Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

Konzeptuelle und Methodische Aufarbeitung von NoSQL-Datenbanksystemen

URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-1847-9

Titelangaben

Hecht, Robin:
Konzeptuelle und Methodische Aufarbeitung von NoSQL-Datenbanksystemen.
Bayreuth , 2015 . - XX, 261 S.
( Dissertation, 2014 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

[thumbnail of Dissertation Robin Hecht - Konzeptuelle und Methodische Aufarbeitung von NoSQL-Datenbanksystemen.pdf]
Format: PDF
Name: Dissertation Robin Hecht - Konzeptuelle und Methodische Aufarbeitung von NoSQL-Datenbanksystemen.pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY 3.0: Namensnennung
Download (7MB)

Abstract

Big Data beschreibt einen derzeitigen Trend in der Informationsverarbeitung, bei dem sehr große Mengen an unterschiedlich strukturierten Daten in einer sehr hohen Geschwindigkeit verarbeitet werden. Die hierbei gestellten Anforderungen überschreiten immer häufiger die Kapazität und die Leistungsfähigkeit von relationalen Datenbanken, die seit Jahrzehnten erfolgreich in der Datenverarbeitung eingesetzt werden. Führende Internetunternehmen sahen sich deshalb zu Beginn dieses Jahrtausends dazu gezwungen, neue Datenbanksysteme zu entwerfen, die auf die spezifischen Anforderungen von Big Data-Anwendungsfällen ausgerichtet sind. Die Konzepte dieser neuen Datenbanksysteme motivierten die Entwicklung einer Vielzahl weiterer, nicht-relationaler Datenbanksysteme, die heute unter dem Namen NoSQL-Datenbanken bekannt sind. NoSQL-Datenbanken versprechen eine flexible Datenmodellierung, eine hohe Verarbeitungsgeschwindigkeit sowie eine lineare Skalierbarkeit und sind daher Mittelpunkt eines derzeit anhaltenden Hypes um das Thema Big Data. Allerdings existiert kaum neutrale und qualitativ hochwertige Fachliteratur zu dieser Thematik, sodass über die Vor- und Nachteile der einzelnen Datenbanksysteme und deren korrekte Verwendung kaum fachlich fundierten Aussagen vorliegen. Angesichts dieser Problematik ist der Einstieg in die Welt der NoSQL-Datenbanken mit einem unverhältnismäßig hohen Aufwand und einer starken Fehleranfälligkeit verbunden. Ziel dieser Arbeit ist es, den Einstieg in die komplexe NoSQL-Thematik zu erleichtern und somit die hohen Investitionskosten zu senken, die derzeit mit dem Einsatz eines NoSQL-Datenbanksystems verbunden sind. Durch eine methodische Aufarbeitung der diesen Systemen zugrunde liegenden Konzepte können allgemeingültige Aussagen zu den Vor- und Nachteilen der verschiedenen Datenbanksysteme getroffen und somit das derzeitig vorhandene Fachwissen nicht nur erweitert, sondern vor allem qualitativ aufgewertet werden. Basierend auf den Erkenntnissen der konzeptuellen Aufarbeitung werden darüber hinaus dringend benötigte Modellierungsmuster erstellt, mit deren Hilfe konzeptuelle Datenmodelle systematisch in die logischen Datenmodelle der verschiedenen Datenbanken überführt werden können. Die in dieser Arbeit gewonnenen Erkenntnisse werden abschließend in einem Kriterienkatalog zusammengefasst, mit dem selbst unerfahrene Anwender in die Lage versetzt werden, aus der Vielzahl an derzeit verfügbaren Datenbanksystemen das für einen bestimmten Anwendungsfall ideale System auswählen zu können. Dank der klaren Herausstellung der Vor- und Nachteile der verschiedenen Systeme leistet diese Arbeit einen wertvollen Beitrag zur Versachlichung der NoSQL-Diskussion.

Abstract in weiterer Sprache

Big Data describes a recent trend in information processing whereby a huge amount of differently structured data is processed at a very high velocity. The given requirements this kind of information processing demands, tend to exceed the capacity and performance of relational databases at a more frequent rate, which had successfully been used in data handling for decades. Therefore, at the beginning of the millennium, leading e-commerce businesses felt compelled to develop new database systems, which are aligned to specific requirements of Big Data-use cases. The concept of these new database systems motivated the development of a multitude of non-relational database systems, which are nowadays known as NoSQL databases. NoSQL databases promise flexible data modeling, high processing speed and linear scalability. Therefore, they are the center of a currently ongoing hype around the topic of Big Data. However, there is hardly any neutral- and specialized literature of high quality for the above-mentioned topic. As a result, there is no qualitative evidence on the advantages and disadvantages of each database system and their correct application. Due to this difficulty, accessing the world of NoSQL databases is associated with a disproportionate effort and a high susceptibility to errors. The goal of this thesis is to facilitate the access to the complex topic of NoSQL and to reduce the high investment costs, which are currently associated with the implementation of NoSQL databases. Through a methodical reappraisal of the underlying concepts of these systems, universal statements towards advantages and disadvantages of the different database systems can be made and therefore, existing expert knowledge can not only be extended, but especially be enhanced qualitatively. Based on the insights of the conceptual reappraisal, urgently needed modeling patterns are created, whereby conceptual data models can be systematically converted into logical data models for each of the databases. The knowledge, which is gained within this thesis, is summarized conclusively in a set of criteria with which even inexperienced users are enabled to choose the ideal system for a specific use case from the multitude of currently available database systems. Through the clear emphasis on advantages and disadvantages of the different systems, this thesis serves as a valuable contribution towards the objectification of the NoSQL discussion.

Weitere Angaben

Publikationsform: Dissertation (Ohne Angabe)
Keywords: NoSQL; NoSQL-Datenbanken; Big Data; Key Value Stores; Document Stores; Column Family Stores; Relationale Datenbanken; Kriterienkatalog; Datenbankauswahl; Prädikatorenschema; Anfrageverarbeitung; Datenmodellierung; Speicherstrukturen; Transaktionen; Verteilte Datenhaltung; Replikation; Fragmentierung; Allokation; Datenvielfalt; Geschwindigkeit; Skalierbarkeit; Polyglot Persistence;
Themengebiete aus DDC: 000 Informatik,Informationswissenschaft, allgemeine Werke > 004 Informatik
Institutionen der Universität: Fakultäten
Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik > Lehrstuhl Angewandte Informatik IV
Sprache: Deutsch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-1847-9
Eingestellt am: 15 Jan 2015 09:42
Letzte Änderung: 15 Jan 2015 09:42
URI: https://epub.uni-bayreuth.de/id/eprint/1847

Downloads

Downloads pro Monat im letzten Jahr