Schema discovery in Document-Oriented databases

Adéla Barchánková

Master's thesis

Odhalování schémat v dokumentově orientovaných databázích

Abstract:

Popularita NoSQL databází v softwarovém inženýrství narůstá každým rokem. Mezi jejich nejvýraznější vlastnosti patří mimo jiné flexibilita, která se projevuje zejména absencí předem určeného datového schématu. To na jednu stranu umožňuje snáze ukládat a zpracovávat velké objemy heterogenních dat, na druhou stranu však absolutní absence jakékoli definice schématu často způsobuje problémy v různých procesech vývoje a podpory softwaru. I proto byly v posledních letech představeny různé přístupy pro odvození datového schématu implicitně definovaného daty uloženými v NoSQL databázích, žádný z nich však nebyl standardizován či všeobecně uznán a u většiny stále můžeme najít řadu nedostatků. Tato diplomová práce představuje systematickou mapovací studii aktuálně existujících postupů pro odvozování schémat z JSON dat uložených v dokumentově orientovaných NoSQL databázích. Mapuje aktuální stav poznání v oboru, popisuje vlastnosti a schopnosti jednotlivých postupů a následně vysvětluje trendy a případné mezery ve výzkumu. Cílem práce je vytvořit kvalitní sekundární studii, která poslouží jako srozumitelný souhrn informací o daném tématu a vytvoří tak základ pro případný další výzkum.

Abstract:

In the software engineering community, NoSQL databases are gaining more and more popularity each year. One of their most appealing features is flexibility, which is characterised by the absence of an explicitly declared data schema. On one hand, this provides easier storage for high volumes of heterogeneous data. On the other, the lack of any schema definition brings additional difficulties to several software development and maintenance processes. Thus, in past years, there have been introduced various approaches for discovering and defining the implicit schema behind the data stored in NoSQL databases. However, none of them has become a recognized standard and many are still lacking in various ways. In the thesis, we present a systematic mapping study of currently available approaches for schema discovery in JSON-based document-oriented NoSQL databases. We map the current state-of-the-art in the field, cluster the separate features and capabilities of the existing approaches and finally explain the leading motives and potential gaps in current research. The work aims to provide a secondary study, which can be used as a comprehensive knowledge base for further research or just interest in the field.

Keywords

NoSQL databáze, dokumentově orientované, odhalování schémat, JSON

Keywords

schema discovery, NoSQL databases, JSON, document-oriented

Language used: English

Date on which the thesis was submitted / produced: 30. 6. 2022

Thesis defence

• Date of defence: 7. 10. 2022
• Supervisor: Jiří Feuerlicht
• Reader: Dušan Chlapek

Vysoká škola ekonomická v Praze

Master programme / field:
Informační systémy a technologie / Vývoj informačních systémů