Academic literature on the topic 'Нереляційна база даних'

Об’єктом дослідження є методи індексування у нереляційних базах даних. У статті був зроблений огляд основних методів індексування, які використовуються у найпоширеніших базах даних. Ця робота базується на основі огляду та аналізу літератури пов'язаної з оптимізацією баз даних. Більшість алгоритмів використовують бінарні дерева для індексування, але існують бази даних, які використовують алгоритм хешування. Хешовані індекси дають високу швидкість доступу до даних, але основною проблемою є колізії. Бінарні дерева не мають такої проблеми, але існують проблеми з великими розмірами індексів та неможливістю використовувати багатопоточность. Комбінований метод надає високу швидкість доступу до даних та менші розміри індексів. Головна мета роботи це адоптувати комбінований алгоритм для нереляційних баз даних у робочому середовищі зі зменшенням розмірів індексів та збільшенням швидкості доступу до даних. Для досягнення мети використовується комбінований метод індексування структури бінарного дерева та хешування. В якості практичної частини було проведено експеримент з порівняння структур даних B-дерева та розширеного хешування. В якості мови програмування використовувалася Java та сам дослід проходив з використанням лише оперативної пам’яті. Результати досліду показали доцільним продовжувати дослідження комбінованого методу індексування з використанням пам’яті жорсткого носія та впровадженням у вихідний код реально існуючої бази даних. Бібл. 8, іл. 1, табл. 2

Об’єктом дослідження є методи індексування у нереляційних базах даних. У статті був зроблений огляд найбільш поширених алгоритмів хешування та запропонованого алгоритму хешування на основі простих чисел та двійкової системи числення. Ця робота грунтується на основній теоремі арифметики, яка стверджує про можливість факторизації будь-якого натурального числа унікальним набором простих чисел. Даний підхід дає можливість використовувати математичний апарат для обгрунтування властивостей алгоритму. Алгоритми, що розглянуті у статті, базуються навиконанні послідовності бітових операцій і тим самим, не можуть бути стійкими до колізій. Саме ця характеристика є найважливішою для використання розширеного хешування замість збалансованого бінарного дерева при індексації у нереляційних базах даних. Це дасть можливість не тільки підвищити швидкодію запитів, а ще дозволитьвикористовувати апаратні засоби максимально ефективно. Оскільки головною метою роботи є адаптація комбінованого алгоритму для нереляційних баз даних, то для досягнення цієї мети необхідно мати хеш-функцію, якамає високу стійкість до колізій. Запропонований алгоритм було реалізовано з використанням мови програмування високого рівня С++, оскільки вона дозволяє створювати абстракції з низькою “вартістю” та мати можливість роботи на низькому рівні з інформацією. У контексті роботи, найбільш корисною можливістю є виконання операцій набітовому рівні. В якості практичної частини було проведено два експерименти, метою яких було виявлення різних вхідних масивів даних, які на виході давали би однакові хеші. Основною ідею експериментів була генерація випадкових даних та отримання хешів, використовуючи запропонований алгоритм. Результатом тестування є відсутність таких вхідних масивів даних. Результати досліду показали доцільним продовжувати досліджувати запропонований алгоритм з використанням математичного апарату для аналізу його властивостей. Бібл. 4, табл. 1.

A non-relational database was developed at JSC Element for the recording operating parameters of GTE and systems during the test flight. The database is modernized version of one which is a part of the GTE test bench. The purpose of the database is the recording and analysis of GTE and systems operating parameters. The parameters are measured (collected) with multiple frequencies in range from fractions of Hz to tens of kHz. Number of recorded operating parameters is 1000+. Correspondingly the database file is huge and may reach tens of Gbytes. Number of different parameters recording frequencies is 10…20 (e.g. 20 parameters – 10 Hz, 30 parameters – 50 Hz, 20 parameters – 10000 Hz). Data reading and chart displaying should be possible as right after the test flight as just in parallel with database recording. There should be no significant delays in getting the data displayed independently from the zoom level chosen. The user should see the result in time comparable with time of the displayed chart perception making the user feel the smooth application operating and not interrupting the process of test flight result comprehension – main purpose of our product.However, min-max chart displaying (minimal and maximal value are found to render one-pixel vertical lines) requires processing of all the data for the corresponding time interval. Correspondingly, time to process data depends on that. In order to provide data quickly on user’s actions the sample is read according to the chart horizontal resolution. Then whole the data is processed in background mode to build min-max chart. This dual approach allows to surf the database quickly losing no details when the surfing is stopped.Modern computers and SSD drivers provides high I/O performance. However huge files can be neither quickly read nor stored in RAM. Therefore, to read data in parallel with the recording only the choice is to store the data blocks which are either indexed by the time stamp or fixed size. Our solution is based on fixed size approach with the constant offset of each parameter storing. Size of the block is calculated as least common multiple of all the frequencies the parameters are recorded with. According to our statistic the disk usage rate is 95%. As result the time to display the sample for 2000 timestamps is less than 0.5 sec independently for the database size and the displayed duration of the test flight.

Проаналізовано найпоширеніші підходи до створення засобів підтримки прийняття рішень для процесу підбору оптимальної методології розроблення програмного забезпечення (ПЗ). З'ясовано, що на сьогодні для досягнення цієї мети використовуються різні методи, переважно багатокритеріальні методи прийняття рішень, але мало застосовуються методи машинного навчання, також у процесі прийняття рішень не повною мірою враховуються метрики проєкту. Визначено, що на цей час існує велика кількість методологій розроблення програмного забезпечення (водоспадна (Waterfall), швидке розроблення додатків (Rapid Application Development), скрам (Scrum), канбан (Kanban) та ін.), які оптимізують процеси у команді та значно полегшують і пришвидшують розроблення програмного забезпечення, але разом з цим, з огляду на різноманітність цих методологій і проєктів, постає питання правильного підбору методології до конкретного проєкту на основі даних про нього, оскільки кожна методологія розроблення програмного забезпечення розрахована на різні типи команд, кількість їх членів, різні типи проєктів та їхню складність. Виділено найбільш значущі метрики проєкту, такі як: розмір та кваліфікація команди, тип проєкту та бюджетування, тривалість виконання проєкту, ризик зміни вимог, локація команди та інтенсивність комунікації зі замовником. Спроєктовано, реалізовано та відтестовано програмний засіб підбору методології розроблення програмного забезпечення з урахуванням наведених вище метрик проєкту та використанням алгоритму random forest, для програмної реалізації якого було обрано мову програмування – Swift 5, середовище розроблення – XCode 10.1, для збереження даних використовується Google Firebase Realtime Data Base. Розроблено засіб у вигляді клієнт-серверного додатку з логічною частиною на стороні клієнта та з базою даних на базі Google Cloud Firestore Data Base, а для зберігання результатів, введених користувачем розробленого засобу, вибрано нереляційну базу даних Google Firebase Database. Здійснено дослідження залежності ймовірності прогнозу відповідності методології проєкту та швидкодії роботи від обсягу даних в Data Set, а також порівняння ефективності використання алгоритмів Random Forest та Linear Regresion для задачі вибору методології розроблення ПЗ.

Пояснювальна записка містить 54 сторінок, включає 35 рисунків, 2 таблиці, 7 посилань. Метою дипломної роботи є створення інформаційної системи бронювання (залізничних) квитків. Створено клієнтський додаток за допомогою мови програмування Java в середовищі розробки IntelliJ IDEA. Додаток працює з нереляційною розподіленою базою MongoDB. Розроблено програмний продукт бронювання (залізничних) квитків з функціями бронювання квитків з вибором місця для пасажира, авторизації в системі, з наданням різних рівнів доступу, відміною бронювання квитків, бронювання квитків, перегляд вільних для бронювання квитків, користувачів системи, заброньованих квитків, реєстрацією.
The explanatory note contains 54 pages, including 35 illustrations, 2 tables, 7 links. The purpose of the thesis is to create an information system for reservation (rail) tickets. The client application was created using the Java programming language in the IntelliJ IDEA development environment. The application works with a non-relational distributed MongoDB database. A software product was developed for booking (rail) tickets with functions provided by choosing a place for a passenger, authorizing the system, providing different levels of access, refusing to book tickets, booking tickets, viewing free tickets, user accounts.
Целью дипломной работы является создание информационной системы бронирования (железнодорожных) билетов. Создан клиентское приложение с помощью языка программирования Java в среде разработки IntelliJ IDEA. Приложение работает с нереляционные распределенной базой MongoDB. Разработан программный продукт бронирования (железнодорожных) билетов с функциями бронирования билетов с выбором места для пассажира, авторизации в системе, с предоставлением различных уровней доступа, отменой бронирования билетов, бронирование билетов, просмотр свободных для бронирования билетов, пользователей системы, забронированных билетов, регистрации.

Проаналізовано сучасні технології для роботи с базами даних, висвітлені недоліки та переваги реляційних та нереляційних баз даних. На прикладі MySQL та MongoDB проведено тестування роботи систем керування базами даних. На платформі NodeJS створений веб-додаток для аналізу роботи різних баз даних.