دانلود ترجمه مقاله مهاجرت از سیستم مدیریت پایگاه داده رابطه‌‌ای به NoSQL ستون گرا (اسپرینگر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

مهاجرت از RDBMS به NoSQL ستون گرا : درس‌های آموخته شده و مشکلات باز

Migration from RDBMS to Column-Oriented NoSQL: Lessons Learned and Open Problems

چکیده
1- مقدمه
2- پس زمینه و کارهای مرتبط
3- مهاجرت از RDBMS به NoSQL ستون گرا
3-1- ترجمه کوئری های SQL
3-2- لغو نرمالسازی
3-3- ایندکس‌های ثانویه
3-4- الگوریتم‌های جوین
4- ارزیابی آزمایشی
4-1- تنظیمات آزمایشی
آزمایش 1: تأثیر لغو نرمالسازی
آزمایش 2: تأثیر اندیکسهای ثانویه بر کلیدهای خارجی
آزمایش 3: تأثیر الگوریتمهای جوین
4-2- نتایج آزمایشی
آزمایش 1: تأثیر لغو نرمالسازی
آزمایش 2: تأثیر ایندکسهای ثانویه بر کلیدهای خارجی
آزمایش 3: تأثیر الگوریتمهای جوین
4-3- بحث
5- نتیجه گیری
منابع

چکیده

مهاجرت از RDBMS به NoSQL به موضوع مهمی در عصر داده‌های بزرگ تیدیل شده است. این مقاله، یک بررسی جامع را در مورد موضوعات مهم مهاجرت از RDBMS به NoSQL فراهم می‌آورد. ما در مورد چالشهای پیش رو در ترجمه کوئری های SQL بحث می‌کنیم؛ تأثیر لغو نرمالسازی، ایندکس‌های ثانویه، و الگوریتمهای جوین، و مسائل باز. ما بر یک NoSQL ستون گرا، HBase تمرکز می‌کنیم زیرا آن بطور گسترده‌ای توسط بسیاری از شرکتهای اینترنتی مثل Facebook ، Twitter و LinkedIn مورد استفاده قرار می‌گیرد. به دلیل اینکه HBase از SQL پشتیبانی نمی‌کند، ما از Phoenix Apache به عنوان لایه SQL در بالای HBase استفاده می‌کنیم. نتایج آزمایشی با استفاده از TPC-H نشان می‌دهند که لغو نرمالسازی در سطح ستون با اتمیسیته به طور قابل توجهی عملکرد کوئری را بهبود می‌بخشد، استفاده از ایندکسهای ثانویه بر روی کلیدهای خارجی به مانند RDBMSها مؤثر نیست و بهینه ساز کوئری Phoenix خیلی پیچیده نیست. مسائل مهم باز از کوئری های پیچیده SQL ، انتخاب خودکار ایندکس ، و بهینه سازی کوئری های SQL برای NoSQL پشتیبانی می‌کند.

5- نتیجه گیری

ما چالشهای مواجه شده، درس‌های آموخته و مسائل باز را برای مهاجرت از RDBMS به HBaseبا Phoenix خلاصه کردیم؛ و موضوعات مهمی از جمله ترجمه کوئری، لغو نرمالسازی، ایندکس‌های ثانویه و پردازش جوین را مورد بررسی قرار دادیم. آزمایشات گسترده نشان می‌دهند که لغو نرمالسازی سطح ستونی با اتمیسیته ، عملکرد کوئری را تا 2.7 برابر افزایش می‌دهد. استفاده از ایندکسهای ثانویه بر کلیدهای خارجی به اندازۀ استفاده از RDBMSs مؤثر نیست و بهینه ساز کوئری Phoenix خیلی پیچیده نیست. مسائل مهم باز برای کارهای آینده از کوئریهای پیچیدۀ SQL، انتخاب ایندکس اتمیسیته، و بهینه سازی کوئریهای SQL برای NoSQLپشتیبانی می‌کنند.

Abstract

Migration from RDBMS to NoSQL has become an important topic in a big data era. This paper provides a comprehensive study on important issues in the migration from RDBMS to NoSQL. We discuss the challenges faced in translating SQL queries; the effect of denormalization, secondary indexes, and join algorithms; and open problems. We focus on a column-oriented NoSQL, HBase, because it is widely used by many Internet enterprises such as Facebook, Twitter, and LinkedIn. Because HBase does not support SQL, we use Apache Phoenix as an SQL layer on top of HBase. Experimental results using TPC-H show that column-level denormalization with atomicity significantly improves query performance, the use of secondary indexes on foreign keys is not as effective as in RDBMSs, and the query optimizer of Phoenix is not very sophisticated. Important open problems are supporting complex SQL queries, automatic index selection, and optimizing SQL queries for NoSQL.

5- Conclusions

We summarized the challenges faced, lessons learned, and open problems for the migration from RDBMS to HBase with Phoenix. We addressed important issues of query translation, denormalization, secondary indexes, and join processing. Extensive experiments show that column-level denormalization with atomicity improves query performance by up to 2.7 times, the use of secondary indexes on foreign keys is not as effective as in RDBMSs, and the query optimizer of Phoenix is not very sophisticated. Important open problems for future work are supporting complex SQL queries, automatic index selection, and optimizing SQL queries for NoSQL.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مهاجرت از RDBMS به NoSQL ستون گرا : درس‌های آموخته شده و مشکلات باز

Migration from RDBMS to Column-Oriented NoSQL: Lessons Learned and Open Problems