دانلود مقاله ترجمه شده مقایسه تجربی پایگاه داده های گراف – 2013 IEEE

مقایسه تجربی پایگاه داده های گراف

An empirical comparison of graph databases

کنفرانس بین المللی محاسبات اجتماعی

International Conference on Social Computing

چکیده

1.مقدمه

2. پشته TINKERPOP

3. GDB : معیار پایگاه داده گرافی

A . مقدمه

B . حجم های کاری

C . مرور کلی معماری

4. نتایج

A . آماده سازی عملی

B . حجم کاری بارگذاری

C . حجم های کار پیمایش

D . حجم های کاری فشرده

V . نتیجه گیری

چکیده

در سالهای اخیر ، اغلب شرکت ها سرویس هایی را ارائه کرده اند که دیگر نمی توان با استفاده از پایگاه داده های رابطه ای بطور موثر به آنها دست یافت . همچنین ، این شرکت ها مجبور به استفاده از مدل های پایگاه داده ای جایگزین مانند پایگاه داده های XML ، پایگاه داده های شی گرا ، پایگاه داده های سند گرا ، و اخیرا پایگاه داده های گرافی شده اند . پایگاه داده های گرافی به تازگی بوجود آمده اند . با وجود برخی کوشش های رقابتی ، اغلب آنها تنها بر جنبه های قطعی تمرکز دارند . در این مقاله یک چارچوب تعمیم یافته مقایسه پایگاه داده گرافی و نتایج بدست آمده از طریق مقایسه چهار بازی کننده در بازار پایگاه داده های گرافی ، Neo4j ، OrientDB ، Titan و DEX را نشان داده ایم .

V . نتیجه گیری

در اینجا GDB را ارائه کردیم ، یک ابزار توسعه پذیر برای مقایسه پایگاه دادههای گرافی موافق طرح اولیه . GDB را برای مقایسه چهار پایگاه داده بکار بردیم : Neo4j ، DEX ، Titan (BerkeleyDB و Cassandra ) و OrientDB ( محلی ) بر روی انواع مختلفی از حجم های کاری ، و هر بار نشان دادیم که کدام پایگاه داده بهترین و کمترین مقبولیت را دارد . بر اساس اندازه های ما ، پایگاه داده ای که بهترین نتایج را با حجم کاری پیمایش بدست آورد ، قطعا Neo4j است: این پایگاه داده از سایر پایگاه داده ها بهتر عمل می کند، صرف نظر از حجم کاری یا پارامترهای بکاررفته . درمورد حجم‌های کاری فشرده فقط خواندنی ، Neo4j ، DEX، Titan-BerkeleyDB و Orient، کارایی مشابهی را بدست آوردند. با این وجود برای حجم‌های کاری فقط نوشتنی، کارایی Neo4j، Titan-BerkeleyDB و OrientDB به شدت تنزل می‌کند . این بار DEX و Titan-Cassandra نقش خود را با نتایج بسیار جالب توجه‌تری نسبت به سایر پایگاه داده ها می گیرند .

Abstract

In recent years, more and more companies provide services that can not be anymore achieved efficiently using relational databases. As such, these companies are forced to use alternative database models such as XML databases, objectoriented databases, document-oriented databases and, more recently graph databases. Graph databases only exist for a few years. Although there have been some comparison attempts, they are mostly focused on certain aspects only. In this paper, we present a distributed graph database comparison framework and the results we obtained by comparing four important players in the graph databases market: Neo4j, OrientDB, Titan and DEX.

V. CONCLUSION

We presented GDB, an extensible tool to compare different Blueprints-compliant graph databases. We used GDB to compare four graph databases: Neo4j, DEX, Titan (BerkeleyDB and Cassandra) and OrientDB (local) on different types of workloads, each time identifying which database was the best and the less adapted. Based on our measure, the database that obtained thebest results with traversal workloads is definitely Neo4j: it outperforms all the other candidates, regardless the workload or the parameters used. Concerning read-only intensive workloads, Neo4j, DEX, Titan-BerkeleyDB and Orient achieved similar performances. However, for read-write workloads, Neo4j, Titan-BerkeleyDB and OrientDB’s performances degrade sharply. This time DEX and Titan-Cassandra take their game with much more interesting results than the other databases.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مقایسه تجربی پایگاه داده های گراف

An empirical comparison of graph databases