Veri Göçü Sonrasında Çizge Veri Tabanları Üzerinde Desenlerin İncelenmesi

Yıl 2021, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special, 329 - 334, 20.10.2021

Ramazan Altın A. Cumhur Kınacı

https://doi.org/10.53070/bbd.990869

Öz

İlişkisel veri tabanları uzun yıllardır verileri saklamak ve saklanan veriler üzerinde işlem yapmak amacıyla kullanılmaktadırlar. Büyük veri kavramının ortaya çıkması ile birlikte depolama ve performans sorunları ilişkisel veri tabanlarında çözüm aranan konular haline gelmiştir. Çok fazla tabloyu ilişkilendirmenin getirdiği maliyetin artması son yıllarda NoSQL veri tabanlarına ilgiyi arttırmıştır. NoSQL veri tabanı türü olan çizge veri tabanları düzensiz verileri iyi yönetmesi ve ölçeklenebilirliğinin kolay olması nedeniyle yaygın hale gelmektedir. Veri paylaşımının çok fazla olduğu sosyal medya uygulamaları başta olmak üzere pek çok yazılım, kullanmakta olduğu ilişkisel veri tabanlarından çizge veri tabanlarına geçmek için veri göçüne ihtiyaç duymaktadır. Bu çalışmada ilişkisel veri tabanından çizge veri tabanına iki farklı yöntem kullanarak veri göçü gerçekleştirebilen yazılım geliştirilmiştir. Her iki yöntemde herhangi bir veri kaybı olmaksızın veri göçü gerçekleştirilmiştir. Veri göçü sonucunda çizge veri tabanları üzerinde düğümler ve bağlantılar farklı şekillerde oluşturulabilmektedir. Bu sayede farklı ihtiyaçlara yönelik olan yazılımların kullanımına uygun şekilde çizge veri tabanları tasarlanabilmektedir. Kullanım alanına göre desen oluşturmanın sorgu süresine ve depolamaya olan etkileri çalışma kapsamında ele alınmıştır.

Anahtar Kelimeler

İlişkisel veri tabanı, Çizge veri tabanı, Büyük veri, NoSQL

Kaynakça

• Haerder, T., & Reuter, A. (1983). Principles of transaction-oriented database recovery. ACM Computing Surveys (CSUR), 15(4), 287–317. https://doi.org/10.1145/289.291
• Tang, E., & Fan, Y. (2016, November). Performance comparison between five NoSQL databases. In 2016 7th International Conference on Cloud Computing and Big Data (CCBD) (pp. 105-109). IEEE.
• Miller, J. J. (2013, March). Graph database applications and concepts with Neo4j. In Proceedings of the southern association for information systems conference, Atlanta, GA, USA (Vol. 2324, No. 36).
• Jia, T., Zhao, X., Wang, Z., Gong, D., & Ding, G. (2016, June). Model transformation and data migration from relational database to MongoDB. In 2016 IEEE International Congress on Big Data (BigData Congress) (pp. 60-67). IEEE.
• Petković, D. (2017). JSON integration in relational database systems. Int J Comput Appl, 168(5), 14-19.
• Constantinov, C. Iordache, L., Georgescu, A., Popescu, P. Ş., & Mocanu, M. (2018, October). Performing social data analysis with neo4j: Workforce trends & corporate information leakage. In 2018 22nd International Conference on System Theory, Control and Computing (ICSTCC) (pp. 403-406). IEEE.
• Pokorný, J., Valenta, M., & Troup, M. (2018, July). Graph Pattern Index for Neo4j Graph Databases. In International Conference on Data Management Technologies and Applications (pp. 69-90). Springer, Cham.