Strutture dati efficienti per la ricerca della similarità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Strutture dati efficienti per la ricerca della similarità"

Transcript

1 Strutture dati efficienti per la ricerca della similarità Anche utilizzando i metodi di filtraggio visti in precedenza, il numero di confronti tra query e oggetti presenti nel database rimane alto. L efficienza di ricerca può essere migliorata in maniera sensibile utilizzando delle strutture dati specifiche per la memorizzazione dei vettori di feature. Alberi bilanciati (B trees) Clustering Alberi bilanciati multidimensionali (MB trees) K-d trees Grid files Alberi bilanciati Introduciamo i B+ e i B tree che memorizzano esclusivamente vettori monodimensionali (singoli valori) ma forniscono le idee di base per le strutture dedicate ai vettori multidimensionali Un B+ tree è una struttura gerarchica costituita da nodi, Ogni nodo contiene n puntatori e n-1 valori (o chiavi) dove n è il GRADO del tree (è il massimo numeri di figli che ogni nodo può avere). Il puntatore 1 è utilizzato per accedere a tutti i record i cui valori sono inferiori al valore 1, il puntatore 2 per accedere a tutti i record il cui valore è più grande del valore 1 e più piccolo del valore 2, ecc, l ultimo puntatore n è usato per accedere a tutti i record il cui valore e uguale o maggiore del valore n-1

2 Alberi bilanciati In un albero B, tutte le foglie hanno la stessa distanza dalla radice; per questo motivo tali alberi hanno un efficienza prevedibile. Gli alberi B supportano il recupero sia casuale sia sequenziale dei record. La forma più diffusa di albero B è l albero B+. Un albero B+ di grado m possiede la seguente proprietà: Ogni nodo ha tra m e m/2 figli (m è un intero maggiore di o uguale a 3, solitamente dispari), ad eccezione del nodo radice (che non rispetta questo limite inferiore). Ricerca in alberi bilanciati Si immagini di voler recuperare i record di dati per il numero di prodotto Si noti che il valore nel nodo radice è oiché 1425 è maggiore di 1250, si dovrà seguire la freccia a destra di questo valore verso il basso fino al livello successivo. In questo nodo si trova il valore ricercato (1425), quindi si seguirà la freccia centrale verso il basso fino al nodo foglia che contiene il valore Questo nodo contiene un puntatore al record di dati per il numero di prodotto 1425, quindi il record può essere recuperato.

3 Inserimento in alberi bilanciati Si supponga di aggiungere un record con la chiave 1800 all albero B+ della figura precedente Il risultato di questo inserimento è mostrato nella figura soprastante oiché il nodo 1 ha solo tre figli l albero soddisfa ancora tutte le proprietà dell albero B+. Inserimento in alberi bilanciati Si consideri ora l effetto dell aggiunta di un altro record all albero, questa volta con la chiave In questo caso, il nodo 1 viola il limite del grado, e deve quindi essere suddiviso in due nodi. La suddivisione del nodo 1 comporta una nuova immissione nel nodo 2, che farà sì che questo nodo abbia quattro figli. Anche il nodo 2 dovrà quindi essere suddiviso, cosa che comporta una nuova immissione nel nodo 3.

4 Dopo l inserimento L eliminazione di un record causa l eliminazione di una voce nel nodo. Se questa eliminazione fa sì che una foglia abbia meno di m/2 figli, la foglia verrà unita a una foglia adiacente; se la foglia unita è troppo grande (ha più di m figli), viene suddivisa, cosa che comporta semplicemente una ri-distribuzione più equilibrata delle chiavi tra i nodi. Il risultato è che un albero B+ viene riorganizzato dinamicamente perché sia possibile mantenerlo bilanciato (stessa profondità lungo qualsiasi percorso dalla radice) Cluster 1 Cluster 5 Clustering Tecnica per ottimizzare i tempi di ricerca nello spazio di feature n-dimensionale Vettori di features simili vengono raggruppati Cluster 3 in cluster in base a Cluster 2 misure di similarità Ogni cluster e rappresentato dal proprio centroide Il calcolo della similarità avviene tra la Cluster 4 query ed il centroide di ogni cluster I cluster il cui centroide CENTROIDE e più simile alla query vengono utilizzati per la ricerca completa sui vettori di features che contengono

5 Clustering a più livelli Quando il numero di cluster e comunque alto si utilizzano cluster a livelli multipli per ridurre il numero di calcoli di similarità Cluster 2 Cluster 3 CENTROIDE DEL SUERCLUSTER Cluster 1 Super Cluster 1 Cluster 4 Super Cluster 2 Cluster 5 CENTROIDE MB trees multidimensionali Struttura simile al B+ TREE standard Supporta le similarity query Esempio in 2D: Ogni feature vector è un punto nello spazio 2D Si definisce il bounding-box contenente tutti i punti Dividiamo tale rettangolo in regioni con numero simile di feature contenute all interno di ogni regione Le regioni vengono ordinate secondo un criterio (rima X, quindi Y) Ogni regione contiene i puntatori ai feature-vector che ricadono all interno della regione Ogni feature-vector ha un link con il dato multimediale di cui è una rappresentazione

6 MB trees multidimensionali D 0,1 D 0,0 D 1,2 D 1,1 D 2,1 D 3,0 D 1,2 0 D 1,0 D 2,0 D 1,0 0 D 2,1 0 D 0,0 D 0,1 D 1,0 D 1,1 D 1,2 D 2,0 D 2,1 D 3,0 0 L 0,0 L 0,1 L 1,0 L 1,1 L 1,2 L 2,0 L 2,1 L 3,0 Ricerca su MB trees multidimensionali oint query Ricerca di un vettore dato (x,y) artiamo dalla root e troviamo la regione che contiene il vettore da ricercare Scorriamo la lista di feature-vector associata alla regione Range query Ricerca di tutti i vettori che ricadono in un rettangolo artendo dalla root troviamo tutte le regioni che si sovrappongono al rettangolo di ricerca Scorriamo la lista di feature-vector associata alla regione K Nearest-Neighbor query Ricerca dei k vettori più vicini ad un vettore dato Utilizziamo un procedimento iterativo, composto dalla ripetizione di Range query fino a quando non troviamo un numero sufficiente di vettori candidati. Utilizziamo il calcolo della distanza euclidea tra il vettore da ricercare ed i vettori candidati

7 K-d trees Sono una estensione degli ALBERI BINARI: In un A.B. ogni nodo ha tre elementi: un valore della chiave X un puntatore ai record con chiave < x un puntatore ai record con chiave > x Un albero binario e normalmente non bilanciato Durante l inserimento si applicano metodi di bilanciamento per mantenere i tempi di ricerca in O(log n ) in un k-d tree ogni chiave è costituita dal vettore k-dimensionale invece che da un solo valore er generare l albero bisogna individuare una regola per decidere da che parte inserire il nuovo elemento (dx,sx) Al primo livello si effettua il salto basandosi sulla prima componente del vettore Al secondo livello si effettua il salto basandosi sulla seconda componente del vettore ecc Esempio di K-d trees Supponiamo di avere i seguenti vettori nello spazio a 3 dimensioni: (10,13,7) (9,14,8) (20,9,17) (7,13,6) (8,12,7) (6,10,9) (11,8,14) (15,13,11) (10,6,17) (16,12,21) (17,3,15) Livello 1 L albero che potremmo costruire è: (10, 13,17) Livello 2 (9, 14,18) (20, 9,17) Livello 3 (7, 13,6) (11, 8,14) (15, 13,11) Livello 4 (8, 12,7) (10, 6,17) (16, 12,21) Livello 5 (6, 10, 9) (17, 3,15)

8 Utilizzo K-d trees Inserimento: si utilizza ad ogni livello l ordinamento sulla corrispondente componente. roblema: la struttura dell albero dipende dall ordine di inserimento dei record. L albero può diventare sbilanciato e richiedere operazioni di ri-bilanciamento Ricerca: è simile al processo di inserimento Ad ogni livello effettuiamo il salto sulla base del valore della relativa componente del vettore Eliminazione: uò risultare complicata quando occorre eliminare un nodo intermedio dell albero Si possono effettuare delle cancellazioni logiche senza modificare la struttura dell albero Range query: sono facili da implementare e comportano la visita di un numero di nodi dell albero abbastanza ridotta Grid files Sono una modalità di indicizzazione e ricerca abbastanza semplice ma molto utilizzata in implementazioni reali. Consistono nella suddivisione dello spazio n-dimensionale in ipercubi aventi tutti la stessa dimensione. Ogni ipercubo contiene zero o più feature-vector Esempio 2D: Griglia nello spazio dei valori delle features Indice Scala dei valori 0,0 1,0 2,0 3,0 Array 2D di puntatori alle griglie 0,1 1,1 2,1 3,1 0,2 1,2 2,2 3,2 0,3 1,3 2,3 3,3

9 Grid files L Inserimento di un valore nella struttura e molto semplice: Es: se volessimo inserire il vettore de feature {80, 70} nella griglia 2D precedente sapremmo subito che questo dovrà essere inserito nella griglia con indice (1,1) e quindi sarà puntato dal puntatore 1,1 La ricerca di un valore avviene in un modo simile: Es di point query: se vogliamo trovare il vettore {40, 125} sappiamo subito che questo si troverà nella griglia (0,2). Quindi prendiamo il puntatore 0,2 e scorriamo la lista di vettori puntati da questo (tutti i vettori di feature che si trovano nella stessa griglia sono puntati dallo stesso puntatore) Es di range query: e necessario trovare tutte le liste di vettori puntate dai puntatori le cui griglie vengono intersecate dal rettangolo descritto dalla query Considerazioni su grid files Se i vettori di features sono distribuiti abbastanza uniformemente all interno dello spazio dei valori tale metodo da buoni risultati Nel caso contrario (vettori non distribuiti uniformemente nello spazio) alcune griglie risultano vuote o quasi e altre sovraffollate Se una griglia e sovraffollata il puntatore alla griglia individuerà una lista di vettori molto lunga il cui scorrimento e calcolo della similarità comporta perdita di tempo elevata er far fronte a questo problema (nel caso di distribuzione non uniforme) invece di utilizzare griglie fisse della stessa dimensione si crea una suddivisione adattativa cercando di bilanciare il contenuto delle diverse griglie Nelle zone dello spazio densamente popolate si utilizzano griglie di piccole dimensioni mentre nelle zone scarsamente popolate si utilizzano griglie di dimensioni più grandi

10 R tree Sono una famiglia si strutture di indicizzazione molto utilizzate per l organizzazione dei dati multidimensionali. Un R tree è una generalizzazione di un MB+ tree. In ogni nodo non foglia viene memorizzato un puntatore che punta ad un nodo di livello più basso nell albero e un rettangolo che copre tutti i rettangoli associati ai discendenti del nodo. Nei nodi foglia viene memorizzata la lista dei vettori che ricadono dentro al singolo rettangolo di livello più basso. Sono strutture dati utilizzate sia per memorizzare dati che hanno un boundingbox che dati di tipo puntuale Esempio R tree Il rettangolo blu rappresenta il dominio spaziale di una base di dati bidimensionale. Al suo interno sono presenti 12 oggetti. Indice RTree relativo agli oggetti della Fig. 1. La figura di destra illustra un RTree che indicizza i rettangoli della figura di sinistra oiché ogni record rappresenta una porzione di spazio, essi sono stati rappresentati graficamente. Ad esempio, la radice contiene due record, e per ognuno e' stata rappresentata l'intera base di dati (il rettangolo blu) con evidenziata in verde l'area da essi indicizzata. La stessa cosa e' ripetuta nei due nodi interni, con il colore azzurro. Si può notare come l'area indicizzata da ogni record comprenda l'unione delle aree dei figli. er compattezza, i record nelle foglie sono stati rappresentati con il solo nome.

11 Operazioni su R tree Query: La regione da cercare viene caratterizzata dal suo MBR (minimum bounding-box) A partire dalla root si attraversa l albero cercando i rettangoli che intersecano l MBR (possono essere più di uno ad ognuno dei livelli) Raggiunti i nodi foglia, si testa l intersezione tra l MBR e il rettangolo collegato Operazioni su R tree Insert: Si attraversa l albero selezionando il rettangolo più piccolo che include l oggetto da inserire o quello che richiederebbe l allargamento minore per coprire il nuovo oggetto L inserimento comporta l allargamento del nodo padre per fare in modo che il suo rettangolo includa completamente il nuovo oggetto Se il nodo nell albero è già pieno per più di metà, occorre procedere alla operazione di splitting in maniera analoga a quanto avviene sui MB+ tree Lo splitting si può ripercuotere ricorsivamente verso l alto fino a quando l aggiunta di un nuovo rettangolo non comporta un riempimento eccessivo Delete: Si utilizza un procedimento di attraversamento dell albero simile a quello della ricerca Se l eliminazione di un oggetto comporta che un nodo dell albero contiene troppo pochi elementi, il nodo viene eliminato e gli oggetti che conteneva vengono reinseriti nell albero

12 Dati puntuali e R tree er la ricerca, l inserimento e l eliminazione di dati puntuali in un R TREE gli algoritmi sono simili a quelli precedenti (dati multidimesionali) L unica differenza consiste nel fatto che ogni nodo foglia contiene più di un elemento puntuale di cui viene memorizzato l MBR E possibile implementare la ricerca k nearest neighbor attraverso la stima di un rettangolo che contiene sicuramente tutti i punti da ricercare e utilizzando la ricerca su oggetti rettangolari descritta in precedenza L inserimento di un punto avviene ricercando il rettangolo dell albero che deve essere ampliato di meno per contenerlo In maniera analoga al caso di oggetti rettangolari vengono trattati i casi di splitting (quando la lista di punti di un nodo conterrebbe troppi elementi) o di eliminazione di un nodo a seguito della eliminazione di uno o più punti Efficienza di ricerca di un R TREE Dipende da 2 concetti (definiti per ognuno dei livelli dell albero): COVERAGE: E l area totale di tutti i rettangoli associati ai nodi del livello OVERLA: E l area totale coperta da due o più nodi Un R tree è efficiente se sia la COVERAGE che l OVERLA sono minimizzati In particolare l overlap comporta problemi in fase di ricerca. Es: per cercare r12 dobbiamo attraversare i nodi interni R1, R2, R3, R4, R5 ed R6 a causa del fatto che R1 ed R2 hanno una sovrapposizione. Inoltre è cruciale l ordine di inserimento per ottenere un albero maggiormente bilanciato

13 Hardware e software per MMDBMS Un MMDBMS deve rispettare requisiti stringenti in termini di: Throughput Delay Delay jitter Dati di tipo audio e video hanno caratteristiche particolari: Un elevata occupazione di memoria Necessitano di un elevata banda di trasmissione Sono caratterizzati da deadline temporali molto rigide Le caratteristiche hardware e software di un MMDBMS sono di conseguenza dimensionate in relazione a tali requisiti Aspetti rilevanti di un MMDBMS Supporti e tecniche per la memorizzazione Ottimizzazione dell efficienza e capacità dei dischi Sistemi RAID Accesso remoto e trasmissione dati rotocolli specifici per la trasmissione di grandi quantità di dati roblema della garanzia della QoS Decodifica dei tipi di dati La codifica e la decodifica da un formato all altro deve essere efficiente Decoder implementati in hardware Scalabilita del sistema Il sistema deve permettere la propria espansione ed evoluzione senza soffrire di drastiche riduzioni di performance

14 Architetture hardware per sistemi multimediali rocessori dedicati Set di istruzioni dedicato all elaborazione multimediale Maggiore efficienza Minore scalabilita e programmabilita (molte operazioni sono hard-wired nel processore Utilizzo di bus locali Minor traffico sul bus principale Bus locali dedicati più veloci Device multimediali dedicati Gestiscono particolari operazioni sui dati Esterni al server (il server ne controlla l operato) I dati non devono passare attraverso il server per essere elaborati Sono connessi direttamente alla rete Sistemi distribuiti Connessioni dedicate ad elevata velocità di trasmissione Separazione delle fasi di processing su macchine diverse Sistemi operativi dedicati Gestione efficiente dell hardware dedicato Garanzia della QoS Compatibilità verso sistemi standard e gestione indipendente delle normali applicazioni

15 Misure di efficienza ed efficacia dei MMDBMS Efficienza: Legata al tempo di risposta del sistema Maggiore e il tempo di risposta e minore e l efficienza Dipendenza forte dalle strutture dati utilizzate per memorizzare i record e dalle tecniche di indicizzazione Efficacia: Qualità della presentazione dei risultati (record) e un aspetto legato alla QoS Abilità del sistema di trovare record rilevanti in seguito ad una query e di scartare quelli irrilevanti (la ricerca e basata sulla similarità e non su matching esatto) Standard per valutazione dell efficacia er determinare una misura dell efficacia del sistema e necessario definire in modo standard cosa sia rilevante e cosa non lo sia in modo da avere un termine di confronto Raccolta di informazioni sulla rilevanza dei record basata sul giudizio umano Si prende un campione di persone e ad ognuna viene chiesto, date alcune query di test, quali siano i record rilevanti e quali non lo siano Normalmente si usano tre metodi differenti

16 Metodi Metodo 1: Ad ogni persona viene chiesto di indicare quale record nel database e rilevante data una particolare query I record selezionati da un numero di persone superiore ad una determinata soglia vengono contrassegnati come rilevanti per la specifica query Metodo 2: Come nel primo metodo ad ogni persona viene chiesto di indicare quale record nel database e rilevante Ad ogni record viene attribuito un peso che incrementa ogni volta che una persona indica quel record rilevante per una determinata query Ogni record avrà un peso relativo a ogni query Metodi Metodo 3 Ogni persona assegna un punteggio di rilevanza ad ogni record (invece che individuare semplicemente se e rilevante o no) Si ottiene una matrice Q j (i,k) per ogni query j dove Q j (i,k) indica il numero di persone che ha valutato il record i in k-esima posizione per la query j

17 Misure di efficacia er misurare l efficacia di un MMDBMS intesa come l abilita nel ritrovare record rilevanti esistono diverse tecniche: Recall and precision pair (R): ercentage of weighted hits (WH): ercentage of similarity rankings (SR) Recall and precision pair (R) Si basa sul confronto con risultati ottenuti con il metodo 1 Recall e precision devono essere utilizzate congiuntamente per valutare l efficacia di un sistema Recall: misura l abilita di trovare record rilevanti recision: misura l abilita di rifiutare record irrilevanti Un buon MMDBMS dovrebbe avere sia recall che precision alte

18 ercentage of weighted hits (WH) Si basa sul confronto con risultati ottenuti con il metodo 2 er ogni query vengono ritornati un numero fisso di record. La percentuale degli hit pesati e definita nel modo seguente: n i= 1 = N j= 1 w w i j dove n e il numero dei record ritornati; w i e il numero delle persone che ha definito il record i come rilevante N e il numero totale dei record nel DB e w j e il numero delle persone che ha definito il record j come rilevante ercentage of similarity rankings (SR) Si basa sul confronto con risultati ottenuti con il metodo 3 Ogni record ha un valore Qj(i,k) dal quale si calcola la media p j (i) e la deviazione standard s j (i) che rappresentano il ranking medio del record e il grado di disaccordo tra le varie persone che hanno condotto il test Il MMDBMS in risposta ad una query j ritorna dei record in un determinato ordine definendo un ranking per ogni item i del database j (i) L efficacia del sistema può essere valutata come dalla somma della percentuale di persone che ha valutato il record i in posizione compresa tra: j (i)-s j (i)/2 e j (i)+s j (i)/2 In questo modo la percentuale di similarità e calcolata come: j ( i) + s j ( i)/ 2 S j ( i) = Q j ( i, k) k = ( i) s ( i)/ 2 j j

Sistemi Informativi Multimediali Indicizzazione multidimensionale

Sistemi Informativi Multimediali Indicizzazione multidimensionale Indicizzazione nei sistemi di IR (1) Sistemi Informativi Multimediali Indicizzazione multidimensionale ugusto elentano Università a Foscari Venezia La struttura fondamentale di un sistema di information

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees

Informatica 3. LEZIONE 23: Indicizzazione. Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 LEZIONE 23: Indicizzazione Modulo 1: Indicizzazione lineare, ISAM e ad albero Modulo 2: 2-3 trees, B-trees e B + -trees Informatica 3 Lezione 23 - Modulo 1 Indicizzazione lineare, ISAM e

Dettagli

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache... Appunti di Calcolatori Elettronici Concetti generali sulla memoria cache Introduzione... 1 Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Dettagli

Tecniche di DM: Alberi di decisione ed algoritmi di classificazione

Tecniche di DM: Alberi di decisione ed algoritmi di classificazione Tecniche di DM: Alberi di decisione ed algoritmi di classificazione Vincenzo Antonio Manganaro vincenzomang@virgilio.it, www.statistica.too.it Indice 1 Concetti preliminari: struttura del dataset negli

Dettagli

Di testi ed immagini

Di testi ed immagini Università Cattolica del Sacro Cuore - Brescia 23/5/2005 Parte I: Richiami di algebra lineare Parte II: Applicazioni Sommario della Parte I 1 Diagonalizzabilità di una matrice Autovalori ed autovettori

Dettagli

Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati

Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati Triangulated Irregular Network Le superfici e i modelli di elevazione digitale in genere possono essere rappresentati mediante le strutture raster Difetto delle strutture dati raster classiche: sono a

Dettagli

Indici basati su alberi

Indici basati su alberi Query\update Query plan Execution Engine richieste di indici, record e file Index/file/record Manager comandi su pagine Lettura/scrittura pagine Architettura di un DBMS Utente/Applicazione Query Compiler

Dettagli

Riconoscimento e recupero dell informazione per bioinformatica

Riconoscimento e recupero dell informazione per bioinformatica Riconoscimento e recupero dell informazione per bioinformatica Clustering: similarità Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Definizioni preliminari

Dettagli

ASPETTI PRINCIPALI DELLA GESTIONE AUTOMATIZZATA DI UN ARCHIVIO

ASPETTI PRINCIPALI DELLA GESTIONE AUTOMATIZZATA DI UN ARCHIVIO ARCHIVIO è un insieme di informazioni che hanno tra di loro un nesso logico (sono inerenti ad uno stesso argomento) e sono organizzate in modo tale da renderne facile la consultazione Le informazioni di

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

Indici ad albero. Albero Binario di Ricerca

Indici ad albero. Albero Binario di Ricerca Indici ad albero Ogni nodo contiene una sequenza di valori ed un insieme di puntatori ai nodi successivi. I valori sono le chiavi di ricerca dell indice N.B. In strutture fisiche ogni nodo corrisponde

Dettagli

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in:

B-Tree. Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: B-Tree Prof. Rudolf Bayer Struttura dati usata in applicazioni che necessitano di gestire insiemi di chiavi ordinate Una variante (B+-Tree) è diffusa in: Filesystem: btrfs, NTFS, ReiserFS, NSS, XFS, JFS

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

16.3.1 Alberi binari di ricerca

16.3.1 Alberi binari di ricerca 442 CAPITOLO 16. STRUTTURE DI DATI DINAMICHE root 7 5 11 2 8 13 10 Figura 16.11 Esempio di albero binario: ogni nodo contiene il dato da immagazzinare e tre puntatori che definiscono le sue relazioni di

Dettagli

Informatica I per la. Fisica

Informatica I per la. Fisica Corso di Laurea in Fisica Informatica I per la Fisica Lezione: Software applicativo II Fogli elettronici e Data Base Software: software di sistema (BIOS) sistema operativo software applicativo ROM Dischi

Dettagli

Corso di Alfabetizzazione Informatica

Corso di Alfabetizzazione Informatica Corso di Alfabetizzazione Informatica Lezione 6 a.a. 2010/2011 Francesco Fontanella La Complessità del Hardware Il modello di Von Neumann è uno schema di principio. Attualmente in commercio esistono: diversi

Dettagli

Introduzione. Dati di una stessa localizzazione permette di ridurre ridondanza e duplicazioni. I costi ne sono diminuiti.

Introduzione. Dati di una stessa localizzazione permette di ridurre ridondanza e duplicazioni. I costi ne sono diminuiti. Database Spaziale Introduzione Dati di una stessa localizzazione permette di ridurre ridondanza e duplicazioni. I costi ne sono diminuiti. Principio del repository: applicazioni indipendenti che accedono

Dettagli

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1 Database Organizzazione di archivi mediante basi di dati ing. Alfredo Cozzi 1 Il database è una collezione di dati logicamente correlati e condivisi, che ha lo scopo di soddisfare i fabbisogni informativi

Dettagli

Introduzione. File System Distribuiti. Nominazione e Trasparenza. Struttura dei DFS. Strutture di Nominazione

Introduzione. File System Distribuiti. Nominazione e Trasparenza. Struttura dei DFS. Strutture di Nominazione File System Distribuiti Introduzione Nominazione e Trasparenza Accesso ai File Remoti Servizio Con/Senza Informazione di Stato Replica dei File Un esempio di sistema Introduzione File System Distribuito

Dettagli

File System Distribuiti

File System Distribuiti File System Distribuiti Introduzione Nominazione e Trasparenza Accesso ai File Remoti Servizio Con/Senza Informazione di Stato Replica dei File Un esempio di sistema 20.1 Introduzione File System Distribuito

Dettagli

Indice Prefazione... 1 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 Vincoli e Trigger... 9

Indice Prefazione... 1 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 Vincoli e Trigger... 9 Prefazione... 1 Contenuti... 1 Ringraziamenti... 2 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 1.1 Dichiarazione di funzioni e procedure... 3 1.2 Istruzioni PSM... 4 2 Vincoli e Trigger...

Dettagli

CRAWLER. Il primo problema da affrontare per tracciare il Web è la costruzione di Crawler scalabili

CRAWLER. Il primo problema da affrontare per tracciare il Web è la costruzione di Crawler scalabili TRACCIARE IL WEB CRAWLER Il primo problema da affrontare per tracciare il Web è la costruzione di Crawler scalabili per scalabile si intende: quale è il numero P di pagine oltre il quale il Crawler si

Dettagli

MICROSOFT ACCESS. Sommario del Corso

MICROSOFT ACCESS. Sommario del Corso MICROSOFT ACCESS Revisione dispense n 5 Sommario del Corso MICROSOFT ACCESS... 1 INTRODUZIONE... 2 Il Database di Microsoft Access... 2 GLI OGGETTI... 3 Gli oggetti del database... 3 Visualizzazioni degli

Dettagli

Indice. settembre 2008 Il File System 2

Indice. settembre 2008 Il File System 2 Il File System Indice 4. Il File System 5. Vantaggi del FS 6. Protezione 7. Condivisione 8. I file - 1 9. I file - 2 10. Attributi dei file 11. Directory 12. Livelli di astrazione - 1 13. Livelli di astrazione

Dettagli

Modulo 8. Elettronica Digitale. Contenuti: Obiettivi:

Modulo 8. Elettronica Digitale. Contenuti: Obiettivi: Modulo 8 Elettronica Digitale Contenuti: Introduzione Sistemi di numerazione posizionali Sistema binario Porte logiche fondamentali Porte logiche universali Metodo della forma canonica della somma per

Dettagli

1. I database. La schermata di avvio di Access

1. I database. La schermata di avvio di Access 7 Microsoft Access 1. I database Con il termine database (o base di dati) si intende una raccolta organizzata di dati, strutturati in maniera tale che, effettuandovi operazioni di vario tipo (inserimento

Dettagli

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata Lezione n.6 Unità di controllo microprogrammata 1 Sommario Unità di controllo microprogrammata Ottimizzazione, per ottimizzare lo spazio di memoria occupato Il moltiplicatore binario Esempio di architettura

Dettagli

17/05/2013. Indice dei Contenuti. Ruolo del Naming nei SD. Corso Sistemi Distribuiti 6 cfu Docente: Prof. Marcello Castellano

17/05/2013. Indice dei Contenuti. Ruolo del Naming nei SD. Corso Sistemi Distribuiti 6 cfu Docente: Prof. Marcello Castellano Corso Sistemi Distribuiti 6 cfu Docente: Prof. Marcello Castellano /35 Ruolo del Naming nei SD - 3 Denominazione di entità - 4 Sistemi di Naming - 8 Tipologie di Naming - 10 Naming Semplice e Differenti

Dettagli

Università Ca Foscari Corso di Laurea in Informatica. Esame di Laboratorio di Sistemi Operativi. Specifiche per il progetto d esame

Università Ca Foscari Corso di Laurea in Informatica. Esame di Laboratorio di Sistemi Operativi. Specifiche per il progetto d esame Università Ca Foscari Corso di Laurea in Informatica Esame di Laboratorio di Sistemi Operativi Specifiche per il progetto d esame Il presente documento contiene le linee guida per la redazione del progetto

Dettagli

GIS e Geo WEB: piattaforme e architetture. Docente: Cristoforo Abbattista email: abbattista@planetek.it

GIS e Geo WEB: piattaforme e architetture. Docente: Cristoforo Abbattista email: abbattista@planetek.it GIS e Geo WEB: piattaforme e architetture Docente: Cristoforo Abbattista email: abbattista@planetek.it III lezione Componenti e linguaggi GIS e Geo WEB: piattaforme e architetture Vediamo un po Demo PostgreSQL

Dettagli

Il software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi

Il software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi Il Software Il software impiegato su un computer si distingue in: Software di sistema Sistema Operativo Compilatori per produrre programmi Software applicativo Elaborazione testi Fogli elettronici Basi

Dettagli

Naming nei Sistemi Distribuiti

Naming nei Sistemi Distribuiti Naming nei Sistemi Distribuiti Naming (1) La risoluzione dei nomi permette ad un processo di accedere ad una entità in un sistema distribuito. Un sistema di naming è necessario per avere un modello comune

Dettagli

Naming nei Sistemi Distribuiti

Naming nei Sistemi Distribuiti Naming nei Sistemi Distribuiti Naming (1) La risoluzione dei nomi permette ad un processo di accedere ad una entità in un sistema distribuito. Un sistema di naming è necessario per avere un modello comune

Dettagli

Università degli Studi di Udine CENTRO SERVIZI INFORMATICI E TELEMATICI

Università degli Studi di Udine CENTRO SERVIZI INFORMATICI E TELEMATICI ISTRUZIONI PER IL TEST A Università degli Studi di Udine CENTRO SERVIZI INFORMATICI E TELEMATICI CORSO DI ALFABETIZZAZIONE INFORMATICA Vengono consegnati il presente foglio istruzioni con allegate le domande

Dettagli

CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE

CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE Ing. Mariano Di Claudio Lezione del 24/09/2014 Indice 1. Aspetti di Data Management CouchBase 2. Aspetti Architetturali Infrastruttura

Dettagli

Lezione 11. Sistemi operativi. Marco Cesati System Programming Research Group Università degli Studi di Roma Tor Vergata.

Lezione 11. Sistemi operativi. Marco Cesati System Programming Research Group Università degli Studi di Roma Tor Vergata. Lezione 11 system Sistemi operativi 12 maggio 2015 System Programming Research Group Università degli Studi di Roma Tor Vergata SO 15 11.1 Di cosa parliamo in questa lezione? L interfaccia : system 1 Il

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

Operazioni di Comunicazione di base. Cap.4

Operazioni di Comunicazione di base. Cap.4 Operazioni di Comunicazione di base Cap.4 1 Introduzione: operazioni di comunicazioni collettive Gli scambi collettivi coinvolgono diversi processori Sono usati massicciamente negli algoritmi paralleli

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

L interfaccia. La barra delle applicazioni. MS Windows Barra delle Applicazioni

L interfaccia. La barra delle applicazioni. MS Windows Barra delle Applicazioni Windows XP In questa sezione, si desidero evidenziare le caratteristiche principali di Windows cercando possibilmente di suggerire, per quanto possibile, le strategie migliori per lavorare velocemente

Dettagli

Corso di Sistemi di Elaborazione delle informazioni

Corso di Sistemi di Elaborazione delle informazioni Corso di Sistemi di Elaborazione delle informazioni Sistemi Operativi Francesco Fontanella La Complessità del Hardware Il modello di Von Neumann è uno schema di principio. Attualmente in commercio esistono:

Dettagli

Automatic Text Processing

Automatic Text Processing Automatic Text Processing Ing. Leonardo Rigutini Dipartimento di Ingegneria dell Informazione Università di Siena Via Roma 53 53100 SIENA ITALY rigutini@dii.unisi.it Outlines L era dell informazione Information

Dettagli

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

Dettagli

PROGRAMMAZIONE DISCIPLINARE D ISTITUTO a.s. 2015/2016 PRIMO BIENNIO LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE

PROGRAMMAZIONE DISCIPLINARE D ISTITUTO a.s. 2015/2016 PRIMO BIENNIO LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE ISIS"Giulio Natta" Bergamo pag. 1 di 6 PRIMO BIENNIO LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE Disciplina INFORMATICA monte ore annuale previsto (n. ore settimanali per 33 settimane) 2X33 = 66 competenze

Dettagli

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Dispensa 05 La rappresentazione dell informazione Carla Limongelli Ottobre 2011 http://www.dia.uniroma3.it/~java/fondinf/ La rappresentazione

Dettagli

Sistemi Operativi File System (parte 2)

Sistemi Operativi File System (parte 2) Sistemi Operativi File System (parte 2) Docente: Claudio E. Palazzi cpalazzi@math.unipd.it Crediti per queste slides al Prof. Tullio Vardanega Realizzazione del file system 1 I file system (FS) sono memorizzati

Dettagli

SISTEMI ESPERTI PER LE EMERGENZE UMANITARIE SUPPORTO GRAFICO CAPITOLI 7-8

SISTEMI ESPERTI PER LE EMERGENZE UMANITARIE SUPPORTO GRAFICO CAPITOLI 7-8 UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTÀ DI SCIENZE POLITICHE PER LA COOPERAZIONE E LO SVILUPPO SISTEMI ESPERTI PER LE EMERGENZE UMANITARIE SUPPORTO GRAFICO CAPITOLI 7-8 PROF. ARCH. EMANUELE SANTINI MARZO

Dettagli

Architetture dei WIS. Definizione di WIS. Benefici dei WIS. Prof.ssa E. Gentile a.a. 2011-2012

Architetture dei WIS. Definizione di WIS. Benefici dei WIS. Prof.ssa E. Gentile a.a. 2011-2012 Architetture dei WIS Prof.ssa E. Gentile a.a. 2011-2012 Definizione di WIS Un WIS può essere definito come un insieme di applicazioni in grado di reperire, cooperare e fornire informazioni utilizzando

Dettagli

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2012-2013 Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Architettura e funzionalità di una piattaforma GIS. Parte seconda:

Dettagli

Sistemi Operativi. ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA. Sistemi Operativi 2007/08

Sistemi Operativi. ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA. Sistemi Operativi 2007/08 Sistemi Operativi Docente: Ugo Erra ugoerr+so@dia.unisa.it 12 LEZIONE REALIZZAZIONE DEL FILE SYSTEM CORSO DI LAUREA TRIENNALE IN INFORMATICA UNIVERSITA DEGLI STUDI DELLA BASILICATA Sommario della lezione

Dettagli

Creazione di un ipertesto con Word

Creazione di un ipertesto con Word Creazione di un ipertesto con Word Realizzare un ipertesto per illustrare la storia dell esplorazione dello spazio. Descriviamo le fasi principali per la creazione di un ipertesto: a. all inizio occorre

Dettagli

Sorgenti autorevoli in ambienti hyperlinkati.

Sorgenti autorevoli in ambienti hyperlinkati. Sorgenti autorevoli in ambienti hyperlinkati. La qualità di un metodo di ricerca richiede la valutazione umana dovuta alla soggettività inerente alla nozione di rilevanza. I motori di ricerca correnti,

Dettagli

Dispense di Informatica per l ITG Valadier

Dispense di Informatica per l ITG Valadier La notazione binaria Dispense di Informatica per l ITG Valadier Le informazioni dentro il computer All interno di un calcolatore tutte le informazioni sono memorizzate sottoforma di lunghe sequenze di

Dettagli

Corso di Basi di Dati Multimediali

Corso di Basi di Dati Multimediali Corso di Basi di Dati Multimediali Lezione su: MMDBMS (Multimedia Data Base Manage System) Studente; Enrico Leone Matr. 961/142 Basi di Dati Multimediali Multimedia Database Manage System Deve supportare

Dettagli

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it LA CLASSIFICAZIONE CAP IX, pp.367-457 Problema generale della scienza (Linneo, ) Analisi discriminante Cluster Analysis

Dettagli

Ci sono molti vantaggi nel mettere in relazione le

Ci sono molti vantaggi nel mettere in relazione le Capitolo 4 Relazioni tra tabelle 4.1 Definizione di una relazione 4.2 Visualizzazione e modifica delle relazioni 4.3 Stampa delle relazioni Ci sono molti vantaggi nel mettere in relazione le tabelle di

Dettagli

EasyPrint v4.7. Impaginatore Album. Manuale Utente

EasyPrint v4.7. Impaginatore Album. Manuale Utente EasyPrint v4.7 Impaginatore Album Manuale Utente Lo strumento di impaginazione album consiste in una nuova funzione del software da banco EasyPrint 4 che permette di organizzare le immagini in maniera

Dettagli

Architettura del. Sintesi dei livelli di rete. Livelli di trasporto e inferiori (Livelli 1-4)

Architettura del. Sintesi dei livelli di rete. Livelli di trasporto e inferiori (Livelli 1-4) Architettura del WWW World Wide Web Sintesi dei livelli di rete Livelli di trasporto e inferiori (Livelli 1-4) - Connessione fisica - Trasmissione dei pacchetti ( IP ) - Affidabilità della comunicazione

Dettagli

Architettura (10/9/2003) Pag. 1/6. Cognome e Nome (in stampatello):

Architettura (10/9/2003) Pag. 1/6. Cognome e Nome (in stampatello): Architettura (10/9003) Pag. 1/6 Esame di Architettura (matr.0-1) del 10/9003 Per Fondamenti di Architettura NON rispondere Per le domande a risposta multipla cerchiare la risposta scelta. Non alle domande

Dettagli

70555 Informatica 3 70777 Sicurezza 2. 70555 Mario Rossi 70777 Anna Bianchi. Esempio istanza:

70555 Informatica 3 70777 Sicurezza 2. 70555 Mario Rossi 70777 Anna Bianchi. Esempio istanza: DOMANDE 1) Definire i concetti di schema e istanza di una base di dati, fornendo anche un esempio. Si definisce schema di una base di dati, quella parte della base di dati stessa che resta sostanzialmente

Dettagli

Tabelle hash. Damiano Macedonio Università Ca' Foscari di Venezia. mace@unive.it

Tabelle hash. Damiano Macedonio Università Ca' Foscari di Venezia. mace@unive.it Tabelle hash Damiano Macedonio Università Ca' Foscari di Venezia mace@unive.it Original work Copyright Alberto Montresor, University of Trento (http://www.dit.unitn.it/~montreso/asd/index.shtml) Modifications

Dettagli

Modulo 1 Concetti generali 4 settimane

Modulo 1 Concetti generali 4 settimane OBIETTIVI SPECIFICI DEL PRIMO BIENNIO - CLASSE PRIMA settore ECONOMICO: NUCLEI FONDANTI, CONOSCENZE E COMPETENZE NB per ciascuno dei moduli di insegnamento/apprendimento viene indicato il tempo di trattazione

Dettagli

Operazioni morfologiche

Operazioni morfologiche Elaborazione dei Segnali Multimediali a.a. 2009/2010 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso

Dettagli

1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi:

1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi: 1. Spiegare le differenze fra le seguenti modalità di binding degli indirizzi: compile time, load time, execution time. Quale delle modalità precedenti necessita di un supporto hardware per poter essere

Dettagli

Il clustering. Sistemi Distribuiti 2002/2003

Il clustering. Sistemi Distribuiti 2002/2003 Il clustering Sistemi Distribuiti 2002/2003 Introduzione In termini generali, un cluster è un gruppo di sistemi indipendenti che funzionano come un sistema unico Un client interagisce con un cluster come

Dettagli

Concetti fondamentali

Concetti fondamentali D I S C H I R I G I D I In questo documento vengono illustrati alcuni concetti fondamentali sul partizionamento di dischi rigidi. In alcune sezioni sono inclusi suggerimenti per l utilizzo di prodotti

Dettagli

Sistemi Informativi I Lezioni di Ingegneria del Software

Sistemi Informativi I Lezioni di Ingegneria del Software 4 Codifica, Test e Collaudo. Al termine della fase di progettazione, a volte anche in parallelo, si passa alla fase di codifica e successivamente alla fase di test e collaudo. In questa parte viene approfondita

Dettagli

Indirizzamento Aperto

Indirizzamento Aperto Indirizzamento Aperto Sommario Metodo di indirizzamento aperto Scansione lineare Scansione quadratica Hashing doppio Metodo di indirizzamento aperto L idea è di memorizzare tutti gli elementi nella tabella

Dettagli

Programmazione. Dipartimento di Matematica. Ing. Cristiano Gregnanin. 25 febbraio 2015. Corso di laurea in Matematica

Programmazione. Dipartimento di Matematica. Ing. Cristiano Gregnanin. 25 febbraio 2015. Corso di laurea in Matematica Programmazione Dipartimento di Matematica Ing. Cristiano Gregnanin Corso di laurea in Matematica 25 febbraio 2015 1 / 42 INFORMATICA Varie definizioni: Scienza degli elaboratori elettronici (Computer Science)

Dettagli

STRUTTURE NON LINEARI

STRUTTURE NON LINEARI PR1 Lezione 13: STRUTTURE NON LINEARI Michele Nappi mnappi@unisa.it www.dmi.unisa.it/people/nappi Per la realizzazione della presentazione è stato utilizzato in parte materiale didattico prodotto da Oronzo

Dettagli

Francia dalla contrazione delle parole INFORmazione e automatica. Elaborazione e trattamento automatico delle informazioni INFORMATICA

Francia dalla contrazione delle parole INFORmazione e automatica. Elaborazione e trattamento automatico delle informazioni INFORMATICA INFORMATICA La parola INFORMATICA indica l insieme delle discipline e delle tecniche che permettono la trattazione automatica delle informazioni che sono alla base delle nostre conoscenze e delle loro

Dettagli

La gestione della memoria

La gestione della memoria La gestione della memoria Nella gestione della memoria il sistema operativo deve perseguire l'obiettivo di allocare il maggior numero di processi in memoria centrale per aumentare la probabilità che ci

Dettagli

DATA MINING PER IL MARKETING

DATA MINING PER IL MARKETING DATA MINING PER IL MARKETING Andrea Cerioli andrea.cerioli@unipr.it Sito web del corso GLI ALBERI DI CLASSIFICAZIONE Algoritmi di classificazione Zani-Cerioli, Cap. XI CHAID: Chi-square Automatic Interaction

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

roberto.albiero@cnr.it

roberto.albiero@cnr.it 2.2 Gestione dei file 2.2.1 Concetti fondamentali Un file (termine inglese che significa archivio) è un insieme di informazioni codificate ed organizzate come una sequenza di byte; queste informazioni

Dettagli

TECNICHE AVANZATE DI I/O. Al loro livello più basso, tutti i file scritti sull hard disk. Training per esperti SU FILE

TECNICHE AVANZATE DI I/O. Al loro livello più basso, tutti i file scritti sull hard disk. Training per esperti SU FILE Training per esperti TECNICHE AVANZATE DI I/O SU FILE Spesso, la decisione di dividere in processi differenti la produzione dei dati dall uso degli stessi viene presa perché occorre scrivere i dati su

Dettagli

Data Warehousing e Data Mining

Data Warehousing e Data Mining Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.

Dettagli

Informatica. Esplicazione del manuale e delle slide. Informatica Appunti Luiss Marco D Epifanio. Marco

Informatica. Esplicazione del manuale e delle slide. Informatica Appunti Luiss Marco D Epifanio. Marco Informatica Appunti Luiss Marco D Epifanio Informatica Esplicazione del manuale e delle slide Marco Liberamente tratto da Introduzione alle tecnologie informatiche e ai sistemi informativi aziendali, McGraw.

Dettagli

boot loader partizioni boot sector

boot loader partizioni boot sector IL SISTEMA OPERATIVO Il sistema operativo (S.O.) è un software che fa da interfaccia tra l uomo e l hardware, mettendo a disposizione un ambiente per eseguire i programmi applicativi. Grazie al S.O. un

Dettagli

Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS

Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS Strumenti informatici 2.3 - Le statistiche descrittive con Excel e SPSS Per ottenere le statistiche descrittive di una o più variabili in Excel occorre utilizzare le funzioni, che sono operatori matematici,

Dettagli

Il clustering HA con Linux: Kimberlite

Il clustering HA con Linux: Kimberlite Il clustering HA con Linux: Kimberlite Simone Piccardi: piccardi@firenze.linux.it February 4, 2002 Perché un cluster Un cluster è un insieme di computer in grado di eseguire insieme una certa serie di

Dettagli

Problemi di Programmazione Lineare Intera

Problemi di Programmazione Lineare Intera Capitolo 4 Problemi di Programmazione Lineare Intera La Programmazione Lineare Intera (PLI) tratta il problema della massimizzazione (minimizzazione) di una funzione di più variabili, soggetta a vincoli

Dettagli

Un Algoritmo parallelo per l Equazione delle Onde nelle Applicazioni Geofisiche

Un Algoritmo parallelo per l Equazione delle Onde nelle Applicazioni Geofisiche UNIVERSITÀ DEGLI STUDI DI ROMA TRE FACOLTÀ DI SCIENZE M.F.N. Un Algoritmo parallelo per l Equazione delle Onde nelle Applicazioni Geofisiche Sintesi della tesi di Laurea in Matematica di Riccardo Alessandrini

Dettagli

11 Realizzazione del File System. 11.1.1 Struttura a livelli (fig. 11.1) 11.4 Allocazione dei file

11 Realizzazione del File System. 11.1.1 Struttura a livelli (fig. 11.1) 11.4 Allocazione dei file 11 Realizzazione del File System 1 Metodi di allocazione Allocazione contigua Allocazione concatenata e varianti Allocazione indicizzata e varianti Gestione dello spazio libero 11.1.1 Struttura a livelli

Dettagli

Le principali novità di Windows XP

Le principali novità di Windows XP Le principali novità di Windows XP di Gemma Francone supporto tecnico di Mario Rinina La nuova versione di Windows XP presenta diverse nuove funzioni, mentre altre costituiscono un evoluzione di quelle

Dettagli

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Caterina Rizzi... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell oggettoy

Dettagli

Lezione 12. Sistemi operativi. Marco Cesati System Programming Research Group Università degli Studi di Roma Tor Vergata

Lezione 12. Sistemi operativi. Marco Cesati System Programming Research Group Università degli Studi di Roma Tor Vergata Lezione 12 Sistemi operativi 19 maggio 2015 System Programming Research Group Università degli Studi di Roma Tor Vergata SO 15 12.1 Di cosa parliamo in questa lezione? Organizzazione e realizzazione dei

Dettagli

Sistemi operativi I: Windows. Lezione I

Sistemi operativi I: Windows. Lezione I Sistemi operativi I: Windows Lezione I Scopo della lezione Richiamare le principali funzionalità di un sistema operativo Esemplificarle descrivendo la loro implementazione in Windows Introdurre alcuni

Dettagli

Indice generale. 1 Il calcolatore: astrazioni. 2 Le istruzioni: il linguaggio. e tecnologia 1. dei calcolatori 57

Indice generale. 1 Il calcolatore: astrazioni. 2 Le istruzioni: il linguaggio. e tecnologia 1. dei calcolatori 57 I Indice generale Prefazione viii 1 Il calcolatore: astrazioni e tecnologia 1 1.1 Introduzione 1 Tipi di calcolatore e loro caratteristiche 2 Cosa si può imparare da questo libro 5 1.2 Cosa c è dietro

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dell informazione negli elaboratori

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dell informazione negli elaboratori Informazione e computer Si può rappresentare l informazione attraverso varie forme: Numeri Testi Suoni Immagini 0001010010100101010 Computer Cerchiamo di capire come tutte queste informazioni possano essere

Dettagli

LICEO SCIENTIFICO "LEONARDO DA VINCI" - RC PROGRAMMA DI INFORMATICA A.S. 2014/15 - CLASSE: I Q - Indirizzo Scienze applicate Prof Miritello Rita

LICEO SCIENTIFICO LEONARDO DA VINCI - RC PROGRAMMA DI INFORMATICA A.S. 2014/15 - CLASSE: I Q - Indirizzo Scienze applicate Prof Miritello Rita LICEO SCIENTIFICO "LEONARDO DA VINCI" - RC PROGRAMMA DI INFORMATICA A.S. 2014/15 - CLASSE: I Q - Indirizzo Scienze applicate Modulo 1: Introduzione all informatica Fondamenti di teoria della elaborazione

Dettagli

Dispense del corso di Elaborazione di Immagini e Audio Digitali

Dispense del corso di Elaborazione di Immagini e Audio Digitali http://imagelab.ing.unimo.iting it Dispense del corso di Elaborazione di Immagini e Audio Digitali Video Processing Prof. Roberto Vezzani Dall immagine al video Un video può essere visto innanzitutto come

Dettagli

L organizzazione dei dati

L organizzazione dei dati L organizzazione dei dati Directory In informatica, una directory (chiamata anche cartella, folder o direttorio), è un entità nel file system che contiene un gruppo di file e altre directory. Il termine

Dettagli

INFORMATICA COMPETENZE

INFORMATICA COMPETENZE INFORMATICA Docente: Sandra Frigiolini Finalità L insegnamento di INFORMATICA, nel secondo biennio, si propone di: potenziare l uso degli strumenti multimediali a supporto dello studio e della ricerca

Dettagli

Programmazione dinamica

Programmazione dinamica Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)

Dettagli

Database MySQL: 10 trucchi per migliorarne le performance

Database MySQL: 10 trucchi per migliorarne le performance Database MySQL: 10 trucchi per migliorarne le performance Scopriamo i segreti che molti amministratori professionisti di database usano per migliorare le performance Contenuti a cura di HostingTalk #e-commerce

Dettagli

Il DATABASE Access. Concetti Fondamentali

Il DATABASE Access. Concetti Fondamentali Il DATABASE Access Concetti Fondamentali Con la nascita delle comunità di uomini, si è manifestata la necessità di conservare in maniera ordinata informazioni per poi poterne usufruire in futuro. Basta

Dettagli

L'algebra di Boole falso vero livello logico alto livello logico basso Volts

L'algebra di Boole falso vero livello logico alto livello logico basso Volts L algebra di Boole L'algebra di Boole comprende una serie di regole per eseguire operazioni con variabili logiche. Le variabili logiche possono assumere solo due valori. I due possibili stati che possono

Dettagli

Il Livello delle Applicazioni

Il Livello delle Applicazioni Il Livello delle Applicazioni Il livello Applicazione Nello stack protocollare TCP/IP il livello Applicazione corrisponde agli ultimi tre livelli dello stack OSI. Il livello Applicazione supporta le applicazioni

Dettagli