Benchmarking of Databases for Big Data Exploration in the Social Graph Analysis
DOI:
https://doi.org/10.18559/SOEP.2017.12.1Słowa kluczowe:
Benchmarking, Model LBG, Analiza danych, Bazy danych, Big Data, Systemy wysokiej wydajnościAbstrakt
W niniejszym artykule prezentujemy wyniki benchmarkingu różnych systemów baz danych potencjalnie użytecznych przy analizie dużych sieci społecznych. Wykorzystując dane o zdarzeniach komunikacyjnych pomiędzy 7 milionami użytkowników, porównywaliśmy następujące rozwiązania: MySQL, Neo4J, Titan oraz Virtuoso. Zaproponowaliśmy przykładowe zapytania odpowiadające rzeczywistym scenariuszom wynikającym z analizy wymagań właściciela danych. Czasy odpowiedzi były mierzone w grupach zapytań podstawowych, agregujących i sieciowych. MySQL najlepiej sprawdził się w zapytaniach wymagających obliczeń, podczas gdy Virtuoso dominował w zapytaniach sieciowych.
Pobrania
Bibliografia
Angles, R., Gutierrez, C., 2008, Survey of Graph Database Models, ACM Computing Surveys, vol. 40, iss. 1, s. 1-39.
Zobacz w Google Scholar
Angles, R., Prat-Pérez, A., Dominguez-Sal, D., Larriba-Pey, J.-L., 2013, Benchmarking Database Systems for Social Network Applications, in: First International Workshop on Graph Data Management Experiences and Systems, New York, NY, s. 15:1-15:7.
Zobacz w Google Scholar
Armstrong, T.G., Ponnekanti, V., Borthakur, D., Callaghan, M., 2013, LinkBench: A Database Benchmark Based on the Facebook Social Graph, in: Proceedings of the 2013 ACM SIGMOD International Conference on Management of Data, New York, NY, s. 1185-1196.
Zobacz w Google Scholar
Barmpis, K., Kolovos, D.S., 2012, Comparative Analysis of Data Persistence Technologies for Large-scale Models, in: Proceedings of the 2012 Extreme Modeling Workshop, Innsbruck, s. 33-38.
Zobacz w Google Scholar
Bouillet, E., Kothari, R., Kumar, V., Mignet, L., Nathan, S., Ranganathan, A., Turaga, D.S., Udrea, O., Verscheure, O., 2012, Processing 6 Billion CDRs/day: From Research to Production (Experience Report), in: Proceedings of the 6th ACM International Conference on Distributed Event-Based Systems, Berlin, s. 264-267.
Zobacz w Google Scholar
Cattell, R., 2011, Scalable SQL and NoSQL Data Stores, SIGMOD Rec., vol. 39, iss. 4, s. 12-27.
Zobacz w Google Scholar
Ciglan, M., Averbuch, A., Hluchy, L., 2012, Benchmarking Traversal Operations over Graph Databases, 2013 IEEE 29th International Conference on Data Engineering Workshops, s. 186-189.
Zobacz w Google Scholar
Deng, C., Qian, L., Xu, M., Du, Y., Luo, Z., Sun, S., 2012, Federated Cloud-based Big Data Platform in Telecommunications, in: Proceedings of the 2012 Workshop on Cloud Services, Federation, and the 8th Open Cirrus Summit, San Jose, CA, s. 44-48.
Zobacz w Google Scholar
Dominguez-Sal, D., Urbon-Bayes, P., Gimenez-Vano, A, Gomez-Villamor, S., Martinez- Bazan, N., Larriba-Pey, J., 2010, Survey of Graph Database Performance on the HPC Scalable Graph Analysis Benchmark, WAIM 2010 Workshops, s. 37-48.
Zobacz w Google Scholar
Erling, O., Mikhailov, I., 2010, Virtuoso: RDF Support in a Native RDBMS, in: Virgilio, R., de, Giunchiglia, F., Tanca, L. (eds.), Semantic Web Information Management, Springer, Berlin Heidelberg, s. 501-519.
Zobacz w Google Scholar
Garulli, L., 2011, GraphDB Benchmark part II [https://zion-city.blogspot.com/2011/04/graphdb-benchmark-part-ii.html, accessed 1.12.2017].
Zobacz w Google Scholar
Holzschuher, F., Peinl, R., 2013, Performance of Graph Query Languages: Comparison of Cypher, Gremlin and Native Access in Neo4j, in: Proceedings of the Joint EDBT/ ICDT 2013 Workshops, Genoa, s. 195-204.
Zobacz w Google Scholar
Lehmann, J. et al., 2015, DBpedia - A Large-scale, Multilingual Knowledge Base Extracted from Wikipedia, Semantic Web Journal, vol. 6, no. 2, s. 167-195.
Zobacz w Google Scholar
Macko, P., Margo, D., Seltzer, M., 2013, Performance Introspection of Graph Databases, in: Proceedings of the 6th International Systems and Storage Conference, Haifa, s. 18:1-18:10.
Zobacz w Google Scholar
Magnusson, J., Kvernvik, T., 2012, Subscriber Classification within Telecom Networks Utilizing Big Data Technologies and Machine Learning, in: Proceedings of the 1st International Workshop on Big Data, Streams and Heterogeneous Source Mining: Algorithms, Systems, Programming Models and Applications, Beijing, s. 77-84.
Zobacz w Google Scholar
Menon, A., 2012, Big Data @ facebook, in: Proceedings of the 2012 Workshop on Management of Big Data Systems, San Jose, CA, s. 31-32.
Zobacz w Google Scholar
Morsey, M., Lehmann, J., Auer, S., Ngonga Ngomo, A.-C., 2011, DBpedia SPARQL Benchmark - Performance Assessment with Real Queries on Real Data, in: Aroyo, L., Welty, C., Alani, H., Taylor, J., Bernstein, A., Kagal, L., Noy, N., Blomqvist, E. (eds.), The Semantic Web - ISWC 2011, Lecture Notes in Computer Science, Springer, Berlin Heidelberg, vol. 7031, s. 454-469.
Zobacz w Google Scholar
Paradies, M., 2012, Challenges in the Design of a Graph Database Benchmark [http://www.slideshare.net/graphdevroom/challenges-in-the-design-of-a-graphdatabase-benchmark, accessed 1.12.2007].
Zobacz w Google Scholar
Rodriguez, M., 2012, Titan Provides Real-time Big Graph Data, [https://dzone.com/articles/titan-provides-real-time-big, accessed 1.12.2007].
Zobacz w Google Scholar
Vicknair, C., Macias, M., Zhao, Z., Nan, X., Chen, Y., Wilkins, D., 2010, A Comparison of a Graph Database and a Relational Database: A Data Provenance Perspective, in: Proceedings of ACM Southeast Regional Conference, s. 42.
Zobacz w Google Scholar
