ביצוע שאילתות מורכבות-הגדלת יחסיים (MySQL) ו NoSQL (MongoDB קיימים) הגדל גודל ISO/EN EHR מתוקננת 13606 מסדי נתונים

Summary

מחקר זה משווה יחסיים, שאינם יחסיים (NoSQL) סטנדרטיות מערכות מידע רפואי. מורכבות חישובית זמני התגובה של שאילתות כגון מערכות ניהול מסדי נתונים (DBMS) מחושב באמצעות הכפלה בגודל מסדי נתונים. תוצאות אלו מסייעים הדיון נאותות של כל מסד הנתונים לגישה תרחישים שונים ובעיות.

Abstract

מחקר זה מראה פרוטוקול כדי להעריך את הסיבוכיות של שאילתות יחסיים, שאינם יחסיים (NoSQL (לא רק שפת שאילתות מובנית)) סטנדרטיות בריאות אלקטרונית הרשומה (EHR) מידע רפואי מערכות מסדי נתונים (DBMS). היא משתמשת סט של שלוש הכפלה בגודל מסדי נתונים, קרי מסדי נתונים לאחסון 5000, 10,000 ל 20,000 מציאותי סטנדרטית EHR תמציות, בשלוש מערכות ניהול שונות של מסדי נתונים (DBMS): מיפוי אובייקטי-רלציוני MySQL רלציוני (ORM), מבוסס-מסמך NoSQL MongoDB, שפת סימון מורחבת מקורית (XML) NoSQL קיים.

זמני התגובה הממוצע 6 שאילתות מורכבות-הגדלת חושבו, התוצאות הראו התנהגות ליניארי במקרים NoSQL. בשטח NoSQL, MongoDB מציג מדרון להחמיא הרבה של ליניארי יותר קיימים.

מערכות NoSQL יכול להיות גם מתאים יותר לשמור על מערכות מידע רפואי מתוקנן בשל אופיו המיוחד של מדיניות עדכון של מידע רפואי, אשר לא תשפיע על העקביות והיעילות של הנתונים המאוחסנים NoSQL מסדי נתונים.

מגבלה אחת של פרוטוקול זה הוא העדר תוצאות ישירות של מערכות יחסיים משופר כגון מיפוי רלציוני ארכיטיפ (זרוע) עם הנתונים. אולם, האינטרפולציה של תוצאות מסד הנתונים בגודל הכפלת לאלה שהוצגו בספרות, אחרים שפורסמו תוצאות מרמז כי מערכות NoSQL עשוי להיות מתאים יותר הרבה תרחישים ספציפיים ובעיות להיפתר. לדוגמה, ייתכן NoSQL המתאים עבור משימות המבוססות על המסמך, כגון EHR תמציות בשימוש הקלינית, מהדורה, ויזואליזציה, או מצבים שבהם המטרה היא לא רק שאילתה המידע הרפואי, אלא גם כדי לשקם את EHR בדיוק בצורתו המקורית.

Introduction

NoSQL (לא רק SQL) DBMS שהתגלו לאחרונה כחלופה כדי מסורתי יחסיים DBMS (RDMBS). RDBMS יש שלטה הדרך היו מאוחסנים נתונים במערכות של מסדי נתונים במשך עשרות שנים. אלגברה רלציונית למד היטב ומובן. על הצד יש להבטיח את יעילות והעקביות של RDBMS¹. NoSQL מערכות לא אהפוך תחליפים עבור מערכות יחסיים, אולם הם יכולים להתנהג ביתרון בתרחישים מסוימים, תחת מספר תנאים.

חלקם של אלה תרחישים מסוים התנאים להתרחש בעת עיצוב התמדתו של מסד נתונים של מערכות שיא הבריאות אלקטרונית (EHR) נהגו לנהל ולאחסן מידע רפואי. על מנת להיות ומתמשכות בפועל, מספר תקנים בינלאומיים כגון ISO/EN 13606, openEHR HL7^2,3,4,5 שימשו כדי לתקנן EHR תמציות.

מספר תקנים ISO/EN 13606 ו openEHR יש להפריד מידע וידע בשתי רמות שונות של הפשטה, המיוצג על-ידי הפניה מודל (RM) ומבני נתונים מיוחד שנקרא ונושמים. ההפרדה הזאת נקרא לעתים קרובות כפול דגם וההיתרים זה מערכות EHR סמנטי לשילוב הידע להתפתח ללא תיכנות מחדש את כל המערכת EHR, וכתוצאה מכך כדי להיות maintainable ובר קיימא בפועל⁶ . עם זאת, המודל הכפול מיושם במערכות EHR מתוקננת דורשת כי הארגון של המידע להלן מבנה ספציפי, זה השלכות עמוקה דרך שרמת התמדה מסד הנתונים של המערכת הוא מעוצב⁷.

אובייקט מיפוי יחסיים (ORM)⁸ הוא אחד מתודולוגיה ליישום מערכת EHR באמצעות הפרדיגמה של מסדי נתונים יחסיים. ORM מפות בדקדקנות את המבנה של מתוקננת EHR תמציות XML (שפת סימון מורחבת) קבצים בשימוש על ידי המערכת עבור מסדי נתונים יחסיים. ORM בונה טבלאות יחסיים רבות ומגובה בעקבות המבנה של הקבצים XML מתוקננת EHR תמציות. טבלאות יחסיים אלה קשורות זו לזו באמצעות מפתחות זרים רבים, ייתכן כי לא תהיה למערכת וכתוצאה מכך מאוד יעיל.

הוצעו מספר שיפורים יחסיים ORM. צומת + נתיב של openEHR⁹ יקטין את מספר השולחנות יחסיים בעריכה בסידרה של עצי משנה של התמצית כל קובץ XML לתוך כתמים (אובייקטים גדולים בינארי). עם זאת, זו הפשטה גורמת מורכבות לאחזור לוגיקה, פגיעה שאילתות מורכבות. ארכיטיפ מיפוי יחסיים (זרוע)¹⁰ יוצר מודל מסד הנתונים מונע על ידי ונושמים, בניין סכימה יחסיים חדשה המבוססת על מיפויים בין טיפוסים וטבלאות יחסיים. כתוצאה מכך, חלק מהמידע שאינם רפואיים של התמצית EHR אובד.

מסדי NoSQL מבוססי מסמכים רבים לאחסן מסמכים כל כמו כתמים כל כיבוד בקובץ XML המקורי או JSON (בסימון אובייקט JavaScript) עיצוב. משמעות הדבר היא כי אין שולחנות יחסיים בנויים. מסדי נתונים אלה NoSQL יש ללא סכימה, הם אינם תומכים או צירופים או מאפיינים (חומצה)¹¹, קרי, atomicity, עקביות, בידוד או עמידות. כתוצאה מכך, הם עשויים להיות מאוד יעיל אם רכיב של מסמך מפנה אלמנטים של אותו או כאלה מסמכים אחרים ניצול קישור כיופמיזם. זה קורה כי, כדי לשמור על עקביות, מכלול המסמכים המופנה חייב להיות מעובד באופן רציף. עם זאת, ייתכן מסד נתונים שאינם יחסיים עדיין המתאים אם המשימה העיקרית שבוצעה על-ידי ה-DBMS היא פעילות המבוססות על המסמך. זה בגלל נתונים עשויים להישאר בצורה יותר מקרוב קירוב הייצוג האמיתי שלו באמצעות מסד NoSQL המבוססות על המסמך, למרות זאת גם בשל המדיניות התמדה מיוחד על ידי EHR מסמכים רפואיים (עיין בסעיף הדיון).

המטרה של שיטות אלה היא להציג מספר ניסויים כדי להשוות בין יישום שכבת התמדה של מערכת EHR מתוקננת באמצעות שלושה Dbms שונים: אחד יחסיים (MySQL) ו NoSQL שני (קיים מבוסס-מסמך MongoDB ו- XML המקורי). הסיבוכיות שלהם היה מחושב, והשוו באמצעות שלושה הגדלת גודל מסדי נתונים שונים ו- 6 שאילתות מורכבות-הגדלת שונים. שרתי מסד נתונים שלוש יש הותקן והוגדר באופן מקומי בבאותו מחשב שבו הוצאו להורג של השאילתות. ראה טבלה של חומרים עבור פרטים טכניים.

ניסויים מקביליות גם נערכו על מנת להשוות את הביצועים של MySQL ו NoSQL MongoDB Dbms יחסיים. השיפורים ORM המתואר (צומת + נתיב וזרוע) גם מושווים באמצעות הרלוונטיים התוצרות מכל¹⁰ספרות.

מערכות ניהול מסדי נתונים מתפתחים באופן רציף בקצב מאיץ. אף אחד לא יחשוב על התפתחות מעריכית זו הפרדיגמה הקיימת היחיד היה במודל. ניקח דוגמה, ראה למשל¹², שבו הוצע מודל ליישם את התגובה בזמן משופרת מסדי נתונים יחסיים שמירה על המאפיינים חומצה.

Protocol

1. לבנות של DBMS MySQL יחסיים כדי לאחסן את מסדי הנתונים של תמציות EHR סטנדרטית בגודל כפול שלוש

1. ייבוא ה – W3C (World Wide Web Consortium) סכימת ה-XML המתאימה RM ISO/EN13606, ואת סוגי הנתונים ISO21090 אל 'Java IDE' (סביבת פיתוח משולבת).
   הערה: ISO מייצג ארגון התקנים הבינלאומי. EN עומד על נורמה אירופית.
2. לבצע את JAXB (איגוד XML Java) התוספת ב- IDE; זה מייצר מחלקות Java המתאימה למבנה של האלמנטים של קבצי ה-XML EHR תמציות.
3. לתייג באופן ידני מחלקות Java הפיק עם JPA תוויות. תוויות אלה להפנות את cardinalities ויחסים אחרים בין הטבלאות יחסיים של מסד הנתונים MySQL.
4. לייבא את הספריות של JPA (התמדה Java API) אל ה-IDE ובצע את שיטת בונה מסד נתונים MySQL מחלקות Java מתויגות.
5. ליצור שלוש ספריות עם 5,000, 10,000 ו- 20,000 EHR מציאותי מחלץ קבצי XML.
6. לבצע את פעולת השירות JPA כדי לטעון את תמצית ה-XML לתוך ה-DBMS MySQL על כל תמציות של הספריה תמציות 5,000.
7. חזור על שלב 1.6 פעמיים, פעם אחת עם הספריה תמציות 10,000 ופעם אחת עם הספריה תמציות 20,000.

2. לבנות של DBMS NoSQL MongoDB לאחסון מסדי נתונים של תמציות EHR סטנדרטית בגודל כפול שלוש

1. תהליך כל שלוש הספריות המכילות 5,000, 10,000 ו- 20,000 מציאותי EHR מחלץ קבצי XML עם תוכנית סטנדרטית כדי להמיר קבצי XML JSON קבצים, כגון json.org.XML. שלוש ספריות עם 5,000, 10,000 ו- 20,000 JSON קבצים צריך להיות מיוצר.
2. השקת MongoDB GUI (ממשק משתמש גרפי, ראה טבלה של חומרים).
3. ההשקה MongoDB 2.6 שרת ביצוע התוכנית mongod מתוך חלון מערכת DOS (דיסק מערכת ההפעלה).
4. להתחבר MongoDB GUI השרת localhost באמצעות יציאה 27017.
   1. בחר בתפריט "התחבר".
   2. לכתוב שם עבור החיבור (למשל ' הראשון').
   3. כתוב localhost:27017 תיבת הטקסט של שרת DB.
   4. לחץ על לחצן 'התחבר'; עץ עם מסדי הנתונים הנוכחי אמור להופיע בצד השמאל.
5. לבנות מסד נתונים המכיל 5,000 EHR מתוקננת תמציות.
   1. לחץ על השם של איש הקשר בחלק העליון של העץ בצד השמאל.
   2. בחר בתפריט "קובץ".
   3. בחר 'הוסף מסד נתונים'.
   4. הזן את שם מסד הנתונים בתיבת הדו-שיח שמופיעה.
   5. לחץ על אישור.
6. לבנות אוסף המכיל 5,000 EHR מתוקננת תמציות.
   1. לחץ על השם של מסד הנתונים על העץ בצד השמאל.
   2. בחר בתפריט "מסד נתונים".
   3. לבחור "AddCollection".
   4. הזן את השם של האוסף בתיבת הדו-שיח שמופיעה.
   5. לחץ על " צור".
   6. לחץ על השם של האוסף.
   7. בחר בתפריט "ייבוא".
   8. בחר בלחצן 'JSON - מעטפת מונגו / / mongoexport ".
   9. לחץ על "הבא".
   10. לחץ על לחצן "הוסף קבצים המקור".
   11. נווט במחשב באמצעות תיבת הדו-שיח.
   12. פתח הספריה שמכילה 5,000 JSON לחלץ קבצים.
   13. בחר את כל הקבצים בספריה.
   14. לחץ על 'פתח'. רשימת הקבצים JSON אמורה להופיע בתיבת הדו-שיח ' ייבוא '.
   15. לחץ על "הבא"; תצוגה מקדימה של האוסף החדש במסד הנתונים מופיע בצד השמאל.
   16. לחץ על "הבא".
   17. לחץ על "התחל ייבוא". התקדמות הייבוא מופיע למטה בצד השמאל, המציין את מספר הקבצים המיובאים ואת הזמן שחלף.
7. חזור על שלבים 5 ו- 6 כדי לבנות אוסף של 10,000 EHR מתוקננת תמציות.
8. חזור על שלבים 5 ו- 6 כדי לבנות אוסף של 20,000 EHR מתוקננת תמציות.

3. לבנות NoSQL קיים DBMS על החנות שלוש כפול בגודל סטנדרטית EHR תמציות מסדי נתונים

1. הפעל את מסד הנתונים קיימים .
2. באמצעות הסמל של מסד הנתונים, פתח את הלקוח Admin Java.
3. הזן סיסמת מנהל מערכת.
4. לחץ על לחצן 'התחבר'.
5. לבנות אוסף המכיל 5,000 EHR מתוקננת תמציות.
   1. בסרגל הכלים, בחר בתפריט "יצירת אוסף חדש".
   2. בתיבת הדו-שיח שמופיעה, הקלד את השם של האוסף החדש.
   3. לחץ "קבל"; האוסף החדש יופיע.
   4. בחר את שם האוסף.
   5. בסרגל הכלים, בחר בתפריט "מאגר קבצים במסד הנתונים".
   6. נווט של המחשב באמצעות תיבת הדו-שיח.
   7. בחר את הספריה שמכילה את קבצי ה-XML תמצית תקנית 5,000.
   8. לחץ על הלחצן "בחר קבצים או ספריות כדי לאחסן". שימו לב כי תופיע תיבת הדו-שיח מציג את ההתקדמות, הקבצים להיות מאוחסנים, האחוז של מסד הנתונים נוצר.
6. חזור על שלב 5 כדי לבנות אוסף המכיל 10,000 EHR מתוקננת תמציות.
7. חזור על שלב 5 כדי לבנות אוסף המכיל 20,000 EHR מתוקננת תמציות.

4. עיצוב וביצוע במסדי הנתונים MySQL יחסיים 3 6 שאילתות מורכבות-הגדלת

1. עיצוב 6 שאילתות מורכבות-הגדלת בהתאם שמתווה בשימוש תמציות EHR.
2. תוכנית קובץ script SQL עם השאילתה הראשונה על מסד הנתונים MySQL. ה-SQL חייב להסתגל המבנה המיוחד של מסד הנתונים MySQL עקב תמציות תקינה (ונושמים). מסד הנתונים ממפה את כל המבנה של תמציות. כתוצאה מכך, שאילתת SQL היא מורכבת למדי.
3. לזהות את התכונות של מסדי הנתונים היה לזרז את זמן התגובה של השאילתות אם אינדקס נבנה עליהם, ואז לבנות אינדקסים כזה, על פי רוב האינדקסים נבנים באופן אוטומטי על-ידי ה-DBMS.
4. אם שאילתה של אינדקס שאינו אוטומטי בנוי, לבנות אותה באופן ידני.
   1. להתחבר לשרת ה-MySQL (משלים איור 1).
   2. בחר ולחץ על שם מסד הנתונים בצד השמאל.
   3. בחר ולחץ על השולחן יחסיים שבה שוכן השדה הכלול באינדקס.
   4. לחץ על הכרטיסייה "מבנה".
   5. בחר ולחץ על העמודה בה יבנו את האינדקס.
   6. לחץ על "אינדקס". שים לב מופיע משפט SQL בניית האינדקס, מופיעה הודעה המציינת כי המשפט נבנה בהצלחה.
5. לבצע את השאילתה הראשונה.
   1. בחר ולחץ על שם מסד הנתונים בצד השמאל.
   2. לחץ על הכרטיסיה 'SQL'.
   3. לכתוב או להדביק את קוד ה-SQL של השאילתה הראשונה (ראה איור משלים 2).
   4. לחץ "המשך". הערה המופיע המסך הראשון של רשימת התוצאות, יחד עם הודעה עם הזמן של ביצוע השאילתה.
   5. חזור על הביצוע 5 פעמים, לחשב את זמן התגובה הממוצע.
6. חזור על שלב 5 עם שאילתות 2 עד 6.
7. לעשות את כל התהליך שלוש פעמים, עם 5,000, 10,000 ל 20,000 תמציות מסדי נתונים.

5. עיצוב וביצוע במסדי הנתונים-NoSQL MongoDB 3 6 שאילתות מורכבות-הגדלת

1. השקת MongoDB GUI (ראה טבלה של חומרים).
2. להפעיל את שרת ה-MongoDB 2.6 ביצוע התוכנית mongod מתוך חלון מערכת DOS (ראה איור משלים 3).
3. בצע את שלב 2.4 להתחבר MongoDB GUI לשרת localhost באמצעות יציאה 27017.
4. בחר ולהרחיב את מסד הנתונים של MongoDB בצד שמאל.
5. בחר את האוסף.
6. לחץ על תפריט "אוסף" בסרגל הכלים.
7. לבצע את השאילתה MongoDB הראשונה.
   1. לחץ פעמיים על לחצן 'בונה השאילתות'.
   2. לחץ פעמיים על "לשדה שאילתה" של בונה השאילתות בצד שמאל.
   3. לכתוב את השדה של השאילתה MongoDB בתיבת הטקסט של שדה בחלונית ' שאילתה ' (ראה איור 4 משלים).
   4. כתוב את הערך של השאילתה MongoDB ערך תיבת הטקסט בחלונית ' שאילתה '.
      הערה: שאילתה זו צריך להיות משהו כמו {"ns3:EHRExtract.allCompositions.content.items.parts.parts.name.ns2:originalText. הערך":"Descripcion"}. השדה ואת הערך צוטט, כשהם מופרדים באמצעות תווי נקודה-פסיק.
   5. לחץ פעמיים על השדה הקרנה של בונה השאילתות
   6. לכתוב ההקרנה הראשונה בתיבת הטקסט של הקרנה (ראה איור 5 משלים).
   7. לחץ פעמיים על השדה ההקרנה כדי להוסיף תיבת טקסט חדש הקרנה.
   8. לכתוב ההקרנה השנייה בתיבת הטקסט של הקרנה.
      הערה: תחזית בוחר חלק של מסמך שאוחזר על-ידי השאילתה. אלה צריכים להיות משהו כמו {"ns3:EHRExtract. allCompositions.content.items.parts.parts.value.value": 1} ו- {" ns3: EHRExtract.all Compositions.content.items.parts.parts.value.nullFlavor ": 1}
   9. לחץ על כפתור play כחול כדי להפעיל את השאילתה.
   10. דמיינו את הקוד שאילתה בכרטיסיה שאילתה קוד.
   11. להציג את הפרטים של התוצאה בכרטיסיה הסבר: מספר תוצאות, זמן ביצוע באלפיות שניה.
   12. הצג, להרחיב, ולבחון את תוצאות בכרטיסיה ' תוצאה '.
   13. אם נדרש עיבוד נוסף של השאילתה, נכתוב תוכנית Java עם הנהג MongoDB Java עם השאילתה, שיטה לעבד את התוצאות.
   14. חזור על הביצוע 5 פעמים, לחשב את זמן התגובה הממוצע.
8. שלב 5.7 2 הנותרים דרך 6 שאילתות.
9. חזור על שהתהליך כולו ב 5,000, 10,000 ל 20,000 תמציות MongoDB מסדי נתונים.

6. תכנון וביצוע של 3 NoSQL קיימים מסדי נתונים 6 Increasing-המורכבות שאילתות

1. הפעל את קיים DBMS.
2. לפתוח את הלקוח Admin Java.
3. לחץ על לחצן "התחברות למסד הנתונים".
4. בחר את מסד הנתונים ולחץ על זה.
5. לחץ על תפריט "להתייעץ עם מסד הנתונים באמצעות ביטויי XPath"; מופיעה תיבת הדו-שיח ייעוץ.
6. לבצע את הראשון שאילתת XPath (ראה איור 6 משלים).
   1. לכתוב או הדבק את הקוד XPath של שאילתת הראשון בחלק העליון של תיבת הדו-שיח.
   2. לחץ על תפריט "ביצוע" בסרגל הכלים של תיבת הדו-שיח.
   3. הצג תוצאות XML באמצעות הכרטיסיה "XML" בחלק התחתון של תיבת הדו-שיח.
   4. להציג את מספר התוצאות, הידור, זמן הביצוע בחלק התחתון של תיבת הדו-שיח.
   5. חזור על הביצוע 5 פעמים, לחשב את זמן התגובה הממוצע.
7. חזור על שלב 6 עבור שאילתות 2 עד 6.
8. לעשות את כל התהליך שלוש פעמים, עבור 5,000, 10,000 ו- 20,000 תמציות קיימים מסדי נתונים.

7. תכנון וביצוע ניסוי מקביליות באמצעות MongoDB 5,000 תמציות מסדי נתונים MySQL

הערה: הנתונים קיימים הוסר מן הניסוי בשלב זה בשל ביצועים גרועים בניסויים הקודמים.

1. בחר את השאילתות עם שלושת התגובות זמן הקצר ביותר בניסויים קודמים באמצעות תמציות 5,000 מסדי הנתונים (בדרך כלל תחת מספר שניות).
2. לזהות ולבנות באופן ידני תכונת המתאים אינדקסים עבור שאילתות אלה, במידת הצורך.
3. תוכנית Java שני יישומים הליכי משנה מרובים, אחד עבור MySQL והשני עבור MongoDB; כל יישום יהיה בשלושת החוטים עדיפות אחרת, אחד עבור כל שאילתת שנבחרו בשלב 1.
4. לבצע, לחשב את ה-CPU (יחידת עיבוד מרכזית) השתמש בהתפלגות על כל חוט (שאילתת).
5. ביצוע כל יישום הליכי משנה מרובים, לחיצה על כפתור לבצע חמש פעמים במהלך טווח כל 10 דקות, ולחישוב ביותר שבוצעה (בעדיפות הגבוהה ביותר) שאילתה התפוקה הממוצעת ואת התגובה זמן ממוצע של השאילתות שלוש.
6. הצג את השאילתות בביצוע, עם סדרי העדיפויות של זמן הביצוע.
7. לחישוב התפוקה הממוצעת, זמן התגובה הממוצע של כל אחד השאילתות שלוש.

תוצאות

6 שאילתות שונות המבוצעות על מציאותי תמציות EHR סטנדרטית המכילה מידע על הבעיות של המטופלים, לרבות שמות, תאריכים התחלתי וסופי חומרה, מוצגים בטבלה 1.

זמני התגובה הממוצע של השאילתות 6 במסדי הנתונים הכפלה בגודל שלושה ב DBMS כל מוצגים בטבלאות 2-4. המספרים 1-6 הצג את אותן תוצאות בצורה גרפית (שים לב כי הצירים האנכי להשתמש סולמות שונים מאוד לאורך כל הדמויות).

ההתנהגות ליניארית חזקה של הסיבוכיות ניכרת לאורך כל השאילתות של מסדי הנתונים NoSQL, למרות בזהירות המתאימה בשל גודל קטן יחסית של 3 datasets בשימוש. עם זאת, מסד הנתונים היחסי ORM מראה על התנהגות ליניארי לא ברור. הנתונים של MongoDB יש מדרון להחמיא הרבה יותר מסד הנתונים קיימים.

תוצאות לפי מערכת יחסיים משופרת נדון בהקדמה שפורסמו בספרות ניתן למצוא טבלה 5. אינטרפולציה תוצאות MongoDB בלוח 3 עם שאילתות דומות וגדלים של מסד הנתונים של הזרוע נובע טבלה 5 שווה בשתי מערכות מסדי נתונים ב- Q1, אבל מעדיף MongoDB ב- Q3.

ניתן למצוא את התוצאות של הניסויים מקביליות טבלה 5 ו לטבלה6. MongoDB פעימות MySQL בשני בזמן תפוקה ותגובות. למעשה, MongoDB מתנהגת יותר טוב מקביליות מאשר בבידוד, ועומד כמסד נתונים מרשימים בביצוע בו-זמניות.

איור 1 : אלגוריתמי המורכבות ORM MySQL, MongoDB, קיימים DBMS עבור שאילתות Q1 ו- Q4. איור זה שונה מ-⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/) ומראה זמני תגובה בשניות עבור 5,000, 10,000 ו בגודל 20,000 EHR תמציות מסדי נתונים עבור DBMS ושאילתות בכל רבעון 1, רבעון 4. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 2 : המורכבות אלגוריתמית של DBMS MySQL ORM לשאילתה Q2. איור זה מציג זמני תגובה בשניות עבור 5,000, 10,000 ו בגודל 20,000 EHR תמציות מסד הנתונים ORM MySQL לשאילתה Q2. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 3 : המורכבות אלגוריתמית של MongoDB קיימים DBMS עבור שאילתות Q2 ו ש5. איור זה שונה מ-⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/licenses/ על ידי / 4.0) מראה זמני תגובה בשניות עבור 5,000, 10,000, ו בגודל 20,000 EHR תמציות מסדי נתונים עבור DBMS ושאילתות בכל רבעון 2 ו- Q5. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 4 : אלגוריתמיות מורכבות ORM MySQL DBMS עבור שאילתות Q3 ו ש5. מראה זמני תגובה בשניות עבור 5,000, 10,000 ו בגודל 20,000 EHR תמציות מסדי נתונים עבור כל DBMS ושאילתות Q3 ו- Q5. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 5: אלגוריתמי המורכבות קיימים של MongoDB DBMS עבור שאילתת Q3. איור זה שונה מ-⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/licenses/ על-ידי/4.0 /) ומראה זמני תגובה בשניות עבור 5,000, 10,000 ו בגודל 20,000 EHR תמציות מסדי נתונים לכל DBMS או השאילתה Q3. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

איור 6 : המורכבות אלגוריתמית של ORM MySQL, קיימים וכל DBMS MongoDB עבור שאילתה Q6. איור זה שונה מ-⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/licenses/ על-ידי/4.0 /) ומראה זמני תגובה בשניות עבור 5,000, 10,000 ו בגודל 20,000 EHR תמציות מסדי נתונים לכל DBMS או השאילתה Q6. אנא לחץ כאן כדי להציג גירסה גדולה יותר של הדמות הזאת.

	שאילתה
Q1	למצוא את כל הבעיות של המטופל יחיד
Q2	למצוא את כל הבעיות של כל המטופלים
Q3	למצוא תאריך ראשוני, רזולוציה תאריך וחומרת
	בעיה אחת של המטופל יחיד
Q4	למצוא תאריך ראשוני, רזולוציה תאריך וחומרת
	כל בעיה בעיות של המטופל יחיד
Q5	למצוא תאריך ראשוני, רזולוציה תאריך וחומרת
	כל בעיה בעיות מכל המטופלים
Q6	למצוא את כל החולים עם הבעיה 'דלקת גרון",
	ראשוניות תאריך > = 16/10/2007 ', ברזולוציה תאריך
	< = ' 06/05/2008 "וחומרת 'גבוהה'

טבלה 1: השאילתות 6 לבצע יחסי ו NoSQL מסדי נתונים EHR סטנדרטית המכילה תמציות אודות בעיות של חולים- טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/) ומציג את השאילתות המורכבות הגוברת 6 ביצע שלושה הגדל גודל במאגרי המידע עבור כל DBMS לידי ביטוי טבעי השפה.

ORM/MySQL	הרופאים 5000	הרופאים 10,000	הרופאים 20,000
Q1 (s)	25.0474	32.6868	170.7342
Q2 (s)	0.0158	0.0147	0.0222
Q3 (s)	3.3849	6.4225	207.2348
Q4 (s)	33.5457	114.6607	115.4169
Q5 (s)	9.6393	74.3767	29.0993
Q6 (s)	1.4382	2.4844	183.4979
גודל מסד הנתונים	4.6 GB	9.4 ג'יגה-בתים	19.4 GB
תמציות סה	5000	10,000	20,000

בטבלה 2: ממוצע זמני תגובה תוך שניות על השאילתות 6 במסדי נתונים בגודל הכפלה של ה-DBMS יחסיים ORM MySQL. טבלה זו מציג שש פעמים תגובה עבור כל שאילתת עבור שלושה הכפלה בגודל מסדי הנתונים באמצעות ה-DBMS יחסיים ORM MySQL ואת הגודל בזיכרון של שלושה מסדי הנתונים.

MongoDB	הרופאים 5000	הרופאים 10,000	הרופאים 20,000	מדרון (*10exp(-6))
Q1 (s)	0.046	0.057	0.1221	5.07
Q2 (s)	34.5181	68.6945	136.2329	6,780.99
Q3 (s)	0.048	0.058	0.1201	4.81
Q4 (s)	0.052	0.061	o.1241	4.81
Q5 (s)	38.0202	75.4376	149.933	7460.85
Q6 (s)	9.5153	18.5566	36.7805	1,817.68
גודל מסד הנתונים	1.95GB	3.95GB	7.95 ג'יגה-בתים
תמציות סה	5000	10,000	20,000

טבלה 3: ממוצע זמני תגובה תוך שניות על השאילתות 6 במסדי נתונים בגודל הכפלה של ה-DBMS NoSQL MongoDB. טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/) ומציג את זמני תגובה 6 של כל שאילתה עבור שלושה הכפלה בגודל מסדי הנתונים באמצעות ה-DBMS MongoDB NoSQL ואת הגודל בזיכרון של שלושה מסדי הנתונים. המדרון ליניארי של כל שאילתה גם מוצג.

קיים	הרופאים 5000	הרופאים 10,000	הרופאים 20,000	מדרון (*10exp(-6))
Q1 (s)	0.6608	3.7834	7.3022	442.76
Q2 (s)	60.7761	129.3645	287.362	15,105.73
Q3 (s)	0.6976	1.771	4.1172	227.96
Q4 (s)	0.6445	3.7604	7.3216	445.17
Q5 (s)	145.3373	291.2502	597.7216	30,158.93
Q6 (s)	68.3798	138.9987	475.2663	27,125.82
גודל מסד הנתונים	1.25 ג'יגה-בתים	2.54 ג'יגה-בתים	5.12 ג'יגה-בתים
תמציות סה	5000	10,000	20,000

בטבלה 4: ממוצע זמני תגובה תוך שניות על השאילתות 6 במסדי נתונים בגודל הכפלה של קיימים NoSQL DBMS. טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/) ומציג זמני תגובה 6 של כל שאילתה המאגרים הכפלה בגודל שלוש באמצעות על NoSQL קיים DBMS ואת הגודל בזיכרון שלושה מאגרי המידע. המדרון ליניארי של כל שאילתה גם מוצג.

	נייר הזרוע	זרוע (s)	צומת + נתיב (s)
Q1	השאילתה 2.1	0.191	24.866
Q3	השאילתה 3.1	0.27	294.774
	גודל מסד הנתונים	2.90 ג'יגה-בתים	43.87 ג'יגה-בתים
	תמציות סה	29,743	29,743

טבלה 5: ממוצע הזמן בשניות של שאילתות דומה Q1 Q3 של מערכות יחסיים משופרת שהוצגו ¹⁰ . טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/) ומציג את שתי שאילתות דומות-רוב ועד Q1 Q3 המוצגים¹⁰ המייצגים שתי מערכות של מסדי נתונים יחסיים משופר זמני התגובה שלהם. המפה מראה גם גודל מסד הנתונים שני.

ORM/MySQL	תפוקת	זמן תגובה
Q1 (s)	4,711.60	0.0793
Q3 (s)	4,711.60	0.1558
Q4 (s)	4,711.60	0.9674

טבלה 6: ממוצע תפוקה וזמן התגובה בשניות של שאילתות Q1, Q3 ו- Q4 של MySQL ORM DBMS יחסיים בביצוע בו-זמניות. טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/), מציג את התפוקה הממוצעת הגבוהה ביותר של השאילתות יחיד-חולה שלושה ואת זמני התגובה הממוצע שלהם בו-זמניות ביצוע הניסוי באמצעות מערכת יחסיים ORM MySQL.

MongoDB	תפוקת	זמן תגובה
Q1 (s)	178,672.60	0.003
Q3 (s)	178,672.60	0.0026
Q4 (s)	178,672.60	0.0034

טבלה 7: ממוצע תפוקה וזמן התגובה בשניות של שאילתות Q1, Q3 ו- Q4 של MongoDB NoSQL DBMS בביצוע בו-זמניות. טבלה זו שונתה מ⁷ באמצעות רשיון Creative Commons (http://creativecommons.org/ licenses/by/4.0/), מציג את התפוקה הממוצעת הגבוהה ביותר של השאילתות יחיד-חולה שלושה ואת זמני התגובה הממוצע שלהם בו-זמניות ביצוע הניסוי באמצעות מערכת MongoDB NoSQL.

משלים איור 1: צילום מסך מראה למסך תוכנת כדי להתחבר לשרת ה-MySQL. אנא לחץ כאן כדי להוריד את הדמות הזו.

משלים איור 2: המסך מראה את ממשק SQL לשרת ה-MySQL שבו נכתב שאילתת SQL הראשונה. אנא לחץ כאן כדי להוריד את הדמות הזו.

משלים איור 3: MongoDB 2.6 localhost שרת מופעל באמצעות חלון מערכת DOS על ידי הפעלת את השרת mongod. אנא לחץ כאן כדי להוריד את הדמות הזו.

משלים באיור 4: צילום המסך מראה את השאילתה בכתב לתיבות הטקסט של בונה השאילתות, כפי שמוצג בשלבים 5.7.1 דרך 5.7.4. צילום מסך מדגים צעד 5.7.3. אנא לחץ כאן כדי להוריד את הדמות הזו.

משלים איור 5: המסך מראה את הצעד 5.7.6. אנא לחץ כאן כדי להוריד את הדמות הזו.

משלים איור 6: צילום מסך ממחיש את הכתיבה של שאילתת XPath בחלק theupper של תיבת הדו-שיח. אנא לחץ כאן כדי להוריד את הדמות הזו.

Discussion

פרוטוקול זה מראה כי מערכות טהור ORM יחסיים שאינם נראים מעשי עבור שאילתות יחיד-מטופל (Q1 Q3, ש4) שכן זמני התגובה איטית יותר, כנראה בגלל מספר רב של טבלאות יחסיים ביצוע פעולות צירוף יקרים רבים, בשל מערכת אחסון בשימוש על-ידי סוג מסוים של מסד נתונים. מסדי נתונים NoSQL לאחסן נתונים באופן מבוסס-מסמך, בעוד מערכות יחסיים משתמשים אופנה המבוססת על טבלה שמתפשט בכל מסמך ברחבי במסד הנתונים כולו. מערכות NoSQL יציג מדרון ליניארי, עם MongoDB ביצוע משמעותית מהר יותר מהקיימות DBMS. ב מקביליות, MongoDB גם מתנהג הרבה יותר טוב מאשר MySQL ORM יחסיים⁷.

פרוטוקול זה מציג פרוטוקול לפתרון בעיות עבור התוצאות שהוצגו ב-⁷ לגבי ה-DBMS MySQL ORM. מערכת MySQL עודכן לגירסה העדכנית ביותר ואת התוצאות השתנו במקצת. נקודה קריטית במערכות NoSQL מבוסס-מסמך בנוסף, כגון MongoDB הוא כי הם עשויים לשמור על עקביות כאשר לאחסון מידע רפואי⁷ כי תמצית EHR מתעדכן, זה לא יוחלף, אבל שלם חדש לחלץ עם הנתונים החדשים היא נוצר ומאוחסן במערכת, ואת תמצית המקורית נשמרת. הסיבה לכך היא דרישה קפדנית של מידע רפואי, והופיעו רפואית שעשיתי החלטות רפואיות חשובות בהתבסס על הנתונים המקוריים.

מערכת משופרת יחסיים הזרוע באופן דרסטי פוחת מספר הטבלאות יחסיים ומשפר ביצועים יחסיים. עם זאת, מאז הוא משנה את סכימת יחסיים, יכול להיות שאילתה מידע רפואי שנערך על ידי תמציות, אבל לא ניתן לשחזר תמציות בצורות המקורי המדויק שלהם.

עבור מסדי נתונים גדול מאוד משנית משתמשים (מחקר), לא ברור באיזו מערכת מסד נתונים מתאים יותר, מאחר שהשאילתות כל-מטופל (Q2 ו ש5) מתנהג יותר טוב ב ORM מאשר במערכות NoSQL, אך מערכות אלה ביצועים טובים יותר פשוטה יחסיים מערכות ב- ¹². אנו רואים Q6 שאילתה מיוחד בין הקלינית והמשני להשתמש שהתנהגותו לא יכול להיקבע על ידי התוצאות הניבו על ידי ניסויים אלה.

עם זאת, מגבלה אחת של השיטה היא inavailability של ניסויים ישירה השוואת שיפור יחסי הזרוע המערכת עם NoSQL MongoDB בנוגע לשאילתות אימון בודד-החולה, רפואיים בדיוק את אותם נתונים המשמשים את הפרוטוקול. אנחנו קיימו את התוצאות אינטרפולציה טבלה 3 ו -5 שולחן בנוגע לשאילתות יחיד-מטופל עד בוצע הניסוי כולל זרוע ממוטבת בפרוטוקול. אנחנו יוצאים ניסויים אלה עבור יישומים עתידיים. צעד קריטי אחד בתוך הפרוטוקול הוא הבחירה של מסד נתונים ללא תשלום, גירסאות תוכנה דומה מן השנים האחרונות, כך ייתכן שנשווה את המדויק המדינה-של-the-art של שלוש טכנולוגיות.

. זה אחד הניסיונות הראשונים להשוות ישירות יחסיים, מערכות NoSQL באמצעות מידע רפואי בפועל, מציאותי, מתוקננת עם זאת, מערכת ספציפית כדי לשמש תלוי הרבה תרחיש בפועל ואת הבעיה יהיה פתור⁸.

Materials

Name	Company	Catalog Number	Comments
MySQL 5.7.20			MySQL experiments
Red Hat Enterprise Linux Server release 7.4 (Maipo), 2.60GHz, RAM 16GB
MongoDB 2.6			MongoDB experiments
Windows 7, 2.66GHz, RAM 12GB
eXist 3.0RC1			eXist experiments
Windows 7, 2.66GHz, RAM 12GB
Studio 3T 5.5.1	3T Software Labs Gmbh		MongoDB GUI