Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zasadniczym celem kształcenia na module jest prezentacja wybranych zagadnień z zakresu optymalizacji systemów bazodanowych mających praktyczne zastosowanie w ich administracji i eksploatacji.

Ogólne informacje o zajęciach: Moduł zakłada zapoznanie studenta z zagadnieniami optymalizacji systemów bazodanowych, w szczególności optymalizacją polecń SQL mających wpływ na wydajność przetwarzania baz danych jak i systemu hosta (CPU, RAM), jak również generowaniu i analizie statystyk. Realizacja tego celu odbywa się w czasie wykładów i laboratoriów.

Materiały dydaktyczne: http://dymorap.sd.prz.edu.pl/pl/67/

Inne: Możliwość skorzystania z książek u prowadzącego.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	S. Alapati, D. Kuhn, B. Padfield	Oracle Database 12c, Problemy i Rozwiązania	Helion.	2015
2	J. Price	Oracle Database 12c i SQL. Programowanie	Helion.	2015
3	OAI Coursebook	Oracle Database 11g SQL Tuning Workshop	Oracle.	2016
4	A. Silberschatz, H. F. Korth, S. Sudarshan	Database System Concepts	McGraw-Hill Higher Education.	2011
5	W. R Stanek	Microsoft SQL Server 2012, Vademecum Administratora	MS Press.	2012

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

OAI Coursebook

Oracle Database 11g SQL Tuning Workshop

Oracle.

2018

Literatura do samodzielnego studiowania

1	OAI Coursebook	Oracle Database 11g – Administration	Oracle.	2017
2	D. Tow	SQL. Optymalizacja	Helion.	2004

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student powinien znać podstawowe zagadnienia z zakresu teorii mnogości, algebry zbiorów, relacyjnych baz danych, wybranych systemów bazodanowych.

Wymagania wstępne w kategorii Wiedzy: Student powinien mieć wiedzę z zakresu relacyjnych baz danych, systemów bazodanowych oraz SQL, wykorzystywaną do formułowania i rozwiązywania zaawansowanych zadań inżynieryjnych z eksploatacji BD.

Wymagania wstępne w kategorii Umiejętności: Student powinien umieć użyć wiedzę z zakresu relacyjnych baz danych oraz eksploatacji systemów bazodanowych celem optymalizacji funkcjonowania systemów bazodanowych.

Wymagania wstępne w kategorii Kompetencji społecznych: Student powinien umieć pracować indywidualnie jak i w zespole, prezentować wyniki pracy na forum grupy jak i w formie opisowej.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z OEK
01	Wyjaśnia podstawowe elementy architektury systemu bazodanowego na poziomie fizycznym i logicznym oraz ich wzajemne powiązania.	wykład, laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03++ K_U02++ K_U21+++	T2A_W04+++ T2A_U08++ T2A_U09+++ T2A_U15+++
02	Wyjaśnia podstwowe procesy systemu bazodanowego związane z jego funkcjonowaniem oraz przetwarzaniem danych.	wykład, laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03++ K_U02++ K_U21+++	T2A_W04+++ T2A_U08++ T2A_U09++ T2A_U15+++
03	Interpretacju plany wykonania oraz rozumie perspektywy systemowe.	wykład, laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03+++ K_U07+++ K_U21+++	T2A_W04+++ T2A_U08+++ T2A_U15+++
04	Potrafi dokonać transformacji modelu danych (model schematu gwiazdy, płatka śniegu) celem optymalizacji zapytań.	wykład, laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03+++ K_U02+++ K_U07++	T2A_W04++ T2A_U08++ T2A_U09+++
05	Interpretuje statystyki optymalizatora, rodzaje statystyk, histogramy oraz potrafi używać wskazówek (reguł) optymalizacji.	wykład, laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03++ K_U02+++ K_U07++ K_U21+	T2A_W04++ T2A_U08+++ T2A_U09+++ T2A_U15++
06	Zarządza i optymalizuje system operacyjny oraz bazodanowy na poziomie fizycznym jak i logicznym.	wykład , laboratorium	zaliczenie cz. pisemna, obserwacja wykonawstwa	K_W03++ K_U02++ K_U07+++ K_U21+++	T2A_W04++ T2A_U08+++ T2A_U09+++ T2A_U15+++

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
3	TK01	Zajęcia organizacyjne. Ustalenie formy zaliczenia i zakresu materiału. Zapoznanie z regulaminem pracy w laboratorium.	W01, L01
3	TK02	Architektura systemów bazodanowych na przykładzie bazy danych Oracle: struktura serwera baz danych, połączenie z bazą danych, struktura pamięci, bufory bazy danych, obszar współdzielony, procesy pierwszo i drugoplanowe, logiczna i fizyczna struktura danych, przestrzenie tabel, segmenty, extenty i bloki.	W02, L01, L02	MEK01 MEK02
3	TK03	Zarządzanie strukturą przechowywania danych: struktura przechowywania danych (magazyn danych – storage), bloki, extenty, segmenty, przestrzenie tabele i pliki danych, zarządzanie przestrzenią w przestrzeniach tabel (Tablespace), modyfikacja, usuwanie, zarządzanie i przeglądanie przestrzenią tabel, powiększanie bazy danych, Oracle Managed Files (OMF), Automatic Storage Management (ASM).	W03, L03, L4	MEK01 MEK02 MEK06
3	TK04	Utrzymanie i optymalizacja bazy danych: Oracle Optimizer - statystyki, Automatic Workload Repository (AWR), Automatic Database Diagnostic Monitor (ADDM), Enterprise Manager, alerty i powiadomienia, zarządzanie wydajnością, monitor wydajności (Top Session, Top Services), Automatic Memory Management (AMM), Automatic Shared Memory Management (ASMM), dynamiczne statystyki wydajności, przydatne widoki.	W04, L05, L6	MEK01 MEK02 MEK03 MEK05 MEK06
3	TK05	Przyczyny nieefektywnej wydajności SQL: przetwarzanie poleceń SQL, optymizator kosztowy, kontrolowanie zachowń optymizatora, brakujące statystyki optymalizatora, quasi optymalny wybór planu wykonania, niskij jakości zapytania SQL, SQL Tuning Advisor, wymiary optymalizacji CPU i czasów oczekiwania.	W05, L07, L08	MEK01 MEK03 MEK05 MEK06
3	TK06	Operatory optymizatora SQL: operacje wierszowe, pełne przeszukiwanie tabeli, przeszukiwanie ROWID, indeksy, przeszukiwanie indeksu, przeszukiwanie złączeń indeksowanych, operacja AND-EQUAL, clastrowanie danych, operacje sortowania, konkatenacji, operatory na zbiorach, zagnieżdżone pętle złączenia, optymalizacja złączeń, zmienne wiązane.	W06, L09, L10	MEK01 MEK03 MEK05 MEK06
3	TK07	Interpretacja planów wykonania: gdzie znaleźć plany wykonania, wyświetlanie planów wykonania, AUTOTRACE, statystyki, perspektywy systemowe, Automatic Workload Repository (AWR), zarządzanie AWR z PL/SQL, interpretowanie i monitorowanie plan wykonania.	W07, L11	MEK02 MEK03 MEK05 MEK06
3	TK08	Transformacje danych: model schematu gwiazdy, model schematu płatka śniegu, zapytanie schematu typu gwiazda, plan wykonania bez transformacji typu gwiazda, techniki transformacji typu gwiazdaa celem optymalizacji zapytań.	W08, L12	MEK01 MEK03 MEK04 MEK05 MEK06
3	TK09	Statystyki optymalizatora: rodzaje statystyk, histogramy, zbieranie statystyk systemowych, preferencje statystyk, ręczne gromadzenie statystyk, dynamiczne próbkowanie optymalizatora.	W09, L13	MEK03 MEK05 MEK06
3	TK10	Rodzaje i sposoby wykorzystania wskazówek (reguł, hintów) optymalizacji, kategorie wskazówek, cele optymalizacji i strategie.	W10, L14	MEK03 MEK05 MEK06
3	TK11	Śledzenie aplikacji i automatyzacja optymalizacji SQL: śledzenie i logowanie usług, użycie Enterprise Manager do śledzenia usług, śledzenie na poziomie sesji, narzędzie trcsess, zawartość plików śladów SQL, wywoływanie narzędzia tkprof, tryb strojenia lub Automatic Tuning Optimizer (ATO), SQL Tuning Advisor, SQL Access Advisor.	W11, L15	MEK02 MEK03 MEK05 MEK06

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 3)	Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 25.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Laboratorium (sem. 3)	Przygotowanie do laboratorium: 4.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.
Konsultacje (sem. 3)	Przygotowanie do konsultacji: 10.00 godz./sem.	Udział w konsultacjach: 6.00 godz./sem.
Egzamin (sem. 3)	Przygotowanie do egzaminu: 20.00 godz./sem.	Egzamin pisemny: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Wykład kończy się egzaminem ustnym. Warunkiem dopuszczenia do egzaminu jest uzyskanie pozytywnej oceny końcowej z laboratorium.
Laboratorium	Obecność obowiązkowa na wszystkich zajęciach laboratoryjnych – dopuszcza się zwolnienia lekarskie z koniecznością odrobienia zajęć. Ocena wystawiana na podstawie wejściówek, obserwacji wykonastwa powierzonych zadań.
Ocena końcowa	Ocena końcowa wystawiana jest jako średnia arytmetyczna oceny z egzaminu ustnego i laboratorium/projektu.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	P. Dymora; M. Jucha; M. Mazurek	Examining the possibility of short-term prediction of traffic volume in smart city control systems with the use of regression models	2024
2	P. Dymora; G. Lichacz; M. Mazurek	Performance Analysis of a Real-Time Data Warehouse System Implementation Based on Open-Source Technologies	2023
3	P. Dymora; M. Jucha; M. Mazurek	Regression Models Evaluation of Short-Term Traffic Flow Prediction	2023
4	P. Dymora; M. Mazurek; M. Nycz	Comparison of Angular, React, and Vue Technologies in the Process of Creating Web Applications on the User Interface Side	2023
5	P. Dymora; M. Mazurek; M. Nycz	Modeling and Statistical Analysis of Data Breach Problems in Python	2023
6	K. Doerffer; P. Doerffer; P. Dymora; P. Flaszynski; S. Grigg; M. Jurek; D. Kordos; B. Kowal; M. Mazurek; T. Rogalski; R. Śliwa; R. Unnthorsson	The Latest Advances in Wireless Communication in Aviation, Wind Turbines and Bridges	2022
7	P. Dymora; K. Łyczko; M. Mazurek	The effectiveness analysis of selected IT tools for predictions of the COVID-19 pandemic	2022
8	P. Dymora; P. Hadaj; M. Łatka; M. Nowak; D. Strzałka	The use of PLANS and NetworkX in modeling power grid system failures	2022
9	S. Bomba; P. Dymora; M. Mazurek	A Comparative Analysis of Selected Predictive Algorithms in Control of Machine Processes	2022
10	M. Bolanowski; G. Budzik; P. Dymora; P. Kubiak; A. Paszkiewicz; M. Salach	Methodology of Implementing Virtual Reality in Education for Industry 4.0	2021
11	P. Dymora; B. Kowal; M. Mazurek; R. Śliwa	The effects of Virtual Reality technology application in the aircraft pilot training process	2021
12	P. Dymora; M. Mazurek	Comparison of Selected Algorithms of Traffic Modelling and Prediction in Smart City - Rzeszów	2021
13	P. Dymora; M. Mazurek	Influence of Model and Traffic Pattern on Determining the Self-Similarity in IP Networks	2021
14	P. Dymora; M. Mazurek	Personal Data as a Critical Element of Sustainable Systems—Comparison of Selected Data Anonymization Techniques	2021
15	P. Dymora; M. Mazurek; B. Sudek	Comparative Analysis of Selected Open-Source Solutions for Traffic Balancing in Server Infrastructures Providing WWW Service	2021
16	P. Dymora; M. Mazurek; K. Smalara	Modeling and Fault Tolerance Analysis of ZigBee Protocol in IoT Networks	2021
17	P. Dymora; W. Gołda; M. Mazurek	Analysis of the Impact of Gamification on Learning Efficiency on the Example of a Mobile Application	2021
18	G. Dunkan; P. Dymora; W. Koczkodaj; B. Kowal; M. Mazurek; D. Strzałka	Open Government issues and opportunity: a case study based on a medium-sized city in Poland	2020
19	P. Dymora	Opinia o innowacyjności usługi w postaci udostępnienia autonomicznej sprzętowo-programowej platformy ICT wspierającej funkcjonowanie firmy z uwzględnieniem usług o charakterze konwergentnym z możliwością wdrożenia w modelu scentralizowanym i rozproszonym \"ICTBox\"	2020
20	P. Dymora; A. Paszkiewicz	Performance Analysis of Selected Programming Languages in the Context of Supporting Decision-Making Processes for Industry 4.0	2020
21	P. Dymora; B. Kowal; M. Mazurek	Analysis of Selected Characteristics of Open Data Inception Portals in the Context of Smart Cities IoT Data Accessibility	2020
22	P. Dymora; B. Kowal; M. Mazurek	Pozyskiwanie dowodów ingerencji w system z wykorzystaniem programu Snort jako darmowego systemu IDS	2020
23	P. Dymora; D. Łannik; M. Mazurek	Analiza wpływu wybranych implementacji algorytmu drzewa decyzyjnego na wydajność systemu komputerowego	2020
24	P. Dymora; M. Mazurek	An innovative approach to anomaly detection in communication networks using multifractal analysis	2020
25	P. Dymora; M. Mazurek	Opinia o innowacyjności pt. Usługi internetowe nowej generacji oparte o standard XGS-PON	2020
26	P. Dymora; M. Mazurek	Opinia o innowacyjności pt. Wdrożenie innowacji w zakresie badań sprawności i wydolności fizycznej dla sportowców celem zwiększenia konkurencyjności firmy LC Lab Sp. z o.o.	2020
27	P. Dymora; M. Mazurek	Performance assessment of selected techniques and methods detecting duplicates in data warehouses	2020
28	P. Dymora; M. Mazurek	Wdrożenie nowej usługi zdalnej rehabilitacji poprzez implementację innowacyjnej technologii „Doctor Kinetic” celem zwiększenia konkurencyjności firmy LC Lab Sp. z o.o.”	2020
29	M. Bolanowski; P. Dymora; B. Kowal; M. Mazurek; M. Salach	Raport dotyczący: analizy uwarunkowań technicznych wdrażania technologii VR w dydaktyce na kierunkach automatyka i robotyka oraz informatyka prowadzonych przez WEiI z potencjalnymi zastosowaniami dla Przemysłu 4.0	2019
30	P. Dymora; B. Kowal; M. Mazurek	Dydaktyczne aspekty projektowania aplikacji w środowisku Unity 3D	2019
31	P. Dymora; B. Kowal; M. Mazurek	Multifractal properties of network communication traffic	2019
32	P. Dymora; B. Kowal; M. Mazurek	Ocena skutków wykorzystania technologii wirtualnej i rozszerzonej rzeczywistości w pracesie edukacyjnym	2019
33	P. Dymora; B. Kowal; M. Mazurek	Opinia o innowacyjności usługi Innowacyjne Mobilne Centrum Digitalizacji	2019
34	P. Dymora; B. Kowal; M. Mazurek	The effectiveness of the use of R-language in anonymizing open data	2019
35	P. Dymora; B. Kowal; M. Mazurek; M. Totoń	Opinia o innowacyjności dla projektu MARBER	2019
36	P. Dymora; D. Łannik; M. Mazurek	Badanie efektywności tworzenia wielowymiarowych zestawów danych w wybranych środowiskach analitycznych	2019
37	P. Dymora; K. Niemiec	Gamification as a supportive tool for school children with dyslexia	2019
38	P. Dymora; M. Koryl; M. Mazurek	Process discovery in business process management optimization	2019
39	P. Dymora; M. Mazurek	Anomaly detection in IoT communication network based on spectral analysis and Hurst exponent	2019
40	P. Dymora; W. Koczkodaj; M. Mazurek; D. Strzałka	Consistency-Driven Pairwise Comparisons Approach to Software Product Management and Quality Measurement	2019