관계형 (MySQL)에 NoSQL 복잡성 증가 하는 쿼리를 실행 (MongoDB 존재) ISO/EN 13606 표준화 EHR 데이터베이스 크기 증가

이 실험의 전반적인 목표는 복잡성 증가 쿼리에 대한 응답 시간으로 측정된 구조화된 쿼리 언어 또는 NoSQL 데이터베이스 시스템뿐만 아니라 관계형 및 비관계형의 계산 복잡성을 비교하는 것입니다. 이 방법은 어떤 종류의 쿼리가 어떤 종류의 데이터베이스 시스템에 더 적합한지와 같은 데이터베이스 관리 시스템 분야의 주요 질문에 답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 계산할 계산 복잡성과 함께 각 유형의 이중 데이터베이스에 대한 쿼리에 대한 응답 시간을 비교하므로 이 방법은 MySQL, MongoDB 및 초과 데이터베이스 시스템에 대한 통찰력을 제공할 수 있다는 것입니다.

그것은 또한 SQL 서버와 기본적인 X.We.We 우리가 전자 건강 기록 체계를 위한 지속적인 체계를 선택해야 할 때 이 방법을 위해 거기 첫번째로 들었과 같은 다른 관계적인 문서 기초를 두는 그리고 원시 XML 체계에 적용될 수 있다. 복잡성을 설계하고 실행하기 위해 관계형 MySQL 데이터베이스에서 자동으로 구축되지 않은 인덱스로 쿼리를 증가시킵니다. MySQL 서버에 연결하고 데이터베이스 이름을 선택합니다.

index 필드 내에서 관계형 테이블을 선택하고 structure 탭을 엽니다. 인덱스가 작성될 열을 선택하고 index를 클릭합니다. 인덱스를 작성하는 SQL 문장이 나타나고 문장이 성공적으로 작성되었다는 메시지가 표시됩니다.

첫 번째 쿼리를 실행하려면 데이터베이스 이름을 선택하고 SQL 탭을 엽니다. 첫 번째 쿼리의 SQL 코드를 입력하고 계속을 클릭합니다. 결과 목록의 첫 번째 화면에 쿼리 실행 시간에 대한 메시지가 표시됩니다.

복잡해지는 쿼리와 비 관계형을 설계하고 실행하려면 NoSQL Mongo Database를 시작하거나 Mongo 데이터베이스 그래픽 사용자 인터페이스 및 Mongo 데이터베이스 2.6 서버를 DOS 시스템 창에서 Mongo 프로그램을 실행합니다. 포트 27017을 통해 Mongo 데이터베이스 그래픽 사용자 인터페이즈를 로컬 호스트 서버에 연결하고 연결 메뉴를 선택합니다. 연결 이름을 입력하고 데이터베이스 서버 텍스트 상자에 로컬 호스트 위치를 입력한 다음 연결을 클릭합니다.

현재 데이터베이스가 있는 트리가 나타나야 합니다. Mongo 데이터베이스를 확장합니다. 관심 있는 컬렉션을 선택하고 컬렉션 메뉴를 엽니다.

첫 번째 Mongo 데이터베이스 쿼리를 실행하려면 쿼리 빌더와 쿼리 필드 버튼을 두 번 클릭합니다. Mongo 데이터베이스 쿼리의 필드를 쿼리 패널의 필드 텍스트 상자에 입력하고 쿼리 패널의 값 텍스트 상자에 쿼리 값을 입력합니다. 쿼리 빌더의 프로젝션 필드를 두 번 클릭하고 프로젝션 텍스트 상자에 첫 번째 프로젝션을 입력합니다.

프로젝션 필드를 두 번 클릭하여 새 프로젝션 텍스트 상자를 추가하고 두 번째 프로젝션을 입력한 다음 클릭하고 재생하여 쿼리를 실행하고 쿼리 코드 탭에서 쿼리 코드를 시각화합니다. 결과의 세부 정보는 설명 및 결과 탭에서 볼 수 있습니다. NoSQL EXist 데이터베이스에서 점점 더 복잡해지는 쿼리를 설계하고 실행하려면 EXist 데이터베이스를 시작하고 java admin 클라이언트를 엽니다.

클릭하여 데이터베이스에 연결하고 데이터베이스를 선택합니다. 클릭하여 X 경로를 사용하여 데이터베이스를 참조하십시오. 상담 대화 상자가 나타납니다.

그런 다음 첫 번째 X 경로 쿼리를 실행합니다. 이 표에는 환자의 이름, 초기 및 최종 날짜, 심각도를 포함하여 환자의 문제에 대한 정보가 포함된 현실적이고 표준화된 전자 건강 기록 추출물에 대해 수행된 6개의 서로 다른 쿼리가 표시됩니다. 각 데이터베이스 관리 시스템에서 6개의 쿼리와 3개의 2배 크기 데이터베이스의 평균 응답 시간은 관계형 객체 관계형 매핑 데이터베이스 분석에서 관찰되지 않는 비관계형 데이터베이스의 모든 쿼리에 걸쳐 계산 복잡성의 긴 선형 동작을 보여줍니다.

Mongo 데이터베이스 결과를 원형(Archetype) 관계형 매핑 결과의 유사한 쿼리 및 데이터베이스 크기로 보간하면 첫 번째 쿼리에 대해 두 데이터베이스 시스템에서 동일한 결과가 생성되지만 세 번째 쿼리에 대해 Mongo 데이터베이스를 사용하여 결정된 더 유리한 결과가 생성됩니다. 동시성 실험에서 Mongo 데이터베이스는 처리량과 응답 시간 모두에서 MySQl 데이터베이스보다 선호되며, Mongo 데이터베이스는 격리보다 동시성에서 더 잘 작동하고 동시 실행에서 인상적인 데이터베이스로 유지됩니다. 글쎄, 나는 이것이 클라이언트가 쿼리를 수행하는 것과 동일한 시스템에서 모든 서버를 로컬로 유지하는 것을 기억하는 것이 중요하다고 생각했습니다.

이 절차에 따라 다른 종류의 데이터베이스 시스템을 사용하는 것과 같은 다른 방법을 수행하여 데이터베이스 유형이 존재하고 단일 및 모든 환자 쿼리 모두에서 승리할 수 있는지와 같은 추가 질문에 답할 수 있습니다. 개발 후 이 기술은 알고리즘 복잡성 분야의 연구자들이 다양한 종류의 데이터베이스 시스템에서 비교 데이터베이스 성능을 탐색할 수 있는 길을 열었습니다. 이 비디오를 시청한 후에는 매우 다양한 종류의 데이터베이스 시스템의 데이터베이스 크기가 커짐에 따라 복잡성이 증가하는 쿼리를 실행하는 방법을 잘 이해하게 될 것입니다.