The development of database systems is moving more and more towards handling large quantities of data, also known as Big Data. New database systems have been developed both within NoSQL and the newer system architecture called NewSQL used to tackle the problems that arise with Big Data. NewSQL is becoming more popular due to its ability to handle the security behind data transactions and simultaneously offer scalability. This has led to database systems constantly being optimized. This report goes into detail on how the handling of datatypes affect how database systems are built based on their architecture and code base.  An experiment was conducted on two NewSQL databases, VoltDB and CockroachDB. The purpose of the experiment was to find out how datatypes can be optimized based on time differences in datatypes and then present causes to those time differences. There were clear time differences which showed what datatypes were fastest. When analyzing the codebase and architecture it became clear that VoltDB handles datatypes when compiling while CockroachDB does so during execution.  Another potential reason is that the time differences have to do with their differences in architecture.  This report has, with the available resources, started to build the foundation for a better standard in how datatypes can be implemented in code to increase the performances of database systems. More research is required due to time constraints that can strengthen and expand the results reached in this paper. / Utvecklingen av databassystem rör sig alltmer mot att hantera stora datamängder, även kallat Big Data. Nya databassystem har utvecklats både inom NoSQL och det nyare NewSQL för att tackla problemen med Big Data. För att hantera både säkerheten bakom databastransaktioner och samtidigt behålla skalbarheten så börjar NewSQL klättra alltmer i databasvärlden. Det har lett till att databassystem effektiviseras så mycket som möjligt. Denna rapport går in i detalj på hur hantering av vissa datatyper påverkas av hur databassystem är uppbyggda baserat på deras arkitektur och kodbas. För att ta reda på hur hantering av datatyper kan effektiviseras utfördes ett experiment på NewSQL databaserna VoltDB och CockroachDB för att hitta tidsskillnader för datatyper och sedan ta fram orsaker till dessa skillnader. Det fanns klara tidsskillnader för vilka datatyper som var snabbast och vid analys av kodbas och arkitektur framgick det att VoltDB hanterar datatyper vid kompilering medan CockroachDB gör det vid exekvering. Dessutom ser deras arkitekturer olika ut vilket kan ytterliggare bidra till tidsskillnaderna. Med de resurser som varit tillgängliga har denna rapport påbörjat ett arbete till att lägga en grund för att ta fram en bättre standard till hur datatyper kan implementeras i kod för att öka prestandan i databassystem. På grund av de tidsbegränsningar som funnits behöver mer forskning tas fram som kan stärka och utvidga resultatet som uppnåtts i detta arbete.

De allra flesta av oss kommer ständigt i kontakt med olika dataflöden vilket har blivit en helt naturlig del av vårt nutida informationssamhälle. Dagens företag agerar i en ständigt föränderlig omvärld, och hantering av data och information har blivit en allt viktigare konkurrensfaktor. Detta i takt med att den totala datamängden i den digitala världen har ökat kraftigt de senaste åren. En benämning för gigantiska datamängder är Big Data, som har blivit ett populärt begrepp inom IT-branschen. Big Data kommer med helt nya analysmöjligheter, men det har visat sig att många företag är oroliga för hur de ska hantera och ta tillvara på de växande datamängderna. Syftet med denna studie har varit att ge ett kunskapsbidrag till det relativt outforskade Big Data området, detta utifrån en induktiv ansats med utgångspunkten ur intervjuer. Den problematik som kommit med Big Data beskrivs oftast ur tre perspektiv; där data förekommer i stora volymer, med varierande data-typer och källor, samt att data genereras med olika hastighet. Det framgick av studiens resultat att Big Data som begrepp berör många olika områden och det kan variera väldigt mycket mellan företag inom olika branscher vad gäller betydelse, förmåga, ambition och omfattning. De traditionella teknologierna för datalagring och utvinning är inte tillräckliga för att hantera data som benämns som Big Data. I samband med att ny teknologi tagits fram och äldre lösningar uppgraderats, har detta dock lett till att det nu går att se informationshantering och analysarbete i helt nya perspektiv. Eftersom Big Data huvudsakligen har samma syfte som området Business Intelligence, kan dessa lösningar lämpligen integreras. En mycket stor utmaning med Big Data är att det inte är möjligt att exakt veta vad som kommer att uppnås med datainsamling och analys. Efter att data har samlats in bör ett business case tas fram med riktlinjer för vad som ska uppnås. Det finns en stor potential i denna uppgående marknad som, trots allt, är relativt omogen. Informationshantering kommer att bli allt viktigare framöver och för företagen handlar det om att hänga med i snabba utvecklingen och skaffa sig en bra förståelse för nya trender i IT-världen.

Att minska energikonsumtionen inom mjukvaruutveckling är ett högst aktuellt ämne då datacenter och dataöverföringar står för 0,9% av de globala växthusgasutsläppen. Syftet med den här studien var att undersöka förhållandet mellan gröna val och standarder i system med många utvecklare. Detta har gjorts genom att undersöka hur utvecklare på Monitor ERP System AB ser på hållbarhet under utvecklingsprocessen, samt hur en algoritms tidskomplexitet och val av primitiva datatyper och datastrukturer påverkar en mjukvarulösnings energikonsumtion. Arbetet genomfördes med mixad metod och använde intervjuer och experiment som datainsamlingsmetoder. Intervjuer hölls med utvecklare på Monitor ERP System för att undersöka vad som påverkade utvecklingsprocessen och skapa en uppfattning om var gröna val kunde ta plats. Experiment genomfördes för att undersöka hur algoritmers tidskomplexitet och val av primitiva datatyper och datastrukturer påverkar energikonsumtionen i en mjukvarulösning. Resultatet från intervjuerna visade att hållbarhet inte togs in som en faktor i utveck-lingsprocessen på grund av kunskapsbrist och att prestanda var en högt prioriterad faktor. Detta kombinerades med experimentets resultat att energikonsumtionen av en mjukvarulösning berodde på programinstruktioners exekveringstid i kombination med en algoritms tidskomplexitet. Slutsatsen av arbetet är att grön mjukvaruutveckling kan tas in i system med standarder genom att skapa nya gröna standarder med fokus på prestanda och lättillgänglig sammanställning av gröna val. / Reducing the energy consumption in software development is a highly relevant subject, as data centers and data transmissions make up 0.9% of the global carbon emissions. The purpose of this study was to examine the relationship between green choices and standards in systems with many developers. This was investigated by examining how developers at Monitor ERP System AB view sustainability during the development process, as well as how an algorithm’s time complexity and choices of primitive data types and data structures influence a software solution’s energy consumption. The study was conducted using mixed method with interviews and an experiment as data collection methods. Interviews were held with developers at Monitor ERP System to determine what affected the development process and create a perception for where green choices could take place. Experiments were conducted to investigate how an algorithm’s time complexity and choices of primitive data types and data structures affect the energy consumption of a software solution.  The interview results show that sustainability was not considered during the development process due to a lack of knowledge and that performance was a heavily prioritized factor. This was combined with the experiment results that energy consumption was dependent on the execution time of program instructions in combination with an algorithm’s time complexity. The conclusion was that green software development can take place in systems with standards by creating new green standards, focusing on performance and easy access to a collection of green choices.