CARACTERISTICAS DE UNA BASE DE DATOS ORIENTADA A OBJETOS

PERSISTENCIA: Es la capacidad que tiene el programador para que sus datos se conserven al finalizar la ejecución de un proceso de forma que se puedan reutilizar en otros procesos.
Se entiende por persistencia (en programación) como la acción de preservar la información de un objeto de forma permanente (guardar), pero a su vez también se refiere a poder recuperar la información del mismo (leer) para que pueda ser nuevamente utilizada.
En el caso de persistencia de objetos la información que persiste en la mayoría de los casos son los valores que contienen los atributos en ese momento, no necesariamente la funcionalidad que proveen sus métodos.

CONCURRENCIA: Se relaciona de muchos usuarios interactuando concurrentemente en el sistema. Este debe controlar la interacción entre las transacciones concurrentes para evitar que se destruya la consistencia de la base de datos.
RECUPERACION: Proporciona como mínimo el mismo nivel de recuperación que los sistemas de base de datos actuales. De forma que tanto en caso de fallo de hardware, como fallo de software, el sistema puede retroceder hasta un estado coherente de los datos.

Base de datos multidimensionales (BDM).
Son bases de datos ideadas para desarrollar aplicaciones muy concretas, como creación de cubos OLAP. Basicamente no se diferencian demasiado de la base de datos relacionales (una tabla en una base de datos relacional podría serlo también en una base de datosmultidimensional), la diferencia esta mas bien a nivel conceptual; en las bases de datos multidimensionales los campos o atributos de una tabla pueden ser de dos tipos, o bien representan dimensiones de la tabla o bien representan métricas que se desean estudiar.

Las bases de datos multidimensionales son especialmente útiles en ventas y los usos de la comercialización que implican serie de tiempo. Los volúmenes grandes de ventas y de datos del inventario se pueden almacenar para ser utilizado en última instancia para la logística y el planeamiento del ejecutivo. Por ejemplo, los datos se pueden segregar mas facilmente por la región de las ventas, el producto, o el período.

Definición y concepto de las BDM
Las bases de datos multidimensionales se utilizan principalmente para crear aplicaciones OLAP y pueden verse como base de datos de una sola tabla, su peculiaridad es que por cada dimensión tiene un campo (o columna), y otro campo por cada métrica o hecho, es decir estas tablas almacenan registros cuyos campos son de la forma:
(d1, d2, d3,.., f1, f2, f3,….)
Donde los campos ¨di¨ hacen referencia a las dimensiones de la tabla, y los campos ¨fi¨ a las métricas o hecho que se quiere almacenar, estudiar o analizar.
Cada una de estas tablas puede asimilarse a un hipercubo o mas concretamente si de herramientas OLAP se trata-a un cubo OLAP, donde las dimensiones del mismo se corresponden los campos de dimensiones de la tabla (campos ¨di…¨), y el valor almacenado en cada celdadel cubo equivale a la métrica o métricas (campos ¨fi…¨) almacenadas en la tabla.

Implementación
Lo mas importante a tener en cuenta para implementar esta estructura de datos es que la tabla contiene todas las n-tuplas, con los valores de las dimensiones, o índice del cubo, y los valores de las métricas previamente calculados para el cruce de valores del índice en cuestión.

Modelos conceptuales multidimensionales
En una base de datos multidimensional, la información se representa como matrices multidimensionales, cuadros de múltiples entradas o funciones de varias variables sobre conjuntos finitos. Cada una de estas matrices se denomina cubo.
El esquema de un cubo queda determinado dando a conocer sus ejes con sus respectivas estructuras y la estructura de los datos que se representa en cada celda de la matriz. Se asume que los datos en todas las celdas son uniformes, es decir, todas las posiciones de la matriz tienen datos con igual estructura. Una instancia de un cubo, queda determinada por un conjunto de datos para cada eje y un conjunto de datos para la matriz. A los ejes se les llama dimensiones y al dato que se presenta en la matriz, se le llama medida. A los elementos del producto cartesiano de los ejes (dimensiones) se les llama medida. A los elementos del productocartesiano de los ejes (dimensiones) se le llama coordenadas. La matriz definida, puede ser dispersa. (Es una función parcial).
Cubos e hipercubos de datos
Los cubos de información o cubos OLAP funcionan como los cubos de rompecabezas en los juegos, en el juego se trata de armar los colores y en el data warehouse se trata de organizar los datos por tablas o relaciones; los primeros (el juego) tiene tres dimensiones, los cubos OLAP tienen un número indefinido de dimensiones, razón por la cual también reciben el nombre de hipercubos. Un cubo OLAP contendra datos de una determinada variable que se desea analizar, proporcionando una vista lógica de los datos provistos por el sistema de información hacia el data warehouse, esta vista estara dispuesta según unas dimensiones y podra contener información calculada. El analisis de los datos esta basado en las dimensiones del hipercubo por lo tanto, se trata de un analisis multidimensional.
A la información de un cubo puede acceder el ejecutivo mediante ¨tablas dinamicas¨ en una hoja de calculo o atraves de programas personalizados. Las tablas dinamicas le permiten manipular las vistas (cruces, filtrado, organización, totales) de la información de mucha facilidad. Las diferentes operaciones que se pueden realizar con cubos de información se producen con mucha rapidez. Llevando estos conceptos a un data warehouse, este es una colección de datos que esta formada por dimensiones y variables, entendiendo como dimensiones a aquellos elementosque participan en el analisis y variables a los valores que se desean analizar.

Operadores datos agregados multidimensionales
A pesar de los buenos resultados obtenidos con el modelo relacional en los sistemas Operacionales, la utilización de este modelo en aplicaciones orientadas a la toma de decisiones presenta varias carencias, Una de las principales carencias es el bajo rendimiento de las consultas: el modelo relacional esta orientado a transacciones que manejan pocos registros simultaneamente, mientras que los sistemas de ayuda a la toma de decisiones (DSS) tienden a procesar grandes volúmenes de datos.
Otra de las limitaciones es la propia estructura de la base de datos: las consultas realizadas en los DSS son muy complejas y su definición no esta fijada de antemano. Como las consultas dependen de lo que necesite el usuario en cada momento, con un modelo relacional se debería generar un índice por cada posible consulta que desee el usuario, lo que dificulta la gestión y mantenimiento de la base de datos. Por otra parte, si lo que se quiere es acceder a un dato individual basico como puede ser el importe de una operación concreta, la ventaja del modelo multidimensional desaparece en favor del relacional. Éstos son capaces de recuperar un dato individual con mayor eficiencia que las multidimensionales y, dada su utilización masiva en sistemas OLTP, estan optimizados para la inserción de registros y el control concurrente de usuarios. En el modelo de datos multidimensional,los datos se organizan en torno a los conceptos de la empresa y la estructura de datos manejada en este modelo son matrices multidimensionales o hipercubos.
Un hipercubo consiste en un conjunto de celdas, de tal manera que cada una esta identificada por la combinación de los miembros de las diferentes dimensiones y contiene el valor de la medida analizada para dicha combinación de dimensiones. Las variables o medidas son aquellas características del negocio que pueden ser cuantificadas y son seleccionadas para el analisis. Por ejemplo: ventas, compras, costes Se corresponden con los datos numéricos. Los valores que toman las variables son el resultado de las diferentes combinaciones posibles de los miembros de las dimensiones sobre las que se definen.

Consultas multidimensionales de datos
Las consultas Dbase constan de archivos que permiten realizar muchas tareas diferentes con los datos. Se pueden utilizar las consultas para controlar los campos de datos que se pueden ver. También se pueden utilizar las consultas para controlar los registros que visualiza Dbase. Las consultas pueden cambiar el orden de presentación de datos y pueden incluso actualizarlos. Las consultas no contienen información de la base de datos, sino tan solo las instrucciones necesarias para seleccionar los registros y campos requeridos de una base de datos.
Consulta de un campo para una entrada caracter
Se pueden crear consultas simples para encontrar todos los registros que contienen una entrada decaracter específica. Se puede utilizar la coincidencia exacta u operadores relacionales cuando se realiza la búsqueda. Puesto que se deben encerrar las cadenas de caracteres entre comillas, se puede buscar una coincidencia exacta colocando la cadena de caracteres que se necesite encontrar entre comillas.
Almacenamiento y uso de consultas.
Dbase IV puede almacenar una consulta como archivo. Esto ofrece la ventaja de reutilizar la consulta posteriormente sin reentrar en ella. Para utilizar cualquier consulta almacenada en disco se selecciona un archivo de consultas del panel de consultas del centro de control con la apropiada base de datos en uso. Las condiciones que también se denominan filtros establecidas por esta consulta se ponen en vigor automaticamente para ocultar los registros que presenta Dbase. Se puede utilizar para afectar a la visualización de los registros sobre la pantalla o para restringir los registros presentados en los informes que se crean.

Consulta de campos numéricos
La búsqueda de valores numéricos permite operar con todos los registros de empleado con un código de trabajo específico o todos los registros de un número de cliente particular. Se controlan los registros que cumplan la consulta en base a los contenidos de un campo numérico en lugar de un campo caracter, pero la mayor parte de las características de las consultas utilizadas para campos numéricos son exactamente las mismas que se utilizan para campos de caracter.
Se pueden utilizar ejemplosde coincidencia exacta para localizar datos. Puesto que estamos trabajando con datos numéricos, las comillas no se necesitan. También se puede utilizar muchos de los operadores relacionales que utilizaron con los campos de caracter.
Consulta de campo de fecha
La consulta de los campos de fecha no es diferente del acceso a otros tipos de campos. Dbase reconoce los campos de fecha y los trata como una entrada de fecha si se incluyen de las llaves . Se utilizan los ejemplos bajo este tipo de campos para encontrar una coincidencia exacta o relacional. Se pueden utilizar ejemplos relacionales para localizar todos los registros anteriores y posteriores a una fecha dada. También se pueden encontrar registros dentro de un rango especifico de fechas colocando en el ejemplo dos expresiones relacionadas separadas por coma (,).
Consultas de campos lógicos
Los campos lógicos contienen indicadores de verdadero o falso.
Cuando se crea un ejemplo de un campo lógico, se puede hacer que Dbase busque valores verdaderos o falsos colocando .T. o .F. como un ejemplo debajo del tipo de campo. Dbase también acepta .t., .f., ..f., .Y., .N., .y., y .n., como entradas para este campo.
Las operaciones mas comunes realizadas sobre los datos multidimensionales son: cube y roll up definidas en Cube calcula todas las posibles agregaciones que resultan de las combinaciones de atributos incluidos en la clausula de la consulta, generando totales y subtotales para dichas combinaciones de los atributos.