PERBANDINGAN KECEPATAN AKSES DATA MENGGUNAKAN “DISKBASED TABLE” DENGAN “IN-MEMORY OPTIMIZED TABLE” PADA DATABASE RELASIONAL STUDI KASUS : HEKATON ENGINE

Mardhiya Hayaty

Abstract


Ledakan data menyebabkan terjadinya peningkatan volume data atau big data. Ukuran data yang besar menyebabkan akses terhadap data menjadi sangat lambat. DataBase Management System (DBMS)  adalah sebuah software yang digunakan untuk mengelola database. DBMS konvensional menggunakan media disk sebagai media penyimpanan datanya, hal ini menyebabkan penurunan performansi DBMS karena harus melakukan akses langsung ke disk dan membawa data yang akan diolah ke memory,maka munculah konsep in-memory database yang telah dikembangkan oleh beberapa vendor DBMS, data akan disimpan di dalam memory dan akan diproses.

Tujuan penelitian ini adalah memberikan gambaran secara detil tentang penerapan penggunaan in-memory terhadap kecepatan akses data dibandingkan dengan akses data secara langsung ke I/O disk, dari serangkaian pengamatan yang akan dilakukan diharapkan penelitian ini dapat menghasilkan data waktu (dalam skala waktu menit,detik dan atau milidetik) yang diperlukan untuk mengeksekusi sebuah perintah akses data ke database.

Pengamatan yang dilakukan pada Hekaton engine dengan spesifikasi hardware yang telah ditentukan, penggunaan memory optimized table mempunyai kecepatan akses data yang signifikan dibandingkan diskbase table pada katagori akses data “insert” yaitu 190 sampai dengan 200x lebih cepat. Katagori akses data “select, update,delete” penggunaan memory optimized table mempunyai kecepatan akses data yang signifikan pada tipe durability:schema_only dengan jenis hasil query single row tetapi tidak untuk jenis hasil query multiple row. Pemilihan tipe durability:schema_only disarankan untuk sistem yang tingkat kegagalan sangat minimal atau jarang terjadi

Full Text:

PDF

References


Hao Zhang; Gang Chen & others. “In-Memory Big Data Management and Processing: A Survey”. Knowledge and Data Engineering, IEEE Transactions Volume: 27 no 7 (Pp: 1920 – 1948) IEEE, July 2015

Thomas M. Connaly, Carolyn E, “Database Systems”, Pearson, 2010

Kalen Delaney,”SQL Server Internal : In-Memory OLTP Inside the SQL Server 2014 Hekaton Engine”,Simple Talk Publishing, 2014

Adam Jorgensen, Bradley Ball, Steven Wort & others. “Professional - SQL Server 2014 Administration”, Wiley Brand, 2014

Oguducu, S.G.; Gayberi, M.; Akpimar, E, “A study for Performance Comparison of Different In-Memory Databases”, In Application of Information and Communication Technologies (AICT), 7th International Conference . IEEE, 2013

Benjamin Nevarez, Query Tuning & Optimization, Mc Graw Hill Education, 2015


Refbacks

  • There are currently no refbacks.