Målet med studien har varit att undersöka hur olika databasmodeller presterar vid inhämtning av tidsseriedata. I studien jämförs en tidsseriedatabas med en databas av annan modell. Studien har genomförts enligt metoden Design Science Research. Metoden lämpar sig väl vid systemutveckling och bygger på att skapa en artefakt, en prototyp. Med hjälp av denna artefakt kan experiment utföras för att simulera verkliga händelser. I denna studie simuleras värden som ska motsvara en temperatur vid en tidpunkt, registrerat av en sensor och skickat till en databas. För ändamålet har en enkortsdator (minidator) av typen RaspberryPi använts, då den är vanligt förekommande inom Internet of Things. Två databasmodeller har skapats som artefakt: TinyDB och InfluxDB. TinyDB är av typen NoSQL och InfluxDB är en tidsseriedatabas. Databaserna har fyllts med data med hjälp av ett program som tar fram ett slumpmässigt värde och en tidsstämpel. Experimenten som därefter har utförts och jämfört de två databasmodellerna innebär mätning av hur långa svarstiderna är vid olika hämtningar av data, samtidigt som datorns processoraktivitet har observerats. Både skapandet av artefakterna och experimenten har utförs med program skrivna i språket Python. Resultatet för samtliga experiment visar på tidsseriedatabasens fördel. Den är både snabbare och belastar datorn mindre för de hämtningar som gjorts. Framtida arbete som kan utföras omfattar test av flera databasmodeller, större datamängder, annan hårdvara och program. / The goal of this project has been to study how different database models perform when fetching time series data. In the study, a time series database and a database of another type are compared. The study was conducted according to the Design Science Research Methodology. This method is well suited for system development and is based on creating an artifact, a prototype. Using this artefact, experiments can be performed to simulate real events. This study simulates values that should correspond to temperatures at a specific time, registered by a sensor and sent to a database. For this purpose, a small, single-board computer of the type RaspberryPi has been used, as it is common in Internet of Things. Two database models have been created as artefacts: TinyDB and InfluxDB. TinyDB is of the NoSQL type and InfluxDB is a time series database. The databases have been filled with data using a program that generates a random value and a timestamp. The experiments that have been performed to compare the two models are measurements of how long the response times are at different fetching of data, at the same time as the computer´s processor activity has been observed. Both the implementation of the artifacts as well as the experiments have been performed using programs written in the Python language. The results for all experiments show the advantage of the time series database. It is faster and it also burdens the CPU less for the fetch requests in this study. Future work may involve testing of multiple database models, larger amounts of data, other hardware and programs.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:miun-41714 |
Date | January 2020 |
Creators | Landin, Sandra |
Publisher | Mittuniversitetet, Institutionen för informationssystem och –teknologi |
Source Sets | DiVA Archive at Upsalla University |
Language | Swedish |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0143 seconds