خانواده مدل Oracle Database Appliance X7-2: مدیریت پایگاه داده ORACLE با یک سیستم ساخته شده برای هدف

Oracle Database Appliance X7-2 Model Family: MANAGING ORACLE DATABASE WITH A PURPOSE BUILT SYSTEM

مقدمه
تجهیزات پایگاه داده اوراکل – تاریخچه‌ای از موفقیت‌های اثبات شده
خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل- سیستم‌های مهندسی شده اوراکل در دسترس برای هر سازمانی است
سهولت در پیاده‌سازی، مدیریت و پشتیبانی
سهولت در پیاده‌سازی
سهولت در مدیریت و پشتیبانی
یک راه‌حل پایگاه داده مهندسی شده، بهینه‌سازی شده
سرور
شبکه‌سازی
دخیره‌سازی یا انباره
نرم افزار
نرم‌افزار مدیر تجهیزات و سیستم عامل اوراکل
مجوز‌دهی نرم‌افزار پایگاه داده اوراکل
مجازی‌سازی
یکی از مزایای استفاده از تجهیزات پایگاه داده اوراکل مقرون به صرفه بودن آن است
صرفه‌جویی در هزینه های عملیاتی
موارد استفاده رایج
سیستم پایگاه داده ساده، بهینه‌سازی شده و مقرون به صرفه
پلت‌فرم پایگاه‌داده برای محیط‌های رو به رشد
تقویت پلت‌فرم برای پایگاه داده و برنامه‌های کاربردی
استقرار شعب دفتری از راه دور
تدارک سریع محیط‌های آزمایش و توسعه
ادغام با ابر اوراکل
نتیجه‌گیری

مقدمه:
تجهیزات پایگاه داده اوراکل در سال 2011 معرفی شد که در حقیقت یک سیستم مهندسی شده از سوی اوراکل است که ساده‌سازی و بهینه‌سازی شده است و همچنین مقرون به صرفه است. از آغاز تا انتهای پنج نسل از تجهیزات پایگاه داده اوراکل، استقرار پایگاه داده اوراکل در انواع مختلف سناریوها برای مشتریان بسیار محبوب بوده است.

آخرین نسل از مجموعه تجهیزات پایگاه داده اوراکل با X7-2S و X7-2M و X7-2-HA به‌روزرسانی شده است. خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل پایین‌ترین قیمت سخت‌افزاری برای یک سیستم مهندسی شده اوراکل را پیشنهاد می‌دهد و X7-2S دارای قیمتی در حدود یک چهارم قیمت X7-2-HA است. در ترکیب با مجوزدهی نرم‌افزاری پایگاه داده اوراکل انعطاف‌پذیر، خانواده مدل X7-S از تجهیزات پایگاه داده اوراکل سیستم‌های مهندسی شده اوراکل را در هر سازمانی در دسترس قرار می‌دهد.

تجهیزات پایگاه داده اوراکل با اسامی X7-2S و X7-2M و X7-2-HA سبب گسترش دسترسی به تجهیزات پایگاه داده برای پشتیبانی از سناریوهای استقرار و نسخه‌های پایگاه داده‌های مختلف شده است. آنها برای مشتریانی طراحی شده‌اند که نیاز به پایگاه داده‌های تک نمونه‌ای دارند. در حالیکه X7-2-HA به منظور اجرای پایگاه داده‌های خوشه‌ای با خوشه‌های کاربردی حقیقی اوراکل بهینه‌سازی شده است که در آن دسترس‌پذیری بالا مورد نیاز است.

خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل برای مشتریانی ایده‌آل است که به دنبال اجتناب از پیچیدگی، تنظیم نیازمندی‌ها و هزینه‌های بالاتر از راه‌حل‌های پایگاه داده «خودتان بسازید» هستند. مشتریان هم اکنون می‌توانند از مزایای سیستم‌های مهندسی شده اوراکل استفاده کنند تا بدین شکل هم بودجه مد نظر خود را رعایت کنند و هم نیازمندی‌های خود را برطرف سازند و در عین حال نیز از مزایای یک راه‌حل بهینه‌سازی پایگاه داده با بهترین شیوه‌ها نیز بهره‌مند شوند و از خرده‌فروشان نیز حمایت کنند.

سهولت در پیاده‌سازی، مدیریت و پشتیبانی
سهولت در پیاده‌سازی
مشخصه اصلی تجهیزات پایگاه داده اوراکل سادگی آن است. هر کدام از تجهیزات سیستمی کامل با درنظرگیری نرم‌افزار و سخت‌افزاری هستند که ادغام شده‌اند تا بدین شکل با یکدیگر برای حفظ زمان و بودجه مشتریان کار کنند. برای راه اندازی و استفاده از تجهیزات پایگاه داده اوراکل به سادگی آن را باز کنید، سیم‌های برق را وصل کنید، کابل‌های شبکه را وصل کنید، و به اجرای نصب مدیر تجهیزات اوراکل (Oracle Appliance Manage) بپردازید تا بدین شکل سیستم پایگاه داده کاملا بهینه‌ای داشته باشید. تجهیزات پایگاه داده اوراکل سبب سرعت‌بخشی به زمان به ارزش به عنوان یک مدیر پایگاه داده تکی (DBA) می‌شود و می‌تواند یک پایگاه داده اوراکل به شدت بهینه‌سازی شده را در کمتر از 1 ساعت مستقر سازد.

سهولت در مدیریت و پشتیبانی
تعمیر و نگهداری سیستم‌ها‌ و حفظ به‌روزرسانی تمامی المان‌های نرم‌افزاری مرتبط با آخرین پچ‌ها اغلب یکی از وظایف زمان‌بر و مستعد خطا است که اغلب مدیران با آن مواجه می‌شوند. تجهیزات پایگاه‌داده اوراکل و پچ‌ سازی ساده نرم‌افزار مهندسی شده برای تمامی عناصر فرم‌ویر ، سیستم عامل، مدیریت فضای ذخیره‌سازی و نرم‌افزار پایگاه‌داده از طریق بسته‌های پچ برنامه‌های کاربردی صورت می‌گیرد. این مهم سبب جذف کار حدسی ترکیب و تطابق پچ‌ها برای عناصر مختلف پشته‌های نرم‌افزاری و سخت‌افزاری می‌شود. این مهم خطاهای انسانی را کاهش می‌دهد و در نهایت منجر به مدت از کار افتادگی برنامه ریزی شده کمتر و قابلیت اطمینان بیشتر سیستم می‌شود، علت آن نیز بسته پچ کاملا تست شده‌ای است که می‌تواند به سرعت و با خیالی راحت اعمال شود.

تقویت فروش تجارت به تجارت (B2B) با تجزیه و تحلیل کلان داده مشتری

Fostering B2B sales with customer big data analytics

چکیده

1 مقدمه

2 پس زمینه نظری و ایجاد فرضیه

3 داده ها و روش

4 نتایج

5 بحث و نتیجه گیری

منابع

چکیده

     تمرکز این مقاله بر روی استفاده از تجزیه و تحلیل داده های کلان در مدیریت ارتباط B2B با مشتری بوده و تاثیرات تجزیه و تحلیل داده های کلان بر ارتباط با مشتری و رشد فروش با استفاده از مجموعه داده های چند صنعتی از 417 موسسه B2B را بررسی می کند. این مقاله همچنین بررسی می کند که آیا فرهنگ تحلیلی درون شرکتی این تاثیرات را متعادل می سازد. در این مقاله پی می بریم که استفاده از داده های کلان مشتری بطور قابل ملاحظه ای رشد فروش را تقویت کرده (یعنی نتایج عملکردی پولی) و ارتباط را با مشتری بهبود می دهد (نتایج عملکردی غیر پولی). هرچند در موسسه هایی که از تجزیه و تحلیل بازاریابی حمایت می شود مورد دوم بیشتر مشاهده می شود، در حالی که مورد اول هیچ گونه تاثیری را از فرهنگ تحلیلی بر نمی دارد. این مقاله بصورت تجربی ثابت می کند که تجزیه و تحلیل داده های کلان مشتری ارتباط را با مشتری بهتر کرده و باعث رشد فروش در موسسه های B2B می شود.

پس زمینه نظری و ایجاد فرضیه
ارتباط B2B در عصر داده های کلان
     این مقاله بر روی بازاریابی ارتباط کار می کند، که در مورد چگونگی مدیریت و ارتقای ارتباط با مشتری در سود دهی بلند مدت می باشد (رایالس و پین، 2001). بازاریابی ارتباط بر روی نقش اصلی مشتریان در جای گیری استراتژیک شرکت تمرکز داشته و در برگیرنده فعالیت هایی همچون آموزش کارمندان به ایجاد ارتباط شخصی با مشتریان، ایجاد برنامه های وفا داری و ایجاد ارتباط با مشتری از چندین کانال (جونز و همکاران، 2015). حقیقتاً می دانیم که شرکت ها می بایست به جای کسب مشتریان جدید، سعی بر حفظ مشتری های فعلی کنند (جهرمی، استاکوویچ، و اوینگ، 2014). این موضوع در بازار های B2B که تعداد مشتریان معمولا کمتر از بازار های B2C بوده اما بدلیل حجم بالای خرید و ارزش در محیط B2B مزایای زیاد برای کسانی که ارتباط B2B با مشتریان ایجاد کرده و حفظ می کنند وجود دارد، به راحتی قابل مشاهده است رایروئن و میلر، 2007). بنابراین، می بایست به مشتریان B2B از طریق پیشنهاد های طراحی شده و اهداف خاص نزدیک شد (جهرمی و همکاران، 2014)، و تجزیه و تحلیل داده های کلان باعث ایجاد موقعیت های جدید برای ایجاد یک تجربه شخصی سازی شده برای مشتری می شود (مورگان، 2018).

     امروزه، مدیریت ارتباط با مشتری، یعنی استفاده از فن آوری اطلاعاتی جهت بکارگیری استراتژی های بازاریابی ارتباط (رایالس و پین، 2001)، به یکی از فعال کنندگان اصلی بازاریابی ارتباط بدل شده است. بازاریابی پایگاه داده، که یکی از ابعاد بازاریابی ارتباط با تمرکز بر استفاده از اطلاعات در بازاریابی است (مولر و هالینن، 2000)، قدمی فراتر برای کسب ارتباط مورد نظر و تقسیم بندی در اواخر 1990 و اوایل 2000 ارائه داد. بازاریابی با استفاده از پایگاه داده در ارتباط بود با استفاده از اطلاعات درباره مشتری و بازارها برای بهبود فعالیت های موسسه (سسپدس و اسمیت، 1993). پایگاه های داده بازاریابی، زمانی که به درستی استفاده شوند، به مدیران بازاریابی در انجام چندین کار از جمله کار های روزانه، تخصیص منابع، برنامه ریزی بودجه، تا فرایند های تصمیم گیری استراتژیک کمک می کند (تائو و یه، 2003). همچنین، بازاریابی با استفاده از پایگاه داده از فن آوری های اطلاعاتی پیشرفته برای ایجاد شناخت و خدمات برای مشتریان با هدف افزایش وفاداری مشتری و تکرار فروش استفاده می کند (تائو و یه، 2003). بدین ترتیب راهی برای یادگیری ویژگی های فردی مشتریان (پتریسون، بلتبرگ، و وانگ، 1997) به جای توده ها ارائه داد. امروزه، تجزیه و تحلیل داد های کلان باعث ایجاد اعمال پیچیده بازاریابی شده و در نتیجه، این مقاله اظهار دارد که استفاده از داده های کلان در مدیریت ارتباط با مشتری ها می تواند قدم بعدی در بازاریابی با استفاده از پایگاه های داده در مدیریت ارتباط با مشتریان باشد.

بازسازی بلاک چین با پایگاه های داده توزیع شده: یک سیستم منبع باز

Renovating blockchain with distributed databases: An open source system

چکیده

1 مقدمه

2 تکنولوژی بلاک چین و سیستم های آن

3 ChainSQL: یک بستر کاربردی بلاک چین و دیتابیس

4 اجماع در CHAINSQL

5 مورد کاربردی CHAINSQL

6 ارزیابی تجربی

7 جمع بندی و کارهای آتی

منابع

چکیده
     یک بلاک چین یک ساختار داده به هم مرتبط به صورت غیر متمرکز می باشد که بر اساس مقاومت ذاتی آن نسبت به اصلاح داده ها، توصیف می شود اما این ساختار از نظر جستجو دچار نقص می باشد که این موضوع در اصل به دلیل قالب بندی ضعیف داده ها در این ساختار می باشد. یک دیتابیس توزیع شده نیز یک ساختار داده غیر متمرکز می باشد که قابلیت پردازش سریع عبارات و قالب بندی داده ها با طراحی مناسب را دارا می باشد اما قابلیت اطمینان داده ها در این ساختار ایراد دارد. در این کار، ما CHAINSQL را به عنوان یک نمونه ارائه می کنیم. این سیستم، یک سیستم متن باز می باشد که با ادغام بلاک چین با دیتابیس ایجاد شده است، یعنی ما یک بستر کاربردی دیتابیس بلاک چین را ارائه می کنیم که دارای ویژگی های توزیع شده، غیر متمرکز با قابلیت حسابرسی مرتبط با بلاک چین بوده و همچنین ویژگی پردازش سریع عبارت و ساختار مناسب برای داده ها را که مرتبط با دیتابیس های توزیع شده است، دارا می باشد. این سیستم دارای یک دیتابیس مقاوم نسبت به نفوذ با قابلیت فعالیت های چندگانه، یک مکانیزم بکاپ قابل اعتماد و مقرون به صرفه در صورت از دست رفتن داده ها و یک سیستم گزارش تراکنش های سیستم با قابلیت حسابرسی می باشد. این سیستم به صورت یک دیتابیس عملیاتی با حالت های فعالیت مختلف همراه با ویژگی های بکاپ ریکاوری در صورت از دست رفتن داده ها، با قابلیت حسابرسی ارائه شده است. یک ارزیابی جامع آزمایشی در این مطالعه انجام شده است تا بتوانیم کارایی این سیستم را نشان دهیم.

تکنولوژی بلاک چین و سیستم های آن
     تکنولوژی های بلاک چین اخیرا توانسته اند موفقیت زیادی به دست بیاورند. کاربردهای مختلف با استفاده از تکنولوژی بلاک چین حالا در بازار عرضه شده اند که دامنه های کاربردی زیادی از جمله امور مالی، خدمات درمانی، زنجیره تامین، بازی های آنلاین، رسانه های اجتماعی و موضوعات دیگر را در بر می گیرد. اما، سیستم های فعلی بلاک چین از موضوعاتی مانند کارایی کم و توانایی پردازش جستجوی ناکافی رنج می برند ازین رو، کاربرد تکنولوژی های بلاک چین محدود به دامنه های کاربردی محدود می باشد. در این بخش، ما تکنولوژی های بلاک چین و سیستم ها را بررسی کرده و توسعه های اخیر در این زمینه را ارزیابی می کنیم.
ازین رو ما معماری سیستم های بلاک چین را در ابتدای کار بررسی می کنیم.

معماری بلاک چین
     یک بلاک چین یک ماشین منحصر به فرد تراکنش با امنیت رمز نگاری با حالت اشتراکی [2] می باشد و به صورت مجموعه ای از مفاهیم در نظر گرفته می شود که در شکل 1 نشان داده شده است. یک طرح کلی از بخش های مختلف یک بلاک چین در قسمت زیر نمایش داده شده است:
1 ذخیره سازی داده ها بخشی از ساختار داده های بلاک چین می باشد که تمام داده های مرتبط با بلاک چین را در خودش ذخیره سازی می کند.
2 اجماع در بلاک چین به معنی یک مکانیزم توافق می باشد که باعث تضمین یکپارچگی در داده ها در سیستم می باشد.
3 اعتبار سنجی فرآیندی است که تضمین می کند تراکنش های حالت صحیح در بلاک چین رخ داده است.
4 شبکه نقطه به نقطه نیز یک محیط رایانش توزیع شده می باشد که عملیات سیستم را در بلاک چین انجام می دهد ( موارد 1 تا 3در قسمت بالا)
5 رمز نگاری نیز تضمین کننده ایمنی و حریم شخصی داده ها در بلاک چین می باشد.
ما حالا هر کدام از این قسمت ها را به صورت دقیق بررسی می کنیم.

 ST-Hash: یک شاخص زمانی و مکانی موثر برای داده های خط سیر انبوه در پایگاه داده NoSQL

ST-hash: An efficient spatiotemporal index for massive trajectory data in a NoSQL database

چکیده

1-مقدمه

2- کارهای مرتبط

3- روش شاخص گذاری ST-Hash

A-کد باینری یک نقطه خط سیر

B- رشته Base64 یک نقطه خط سیر

4- رابط پرس و جو برای شاخص ST-Hash

A-جستار نقطه زمانی و مکانی

B- جستار برد زمانی و مکانی

C- جستار دایره زمانی و مکانی

D- رابط جستار مبتنی بر وب سرویس

5- نتایج عملکرد و بحث

A-طرح ذخیره سازی داده های خط سیر در پایگاه داده MongoDB

B- مقایسه عملکرد براساس جستارهای برد زمانی و مکانی

C- مقایسه عملکرد براساس جستارهای دایره زمانی و مکانی

D- مقیاس پذیری روش شاخص گذاری ST-Hash

6- نتیجه گیری ها

چکیده

با توسعه تکنولوژیهای موقعیت یابی و افزایش محبوبیت دستگاههای آگاه از موقعیت، حجم های بزرگی از داده های خط سیر جمع آوری شده اند. به هر حال، مدیریت کارآمد و موثر و دسترسی به داده های خط سیر انبوه به عنوان یک چالش بزرگ باقی می ماند. پایگاه داده (دیتابیس) NoSQL نوظهور یک راهکار نویدبخش برای این چالش فراهم کرده است. اما اغلب پایگاه های داده NoSQL کنونی شاخص گذاری زمانی و مکانی مستقیم داده های خط سیر انبوه را پشتیبانی نمی کنند. این مقاله یک روش شاخص گذاری خط سیر نوین برای تسریع جستارهای (پرس و جوهای) زمانی و مکانی زمان بر داده های خط سیر انبوه ارائه می کند. این روش الگوریتم به طور گسترده مورد استفاده ژئوهش را جهت برآورده سازی الزامات برای هردوی آپدیت های بسیار مکرر و عملیاتهای پرس و جوی خط-سیر یعنی پرس و جوی نقطه ای دقیق و پرس و جوی برد (طیف) زمانی و مکانی بسط می دهد. این شاخص ST-Hash در پایگاه داده NoSQL (MongoDB) پیاده سازی شده و مورد ارزیابی قرار گرفته است. نتایج تجربی نشان می دهند که شاخص ST-Hash پیشنهادی می تواند به طور گسترده عملکرد پرس و جو (جستار) را بهبود ببخشد و مقیاس پذیری عملکرد نیرومند روی داده های ورودی با اندازه های مختلف نشان دهد.

1-مقدمه

در حال حاضر، اغلب دستگاههای موبایل دارای توانایی های موقعیت یابی و ارتباطات بیسیم هستند. آنها می توانند به طور پیوسته خطوط سیر دستگاه را ثبت کنند و به طور دینامیک موقعیت ها را به یک سرور دور افتاده گزارش کنند [1 و 2]. داده های خط سیر عمومی تاریخچه حرکتی اشیاء متحرک همانند اشخاص، وسایل نقلیه یا یک پرواز هستند. آنها دارای مشخصه های زمانی و مکانی معمول هستند. هر داده خط سیر به طور معمول حاوی مختصات دوبعدی/سه بعدی، یک مهر زمانی همراه با آن و یک توالی از خصوصیات و ویژگی ها همانند سرعت، جهت، شتاب، دما و غیره است. داده های خط سیر برای تجزیه و تحلیل پیچیده در میان قلمروهای مختلف از جمله پایش زیست محیطی [1]، مدیریت ترافیک [3]، تجزیه و تحلیل تصویر ماهواره ای [4] و امنیت داخلی مورد استفاده قرار گرفتند.

6- نتیجه گیری ها

مدیریت داده های خط سیر حجم بالا یک مسئولیت چالش برانگیز در زمینه های بسیاری می باشد. تکنولوژی پایگاه داده نوظهور NoSQL یک راهکار برای مدیریت متفاوت این حجم عظیم داده های خط سیر نوید می دهد اما اغلب پایگاههای داده NoSQL کنونی به طور مستقیم از روش شاخص گذاری روی داده های زمانی و مکانی پشتیبانی نمی کنند. برای پرداختن به این مسئله، این مقاله یک روش شاخص گذاری خط سیر نوین برای تسریع پردازش جستارهای زمانی و مکانی ارائه می کند. این روش الگوریتم ژئوهش به طور گسترده مورد استفاده را برای برآورده-سازی الزامات ارتقاء فرکانس بالا و عملیاتهای جستار (پرس و جوی) خط سیر معمول بسط می دهد. راهکار شاخص گذاری ST-Hash در MongoDB، پایگاه داده معمول NoSQL، پیاده سازی شده است. نتایج تجربی نشان می دهند که روش شاخص گذاری پیشنهادی می تواند به طور قابل توجه عملکرد پرس و جو را بهبود بخشد. به طور همزمان، این روش مقیاس پذیری نیرومند براساس اندازه های داده ورودی مختلف نشان می دهد. وقتی که اندازه داده های ورودی هدف از 10 گیگابایت به 80 گیگابایت افزایش می یابد، زمان پرس و جو پایدار باقی می ماند. کار آینده روی پشتیبانی پرس و بیشتر پیچیده تمرکز خواهد کرد و امکانپذیری روش ST-Hash را در سناریوهای بسیار پیچیده همانند کاوش الگو، شبیه سازی ترافیک و غیره ارزیابی خواهد کرد.

Abstract

With the development of positioning technologies and the increasing popularity of location-aware devices, large volumes of trajectory data have been accumulated. However, efficient management and access to massive trajectory data remains a big challenge. The emerging NoSQL database has provided a promising solution for this challenge. But most of the current NoSQL databases do not support direct spatiotemporal indexing of massive trajectory data. This paper presents a novel trajectory indexing method to accelerate time-consuming spatiotemporal queries of massive trajectory data. This method extends the widely-used GeoHash algorithm to satisfy the requirements for both high-frequent updates and common trajectory query operations, e.g. exact point query and spatiotemporal range query. This ST-Hash index was implemented and evaluated in a NoSQL database (MongoDB). Experimental results show that this proposed ST-Hash index can greatly improve the query performance and exhibits robust performance scalability over different input data sizes.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 :ST-Hash یک شاخص زمانی و مکانی موثر برای داده های خط سیر انبوه در پایگاه داده NoSQL

ST-hash: An efficient spatiotemporal index for massive trajectory data in a NoSQL database

بررسی کارکرد دیتابیس in-memory

A performance evaluation of in-memory databases

مجله دانشگاه علوم کامپیوتر و اطلاعات ملک سعود 

Journal of King Saud University – Computer and Information Sciences

چکیده

1-پیشگفتار

2. پایگاه‌های داده‌ی NoSQL

3. کارهای مربوطه

4. تنظیم تجربی

5. نتایج تجربی و بحث

5.1. آزمایش 1 – عملکرد برای نوشتن زوج کلید-ارزش

5.2. آزمایش 2 – عملکرد برای خواندن ارزش متناظر با یک کلید ارائه شده

5.3. آزمایش 3 – عملکرد برای حذف زوج کلید-ارزش متناظر با یک کلید ارائه شده

5.4. آزمایش 4 – عملکرد برای واکشی همه‌ی داده‌ها

6. نتیجه‌گیری

چکیده

محبوبیت پایگاه‌های داده‌ی NoSQL با توجه به نیاز به 1) پردازش حجم عظیمی از داده‌ها سریع‌تر از سیستم‌های مدیریتی پایگاه داده‌ی ارتباطی با استفاده از مزیت معماری بسیار مقیاس‌پذیر، 2) ساختار داده‌ی انعطاف‌پذیر (بدون طرحواره)، و 3) تاخیر (نهفتگی) کم و عملکرد بالا، افزایش یافته است. با وجود این که مصرف از حافظه، معیار مهمی برای ارزیابی عملکرد الگوریتم‌ها نیست، از آن جایی که این پایگاه‌های داده‌ برای داده‌های از حافظه به کار می‌روند، در این مقاله، مصرف‌های آن‌ها نیز در کنار زمان صرف شده برای تکمیل هر عملیات به منظور نشان دادن این که کدام یک به طور موثرتری از حافظه استفاده می‌کند آزمایش می‌شوند. در حال حاضر بیش از 225 پایگاه داده‌ی NoSQL وجود دارند که دارای ویژگی‌های مختلفی هستند. بنابراین لازم است آشکار شود که کدام پایگاه داده، عملکرد بهتری را برای عملیات مختلف داده‌ها فراهم می‌کند. ما در این مقاله به بررسی پایگاه‌های داده‌ی in-memory‌ با کاربرد گسترده برای سنجش عملکرد آن‌ها در زمینه‌ی 1) زمان صرف شده برای تکمیل عملیات، و 2) میزان کارامدی استفاده از حافظه در طول عملیات توسط آن‌ها می‌پردازیم. همانطور که نتایج گزارش شده در این مقاله نشان می‌دهند، هیچ پایگاه داده‌ای وجود ندارد که بهترین عملکرد را برای همه‌ی عملیات داده‌ها فراهم کند. همچنین ثابت می‌شود که اگرچه یک RDMS، داده‌های خود را در حافظه ذخیره می‌کند، عملکرد کلی آن بدتر از عملکرد پایگاه داده‌های NoSQL است.

6. نتیجه‌گیری

پایگاه‌های داده‌ی NoSQL، به جای مدل سازگاری ACID که همراه با ایده‌ی حذف مقداری سازگاری به منظور فراهم ساختن قابلیت دسترسی بیشتر، مقیاس‌پذیری بیشتر و عملکرد بالاتر است، بر اساس مدل سازگاری BASE است. محبوبیت پایگاه‌های داده‌ی NoSQL – که داده‌ها را در حافظه مرتب می‌سازند – به دلیل نیاز به 1) پردازش سریع‌تر حجم زیادی از داده‌ها در مقایسه با سیستم‌های مدیریت پایگاه داده‌ی ارتباطی با استفاده از مزیت معماری به شدت مقیاس‌پذیر، 2) ساختار داده‌ی انعطاف‌پذیر (بدون طرحواره)، و 3) زمان تاخیر پایین و عملکرد بالا، افزایش یافته است. در حال حاضر بیش از 225 پایگاه داده‌ی NoSQL وجود دارند که ویژگی‌های متفاوتی را فراهم می‌کنند. ما در این مقاله به ارزیابی حداقل یک پایگاه داده‌ی in-memory از هر نوع می‌پردازیم: Redis و Memcached به عنوان ذخیره‌های کلید-ارزش، MongoDB به عنوان یک ذخیره‌ی اسنادی، Cassandra به عنوان خانواده‌ی ستونی، و H2 به عنوان یک سیستم مدیریت پایگاه داده‌ی ارتباطی in-memory. برخلاف کارهای مربوطه، در کنار زمان صرف شده برای تکمیل عملیات مختلف داده‌ها، مصرف‌های حافظه‌ی پایگاه‌های داده‌ی in-memory نیز به منظور آشکارسازی مصرف‌های حافظه‌ی هر پایگاه داده آزمایش می‌شوند.

Abstract

The popularity of NoSQL databases has increased due to the need of (1) processing vast amount of data faster than the relational database management systems by taking the advantage of highly scalable architecture, (2) flexible (schema-free) data structure, and, (3) low latency and high performance. Despite that memory usage is not major criteria to evaluate performance of algorithms, since these databases serve the data from memory, their memory usages are also experimented alongside the time taken to complete each operation in the paper to reveal which one uses the memory most efficiently. Currently there exists over 225 NoSQL databases that provide different features and characteristics. So it is necessary to reveal which one provides better performance for different data operations. In this paper, we experiment the widely used in-memory databases to measure their performance in terms of (1) the time taken to complete operations, and (2) how efficiently they use memory during operations. As per the results reported in this paper, there is no database that provides the best performance for all data operations. It is also proved that even though a RDMS stores its data in memory, its overall performance is worse than NoSQL databases.

6. Conclusion

NoSQL databases are based on BASE consistency model instead of ACID consistency model which comes with the idea of giving up some consistency in order to provide more availability, scalability, and high performance. The popularity of NoSQL databases – which store the data in memory – has increased due to the need of (1) processing vast amount of data faster than the relational database management systems by taking the advantage of highly scalable architecture, (2) flexible (schema-free) data structure, and, (3) low latency and high performance. Currently there exists over 225 NoSQL databases that provide different features and characteristics. In this paper, we evaluate at least one in-memory database from each type: Redis and Memcached as key-value stores, MongoDB as a document store, Cassandra as column family, and H2 as an in-memory relational database management system. Unlike the related works, alongside the time taken to complete various data operations, the memory usages of in-memory databases are also experimented in order to reveal memory usages of each database.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بررسی کارکرد دیتابیس in-memory

A performance evaluation of in-memory databases

مهاجرت از بانکهای اطلاعاتی رابطه ای به: HBase یک ارزیابی امکان سنجی

Migration from Relational Databases to HBase: A Feasibility Assessment

چکیده

1- مقدمه

2- تعاریف اصلی

2-1 پایگاه‌های داده‌ای NoSQL

2-2 HBase

2-3 MapReduce

3- جبر رابطه‌ای در HBase

3-1 مجموعه‌ی اجتماع

3-2 ضرب کارتزین

3-3 اشتراک

3-4 انتخاب

3-5 طرح‌ریزی

3-6 اتصال θ و هم‌اتصال

3-7 اتصال طبیعی

3-8 تقسیم

4- عملگرهای HBase

4-1 گرفتن

4-2 گروه‌بندی درجه دوم

4-3 تابع تراکم

4-4 پیوستن

5- نتیجه‌گیری و کار آینده

چکیده

اخیرا پایگاه‌های داده‌‌ای رابطه‌ای به‌عنوان مرکز اطلاعات سیستم شرکت‌ها محسوب می‌گردند. در سال‌های اخیر به‌دلیل کارایی و پختگی، مدل رابطه‌ای به یک استاندارد غیررسمی تبدیل شده است. همچنین با توجه به این واقعیت که داده‌ی بعضی از شرکت‌ها یا مؤسسات بسیار بزرگ است، سیستم جدیدی به‌نام NoSQL ابداع شده است که عصر داده‌ی بزرگ متعلق به آن می‌باشد. داده‌ی بزرگ به‌دلیل ظهور خدمات انلاین جدید به‌وجود آمده است که در آن ارتباطات مشتری‌ها افزایش پیدا کرده است و یک داده‌ی دیجیتالی بزرگ طاقت‌فرسا به‌وسیله‌ی ابزارهای تکنیکی مدیریت سنتی ایجاد گردیده است که در این صورت چالش‌های جدیدی برای شرکت‌ها به‌خصوص در زمینه‌ی دسترسی، ذخیره و تحلیل داده به‌وجود می‌آید. در این پژوهش، ما یک مطالعه‌ی امکان‌سنجی مهاجرت از پایگاه‌های داده‌ای رابطه‌ای به پایگاه‌های داده‌ای NoQSL به‌خصوص پایگاه داده HBase را ارائه می‌دهیم؛ این مهاجرت با به‌کار بردن عملگر جبر رابطه‌ای در مدل داده‌ای HBase و پیاده‌سازی این عملگر بر روی HBase با استفاده از تابع‌های بومی این DBMS و همچنین با استفاده از چارچوب MapReduce انجام گرفته است.

1- مقدمه

سیستم‌های مدیریت پایگاه داده‌ا‌ی رابطه‌ای (RDBMS) به‌دلیل قابلیت اطمینان و پختگی، به‌عنوان متداول‌ترین راه‌حل در بسیاری از کاربردها جهت ذخیره و بازیابی کردن داده محسوب می‌شوند. پایگاه‌های داده‌‌ای رابطه‌ای با توجه به مدل Codd (رابطه‌ای) ]1[ کار می‌کنند که نسبت به یک سیستم روابط که فقط از مقادیر داده استفاده می‌کند، دارای امتیاز می‌باشند و این داده‌ها با استفاده از زبان سطحی بالا که SQL نام دارد، دستکاری می‌شوند ]3[، یک تئوری ریاضی جدید در این سیستم پیاده‌سازی می‌گردد که مشابه تئوری مجموعه که به‌وسیله‌ی Codd ارائه شده است، می‌باشد و جبر رابطه‌ای نام دارد ]1[.جبر رابطه‌ای فرآیندی است که می‌تواند بر روی رابطه‌ها به‌کار رود. فرآیندهای رابطه‌ای اجازه می‌دهند که یک رابطه‌ی جدید (جدول) براساس عملگر ابتدایی بر روی دیگر جدول‌ها مانند اجتماع، اشتراک، انتخاب، طرح‌ریزی و پیوستن ایجاد گردد.

5- نتیجه‌گیری و کار آینده

در این پژوهش، ما یک مطالعه‌ی امکان‌سنجی جهت مهاجرت از پایگاه‌های داده‌ای رابطه‌ای به پایگاه‌های داده‌ای HBase را با استفاده از عملگرهای جبری رابطه‌ای در مدل داده‌ی HBase و پیاده‌سازی این عملگرها بر روی HBase با استفاده از توابع بومی این DBMS و همچنین با استفاده از چارچوب MapReduce را ارائه دادیم. براساس بخش‌های فوق، ما می‌توانیم نتیجه‌گیری کنیم که از لحاظ تئوری، مهاجرت بین پایگاه‌های داده‌ای رابطه‌ای و پایگاه‌های داده‌ای HBase، می‌تواند به‌صورت مؤثر به‌کار برده شود. در آینده، ما به مقایسه‌ی نحوه‌ی عملکرد عملگرهای رابطه‌ای متداول (بار حجمی، انتخاب، به‌روز کردن، حذف، پیوستن، گروه‌بندی درجه دوم و توابع تراکم) در پایگاه‌های داده‌ای رابطه‌ای و HBase خیلی بزرگ خواهیم پرداخت.

Abstract

Relational Databases are currently at the heart of information system of the companies. In recent years, the relational model has become de facto standard thanks to its maturity and efficiency. However, the fact that the data of some companies or institutions have become too large, new systems has appeared namely NoSQL which belongs to the Big Data era. Big Data comes due to the emergence of new online services on which customers have become increasingly connected, which creates a large digital data unbearable by the traditional management technical tools, which raise new challenges for companies especially to access, store and analyse data. In this paper we will propose a feasibility study of migration from relational databases to NoSQL databases specifically HBase database, by applying the operations of the relational algebra in HBase data model and explore the implementation of these operations on HBase by using the native functions of this DBMS and also by using the MapReduce Framework.

1- Introduction

Relational database management systems (RDBMS) are the most common solution in many applications for storing and retrieving data due to its maturity and reliability. Relational databases are based on the Codd model (relational) [1] which has privileged a system of relations based solely on the values of the data, and a manipulation of these data using a high level language called SQL [3], implementing a new mathematical theory similar to the set theory proposed by Codd called “relational algebra” [1]. Relational algebra defines operations that can be applied on relations. Relational operations allow to create a new relation (table) from elementary operations on other tables namely union, intersection, selection, projection, and join.

5- Conclusion and Future Work

In this paper we proposed a feasibility study of migrating relational databases to HBase databases by applying the operations of the relational algebra in HBase data model and explore the implementation of these operations on HBase by using the native functions of this DBMS and also byusing the MapReduce Framework. Based on the above sections we can deduce that is theoretically the migration between relational databases and HBase databases can be handled efficiently. In perspective, we envisage to compare the performance of execution of the commons relational operations (bulk load, select, update, delete, join, group by, and aggregate functions) over a large database in relational and in HBase.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

مهاجرت از بانکهای اطلاعاتی رابطه ای به: HBase یک ارزیابی امکان سنجی

Migration from Relational Databases to HBase: A Feasibility Assessment

بهبود کنترل همزمانی در پایگاه داده توزیعی

Improvement On Concurrency Control In A Distributed Database

چکیده

1.مقدمه

2. روش کار

1-2 معماری یک سیستم مدیریت پایگاه داده توزیعی (DBMS)

2-2 معماری بهبود یافته برای کنترل همزمانی در یک پایگاه داده توزیعی

3-2 روش طراحی شبکه پتری

1-3-2 دیاگرام شبکه پتری یک طرفه برای برای کنترل همزمانی

2-3-2 مدل ریاضیاتی برای کنترل همزمانی یک طرفه

3-3-2 دیاگرام شبکه پتری دو طرفه برای کنترل همزمانی

4-3-2 مدل ریاضی برای جهت گیری رو به جلو دو طرفه

5-3-2 مدل ریاضی برای هدایت رو به عقب دو طرفه

3. نتایج و بحث

1-3 گراف کنترل همزمانی موجود در یک پایگاه داده توزیعی

2-3 جهت گیری بهبود یافته رو به عقب دو طرفه

4. نتیجه گیری

منابع

چکیده

این مقاله بهبود کنترل همزمانی در یک پایگاه داده توزیعی  را توصیف می کند. روش کنترل همزمانی قوانین، روش ها، روش طراحی و نظریه هایی را برای حفظ همزمانی عناصری که به صورت همزمان کار و تعامل می کنند را فراهم می کند و بنابراین ثبات و صحت کل سیستم را ارائه می کند. نشان داده شده است که مساله معماری مربوط به یک پایگاه داده توزیعی از توپولوژی باس استفاده می کند سبب برخورد داده ها و مدیریت ضعیف انتقال داده ها می شود. معماری پیشنهادی پایگاه داده توزیع از یک توپولوژی سیمی ستاره ای همراه با شبکه هوشمند اترنت سوئیچ شده استفاده می کند. این معماری بهبود یافته انتقال پایدار و صحیح، جمع آوری کارآمد داده ها و مدیریت و بازیابی داده ها در یک پایگاه داده توزیعی را تضمین می کند. تحلیل ریاضی که از شبکه های پتری و نتایج شبیه سازی استفاده می کند نیز در این مقاله ارائه شده است.

1.مقدمه

رایانه و کاربردهای گوناگون آن در سال های اخیر شاهد انقلابی شگرف بوده است. موفقیت عظیم آن به دلیل انعطاف پذیری و قابلیت اطمینانی است که سیستم رایانه ای به کاربران بالقوه ارائه می کند [1]. مطابق با مقاله [2]، دهه اخیر شاهد ایجاد و توسعه سریع حوزه سیستم های رایانه ای توزیعی بوده است. این توسعه به دلیل نیروهای فنی و اجتماعی بوده است و به نظر می رسد که فشار این دو نیرو همچنان ادامه خواهد داشت. کسب و کارها در طی بیست سال فعالیت های پردازشی خود را به صورت آنلاین ارائه کرده اند. بسیاری از کسب و کارها همانند خطوط هواپیمایی و بانک ها بدون وجود سیستم های رایانه ای برخط نمی توانند کارکردی داشته باشند. پایگاه داده برخط آن ها می بایست همواره به روز و صحیح باشد.

4. نتیجه گیری

هدف کلی کنترل همزمانی فراهم سازی قوانین، روش ها، روش طراحی و نظریه ها به منظور حفظ سازگاری همزمانی عملیات عناصر و تعامل آن ها است و در نتیجه سازگاری و صحت سیستم پایگاه داده توزیعی است. این کار بهبود کنترل همزمانی در یک پایگاه داده توزیعی را مورد مطالعه قرار داده است. براساس تحلیل و نتیجه، مشاهده می شود که کنترل همزمانی در یک پایگاه داده توزیعی به میزان 77 درصد بهبود یافته است. نتایج حاصل از تحقیق نشان داده است که بهبود کنترل همزمانی در یک پایگاه داده توزیعی قابل دستیابی است.

Abstract

This paper presents an Improvement on concurrency control in a distributed database. Concurrency control approach provides rules, methods, design methodology and theories to maintain the consistency of components operating concurrently while interacting and thus the consistency and correctness of the whole system. It is shown that the problem of existing architecture of a distributed database uses bus topology that causes data collision and poor management of data transaction. The proposed architecture of the distributed database uses a star-wired topology with Intelligent Ethernet managed switches Network. This improved architecture ensures consistent and correct transaction, efficient data collection and management and recoverability of data in a distributed database. The mathematical analysis that uses Petri-nets and simulated results are also presented in the paper.

1 INTRODUCTION

Computer and its diverse applications have in recent times witnessed a revolution. Its enormous success is due largely to the flexibility and reliability that computer system offer to potential users [1]. According to [2], the last decade has seen the creation and rapid expansion of the field of distributed computing systems. This has been driven by both technical and social forces and it seems likely that the pressure from both will continue for some time yet. For over 20 years, businesses have been moving their Data processing activities on line. Many businesses, such as airlines and banks, are no longer able to function when their on-line computer system are down. Their on-line database must be up-to-date and correct at all times.

4 CONCLUSION

The general purpose of concurrency control is to provide rules, methods, design methodology and theories to maintain the consistency of components operating concurrently while interacting, and thus, the consistency and correctness of the distributed database system. This work has studied on the improvement of concurrency control in a distributed database. From the analysis and results, it can be seen that, the concurrency control in a distributed database has been improved by 66.7%. The research results indicated that improvements on concurrency control in a distributed database is achievable.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهبود کنترل همزمانی در پایگاه داده توزیعی

Improvement On Concurrency Control In A Distributed Database

امنیت پایگاه داده با سیستم تشخیص نفوذ

Database Security using Intrusion Detection System

چکیده

1 مقدمه

1. 1 اهداف

2 مرور آثار

3 بیان مسئله

4 سیستم حال حاضر

1. 4 محدودیت ها

5 سیستم پیشنهادی

6 جزئیات پیاده سازی

1. 6 الگوریتم AES

2. 6 تزریق SQL

7 نتیجه

قدردانی

چکیده

ما یک پروژه به اسم ” امنیت پایگاه داده با استفاده از  IDS” را پیشنهاد میکنیم. حمله تزریق  SQLامروزه از حمله های بسیار معمول در وب سایت ها است. تزریق SQL دلالت بر یک حمله ی تزریق است که در آن حمله کننده می تواند دستورات SQL مخرب که سرور پایگاه داده یک اپلیکشن تحت وب را به کنترل در می آورد، اجرا کند. ما در این پروژه ی مکانیسم تشخیص نفوذ در پایگاه داده را برای ارتقا و امنیت پایگاه داده در یک وب سایت ارائه می کنیم. ما سیستمی ایجاد می کنیم که همه فعالیت های نفوذی به کارگیرنده ی تزریق SQL در یک وب سایت را ثبت خواهد کرد. چند کد مخرب توسط کاربران غیرمجاز به پایگاه داده تزریق می شود و به دلیل این حمله، پایگاه داده ی واقعی می تواند توسط هکر مورد سرقت قرار گیرد یا از بین رود یا تغییر داده شود. به مدیر سایت جزئیات کاربر نشان داده خواهد شد و می تواند او را در صورت لزوم بلاک کند. اطلاعات کاربر از طریق الگوریتم رمزنگاری AES ایمن می شود که این موجب امن تر شدن سیستم می شود.

1 مقدمه 

سیستم تشخیص نفوذ، فعالیت مخرب را در پایگاه داده شناسایی می کند و راجع به آن به مدیر سیستم اطلاع می دهد. برای حفاظت داده و تشخیص فعالیت های خرابکارانه در پایگاه داده، سیستم تشخیص نفوذ با سایت یک فروشگاه ترکیب می شود و فعالیت های مخرب در پایگاه داده سایت را شناسایی می کند. سیستم تشخیص نفوذ، سیستمی است که فعالیت خرابکارانه اجرا شده توسط هر کاربر یا برنامه را ثبت می کند و می تواند بعداَ توسط مدیر دیده شود. هر کس که به نام کاربری/ رمز پایگاه داده که توسط اپلیکیشن استفاده می شود، دسترسی پیدا کند این توانایی را دارد که به دور از همه ی ویژگی های امنیتی تعبیه شده در اپلیکیشن، بارها از پایگاه داده بخواند یا اصلاح کند. معیارهای امن بودن جهت تضمین امنیت در سطوح منطقی اپلیکیشن در نظر گرفته شده اند، بنابراین ما نیازمند این توانایی هستیم که هر گونه فعالیت خرابکارانه در پایگاه داده را تشخیص دهیم.

7 نتیجه

در پروژه ی ” امنیت پایگاه داده با استفاده از IDS” ما روش رمزنگاری AES  را برای پیشگیری از نفوذ در پایگاه داده وب سایت فروشگاه آنلاین، پیشنهاد کرده ایم. هم چنین شناسایی و جلوگیری از حملات نفوذ هم چون تزریق SQL، یک لایه اضافی از امنیت را در سیستم مدیریت پایگاه داده (DBMS) فراهم می کند. این می تواند به عنوان روش عمومی برای هر پایگاه داده وجهت فائق آمدن بر محدودیت های مکانیسم های موجود امنیت پایگاه داده، در نظر گرفته شود.

Abstract

We propose a project named “Database Security Using IDS”.SQL injection attack is the most common attack in websites nowa-days. SQL Injection refers to an injection attack wherein an attacker can execute malicious SQL statements that control a web application’s database server. In this project we propose database intrusion detection mechanism to enhance the security of database through a Website. We will make a system which will log all the activities of an Intruder using SQL Injection in a website. Some malicious codes gets injected to the database by unauthorized users and because of this attack, the actual database can be stolen or destroyed or modified by the hacker. Administrator will be shown the details of the user and can block him if needed. User details are secured using AES encryption algorithm which makes this system more secure.

1 INTRODUCTION

ntrusion detection system detects the malicious activity in the database and notifies the administrator of the system accordingly. To secure data and detect malicious activities in database, intrusion detection system is integrated with the shopping site and detects malicious activities in site’s database. Intrusion Detection System is a system in which malicious activity performed by any user or program is logged and can be viewed later by the admin. Anyone who gets access to the database login/password used by the application has the ability to frequently read or modify the database, bypassing all the security features built into the application. Therefore, security measures have been taken to ensure security at the application logic level, we need to have the ability to detect any malicious actions into the database. As a part of the project, a website will be developed where users can buy shopping products. Different users- Administrator and customer will have different access rights to the system. This project is a base project for developing a Intrusion Detection System related subsystem which can be used in any other application.

7 CONCLUSION

In the project “Database Security using IDS” we have proposed AES encryption approach to prevent the intrusion in database of the online shopping website. Also detects and prevents the intrusion attacks like SQL injection. It provides an additional layer of security in database management system (DBMS).It can be considered as generic approach for any database and overcomes the limitations of the existing database security mechanisms.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

امنیت پایگاه داده با سیستم تشخیص نفوذ

Database Security using Intrusion Detection System

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

بررسی و مقایسه روش های کنترل همزمانی در پایگاه داده توزیع شده

Concurrency Control Methods in Distributed Database: A Review and Comparison

چکیده

1. مقدمه

2. بررسی در مورد پایگاه داده‌های توزیع شده

3. مقایسه و تجزیه و تحلیل روشهای موجود

4. شبیه سازی و نتایج آزمون

نتیجه گیری

منابع

چکیده

     در سالهای گذشته، پیشرفتهای قابل توجهی در توانایی عملکرد سیستمهای پایگاه داده‌های توزیع شده ایجاد شده است. در این سیستم اگر هماهنگی خوبی بین تراکنشهای مختلف وجود نداشته باشد، می‌تواند منجر به ناهماهنگی در پایگاه داده‌ها شود. امروزه به دلیل پیچیدگی بسیاری از سایت‌ها و روشهای ارتباط آنها، گسترش مدلهای مختلف بطور متوالی در پایگاه داده‌های توزیع شده کار دشواری است. هدف اصلی کنترل هم روندی در پایگاه داده‌های توزیع شده، اطمینان از عدم تداخل سایت‌های مختلف در دسترسی به پایگاه داده‌های عمومی است. الگوریتم‌های مختلف کنترل همروندی برای استفاده در سیستمهای توزیع شده پایگاه داده‌ها پیشنهاد شده‌اند. در این مقاله، برخی از روشهای موجود برای کنترل هم روندی در پایگاه داده‌های توزیع شده معرفی شده و مورد مقایسه قرار گرفته‌اند.

مدل پایگاه داده‌های توزیع شده

     شکل 1 ساختار عادی یک مدل را نشان می‌دهد. هر سایت در این مدل چهار قسمت دارد. منبعی که تراکنشها را تولید می‌کند و سطح اطلاعات تراکنشها را برای سایت حفظ می‌کند. یک مدیر تراکنش که طرز اجرای تراکنشها را مدلسازی می‌کند. یک مدیر کنترل هم روندی که جزئیات خاص الگوریتم کنترل هم روندی را اجرا می‌کند و یک مدیر منابع که منابع CPU و I/O را برای سایت مدلسازی می‌کند. علاوه بر این مؤلفه‌ها در هر سایت، این مدل دارای یک مدیر شبکه نیز هست که رفتار ارتباطات شبکه را مدلسازی می‌کند (1، 9، 10).

مدیر تراکنش

     هر تراکنش در بار کاری دارای یک فرایند راهبر-پیرو، و برخی از گروه‌های آپدیتور و کوهورت می‌باشد. فرایند راهبر، سایتی را که تراکنش در آن ارائه شده است اشغال می‌کند. هر دسته از کوهورتها ، درخواستهای خواندن یا نوشتن را به یک یا چند فایلی که در این سایت ذخیره شده‌اند ارسال می‌کنند. یک تراکنش متشکل از یک مجموعه یا گروهی از کوهورت هاست که در هر سایت وجود دارند و لازم است که به داده‌ها دسترسی داشته باشند (11).

     گروه‌های گوهورت در زمانیکه مجاز به دسترسی به نوشتار مورد نیاز برای داده‌های تکراری و آپدیتورهای آن‌ها می‌شوند، با آپدیتورها ارتباط برقرار می‌کنند. یک تراکنش می‌تواند بصورت پی در پی یا موازی انجام شود که این به الگوریتم کلاس تراکنش بستگی دارد (1).

مدیر منابع
     مدیر منابع را می‌توان مدلی از یک سیستم عامل برای یک سایت فرض کرد که منابع فیزیکی آن سایت را که شامل CPU و دیسک‌ها است اداره می‌کند. مدیر منابع سرویسهای CPU و I / O را به مدیر تراکنش و مدیر کنترل هم روندی ارائه می‌دهد و همچنین سرویسهای تحویل پیام را که از منابع CPU استفاده می‌کنند، فراهم می‌آورد (1،4).مدیر تراکنش از منابع CPU و I / O برای خواندن و نوشتن دیسک و همچنین برای ارسال پیام استفاده می‌کند. مدیر کنترل هم روندی نیز از منابع CPU برای پردازش درخواستها و ارسال پیامها استفاده می‌کند (10).