Analiza porównawcza wydajności wybranych relacyjnych systemów baz danych

• Autorzy: Schab Szymon

Identyfikatory

DOI

10.35784/jcsi.3767

Warianty tytułu

EN

The comparative performance analysis of selected relational database systems

• Języki publikacji: PL

Abstrakty

PL

Celem pracy było przeprowadzenie analizy wydajnościowej trzech relacyjnych systemów zarządzania bazami danych: MySQL, PostgreSQL i Microsoft SQL Server. W badaniu wykorzystano skrypty mierzące długości czasów operacji wstawiania, aktualizacji i zwracania danych, a także trzy zestawy danych liczące kolejno 100, 1 000 i 10 000 rekordów. Eksperyment składał się z dziewięciu przypadków uwzględniających rodzaj operacji i wariant zestawu danych, dla których wykonano po trzydzieści pięć prób, przy czym pierwsze pięć prób pominięto m.in. ze względu na kwestie przechowywania danych w pamięci podręcznej. Otrzymane wyniki sprawdzono pod kątem istotności różnic, a następnie dla każdego z przypadków zliczono liczbę prób, w których oprogramowania uzyskały najlepsze wyniki. Na końcu wskazano i policzono najlepsze systemy dla poszczególnych przypadków i wyznaczono najwydajniejszy system dla całego badania oraz systemy dla testowanych rodzajów operacji.

EN

The objective of this study was to carry out a performance analysis of the following database systems: MySQL, PostgreSQL and Microsoft SQL Server. For this purpose scripts were used to measure execution times of selecting, updating and inserting data. Furthermore, three data sets were utilized consisting of 100, 1000 and 10000 rows. The experiment included nine cases depending on the query type and the data set. For each case, thirty five test trials were conducted while first five trials were ignored i.a. because of cache storage. The statistical test was performed for the results and the trials in which the DBMS achieved best times were counted. For each case best systems were acknowledged and the most efficient system of the experiment was determined along with systems for each operation type.

Słowa kluczowe

PL

analiza wydajności; MySQL; PostgreSQL; Microsoft SQL Server

EN

performance analysis; MySQL; PostgreSQL; Microsoft SQL Server

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Journal of Computer Sciences Institute
• Rocznik: 2023
• Tom: Vol. 28
• Strony: 296--303
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Schab Szymon

• Politechnika Lubelska (Poland)

Bibliografia

• 1. M. Grudzień, K. Korgol, D. Gutek, Porównanie możliwości wykorzystania oraz analiza wydajności baz danych na systemach mobilnych, praca magisterska, Politechnika Lubelska, Lublin, 2016.DOI: https://doi.org/10.35784/jcsi.129
• 2. R. Kleweka, W. Truskowski, M. Skublewska-Paszkowska, Porównanie wydajności baz danych MySQL, MSSQL, PostgreSQL oraz Oracle z uwzględnieniem wirtualizacji, praca magisterska, Politechnika Lubelska, Lublin, 2020.
• 3. K. Lachewicz, Analiza wydajności systemów bazodanowych: MySQL, MS SQL, PostgreSQL w kontekście aplikacji internetowych, praca magisterska, Politechnika Lubelska, Lublin, 2020.
• 4. S. Stets, G. Kozieł, Analiza porównawcza wydajności baz danych pracujących pod kontrolą systemu Windows, praca magisterska, Politechnika Lubelska, Lublin, 2019.
• 5. S. Kulshrestha, S. Sachdeva, Performance comparison for data storage - Db4o and MySQL databases, 2014 Seventh International Conference on Contemporary Computing (IC3) (2014) 166-170.DOI: https://doi.org/10.1109/IC3.2014.6897167
• 6. R. Poljak, P. Pošcić, D. Jakšić, Comparative Analysis of the Selected Relational Database Management Systems, 2017 40th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO) (2017) 1496-1500.DOI: https://doi.org/10.23919/MIPRO.2017.7973658
• 7. R. Kleweka, W. Truskowski, M. Skublewska-Paszkowska, Porównanie wydajności baz danych MySQL, MSSQL, PostgreSQL oraz Oracle z uwzględnieniem wirtualizacji, Journal of Computer Sciences Institute 16 (2020) 279-284.DOI: https://doi.org/10.35784/jcsi.2026
• 8. Y. Abubakar, Benchmarking popular open source RDBMS: a performance evaluation for IT professionals, International Journal of Advanced Computer Technology (IJACT) 3 (2014) 39-44.
• 9. S. Tongkaw, A. Tongkaw, A comparison of database performance of MariaDB and MySQL with OLTP workload, 2016 IEEE Conference on Open Systems (ICOS) (2016) 117-119.DOI: https://doi.org/10.1109/ICOS.2016.7881999
• 10. M. -G. Jung, S. -A. Youn, J. Bae, Y. -L. Choi, A Study on Data Input and Output Performance Comparison of MongoDB and PostgreSQL in the Big Data Environment, 2015 8th International Conference on Database Theory and Application (DTA) (2015) 14-17.DOI: https://doi.org/10.1109/DTA.2015.14
• 11. M. M. Eyada, W. Saber, M. M. El Genidy, F. Amer, Performance Evaluation of IoT Data Management Using MongoDB Versus MySQL Databases in Different Cloud Environments, IEEE Access 8 (2020) 110656-110668.DOI: https://doi.org/10.1109/ACCESS.2020.3002164
• 12. H. Fatima, K. Wasnik, Comparison of SQL, NoSQL and NewSQL databases for internet of things, 2016 IEEE Bombay Section Symposium (IBSS) (2016) 1-6.DOI: https://doi.org/10.1109/IBSS.2016.7940198
• 13. M. Meekyung, Experiments of Search Query Performance for SQL-Based Open Source Databases, International Journal of Internet, Broadcasting and Communication 10 (2018) 31-38.
• 14. R. Almeida, P. Furtado, J. Bernardino, Performance Evaluation MySQL InnoDB and Microsoft SQL Server 2012 for Decision Support Environments, Proceedings of the Eighth International C* Conference on Computer Science & Software Engineering (2015) 56 62.
• 15. Generator makiet danych „Mockaroo”, https://www.mockaroo.com, [10.05.2023].
• 16. W. H. Kruskal, W. A. Wallis, Use of Ranks in One Criterion Variance Analysis, Journal of the American Statistical Association 47 (1952) 583-621.DOI: https://doi.org/10.1080/01621459.1952.10483441
• 17. Internetowy kalkulator testów statystycznych „Online Web Statistical Calculators ..... for Categorical Data Analysis”, https://astatsa.com/KruskalWallisTest/, [13.06.2023].
• 18. O. J. Dunn, Multiple Comparisons Using Rank Sums, Technometrics 6 (1964) 241-252.DOI: https://doi.org/10.1080/00401706.1964.10490181

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki (2025).