1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/43389
Назва: Дослідження програмних архітектур SQL та NoSQL баз даних для потреб "розумних міст"
Інші назви: Software architectures research on SQL and NoSQL Database for "Smart cities"
Автори: Онуферко, Віталій Андрійович
Onuferko, Vitalii Andriiovych
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Бібліографічний опис: Онуферко В. А. Дослідження програмних архітектур SQL та NoSQL баз даних для потреб "розумних міст" : кваліфікаційна робота освітнього рівня „Магістр“ „122 – комп’ютерні науки“ / В.А. Онуферко. – Тернопіль : ТНТУ, 2023. – 75 с.
Дата публікації: 27-гру-2023
Дата подання: 13-гру-2023
Дата внесення: 6-січ-2024
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Науковий керівник: Матійчук, Любомир Павлович
Члени комітету: Михалик, Дмитро Михайлович
УДК: 004.9
Теми: агрегація
aggregation
бази даних
databases
великі дані
big data
порівняння
comparison
розумне місто
smart city
MapReduce
NoSQL
SQL
Короткий огляд (реферат): Кваліфікаційна робота присв’ячена розробці дослідженню програмних архітектур SQL та NoSQL баз даних для потреб «розумних міст». В першому розділі кваліфікаційної роботи освітнього рівня «Магістр» висвітлено актуальність дослідження предметної області використання SQL та NoSQL баз даних у «розумних містах». Описано стан проблемної області використання SQL та NoSQL баз даних для «розумних міст». Подано критерії пошуку наукових публікацій щодо використання SQL та NoSQL баз даних у«розумних містах». Розглянуто задіяні пошукові ресурси. Сформовано стратегію наукометричного пошуку матеріалів щодо використання SQL та NoSQL баз даних для «розумних міст». Описано процес і критерії відбору наукових публікацій. В другому розділі кваліфікаційної роботи проведено аналіз і класифікацію результатів наукометричного пошуку. Подано результати пошуку наукових публікацій. Проаналізовано результати наукометричного пошуку. Виконано моделювання даних NoSQL MongoDB для потреб «розумних міст». В третьому розділі кваліфікаційної роботи описано ефективність DBaaS, взаємодія та переносимість даних у різних NoSQL базах даних «розумних міст». Проведено обговорення та класифікація особливостей використання різнотипових баз даних в проектах класу «розумне місто». Висвітлено прогалини між різнотиповими базами даних «розумних міст». Подано результати дослідження програмних архітектур SQL та NoSQL баз даних для потреб «розумних міст». The qualification work is devoted to the development and research of software architectures of SQL and NoSQL databases for the needs of "smart cities". In the first section of the qualifying work of the "Master's" educational level, the relevance of research in the subject area of the use of SQL and NoSQL databases in "smart cities" is highlighted. The state of the problem area of using SQL and NoSQL databases for "smart cities" is described. The search criteria for scientific publications on the use of SQL and NoSQL databases in "smart cities" are provided. The search resources involved are considered. A strategy for scientometric search for materials on the use of SQL and NoSQL databases for "smart cities" was formed. The process and criteria for selecting scientific publications are described. In the second section of the qualification work, the analysis and classification of the results of the scientometric search was carried out. The results of the search for scientific publications are presented. The results of the scientometric search were analyzed. Performed modeling of NoSQL MongoDB data for the needs of "smart cities". The third chapter of the qualification paper describes the effectiveness of DBaaS, interoperability and data portability in various NoSQL databases of "smart cities". The discussion and classification of the features of the use of various types of databases in projects of the "smart city" class was carried out. Gaps between various databases of "smart cities" are highlighted. The results of the study of software architectures of SQL and NoSQL databases for the needs of "smart cities" are presented.
Зміст: ВСТУП 8 1 СТАН ПРЕДМЕТНОЇ ОБЛАСТІ ВИКОРИСТАННЯ SQL ТА NOSQL БАЗ ДАНИХ У «РОЗУМНИХ МІСТАХ» ТА ОРГАНІЗАЦІЯ ПРОЦЕСІВ НАУКОМЕТРИЧНОГО ПОШУКУ 11 1.1 Актуальність дослідження предметної області використання SQL та NoSQL баз даних у «розумних містах» 11 1.2 Стан проблемної області використання SQL та NoSQL баз даних для «розумних міст» 15 1.3 Критерії пошуку наукових публікацій щодо використання SQL та NoSQL баз даних у«розумних містах» 16 1.4 Задіяні пошукові ресурси 17 1.5 Стратегія наукометричного пошуку матеріалів щодо використання SQL та NoSQL баз даних для «розумних міст» 18 1.6 Процес і критерії відбору наукових публікацій 19 1.7 Критерії включення наукових публікацій 20 1.8 Критерії виключення наукових публікацій 21 1.9 Збір і вилучення даних щодо наукових публікацій 21 1.10 Висновок до першого розділу 22 2 АНАЛІЗ РЕЗУЛЬТАТІВ НАУКОМЕТРИЧНОГО ПОШУКУ ЩОДО ВИКОРИСТАННЯ SQL ТА NOSQL БАЗ ДАНИХ У «РОЗУМНИХ МІСТАХ» 23 2.1 Аналіз і класифікація результатів наукометричного пошуку 23 2.2 Результати пошуку наукових публікацій 23 2.3 Аналіз результатів наукометричного пошуку 27 2.4 Моделювання даних NoSQL MongoDB для потреб «розумних міст» 37 2.5 Висновок до другого розділу 39 3 ДОСЛІДЖЕННЯ ОСОБЛИВОСТЕЙ ВИКОРИСТАННЯ РІЗНИХ SQL І NOSQL БАЗАХ ДАНИХ «РОЗУМНИХ МІСТ» 40 3.1 Ефективність DBaaS, взаємодія та переносимість даних у різних NoSQL базах даних «розумних міст» 40 3.2 Обговорення та класифікація особливостей використання різнотипових баз даних в проектах класу «розумне місто» 44 3.3 Прогалини між різнотиповими базами даних «розумних міст» 50 3.4 Результати дослідження програмних архітектур SQL та NoSQL баз даних для потреб «розумних міст» 53 3.5 Висновок до третього розділу 54 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 55 4.1 Долікарська допомога при контузіях 55 4.2 Фактори що впливають на функціональний стан користувача комп'ю тера 57 4.3 Висновок до четвертого розділу 63 ВИСНОВКИ 64 ПЕРЕЛІК ДЖЕРЕЛ 66 ДОДАТКИ
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/43389
Власник авторського права: © Онуферко Віталій Андрійович, 2023
Перелік літератури: 1. Siddiqa, A.; Hashem, I.A.T.; Yaqoob, I.; Marjani, M.; Shamshirband, S.; Gani, A.; Nasaruddin, F. A survey of big data management: Taxonomy and state-of-the-art. J. Netw. Comput. Appl. 2016, 71, 151–166.
2. Kunanets N. et al. (2021) Designing the Repository of Documentary Cultural Heritage. In: Shakhovska N., Medykovskyy M.O. (eds) Advances in Intelligent Systems and Computing V. CSIT 2020. Advances in Intelligent Systems and Computing, vol 1293, pp 1034-1044. Springer, Cham. ISBN978-3-030-63270-0.
3. Kong, X.; Shi, Y.; Yu, S.; Liu, J.; Xia, F. Academic social networks: Modeling, analysis, mining and applications. J. Netw. Comput. Appl. 2019, 132, 86–103.
4. Ordonez, C. Optimization of Linear Recursive Queries in SQL. IEEE Trans. Knowl. Data Eng. 2009, 22, 264–277.
5. Obasanjo, D. Building scalable Databases: Denormalization, the NoSQL movement and Digg. 2009.
6. Strozzi, C. NoSQL—A Relational Database Management System. 2007–2010. Available online: http//www.strozzi.it/cgi-bin/ CSA/tw7/I/en_US/nosql/Home%20Page.
7. George, S. NoSQL—NOT ONLY SQL. Int. J. Enterp. Comput. Bus. Syst. 2013, 2.
8. Mansouri, Y.; Prokhorenko, V.; Babar, M.A. An automated implementation of hybrid cloud for performance evaluation of distributed databases. J. Netw. Comput. Appl. 2020, 167, 102740.
9. Kumari, A.; Tanwar, S.; Tyagi, S.; Kumar, N.; Parizi, R.M.; Choo, K.-K.R. Fog data analytics: A taxonomy and process model. J. Netw. Comput. Appl. 2019, 128, 90–104.
10. Bodnarchuk I., Duda O., Kharchenko A., Kunanets N., Matsiuk O., Pasichnyk V. Choice method of analytical information-technology platform for projects associated to the smart city class. ICTERI 2020 ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer Proceedings of the 14th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. Volume I: Main Conference р.317-330.
11. Kitchenham, B.; Charters, S. Guidelines for Performing Systematic Literature Reviews in Software Engineering; Keele University: Keele, UK, 2007.
12. Hosseinzadeh, S.; Rauti, S.; Laurén, S.; Mäkelä, J.-M.; Holvitie, J.; Hyrynsalmi, S.; Leppänen, V. Diversification and obfuscation techniques for software security: A systematic literature review. Inf. Softw. Technol. 2018, 104, 72–93.
13. Khan, Wisal, et al. "SQL and NoSQL Database Software Architecture Performance Analysis and Assessments—A Systematic Literature Review." Big Data and Cognitive Computing 7.2 (2023): 97.
14. Petersen, K.; Vakkalanka, S.; Kuzniarz, L. Guidelines for conducting systematic mapping studies in software engineering: An update. Inf. Softw. Technol. 2015, 64, 1–18.
15. Badampudi, D.; Wohlin, C.; Petersen, K. Experiences from using snowballing and Database searches in systematic literature studies. In Proceedings of the 19th International Conference on Evaluation and Assessment in Software Engineering, Nanjing, China, 27–29 April 2015; p. 17.
16. Ravi, K.; Khandelwal, Y.; Krishna, B.S.; Ravi, V. Analytics in/for cloud-an interdependence: A review. J. Netw. Comput. Appl. 2018, 102, 17–37.
17. Petersen, K.; Gencel, C. Worldviews, research methods, and their relationship to validity in empirical software engineering research. In Proceedings of the 2013 Joint Conference of the 23rd International Workshop on Software Measurement and the 8th International Conference on Software Process and Product Measurement, Ankara, Turkey, 23–26 October 2013; pp. 81–89.
18. Alsolai, H.; Roper, M. A systematic literature review of machine learning techniques for software maintainability prediction. Inf. Softw. Technol. 2020, 119, 106214.
19. Rodrigues, M.; Santos, M.Y.; Bernardino, J. Big data processing tools: An experimental performance evaluation. Wiley Interdiscip. Rev. Data Min. Knowl. Discov. 2019, 9, e1297.
20. Hou, B.; Qian, K.; Li, L.; Shi, Y.; Tao, L.; Liu, J. MongoDB NoSQL injection analysis and detection. In Proceedings of the 2016 IEEE 3rd International Conference on Cyber Security and Cloud Computing (CSCloud), Beijing, China, 25–27 June 2016; pp. 75–78.
21. Padhy, R.P.; Patra, M.R.; Satapathy, S.C. RDBMS to NoSQL: Reviewing some next-generation non-relational Database’s. Int. J. Adv. Eng. Sci. Technol. 2011, 11, 15–30.
22. El Mouden, Z.A.; Jakimi, A.; Hajar, M.; Boutahar, M. Graph Schema Storage in SQL Object-Relational Database and NoSQL Document-Oriented Database: A Comparative Study. In Proceedings of the International Conference Europe Middle East & North Africa Information Systems and Technologies to Support Learning, Marrakech, Morocco, 21–23 November 2019; pp. 176–183.
23. Rathika, V. Graph-Based Denormalization for Migrating Big Data from SQL Database to NoSQL Database. In Proceedings of the Intelligent Communication Technologies and Virtual Mobile Networks, Tirunelveli, India, 14–15 February 2019; pp. 546–556.
24. Jung, M.-G.; Youn, S.-A.; Bae, J.; Choi, Y.-L. A study on data input and output performance comparison of MongoDB and PostgreSQL in the big data environment. In Proceedings of the 2015 8th International Conference on Database Theory and Application (DTA), Jeju Island, Republic of Korea, 28–25 November 2015; pp. 14–17.
25. Fatima, H.; Wasnik, K. Comparison of SQL, NoSQL and NewSQL Databases for internet of things. In Proceedings of the 2016 IEEE Bombay Section Symposium (IBSS), Maharashtra, India, 21–22 December 2016; pp. 1–6.
26. Wei-Ping, Z.; Ming-Xin, L.I.; Huan, C. Using MongoDB to implement textbook management system instead of MySQL. In Proceedings of the 2011 IEEE 3rd International Conference on Communication Software and Networks, Xian, China, 27–29 May 2011; pp. 303–305.
27. Duda, O., et al, Selection of Effective Methods of Big Data Analytical Processing in Information Systems of Smart Cities. CEUR Workshop Proceedings 2631, pp. 68-78. 2020.
28. Ray, P.P.; Dash, D.; De, D. Edge computing for Internet of Things: A survey, e-healthcare case study and future direction. J. Netw. Comput. Appl. 2019, 140, 1–22.
29. Aghi, R.; Mehta, S.; Chauhan, R.; Chaudhary, S.; Bohra, N. A comprehensive comparison of SQL and MongoDB Databases. Int. J. Sci. Res. Publ. 2015, 5, 1–
30. Faraj, A.; Rashid, B.; Shareef, T. Comparative study of relational and non-relations Database performances using Oracle and MongoDB systems. J. Impact Factor 2014, 5, 11–22.
31. Singh, A. Data Migration from Relational Database to MongoDB. Glob. J. Comput. Sci. Technol. 2019.
32. Pereira, D.A.; de Morais, W.O.; Pignaton de Freitas, E. NoSQL real-time Database performance comparison. Int. J. Parallel Emergent Distrib. Syst. 2018, 33, 144–156.
33. Duda, O., Pasichnyk, V., Kunanets, N., Antonii, R., Matsiuk, O. Multidimensional Representation of COVID-19 Data Using OLAP Information Technology. International Scientific and Technical Conference on Computer Sciences and Information Technologies, 2020, 2, pp. 277–280, 9321889.
34. Miranskyy, A.V.; Al-zanbouri, Z.; Godwin, D.; Bener, A.B. Database engines: Evolution of greenness. J. Softw. Evol. Process. 2017, 30, e1915.
35. Stanescu, L.; Brezovan, M.; Burdescu, D.D. Automatic mapping of MySQL Databases to NoSQL MongoDB. In Proceedings of the 2016 Federated Conference on Computer Science and Information Systems (FedCSIS), Gdansk, Poland, 11–14 September 2016; pp. 837–840.
36. Chapple, M. The Acid Model. Available online: http//Databases.about.com/od/specificproducts/a/acid.htm.
37. Chandra, D.G. BASE analysis of NoSQL database. Futur. Gener. Comput. Syst. 2015, 52, 13–21.
38. Zhao, G.; Huang, W.; Liang, S.; Tang, Y. Modeling MongoDB with relational model. In Proceedings of the 2013 Fourth International Conference on Emerging Intelligent Data and Web Technologies, Washington, DC, USA, 9–11 September 2013; pp. 115–121.
39. Gonzalez-Aparicio, M.T.; Younas, M.; Tuya, J.; Casado, R. Evaluation of ACE properties of traditional SQL and NoSQL big data systems. In Proceedings of the 34th ACM/SIGAPP Symposium on Applied Computing, Limassol, Cyprus, 8–12 April 2019; pp. 1988–1995.
40. Lee, C.-H.; Zheng, Y.-L. Automatic SQL-to-NoSQL schema transformation over the MySQL and HBase Databases. In Proceedings of the 2015 IEEE International Conference on Consumer Electronics-Taiwan, Taipei, Taiwan, 6–8 June 2015; pp. 426–427.
41. Kuzochkina, A.; Shirokopetleva, M.; Dudar, Z. Analyzing and Comparison of NoSQL DBMS. In Proceedings of the 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T), Kharkov, Ukraine, 9–12 October 2018; pp. 560–564.
42. Anand, V.; Rao, C.M. MongoDB and Oracle NoSQL: A technical critique for design decisions. In Proceedings of the 2016 International Conference on Emerging Trends in Engineering, Technology and Science (ICETETS), Pudukkottai, India, 24–16 April 2016; pp. 1–4.
43. Simanjuntak, H.T.A.; Simanjuntak, L.; Situmorang, G.; Saragih, A. Query Response Time Comparison NOSQLDB MONGODB with SQLDB Oracle. JUTI J. Ilm. Teknol. Inf. 2015, 13, 95–105.
44. Dean, J.; Ghemawat, S. MapReduce: Simplified data processing on large clusters. Commun. ACM 2008, 51, 107–113.
45. Pokorný, J. Database technologies in the world of big data. In Proceedings of the 16th International Conference on Computer Systems and Technologies, Dublin, Ireland, 25–26 June 2015; pp. 1–12.
46. Yang, H.; Dasdan, A.; Hsiao, R.-L.; Parker, D.S. Map-reduce-merge: Simplified relational data processing on large clusters. In Proceedings of the 2007 ACM SIGMOD International Conference on Management of Data, Portland, OR, USA, 14–19 June 2007; pp. 1029–1040.
47. Nykiel, T.; Potamias, M.; Mishra, C.; Kollios, G.; Koudas, N. MRShare: Sharing across multiple queries in MapReduce. Proc. VLDB Endow. 2010, 3, 494–505.
48. Moniruzzaman, A.B.M.; Hossain, S.A. Nosql Database: New era of Databases for big data analytics-classification, characteristics and comparison. arXiv 2013, arXiv:1307.0191.
49. Zeng, N.; Zhang, G.-Q.; Li, X.; Cui, L. Evaluation of relational and NoSQL approaches for patient cohort identification from heterogeneous data sources. In Proceedings of the 2017 IEEE International Conference on Bioinformatics and Biomedicine (BIBM), Kansas City, MO, USA, 13–16 November 2017; pp. 1135–1140.
50. Băzăr, C.; Iosif, C.S. The transition from rdbms to nosql. a comparative analysis of three popular non-relational solutions: Cassandra, mongodb and couchbase. Database Syst. J. 2014, 5, 49–59.
51. Burzan´ska, M.; Wis´niewski, P. How Poor Is the ‘Poor Man’s Search Engine’? In Proceedings of the International Conference: Beyond Databases, Architectures and Structures, Poznan´, Poland, 18–20 September 2018; pp. 294–305.
52. Bartoszewski, D.; Piorkowski, A.; Lupa, M. The comparison of processing efficiency of spatial data for PostGIS and MongoDB databases. In Proceedings of the Beyond Databases, Architectures and Structures. Paving the Road to Smart Data Processing and Analysis: 15th International Conference, BDAS 2019, Ustron´, Poland, 28–31 May 2019; pp. 291–302.
53. Fraczek, K.; Plechawska-Wojcik, M. Comparative analysis of relational and non-relational Databases in the context of performance in web applications. In Proceedings of the International Conference: Beyond Databases, Architectures and Structures, Ustron´, Poland, 30 May–2 June 2017; pp. 153–164.
54. Longley, P.A.; Goodchild, M.F.; Maguire, D.J.; Rhind, D.W. Geographic Information Systems and Science; John Wiley & Sons: Hoboken, NJ, USA, 2005.
55. Chromiak, M.; Stencel, K. A data model for heterogeneous data integration architecture. In Proceedings of the International Conference: Beyond Databases, Architectures and Structures, Ustron, Poland, 27–30 May 2014; pp. 547–556.
56. Yue, P.; Tan, Z. 1.06 GIS Databases and NoSQL Databases. Compr. Geogr. Inf. Syst. 2017, 50.
57. Piórkowski, A. Mysql spatial and postgis–implementations of spatial data standards. EJPAU 2011, 14, 3.
58. Kothuri, R.; Godfrind, A.; Beinat, E. Pro Oracle Spatial for Oracle Database 11g; Dreamtech Press: New Delhi, India, 2008.
59. Baralis, E.; Dalla Valle, A.; Garza, P.; Rossi, C.; Scullino, F. SQL versus NoSQL Databases for geospatial applications. In Proceedings of the 2017 IEEE International Conference on Big Data (Big Data), Boston, MA, USA, 11–14 December 2017; pp. 3388–3397.
60. Roy-Hubara, N.; Sturm, A. Exploring the Design Needs for the New Database Era. In Enterprise, Business-Process and Information Systems Modeling; Springer: Cham, Switzerland, 2018; pp. 276–290.
61. Mehmood, E.; Anees. T. Performance Analysis of Not Only SQL Semi-Stream Join Using MongoDB for Real-Time Data Warehousing. IEEE Access 2019, 7, 134215–134225.
62. Okman, L.; Gal-Oz, N.; Gonen, Y.; Gudes, E.; Abramov, J. Security issues in nosql databases. In Proceedings of the 2011 IEEE 10th International Conference on Trust, Security and Privacy in Computing and Communications, Changsha, China, 16 November 2011; pp. 541–547.
63. Alomari, E.; Noaman, A. SeCloudDB: A Unified API for Secure SQL and NoSQL Cloud Databases. In Proceedings of the 2019 3rd International Conference on Cloud and Big Data Computing, Oxford, UK, 28–30 August 2019; pp. 38–42.
64. Stravoskoufos, K.; Preventis, A.; Sotiriadis, S.; Petrakis, E.G.M. A Survey on Approaches for Interoperability and Portability of Cloud Computing Services. In CLOSER; Technical University of Crete: Chania, Greece, 2014; pp. 112–117.
65. Shirazi, M.N.; Kuan, H.C.; Dolatabadi, H. Design patterns to enable data portability between clouds’ Databases. In Proceedings of the 2012 12th International Conference on Computational Science and Its Applications, Salvador, Bahia, 18–21 June 2012; pp. 117–120.
66. Alomari, E.; Barnawi, A.; Sakr, S. Cdport: A framework of data portability in cloud platforms. In Proceedings of the 16th International Conference on Information Integration and Web-based Applications & Services, Singapore, 28–30 November 2014; pp. 126–133.
67. Vanelli, B.; da Silva, M.P.; Manerichi, G.; Pinto, A.S.R.; Dantas, M.A.R.; Ferrandin, M.; Boava, A. Internet of Things Data Storage Infrastructure in the Cloud Using NoSQL Databases. IEEE Lat. Am. Trans. 2017, 15, 737–743.
68. Grolinger, K.; Higashino, W.A.; Tiwari, A.; Capretz, M.A. Data management in cloud environments: NoSQL and NewSQL data stores. J. Cloud Comput. Adv. Syst. Appl. 2013, 2, 22.
69. Marston, S.; Li, Z.; Bandyopadhyay, S.; Zhang, J.; Ghalsasi, A. Cloud computing—The business perspective. Decis. Support Syst. 2011, 51, 176–189.
70. Kolev, B.; Bondiombouy, C.; Valduriez, P.; Jiménez-Peris, R.; Pau, R.; Pereira, J. The cloudmdsql multistore system. In Proceedings of the 2016 International Conference on Management of Data, San Francisco, CA, USA, 26 June–1 July 2016; pp. 2113–2116.
71. Loutas, N.; Kamateri, E.; Tarabanis, K. A semantic Interoperability framework for cloud platform as a service. In Proceedings of the 2011 IEEE Third International Conference on Cloud Computing Technology and Science, Washington, DC, USA, 29 November–1 December 2011; pp. 280–287.
72. Zhou, L.; Fu, A.; Yu, S.; Su, M.; Kuang, B. Data integrity verification of the outsourced big data in the cloud environment: A survey. J. Netw. Comput. Appl. 2018, 122, 1–15.
73. Loutas, N.; Kamateri, E.; Bosi, F.; Tarabanis, K. Cloud computing Interoperability: The state of play. In Proceedings of the 2011 IEEE Third International Conference on Cloud Computing Technology and Science, Washington, DC, USA, 29 November–1 December 2011; pp. 752–757.
74. Escalera, M.F.P.; Chavez, M.A.L. UML model of a standard API for cloud computing application development. In Proceedings of the 2012 9th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE), Mexico City, Mexico, 26–28 September 2012; pp. 1–8.
75. Liao, C.-S.; Shih, J.-M.; Chang, R.-S. Simplifying MapReduce data processing. Int. J. Comput. Sci. Eng. 2013, 8, 219–226.
76. Curino, C.; Jones, E.P.; Popa, R.A.; Malviya, N.; Wu, E.; Madden, S.; Balakrishnan, H.; Zeldovich, N. Relational Cloud: A Database-as-a-Service for the Cloud; MIT Libraries: Boston, MA, USA, 2011.
77. Indu, I.; PM, R.A.; Bhaskar, V. Encrypted token based authentication with adapted SAML technology for cloud web services. J. Netw. Comput. Appl. 2017, 99, 131–145.
78. Sakr, S.; Liu, A.; Batista, D.M.; Alomari, M. A Survey of Large Scale Data Management Approaches in Cloud Environments. IEEE Commun. Surv. Tutor. 2011, 13, 311–336.
79. Lehner, W.; Sattler, K.-U. Database as a service (DBaaS). In Proceedings of the 2010 IEEE 26th International Conference on Data Engineering (ICDE 2010), Long Beach, CA, USA, 1–6 March 2010; pp. 1216–1217.
80. Kiefer, T.; Lehner, W. Private table Database virtualization for dbaas. In Proceedings of the 2011 Fourth IEEE International Conference on Utility and Cloud Computing, Melbourne, Austalia, 5–8 December 2011; pp. 328–329.
81. Duda O., Matsiuk O., Kunanets N., Pasichnyk V., Rzheuskyi A., Bilak Y., Formation of Hypercubes Based on Data Obtained from Systems of IoT Devices of Urban Resource Networks, International Journal of Sensors, Wireless Communications and Control (2020) 10: 1. ISSN 2210-3287.
82. Brewer, E.A. Towards robust distributed systems. In PODC; Inktomi: Foster City, CA, USA, 2000; Volume 7.
83. Sahatqija, K.; Ajdari, J.; Zenuni, X.; Raufi, B.; Ismaili, F. Comparison between relational and NOSQL Databases. In Proceedings of the 2018 41st International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), Opatija, Croatia, 21–25 May 2018; pp. 216–221.
84. Alias, N.; Suhari, N.N.; Saipol, H.F.; Dahawi, A.A.; Saidi, M.M.; Hamlan, H.A.; Teh, C.R. Parallel computing of numerical schemes and big data analytic for solving real life applications. Jurnal Teknologi. 2016, 78.
85. Chang, M.-L.E.; Chua, H.N. SQL and NoSQL Database Comparison. In Proceedings of the Future of Information and Communication Conference, Vienna, Austria, 4–6 December 2018; pp. 294–310.
86. Lian, J.; Miao, S.; McGuire, M.; Tang, Z. SQL or NoSQL? In Which Is the Best Choice for Storing Big Spatio-Temporal Climate Data? In Proceedings of the International Conference on Conceptual Modeling, Xi’an, China, 22–25 October 2018; pp. 275–284.
87. Lee, C.-H.; Zheng, Y.-L. SQL-to-NoSQL schema denormalization and migration: A study on content management systems. In Proceedings of the 2015 IEEE International Conference on Systems, Man, and Cybernetics, Hong Kong, China, 9–12 October 2015; pp. 2022–2026.
88. Frizzo-Barker, J.; Chow-White, P.A.; Mozafari, M.; Ha, D. An empirical study of the rise of big data in business scholarship. Int. J. Inf. Manag. 2016, 36, 403–413.
89. Zafar, R.; Yafi, E.; Zuhairi, M.F.; Dao, H. Big data: The NoSQL and RDBMS review. In Proceedings of the 2016 International Conference on Information and Communication Technology (ICICTM), Kuala Lumpur, Malaysia, 16–17 May 2016; pp. 120–126.
90. Kumar, M.S. Comparison of NoSQL Database and Traditional Database-An emphatic analysis. JOIV Int. J. Inform. Vis. 2018, 2, 51–55.
91. Редакція Т. Контузія - симптоми та перша допомога. ТСН.ua. URL: https://tsn.ua/ukrayina/kontuziya-simptomi-ta-persha-dopomoga-2022373.html.
92. Вплив комп’ютера на здоров’я користувача http://mirgorod-gorono.at.ua/publ/metodob_39_ednannja_vchiteliv/inform/vpliv_komp_jutera_na_zdorov_ja_koristuvacha/26-1-0-238.
93. Фактори впливу на функціональний стан користувачів комп'ютерів https://infopedia.su/15xefda.html.
Тип вмісту: Master Thesis
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2023_SNm_61_Onuferko_V_A.pdf1,63 MBAdobe PDFПереглянути/відкрити
Показати повний опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора