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
- Evaluating the Data Model Robustness of Text-to-SQL Systems Based on
Real User Queries [4.343983685049737]
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) - LESS: Selecting Influential Data for Targeted Instruction Tuning [69.50855460630105]
本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。
LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。
我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
論文 参考訳(メタデータ) (2024-02-06T19:18:04Z) - Enhancing Text-to-SQL Translation for Financial System Design [5.248014305403357]
様々なNLPタスクの最先端技術を実現したLarge Language Models (LLMs) について検討する。
本稿では,関係クエリ間の類似性を適切に測定する2つの新しい指標を提案する。
論文 参考訳(メタデータ) (2023-12-22T14:34:19Z) - DBCopilot: Scaling Natural Language Querying to Massive Databases [49.366970974952125]
既存の方法は、大規模で動的に変化するデータベースを扱う際に、スケーラビリティの課題に直面します。
本稿では,DBCopilotについて紹介する。DBCopilotは,大規模データベース間のルーティングにコンパクトで柔軟なコピロットモデルを用いるフレームワークである。
論文 参考訳(メタデータ) (2023-12-06T12:37:28Z) - Serving Deep Learning Model in Relational Databases [72.72372281808694]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL-Centricアーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF-Centricアーキテクチャは、データベースシステム内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - Text-to-SQL Empowered by Large Language Models: A Benchmark Evaluation [76.76046657162306]
大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。
大規模言語モデル(LLM)はテキスト・ツー・タスクの新しいパラダイムとして登場した。
論文 参考訳(メタデータ) (2023-08-29T14:59:54Z) - Can LLM Already Serve as A Database Interface? A BIg Bench for
Large-Scale Database Grounded Text-to-SQLs [89.68522473384522]
テキストから効率のよいタスクをベースとした大規模データベースのための大規模なベンチマークであるBirdを紹介します。
データベースの値に重点を置いていると、汚いデータベースコンテンツに対する新たな課題が浮き彫りになる。
最も効果的なテキストから効率のよいモデルであるChatGPTでさえ、実行精度はわずか40.08%である。
論文 参考訳(メタデータ) (2023-05-04T19:02:29Z) - Neural Graph Reasoning: Complex Logical Query Answering Meets Graph
Databases [63.96793270418793]
複雑な論理クエリ応答(CLQA)は、グラフ機械学習の最近登場したタスクである。
ニューラルグラフデータベース(NGDB)の概念を紹介する。
NGDBはNeural Graph StorageとNeural Graph Engineで構成されている。
論文 参考訳(メタデータ) (2023-03-26T04:03:37Z) - 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) - Baihe: SysML Framework for AI-driven Databases [33.47034563589278]
Baiheを使用することで、既存のリレーショナルデータベースシステムは、クエリ最適化やその他の一般的なタスクのために学習済みのコンポーネントを使用するように再構成することができる。
Baiheのハイレベルアーキテクチャは、コアシステムからの分離、最小限のサードパーティ依存性、ロバスト性、安定性、フォールトトレランスといった要件に基づいている。
論文 参考訳(メタデータ) (2021-12-29T09:00:07Z)
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。