Хранимая процедура – последовательность SQL-запросов, которая хранится на сервере. Они повышают производительность и обеспечивают безопасность данных, поскольку пользователи не будут иметь доступ к таблицам базы данных [1]. Кроме того, хранимые процедуры могут использоваться для вызова других хранимых процедур.

Однако хранимая процедура может быть перегружена наличием в ней фрагментов кода, которые можно упростить или вовсе удалить.

Для проведения сравнительного анализа существующих программных продуктов, позволяющих получать метрические характеристики хранимой процедуры базы данных, был выбран ряд программных продуктов: Calculate T-SQL Stored Procedure Complexity, SQL Code Guard, SQLDetective, SoftTree SQL Assistant, ClearSQL [7].

Проведем сравнительный анализ данных программных продуктов с точки зрения их применения для решения задачи получения метрик хранимой процедуры базы данных.

В качестве критериев для сравнительного анализа программных продуктов, выберем следующие:

A1 – расчет метрических характеристик хранимой процедуры;

A2 – генерация отчета по результатам расчета метрических характеристик хранимой процедуры;

A3 – визуальная оценка сложности хранимой процедуры;

A4 – категориальная оценка сложности хранимой процедуры;

A5 – метрическая оценка сложности хранимой процедуры.

Для определения весов критериев воспользуемся аналитической иерархической процедурой Саати [4]. Правила заполнения матрицы парных сравнений представлены в таблице 1.

Таблица 1. Значения коэффициентов матрицы парных сравнений

Матрица парных сравнений, средние геометрические и веса критериев представлены в таблице 2 [3].

Таблица 2. Матрица парных сравнений, средние геометрические и веса критериев

Диаграмма весовых коэффициентов для критериев A1, A2, A3, A4, A5 представлена на рис. 1. 

Рис.1. Весовые коэффициенты критериев

Выполним проверку матрицы попарных сравнений на непротиворечивость.

Суммы столбцов матрицы парных сравнений:

R1=4.58; R2=33.00; R3=18.14; R4=7.48; R5=1.92.

Путем суммирования произведений сумм столбцов матрицы на весовые коэффициенты альтернатив рассчитывается вспомогательная величина L = 5.45.  Индексом согласованности ИС = (L-N)/(N-1) = 0.11.

Величина случайной согласованности для размерности матрицы парных сравнений: СлС = 1.12.

Отношение согласованности ОС=ИС/СлС = 0.1. не превышает 0.2, поэтому уточнение матрицы парных сравнений не требуется.

Используя полученные коэффициенты определим интегральный показатель качества для программных продуктов расчета метрических характеристик хранимой процедуры [5]:

1. Calculate T-SQL Stored Procedure Complexity (https://gallery.technet.microsoft.com/scriptcenter/Calculate-TSQL-Stored-831b683a);
2. SQL Code Guard (http://www.sqlcodeguard.com/);
3. SQLDetective (http://conquestsoftwaresolutions.com/);
4. SoftTree SQL Assistant (http://www.softtreetech.com/sqlassist/index.htm);
5. ClearSQL (http://conquestsoftwaresolutions.com/).

Выберем категориальную шкалу от 0 до 7 (где 0 – качество не удовлетворительно, 7 – предельно достижимый уровень качества на современном этапе) для функциональных возможностей программных продуктов.

Значения весовых коэффициентов a_i, соответствующие функциональным возможностям продуктов:

1. расчет метрических характеристик хранимой процедуры: a₁ = 0.3;
2. генерация отчета по результатам расчета метрических характеристик хранимой процедуры: a₂ = 0.02;
3. визуальная оценка сложности хранимой процедуры: a₃ = 0.07;
4. категориальная оценка сложности хранимой процедуры: a₄ = 0.15;
5. метрическая оценка сложности хранимой процедуры: a₅ = 0.46;

Определим (по введенной шкале) количественные значения функциональных возможностей X_ij (таблица 3) [2]. Вычислим интегральный показатель качества для каждого программного продукта.

Таблица 3. Интегральные показатели качества

где Q_j=∑a_i*X_ij интегральный показатель качества для j-го программного средства.

Построим лепестковую диаграмму интегрального показателя качества каждого программного продукта (рис. 2).

Рис. 2. Лепестковая диаграмма интегральных показателей качества программных продуктов

Лепестковая диаграмма значений характеристик качества функциональных возможностей (критериев) представлена на рисунке 3.

Рис.3. Лепестковая диаграмма значений функциональных характеристик

Сравнительный анализ программных продуктов показал, что наиболее приоритетным выбором для решения задачи получения количественных метрик хранимой процедуры базы данных является Calculate T-SQL Stored Procedure Complexity. Основным направлением развития программного обеспечения в области оценки сложности хранимых процедур реляционных баз данных является категориальная оценка сложности хранимой процедуры на основе теории нечетких множеств.

• RapidMiner
• SAS analytics
• Demantra
• IBM SPSS Modeler
• STATISTICA Text Miner

Ниже приведём краткое описание обозначенных ниже программных продуктов.

RapidMiner

Система для статического анализа данных и Data Mining. Обладает удобным графическим интерфейсом, и множеством способов обработки текстовых данных: кластерный анализ, эмоциональная оценка текстов, оценка стиля текста. Работа в программе представляет собой конструктор, в котором пользователь собирает блоки-действия, предназначенные для обработки данных.

Пример интерфейса:

SAS Analytics

SAS Analytics является целостной программной платформой для анализа данных. Визуальная составляющая интерфейса позволяет пользователю с лёгкостью выбирать способы обработки данных, в том числе и текстовых, выделяя в них закономерности и связи.

Пример интерфейса:

Demantra

Платформа для Data Mining, сочетающая в себе различные способы работы с различными типами данных. Включает в себя алгоритмы для кластеризации информации, в том числе текстовой.

Пример интерфейса:

IBM SPSS Modeler

Данный программный комплекс включает в себя продукт IBM SPSS Modeler Text Analytics, включающий мощные методы аналитики текстовых данных, используя усовершенствованные лингвистические алгоритмы, в том числе обработки естественных языков (NLP, Natural Language Processing), позволяющие быстро и качественно проанализировать огромные массивы текстов и выделить из них кластеры, организованные на основе выбранные смысловых параметров.

Пример интерфейса:

STATISTICA Text Miner

STATISTICA Text Miner – дополнение к STATISTICA Data Miner, модуль позволяющий выполнять обработку текстовых данных. Продукт позволяет перевести несвязные наборы текстов в логически понятный вид, удобный для изучения и восприятия. Программный комплекс позволяет извлечь необходимую информацию из огромного объёма данных, тем самым очистив данные от логических повторов и «воды».

Пример интерфейса:

Для оценки представленных выше программных продуктов, произведём их сравнительный анализ методом Саати.

Ниже приведены критерии, на основании которых будет проводиться оценка:

А1 – форматы загружаемых данных

А2 – качество сегментации данных

А3 – количество поддерживаемых методов кластеризации

А4 – вариация начальных параметров

На основании перечисленных критериев была проведена оценка:

И получены следующие показатели:

Значимость критериев на основе экспертной оценки:

Результаты сравнения программных продуктов:

В результате проведённого анализа выявлено, наиболее полно отвечают заданным критериям следующие продукты: RapidMiner, SAS Analytics, IBM SPSS Modeler.

В то же время в наименьшей степени отвечает заданным требованиям Demantra.