In this work authors propose to perform an extensive literature review (LR) to elicit all the relevant NoSQL mechanisms, describing them and pointing out the main references. In the first section, they introduce the research methodology where they elicit the main steps to perform a LR. Afterwards, they describe the problem this research intends to help solve. They follow with a LR regarding NoSQL mechanisms and identify and describe the main NoSQL problems. The main contribution concerns that literature searching results are presented in the mind map. Generally, mind mapping is a technique for the concept relations’ visualisation. At the beginning the map is created around a single concept, e.g. NoSQL, which is connected directly to another concept and the other ideas branch out from that. For mind mapping, authors use an open source tool, i.e., Mind Map Maker. Then, they summarize how they evaluate their work. Finally, they conclude about the research and further works.
PL
W artykule autorzy zaproponowali wykonanie obszernych studiów literatury dla przedstawienia konstrukcji środowiska NoSQL, opisali problem i wskazali odnośniki do literatury. W pierwszej części przedstawili metodę badań i opisali etapy studiów literatury jako metody badań. Następnie przedstawili przedmiot badań, zidentyfikowali i opisali główne problemy badawcze. Wyniki badań przedstawili w postaci mapy myśli. Wykorzystali ku temu narzędzie otwarte, tj. Mind Map Maker. Ocenili wyniki i wskazali możliwe dalsze prace badawcze.
Big Data technologies and their application to business processes is growing rapidly. Analytical and consulting enterprises specializing in issues of strategic use of IT technology indicate that the number of companies implementing or planning to implement technological solutions related to Big Data is increasing annually. A lot of companies believe that the analysis of unstructured data will be the key to a deeper understanding of customer behavior. They believe that the analyst is absolutely essential or very important to conduct the overall business strategy and improve operational results. The purpose of the article is to define Big Data, explain what the unstructured data are and how to apply them. Furthermore, in the article I present the results of reports on the Big Data technologies implementation and discuss the associated technologies.
PL
Technologie Big Data i ich zastosowanie do procesów biznesowych rozwijają się w tempie dynamicznym. Przedsiębiorstwa analityczno-doradcze specjalizujące się w zagadnieniach strategicznego wykorzystania technologii IT informują, że z roku na rok zwiększa się liczba przedsiębiorstw wdrażających lub planujących wdrożenie rozwiązań technologicznych związanych z Big Data. Dużo przedsiębiorstw uważa, że analizy danych niestrukturalnych będą kluczem do głębszego zrozumienia zachowań klienta. Uważają one, że analityka jest absolutnie niezbędna lub bardzo ważna dla prowadzenia ogólnej strategii biznesowej przedsiębiorstwa oraz do poprawy wyników operacyjnych. Celem tego artykułu jest wyjaśnienie co dokładnie oznacza pojęcie Big Data, co to są dane niestrukturalne oraz jakie mogą mieć zastosowania. Ponadto, w artykule prezentuję wyniki raportów dotyczących wdrażanie technologii Big Data i omawiam przykładowe technologie związane z Big Data.
NoSQL databases become more and more popular, not only in typical Internet applications. They allow to store large volumes of data (so called big data), while ensuring fast retrieving and fast appending. The main disadvantage of NoSQL databases is that they do not use relational model of data and usually do not offer any declarative query language similar to SQL. This raises the question how NoSQL databases can be used for OLAP processing and other Business Intelligence tasks. In the paper the author presents the most common types of NoSQL databases, describes MapReduce paradigm and discusses models of OLAP processing for such databases. Finally some preliminary results of aggregation performance in nonrelational environment are presented.
Przetwarzanie w chmurach obliczeniowych szybko zyskuje na popularności, powodując opracowywanie i adaptację metod przechowywania danych. Z jednej strony dostępne są wydajne, proste i skalowalne rozwiązania typu NoSQL, z drugiej – bardziej funkcjonalnie zaawansowane, choć mniej wydajne, rozwiązania relacyjne. W artykule przedstawiono najpopularniejsze produkty firm Oracle, Microsoft, IBM, Amazon, Google oraz środowiska otwartego oprogramowania, należące do obu klas rozwiązań. Został omówiony zakres zastosowań przedstawionych produktów bazodanowych.
EN
Cloud computing popularity is growing quickly, driving data storage methods development and adoption. On the one hand efficient, simple, and scalable NoSQL solutions are available, on the other – more functionally advanced, but less efficient, relational-based ones. The paper describes the most popular database solutions from Oracle, Microsoft, IBM, Amazon, Google and open source community in both categories. The scope of application of these solutions was discussed.
W artykule porównana została wydajność dwóch wersji systemów zarządzania bazami danych pod kątem możliwości zastosowania ich w gromadzeniu danych z mikromacierzy DNA. W analizie porównawczej uwzględniono metody składowania danych: oparte na modelu nierelacyjnym (noSQL) oraz metodę gromadzenia danych mikromacierzowych zgodną z modelem relacyjnym Obiekt-Atrybut-Wartość. Do implementacji relacyjnej bazy danych wykorzystany został system Microsoft SQL Server 2012. Implementacja nierelacyjnej bazy danych wykonana została w programie Raven DB. Ocena efektywności każdej z metod gromadzenia danych oparta została na próbkowaniu czasu procesora (ang. CPU sampling) za pomocą oprogramowania Microsoft Visual Studio Profiler.
EN
The paper compares the efficiency of two versions of database management systems from the possibility of using them in storing data from DNA microarray point of view. In comparative analysis 3 methods of storing data were taken into account: basing on non-relational model (noSQL) and the method of storing microarray data according to the relational model called entity-attribute-value. Microsoft SQL Server 2012 system was used to implementation of relational database. Implementation of non-relational database was performed in Raven DB. Evaluation of efficiency of each of the method of storing data was based on CPU sampling using Micrisoft Visual Studio Profiler.
Zachowanie spójności przetwarzanych danych jest problemem ogólnym, w szczególności dotyczącym systemów NoSQL, w których efektywność przetwarzania jest czynnikiem najistotniejszym. Wysoką efektywność przetwarzania w bazach NoSQL osiąga się przez uproszczenie mechanizmów wewnętrznych, w tym, częściowo, kosztem utrudnienia programowania – aplikacje korzystające z baz NoSQL muszą zawierać kod odpowiedzialny za utrzymanie spójności danych. Programowe metody zachowania spójności przetwarzanych danych rozważono w kontekście wybranych systemów NoSQL: MongoDB, Mircosoft Windows Azure, Apache Cassandra, Oracle NoSQL.
EN
Consistency preservation is a general problem in data processing, especially in NoSQL systems. NoSQL databases introduce a new approach, in which the efficiency is a major feature. It is partially achieved at the expense of some difficulties of programming. The application should handle situations which may introduce inconsistency in data. The paper presents the methods of data consistency preservation in selected NoSQL: MongoDB, Mircosoft Windows Azure, Apache Cassandra, Oracle NoSQL.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.