論文の概要: SQL and NoSQL Databases Software architectures performance analysis and assessments -- A Systematic Literature review

• arxiv url: http://arxiv.org/abs/2209.06977v1
• Date: Wed, 14 Sep 2022 23:47:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-16 13:27:27.402656
• Title: SQL and NoSQL Databases Software architectures performance analysis and assessments -- A Systematic Literature review
• Title（参考訳）: SQLとNoSQLデータベース ソフトウェアアーキテクチャのパフォーマンス分析と評価 -- 体系的な文献レビュー
• Authors: Wisal Khan, Teerath Kumar, Zhang Cheng, Kislay Raj, Arunabha M Roy and Bin Luo
• Abstract要約: データベースの設計した構造は、ビッグデータ分析に適しています。 この研究者は、クラウドにおけるデータ移動に関連する多くのアプローチを提案する。 データポータビリティと。 APIが開発され、ユーザのデータ移動が困難になる。
• 参考スコア（独自算出の注目度）: 6.492449621442934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context: The efficient processing of Big Data is a challenging task for SQL and NoSQL Databases, where competent software architecture plays a vital role. The SQL Databases are designed for structuring data and supporting vertical scalability. In contrast, horizontal scalability is backed by NoSQL Databases and can process sizeable unstructured Data efficiently. One can choose the right paradigm according to the organisation's needs; however, making the correct choice can often be challenging. The SQL and NoSQL Databases follow different architectures. Also, the mixed model is followed by each category of NoSQL Databases. Hence, data movement becomes difficult for cloud consumers across multiple cloud service providers (CSPs). In addition, each cloud platform IaaS, PaaS, SaaS, and DBaaS also monitors various paradigms. Objective: This systematic literature review (SLR) aims to study the related articles associated with SQL and NoSQL Database software architectures and tackle data portability and Interoperability among various cloud platforms. State of the art presented many performance comparison studies of SQL and NoSQL Databases by observing scaling, performance, availability, consistency and sharding characteristics. According to the research studies, NoSQL Database designed structures can be the right choice for big data analytics, while SQL Databases are suitable for OLTP Databases. The researcher proposes numerous approaches associated with data movement in the cloud. Platform-based APIs are developed, which makes users' data movement difficult. Therefore, data portability and Interoperability issues are noticed during data movement across multiple CSPs. To minimize developer efforts and Interoperability, Unified APIs are demanded to make data movement relatively more accessible among various cloud platforms.
• Abstract（参考訳）: コンテキスト: ビッグデータの効率的な処理は、有能なソフトウェアアーキテクチャが重要な役割を担うsqlとnosqlデータベースにとって、難しいタスクです。 SQL Databasesは、データを構造化し、垂直スケーラビリティをサポートするように設計されている。 対照的に水平スケーラビリティはnosqlデータベースによって支えられ、非構造化データを効率的に処理できる。 組織のニーズに応じて適切なパラダイムを選択できるが、正しい選択を行うことは難しい場合が多い。 SQLデータベースとNoSQLデータベースは異なるアーキテクチャに従う。 また、混合モデルはNoSQLデータベースの各カテゴリに続きます。 したがって、複数のクラウドサービスプロバイダ(CSP)にわたるクラウド消費者にとって、データ移動は困難になる。 さらに、各クラウドプラットフォームIaaS、PaaS、SaaS、DBaaSも、さまざまなパラダイムを監視しています。 目的: この体系的な文献レビュー(SLR)は、SQLおよびNoSQLデータベースソフトウェアアーキテクチャに関連する記事を調査し、さまざまなクラウドプラットフォーム間でのデータポータビリティと相互運用性に取り組むことを目的としています。 state of the artは、スケーリング、パフォーマンス、可用性、一貫性、シャーディング特性を観察して、sqlとnosqlデータベースのパフォーマンス比較を行った。 研究によると、nosqlデータベースの設計した構造はビッグデータ分析に適した選択であり、sqlデータベースはoltpデータベースに適している。 研究者はクラウドにおけるデータ移動に関連する多くのアプローチを提案している。 プラットフォームベースのAPIが開発され、ユーザのデータ移動が困難になる。 したがって、複数のCSP間でのデータ移動中にデータポータビリティと相互運用性の問題に気づく。 開発者の努力と相互運用性を最小化するために、Unified APIは、さまざまなクラウドプラットフォームでデータ移動を比較的アクセスしやすいものにするよう要求されている。

関連論文リスト

• Spider 2.0: Evaluating Language Models on Real-World Enterprise Text-to-SQL Workflows [64.94146689665628]
  Spider 2.0は、エンタープライズレベルのデータベースのユースケースから派生した、現実のテキストからsqlの問題に対する評価フレームワークである。 Spider 2.0のデータベースは、実際のデータアプリケーションからソースされ、1,000以上の列を含み、BigQueryやSnowflakeなどのローカルまたはクラウドデータベースシステムに格納されることが多い。 Spider 2.0の問題解決には、データベースメタデータ、方言文書、さらにはプロジェクトレベルの理解と検索が頻繁に必要であることを示す。
  論文  参考訳（メタデータ） (2024-11-12T12:52:17Z)
• Can Language Models Enable In-Context Database? [3.675766365690372]
  大型言語モデル (LLM) は、様々なタスクを処理できる数ショットの学習者として登場している。 軽量で人間が読めるインコンテキストデータベースの特徴は、従来のデータベースの代替となる可能性がある。
  論文  参考訳（メタデータ） (2024-11-04T05:25:39Z)
• BabelBench: An Omni Benchmark for Code-Driven Analysis of Multimodal and Multistructured Data [61.936320820180875]
  大規模言語モデル(LLM)は、様々な領域でますます重要になっている。 BabelBenchは、コード実行によるマルチモーダルなマルチ構造化データ管理におけるLLMの熟練度を評価する革新的なベンチマークフレームワークである。 BabelBenchの実験結果から,ChatGPT 4のような最先端モデルでさえ,大幅な改善の余地があることが示唆された。
  論文  参考訳（メタデータ） (2024-10-01T15:11:24Z)
• PTD-SQL: Partitioning and Targeted Drilling with LLMs in Text-to-SQL [54.304872649870575]
  大規模言語モデル(LLM)は、テキスト・トゥ・センス・タスクの強力なツールとして登場した。 本研究では,クエリグループパーティショニングを用いることで,単一問題に特有の思考プロセスの学習に集中できることを示す。
  論文  参考訳（メタデータ） (2024-09-21T09:33:14Z)
• Relational Database Augmented Large Language Model [59.38841050766026]
  大規模言語モデル(LLM)は多くの自然言語処理(NLP)タスクに優れる。 彼らは、トレーニングや教師付き微調整プロセスを通じてのみ、新しい知識を取り入れることができる。 この正確で最新のプライベート情報は、通常リレーショナルデータベースに格納される。
  論文  参考訳（メタデータ） (2024-07-21T06:19:10Z)
• Federated Neural Graph Databases [53.03085605769093]
  プライバシを保ちながらマルチソースグラフベースのデータの推論を可能にする新しいフレームワークであるFederated Neural Graph Database (FedNGDB)を提案する。 既存の方法とは異なり、FedNGDBは複雑なグラフ構造と関係を扱うことができ、様々な下流タスクに適合する。
  論文  参考訳（メタデータ） (2024-02-22T14:57:44Z)
• Evaluating the Data Model Robustness of Text-to-SQL Systems Based on Real User Queries [4.141402725050671]
  本論文は,テキスト・ツー・システムのデータモデルロバスト性について,実際に評価した最初の事例である。 サッカーDBはFIFAワールドカップ2022の文脈で9ヶ月にわたって展開されたシステムである。 データはすべて、システムにライブで質問された実際のユーザ質問に基づいています。これらの質問のサブセットを手動でラベル付けし、3つの異なるデータモデルに翻訳しました。
  論文  参考訳（メタデータ） (2024-02-13T10:28:57Z)
• SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
  本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。 数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。 命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
  論文  参考訳（メタデータ） (2023-05-26T21:39:05Z)
• A Comparison of Decision Forest Inference Platforms from A Database Perspective [4.873098180823506]
  決定森林は、クレジットカード詐欺の検出、ランキング、ビジネスインテリジェンスなど、多くの産業シナリオで使われている最も一般的な機械学習手法の1つである。 ONNX、AmazonのTreeLite、GoogleのDecision Forest、MicrosoftのHummingBird、Nvidia FIL、Leavesなど、多くのフレームワークが開発され、決定森林の推測に費やされた。
  論文  参考訳（メタデータ） (2023-02-09T04:07:50Z)
• Deep Learning Driven Natural Languages Text to SQL Query Conversion: A Survey [2.309914459672557]
  本稿では,近年研究されている24のニューラルネットワークモデルについて概観する。 TEXT2技術のモデルのトレーニングに広く使用されている11のデータセットの概要も紹介する。
  論文  参考訳（メタデータ） (2022-08-08T20:54:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。