بررسی پایگاه داده های SQL و NOSQL و ارزیابی عملکرد پایگاه داده مانگودیبی با دیگر پایگاه داده های رابطه ای
Publish place: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,316
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ITCC03_227
Index date: 26 April 2017
بررسی پایگاه داده های SQL و NOSQL و ارزیابی عملکرد پایگاه داده مانگودیبی با دیگر پایگاه داده های رابطه ای abstract
در مدل رابطه ای داده ها، زبان ساختارمند پرسش ها یا اسکیوال زبانی است سطح بالا مبتنی بر زبانسطح پایین و ریاضی جبر رابطه ای که برای ایجاد، تغییر، و بازیابی داده ها و نیز برای عملیات بر رویآنها به کار می رود. همچنین تعدادی از سیستم های مدیریت پایگاه داده وجود دارند که از اصولSQL استفاده نمی کنند بلکه شیوه هایی نوین را برای پیاده سازی دیتابیس برگزیده اند که به اینگونه پایگاه داده ها نواسکیوال مخفف not only sql به معنای نه تنها اسکیوال گفته می شود.روشن ترین این تفاوت ها استفاده نکردن از اسکیوال به عنوان زبان پرسش نخستین است. این رده یگسترده ای از سامانه مدیریت پایگاه داده ها با نوع سنتی پایگاه داده های رابطه ای تفاوت های آشکاردارند. نمونه اش پایگاه دادههای اکسامال و پایگاه داده های سند- گرا است. در این مقاله تفاوت بینسیستم مدیریت پایگاه داده رابطه ای و پایگاه داده غیر رابطه ای را مورد بررسی و ارزیابی قرار میدهیم. و ارزیابی عملکرد پایگاه داده مانگودیبی با نمونه ای از پایگاه داده های رابطه ای معیارهایمقایسه ای در این مقاله شامل تفاوت های نظری، ویژگی ها، محدودیت ها، معماری و سیستم های می باشد.
بررسی پایگاه داده های SQL و NOSQL و ارزیابی عملکرد پایگاه داده مانگودیبی با دیگر پایگاه داده های رابطه ای Keywords:
بررسی پایگاه داده های SQL و NOSQL و ارزیابی عملکرد پایگاه داده مانگودیبی با دیگر پایگاه داده های رابطه ای authors
اسماعیل صادقی هفشجانی
گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، شهرکرد
فرشاد کیومرثی
گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، شهرکرد
پویا خسرویان دهکردی
گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، شهرکرد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :