki m hãm cơng việc c a c tổ ch c, ví dụ, quyết toán kế toán, tổng kết tồn kho,…
KNT cho phép gi i quyết các vấn đ đó. Nó có th giúp tăng t c nhi u lần các truy vấn
ph c t p trên các CSDL với s lượng b n ghi rất lớn [1], cho phép thực thi các truy
vấn ph c t p trên các CSDL dung lượng hàng terabytes trong vài giây hoặc phần nh
c a giây. Hệ qu n tr CSDL thực hiện việc đó bằng cách sử các tổng kết hoặc các phép
n i đã được tính trước c a dữ liệu, thư ng là kết qu thực thi các truy vấn, đ tr l i
các truy vấn một cách trong su t đ i với ngư i dùng. Thông thư ng, các tổng kết được
tính trước đó có kích thước rất nh so với nguồn dữ liệu g c là các b ng, mà nếu
khơng có KNT, truy vấn sẽ được thực thi trên các b ng đó. Ý tư ng ng dụng KNT là
kết qu thực thi các truy vấn được giữ l i.
B ng g c
diem_HS1

B ng g c
diem_HS2

Truy vấn tính tổng đi m

HS1

B ng g c
diem_HS3

Truy vấn tính trung bình
đi mtừng mơn

Hình 1.3. Sử dụng KNT

KNT
Tong1

KNT
Tong3

KNT
Tong2

KNT
Tong12

Truy vấn tính đi m trung
bình các mơn


12
Nếu như dữ liệu cần đ tr l i một truy vấn có trong KNT, thì chúng sẽ được
truy xuất bằng cách quét các b ng KNT khi xuất hiện truy vấn. Khi đó, các chi phí bao
gồm trong việc xét kh năng sử dụng KNT và quét các b ng KNT đó, và khơng bao

gồm các thao tác đắt giá như n i (JOIN), tổng kết (SUM, COUNT, AVG, MIN, MAX)
và nhóm (GROUP BY). Rõ ràng, KNT khơng cho phép nâng cao năng suất trong tất
c các trư ng hợp, hiệu qu

ng dụng chúng có th gi m đi rõ rệt nếu thư ng xuyên

x y ra thay đổi dữ liệu trong các b ng g c sử dụng đ t o KNT (hay KNT sử dụng).
Nghĩa là, lợi ích sử dụng KNT th hiện sự chênh lệch tổng chi phí duy trì KNT và
tổng chi phí thực thi các truy vấn trên các b ng g c [1]. Năng suất c a hệ th ng thơng
tin cũng có th b gi m, thậm chí kh năng ph n hồi các truy vấn b mất đi nếu s
lượng truy vấn sử dụng một tập hợp dữ liệu ít và tr s các truy vấn thấp, trong khi các
phần tử c a tập hợp dữ liệu đó được cập nhật với tần suất cao.
Trong hình 1.3 cho thấy nguyên tắc sử dụng các KNT: Các b ng g c được sử
dụng đ tr l i các truy vấn tính tổng đi m hệ s 1, trung bình đi m hệ s 1; Trong khi
kết qu thực thi các truy vấn tính đi m trung bình các mơn được lấy từ các KNT.
Sử dụng KNT vi ph m một s yêu cầu c a lý thuyết thiết kế CSDL, chẳng h n,
vi ph m tính dư thừa và các bất thư ng, và nó địi h i chi phí duy trì. Tuy nhiên, một
khi các “tác h i” c a nó là rất nh so với “lợi ích” do nó mang l i, thì chúng ta có th
b qua các “tác h i” đó. Các ưu đi m ng dụng KNT bao hàm trong việc nâng cao
năng suất hệ th ng thông tin nh : Rút ngắn th i gian thực thi các truy vấn; Gi m s
lượng các lần đ c/ghi vật lý, b i vì kh i lượng dữ liệu cần xử gi m; Gi m t i bộ vi xử
lý trung tâm và tài nguyên nói chung; Gi m kh i lượng thao tác n i, sắp xếp cũng như
tính các hàm th ng kê.
Vấn đ sử dụng các KNT đ tr l i các truy vấn nhận được sự quan tâm đáng
k dưới d ng ng dụng chúng trong nhi u ng dụng qu n tr dữ liệu, chẳng h n như
trong liên kết dữ liệu, trong các kho dữ liệu, trong thiết kế web, trong t i ưu hố truy
vấn và thậm chí, KNT được ng dụng trong bài toán cập nhật các KNT. Khi ng dụng
KNT, hệ qu n tr CSDL ph i gi i quyết bài toán được đ nh d ng như sau: cho một truy
vấn trên một lược đồ CSDL và tập hợp các KNT trên chính lược đồ CSDL đó, có th
sử dụng các truy vấn đến các KNT đ tr l i truy vấn đó hay khơng.

Ví dụ v ng dụng KNT trong việc qu n lý đi m h c sinh t i trư ng THPT
Ba Gia như: khung nhìn tong1, khung nhìn tong2, khung nhìn tong3, khung nhìn
tong12, khung nhìn tam.
1.2.2. ng dụng KNT trong hệ quản trị cở sở dữ liệu Microsoft SQL Server
Trong MS SQL Server, q trình thực hố (materialization) khung nhìn diễn ra
t i th i đi m t o chỉ mục liên cung. Trong SQL Server, phần ch a các khoá c a chỉ


13
mục liên cung nằm trực tiếp trong các trang dữ liệu. Khi có mặt chỉ mục, tất c các chỉ
mục cịn l i với tính chất là khố sẽ sử dụng giá tr c a chỉ mục liên cung, ch không
ph i là các từ đ nh danh c a b n ghi. Có th nói rằng, q trình thực hố các khung
nhìn trong SQL Server chính là q trình xây dựng chỉ mục liên cung và vì thế KNT
trong SQL Server được g i là khung nhìn chỉ mục hố (indexed view).
Ví dụ các indexed view được t o ra trong CSDL qu n lý đi m t i trư ng THPT
Ba Gia dhs1_diem1_dhs1_ID_ChangedAt, lbdiem_bangdiem, ndhs1_diem_hs1,
ndhs2_diem_hs2, ndhs3_diem_hs3.
Sự khác nhau cơ b n trong tri n khai KNT trong Oracle và SQL Server là
đi m, Oracle cho phép không t o các chỉ mục cho KNT, còn SQL Server yêu cầu ph i
t o ít nhất một chỉ mục liên cung độc nhất (unique clustered index) cho KNT. KNT
trong Oracle có th được cập nhật tự động hoặc khơng, trong khi đó KNT trong SQL
Server bao gi cũng được cập nhật tự động.
Truy vấn tính đi m trung bình các mơn cho h c sinh, sử dụng CSDL
CSDL_SQL có sẵn trong bộ cài SQL Server 2014 sau đây phần nào minh ho s c
m nh c a KNT. T m g i truy vấn này là TBM:
select dbo.lbhs_hocsinh.ma_hs,dbo.lbhs_hocsinh.hodem_hs,dbo.lbhs_hocsinh.ten_hs,
AVG(tamtbmon.tbmon) as tbcacmonhky, min(tamtbmon.tbmon) as minmon into tam1
from tamtbmon, lbhs_hocsinh
where tamtbmon.bdiem_mhs_bangdiem_ma_hs=dbo.lbhs_hocsinh.ma_hs
group by dbo.lbhs_hocsinh.ma_hs,dbo.lbhs_hocsinh.hodem_hs,dbo.lbhs_hocsinh.ten_hs

order by dbo.lbhs_hocsinh.ten_hs
Các b ng tamtbmon, lbhs_hocsinh được sử dụng trong truy vấn có s lượng
b n ghi kho n 14000. Khi khơng sử dụng KNT, truy vấn này có th i gian thực thi
trung bình 750 ms. Cịn khi có chỉ mục truy vấn này chỉ mất th i gian 120 ms - một
t c độ ấn tượng trên một s lượng b n ghi tương đ i lớn nh các chỉ mục liên cung đã
được t o ra cho một s cột c a các b ng.
CREATE TRIGGER tg_U_Tdhs1_diem1_dhs1_ID_ChangedAt
ON dbo.dhs1_diem1_diem_hs1_diem_l1
FOR UPDATE
AS
BEGIN
DECLARE @dhs1_diem1_dhs1_ID INT
DECLARE @maxTime DATETIME
DECLARE contro CURSOR
FOR
SELECT
Inserted.dhs1_diem1_dhs1_ID,Inserted.dhs1_
diem1_ChangedAt FROM Inserted


14
OPEN contro
FETCH NEXT FROM contro INTO @dhs1_diem1_dhs1_ID,@maxTime
WHILE (@@FETCH_STATUS = 0)
BEGIN
UPDATE dbo.Tdhs1_diem1_dhs1_ID_ChangedAt
SET maxTime = @maxTime
WHERE dhs1_diem1_dhs1_ID = @dhs1_diem1_dhs1_ID
FETCH
NEXT

FROM
contro
INTO
@dhs1_diem1_dhs1_ID,@maxTime
END
CLOSE contro
DEALLOCATE contro
END
GO
1.2.3. Cập nhật khung nhìn thực
C mỗi khi dữ liệu trong các b ng g c được cập nhật [4], các KNT sử dụng các
dữ liệu đó tr nên khơng thực tiễn. Đ duy trì các b ng KNT trong tr ng thái thực tiễn
(actual state), cần ph i cập nhật chúng mỗi khi có sự thay đổi dữ liệu (insert, update,
delete) trong các b n g c. Quá trình làm cho dữ liệu trong KNT tương ng với dữ liệu
trong các b ng g c đó được g i là sự thực tiễn hoá. Tuỳ thuộc vào cách th c thực hiện,
cập nhật được chia thành ba phương pháp chính, đó là hoàn toàn, gia tăng và ép buộc.
Cập nhật hoàn toàn thực tế là t o l i KNT bằng cách thực thi truy vấn trên cơ s KNT
đã được t o ra. Cập nhật gia tăng chỉ sửa đổi phần dữ liệu trong KNT liên quan đến
các thay đổi dữ liệu trong các b ng g c. Cập nhật ép buộc là khi có kh năng thì thực
hiện cập nhật gia tăng, cịn nếu khơng thì sử dụng cập nhật hoàn toàn. Phụ thuộc vào
th i h n đưa các thay đổi vào các b ng KNT, các cơ chế cập nhật được phân ra đồng
bộ và không đồng bộ. Cập nhật đồng bộ được thực thi không chậm trễ ngay khi có
thay đổi dữ liệu trong b ng g c như một phần c a giao tác thực hiện thay đổi đó.
Ngược l i, cập nhật khơng đồng bộ được thực hiện vào một th i đi m nào đó sau khi
các giao tác sửa đổi dữ liệu trong b ng g c đã được c đ nh.
1.3. K tălu năCh ngă1
Chương này đã tập trung nghiên c u tổng quan v AM và KNT. Trong AM ta
tập trung nghiên c u các khái niệm cơ b n v AM, CSDL có yếu t th i gian, dữ liệu
tiến hóa, mơ hình dữ liệu với AM và lợi ích mà AM mang l i. Cịn trong khung nhìn
thực ngồi tìm hi u tổng quan v khung nhìn thực ta tìm hi u các ng dụng c a KNT,

các cơ chế cập nhật KNT và ng dụng c a KNT.


15
AM là một cơng cụ mơ hình hố CSDL cho phép t o các mơ hình dữ liệu th i
gian sử dụng 6NF. CSDL AM lưu l i tất c các phiên b n dữ liệu, cho phép truy cập
đến dữ liệu bất kỳ th i đi m nào trong quá kh với t c độ truy cập rất cao. Mơ hình
hóa AM hỗ trợ mơ hình hóa thơng tin linh ho t bằng cách đáp ng yêu cầu rằng toàn
bộ mi n, cơ quan, doanh nghiệp ph i được mơ hình hóa trong một bước duy nhất. Kh
năng c a một mơ hình bao gồm tất c khơng ph i là một lựa ch n thực tế. Hơn nữa, t i
một s th i đi m, một sự thay đổi có th x y ra mà khơng th lư ng trước được. Mơ
hình hóa AM được xây dựng dựa trên gi đ nh rằng khơng bao gi có th thực hiện
được các dự đốn hồn h o. Một mơ hình khơng được xây dựng đ tr thành mơ hình
cu i cùng mà nó được xây dựng đ được thay đổi.
Sử dụng KNT đ rút ngắn th i gian thực thi các truy vấn; Gi m s lượng các
lần đ c/ghi vật lý, b i vì kh i lượng dữ liệu cần xử gi m; Gi m t i bộ vi xử lý trung
tâm và tài nguyên nói chung; Gi m kh i lượng thao tác n i, sắp xếp cũng như tính các
hàm th ng kê.