vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2022-27-3-95-106 Картография и геоинформатика Возможности NOSQL СУБД для обработки пространственных данных А. А. Колесников Колесников А. А. Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация 2022 27 3 95 106 © А. А. Колесников, 2022 2022 А. А. Колесников Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Все большее число систем управления базами данных расширяют свою функциональность для работы с различными типами пространственных данных. Это справедливо как для СУБД, основанных на реляционных, так и на NoSQL моделях данных. В статье приводятся основные особенности тех моделей данных, для которых реализованы функции хранения и обработки пространственных данных. Рассмотрены методы искусственного интеллекта, которые реализованы на основе той или иной СУБД. Выполнен сравнительный анализ производительности типовых пространственных запросов для систем управления базами данных, базирующихся на различных моделях данных, в том числе и мультимодельных. Набор данных, на котором выполняется сравнение, представлен в виде трех блоков векторных данных OpenStreetMap на территорию Новосибирской области. По результатам исследования приводятся рекомендации по использованию тех или иных моделей данных в зависимости от имеющихся данных и решаемых задач. СУБД пространственные данные методы обработки пространственный анализ искусственный интеллект машинное обучение DBMS spatial data processing methods spatial analysis artificial intelligence machine learning Тимофеева Н. Е., Дмитриева К. А. Сравнительный анализ реляционной и нереляционной модели хранения служебной информации централизованной распределенной базы данных // Вестник Российского нового университета. Серия: сложные системы, модели, анализ и управление. – 2019. – Т. 1. – C. 66–74. Ali W., Shafique M. U., Majeed M. A., Raza A. Comparison between SQL and NoSQL Databases and Their Relationship with Big Data Analytics // Asian Journal of Research in Computer Science. –2019. – Vol. 4(2). – P. 1–10. doi: 10.9734/ajrcos/2019/v4i230108. Reniers V., Rafique A., Van Landuyt D. Object-NoSQL Database Mappers: a benchmark study on the performance overhead // Journal of Internet Services and Applications – 2017. – Vol. 8. – 1. doi: 10.1186/s13174-016-0052-x. Győrödi C. A., Dumşe-Burescu D. V., Zmaranda D. R., Győrödi R. Ş., Gabor G. A., Pecherle G. D. Performance Analysis of NoSQL and Relational Databases with CouchDB and MySQL for Application’s Data Storage // Applied Sciences. – 2020. – Vol. 10 (23). – P. 8524. doi: 10.3390/app10238524. Shmueli G. Research Dilemmas with Behavioral Big Data // Big Data. –2017. – Vol. 5(2). – P. 98–119. doi: 10.1089/big.2016.0043. Королева Ю. А., Маслова В. О., Козлова В. К. Разработка концепции миграции данных между реляционными и нереляционными системами БД // Программные продукты и системы. – 2019. – Т. 1. – C. 63–67. Hasan M. Performances analysis of NoSQL and relational databases for analyzing GeoJSON spatial data // Перспективы науки. –2019. – Т. 7. – C. 40–42. Mabele B. C. P. Fundamentals of the geographic information database of the specially protected natural areas of the Republic of Congo // Изв. вузов. Геодезия и аэрофотосъемка. – 2020. – Т. 64 (5). – С. 596–607. Preuveneers D., Joosen W. Automated Configuration of NoSQL Performance and Scalability Tactics for Data-Intensive Applications // Informatics. – 2020. – Vol. 7(3). – P. 29. doi: 10.3390/informatics7030029. Kabakus A. T., Kara R. A performance evaluation of in-memory databases // Journal of King Saud University – Computer and Information Sciences. – 2017. – Vol. 29 (4). – P. 520–525. doi: 10.1016/j.jksuci.2016.06.007. Laksmita N., Apriliyanto E., Pandu I., Rini K. Comparison of NoSQL Database Performance with SQL Server Database on Online Airplane Ticket Booking // Indonesian Journal of Applied Informatics. – 2020. – Vol. 4(2). – P. 64–75. doi: 10.20961/ijai.v4i2.38956. Wisal K., Ejaz A., Waseem S. Predictive Performance Comparison Analysis of Relational & NoSQL Graph Databases // International Journal of Advanced Computer Science and Applications(IJACSA). – 2017. – Vol. 8(5). doi: 10.14569/IJACSA.2017.080564. Guo D., Onstein E. State-of-the-Art Geospatial Information Processing in NoSQL Databases // ISPRS International Journal of Geo-Information. – 2020. – Vol. 9(5). – P. 331. doi: 10.3390/ijgi9050331. Бёрнс Б. Designing Distributed Systems: Patterns and Paradigms for Scalable, Reliable services / Б. Бёрнс. – O’Reilly Media, 2018. – 166 с. Holubová I., Scherzinger S. Unlocking the potential of NextGen multi-model databases for semantic big data projects // In Proceedings of the International Workshop on Semantic Big Data (SBD '19). – 2019. – Vol. 6. – P. 1–6. doi: 10.1145/3323878.3325807. Divya C., Bansal K. L. Using the Advantages of NOSQL: A Case Study on MongoDB // International Journal on Recent and Innovation Trends in Computing and Communication. – 2017. – 5.2. – P. 90–93. Webber J. A programmatic introduction to neo4j // Proceedings of the 3rd annual conference on Systems, programming, and applications: software for humanity. – 2012. – С. 217–218. Dominguez-Sal D., Urbon-Bayes P., Gimenez-Vano A., Gomez-Villamor S., Martınez-Bazan N., Larriba-Pey J.L. Survey of graph database performance on the HPC scalable graph analysis benchmark // Proceedings of the 2010 International Conference on Web-age Information Management (WAIM'10). Berlin, Heidelberg, Springer-Verlag, 2010. – P. 37–48. Yamaguchi S., Morimitsu Y. Improving Dynamic Scaling Performance of Cassandra // IEICE Transactions on Information and Systems. – 2017. – Vol.E100.D(4). – P. 682–692. doi: 10.1587/transinf.2016DAP0009. Беладинович С. Новый подход к проектированию гибридных баз данных SQL. NoSQL на основе данных. Структурированность // Информационные системы предприятия. – 2018. – С. 1–19. Demidova L., Nikulchev E., Sokolova Yu. Big data classification using the SVM classifiers with the modified particle swarm optimization and the SVM ensembles // International journal of advanced computer science and applications. – 2016. – Vol. 7(5). – P. 294–312.