Jurnal Non-Relational Database dengan Darwinian Network
Abstrak
Darwinian Networks (DN) pertama
kali diperkenalkan oleh Dr Butz [1] untuk menyederhanakan dan memperjelas cara
bekerja dengannya Jaringan Bayesian (BNs). DN dapat menyatukan tugas pemodelan
dan penalaran ke dalam platform tunggal menggunakan manipulasi grafis dari
tabel probabilitas yang mengambil nuansa biologis. Dari pandangan DN ini, kami
mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan basis data
non-relasional menggunakan DN. Karena pertumbuhannya dari database semacam ini,
kita membutuhkan lebih banyak alat untuk membantu dalam pekerjaan manajemen,
dan DN dapat membantu tugas-tugas ini.
Index: No SQL, Darwinian Networks,
Non-Relational Database, Java-script, Software engineering
I.
PENDAHULUAN
Cara di mana kita berkomunikasi,
bertukar informasi dan membuat konten berubah selama bertahun-tahun. Kita hidup
di era di mana web aplikasi telah merevolusi dunia dalam banyak hal cara, dan
kecenderungannya adalah bahwa pertumbuhan ini memungkinkan penciptaan banyak
aplikasi baru. Yang besar volume data yang dihasilkan oleh aplikasi web ini,
bersama dengan bentuk interaksi pengguna yang baru (dinamis, efisien dan
intuitif), skalabilitas aktif permintaan dan kebutuhan akan tingkat yang tinggi
ketersediaan, telah mendorong munculnya baru paradigma dan teknologi. Kita
dapat mengutip Non-Database relasional (NoSQL) dan Darwinian Networks (DN)
sebagai hasil dari permintaan ini. Non-Database relasional [2, 3], juga dikenal
sebagai NoSQL atau Bukan hanya database SQL, adalah teknologi yang dirancang
untuk mendukung persyaratan aplikasi cloud dan mengatasi skala, kinerja, model
data dan keterbatasan basis data relasional. Relasional database [4] memiliki
batasan dalam skalabilitas, membutuhkan distribusi server secara vertikal.
Mungkin Kelemahan dari masalah ini adalah karena lebih banyak data diperoleh,
server membutuhkan lebih banyak memori yang bekerja dan ruang hard disk. NoSQL
memiliki horizontal besar fasilitas distribusi. Dalam prakteknya, lebih banyak
data tidak selalu menyiratkan kinerja yang lebih tinggi untuk diambil server.
Perusahaan besar menggunakan NoSQL dalam teknologi informasi, termasuk Google,
yang menggunakan komputer kecil dan menengah untuk data distribusi.
Selanjutnya, basis data NoSQL adalah kesalahan toleran. Jaringan Darwin (DN)
[5, 6] adalah kerangka kerja probabilistik yang dapat digunakan untuk
menyederhanakan bekerja dengan jaringan Bayesian (BNs) [7]. Di DN, tabel
probabilitas bersyarat (CPT) diwakili sebagai suatu populasi. Secara grafis,
lingkaran yang solid berisi lingkaran kecil yang diisi atau tidak mewakili
populasi adalah. Lingkaran dalam disebut sifat. Di DN, sifat mewakili variabel
dari masalah domain yang dimodelkan. Sifat bisa bersifat agresif atau jinak,
tergantung di mana variabel dalam CPT, LHS atau RHS, masing-masing. Kita dapat
mendefinisikan DN sebagai banyak populasi. Kami menggambarkan DN sebagai
putus-putus lingkaran di sekitar penduduknya. Kita bisa memanipulasi populasi
dalamDN menggunakan operasi, termasuk menggabungkan, replikasi, dan seleksi
alam. Dengan ini operasi, DN dapat mewakili inferensi di BNs. Di makalah ini,
kami mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan database
non-relasional menggunakan DN. Ide kami adalah membuat alat yang berguna untuk
membantu dalam manajemen data semacam ini dan itu perwakilan. Perpustakaan akan
menjadi interaktif ruang dengan database non-relasional yang tersedia melalui
antarmuka grafis. Pengguna akan dapat buat dan edit DN dengan menggunakan
antarmuka. Manipulasi DNs kemudian diterjemahkan oleh perpustakaan ke database
non-relasional koresponden operasi. Dengan menggunakan operasi DN yang
tersedia, pengguna akan dapat melakukan inferensi secara grafis. Kami mengatur sisa
makalah sebagai berikut. Bagian II menyajikan database Non-Relasional dan
karakteristik utamanya. Bagian III menunjukkan detail tentang Jaringan Darwin.
Di bagian IV kami menyajikan perpustakaan yang dibuat dan penggunaannya.
Akhirnya, Bagian V menawarkan beberapa pernyataan penutup.
II.
DATABASE RELATIONAL DAN NON-RELATIONAL
Database relasional telah muncul
sebagai penerus model jaringan hirarkis. Itu model relasional menjadi pola
untuk sebagian besar Sistem Manajemen Database (DBMS). Ini model memunculkan
proses Normalisasi yang mana tujuannya adalah untuk menerapkan serangkaian
langkah dengan aturan tertentu di tabel database untuk memastikan desain yang
tepat dari tabel ini [8]. Selanjutnya, model ini mengadopsi bahasa untuk
manipulasi dan permintaan ini data, SQL (Structured Query Language) yang mana
diciptakan oleh IBM dan terinspirasi oleh relasional aljabar. Pada tahun 1982,
American National Standard Institute (ANSI) mendefinisikan SQL sebagai resmi
bahasa standar untuk lingkungan relasional [9]. Untuk waktu yang lama, database
relasional telah menjadi tipe database yang paling banyak digunakan di
perusahaan itu memiliki volume data yang tinggi untuk disimpan [2, 3]. Berpikir
bahwa jumlah data ini cenderung tumbuh setiap kali, Anda mulai melihat mereka
yang berhubungan database memiliki faktor pembatas tertentu, khususnya ketika
kita mengacu pada sistem skala [10]. Kita dapat menyebutkan kasus Facebook,
yang mencapai tingkat petabyte (pada tahun 2011 volume data ini melebihi 30
petabyte, dan kurang dari setahun sebelumnya volumenya adalah 20 petabyte).
Kasus ini nyata contoh bagaimana pertumbuhan data ini telah berkembang cepat
[11]. Untuk jenis organisasi ini, penggunaan DBMS relasional sangat bermasalah
dan tidak efisien. Karena keterbatasan ini, kami memiliki model alternatif baru
untuk lingkungan basis data yang dapat mengisi celah ini. Satu contoh
model-model ini yang sudah cukup kekuatan dan ruang adalah NoSQL ("Tidak
Hanya SQL") [12]. NoSQL adalah istilah umum yang mendefinisikan a database
non-relasional. Model ini datang bersama proposal untuk bertemu, mengatur, dan
mengelola besar volume data, mencari kinerja tinggi dan ketersediaan [13].
A. Paradigma
baru : NoSQL
Database pada umumnya di gunakan
dalam memecahkan berbagai hal masalah model relasional, desainer NoSQL
mempromosikan alternatif dengan penyimpanan tinggi, kecepatan, dan ketersediaan
yang bagus. Mereka berusaha menyingkirkannya aturan dan struktur tertentu yang
memandu Model Relasional. Dengan pelanggaran ini dalam relasional model, kami
memenangkan kinerja dan lebih fleksibel sistem basis data untuk berbagai fitur
yang ada unik untuk setiap perusahaan. Fleksibilitas ini telah menjadi penting
untuk memenuhi persyaratan skalabilitas yang tinggi diperlukan untuk mengelola
sejumlah besar data, serta untuk memastikan ketersediaan tinggi, fitur utama
untuk Web 2.0 aplikasi. Proposal dari database NoSQL tidak memadamkan Model
Relasional, tetapi menggunakannya dalam kasus di mana diperlukan lebih banyak
fleksibilitas penataan basis data [13]. Gerakan ini sangat menjamur di bidang
open source dan meskipun ada banyak basis data dalam kategori ini. Pergerakan
mulai mendapatkan lebih banyak kekuatan ketika beberapa perusahaan, dianggap
sebagai raksasa teknologi, mulai menggunakan mereka implementasi eksklusif.
Kami bisa menyebutkan Google, yang sejak 2004 berinvestasi di BigTable. Kita
juga memiliki Cassandra, yang dikembangkan oleh Facebook untuk menangani arus
besar informasi. Pada tahun 2010, Cassandra terbukti menjadi basis data
terkonsolidasi dan sekarang digunakan oleh Twitter, yang menggunakan MySQL
sebelumnya [14]. Database NoSQL memiliki beberapa hal penting karakteristik
yang membuat mereka sangat berbeda database relasional seperti skalabilitas
Horizontal; Skema bebas skema atau fleksibel; Dukungan asli untuk replikasi;
API sederhana untuk mengakses database.
B. PERBEDAAN
UNTAMA ANTARA DBMS RELATIONAL DAN NoSQL
Ketika kita berpikir tentang
kemungkinan menggunakan database NoSQL daripada relasional model, kita perlu
mengambil beberapa pertanyaan pertimbangan, seperti eskalasi, konsistensi, dan
ketersediaan data. Untuk lebih memahami semua itu perbedaan, Tabel I
mencontohkan dengan singkat ini pertanyaan. Kami juga bisa merangkum kedua
jenis itu database (Relational Model dan NoSQL) dan karakteristik utama sebagai
berikut.
Tabel I.
· Database Relasional
- Apa itu: berdasarkan itu semua
data disimpan tabel, dengan konsep entitas dan hubungan. Data dipisahkan dalam
bentuk yang unik, coba mengurangi redundansi maksimum, karena informasi dibuat
oleh semua data, yang merupakan hubungan antar tabel yang membuat ini layanan.
- Fitur: tabel, skema yang
ditentukan, hierarki, redundansi minimal, dan hubungan entitas, bentuk normal,
transaksi ACID (atomicity, konsistensi, isolasi, daya tahan).
- Kapan menggunakan: lokal,
keuangan, perusahaan; informasi keamanan; konsistensi data.
· NoSQL Databases
- Apa itu: solusi alternatif
untuk relasional database, memiliki skalabilitas dan kinerja tinggi.
- Fitur: catatan, bebas skema,
toleransi kesalahan, skalabilitas, pengelompokan, mapreduce, sharding.
- Kapan menggunakan: sistem
cloud, analisis sosial, tinggi skalabilitas, kinerja dalam permintaan / tulis
replikasi.
III.
DARWINIAN NETWORK
Darwinian Network (DN) [5, 6]
diusulkan untuk menyederhanakan bekerja dengan Bayesian jaringan (BNs) [7].
Daripada memodelkan variabel dalam domain masalah, DN mewakili tabel
probabilitas dalam model. Grafisnya manipulasi tabel kemudian mengambil sebuah perasaan
biologis, di mana CPT P (X / Y) dipandang sebagai representasi baru dari
populasi p (C, D) menggunakan kedua sifat tempur C (berwarna jernih) dan sifat
jinak D (berwarna gelap).
A. Definisi
Suatu sifat dapat bersifat
agresif atau jinak. Sifat traversik adalah digambarkan oleh lingkaran (putih)
yang jelas. Sifat jinak td diilustrasikan oleh lingkaran gelap (hitam). Sebuah
populasi p(C, D) mengandung satu set sifat-sifat CD yang tidak kosong, di mana
C dan D berada disjoint, C secara eksklusif agresif, dan D secara eksklusif
jinak. Populasi digambarkan oleh kurva tertutup sifat-sifatnya. Sebagai contoh,
Gambar 4 (i) menunjukkan delapan populasi, termasuk p(b, ag), yang merupakan
kependekan untuk p({b}, {a, g}),
diilustrasikan dengan kurva tertutup di sekitar sifat agresif (b) dan dua
(gelap) sifat jinak a dan g.
IV.
GRAPHICAL LIBRARY
Pada bagian ini, kami akan
menjelaskan bagaimana Jaringan Darwin (DN) dapat dimodelkan secara
non-relasional. Selanjutnya, kami juga membahas bagaimana evolusi dapat
disimpan sebagai koleksi di database non-relasional yang sama. Dengan
menjelaskan itu, kami memformalkan produk dari makalah ini: Library javascript sederhana untuk mewakili
DN di database non-relasional dengan intuitif dan antarmuka grafis untuk pengguna.
Untuk memastikan bahwa produk dikembangkan dengan baik dan dikontrol selama
seluruh proses, kami menggunakan pendekatan PM5 untuk kelola proyek ini [15].
A. Deskripsi
Basis Data
Sistem ini dibentuk oleh
non-relasional server database dan antarmuka web untuk memanipulasi data.
Server menjalankan javascript Node.js platform, membentuk bagian backend
Library, yang juga mencakup penanganan permintaan klien dan mengelola database.
Antarmuka web juga ditulis dalam javascript dan berkomunikasi dengan browser
dengan menawarkan visualisasi terbaru dari database. Untuk menggambar DN di
browser, web antarmuka menggunakan Scalable Vector Graphics (SVG), yang
merupakan format gambar vektor berbasis XML untuk grafis dua dimensi dengan
dukungan untuk interaktivitas dan animasi. Yang penting pertama konsep di
perpustakaan adalah representasi dari suatu sifat. Dengan konvensi, sifat akan
direpresentasikan sebagai satu karakter atau string tunggal. Misalnya, sifat a
adalah diwakili oleh karakter ‘a’. Konsep kedua yang kami gunakan dalam proyek
ini adalah konvensi kode identifikasi unik untuk setiap koleksi, disebut id. ID
adalah 32 yang dihasilkan secara acak karakter kode panjang. Apalagi, id itu
unik untuk setiap populasi, aturan yang ditegakkan oleh yang non relasional
server basis data. Populasi diwakili oleh a koleksi dalam database. Bidang
pertama dari koleksi adalah id populasi. Bidang kedua adalah dnId, itu adalah
id untuk DN dari mana ini populasi terkandung. Selanjutnya, populasi telah dua
bidang array: agresif dan jinak. Mereka berdua tahan urutan karakter
(karakter). Untuk visualisasi populasi ini, kami juga perlu simpan posisi
populasi di layar. Kita bisa mencapai itu dengan menambahkan dua lagi bidang:
posX dan posY, menyimpan populasi posisi horisontal dan vertikal,
masing-masing. Terakhir, kami membuat bidang yang dibuat. Saat menyimpan
populasi telah dibuat. Berikut satu contoh populasi p (a; b) seperti yang ada
dalam database:
DN adalah koleksi yang dibuat
untuk menjadi direferensikan oleh populasi. Bidang pertamanya adalah identitas
unik. Mengikuti nama bidang yang disebut, yang merupakan masukan pengguna untuk mengidentifikasi DN
secara spesifik. DN adalah digunakan untuk pemodelan domain masalah dan mereka
juga digunakan untuk inferensi. Jadi, kami membutuhkan lapangan untuk
membedakan antara dua situasi ini. Yang itu adalah field Boolean isEvlotion
yang menyimpan false jika DN digunakan dalam pemodelan dan benar jika digunakan
dalam kesimpulan. Koleksi DN juga memiliki bidang dibuat untuk menyimpan
tanggal pembuatan pengguna. Dibawah ini adalah a dokumen dari koleksi DN:
Hal terakhir yang dibutuhkan
perpustakaan mewakili dalam database adalah evolusi. Pertama bidang adalah id
uniknya. Selanjutnya, kami memiliki nama bidang, digunakan untuk menyimpan
identifikasi akrab bagi pengguna. Bidang yang paling penting dalam koleksi ini
adalah dns satu. Di sini, kami memiliki jenis bidang array dengan urutan urutan
nomor DN. ID ini sesuai dengan DNs dengan is isvolusi medan benar. Dengan
demikian, koleksi evolusi dapat menghemat urutan DN, yang persis arti dari
proses inferensi dalam DN. Terakhir, createdAt memiliki fungsi serupa di sini.
Ini mungkin dokumen evolusi dari koleksi evolusi:
B. Web
Interface
Web interface terdiri dari layar
di mana pengguna dapat membuat, mengedit, dan menghapus DN dan evolusi. DN
dibuat secara independen dari evolusi. Artinya, pengguna dapat menentukan DN
dan simpan di layar. Nanti, jika pengguna mau melakukan evolusi dengan DN
tertentu, pengguna bisa pilih dari daftar DN dan mulai populasi manipulasi.
Perhatikan bahwa kapan pun pengguna memulai evolusi salinan DN asli dibuat,
artinya semua manipulasi populasi tidak diterapkan pada DN yang ditentukan,
tetapi untuk salinannya. Pengguna dapat membuat DN, mengedit, dan menghapus DN
di DN layar daftar, seperti yang ditunjukkan pada Gambar 5 dan 6.
Gambar 5 tampilan list DN
Untuk menambah dan menghapus
populasi, edit screen, yang digambarkan pada Gambar 7 menawarkan dua alat
sederhana: bentuk untuk menambahkan populasi di atas dan pilihan untuk mengklik
ganda suatu populasi untuk menghapusnya. Pengguna dapat daftar agresif dan
sifat jinak dengan memisahkan mereka dengan koma. Itu antarmuka mem-parsing
input untuk kenyamanan. Pada daftar evolusi, pengguna mengedit dan melanjutkan
evolusi tetapi tidak dapat membuatnya. Evolusi hanya bisa terjadi dibuat dari
layar daftar DN. Pada Gambar 8, layar daftar evolusi ditampilkan. Kapanpun
sebuah evolusi dihapus, semua DN yang sesuai adalah juga dihapus. Tetapi
perhatikan bahwa DN asli adalah tidak pernah dimodifikasi, hanya salinannya.
Selanjutnya, pengguna bisa melakukan evolusi dengan memanipulasi populasi di
layar evolusi, seperti yang diilustrasikan pada Gambar 9. Populasi dapat
mereplikasi dan bergabung. Untuk meniru, diperlukan klik ganda dalam suatu
populasi, yang memicu jendela pop-up yang menanyakan sifat mana akan dihapus di
replika. Untuk menggabungkan populasi, pengguna dapat menyeret satu di atas
yang lain.
gambar 6
gambar 7 mengedit DN
gambar 8 List evolusi yang ada.
gambar 9 manipulasi hasil
populasi
Web interface saat ini berfungsi
secara terbuka, yaitu semua pengguna memiliki akses yang sama database.
Pekerjaan masa depan akan menciptakan individu bagian, membatasi pengguna ke
basis data mereka sendiri. Pekerjaan masa depan juga dapat mengimplementasikan
representasi beberapa DN. Di sini, idenya adalah menciptakan koleksi baru untuk
menjadi entitas di mana semua DN terkandung. Pendekatan ini mirip dengan
caranya populasi dari DN tertentu mengacu pada id dari DN itu.
V.
KESIMPULAN
Kami mengusulkan kerangka
representasi untuk Jaringan Darwin dengan Non-Relasional Database, tersedia di
https: // dnslab. herokuapp.com/
. Ini adalah javascript implementasi operasi dasar untuk adaptasi dan evolusi
dalam DN. Utama keuntungan dari perpustakaan grafis DN adalah untuk
memvisualisasikan ide-ide dan teknik-teknik baru dari DN. Jadi, ini adalah alat
yang hebat untuk mengajar, cepat prototyping dengan DN dan pengujian.
Non-relasional database (NoSQL) adalah solusi alternatif untuk database
relasional, memiliki skalabilitas tinggi dan kinerja. Kami telah menunjukkan
yang komprehensif perbandingan antara relasional dan non-relasional database.
Motivasi dan konsep dasar tentang database non-relasional dinyatakan juga
contoh untuk menggambarkan karakteristik utamanya. Berikutnya, kami mempelajari
bagaimana perbandingan paradigma database ini dengan database relasional. Kami
juga menyediakan contoh untuk menjelaskan kelebihan dan kerugian. Dengan
memanfaatkan fitur unik dari NoSQL kami mengembangkan kerangka kerja intuitif untuk
memvisualisasikan bekerja dengan DN. Misalnya, pengguna dapat membuat DN,
mengedit, dan menghapus DN di DN layar daftar. Fitur lain yang menonjol adalah
DN manipulasi. Dengan daftar evolusi, pengguna bisa mengedit nama dan
melanjutkan evolusi. Pengguna bisa memanipulasi populasi untuk mereplikasi dan
menggabungkan mereka ketika melakukan evolusi. Jurnal ini mengusulkan
perpustakaan grafis untuk mewakili dan menggambarkan database non-relasional
menggunakan DN. Kesimpulan, kami telah menetapkan empat keuntungan utama
penggunaan Pustaka grafis DN:
Perpustakaan adalah ruang
interaktif dengan non-relasional database tersedia melalui antarmuka grafis.
Pengguna dapat membuat dan mengedit DN dengan menggunakan antarmuka web.
Manipulasi DNs kemudian
diterjemahkan oleh perpustakaan ke koresponden non-relasional operasi basis
data.
Dengan menggunakan operasi DN
yang tersedia, pengguna dapat melakukan inferensi secara grafis.
Kerangka ini adalah alat yang
hebat untuk belajar DN.
dan semua kode sumber tersedia
secara online gratis di GitHub melalui halaman web:
https://gitlab.com/jhonatanoliveira/dn-lab Dengan kerangka kerja ini, DN dapat diterapkan sebagai alat yang sederhana
namun sangat kuat mereka, memungkinkan pengguna untuk menggambarkan penalaran
dengan DN.
UCAPAN TERIMA KASIH
CNPq (Conselho Nacional de
Desenvolvimento Ciencia Tecnologico - ”Dewan Nasional Teknologi dan Ilmiah
Development ”) mendukung pekerjaan ini.
REFERENSI
[1]. C. J. Butz, “Introducing
darwinian networks,” in Proceedings of the Twenty- Eighth International Florida
Artificial Intelligence Research Society Conference, 2015, pp. 604–610.
[2]. C. Mohan, “History repeats
itself: Sensible and nonsensql aspects of the nosql hoopla,” in Proceedings of
the 16th International Conference on Extending Database Technology, 2013, pp.
11–16.
[3]. A. Lith and J. Mattsson,
“Investigating storage solutions for large data-a comparison of well performing
and scalable data storage solutions for real time extraction and batch
insertion of data,” 2010.
[4]. D. Maier, Theory of
Relational Databases. Computer Science Pr, 1983.
[5]. C. J. Butz, J. S. Oliveira,
and A. E. dos Santos, “Darwinian networks,” in Proceedings of the Twenty-Eighth
Canadian Artificial Intelligence Conference, 2015, pp. 16–29.
[6]. ——, “On Darwinian networks,”
Computational Intelligence, 2015.
[7]. J. Pearl, Probabilistic
Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan
Kaufmann, 1988.
[8]. E. F. Cood, The Relational
Model for Database Managment. Addison-Wesley Publishing Company, 1990.
[9]. IBM, “Relational database,”
2012, online; Available at http://www- 03.ibm.com/ibm/history/ibm100/
us/en/icons/reldb/, Accessed 24-July-2016. [Online]. Available: http://www-
03.ibm.com/ibm/history/ibm100/ us/en/icons/reldb/
[10]. Uniredes, “List of the most
used databases in the would,” 2013, online; Available at
http://uniredes.org/kb/?View= entry&EntryID=224, Accessed 24-July- 2016.
[Online]. Available: http://uniredes.org/kb/?View=entry&EntryI D= 224
[11]. InfoQ, “Facebook - the
biggest migration,” 2011, online; Available at https://www.infoq.com/br/news/
2011/08/facebook-maior-migracao, Accessed 24-July- 2016. [Online]. Available:
https://www.infoq.com/br/ news/2011/08/facebook-maior-migracao
[12]. N. Database, “List of nosql
databases,” 2015, online; Available at http://nosql-database.org, Accessed
16-July- 2016. [Online]. Available: http://nosql-database.org/
[13]. MongoDB, “Mongodb for giant
ideas,” 2016, online; Available at https://www.mongodb.com/, Accessed 25-
July-2016. [Online]. Available: https://www.mongodb. com/
[14]. NoSQLDatabases, “How to
create a consistent hasher using php,” 2010, online; Available at http://www.
nosqldatabases.com/main/tag/consistent-hashing, Accessed 21-July-2016.
[Online]. Available: http: //www.nosqldatabases.com/main/tag/consist
ent-hashing
[15]. P. R. M. Andrade, A. B.
Albuquerque, O. F. Frota, and J. F. S. Filho, “Pm5: One approach to the
management of it projects applied in the brazilian public sector,” in
Proceedings of 13th International Conference on Software Engineering Research
and Practice - SERP. WorldComp, 2015.
Kelompok :
M.Himawan Noer Adiyasa (57414308)
Sumber :
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3016606
Comments
Post a Comment