Kerangka Kerja untuk Menjalankan Query Kompleks pada Basis Data Relasional dan NoSQL (CQNS)

Digest IMRAD kerangka kerja CQNS untuk query kompleks terpadu lintas penyimpanan data SQL dan NoSQL

Eman A. Khashan; Ali I. el Desouky; S. Elghamrawy· European Journal of Electrical Engineering and Computer Science· 2020· DOI 10.24018/EJECE.2020.4.5.195

Masalah inti

Volume data di web yang terus meningkat menimbulkan berbagai tantangan besar. Jumlah data yang tersimpan dan jumlah sumber data query telah menjadi fitur esensial bagi sistem data berskala besar. Beragam platform digunakan untuk menangani model basis data NoSQL, termasuk Spark, H2O, dan Hadoop HDFS/MapReduce, yang cocok untuk mengendalikan dan mengelola volume big data. Pengembang berbagai aplikasi membebankan tugas-tugas sulit pada penyimpanan data dengan berinteraksi dengan model data campuran melalui API dan query yang berbeda. Makalah ini mengusulkan kerangka kerja complex SQL Query and NoSQL (CQNS) yang bertindak sebagai interpreter, mengirim query kompleks yang diterima dari penyimpanan data mana pun ke engine eksekusi yang sesuai. Kerangka kerja yang diusulkan mendukung query aplikasi dan transformasi basis data secara simultan, yang pada gilirannya mempercepat proses. Selain itu, CQNS menangani banyak basis data NoSQL seperti MongoDB dan Cassandra. Makalah ini menyediakan kerangka kerja Spark yang mampu menangani basis data SQL maupun NoSQL. Makalah ini juga mengkaji pentingnya block sharding dan komposisi MongoDB, sementara basis data Cassandra menangani dua jenis bagian:

Inovasi

Kerangka kerja CQNS yang diusulkan dievaluasi menggunakan empat dataset kriteria skenario untuk query berbagai basis data NoSQL. Evaluasi berfokus pada kinerja optimasi dan waktu eksekusi query. Hasilnya menunjukkan bahwa di antara sistem pembanding, CQNS mencapai latensi dan produktivitas optimal dalam waktu lebih singkat. Kerangka kerja ini berhasil menangani query kompleks pada MongoDB dan Cassandra, menunjukkan kemampuannya untuk mendukung query aplikasi dan transformasi basis data secara simultan. Eksperimen juga menyoroti pentingnya block sharding dan komposisi MongoDB, serta vertex dan edge portioning Cassandra, dalam mencapai eksekusi query yang efisien. Analisis komparatif menunjukkan bahwa CQNS mengungguli sistem yang ada dalam hal latensi maupun produktivitas, memvalidasi efektivitasnya sebagai kerangka kerja query terpadu untuk penyimpanan data yang heterogen.

Volume data di web yang terus meningkat menimbulkan berbagai tantangan besar. Jumlah data yang tersimpan dan jumlah sumber data query telah menjadi fitur esensial bagi sistem data berskala besar. Beragam platform digunakan untuk menangani model basis data NoSQL, termasuk Spark, H2O, dan Hadoop HDFS/MapReduce, yang cocok untuk mengendalikan dan mengelola volume big data. Pengembang berbagai aplikasi membebankan tugas-tugas sulit pada penyimpanan data dengan berinteraksi dengan model data campuran melalui API dan query yang berbeda. Makalah ini mengusulkan kerangka kerja complex SQL Query and NoSQL (CQNS) yang bertindak sebagai interpreter, mengirim query kompleks yang diterima dari penyimpanan data mana pun ke engine eksekusi yang sesuai. Kerangka kerja yang diusulkan mendukung query aplikasi dan transformasi basis data secara simultan, yang pada gilirannya mempercepat proses. Selain itu, CQNS menangani banyak basis data NoSQL seperti MongoDB dan Cassandra. Makalah ini menyediakan kerangka kerja Spark yang mampu menangani basis data SQL maupun NoSQL. Makalah ini juga mengkaji pentingnya block sharding dan komposisi MongoDB, sementara basis data Cassandra menangani dua jenis bagian: vertex dan edge portioning. Empat dataset kriteria skenario digunakan untuk mengevaluasi CQNS yang diusulkan untuk query berbagai basis data NoSQL dalam hal kinerja optimasi dan waktu eksekusi query. Hasilnya menunjukkan bahwa di antara sistem pembanding, CQNS mencapai latensi dan produktivitas optimal dalam waktu lebih singkat.

Kerangka kerja CQNS dirancang sebagai lapisan interpreter yang menerima query kompleks dari penyimpanan data mana pun dan mengirimkannya ke engine eksekusi yang sesuai. Arsitektur ini mendukung query aplikasi dan transformasi basis data secara simultan, yang mempercepat keseluruhan proses. Kerangka kerja ini dibangun di atas kerangka kerja Spark yang dapat menangani basis data SQL maupun NoSQL. Untuk NoSQL, kerangka kerja ini secara khusus menangani MongoDB dan Cassandra. MongoDB dikaji dalam hal block sharding dan komposisi, sementara Cassandra dianalisis terkait dua jenis bagian: vertex dan edge portioning. Evaluasi menggunakan empat dataset kriteria skenario untuk query berbagai basis data NoSQL, mengukur kinerja optimasi dan waktu eksekusi query. Mekanisme inti kerangka kerja ini dapat direpresentasikan sebagai fungsi routing query:

Mengapa penting

Kerangka kerja CQNS menjawab tantangan kritis dalam manajemen data modern: kebutuhan untuk melakukan query lintas basis data relasional dan NoSQL tanpa mengorbankan kinerja. Dengan bertindak sebagai interpreter yang mengarahkan query kompleks ke engine yang sesuai, CQNS menghilangkan overhead penerjemahan query manual dan API khusus penyimpanan data. Dukungan simultan untuk query aplikasi dan transformasi basis data merupakan inovasi kunci yang mempercepat proses. Hasil evaluasi mengonfirmasi bahwa CQNS mencapai latensi dan produktivitas optimal, yang sangat penting bagi aplikasi big data di mana wawasan yang tepat waktu sangat krusial. Kemampuan kerangka kerja ini menangani MongoDB dan Cassandra, beserta pertimbangan strategi sharding dan portioning, menjadikannya solusi serbaguna untuk lingkungan data yang heterogen. Namun, makalah ini tidak memberikan metrik kuantitatif terperinci di luar klaim komparatif tentang latensi dan produktivitas optimal. Penelitian selanjutnya dapat mengeksplorasi basis data NoSQL tambahan dan jenis query yang lebih kompleks. Secara keseluruhan, CQNS merupakan langkah signifikan menuju query terpadu dalam arsitektur polyglot persistence.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…