Wachsende Datenströme und die damit verbundene Herausforderung einer effizienten Verwaltung deuten darauf hin, dass auch Datenbankmanagementsysteme (DBMS) vor einer Revolution stehen. „Tape is Dead, Disk is Tape, Flash is Disk, RAM Locality is King“. So beschrieb Gray, Informatiker und Wissenschaftler bei Microsoft Research, die zunehmende Verschiebung der Speicherhierarchie. Haben traditionelle DBMS noch Sekundärspeicher unter entweder zeilen- oder spaltenorientierter Datenorganisation verwendet, gebrauchen In-Memory Datenbanken (IMDB) Hauptspeicher und eine primär spaltenorientierte Datenorganisation. Damit soll es in Echtzeit möglich sein zum einen große Datenmengen auswerten und zum anderen die Informationen zum Zeitpunkt des Entstehens verarbeiten zu können. Verhinderte in den Achtziger Jahren die starke Unzuverlässigkeit des Hauptspeichers und das hohe Preisniveau die Etablierung von IMDB, so ist es heute möglich den Einsatz in Datenbanken ökonomisch zu legitimieren.
Inhaltsverzeichnis
- 1. Einleitung
- 1.1 Motivation
- 1.2 Aufbau der Arbeit
- 2. Darstellung von Datenbank-Management-Systemen anhand von Speicherentwicklung und den zugrundeliegenden Benutzungsparadigmen
- 2.1 Darstellung traditioneller Datenbank-Management-Systeme und deren zugrundeliegenden Benutzungsparadigmen
- 2.2 Darstellung des In-Memory-Database-Managements mit Hilfe aktueller Speicherverwaltungssysteme
- 3. Darstellung verschiedener Speicherverwaltungssysteme und Performanz-Evaluation von In-Memory-Datenbanken
- 3.1 Darstellung verschiedener Speicherverwaltungssysteme
- 3.1.1 Darstellung der Speicherverwaltung von HDD-Magnetspeicher-Festplatten
- 3.1.2 Darstellung der Speicherverwaltung von SSD-Halbleiterlaufwerken
- 3.1.3 Darstellung der Speicherverwaltung von RAM-Arbeitsspeichern
- 3.2 Performanz-Evaluation von In-Memory-Datenbanken unter Berücksichtigung unterschiedlicher Workloads
- 4. Empirische Untersuchung zum Vergleich der Performanz von memSQL mit verschiedenen Speicherverwaltungssystemen in einer Amazon Elastic Compute Cloud
- 4.1 Untersuchungsaufbau zum Vergleich der Performanz von memSQL mit verschiedenen Speicherverwaltungssystemen in einer Amazon Elastic Compute Cloud
- 4.2 Betrachtung der Performanz von memSQL mit verschiedenen Speicherverwaltungssystemen
- 4.2.1 Betrachtung der Performanz von HDD-Magnetspeicher-Festplatten
- 4.2.2 Betrachtung der Performanz von SSD-Halbleiterlaufwerken
- 4.2.3 Betrachtung der Performanz von RAM-Arbeitsspeichern
- 4.3 Gesamtergebnisse sowie Bewertung der In-Memory-Datenbank-Performanz mit verschiedenen Speicherverwaltungssystemen
- 5. Schlussbetrachtung
Zielsetzung und Themenschwerpunkte
Die vorliegende Masterarbeit untersucht die Performanz von In-Memory-Datenbanken unter unterschiedlichen Workloads. Ziel ist es, die Performance von memSQL in Abhängigkeit von verschiedenen Speicherverwaltungssystemen (HDD, SSD, RAM) zu analysieren und zu bewerten. Die Untersuchung erfolgt in einer Amazon Elastic Compute Cloud (EC2).
- Entwicklung von Datenbank-Management-Systemen und deren Benutzungsparadigmen
- Darstellung und Vergleich verschiedener Speicherverwaltungssysteme (HDD, SSD, RAM)
- Performanz-Evaluation von In-Memory-Datenbanken unter verschiedenen Workloads
- Empirische Untersuchung der Performanz von memSQL in einer Amazon EC2-Umgebung
- Bewertung der Ergebnisse und Ableitung von Schlussfolgerungen
Zusammenfassung der Kapitel
Kapitel 1 führt in die Thematik der Masterarbeit ein und erläutert die Motivation sowie den Aufbau der Arbeit. Kapitel 2 gibt einen Überblick über die Entwicklung von Datenbank-Management-Systemen und deren Benutzungsparadigmen. Hierbei werden traditionelle Datenbank-Management-Systeme sowie das In-Memory-Database-Management vorgestellt. Kapitel 3 beschäftigt sich mit der Darstellung verschiedener Speicherverwaltungssysteme (HDD, SSD, RAM) und deren Einfluss auf die Performanz von In-Memory-Datenbanken. Kapitel 4 präsentiert die empirische Untersuchung der Performanz von memSQL in einer Amazon EC2-Umgebung. Hierbei werden verschiedene Workloads und Speicherverwaltungssysteme miteinander verglichen. Kapitel 5 fasst die Ergebnisse der Arbeit zusammen und zieht Schlussfolgerungen.
Schlüsselwörter
In-Memory-Datenbanken, Datenbank-Management-Systeme, Speicherverwaltungssysteme, HDD, SSD, RAM, Performanz-Evaluation, Workloads, Amazon Elastic Compute Cloud (EC2), memSQL
- Quote paper
- Michael Stiebritz (Author), Prof. Dr. Johannes Ruhland (Author), 2016, Leistungsanalyse und Bewertung von Datenbankimplementierungen unterschiedlicher Workloads, Munich, GRIN Verlag, https://www.grin.com/document/354698
