VMDS: Perbedaan antara revisi
k Perubahan kosmetik tanda baca |
Fitur saranan suntingan: 3 pranala ditambahkan. Tag: VisualEditor Suntingan perangkat seluler Suntingan peramban seluler Tugas pengguna baru Disarankan: tambahkan pranala |
||
(Satu revisi perantara oleh satu pengguna lainnya tidak ditampilkan) | |||
Baris 17: | Baris 17: | ||
Pada umumnya [[database]] relasional mendukung pemrosesan transaksi yang tidak besar di mana perubahan yang terjadi pada data relatif kecil dan durasinya pendek (periode maksimum antara mulai transaksi sampai dengan selesainya adalah beberapa detik atau lebih cepat). |
Pada umumnya [[database]] relasional mendukung pemrosesan transaksi yang tidak besar di mana perubahan yang terjadi pada data relatif kecil dan durasinya pendek (periode maksimum antara mulai transaksi sampai dengan selesainya adalah beberapa detik atau lebih cepat). |
||
VMDS mendukung pemrosesan transaksi dalam jumlah besar di mana [[volume]] data yang terlibat sangat banyak dan durasi dari transaksi sangat lama (hari, minggu atau bulan). Tipe-tipe transaksi ini umumnya terjadi pada aplikasi yang kompleks misalnya untuk keperluan distribusi tenaga listrik. |
VMDS mendukung pemrosesan transaksi dalam jumlah besar di mana [[volume]] data yang terlibat sangat banyak dan durasi dari transaksi sangat lama (hari, minggu atau bulan). Tipe-tipe transaksi ini umumnya terjadi pada aplikasi yang kompleks misalnya untuk keperluan [[distribusi tenaga listrik]]. |
||
Pada saat pemrosesan transaksi dilakukan, bisa saja terdapat banyak perubahan pada data (tidak hanya dalam lingkup transaksi saja, tapi juga meliputi database secara keseluruhan), misalnya satu record dapat mengalami perubahan lebih dari satu kali. Untuk mengatasi hal ini, VMDS memiliki kemampuan [[internal]] secara otomatis mengatur konflik yang terjadi dan menampilkan daftar perubahan yang pernah terjadi sehingga kita bisa memilih perubahan yang benar saja. |
Pada saat pemrosesan transaksi dilakukan, bisa saja terdapat banyak perubahan pada data (tidak hanya dalam lingkup transaksi saja, tapi juga meliputi database secara keseluruhan), misalnya satu record dapat mengalami perubahan lebih dari satu kali. Untuk mengatasi hal ini, VMDS memiliki kemampuan [[internal]] secara otomatis mengatur konflik yang terjadi dan menampilkan daftar perubahan yang pernah terjadi sehingga kita bisa memilih perubahan yang benar saja. |
||
Baris 26: | Baris 26: | ||
Fungsi-fungsi untuk data spasial termasuk: mencari semua data dalam suatu area/polygon yang ditentukan, melakukan analisis Cluster dari sekumpulan objek point yang terseleksi. |
Fungsi-fungsi untuk data spasial termasuk: mencari semua data dalam suatu area/polygon yang ditentukan, melakukan analisis Cluster dari sekumpulan objek point yang terseleksi. |
||
Data dalam bentuk [[vektor]] semacam point, polyline and polygon dan diberi attribut topologi sehingga model jaringan yang kompleks dapat dibuat. Sehingga mesin analisis jaringan dapat digunakan untuk menjawab pertanyaan seperti pencarian [[rute]] terpendek untuk menuju suatu tempat atau bagaimana mengoptimasi rute untuk pengiriman barang. Mesin topologi dapat digunakan untuk mengkonfigurasikan dengan menerapkan aturan-aturan bagaimana [[entitas]]-entitas berinteraksi satu sama lain ketika ada data baru yang ditambahkan atau ada perubahan pada data. |
Data dalam bentuk [[vektor]] semacam point, polyline and [[Polygon (situs web)|polygon]] dan diberi attribut topologi sehingga model jaringan yang kompleks dapat dibuat. Sehingga mesin analisis jaringan dapat digunakan untuk menjawab pertanyaan seperti pencarian [[rute]] terpendek untuk menuju suatu tempat atau bagaimana mengoptimasi rute untuk pengiriman barang. Mesin topologi dapat digunakan untuk mengkonfigurasikan dengan menerapkan aturan-aturan bagaimana [[entitas]]-entitas berinteraksi satu sama lain ketika ada data baru yang ditambahkan atau ada perubahan pada data. |
||
== Semua Data adalah Objek == |
== Semua Data adalah Objek == |
||
Baris 69: | Baris 69: | ||
# Setiap key dalam hash table merujuk pada nama kolom dalam tabel (collection) |
# Setiap key dalam hash table merujuk pada nama kolom dalam tabel (collection) |
||
data_pelanggan << hash_table.new_with( |
data_pelanggan << hash_table.new_with( |
||
:id, 57648576, |
|||
:status, "Beroperasi") |
|||
# Dapatkan semua data pada collection demand_point |
# Dapatkan semua data pada collection demand_point |
||
Baris 77: | Baris 77: | ||
# Buat suatu transaksi insert untuk menambahkan data valve yang baru kedalam collection |
# Buat suatu transaksi insert untuk menambahkan data valve yang baru kedalam collection |
||
# Komentar dapat ditambahkan untuk memudahkan pembaca kode program |
# Komentar dapat ditambahkan untuk memudahkan pembaca kode program |
||
transaction << record_transaction.new_insert(demand_collection, data_pelanggan, "Insert Valve baru") |
transaction << record_transaction.new_insert(demand_collection, data_pelanggan, "Insert [[Valve Corporation|Valve]] baru") |
||
transaction.run() |
transaction.run() |
||
Revisi terkini sejak 13 Agustus 2024 11.25
VMDS singkatan dari Version Managed Data Store adalah sebuah database relasional yang dikembangkan oleh perusahaan Amerika untuk sumber tenaga General Electric (GE) Energy yang merupakan bagian dari Smallworld dan didesain untuk menyimpan dan analisis data spasial serta data topologi yang kompleks khususnya digunakan oleh perusahaan besar semacam perusahaan listrik dan telekomunikasi.
VMDS diperkenalkan pertama kali pada tahun 1990 dan terus dikembangkan hingga saat ini sudah mencapai versi 6.0.
VMDS memang didesain untuk menyimpan data spasial. Hal ini menjadikannya memiliki beberapa karakteristik yang berbeda dengan database relasional biasa.
Pemrosesan Data Terdistribusi (Distributed server processing)
[sunting | sunting sumber]VMDS disusun atas dua bagian:
- Blok data server yang disebut SWMFS (Smallworld Master File System) dan
- Intelligent client API yang ditulis dengan bahasa C dan Magik.
Data spasial beserta attributnya disimpan dalam blok data pada file khusus yang dinamakan data store (*.ds) di server. Ketika aplikasi client meminta data ke server maka inttelligent yang akan memberikan blok data sesuai permintaan dengan mengirimkannya melewati jaringan untuk kemudian diproses.
Konsep yang diterapkan ini dianggap sangat efisien karena data yang dikirim adalah data spasial yang bisa jadi sangat besar volumenya (sebagai contoh permintaan untuk menggambar ulang peta/map redraw operation). Dan dengan konsep inilah menjadikan VMDS sangat cocok untuk diterapkan pada pekerjaan besar yang melibatkan ratusan bahkan ribuan client yang bekerja bersama-sama.
Mendukung Pemrosesan Transaksi Dalam Jumlah Besar
[sunting | sunting sumber]Pada umumnya database relasional mendukung pemrosesan transaksi yang tidak besar di mana perubahan yang terjadi pada data relatif kecil dan durasinya pendek (periode maksimum antara mulai transaksi sampai dengan selesainya adalah beberapa detik atau lebih cepat).
VMDS mendukung pemrosesan transaksi dalam jumlah besar di mana volume data yang terlibat sangat banyak dan durasi dari transaksi sangat lama (hari, minggu atau bulan). Tipe-tipe transaksi ini umumnya terjadi pada aplikasi yang kompleks misalnya untuk keperluan distribusi tenaga listrik.
Pada saat pemrosesan transaksi dilakukan, bisa saja terdapat banyak perubahan pada data (tidak hanya dalam lingkup transaksi saja, tapi juga meliputi database secara keseluruhan), misalnya satu record dapat mengalami perubahan lebih dari satu kali. Untuk mengatasi hal ini, VMDS memiliki kemampuan internal secara otomatis mengatur konflik yang terjadi dan menampilkan daftar perubahan yang pernah terjadi sehingga kita bisa memilih perubahan yang benar saja.
Kemampuan Analisis Data Spasial dan Topologi
[sunting | sunting sumber]Disamping memiliki fitur seperti database relasional biasa macam query data, join fields, triggers dan calculated fields, VMDS memiliki fitur khusus untuk spasial dan topologi (seperti points, texts, polylines, polygons and data raster) untuk disimpan dan dianalisis.
Fungsi-fungsi untuk data spasial termasuk: mencari semua data dalam suatu area/polygon yang ditentukan, melakukan analisis Cluster dari sekumpulan objek point yang terseleksi.
Data dalam bentuk vektor semacam point, polyline and polygon dan diberi attribut topologi sehingga model jaringan yang kompleks dapat dibuat. Sehingga mesin analisis jaringan dapat digunakan untuk menjawab pertanyaan seperti pencarian rute terpendek untuk menuju suatu tempat atau bagaimana mengoptimasi rute untuk pengiriman barang. Mesin topologi dapat digunakan untuk mengkonfigurasikan dengan menerapkan aturan-aturan bagaimana entitas-entitas berinteraksi satu sama lain ketika ada data baru yang ditambahkan atau ada perubahan pada data.
Semua Data adalah Objek
[sunting | sunting sumber]Dalam VMDS, semua data adalah objek. Hal ini berbeda dari kebanyakan database relasional yang melihat data sebagai baris dalam suatu tabel atau hasil query. VDMS memiliki tool untuk pemodelan data, sebagai bagian dari infrastruktur teknologi Smallworld yang mengizinkan administrator untuk mengakses tabel dalam database dengan membuat suatu exemplar atau class dalam bahasa Magik. Metode get dan set dalam exemplar ini dapat dibuat secara otomatis untuk mengenali suatu kolom dalam tabel. Setiap baris dari VDMS dapat diartikan pada aplikasi sebagai suatu instant dari objek Magik dan dikenal dengan istilah RWO (Real World Object). Dalam Smallworld, tabel dikenal dengan nama collections.
# Variabel my_rwos menampung semua rwos dalam database dan semua yang terkait dengannya app << smallworld_product.application(:swaf_professional) my_rwos << app.database.rwo_set() # Variabel demand_points menampung semua data dalam collections demand_point demand_points << my_rwos.select(:collection, {:demand_point}) jumlah_pelanggan<< demand_points.size
Query yang dibuat dengan menggunakan objek predicate:
# Mencari jumlah pelanggan yang statusnya 'Beroperasi'. pel_operasi << demand_points.select(predicate.eq(:status, "Beroperasi")) jumlah_pelanggan << pel_operasi.size
_for pelanggan _over pel_operasi.elements() _loop write(pelanggan.nama) _endloop
Joins di implementasikan sebagai methods di parent RWO. Sebagai contoh seorang manajer mungkin memiliki beberapa orang karyawan:
# Dapatkan data karyawan employees << app.database.collection(:gis,:employees)
# Cari nama manager 'Steve' dan dapatkan nama karyawan yang pertama kali ditemukan steve << employees.select(predicate.eq(:name, "Steve").and(predicate.eq(:role, "manager")).an_element()
# Tampilkan semua nama karyawan yang memiliki manajer dengan nama 'Steve' _for employee _over steve.direct_reports.elements() _loop write(employee.name) _endloop
Melakukan Insert data Transaksi:
# Setiap key dalam hash table merujuk pada nama kolom dalam tabel (collection) data_pelanggan << hash_table.new_with( :id, 57648576, :status, "Beroperasi")
# Dapatkan semua data pada collection demand_point demand_collection<< app.database.collection(:electric,:demand_point)
# Buat suatu transaksi insert untuk menambahkan data valve yang baru kedalam collection # Komentar dapat ditambahkan untuk memudahkan pembaca kode program transaction << record_transaction.new_insert(demand_collection, data_pelanggan, "Insert Valve baru") transaction.run()