Wykonywanie zapytań zwiększających złożoność w relacyjnych (MySQL) i NoSQL (MongoDB i EXist) bazach danych EHR zgodnych z normą ISO/EN 13606

Ogólnym celem tego eksperymentu jest porównanie złożoności obliczeniowej relacyjnych i nierelacyjnych, nie tylko ustrukturyzowanych języków zapytań lub systemów baz danych NoSQL, mierzonej ich czasem odpowiedzi na zapytania o rosnącej złożoności. Ta metoda może pomóc w udzieleniu odpowiedzi na kluczowe pytania w dziedzinie systemów zarządzania bazami danych, takie jak to, które zapytania są bardziej odpowiednie dla danego rodzaju systemów baz danych. Główną zaletą tej techniki jest to, że porównuje ona czasy odpowiedzi na zapytania dla podwójnej bazy danych każdego typu wraz ze złożonością obliczeniową, która ma zostać obliczona, a więc ta metoda może zapewnić wgląd w MySQL MongoDB i nadmiarowe systemy baz danych.

Może być również stosowany do innych relacyjnych systemów opartych na dokumentach i natywnych systemach XML, takich jak SQL Server i base X. Po raz pierwszy słyszeliśmy, że są tam dla tej metody, gdy musimy wybrać trwały system dla systemów elektronicznej dokumentacji medycznej. Projektowanie i wykonywanie zapytań zwiększających złożoność z nieautomatycznie budowanymi indeksami w relacyjnej bazie danych MySQL. Połącz się z serwerem MySQL i wybierz nazwę bazy danych.

Wybierz tabelę relacyjną w polu indeksu i otwórz zakładkę struktura. Wybierz kolumnę, w której zostanie zbudowany indeks i kliknij indeks. Pojawi się zdanie SQL budujące indeks, a następnie komunikat informujący, że zdanie zostało pomyślnie zbudowane.

Aby wykonać pierwsze zapytanie, wybierz nazwę bazy danych i otwórz zakładkę SQL. Wprowadź kod SQL pierwszego zapytania i kliknij przycisk kontynuacji. Pojawi się pierwszy ekran listy wyników z komunikatem dotyczącym czasu wykonania zapytania.

Aby zaprojektować i wykonać zapytania zwiększające złożoność i nierelacyjne, nie tylko lub NoSQL Mongo Database uruchamia graficzną interakcję użytkownika bazy danych Mongo i serwer bazy danych Mongo 2.6 wykonując program Mongo z okna systemu DOS. Podłącz graficzną interakcję użytkownika bazy danych Mongo z lokalnym serwerem hosta przez port 27017 i wybierz menu Połącz. Wprowadź nazwę połączenia i wprowadź lokalizację hosta lokalnego w polu tekstowym serwera bazy danych, a następnie kliknij przycisk Połącz.

Powinno pojawić się drzewo z aktualnymi bazami danych. Rozwiń bazę danych Mongo. Wybierz interesującą Cię kolekcję i otwórz menu kolekcji.

Aby wykonać pierwsze zapytanie do bazy danych Mongo, kliknij dwukrotnie przycisk kreatora zapytań i pola zapytania. Wprowadź pola zapytania bazy danych Mongo w polu tekstowym pól panelu zapytania, a wartość zapytania w polu tekstowym wartości panelu zapytania. Kliknij dwukrotnie pole projekcji kreatora zapytań i wprowadź pierwszą projekcję w polu tekstowym projekcji.

Kliknij dwukrotnie pole projekcji, aby dodać nowe pole tekstowe projekcji i wprowadź drugą projekcję, a następnie kliknij, odtwórz, aby wykonać zapytanie i zwizualizować kod zapytania na karcie kodu zapytania. Szczegóły wyniku będą widoczne w zakładce wyjaśnienia i wyniki. Aby zaprojektować i wykonać zapytania o rosnącej złożoności w bazie danych NoSQL EXist, uruchom bazę danych EXist i otwórz klienta Java Admin.

Kliknij, połącz się z bazą danych i wybierz bazę danych. Kliknij, skonsultuj się z bazą danych za pomocą ścieżki X. Pojawi się okno dialogowe konsultacji.

Następnie wykonaj pierwsze zapytanie o ścieżkę X. W tej tabeli przedstawiono sześć różnych zapytań przeprowadzonych na realistycznych, standaryzowanych wyciągach z elektronicznej dokumentacji medycznej zawierających informacje o problemach pacjentów, w tym ich imiona i nazwiska, daty początkowe i końcowe oraz ciężkość. Średni czas odpowiedzi dla sześciu zapytań i trzech baz danych o podwojonym rozmiarze w każdym systemie zarządzania bazami danych pokazuje długie liniowe zachowanie złożoności obliczeniowej we wszystkich zapytaniach nierelacyjnych baz danych, które nie jest obserwowane w analizie bazy danych mapowania relacyjnego obiektów relacyjnych.

Interpolacja wyników bazy danych Mongo z podobnymi zapytaniami i rozmiarami bazy danych archetypu wyników mapowania relacyjnego generuje równe wyniki w obu systemach baz danych dla pierwszego zapytania, ale z korzystniejszymi wynikami określonymi przy użyciu bazy danych Mongo dla trzeciego zapytania. W eksperymentach współbieżności baza danych Mongo jest lepsza niż baza danych MySQl zarówno pod względem przepływności, jak i czasu odpowiedzi, przy czym baza danych Mongo zachowuje się lepiej pod względem współbieżności niż izolacja i jest imponującą bazą danych w współbieżnym wykonywaniu. Cóż, pomyślałem, że ważne jest, aby pamiętać, aby utrzymywać wszystkie serwery lokalnie na tych samych maszynach, gdy klient wykonuje zapytania.

Zgodnie z tą procedurą można zastosować inne metody, takie jak użycie innych rodzajów systemów baz danych, aby odpowiedzieć na dodatkowe pytania, takie jak: czy typ bazy danych może istnieć i wygrywać zarówno w pojedynczych, jak i wszystkich zapytaniach pacjentów? Po jej opracowaniu technika ta utorowała drogę badaczom zajmującym się złożonością algorytmiczną do badania porównawczej wydajności baz danych w różnych rodzajach systemów baz danych. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak wykonywać zapytania zwiększające złożoność w rosnących bazach danych systemów baz danych bardzo różnych rodzajów.