Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W001257] - NEW GENERATION DATABASESNEW GENERATION DATABASES
Claudia DIAMANTINI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM12] INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE Master Degree (2 years) - [IM12] COMPUTER AND AUTOMATION ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2020-2021
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

LINGUA INSEGNAMENTO LANGUAGE

Italiano

Italian


PREREQUISITI PREREQUISITES

Modelli e linguaggi per basi di dati relazionali, elementi di logica matematica e algebra booleana.

Models and languages for relational database management, basic concepts of mathematical logics and boolean algebra.


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

- Lezioni di Teoria, 50 ore
- Esercizi, 10 ore
- Laboratorio, 12 ore

- Theory, 50 hours
- Exercises, 10 hours
- Labs, 12 hours


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

L’insegnamento permette agli studenti di acquisire conoscenze avanzate sulla gestione di grandi moli di dati in ambienti centralizzati e distribuiti. Verrà dapprima approfondita l'architettura dei tradizionali DBMS relazionali per la gestione di interrogazioni e transazioni, per poi analizzare l’evoluzione verso nuove architetture (NOSQL, NewSQL), modelli di dati (key-value, columnoriented, document-oriented, graph-oriented, semantic and linked data), e le problematiche di progettazione di basi di dati in ambienti distribuiti, comprendendo i vantaggi e i limiti delle diverse soluzioni rispetto ai diversi ambiti applicativi e acquisendo una consapevolezza più ampia delle problematiche, soluzioni e opportunità della gestione di dati nei moderni contesti applicativi.


Capacità di applicare conoscenze e comprensione.

Lo studente sarà in grado di utilizzare e configurare in maniera avanzata sistemi di gestione di basi di dati relazionali e di nuova generazione, progettare e gestire la distribuzione dei dati nella maniera più congeniale al particolare contesto applicativo, garantendo efficienza, flessibilità, autonomia e contenimento dei costi, utilizzare sistemi di gestione di basi di dati di nuova generazione.


Competenze trasversali.

Lo sviluppo di un progetto, che verrà svolto in piccoli gruppi, e che porterà alla stesura di una relazione e alla relativa presentazione, contribuirà a migliorare sia il grado di autonomia di giudizio sia la capacità comunicativa che deriva anche dal lavoro in gruppo dello studente. Insieme allo studio basato su materiali diversi questo contribuirà anche sviluppare le sue capacità di apprendimento in autonomia e di sintesi.


Knowledge and Understanding.

The course allows students to acquire advanced knowledge on the management of Big Data in centralized and distributed environments. First of all, the architecture of traditional relational DBMS will be analyzed in order to manage queries and transactions, then the course will consider the evolution towards new architectures (NOSQL, NewSQL), data models (key-value, column-oriented, document-oriented, graph- oriented, semantic and linked data), and databases design issues in distributed environments, understanding advantages and limitations of the different solutions with respect to the different applications and acquiring a wider awareness of the problems, solutions and opportunities of data management in modern application scenarios.


Capacity to apply Knowledge and Understanding.

The student will be able to use and configure in an advanced way relational and new generation database management systems, to design and manage the distribution of data in the most suitable manner for the particular application context, ensuring efficiency, flexibility, autonomy and cost containment.


Transversal Skills.

The development of a project, which will be carried out in small groups, and that will lead to the writing and presentation of a report, will help to improve student’s ability to make judgments as well as the communication ability that stems from team working. Along with the study based on different materials this will also help developing student's learning and synthesis skills.



PROGRAMMA PROGRAM

Lezioni di teoria:
- Tecnologie per la gestione centralizzata dei dati: memorizzazione ed organizzazione dei dati su memoria secondaria, architettura di un DBMS, gestione delle interrogazioni, gestione delle transazioni.
- DBMS distribuiti: architettura, frammentazione e allocazione, livelli di trasparenza. Gestione delle interrogazioni e delle transazioni in ambienti distribuiti. Gestione della replicazione. Sistemi NOSQL: motivazioni e caratteristiche, CAP theorem, livelli di consistenza. Modelli di dati NOSQL. Progettazione di basi di dati NOSQL. Sistemi New SQL.
- DBMS federati, integrazione di basi di dati, Linked Data.
Esercizi:
- gestione dell'affidabilità e della concorrenza
- integrazione di dati
Laboratorio:
- indici e transazioni
- sistemi NOSQL

Theory:
- Technologies for centralized data management: physical organization of data on secondary storage, DBMS architecture, query processing, transaction processing.
- distributed DBMS: architecture, fragmentation and allocation, transparency. Data distribution design. Distributed query and transaction processing. Replication management. NOSQL systems: motivations and characteristics, CAP theorem, consistency levels. NOSQL data models. NOSQL database design. New SQL systems.
- Federated DBMS, data integration, Linked Data.
Exercises:
- reliability and concurrency management
- data integration
Lab:
- indexes and transactions
- NOSQL systems


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

La valutazione del livello di apprendimento degli studenti consiste in due prove:
- lo sviluppo di un progetto o tesina nel quale lo studente approfondisce uno degli argomenti del corso. Il progetto può essere svolto in gruppi, composti al massimo da tre studenti. Per lo sviluppo dei progetti sono previste revisioni periodiche nelle quali è richiesto agli studenti di svolgere una presentazione orale dei risultati del progetto, e la stesura di una relazione che documenta le attività svolte e i risultati ottenuti.
- una prova orale, consistente nella esposizione di concetti e basi teoriche su uno o più temi trattati nel corso.
Le due prove possono essere effettuate in qualsiasi ordine.


Criteri di valutazione dell'apprendimento.

Per superare con esito positivo la prova orale, lo studente deve dimostrare di aver ben compreso i concetti esposti nel corso sulle tecnologie per la gestione di dati, espressi con linguaggio tecnico corretto. Nella esecuzione delle attività di progetto, deve dimostrare capacità di approfondimento e rielaborazione personale, capacità critica e di problem solving. La valutazione massima è attribuita agli studenti che dimostrano ottime capacità di analisi e progettuali, nonchè una conoscenza approfondita dei contenuti dell’insegnamento, rigore metodologico e perfetta appropriatezza del vocabolario tecnico.


Criteri di misurazione dell'apprendimento.

Viene attribuito un voto in trentesimi, con eventuale lode. Il voto minimo per il superamento dell'esame è 18/30.


Criteri di attribuzione del voto finale.

Sono assegnati un massimo di 6 punti alle attività di natura progettuale/sperimentale e un massimo di 4 punti alle tesine di approfondimento di natura compilativa. Tale punteggio si somma alla votazione conseguita nella prova orale, compresa fra zero e 24, per un voto complessivo in trentesimi. Perché l'esito complessivo della valutazione sia positivo, lo studente deve conseguire almeno 15 punti nella prova orale, dimostrando un livello di conoscenza e comprensione sufficiente sugli argomenti esposti, e una votazione maggiore di zero nel progetto, legata al raggiungimento degli obiettivi fissati.


Learning Evaluation Methods.

Evaluation is based on two tests:
- The development of a project or term paper in which the student deepens one of the topics of his interest. The project can be done in groups, composed of a maximum of three students. For the development of the projects periodic reviews are planned, in which students are required to organize an oral presentation of the project results, and the production of a report documenting the activities undertaken and the results obtained.
- An oral exam, consisting of the exposition of concepts and theoretical aspects on one or more topics covered in the course.
The two tests can be performed in any order.


Learning Evaluation Criteria.

To successfully pass the oral test, the student must demonstrate a good understanding of the concepts presented in the course on technologies for the management of data, expressed with correct technical language. In the execution of project activities, the student must demonstrate the capability of personal reflection and deepening, critical thinking and problem solving abilities. The maximum score is given to students who demonstrate excellent analysis and design skills, and a thorough knowledge of the course contents, methodological rigor and perfect appropriateness of technical vocabulary.


Learning Measurement Criteria.

A mark between 0 and 30, possibly with laude. The minimum score to pass the exam is 18/30.


Final Mark Allocation Criteria.

For the first test a maximum of 6 points are awarded for projectual/experimental activities, and a maximum of 4 points to survey reports summarizing other studies, comparing results and so on. This score is added to the marks obtained in the oral exam, which ranges between zero and 24, for an overall grade ranging between zero and 30. In order for the overall outcome grade to be positive, the student must achieve a pass, equal to 15 points in the oral test, demonstrating a basic level of knowledge and understading on the topics covered in the test, and a score greater than zero in the project, corresponding to the achievement of the objectives set.



TESTI CONSIGLIATI RECOMMENDED READING

- P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone, “Basi di dati” 5° ed., McGraw-Hill, Italia
- M.T. Özsu and P. Valduriez, "Principles of Distributed Database Systems, 3rd edition", Prentice-Hall
- P. Sadalage, M. Fowler, “NoSQL Distilled: a brief guide to the emerging world of polyglot persistence”, Addison-Wesley
- Altro materiale reso disponibile sul sito del corso raggiungibile al link https://learn.univpm.it

- P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone, “Basi di dati” 5° ed., McGraw-Hill, Italia
- M.T. Özsu and P. Valduriez, "Principles of Distributed Database Systems, 3rd edition", Prentice-Hall
- P. Sadalage, M. Fowler, “NoSQL Distilled: a brief guide to the emerging world of polyglot persistence”, Addison-Wesley
- Further material available at https://learn.univpm.it


E-LEARNING E-LEARNING

No

No


Scheda insegnamento erogato nell’A.A. 2021-2022
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2021-2022

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427