| Anotācija |
Šajā bakalaura darbā tiek pētīti izaicinājumi, kas saistīti ar liela apjoma datu apstrādi un pārvaldību, salīdzinot dažādas datubāžu sistēmas – gan relāciju datubāzes, piemēram, PostgreSQL un MariaDB, gan NoSQL datubāzes, tostarp MongoDB un InfluxDB. Pētījumā īpaša uzmanība pievērsta efektīvai datu pārvaldībai, ņemot vērā strauji pieaugošo informācijas apjomu, ko veicina interneta lietošanas paplašināšanās, IoT ierīču izplatība un tiešsaistes pakalpojumu attīstība.
Darba galvenais mērķis ir izstrādāt un novērtēt praktiskas metodes liela apjoma datu uzglabāšanai, apstrādei un pārsūtīšanai, lai optimizētu veiktspēju un resursu izmantošanu. Izmantojot detalizētas eksperimentālās analīzes, tostarp datu importēšanu, eksportēšanu un apstrādi, tiek identificētas un salīdzinātas izvēlēto datubāžu sistēmu veiktspējas īpašības. Galvenie mērījumi veikti, novērtējot datu lasīšanai, rakstīšanai un apstrādei nepieciešamo laiku. Papildus tika analizēts CPU un RAM lietojums, kas sniedz dziļāku ieskatu resursu izmantošanas efektivitātē.
Būtiska pētījuma daļa veltīta hibrīdo datubāžu risinājumu izpētei, īpaši InfluxDB un PostgreSQL integrācijai. InfluxDB izceļas ar spēju efektīvi apstrādāt reāllaika, augstas frekvences datu plūsmas, savukārt PostgreSQL nodrošina stabilu vidi sarežģītai un strukturētai datu analīzei. Pētījuma rezultāti liecina, ka hibrīdā pieeja veiksmīgi apvieno ātru datu ievadi ar plašām analītiskajām iespējām, nodrošinot līdzsvarotu risinājumu lielapjoma datu pārvaldībai.
Darba secinājumi sniedz praktiskas atziņas par dažādu datubāžu tehnoloģiju priekšrocībām un piemērotākajiem pielietojuma scenārijiem. Ieteikumi kalpo kā vadlīnijas organizācijām, kas vēlas uzlabot savas datubāžu sistēmas veiktspēju un ieviest ilgtspējīgas, mērogojamas datu pārvaldības stratēģijas.
Darbs sastāv no 68 lapaspusēm, 18 attēliem, 8 tabulām, 2 pielikumiem, 59 informācijas avotiem un 5 rasējumu lapu. |
