introduktion
databehandling er en metode til manipulation af data. Det betyder konvertering af rådata til meningsfuldt og maskinlæsbart indhold. Det er dybest set en proces med at konvertere rådata til meningsfuld information. “Det kan henvise til brugen af automatiserede metoder til at behandle kommercielle data.”Dette bruger typisk relativt enkle, gentagne aktiviteter til at behandle store mængder lignende information. Rådata er det input, der går ind i en slags behandling for at generere meningsfuld output.
typer af databehandling
der er forskellige typer databehandlingsteknikker, afhængigt af hvad dataene er nødvendige for. I denne artikel skal vi diskutere de fem hovedtyper af databehandling.
1.Kommerciel databehandling
den kommercielle databehandling betyder en metode til anvendelse af standard relationelle databaser, og det omfatter brugen af batchbehandling. Det indebærer at levere enorme data som input til systemet og skabe en stor mængde output, men bruger mindre beregningsoperationer. Det kombinerer dybest set handel og computere for at gøre det nyttigt for en virksomhed. De data, der behandles gennem dette system, er normalt standardiseret og har derfor en meget lavere chance for fejl.
mange manuelle værker automatiseres ved brug af computere for at gøre det nemt og fejlsikkert. Computere bruges i erhvervslivet til at tage rådata og behandle dem til en form for information, der er nyttig for virksomheden. Regnskabsprogrammer er prototypiske eksempler på databehandlingsapplikationer. Et informationssystem (IS) er det felt, der studerer såsom organisatoriske computersystemer.
2.Videnskabelig databehandling
i modsætning til kommerciel databehandling involverer videnskabelig databehandling en stor anvendelse af beregningsoperationer, men lavere mængder input såvel som output. De beregningsmæssige operationer omfatter aritmetiske og sammenligning operationer. I denne type behandling er eventuelle chancer for fejl ikke acceptable, da det ville føre til uretmæssig beslutningstagning. Derfor udføres processen med validering, sortering og standardisering af dataene meget omhyggeligt, og en lang række videnskabelige metoder bruges til at sikre, at der ikke nås forkerte forhold og konklusioner.
dette tager længere tid end i kommerciel databehandling. De almindelige eksempler på videnskabelig databehandling inkluderer behandling, administrere, og distribuere videnskabsdataprodukter og lette videnskabelig analyse af algoritmer, kalibreringsdata, og dataprodukter samt vedligeholdelse af alle programmer, kalibreringsdata, under streng konfigurationskontrol.
3. Batchbehandling
batchbehandling betyder en type databehandling, hvor en række sager behandles samtidigt. Dataene indsamles og behandles i batches, og de bruges mest, når dataene er homogene og i store mængder. Batchbehandling kan defineres som samtidig, samtidig eller sekventiel udførelse af en aktivitet. Samtidig batchbehandling sker, når de udføres af den samme ressource for alle sager på samme tid. Sekventiel batchbehandling sker, når de udføres af den samme ressource i forskellige tilfælde enten umiddelbart eller umiddelbart efter hinanden.
samtidig batchbehandling betyder, når de udføres af de samme ressourcer, men delvist overlapper hinanden i tide. Det bruges mest i økonomiske applikationer eller på de steder, hvor der kræves yderligere sikkerhedsniveauer. I denne behandling er beregningstiden relativt mindre, fordi ved at anvende en funktion på hele dataene helt udtrækker output. Det er i stand til at fuldføre arbejdet med en meget mindre mængde menneskelig indgriben.
4. Online behandling
i sprogbrug af nutidens databasesystemer, “online”, der betyder “interaktiv”, inden for rammerne af tålmodighed.”Online behandling er det modsatte af” batch ” behandling. Onlinebehandling kan bygges ud af en række relativt mere enkle operatører, ligesom traditionelle forespørgselsbehandlingsmotorer er bygget. Online behandling analytiske operationer involverer typisk store fraktioner af store databaser. Det bør derfor være overraskende, at nutidens online analytiske systemer giver interaktiv ydeevne. Hemmeligheden bag deres succes er precomputation.
i de fleste online analytiske behandlingssystemer beregnes svaret på hvert punkt og klik længe før brugeren selv starter applikationen. Faktisk gør mange online behandlingssystemer denne beregning relativt ineffektivt, men da behandlingen sker på forhånd, ser slutbrugeren ikke ydelsesproblemet. Denne type behandling bruges, når data skal behandles kontinuerligt, og den føres automatisk ind i systemet.
5. Realtidsbehandling
det nuværende datastyringssystem begrænser typisk kapaciteten til behandling af data på as og hvornår basis, fordi dette system altid er baseret på periodiske opdateringer af batches, som følge af, at der er en tidsforsinkelse med mange timer i tilfælde af en begivenhed og registrering eller opdatering af den. Dette medførte et behov for et system, der ville være i stand til at registrere, opdatere og behandle dataene på som og når basis, dvs. i realtid, hvilket ville hjælpe med at reducere tidsforsinkelsen mellem forekomst og behandling til næsten nul. Kæmpe klumper af data hældes i systemer fra organisationer, og derfor vil lagring og behandling af det i et realtidsmiljø ændre scenariet.
de fleste organisationer vil have indsigt i dataene i realtid for at forstå miljøet inden for eller uden for deres organisation fuldt ud. Det er her behovet for et system opstår, der vil være i stand til at håndtere databehandling og analyse i realtid. Denne type behandling giver resultater, når og når det sker. Den mest almindelige metode er at tage dataene direkte fra dens kilde, som også kan kaldes stream, og drage konklusioner uden faktisk at overføre eller hente dem. En anden vigtig teknik i realtidsbehandling er data virtualiseringsteknikker, hvor meningsfuld information trækkes til behovene for databehandling, mens dataene forbliver i sin kildeform.
konklusion
dette er en grundlæggende introduktion til begrebet databehandling og dets fem hovedtyper. Alle typer er blevet diskuteret kort, og alle disse metoder har deres relevans inden for deres respektive områder, men det ser ud til i dagens dynamiske miljø, Real-time og online behandlingssystemer vil være de mest anvendte.
hvis du er interesseret i at gøre en karriere i Data Science domæne, kan vores 11-måneders in-person Postgraduate Certificate Diploma i Data Science kursus hjælpe dig uhyre i at blive en succesfuld Data Science professionel.
LÆS OGSÅ
- Hvad er statistisk analyse?