Aplikace metod umělé inteligence pro zlepšení úložné strategie v multi-modelových databázových systémech: Přehled
An application of AI methods for refining the storage strategy in multi-model database systems: A survey
bachelor thesis (DEFENDED)
View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/183075Identifiers
Study Information System: 256787
Collections
- Kvalifikační práce [11217]
Author
Advisor
Consultant
Bártík, Jáchym
Referee
Holubová, Irena
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
Computer Science with specialisation in Artificial Intelligence
Department
Department of Software Engineering
Date of defense
29. 6. 2023
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Czech
Grade
Excellent
Keywords (Czech)
Vícemodelová data|Výběr Indexů|Databázové Systémy|Zpětnovazební Učení|PřehledKeywords (English)
Multi-Model Data|Index Selection|Database Management Systems|Reinforcement Learning|SurveyMulti-Modelové databázové systémy kombinujú výhody tradičných a NoSQL databá- zových systémov. Správa týchto systémov je však náročná, pretože používatelia musia sami navrhnúť vhodnú stratégiu ukladania svojich dát. Jedným z najvplyvnejších fak- torov v stratégii ukladania dát je výber indexov. Indexy môžu výrazne zlepšiť rýchlosť výkonávania dotazov, ale vyžadujú dodatočné miesto na úložisku a ďalšie náklady na údržbu. Problém výberu indexov je v akadémií aj v priemysle veľmi známy a často skúmaný problém. Väčšina výskumu sa však zameriava na databázové systémy, ktoré podporujú iba jeden model dát. Výskum v kontexte multi-modelových databázových systémov zatiaľ chýba. Náš príspevok k riešeniu tohto problému je prehľad súčasných algoritmov na výber in- dexov a ich aplikovateľnosť na rozličné databázové systémy. Naše výsledky odhaľujú silné a slabé stránky existujúcich algoritmov a poukazujú na potrebu špecializovaných algorit- mov pre multi-modelové databázové systémy. Okrem toho formulujeme otvorené otázky a navrhnujeme budúce smerovanie výskumu v tejto oblasti. Naša práca predstavuje základný kameň pre vývoj efektívnych algoritmov na výber indexov pre multi-modelové databázové systémy. 1
Multi-Model database systems combine the advantages of traditional and NoSQL database systems. However, the management of these systems is challenging, as users have to design an appropriate storage strategy for their data. One of the most influential factors in the storage strategy is the selection of indexes. Indexes can significantly improve query performance, but they require additional storage space and maintenance overhead. Index selection problem is well-studied in the context of single-model Database Management Systems (DBMSs), but there is a lack of research in the context of multi-model database systems. We address this problem by conducting a survey of current state-of-the-art index selection algorithms and evaluating their applicability to other DBMSs. The results reveal the strengths and weaknesses of existing algorithms and highlight the need for specialized algorithms for multi-model database systems. Moreover, we formulate open questions and suggest future research directions in this field. Our research provides a foundation for the development of efficient index selection algorithms for multi-model DBMSs. 1