Artikel DBMS Bionik

The bionic DBMS is coming, but what will it look like?

DBMS adalah kepanjangan dari “Data Base Management System”. Menurut beberapa ahli DBMS itu adalah:

·        Menutut C.J. Date : DBMS adalah merupakan software yang menghandel seluruh akses pada database untuk melayani kebutuhan user.

·        Menurut S, Attre : DBMS adalah software, hardware, firmware dan procedure-procedure yang memanage database. Firmware adalah software yang telah menjadi modul yang tertanam pada hardware (ROM).

·        Menurut Gordon C. Everest : DBMS adalah manajemen yang efektif untuk mengorganisasi sumber daya data.
Jadi DBMS adalah perangkat lunak yang menangani semua pengaksesan database yang mempunyai fasilitas membuat, mengakses, memanipulasi, dan memelihara basis data. 

Bahasa dalam DBMS terbagi menjaldi 2, yaitu:

·        Data Definision Language (DDL) Hasil kompilasi dari perintah DDL adalah satu set dari table yang disimpan dalam file khusus disebut data dictionary/directory.

·        Data Manipulation Language (DML) Bahasa yang memperbolehkan pemakai untuk akses atau memanipulasi data sebagai yang telah diorganisasikan sebelumnya dalam model data yang tepat. Manipulasi data dalam DML meliputi :
- Pengambilan informasi yang disimpan dalam basis data
- Penempatan informasi baru dalam basis data
-  Penghapusan informasi dari basis data.

-         Memodifikasi informasi yang disimpan dalam basis data

Secara dasar ada dua tipe DML :

·        Prosedural, yang membutuhkan pemakai untuk menspesifikasikan data apa yang dibutuhkan dan bagaimana untuk mendapatkannya. Contoh: dbase III, foxbase.

·        Non prosedural, yang membutuhkan pemakai untuk menspesikasikan data apa yang dibutuhkan tanpa menspesifikasikan bagaimana untuk mendapatkannya. Contoh : SQL, QBE. Non Prosedural lebih mudah digunakan dan dipelajari olehuser sebab user tidak harus mengerti bagaimana data harus diperoleh. 

Fungsi DBMS sendiri ialah:

·        Data Definition DBMS harus dapat mengolah pendefinisian data.

·        Data Manipulation DBMS harus dapat menangani permintaan-permintaan dari pemakai untuk mengakses  data.

·        Data Security dan Integrity DBMS dapat memeriksa security dan integrity data yang didefinisikan oleh DBA (Database Administrator).

·        Data Recovery dan Conccurency
a) DBMS harus dapat menangani kegagalan-kegagalan pengaksesan basis data yang dapat disebabkan   oleh kesalahan sistem, kerusakan disk, dsb.

 b)DBMS harus dapat mengontrol pengaksesan data yang konkruen yaitu bila satu data diakses secara bersama-sama oleh lebih dari satu pemakai pada saat yang bersamaan.

·        Data Dictionary DBMS harus menyediakan data dictionary

·        Performance DBMS harus menangani unjuk kerja dari semua fungsi se-efisien mungkin

·         

DBMS memiliki keuntungan dan kerugian:

Keuntungan DBMS

·        Mengurangi pengulangan data DBMS mengurangi jumlah total file dengan menghapus data yang terduplikasi di berbagai file. Data yang terduplikasi selebihnya dapat ditempatkan dalam 1 file.

·        Mencapai independensi data Spesifikasi data disimpan dalam skema pada tiap program aplikasi. Perubahan dapat dibuat pada struktur data tanpa mempengaruhi program yang mengakses data.

·        Mengintegrasikan data beberapa file Saat file dibentuk sehingga menyediakan kaitan logis, maka organisasi fisik bukan menjadi kendala. Organisasi logis, pandangan pengguna, dan program aplikasi tidak harus tercermin pada media penyimpanan fisik.

·        Mengambil data dan informasi dengan cepat Hubungan-hubungan logis, bahasa maniplasi data, serta bahasa query memungkinkan pengguna mengambil data dalam hitungan menit atau detik.

·        Meningkatkan Keamanan DBMS mainframe maupun komputer mikro dapat menyertakan beberapa lapis keamanan seperti kata sandi (password), direktori pemakai, dan bahasa sandi (encryption) sehingga data yang dikelola akan lebih aman. 

Kerugian DBMS

·        Memperoleh perangkat lunak yang mahal DBMS mainframe masih sangat mahal. Walaupun harga DBMS berbasis komputer mikro lebih murah, tetapi tetap merupakan pengeluaran besar bagi suatu organisasi kecil.

·        Memperoleh konfigurasi perangkat keras yang besar DBMS sering memerlukan penyimpanan dan memori yang lebih besar daripada program aplikasi lain.

·        Mempekerjakan dan mempertahankan staf DBA DBMS memerlukan pengetahuan khusus agar dapat memanfaatkan kemampuannya secara penuh. Pengetahuan khusus ini disediakan paling baik oleh pengelola basis data (DBA).

DBMS bionik akan datang, tapi apa yang akan terlihat seperti?

Perangkatlunak selalu memiliki memerintah mesin database, dan prosesor komoditas yang naik Hukum Moore hancur mesin database pada 1980-an dari awal. Namun, hari ini perangkat keras lanskap sangat berbeda, dan bergerak dalam arah yang membuat mesin database semakin menarik.

Kami memperkirakan konvergensi untuk sepenuhnya "bionik" database Engine yang melaksanakan fungsi tombol hampir semua langsung diperangkat keras dan membuang perangkat lunak untuk peran sebagian besar manajerial.

Sejarah perkembangan DBMS:

Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional.  Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data.

• 1960, Dunia komputerisasi membuat aplikasi individu yang digunakan pada file utama. General mill mulai mengembangkan istilah dimensi dan fakta.
• 1970, IRI menyediakan database dimensi untuk pembeli eceran, tahun untuk memperbaiki, mengembangkan dan mencocokan dengan hardware yang dimiliki.
• 1983, DBMS diperkenalkan untuk mengambil keputusan.
• 1988, Barry dan Paul mempublikasikan karyanya tentang Arsitektur Bisnis dan Sistem Informasi.
• 1990, memperkenalkan tool DBMS sebagai alat untuk datawarehouse.
• 1990-sekarang, banyak bermunculan buku-buku datawarehouse dan aplikasi-aplikasi datawarehouse.

Komponen DBMS:

·        Query Prosesor, komponen yang mengubah bentuk query kedalam instruksi kedalam database manager.

·        Database Manager, menerima query & menguji eksternal & konceptual untuk menentukan apakah record – record tersebut dibutuhkan untuk memenuhi permintaan kemudian database manager memanggil file manager untuk menyelesaikan permintaan.

·        File manager, memanipulasi penyimpanan file dan mengatur alokasi ruang penyimpanan disk.

·        DML Prosessor, modul yang mengubah perintah DML yang ditempelkan kedalam program aplikasi dalam bentuk fungsi-fungsi.

·        DDL compiler, merubah statement DDL menjadi kumpulan table atau file yang berisi data dictionary / meta data.

·        Dictionary manajer, mengatur akses dan memelihara data dictionary. 

REFERENSI

http://evafinufa25.blogspot.co.id/2014/03/artikel-tentang-dbms-database.html

http://berbagisharecoretan.blogspot.co.id/2015/09/tugas-sejarah-perkembangan-dbms.html

Analisis Jurnal "Softkill"

Inovasi  Sistem Informasi & Teknologi Informasi Modern

Disusun Oleh:

Indri Yulianti (13115372)

2KA04

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS GUNADARMA 2015/2016

Analisis Jurnal

Saya ingin menganalisis tentang jurnal yang berjudul: “The bionic DBMS is coming, but what will it look like?” -Ryan Johnson-

Dari jurnal yang sudah saya baca saya bisa menyimpulkan bahwa Perangkat lunak selalu memiliki mesin database, DBMS sendiri memiliki beberapa makna dan arti menurut para ahli, yaitu:

·        Menutut C.J. Date : DBMS adalah merupakan software yang menghandel seluruh akses pada database untuk melayani kebutuhan user.

·        Menurut S, Attre : DBMS adalah software, hardware, firmware dan procedure-procedure yang memanage database. Firmware adalah software yang telah menjadi modul yang tertanam pada hardware (ROM).

·        Menurut Gordon C. Everest : DBMS adalah manajemen yang efektif untuk mengorganisasi sumber daya data.

Jadi DBMS (Data Base Management System) adalah perangkat lunak yang menangani semua pengaksesan database yang mempunyai fasilitas membuat, mengakses, memanipulasi, dan memelihara basis data, dan prosesor komoditas yang naik Hukum Moore hancur mesin database pada 1980-an dari awal. Namun, kali ini perangkat keras lanskap sangat berbeda, dan bergerak dalam arah yang membuat mesin database semakin menarik. Kecepatan clock stagnan, silikon gelap yang menjulang, ketersediaan reconfigurable hardware, dan pengaruh ekonomi dari awan penyedia semua menyelaraskan untuk membuat database kustom hardware ekonomis atau bahkan diperlukan.

Terbagi 5 macam penjabaran dari perangkat lunak yg menyangkut sistem database ini, yaitu:

Ø PENGENALAN

Meskipun sistem database telah bermain mata dengan hardware kustom selama beberapa dekade, realitas ekonomi secara historis telah disukai murni solusi perangkat lunak yang naik pada Hukum Moore. Kinerja keuntungan di masa depan akan datang dengan memanfaatkan transistor lebih efektif, bukan dengan memanfaatkan lebih dari mereka pada saat kita lakukan hari ini, dan desain multicore homogen akan jatuh dari nikmat. Akhirnya, ledakan baru aplikasi berbasis "besar data" berarti bahwa, untuk pertama kalinya, penyedia seperti Google, Facebook, Amazon, dan Microsoft. Contoh yang paling menonjol dari aplikasi tersebut adalah transaksi online processing (OLTP).

Dalam tulisan ini, saya berpendapat bahwa kebiasaan hardware, dan reconfigurable hardware khususnya, juga menjanjikan untuk perhitungan yang didominasi oleh kontrol aliran dan tinggi-latensi operasi, perhitungan yang secara luas digunakan dalam transaksi pengolahan dan grafik traversals.

Ø SILIKON GELAP

Sederhananya, gelap silikon adalah tren untuk meningkatkan fraksi chip's transistor tetap tidak terpakai pada waktu tertentu. Efek yang timbul dari dua sumber. Pertama-mengabaikan kekuatan scaling sejenak — homogen multicore desain permintaan tumbuh secara eksponensial paralelisme dari perangkat lunak.

Meskipun banyak data penting manajemen tugas memalukan paralel, tidak semua adalah. Lebih lanjut, bahkan memalukan paralel tugas menderita dari efek condong dan ketidakseimbangan sebagai data tersebar lebih dan lebih Core.

Masalah kedua, kurangnya daya scaling dalam transistor generasi berikutnya, berarti bahwa daya kendala akan memaksa sebagian kecil berkembang hardware offline bahkan jika perangkat lunak dapat digunakan itu. Sayangnya, bahkan langkah ekstrem ini memberikan dorongan hanya satu kali: inti tujuan umum yang hanya dapat dilakukan begitu kecil, dan hukum Amdahl membuatnya sulit untuk memanfaatkan ratusan atau ribuan sangat bersandar Core. Setelah pindah ke Core tertanam selesai, Joule op hanya dapat dikurangi dengan bergerak khusus atau kustom hardware.

Ø LATENCY DAN KONTROL ALIRAN

Pemrosesan query khususnya dalam bentuk kolumnar menghasilkan dataflow yang signifikan dan relatif mudah kontrol aliran yang memetakan baik hardware.

OLTP atau yang disebut dengan “transaksi online processing” diuntungkan oleh frekuensi clock scaling selama puluhan tahun, dan saat ini manfaat bahkan lebih kuat dari tingginya paralelisme ditawarkan oleh multicore hardware, tapi akan menderita kerugian parah kinerja di bawah silikon gelap: frekuensi clock tetap dan tetap inti penting di seluruh generasi berturut-turut mengancam untuk secara permanen topi OLTP throughput.

OLTP cenderung latency-terikat, dengan beberapa sumber latensi keparahan berbeda-beda, seperti yang digambarkan di bawah ini:

  Disk kunci antrian log kait cache melompat penyangga menunggu miss cabang penundaan "besar" seperti disk Input atau Output sudah dikenal dan cukup mudah untuk jadwal di sekitar perangkat lunak, tetapi penundaan kecil di ujung lain skala menimbulkan semacam "kematian dengan seribu potongan kertas" perangkat lunak dan perangkat keras untuk keperluan umum sakit-dilengkapi untuk menangani.

Daripada mencoba untuk meningkatkan kinerja baku, kami sampaikan bahwa OLTP akan manfaat kebanyakan dari perangkat keras yang mengurangi jejak kekuatan dan membantu menyembunyikan atau menghindari latency sebanyak mungkin. Teknik yang menghindari latency segudang finegrained akan sangat berguna.

Ø CONTROL MENGALIR DALAM PERANGKAT KERAS

Hardware kustom memiliki reputasi untuk miskin penanganan aliran kontrol, sebagian besar dari usaha yang gagal untuk mengambil aliran kontrol dinamis dari tujuan umum program. Hardware benar-benar unggul di aliran kontrol, sebagaimana dibuktikan oleh otomaton negara terbatas di mana-mana, khususnya non-deterministik negara terbatas automata (NFA), yang mempekerjakan paralelisme hardware untuk efek yang besar.

Eksplorasi awal operasi OLTP umum seperti B + pohon probe dan penebangan menyarankan bahwa banyak dari inefisiensi melekat pada OLTP muncul karena mereka miskin pemetaan perangkat lunak; Bagian berikut menjelajahi pengamatan ini secara lebih rinci. Kami mengusulkan untuk menargetkan ini perangkat lunak inefisiensi hotspot oleh memeriksa operasi yang mendasari dan pemetaan mereka langsung ke perangkat keras, sehingga menghindari kesetiaan kerugian akibat dimulai dengan penerapan perangkat lunak.

Ø PENGOLAHAN TRANSAKSI "BIONIK"

Pengolahan transaksi ini terbagi menjadi 6, yaitu :

ü Hambatan Analisis

DORA membagi database menjadi Logis partisi yang didukung oleh umum kolam renang buffer dan penebangan infrastruktur, dan kemudian struktur pola akses benang sehingga satu thread yang paling menyentuh setiap datum tertentu. Sepenuhnya menghilangkan mengunci dan menempel dari sebagian besar kode jalan, menggantinya dengan pengaturan yang secara signifikan lebih sederhana dari antrian dan rendezvous poin dan mengeksploitasi berhati-hati penempatan data ke halaman.

ü Aksitektur Ikhtisar

Kami memanfaatkan jalan non-seragam untuk penyimpanan dengan menjaga file database (dan database cache konten) di sisi FPGA, sementara sisi CPU menyimpan log file pada SSD cepat dan hasil sementara menengah dalam memori. Kita sekarang membahas secara singkat masing-masing bagian dukungan hardware dan jenis latensi membantu alamat.

                                            

ü B + Pohon Probe

Solusi perangkat keras layak dan menarik untuk beberapa alasan. Pertama, hampir semua isu-isu kontrol concurrency diselesaikan sebelum permintaan pernah mencapai pohon, menghilangkan sejauh sumber terbesar kerumitan dalam struktur data. B + pohon operasi biasanya secara logis dicatat, sehingga perangkat lunak dapat menangani subsistem penebangan selama hardware unit menjamin atomicity setiap permintaan yang diterima.

Awal percobaan menunjukkan bahwa unit perangkat keras yang diusulkan akan sangat kompak: perangkat lunak untuk menyelidik B + pohon di atas memerlukan hanya beberapa lusin mesin petunjuk, kebanyakan kembar tiga bentuk "beban-Bandingkan-cabang." Peta aliran kontrol semacam ini sangat baik untuk perangkat keras, dan kami sedang dalam proses membangun mesin probe pohon generik perangkat keras yang dapat menangani integer dan variabel-panjang string tombol.

ü Logging

Permintaan dari soket yang sama dapat dikumpulkan sebelum menyampaikan mereka, dan hardware-tingkat arbitrase secara signifikan lebih mudah untuk alasan tentang daripada struktur data bebas kunci khas, sambil menghindari kerumitan dan overhead yang biasanya diperlukan untuk membangun sebuah serial log menggunakan kait. Untuk efektivitas maksimum, antarmuka penebangan akan perlu untuk menjadi tak sinkron, sehingga latency berbagai log operasi dapat tumpang tindih dengan mudah dengan permintaan lainnya. Sinkronisasi log dapat dilakukan di perangkat lunak, dengan beberapa bantuan dari mesin Manajemen antrian perangkat keras untuk menyimpan latency dari jalur kritis.

ü Antrian Manajemen

Antrian di DORA biasanya melihat hanya cahaya pertengkaran terburuk, tetapi mereka masih memiliki overhead signifikan manajemen (yang merupakan bagian dari Dora dan komponen front-end. Kita perhatikan bahwa banyak tantangan yang terkait dengan antrian fundamental keras; Sementara perangkat keras tidak diragukan lagi akan mengurangi overhead, akan tidak ajaib memecahkan masalah penjadwalan. Kami berharap bahwa perangkat lunak akan terus memainkan peran kunci di daerah ini.

ü Overlay Database

Hamparan menyajikan cache dibaca dan penyangga menulis sampai mereka dapat bergabung massal kembali ke data pada disk (menggantikan buffer pool), dan juga akan patch update ke data historis yang diminta oleh pertanyaan; SAP HANA [4] adalah contoh yang sangat baik dari pendekatan ini. Mengakui bahwa beban kerja OLTP indeks-pengguna berat, hamparan akan terdiri seluruhnya dari berbagai indeks yang dapat diselidiki oleh mesin perangkat keras. Jika akses disk yang dibutuhkan, operasi hardware aborts sehingga perangkat lunak dapat memicu data fetch dan kemudian coba lagi.

DBMS bionik adalah?

DBMS adalah perantara user dengan basis data dan juga bisa disebut sebagaisistem pengorganisasian data pada komputer. Sedangkan bionik adalah mesin database yang menerapkan hampir semua fungsi tombol langsung di hardware dan membuang software untuk peran sebagian besar manajerial.  Jadi DBMS bionik adalah sebuah perantara antara user dengan basis data dan sebagai sistem pengorganisasian data pada komputer yang menggunakan mesin database yang menerapkan hampir semua fungsi tombol langsung di hardware dan membuang peran software untuk sebagian besar manajerial.

KESIMPULAN

Jadi tujuan dari pembuatan DBMS bionic merupakan suatu perwujudan dari pemikiran kembali dari para ahli untuk membuat sebuah desain DBMS terbaru yang dapat menghemat penggunaan listrik yang belum pernah ada sebelumnya sambil terus tetap konsisten dan bisa meningkatkan kinerja DBMS menjadi lebih baik lagi. Dalam pembuatan DBMS bionik ini menggunakan sebuah alat bernama dark silicon yang merupakan sebuah alat yang menjadi tren untuk meningkatkan fraksi transistor chip untuk menyisihkan yang tidak terpakai sewaktu waktu.

REFERENSI

Johnson, R., et al. skalabilitas menulis-depan log on multicore dan multisocket hardware. Jurnal VLDB, 20, 2011.

Pandis, I., Johnson, R., Hardavellas, N., dan Ailamaki, A. Dataoriented pelaksanaan transaksi. PVLDB, 3, 2010 (1).

Pandis, I., Toz¨ PBB, ¨ P., Johnson, R., dan Ailamaki, A. PLP: Halaman bebas kait bersama-semuanya OLTP. PVLDB, 4(10), 2011.

Tsirogiannis, D., Harizopoulos, S., dan Shah, M. A. menganalisis efisiensi energi database server. Dalam SIGMOD, 2010.

http://evafinufa25.blogspot.co.id/2014/03/artikel-tentang-dbms-database.html

http://berbagisharecoretan.blogspot.co.id/2015/09/tugas-sejarah-perkembangan-dbms.html