Porównanie efektywności składowania modeli UML w wybranych technologiach bazodanowych

• Autorzy: Filatov Andrii , Flis Paweł , Pańczyk Beata

Identyfikatory

DOI

10.35784/jcsi.437

Warianty tytułu

EN

Storage efficiency comparison of UML models in selected database technologies

• Języki publikacji: PL

Abstrakty

PL

Artykuł odpowiada na pytanie, która baza danych jest najlepszym wyborem do efektywnego składowania danych opisujących modele UML. Wzięto pod uwagę trzy produkty: MongoDB, PostgreSQL i Neo4J. Na badanie efektywności składa się pomiar czasu odpowiedzi zapytań zapisujących oraz pobierających dane. Uwzględnia również stopień wzrostu pamięci podczas wstawiania danych oraz ocenę poziomu skomplikowania implementacji mapującej dane testowe do wykorzystania w zapytaniach do baz danych.

EN

The study answers the question which database is the best choice for efficient data storage of UML models. Three products were considered: MongoDB, PostgreSQL and Neo4J. The effectiveness test consists of measurement the response time of queries that save and load data. This study also take into account the memory increase ratio during data insertion and the level of complexity of the implementation of the test data mappers used in database queries.

Słowa kluczowe

PL

UML; MongoDB; Neo4J; PostreSQL

EN

UML; MongoDB; Neo4J; PostgreSQL

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Journal of Computer Sciences Institute
• Rocznik: 2019
• Tom: Vol. 12
• Strony: 193--198
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Filatov Andrii

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Flis Paweł

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

autor

Pańczyk Beata

• Politechnika Lubelska, Instytut Informatyki, Nadbystrzycka 36B, 20-618 Lublin, Polska

Bibliografia

• [1] The Coming Software Apocalypse. https://www.theatlantic.com/technology/archive/2017/09/saving -the-world-from-code/540393/ [05.05.2019].
• [2] Jung M., Youn S., Bae J. Choi Y.: A Study on Data Input and Output Performance Comparison of MongoDB and PostgreSQL in the Big Data Environment. 8th International Conference on Database Theory and Application (DTA). IEEE, 2015.
• [3] Plechawska-Wójcik M., Rykowski, D.: Comparison of relational, document and graph databases in the context of the web application development. 36th ISAT Conference, Part II, s. 3-13. Springer, Cham, 2015.
• [4] Van der Veen J. S., Van der Waaij B., Meijer R. J.: Sensor Data Storage Performance: SQL or NoSQL, Physical or Virtual. Fifth International Conference on Cloud Computing, Honolulu, s. 431-438. IEEE, 2012.
• [5] Oussous A., Benjelloun F. Z., Lahcen A. A., Belfkih S.: Comparison and classification of nosql databases for big data. International Journal of Database Theory and Application, 6, April, 2013.
• [6] Shetty Deepika V., Chidimar S. J.: Comparative Study of SQL and NoSQL Databases to evaluate their suitability for Big Data Application. International Journal of Computer Science and Information Technology Research, June, s. 314-318. 2016.
• [7] Kunda, D., Phiri, H.: A Comparative Study of NoSQL and Relational Database. Zambia ICT Journal. Tom 1, s. 1-4. 2017
• [8] Bathla, G., Rani, R., Aggarwal, H.: Comparative study of NoSQL databases for big data storage. International Journal of Engineering & Technology, 2018.
• [9] Mondal, A. S., Sanyal, M., Chattopadhyay, S., Mondal, K. C.: Comparative Analysis of Structured and Un-Structured Databases. International Conference on Computational Intelligence, Communications, and Business Analytics, s. 226-241. Springer, Singapore, March, 2017.
• [10] Introduction - StarUML documentation. https://docs.staruml.io/[05.05.2019].

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).