Comparison of SQL, NoSQL and TSDB database systems for smart buildings and smart metering applications

• Autorzy: Włostowska Sandra , Szabela Julia , Chojecki Adrian , Borkowski Piotr

Identyfikatory

DOI

10.15199/48.2023.11.02

Warianty tytułu

PL

Porównanie systemów baz danych SQL, NoSQL i TSDB dla zastosowań w inteligentnych budynkach i smart metering

• Języki publikacji: EN

Abstrakty

EN

The article compares different types of databases for storing data sourced from smart building and smart metering systems. The differences between non-relational (NoSQL – NoRDBS), time-series (TSDB) and the most popular relational database (SQL – RDBS) were highlighted. Then, the possibilities of practical usage of them for gathering data from typical sensors used in buildings and the integration with the most popular installation standards (KNX, LCN) and communication protocols (Modbus, MQTT, MBus) were examined. For examination, the most popular software under opensource licenses were selected: PostgreSQL as a relational database; MongoDB as a non-relational document database; and InfluxDB as a TSDB database. Installation and configuration methods, the possibility of integration with other systems and interfaces to popular programming languages (C#, Python, Java, C++) were compared. In the empirical part, the following were studied: access times and increase in used disk space in cooperation with a real sensor to reach 1 million records in each of the databases. In the conclusions, the results are presented and the authors’ suggestions for potential applications for the databases in the fields mentioned in the title are provided.

PL

W artykule porównano różne typy baz danych na potrzeby przechowywania danych pochodzących z systemów inteligentnego budynku i smart-meteringu. Zwrócono uwagę na różnice pomiędzy bazami nierelacyjną (NoSQL – NoRDBS), opartą o szeregi czasowe (TSDB) i najpopularniejszą bazą relacyjną (SQL – RDBS). Następnie przeanalizowano możliwości ich praktycznego wykorzystania na potrzeby gromadzenia danych z typowych czujników stosowanych w inteligentnym budownictwie oraz integracji z najpopularniejszymi standardami instalacji (KNX, LCN) i protokołów komunikacyjnych (Modbus, MQTT, MBus). Do przebadania wybrano najpopularniejsze systemy na licencjach open-source: PostgreSQL jako baza relacyjna; MongoDB jako baza nierelacyjna dokumentowa oraz InfluxDB jako baza typu TSDB. Porównano sposoby instalacji i konfiguracji, możliwość integracji z innymi systemami oaz interfejsy dostępowe dla popularnych języków programowania (C#, Python, Java, C++), a w części empirycznej czasy dostępu i przyrost zajetej przestrzeni dyskowej we współpracy z rzeczywistym czujnikiem do osiągnięcia 1 miliona rekordów w każdej z baz. We wnioskach przedstawiono wyniki oraz zebrano sugestie autorów dotyczące potencjalnych zastosowań dla przetestowanych systemów baz danych w dziedzinach zawartych w tytule.

Słowa kluczowe

EN

non-relational database; time series database; database system; smart metering

PL

nierelacyjna baza danych; baza danych szeregów czasowych; system bazodanowy; smart metering

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 11
• Strony: 7--12
• Opis fizyczny: Bibliogr. 27 poz., rys., tab.

Twórcy

autor

Włostowska Sandra

• Katedra Aparatów Elektrycznych, Politechnika Łódzka ul. Stefanowskiego 18/22, 90-924 Łódź, Poland

autor

Szabela Julia

• Katedra Aparatów Elektrycznych, Politechnika Łódzka ul. Stefanowskiego 18/22, 90-924 Łódź, Poland

autor

Chojecki Adrian

• Katedra Aparatów Elektrycznych, Politechnika Łódzka ul. Stefanowskiego 18/22, 90-924 Łódź, Poland

autor

Borkowski Piotr

• Katedra Aparatów Elektrycznych, Politechnika Łódzka ul. Stefanowskiego 18/22, 90-924 Łódź, Poland

Bibliografia

• [1] Elmasri R., Navathe S.: Wprowadzenie do systemów baz danych, Wydawnictwo Helion, Gliwice, 2005.
• [2] Martin J.: Managing the Data-base Environment Prentice-Hall, Englewood Cliffs, , NJ, 1983.
• [3] Haerder T., Reuter A.: Principles of Transaction-Oriented Database Recovery, ACM Comput. Surv., pp.287–317, Dec. 1983.
• [4] PostgreSQL [web page] www.postgresql.org/, [Accessed on 9 Apr. 2023.].
• [5] MongoDB, [web page] www.mongodb.com/. [Accessed on 9 Apr. 2023.].
• [6] InfluxDB, [web page] www.influxdata.com/, [Accessed on 9 Apr. 2023.].
• [7] DHT 21 | Temperature and humidity module, [web page] cdn-learn.adafruit.com/downloads/pdf/ dht.pdf [Accessed on 23 Mar. 2023.].
• [8] SGP30 | Sensirion CO2 Sensor | Datasheet, [web page] sensirion.com/products/catalog/SGP30 [Accessed on 23 Mar. 2023.].
• [9] Orange Pi Zero | Single Board Computer, [web page] www.orangepi.org [Accessed on 23 Mar. 2023.].
• [10] Łacheci ´nski S.: Składowanie i przetwarzanie danych temporalnych w ´swietle wymaga ´n standardu j ˛ezyka SQL ISO/IEC 9075 Przeglad Elektrotechniczny. 10/2020. 184-191.,
• [11] Geetha A., Jamuna K.: ICICES : International Conference on Information Communication and Embedded Systems, Smart metering system, Feb. 2013.
• [12] Olivares-Rojas J. C., Reyes-Archundia E., Gutiérrez-Gnecchi J. A., Molina-Moreno I.,Cerda-Jacobo J., Méndez-Patiño A. A Comparative Assessment of Embedded Databases for Smart Metering Systems, IEEE PES Innovative Smart Grid Technologies Conference-Latin America, Sept. 2021
• [13] Directive 2010/31/EU of the European Parliament and of the Council of 19 May 2010 on the energy performance of buildings (recast), Dec. 2018,
• [14] Komisja PE za nowymi standardami efektywności energetycznej budynków, [web page] www.stooq.com/n/?f=1535810&c=0&p=4/, [Accessed on 23 Feb. 2023.].
• [15] Bader A., Kopp O., Falkenthal M. Survey and comparison of open source Time Series Databases. Datenbanksysteme für Business, Technologie und Web, 2017.
• [16] Grzesik P., Mrozek D. Comparative analysis of time series databases in the context of edge computing for low power sensor networks, ICCS 2020: 20th International Conference, Amsterdam, Springer, Proceedings, Part V 20, pp. 371-383, 2020.
• [17] Ambroziak A., Borkowski P., Sienicki A.: IEICE Technical Report; IEICE Tech. Rep. OPC server for DOMIQ building automation system, pp. 165–169, 2014.
• [18] Grafana, [web page] www.grafana.com/, [Accessed on 23 Mar. 2023.].
• [19] pgAdmin Reviews and features, [web page] www.capterra.com/p/210772/pgAdmin/ reviews/, [Accessed on 10 Apr. 2023.].
• [20] DB-Engines Ranking, [web page] db-engines.com/en/ ranking/ [Accessed on 20 Apr. 2023.].
• [21] Sadalage P., Fowler M.: Addison-Wesley, NoSQL distilled: a brief guide to the emerging world of polyglot persistence, 2013.
• [22] Last M., Kandel A., Bunke H.: World Scientific Data Mining in Time Series Databases, 2004.
• [23] McBride, Dave B.: Survey of time series database technology, Mar. 2020., Survey of time series database technology. Wallingford, UK Centre for Ecology & Hydrology, 33pp.
• [24] Protokół MBus w licznikach Tauron, [web page] https://amiplus.tauron-dystrybucja.pl/ o-amiplus/ [Accessed on 23 Mar. 2023.].
• [25] Telegraf [web page] https://www.influxdata.com/ telegraf/ [Accessed on 23 Mar. 2023.].
• [26] Balis B., Bubak M., Harezlak D., Nowakowski P., Pawlik M., Wilk B, Towards an operational database for real-time environmental monitoring and early warning systems Procedia Computer Science, Vol. 108, pp. 2250-2259, 2017.
• [27] Riaz Z., Parn E., Edwards D., Arslan M., Shen Ch., Pena-Mora F.,: BIM and sensor-based data management system Journal of Engineering, Design and Technology. 15. pp. 738- 753, 2017.