【正文】 DDCS 桌面客戶機訪問主機數(shù)據(jù)直接)，Web 功能 () 和中間件（數(shù)據(jù)復制源和目標支持，以及集中化的數(shù)據(jù)庫系統(tǒng)管理）。 DB2 支持 Java 預保存過程和 UDF。這意味著 Java 程序員無需進一步培訓，就可以變成數(shù)據(jù)庫應用程序開發(fā)人員。對其它語言的支持也是如此。DB2 通用數(shù)據(jù)庫支持稱為 JDBC 的 Java 專用聯(lián)接，如同支持 TCP/IP。IBM 的 產品提供了 Internet 數(shù)據(jù)訪問功能，并為 DB2 和 Web 瀏覽器建立了穩(wěn)定的連接，在任意瀏覽器、平臺和DB2 之間提供了一致的連接。Lotus Approach Web Sizing Assistant 使通過 Web 進行決策支持變?yōu)楝F(xiàn)實。所有這些都是為了在 Internet 和Intranet 上開展業(yè)務，而不僅僅是發(fā)布信息。目前還沒有其它平臺能夠象 DB2 通用數(shù)據(jù)庫一樣支持業(yè)務智能(決策支持、數(shù)據(jù)倉庫、數(shù)據(jù)采集、OLAP、多維分析)所要求的功能。其可伸縮的并行環(huán)境為實現(xiàn)這些任務提供了靈活性和強大的動力。在SMP 環(huán)境中的查詢內部并行處理支持就是 DB2 通用數(shù)據(jù)庫功能的一個例子。64位存支持也使性能顯著提高。此外，諸如信圖索引、星形連接支持、ROLLUP 和 CUBE 等功能進一步加強了 DB2 卓越的業(yè)務智能功能。IBM 的 Intelligent Miner，Intelligent Decision Server以及 Lotus Approach 正是依靠這些功能提供了無可比擬的業(yè)務智能功能。IBM 的Visual Warehouse 依靠這些功能提供了無可比擬的業(yè)務智能功能。IBM的 Intelligent Miner、Intelligent Decision Server 以及 Lotus Approach 正是依靠這些功能提供了無可比擬的業(yè)務智能功能。IBM的 Visual Warehouse 依靠 DB2 通用數(shù)據(jù)庫實現(xiàn)了經濟有效的部門級數(shù)據(jù)倉庫解決方案，并受到諸多廠商的支持，如Arbor Software、Andyne Computing、Brio Tech、Business Objects、Cognos和Cross Access。在標準、開放性方面，DB2 支持多種標準，包括關系型數(shù)據(jù)庫處理標準 (X/Open CLI XA、SQL92)、分布式數(shù)據(jù)庫處理標準 (ODBC、DRDA、DCE)、多平臺連接標準 (TCP/IP)、政府規(guī)范 (FIPS12C2安全性) 以及系統(tǒng)管理標準 (SNMP)。您可以選擇 DB2 運行平臺：IBM OS/Microsoft Windows NT 和 Windows 9IBMAIX、HewlettPackard HPUX、Sun Solaris 操作環(huán)境、SCO OpenServer Gemini以及Siemens Nixdorf SINIX?？蛻魴C還可以是 SGI、MacOS 及所有通用Web 瀏覽器平臺。DB2 通用數(shù)據(jù)庫在預保存過程和用戶自定義函數(shù)功能還支持多種通用語言 (如 Java、BASIC、COBOL、C++)。諸如SAP、Baan、PeopleSoft 和 . Edwards 等廠商都推出了支持 DB2 的應用程序，而且有2000種 ISV 產品。(請參閱 IBM 的 DB2 解決方案目錄)。DB2 在支持各國語言方面也獨樹一幟，這使它成為許多跨國用戶的唯一選擇，完全支持簡體中文。DB2并行版UDB EEE DB2并行版(DB2 UDB EEE)是在IBM RS/,:SharedNothing架構 DB2 UDB EEE是被設計為運行在SharedNothing的硬件環(huán)境中,因此多個處理器不共享CPU、內存或磁盤。使用MultiPurpose Parallel Computing(MPPC)技術。它比傳統(tǒng)的Symnetric Multiprocessor(SMP) 減少了資源競爭，使得性能隨節(jié)點數(shù)的增加而線性上升。DB2 UDB EEE分別在客戶測試的32個和96個節(jié)點環(huán)境，以及內部的128個節(jié)點環(huán)境中體現(xiàn)了性能可擴充性。它被設計為可擴充到超過1000個節(jié)點。并行基于成本的優(yōu)化器 DB2 UDB EEE基于成本優(yōu)化器可以知道它在并行環(huán)境中。IBM研究中心專門為DB2 UDB EEE設計了高效并行數(shù)據(jù)訪問。所采用的訪問方法比以往的方法更為出色。所有SQL SML都可以被并行完成。包括所有SQL語句(SELECT, INSERT, OPDATE和DELETE)，實用工具(Backup, Restore, Reorg, Load)和數(shù)據(jù)訪問方法(Joins, Table Scan和Index Scan)。請求是在沒有任何特殊變化下自動地并行完成的。應用的透明性 對于數(shù)據(jù)倉庫程序員或商業(yè)用戶來說，DB2 UDB EEE看起來與其它DB2數(shù)據(jù)庫一樣。應用程序不需為DB2 UDB EEE作改變，應用系統(tǒng)是通過SQL, ODBC和Call Level界面訪問DB2 UDB EEE。這就很好地保護了用戶在數(shù)據(jù)庫、應用和技能上的投資。 數(shù)據(jù)功能發(fā)送操作是盡可能地在數(shù)據(jù)所在的場所進行的。DB2 UDB EEE將請求連同需要得到結果的最小請求信息(SQL)發(fā)送出去，從而減少了查詢的開銷。利用POWER Parellel SP DB2 UDB EEE架構可以出色地配合IBM的Massively Parallel Processor(MPP)即POWER Parellel SP，直接的子任務到子任務的異步數(shù)據(jù)管道能利用SP的High Performance Switch，DB2 UDB EEE和SP的完美結合產生了當今最強有力的可伸縮的并行數(shù)據(jù)庫方案。減少并行任務額外開銷 單個的DB2 UDB EEE操作員并不作為獨立的子任務進行處理。在一個節(jié)點中的一組操作員常被作為一個單位來處理，從而避免子任務額外開銷，使在更少資源下得到更好的性能。在并發(fā)多表查詢數(shù)增加時這種資源的減少更為明星。相比之下，Informix為每個操作員建立一個獨立的線程，這樣就大大增加了額外開銷，減少了并發(fā)能力。靈活的配置 雖然DB2 UDB EEE充分利用SP，但并不意味著需要它。DB2 UDB EEE也可以通過LAN上獨立的RS/6000 SMP系統(tǒng)上的多處理器。HACMP簇中的多節(jié)點，甚至是單SP節(jié)點上的多個邏輯節(jié)點提供并行處理，這使得從初級系統(tǒng)成長為大型并行處理成為可能。 IBM 的優(yōu)勢不僅在于只是有一個出色的數(shù)據(jù)庫，重要的是，它有更為出色的專業(yè)工具，以下介紹其王牌產品：Intelligent Miner。 Data Mining 是 Data Warehouse 應用方式中最重要的一種?；旧?，Data Mining 是用來將你的數(shù)據(jù)中隱藏的信息采掘出來，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統(tǒng)計分析與 Modeling 的方法，到數(shù)據(jù)中尋找有用的特征(Patterns) 以及關連性 (Relationships)。Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。 IBM 意識到 Data Mining 的重要性，所以開發(fā)了一套稱為 Intelligent Miner 的產品。我們對于這種 Data Mining 的產品應該有一個正確的認知，就是它不是一個無所不能的魔法。它不是在那邊監(jiān)視你的數(shù)據(jù)的狀況，然后告訴你說你的數(shù)據(jù)庫里發(fā)生了某種特別的現(xiàn)象。也不是說有了 Data Mining 的工具，就連不了解的業(yè)務，不了解數(shù)據(jù)所代表的意義，或是不了解統(tǒng)計原理的人也可以做 Data Mining。Data Mining 所采掘出來的信息，也不是你可以不經確認，就可以照單全收應用到業(yè)務上的。事實上，Data Mining 工具是用來幫助業(yè)務分析策劃人員從數(shù)據(jù)中發(fā)掘出各種假設 (Hypothesis)，但是它并不幫你查證(Verify) 這些假設，也不能幫你判斷這些假設對你的價值。 我們常會有一種疑問，就是 Data Mining 與 OLAP(Online Analytical Processing)究竟有什么不同? 主要的差別地： OLAP 是由使用者所主導的，使用者先有一些假設，然后利用 OLAP 的工具來查證這些假設；而 Data Mining 是用來幫使用者產生假設。在使用 OLAP 或其他 Query 工具時，使用者是自己在做探索 (Exploration)，但是如果是使用 Data Mining 的工具，則是 Data Mining 的工具在幫助你做探索。 舉例來說，財務分析師可能會認為一個負責多而收入少的人信用風險必定高，這是他的假設，他可以使用 OLAP 的工具來查詢各種數(shù)據(jù)，從各方面來確認或是推翻這個假設。而 Data Mining 則是可以用來幫你找到各種信用風險高的因素，例如它可能會幫分析師發(fā)現(xiàn)負債多而收入少的人信用風險較高，它也可能才分析師找到一些他從來不曉得的事實，例如收入負債比以及年齡與信用風險也有關系。所以 OLAP 與 Data Mining 是可以互補的，Data Mining 先幫我們從數(shù)據(jù)中找到一些特征，然后利用 OLAP 去確認這些特征的價值，最后再根據(jù)這些信息作成決策。OLAP 還可以在 Knowledge Discovery 的初期幫助你了解你的數(shù)據(jù)，它讓你更注意到一些變因，找出一些例外情形，以及一些互相影響的因素。這種過程非常重要，因為你越了解數(shù)據(jù)，就越能從數(shù)據(jù)中找出信息，也就是 Knowledge Discovery 就越有效率。因為 OLAP 與 Data Mining 是可以互補的，所以 IBM 就把 Intelligent Decision Server 與 Intelligent Miner 整合在一起，讓使用者可以利用 IDS 的圖形界面來驅動 Intelligent Miner，并且分析它所找出的結果。Data Mining 的方法 Data Mining 的工具是利用數(shù)據(jù)來建立一些模擬真實世界的模式(Model)，利用這些模式來描述數(shù)據(jù)中的特征 (Patterns) 以及關系(Relations)。這些模式有兩種用處，第一，了解數(shù)據(jù)的特征與關系可以提供你做決策所需要的信息，譬如： Association Model 可以幫助超級市場或百貨店規(guī)劃如何擺設貨品。第二，數(shù)據(jù)的特征可以幫助你做預測，例如你可以從一份郵寄名單預測出哪些客戶最可能對你的推銷做回應，所以你可以只對特定的對象做郵購推銷，而不必浪費許多印刷旨費郵寄而只得到很少的回應。 Data Mining 可以建立六種模式：Classification、Regression、Time Series、Clustering、Association以及Sequence。Classification以及Regression 主要是用來做預測，而 Association 與 Sequence 主要是用來描述行為(例如消費行為)。Clustering 則是二者都可以用得上。 Classification 是根據(jù)一些變數(shù)的數(shù)值做計算，依照結果作分類。(計算的結果最后會被分類為幾個少數(shù)的離散數(shù)值，例如將一組數(shù)據(jù)分為可能會回應或是可能不會回應兩類)。Classification 常常被用來處理如前面說到的郵寄對象篩選的問題。我們會用一些已經分類的數(shù)據(jù)來研究它們的特征，然后再根據(jù)這些特征對其他未經分類或是新的數(shù)據(jù)做預測。這些我們用來尋找特征的已分類數(shù)據(jù)可能是來自我們的現(xiàn)有的歷史性數(shù)據(jù)，或是將一個完整數(shù)據(jù)庫做部份取樣，再經由實際的運作來測試；譬如利用一個大的郵寄對象數(shù)據(jù)庫的部份取樣來建立一個Classification Model，以后再利用這個 Models 來對數(shù)據(jù)庫的其他數(shù)據(jù)或是新的數(shù)據(jù)作預測。 Regression 是使用一系列的現(xiàn)有數(shù)值來預測一個連續(xù)數(shù)值的可能值。 TimeSeries Forecasting 與 Regression 很像，只是它用現(xiàn)有的數(shù)值來預測未來的數(shù)值。TimeSeries Forecasting 的不同點在于它所分析的數(shù)值都與時間有關。TimeSeries Forecasting 的工具可以處理有關時間的一些特性，譬如時間的階層性(例如每個禮拜五個或六個工作天)。季節(jié)性。節(jié)日。以及其他的一些特別因素如過去與未來的關連性有多少。 Clustering 是將數(shù)據(jù)分為幾組，其目的是要將組與組之間的差異找出來，同時也要將一個組之中的成員的相似性找出來。Clustering 與 Classification 不同的是，你不曉得它會以何種方式或根據(jù)什么來分類。所以你必須要有一個分析師來解讀這些分類的意義。 Association 是要找出在某一事件或是數(shù)據(jù)中會同時出現(xiàn)的東西。Association 主要是要找出不面這樣的信息：如果 Item A 是某一事件的一部份，則 Item B 也出現(xiàn)在該事件中的機率有 X%。(例如：如果一個顧客買了低脂乳酪以及低脂優(yōu)乳酪，那么這個顧客同時也買低脂牛奶的機率是 85%。) Sequence Discovery 與 Association 關系很密切，所不同的是 Sequence Discovery 中相關的 Item 是以時間區(qū)分開來(例如： 如果做了 X 手術，則 Y 病菌在手術后感染的機率是 45%。又例如： 如果 A 股票在某一天上漲 12% ，而且當天股市加權指數(shù)下降，則 B 股票在兩天之內上漲的機率是 68% 。 IBM的 Intelligent Miner 是少數(shù)可以建立這六種模式的工具。而且 IBM的 Intelligent Miner 可以連接這六種模式，大大提高了 Data Mining 的效率。Data Mining 的技術與工具 有一