Towards an operational database for real-time environmental monitoring and early warning systems
PBN-AR
Instytucja
Wydział Informatyki, Elektroniki i Telekomunikacji (Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie)
Źródłowe zdarzenia ewaluacyjne
Informacje podstawowe
Główny język publikacji
EN
Czasopismo
Procedia Computer Science
ISSN
EISSN
1877-0509
Wydawca
Elsevier
DOI
Rok publikacji
2017
Numer zeszytu
Strony od-do
2250--2259
Numer tomu
108
Link do pełnego tekstu
Identyfikator DOI
Liczba arkuszy
0.71
Słowa kluczowe
EN
environmental monitoring
smart levee monitoring
time series data
operational database
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
ICCS 2017
Nazwa konferencji
The International Conference of Computational Science
Początek konferencji
2017-06-12
Koniec konferencji
2017-06-14
Lokalizacja konferencji
Zurich
Kraj konferencji
CH
Lista innych baz czasopism i abstraktów w których była indeksowana
Open access
Tryb otwartego dostępu
Otwarte czasopismo
Wersja tekstu w otwartym dostępie
Wersja opublikowana
Licencja otwartego dostępu
Creative Commons — Uznanie autorstwa-Niekomercyjne-Bez utworów zależnych
Czas opublikowania w otwartym dostępie
Razem z publikacją
Streszczenia
Język
EN
Treść
Real-time environmental monitoring, early warning and decision support systems (EMEWD) require advanced management of operational data, i.e. recent sensor data needed for the assessment of the current situation. In this paper we evaluate the suitability of four data models and corresponding database technologies – MongoDB document database, PostgreSQL relational database, Redis dictionary data server and InfluxDB time series database – to serve as an operational database for EMEWD systems. For each of the evaluated databases, we design alternative data models to represent time series data, and experimentally evaluate each of them. We also perform comparative performance evaluation of all databases, using the best model in each case. We have designed performance tests which reflect realistic conditions, using mixed workloads (simultaneous read and write operations) and queries typical for a smart levee monitoring and flood decision support system. Overall the results of the experiments allow us to answer interesting questions, such as: (1) how best to implement time series in a given data model? (2) What are the reasonable operational database volume limits? (3) What are the performance limits for different types of databases?
Cechy publikacji
original article
peer-reviewed
Inne
System-identifier
idp:106411
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych