การค้นคืนข้อมูลขนาดใหญ่โดย ...volume of data,...

255

The Journal of KMUTNB., Vol. 25, No. 2, May. - Aug. 2015วารสารวชาการพระจอมเกลาพระนครเหนอ ปท 25 ฉบบท 2 พ.ค. - ส.ค. 2558

การคนคนขอมลขนาดใหญโดยใชภาษาสอบถามแบบไมมโครงสรางรวมกบเทคโนโลย

เวบเชงความหมาย

ผสด บญรอด*อาจารย ภาควชาเทคโนโลยสารสนเทศ คณะเทคโนโลยสารสนเทศ มหาวทยาลยเทคโนโลยพระจอมเกลาพระนครเหนอ

ประกายมาศ ศรสขทกษณวศวกร ฝายเทคโนโลยสารสนเทศเพอสนบสนนธรกจ บรษท กสท โทรคมนาคม จ�ากด (มหาชน)

* ผนพนธประสานงาน โทรศพท 0-2555-2000 ตอ 2733 อเมล: [email protected]

รบเมอ 16 ตลาคม 2557 ตอบรบเมอ 12 มกราคม 2558 เผยแพรออนไลน 18 พฤษภาคม 2558

DOI: 10.14416/j.kmutnb.2015.01.002 © 2015 King Mongkut’s University of Technology North Bangkok. All Rights Reserved.

บทคดยอ

การคนคนขอมลใหตรงตามความตองการของผใชงานมความจ�าเปนมากในปจจบน เนองจากขอมลมปรมาณเพม

มากขน ท�าใหการประมวลผลลาชา และการคนคนไมตรงตามความตองการของผใชงาน วตถประสงคของงานวจยน

จงน�าฐานขอมลไมสมพนธมาประยกตใชกบการจดการขอมลขนาดใหญโดยใชภาษาสอบถามแบบไมมโครงสราง และ

โครงสรางออนโทโลยทเปนเทคโนโลยเวบเชงความหมายมาชวยคนคนขอมลใหมประสทธภาพมากขน โดยท�าการ

ออกแบบโครงสรางออนโทโลยเพอจดเกบลงใน MongoDB ซงเปนฐานขอมลไมสมพนธ จากการวจยพบวาผลการ

ทดสอบความเรวในการอานขอมลทจ�านวนเธรดเทากบ 100 เพอเขาถงขอมลจ�านวน 100,000 แถว ใชเวลาในการ

ประมวลผลมากทสด ซงสามารถประมวลผลเสรจภายในเวลา 36.42 วนาท สวนการแกไขและการลบขอมลพบวาจ�านวน

เธรดและจ�านวนขอมลทแตกตางกนสงผลตอเวลาในการประมวลผลนอยมาก ซงสามารถประมวลผลเสรจภายในเวลา

ไมถง 1 วนาท

ค�าส�าคญ: การคนคนสารสนเทศ ภาษาสอบถามแบบไมมโครงสราง ออนโทโลย เวบเชงความหมาย ฐานขอมลไม

สมพนธ

การอางองบทความ: ผสด บญรอด และ ประกายมาศ ศรสขทกษณ, “การคนคนขอมลขนาดใหญโดยใชภาษาสอบถามแบบไมมโครงสรางรวมกบเทคโนโลยเวบเชงความหมาย,” วารสารวชาการพระจอมเกลาพระนครเหนอ, ปท 25, ฉบบท 2, หนา 255 - 264, พ.ค. - ส.ค. 2558.

http://dx.doi.org/10.14416/j.kmutnb.2015.01.002

256


Retrieving Big Data Using NoSQL and Semantic Web Technology

Pudsadee Boonrawd*Lecturer, Department of Information Technology, Faculty of Information Technology, King Mongkut’s University of Technology North Bangkok, Bangkok, Thailand

Pragaimas SrisuktaksinEngineer, Information Technology for Business Support Division, CAT Telecom Public Company Limited, Bangkok, Thailand

* Corresponding Author, Tel. 0-2555-2000 Ext. 2733, E-mail: [email protected] 16 October 2014; Accepted 12 January 2015; Published online: 18 May 2015DOI: 10.14416/j.kmutnb.2015.01.002 © 2015 King Mongkut’s University of Technology North Bangkok. All Rights Reserved.

AbstractThe retrieval of information to meet user’s requirement is crucial in this Big Data era. Due to the increasing

volume of data, retrieval suffers from the processing delays and the inaccuracy of the retrieved data. The objective of this research is to combine a non-relational database, which features the management of large volumes of data, with a big data retrieval system based on NoSQL. Ontology structure, a semantic web technology, is employed to enhance the retrieval process by storing in MongoDB, which is a non-relational database. The result shows that the response time of the query operation using 100 threads with 100,000 rows is 36.42 seconds. For the updating and deleting operations, the difference between the thread number and the data size has a minimal effect on the processing time, which is less than 1 second.

Keywords: Information Retrieval, NoSQL, Ontology, Semantic Web, Non-relational Database

Please cite this article as: P. Boonrawd and P. Srisuktaksin, “Retrieving Big Data Using NoSQL and Semantic Web Technology,” J. KMUTNB, Vol. 25, No. 2, pp. 255 - 264, May. - Aug. 2015 (in Thai). http://dx.doi.org/10.14416/j.kmutnb.2015.01.002

257


1. บทน�า

ในปจจบนขอมลมเปนจ�านวนมาก และมแนวโนม

เพมขนอยางรวดเรว จากผลการส�ารวจผใชงานอนเทอรเนต

ทวโลกในป ค.ศ. 2013 จากรายงาน Global Internet Report 2014 คดเปน 37.9% [1] และผลการส�ารวจพฤตกรรม

การใชงานเครอขายสงคมออนไลนของชาวอเมรกนในงาน

วจย The Social Habit 2012 ตงแตป ค.ศ. 2008 - 2012 พบวามจ�านวนผใชงานเพมขนจาก 24% เปน 56% [2] ซงหากการคนคนขอมลไดผลลพธไมตรงตามความ

ตองการของผใชงาน จะท�าใหไดขอมลขยะมากยงขน ดงนน การบรหารจดการขอมลใหมประสทธภาพจงเปน

เรองส�าคญ โดยฐานขอมลไมสมพนธ (Non-relational Database) เรมมบทบาทกบระบบสารสนเทศขนาดใหญ

เพมมากขน เนองจากรองรบขอมลปรมาณมาก และม

คณสมบตรองรบการท�างานหนกไดด [3] การคนคนสารสนเทศ (Information Retrieval)

เปนกระบวนการคดเลอกขอมลหรอสารสนเทศทผใชงาน

ตองการ และท�าการคดกรองขอมลทไมตองการออกไป ซงมหลายวธการถกน�ามาใชทแตกตางกนตามประเภท

ของขอมล เชน ขอความ รปภาพ วดทศน หรอเสยง เปนตน โดยแนวคดหลกทถกน�ามาประยกตใชเพอสามารถ

คนคนขอมลใหตรงตามความตองการของผใชงาน และม

การประมวลผลทรวดเรว ตวอยางเชน แบบจ�าลองบลน (Boolean Model) แบบจ�าลองเวกเตอรสเปซ (Vector Space Model) หรอแบบจ�าลองความนาจะเปน (Probabilistic Model) เปนตน [4]

คณะผวจยจงตระหนกถงการบรหารจดการขอมล

ขนาดใหญอยางมประสทธภาพ โดยเนนการคนคนขอมล

ใหตรงตามความตองการของผใชงาน และประหยดเวลา

ในการประมวลผล ดงนนวตถประสงคของการวจยน จงได

ท�าการออกแบบฐานขอมลไมสมพนธโดยใชภาษา

สอบถามแบบไมมโครงสราง และโครงสรางออนโทโลย

ทเปนเทคโนโลยเวบเชงความหมาย (Semantic Web) เพอน�า

มาชวยในการคนคนขอมลใหมประสทธภาพยงขน จากนน

ท�าการทดสอบความเรวในการประมวลผลขอมล ซงใน

บทความวจยนประกอบดวย 5 หวขอหลก ไดแก หวขอท 1 บทน�า หวขอท 2 ทฤษฎและงานวจยทเกยวของ หวขอท 3 วธการด�าเนนการวจย หวขอท 4 ผลการด�าเนนการวจย และหวขอท 5 สรป

2. ทฤษฎและงานวจยทเกยวของ

จากการศกษาทฤษฎและงานวจยทเกยวของเพอ

น�ามาประยกตใชกบงานวจย สามารถแสดงรายละเอยด

ตางๆ ไดดงตอไปน

2.1 ฐานขอมลไมสมพนธ

ฐานขอมลไมสมพนธมลกษณะขอมลทไมมความ

สมพนธกน ซงใชภาษาสอบถามแบบไมมโครงสราง (Not Only SQL: NoSQL) ในการจดการขอมล โดยเนนการ

เขาถงทรวดเรว และฐานขอมลถกออกแบบมาเพอรองรบ

ขอมลปรมาณมาก แตอาจไมรบรองคณสมบต ACID ไดแก ความเปนหนงเดยว (Atomicity) ความสอดคลอง (Consistency) ความเปนอสระ (Isolation) และความคงทน (Durability) ของฐานขอมลเชงสมพนธ (Relational Database)

2.1.1 ประเภทของฐานขอมลไมสมพนธ สามารถ

แบงออกไดเปน 4 ประเภท ตามลกษณะการจดเกบขอมล

ทแตกตางกน ไดแก ก) ฐานขอมลแบบคยอางอง (Key Value Store

Databases) เปนการจดเกบขอมลอยางงายทใชคย (Keys) และคาผลลพธ (Values) ซงมลกษณะเฉพาะไมซ�ากบ

ขอมลตวอนๆ เพอใชอางองและคนหาขอมล

ข) ฐานขอมลแบบคอลมน (Column Oriented Databases) เปนการจดเกบขอมลในรปแบบคอลมน เพอ

รองรบขอมลขนาดใหญ และการเขาถงขอมลทรวดเรว

ค) ฐานขอมลแบบเอกสาร (Document Oriented Databases) เปนการจดเกบเอกสารในรปแบบไมม

โครงสรางหรอกงโครงสราง เชน JSON หรอ XML เปนตน [5] โดยฐานขอมลแบบเอกสารมรปแบบการจดเกบ

คลายกบอารเรยแบบหลายมต

258


ง) ฐานขอมลแบบกราฟ (Graph Databases) เปน

แนวคดของทฤษฎกราฟทจดเกบขอมลในลกษณะของ

ความสมพนธ โดยมโหนดเปนตวแทนของขอมล เสน และ

คณสมบตเปนองคประกอบ [6]2.1.2 ตวอยางของฐานขอมลไมสมพนธ ซงใน

ปจจบนมเครองมอทสามารถน�ามาประยกตใชในการ

พฒนาฐานขอมลไมสมพนธเพมมากขน โดยตวอยาง

สามารถแสดงไดดงตารางท 1

ตารางท 1 ตวอยางฐานขอมลไมสมพนธแตละประเภท

ฐานขอมล ประเภท คณสมบต

Berkeley DB คยอางอง

เปนฐานขอมลแบบฝงตว (Embedded

Database) ขนาดเลก เหมาะส�าหรบการใชงานอยางงาย และทรพยากรจ�ากด รองรบการท�างานพรอมกน และสามารถส�ารองขอมลได [3]

BigTable คอลมน

ฐานขอมลขนาดใหญทมหลายมต ทงแถว คอลมน และมตของเวลา มประสทธภาพในการประมวลผลไดเปนอยางดและรองรบการขยายฐานขอมลในอนาคต [3], [7]

MongoDB เอกสาร

โครงสร า งฐานข อม ลคล าย กบ ฐานขอมลเชงสมพนธ สามารถคนหาขอมลจ�านวนมากไดอยางรวดเรว รองรบการขยายฐานขอมล และการท�างานหนกไดด [3], [7]

Neo4j กราฟ

โครงสรางฐานขอมลอย ในรปแบบกราฟ ซงชวยใหมความคลองตวและมความรวดเรวในการพฒนา รองรบขอมลขนาดใหญ และการขยายเครองแมขาย

ภาษาสอบถามแบบไมมโครงสรางเปนองคประกอบ

หนงทส�าคญของฐานขอมลไมสมพนธ ซงมรปแบบค�าสง

ในการจดการขอมลทไมแนนอนขนอยกบประเภทและ

ผผลตฐานขอมล เนนการ Denormalize เพอการท�างาน

ทรวดเรวโดยไมมการ Join ทงนในสวนการเชอมตอจะ

งายกวาฐานขอมลเชงสมพนธทไมตองมคาใชจายส�าหรบ

การจดซออปกรณฮารดแวรเพมเตม แตจ�าเปนตองม IP และ Port ส�าหรบการใชงาน [8]

2.2 เวบเชงความหมาย

เวบเชงความหมายเปนเทคโนโลยเวบ 3.0 (Web 3.0) ทเนนการเชอมโยงขอมลกนมากขน โดยท�าใหคอมพวเตอร

สามารถเขาใจขอมลทสอดคลองกบความเขาใจของมนษย ซงสามารถแลกเปลยนขอมล และน�าไปประมวลผลตอได

อยางอตโนมต โดยสถาปตยกรรมของเวบเชงความหมาย

จะเกยวของกบการระบและรปแบบของทรพยากรท

ตองการใชงาน (URI/IRI and Unicode) ภาษาเอกซเอมแอล (XML Language) เนมสเปซ (Namespaces) โครงราง

ภาษาเอกซเอมแอล (XML Schema) ภาษาสอบถาม

ส�าหรบเอกซเอมแอล (XML Query) แนวคดของอารดเอฟ

และไวยากรณ (RDF Model and Syntax) ออนโทโลย (Ontology) กฎ (Rules) ภาษาสอบถาม (Query Language) ตรรกะ (Logics) การตรวจสอบขอมลตามกฎ (Proof) และ

ความปลอดภยของซอฟตแวร (Trusted SW) เชน ลายเซน

อเลกทรอนกส (Digital Signature) และการเขารหส (Encryption) ซงสามารถแสดงไดดงรปท 1 [9]

รปท 1 สถาปตยกรรมของเวบเชงความหมาย

Trusted SW

Proof

Logic

Rules/Query

Ontology

RDF Model & Syntax

XML Query XML Schema

Sign

atur

e

Encr

yptio

n

XML Namespaces

URI/IRI Unicode

259


ออนโทโลย (Ontology) เปนแนวคดของเทคโนโลย

เวบเชงความหมายทอธบายรปแบบโครงสรางความสมพนธ

ระหวางขอมลในขอบเขต (Domain) ทสนใจ [10] โดย

ประกอบดวยแนวคด (Concepts) คณสมบต (Properties) ความสมพนธ (Relationships) ขอก�าหนดการสราง

ความสมพนธ (Axioms) และตวอยางขอมล (Instances) โดยในงานวจยน�าโครงสรางออนโทโลยมาชวยใน

การคนคนขอมลใหตรงตามความตองการของผใชงาน

มากยงขน

2.3 งานวจยทเกยวของ

จากการศกษางานวจยตางๆ เกยวกบฐานขอมล

ไมสมพนธ ตวอยางเชน งานวจยทน�าฐานขอมล NoSQL มาประยกตใชในการวเคราะหและจดหมวดหมขอมล

ทมขนาดใหญ [11] การเปรยบเทยบระหวางฐานขอมล

เชงสมพนธและไมสมพนธ [12] - [14] ซงจากงาน

วจยแสดงใหเหนวาฐานขอมลไมสมพนธเหมาะสมใน

การประยกตใชกบขอมลขนาดใหญ แตยงขาดมาตรฐาน

ทน�ามาบงคบใชกบภาษาสอบถาม [13] หรอบางงานวจย

ทน�าเสนอการน�า HPQS มาชวยในการประมวลผล

ฐานขอมลทตางแพลตฟอรมระหวางฐานขอมลเชงสมพนธ

และฐานขอมลไมสมพนธ [15] หรอการทดสอบความเรว

การประมวลผลระหวาง MySQL และ MongoDB [16] ซงพบวา MongoDB เรวกวา MySQL หลายเทาตว เปนตน

งานวจยทเกยวของกบออนโทโลยและเวบเซอรวส ตวอยาง เชน การออกแบบสถาปตยกรรมออนโทโลย

เพอบรณาการขอมลส�าหรบการบรหารงานทใชกรณ

ศกษาขอมลกจการนกศกษา มหาวทยาลยมหาสารคาม โดยแบงสถาปตยกรรมออกเปน 3 ระดบ ไดแก ระดบ

ขอมล ระดบสอกลาง และระดบน�าเสนอ จากผลการวจย

พบวาออนโทโลยท�าใหการคนคนมประสทธภาพสงขน [17] งานวจยทเกยวของกบการจดการองคความรตาม

แนวคด SECI ซงน�าออนโทโลยมาชวยจดการองคความร

และคนคนเชงความหมาย [18] หรอการบรณาการ

สารสนเทศขององคกรชมชนดวยออนโทโลย ซงในงาน

วจยประกอบดวย 2 สวนหลก ไดแก สวนแรกเกยวของกบ

การจดการขอมลในระดบ Local View และ Global View และสวนทสองเกยวของกบการใหบรการคนคนขอมล [19] หรองานวจยทท�าการสรางระบบบญชจ�าแนกโรคระหวาง

ประเทศ ฉบบภาษาไทย (ICD-10-TM) โดยประยกต

ใชออนโทโลยส�าหรบจดเกบและการคนคนขอมล [20] และตวอยางงานวจยการพฒนาระบบผเชยวชาญเพอ

วนจฉยและใหค�าแนะน�า ซงประยกตใชกฎและฐานความร

ออนโทโลยเขามาชวยในการวนจฉย และใหค�าแนะน�า

แกผปวยไดเปนอยางด ซงมคาความแมนย�า (Precision) เทากบ 96.89% และคาความระลก (Recall) เทากบ 95.39% [21]

3. วธการด�าเนนการวจย

3.1 การศกษาและรวบรวมขอมล

คณะผวจยไดท�าการศกษา รวบรวมขอมล และ

วเคราะหปญหาตางๆ เกยวกบการจดการขอมลขนาดใหญ ภาษาสอบถามแบบไมมโครงสราง ซอฟตแวรทใชใน

การพฒนาฐานขอมลไมสมพนธ แนวคด และวธการตางๆ ทน�ามาประยกตใชในการคนคนขอมล ซงพบวาใน

ปจจบนขอมลมเปนจ�านวนมาก และมแนวโนมเพมขน

อยางรวดเรว อกทงการคนคนขอมลอาจไดผลลพธ

ไมตรงตามความตองการของผใชงาน และหากขอมลม

จ�านวนมากอาจท�าใหการประมวลผลลาชา

3.2 การวเคราะหและออกแบบกรอบแนวคดของ

การวจย

หลงจากท�าการศกษา รวบรวมขอมล และวเคราะห

ปญหา วตถประสงคของงานวจยนจงไดท�าการออกแบบ

ฐานขอมลไมสมพนธโดยใชภาษาสอบถามแบบไมม

โครงสรางและโครงสรางออนโทโลย เพอน�ามาชวยใน

การจดเกบและคนคนขอมล ซงใชกรณศกษาการออก

ใบแจงคาใชบรการ ไดแก ขอมล ลกคา ประเภทลกคา ผลตภณฑ ประเภทบรการ และหนวยงานรบผดชอบ

260


กรอบแนวคดของการวจยสามารถแสดงไดดงรปท 2 ซงสามารถแบงการท�างานออกเปน 3 สวนหลก คอ

ชนการตดตอกบผใชงาน (User Interface Layer) เปนสวน

ส�าหรบผใชงานกรอกขอมล เพอใชในการคนคนขอมล ในสวนชนเวบเชงความหมาย (Semantic Web Layer) เปนสวนการประมวลผลการคนคนขอมลเวบเชงความหมาย โดยใชโครงสรางออนโทโลยก�าหนดความสมพนธระหวาง

ขอมลตามขอบเขตทสนใจ เพอชวยใหการคนคนขอมล

มความถกตองมากขน โดยจดเกบขอมลลงใน MongoDB ทเปนฐานขอมลไมสมพนธแบบเอกสาร และชนฐานขอมล (Database Layer) ใชส�าหรบจดเกบขอมลการประมวลผล

รายการทใชฐานขอมลไมสมพนธแบบเอกสารเชนเดยวกบ

ในสวนของ Semantic Web Layer

3.3 การพฒนาฐานขอมลไมสมพนธรวมกบเทคโนโลย

เวบเชงความหมาย

ขนตอนนท�าการพฒนาฐานขอมลไมสมพนธเพอ

จดเกบและรองรบการคนคนขอมลขนาดใหญ โดยใช

ภาษาสอบถามแบบไมมโครงสรางรวมกบออนโทโลยท

เปนเทคโนโลยเวบเชงความหมาย ซงมรายละเอยดตางๆ ดงน

งานวจยท�าการพฒนาออนโทโลยตามวงจรชวต

ออนโทโลย (Ontology Life Cycle) [22] ซงใชซอฟตแวร Hozo: Ontology Editor เวอรชน 5.2.36 โดยโครงสราง

ออนโทโลยถกจดเกบลงใน MongoDB เวอรชน 2.4.5 ซงเปนซอฟตแวรโอเพนซอรส (Open Source) และเปน

ฐานขอมลไมสมพนธแบบเอกสารทมรปแบบใกลเคยงกบ

ฐานขอมลเชงสมพนธ และท�าการออกแบบโครงสราง

เอกสารในรปแบบ Json โดยแบงขอมลออกเปน 3 สวน ตามมาตรฐานของ World Wide Web Consortium (W3C) ทประกอบดวยชอ (Subject) คณสมบต (Predicate) และ

วตถ (Object) ดงรปท 3 [23]โครงสรางออนโทโลยทไดจากการพฒนาสามารถ

แสดงไดดงรปท 4 ซงประกอบดวยขอมลประเภทลกคา 99 แถว ลกคา 3,169,164 แถว ประเภทบรการ 198 แถว ผลตภณฑ 2,856 แถว หนวยงานทรบผดชอบการ

บรการ 656 แถว และขอมลการออกใบแจงคาใชบรการ 14,055,993 แถว ไดแก ขอมลเลขทลกคา (Contrno) เลขท

ใบแจงคาใชบรการ (BillReference) บรการ (BillGroup) รหสผลตภณฑ (ProductCode) วนออกใบแจงคาใชบรการ (InvDate) วนครบก�าหนดช�าระ (DueDate) งวดการใชบรการ

รปท 2 กรอบแนวคดของการวจย

Json Text of Resulting Documents:

{“subject” : “http://www.w3.org/subject”,“predicate” : “http://www.w3.org/predicate”,“object” : “http://www.w3.org/ object”

}

รปท 3 ตวอยางโครงสรางเอกสาร Json เพอจดเกบขอมล

ลงใน MongoDB

261


(Period) จ�านวนเงนไมรวมภาษ (Amount) ภาษ (Vat) จ�านวนเงนรวมภาษ (Total) ประเภทลกคา (CustomerGroup) สกลเงน (Curr) และรหสหนวยงานทรบผดชอบลกคา (CostCenter)

3.4 การทดสอบความเรวในการประมวลผล

การทดสอบความเรวในการประมวลผลแบง

การทดสอบโดยใช 3 ตวด�าเนนการ (Operators) ไดแก การอาน (Select) การแกไข (Update) และการลบ (Delete) ซงใชจ�านวนเธรดและจ�านวนขอมลทแตกตางกน โดยเธรด

คอการท�างานไดมากกวาหนงโปรแกรม ซงรายละเอยด

การทดสอบความเรวการประมวลผลสามารถแสดงไดดง

ตารางท 2

ตารางท 2 จ�านวนเธรดและขอมลทใชในการทดสอบ

OperatorsNo of Threads No of Selected Rows

1 10 100 100 1,000 10,000 100,000

Select

Update

Delete

การทดสอบความเรวในการประมวลผล จะค�านวณ

จากเวลาทงหมดทใชในการประมวลผล (Total Time) ซงสามารถแสดงไดดงสมการท 1 โดยการทดสอบแตละ

กรณจะท�าการทดลอง 3 ครงและหาคาเฉลยเลขคณต (Arithmetic Mean)

Total_Time = End_Time - Begin_Time (1)

Total_Time คอเวลาทงหมดทใชในการประมวลผล

End_Time คอเวลาทใชในการ Select และ Fetch ขอมล

Begin_Time คอเวลาเรมตนในการประมวลผล

ขอมล

4. ผลการวจย

ผลการทดสอบความเรวในการประมวลผลขอมล

ของแตละตวด�าเนนการ โดยพจารณาจากจ�านวนเธรด

หรอจ�านวนการท�างานไดมากกกวาหนงโปรแกรม

ในเวลาเดยวกน จ�านวนขอมล และเวลาทงหมดทใชใน

การประมวลผล ซงผลการวจยมรายละเอยดดงตอไปน

4.1 ผลการทดสอบความเรวในการอานขอมล

จากผลการทดสอบความเรวในการอานขอมล (Select) ของฐานขอมลไมสมพนธ พบวาจ�านวนเธรด

เทากบ 1 และ 10 ทจ�านวนขอมล 100, 1,000 และ 10,000 แถว ฐานขอมลใชเวลาในการอานขอมลใกลเคยงกน แตท

จ�านวนเธรดเทากบ 100 ทจ�านวนขอมล 100,000 แถว ใชเวลาในการประมวลผลมากทสด คอ 36.42 วนาท ซงสามารถแสดงไดดงรปท 5

รปท 4 โครงสรางออนโทโลยการออกใบแจงคาใชบรการ

รปท 5 ความเรวในการอานขอมล

262


4.2 ผลการทดสอบความเรวในการแกไขขอมล

จากผลการทดสอบความเรวในการแกไขขอมล (Update) ของฐานขอมลไมสมพนธ พบวาจ�านวนเธรด และจ�านวนขอมลทแตกตางกน ฐานขอมลใชเวลาในการ

ประมวลผลใกลเคยงกน โดยแตละการทดสอบใชเวลา

ในการประมวลผลไมถง 1 วนาท ซงสามารถแสดงไดดง

รปท 6

4.3 ผลการทดสอบความเรวในการลบขอมล

จากผลการทดสอบความเรวในการลบขอมล (Delete) ของฐานขอมลไมสมพนธ พบวาจ�านวนเธรด

และจ�านวนขอมลทแตกตางกน ฐานขอมลใชเวลาใน

การประมวลผลใกลเคยงกน โดยแตละการทดสอบใชเวลา

ประมวลผลไมถง 1 วนาท ซงสามารถแสดงไดดงรปท 7

5. สรป

งานวจยนไดท�าการออกแบบและพฒนาฐานขอมล

ไมสมพนธ เพอรองรบการจดเกบและการคนคนขอมล

ขนาดใหญ โดยใชภาษาสอบถามแบบไมมโครงสราง

ร วมกบโครงสรางออนโทโลยท เป นเทคโนโลยเวบ

เชงความหมาย ซงใชกรณศกษาการออกใบแจงคาใชบรการ ท�าการจดเกบขอมลลงใน MongoDB ทเปนฐานขอมล

ไมสมพนธแบบเอกสาร โดยจดเกบในรปแบบเอกสาร Json ในการวจยไดท�าการทดสอบความเรวในการประมวลผล

ขอมลจาก 3 ตวด�าเนนการ ไดแก การอาน (Select) การแกไข (Update) และการลบ (Delete)

จากการศกษาพบวาผลการทดสอบความเรว

ในการอานขอมลทจ�านวนเธรดเทากบ 1 และ 10 ทจ�านวน

ขอมล 100, 1,000 และ 10,000 แถว ใชเวลาในการอาน

ขอมลใกลเคยงกน แตทจ�านวนเธรดเทากบ 100 ทจ�านวน

ขอมล 100,000 แถว ใชเวลาในการประมวลผลมากทสด คอ 36.42 วนาท สวนการแกไขและการลบขอมล พบวา

จ�านวนเธรดและจ�านวนขอมลทแตกตางกนฐานขอมล

ไม สมพนธ ใช เวลาในการประมวลผลใกลเคยงกน โดยแตละการทดสอบใชเวลาประมวลผลไมถง 1 วนาท ดงนนจะเหนไดวาฐานขอมลไมสมพนธ MongoDB มความเหมาะสมกบการน�ามาใชจดเกบและคนคน

ขอมลขนาดใหญ ซงสามารถประมวลผลไดอยางรวดเรว มรปแบบโครงสรางคลายคลงกบฐานขอมลเชงสมพนธ ท�าใหงายตอการเรยนร และการใชงาน แตฐานขอมล

ดงกลาวยงไมรองรบขอมลเชงความหมายเทาทควร โดยทางคณะผ วจยจงต องท�าการออกแบบเพอให

สอดคลองกบแนวคดเวบเชงความหมาย งานวจยในอนาคตจะท�าการทดสอบความถกตองและ

ความแมนย�าในการคนคนขอมลนอกเหนอจากการทดสอบ

ความเรวในการประมวลผลเพยงอยางเดยว และน�าฐานขอมล

ไมสมพนธประเภทอน ๆมาประยกตใช ตวอยางเชน ฐานขอมล

ไมสมพนธแบบกราฟทมคณสมบตรองรบการท�างาน

แบบโหนดมาชวยในการคนคนขอมลเชงความหมาย เพอใหเกดประสทธภาพการคนคนขอมลมากยงขน

รปท 6 ความเรวในการแกไขขอมล

รปท 7 ความเรวในการลบขอมล

263


เอกสารอางอง

[1] K. Brown, “Global Internet Report 2014,” Internet Society, 2014.

[2] T. Webster, “The Social Habit 2012,” Edison Research, 2012.

[3] C. Tauro, et al., “Comparative Study of the New Generation, Agile, Scalable, High Performance NOSQL Databases,” International Journal of Computer Applications, vol. 48, no. 20, pp. 20-24, 2012.

[4] M. Sharma and R. Patel, “A Survey on Information Retrieval Models, Techniques and Applications, International Journal of Emerging Technology and Advanced Engineering, vol. 3, no. 11, pp. 542-545, 2013.

[5] A. K. Zaki, “NoSQL Databases: New Millennium Database for Big Data, Big Users, Cloud Computing and Its Security Challenges,” International Journal of Research in Engineering and Technology (IJRET), vol. 3, no. 15, pp. 403-409, 2014.

[6] V. Sharma and M. Dave, “SQL and NoSQL Databases,” International Journal of Advanced Research in Computer Science and Software Engineering, vol. 2, no. 8, pp. 20-27, 2012.

[7] N. Grover and R. Wason, “Comparative Analysis of Pagerank and HITS Algorithms,” International Journal of Engineering Research & Technology (IJERT), vol. 1, no. 8, pp. 1-15, 2012.

[8] K. Orend, “Analysis and Classification ofNoSQL Databases and Evaluation of their Ability to Replace an Object-Relational Persistence Layer,” Master’s Thesis, Software Engineering for Business Information Systems, Technische Universitat Muchen, Germany, 2010.

[9] M. Kifer, et al., “A Realistic Architecture for

the Semantic Web,” Rules and Rule Markup Languages for the Semantic Web Lecture Notes in Computer Science, vol. 3791, pp. 17-29, 2005.

[10] W. Chotirat, P. Boonrawd, and S. Na Wichian, “Developing an Ontology Knowledge Based for Automatic Online News Analysis,” Information Technology Journal, vol. 7, no. 14, pp. 13-18, 2011.

[11] A. B. M. Moniruzzaman and S. A. Hossain, “NoSQL Database: New Era of Databases for BigDataAnalytics-Classification,Characteristics and Comparison,” International Journal of Database Theory and Application, vol. 6, no. 4, pp. 1-13, 2013.

[12] M.Mohamed,O.Altrafi,andM.Ismail,“Relational vs. NoSQL Database: A Survey,” International Journal of Computer and Information Technology, vol. 3, no. 3, pp. 598-601, 2014.

[13] A. Nayak, A. Poriya, and D. Poojary, “Type of NOSQL Databases and Its Comparison with Relational Databases,” International Journal of Applied Information Systems (IJAIS), vol. 5, no. 4, pp. 16-19, 2013.

[14] P. Srisuktaksin and P. Boonrawd, “Analysis of Data Processing Performance between Relational and Non-Relational Databases of Documents,” Proceeding of the 10th National Conference on Computing and Information Technology (NCCIT 2014), 2014.

[15] P. T. Thant and T. T. Naing, “Hybrid Query Processing System (HQPS) for Heterogeneous Database (Relational and NoSQL),” in Proceeding of the International Conference on Computer Networks and Information Technology, 2014, pp. 53-58.

264


[16] A. Joshi, S. Haradhvala, and C. Lamb, “Oracle NoSQL Database-Scalable, Transactional Key-Value Store,” in Proceeding of the 2nd International Conference on Advances in Information Mining and Management (IMMM 2012), 2013, pp. 75-78.

[17] J. Phuboon-ob and W. Sangkatip, “Ontology-Based Architecture Design to Integrate Information for Student Affair Administration of Mahasarakham University,” Journal of Science and Technology Mahasarakham University, pp. 271-280, 2013.

[18] A. Keawlaiod and P. Boonrawd, “Semantic Knowledge Management Using SECI Model for Computerized Auditing,” in Proceeding of the 9th National Conference on Computing and Information Technology (NCCIT 2013), 2013.

[19] Y. Jiydumrong and G. Sriharee, “An Information Integration of Community Organization Using Ontology,” in Proceeding of the 2013 International Computer Science and Engineering Conference (ICSEC 2013), 2013, pp. 460-465.

[20] W. Paoin and S. Nitsuwat. “Development of Experience Base Ontology to Increase Competency of Semi-automated ICD-10-TM Coding System,” Information Technology Journal, vol. 8, no. 2, pp. 95-99, 2012.

[21] J. Tiansaard and O. Imsombut. “An Ontology Based Expert System for Diagnosis and Recommendation in Hemodialysis Patient,” Journal of Information Science and Technology (JIST), vol. 3, no. 2, pp. 22-30, 2012.

[22] B. Kapoor and S. Sharma, “A Comparative Study Ontology Building Tools for Semantic Web Applications,” International Journal of Web & Semantic Technology (IJWesT), vol.1, no.3, pp. 1-13, 2010.

[23] J. Li, “Building Distributed Index for Semantic Web Data,” in Proceeding of the 23rd IEEE International Conference on Advanced Information Networking and Applications (AINA-09), 2009, pp.660-667.