Показати скорочену інформацію

Розвиток методів сегментації даних в розподілених системах керування базами даних

dc.contributor.authorМиргородський, А. В.uk
dc.contributor.authorРоманюк, О. В.uk
dc.contributor.authorMyrhorodskyi, A. V.en
dc.contributor.authorRomaniuk, O. V.en
dc.date.accessioned2026-04-07T13:32:54Z
dc.date.available2026-04-07T13:32:54Z
dc.date.issued2025
dc.identifier.citationМиргородський А. В., Романюк О. В. Розвиток методів сегментації даних в розподілених системах керування базами даних // Наукові праці Вінницького національного технічного університету. Електрон. текст. дані (PDF: 864 КБ). 2025. № 4. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/890.uk
dc.identifier.issn2307-5376
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/51116
dc.description.abstractВ статті розглянуто актуальну задачу підвищення ефективності роботи розподілених інформаційних систем шляхом використання методів сегментації (фрагментації) даних. Наголошено, що забезпечення балансу між доступністю, узгодженістю та швидкодією обробки запитів є одним із ключових завдань сучасних систем керування базами даних. Проаналізовано широкий спектр методів сегментації, включаючи діапазонну, хеш-, географічну, темпоральну сегментацію, мікро-шарди, сегментацію з урахуванням мережі та на основі знань. Для кожного підходу охарактеризовано принцип роботи, переваги та обмеження, а також специфіку застосування у різних сценаріях використання. На основі проведеної систематизації сформовано порівняльну таблицю, яка дозволяє оцінити методи за такими критеріями, як динамічність розподілу, адаптивність до змін, складність реалізації, апаратні вимоги та можливості локалізації даних. Запропоновано інтегральний критерій ефективності, що враховує динамічність розподілу, адаптивність, локалізацію та апаратні вимоги й дозволяє кількісно оцінити ефективність різних методів незалежно від їхньої концептуальної природи. Показано, що адаптивні методи забезпечують найкращі результати в умовах достатніх ресурсів, тоді як географічна сегментація та мережево орієнтовані підходи є більш ефективними у ресурсно обмежених середовищах. Проаналізовано вплив вагового коефіцієнта апаратних вимог на результат критерія, що дозволило сформувати рекомендації щодо вибору методу сегментації для різних інфраструктурних сценаріїв. Наукова новизна полягає у запропонованій інтегральній системі оцінювання ефективності методів сегментації даних, що поєднує показники динамічного розподілу, адаптивності, локалізації та апаратних вимог у єдиному нормалізованому критерії. Отримані результати становлять основу для подальших досліджень у напрямку розроблення універсальних адаптивних механізмів сегментації, інтеграції їх із сучасними моделями узгодженості даних та застосування алгоритмів машинного навчання для автоматичної класифікації сегментів.uk
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofНаукові праці Вінницького національного технічного університету. № 4.uk
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/890
dc.subjectрозподілені системиuk
dc.subjectбази данихuk
dc.subjectсегментація данихuk
dc.subjectшардингuk
dc.subjectмасштабованістьuk
dc.subjectузгодженість данихuk
dc.subjectрозподілене зберіганняuk
dc.titleРозвиток методів сегментації даних в розподілених системах керування базами данихuk
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc004.65
dc.relation.referencesZulkifli A. Accelerating database efficiency in complex IT infrastructures: advanced techniques for optimizing performance, scalability, and datamanagement in distributed systems.International journal of information and cybersecurity. 2023. Vol. 7, No12. P. 81–100.en
dc.relation.referencesAyyagiri A., Pandian P. K. G., Goel P. Efficient data migration strategies in sharded databases.Journal of quantum science and technology. 2024. Vol. 1, No2. P. 72–87. URL: https://doi.org/10.36676/jqst.v1.i2.17 (date of access: 04.10.2025). Title from screen.en
dc.relation.referencesSolat S. Sharding distributed databases: a critical review. ArXiv preprint. 2024. URL: https://doi.org/10.48550/arXiv.2404.04384. Title from screen.en
dc.relation.referencesDYNASHARD: secure and adaptive blockchain sharding protocol with hybrid consensus and dynamic shard management / Ao Liu et al. IEEE internet of things journal. 2024. URL: https://doi.org/10.1109/jiot.2024.3490036(date of access: 05.10.2025).Title from screen.en
dc.relation.referencesDritsas E., Trigka M. A survey on database systems in the big data era: architectures, performance, and open challenges.IEEE access. 2025. URL: https://doi.org/10.1109/access.2025.3572059(date of access: 05.10.2025).Title from screen.en
dc.relation.referencesSolat S., Nait-Abdesselam F. Sharding distributed replication systems to improve scalability and throughput. Building cybersecurity applications with blockchain and smart contracts. Cham, 2023. P. 101–124. URL: https://doi.org/10.1007/978-3-031-50733-5_5 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesResearch on transaction allocation strategy in blockchain state sharding / Guangxia Xu etal. Future generation computer systems. 2025. URL: https://doi.org/10.1016/j.future.2025.107756 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesAggregate based light incremental sharding for efficient embedding table management for recommender systems /Chao Kong et al. Scientific reports. 2025. Vol. 15, No1. URL: https://doi.org/10.1038/s41598-025-15351-8 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesSharding by hash partitioning -A database scalability pattern to achieve evenly sharded database clusters / Caio H. Costa et al. 17-th international conference on enterprise information systems, Barcelona, Spain, 27–30 April 2015. [S. l.], 2015. URL: https://doi.org/10.5220/0005376203130320 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesMao C., Golab W. Geo Chain: a locality-based sharding protocol for permissioned blockchains. ICDCN 2023: 24-th International conference on distributed computing and networking, Kharagpur India. New York, NY, USA, 2023.URL: https://doi.org/10.1145/3571306.3571392 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesShard manager / Sangmin Lee et al. SOSP '21: ACM SIGOPS 28thsymposium on operating systems principles, Virtual Event Germany. New York, NY, USA, 2021. URL: https://doi.org/10.1145/3477132.3483546 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesПєтух А. М., Романюк О. В., Романюк О. Н. Бази даних. Мови запитів, управління транзакціями, розподілена обробка даних. Вінниця: ВНТУ, 2016. 95 с.uk
dc.relation.referencesGoli M., Rankoohi S. M. T. R. A new vertical fragmentation algorithm based on ant collective behavior in distributed database systems. Knowledgeand information systems. 2011. Vol. 30, No 2.P. 435–455. URL: https://doi.org/10.1007/s10115-011-0384-6(date of access: 05.10.2025).Title from screen.en
dc.relation.referencesМиргородський А. В., Романюк О. В. Аналіз архітектурних принципів сучасних розподілених систем керування базами даних. Матеріали LIV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24–27 берез. 2025 р. Вінниця, 2025. URL: http://ir.lib.vntu.edu.ua/handle/123456789/48567?show=full.uk
dc.relation.referencesМиргородський А. В., Романюк О. В, Романюк О. Н. Аналіз динамічних моделей забезпечення узгодженості даних у розподілених системах керування базами даних. Measuring and computing devices in technological processes. 2025. No 3. С. 285–292. URL: https://doi.org/10.31891/2219-9365-2025-83-35. Назва з екрана.uk
dc.relation.referencesSelf-healing Nodes with Adaptive Data-Sharding / Ayush Thakur et al. ArXiv preprint. 2024. URL: https://doi.org/10.48550/arXiv.2405.00004. Title from screen.en
dc.relation.referencesSharding the shards: managing datastore locality at scale with Akkio / Muthukaruppan Annamalai et al. Proceedings of the 13-th USENIX conference on operating systems design and implementation. USA, 2018. P.445-460.en
dc.relation.referencesSharding social networks / Quang Duong et al. The sixth ACM international conference, Rome, Italy, 4–8 February 2013.New York, New York, USA, 2013. URL: https://doi.org/10.1145/2433396.2433424 (date of access: 05.10.2025). Title from screen.en
dc.relation.referencesKrasuski A., Szczuka M. Knowledge driven query sharding.Informatik-Berichte. 2012.Vol. 225. P. 182–190.en
dc.relation.referencesJayaraman S., Borada D. Efficient data sharding techniques for high-scalability applications.Integrated journal for research in arts and humanities. 2024. Vol. 4, No6. P. 323–351. URL: https://doi.org/10.55544/ijrah.4.6.25 (date of access: 13.11.2025). Title from screen.en
dc.relation.referencesSalunke S. V., Ouda A. A performance benchmark for the PostgreSQL and My SQL databases. Future internet. 2024. Vol. 16, No10. P. 382. URL: https://doi.org/10.3390/fi16100382 (date of access: 13.11.2025).Title from screen.en
dc.identifier.doihttps://doi.org/10.31649/2307-5376-2025-4-87-98


Файли в цьому документі

Thumbnail
Ім'я:
198178.pdf
Розмір:
864.1Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію