ارزیابی کنترل همروندی در پایگاه داده

مسئله ی کنترل همروندی در پایگاه داده ها امری ضروری و با اهمیت است. اجرای همروند تراکنشها در یک سیستم مدیریت پایگاه داده، ممکن است منجر به ناسازگاری شود. ناسازگاری بر اثر مقادیر نادرستی است که برای داده های موجود، بر اثر تعارض و تداخل اجرای تراکنشها به وجود می آید. الگوریتمهای کنترل همروندی، جهت تضمین اجرای همروند چندین تراکنش که به صورت همروند با داده های مشترک کار می کنند طراحی شده اند. در زمینه ی کنترل همروندی پایگاه داده ها، تحقیقات فراوانی صورت گرفته است که نتیجه آن، الگوریتم های متنوع کنترل همروندی می باشد. با توجه به الگوریتمهای متنوع در این زمینه و این واقعیت که روز به روز بر اهمیت آنها افزوده میشود. در نتیجه عدم نظارت بر کنترل همروندی تراکنش ها ممکن است جامعیت و سازگاری داده ها با مشکلاتی مواجه شود. حجم های تراکنش روزافزون منجر به تجدید فعالیت در پردازش تراکنش توزیع شده شده اند. مخصوصا، بخش بندی داده ها در میان چندین سرور می تواند توان عملیاتی را با اجازه دادن به سرورها برای پردازش موازی تراکنش ها بهبود دهد. ولی اجرای تراکنش ها در میان سرورها، مقیاس پذیری و کارایی این سیستم ها را کاهش می دهد. شش پروتکل کلاسیک و مدرن را در چارچوب ارزیابی پایگاه داده ی توزیع شده ی درون حافظه ای با نام denava ارزیابی می کنیم که یک مقایسه نظیر به نظیر بین هر یک فراهم می سازد. نتایج ما، محدودیت های شدید موتورهای پردازش تراکنش توزیع شده را آشکار می سازند. همچنین، در آنالیزمان، به شناسایی تنگناهای متعدد مقیاس پذیری مختص پروتکل می پردازیم. در نهایت به این نتیجه می رسیم که برای دستیابی به عملیات با مقیاس پذیری واقعی، راه حل های کنترل همزمانی توزیع شده باید به دنبال ارتباط تنگ تر با سخت افزار شبکه جدید (در سطح محلی) یا برنامه های کاربردی (بواسطه ی مدل سازی داده ها و اجرای مبتنی بر معانی) یا هر دو باشند.

evaluation of concurrency control in the database

the problem of concurrency control in databases is essential and important. concurrency execution of transactions in a database management system may lead to incompatibility. incompatibility is caused by incorrect values for existing data, due to conflict and interference of transaction execution. concurrency control algorithms are designed to ensure the execution of multiple transactions that work concurrently with shared data. in the field of concurrency control of databases, there has been a lot of research that results in various concurrency control algorithms. due to the various algorithms in this field and the fact that their importance is increasing day by day. as a result, failure to monitor the concurrency control of transactions may cause problems with the comprehensiveness and consistency of the data. increasing transaction volumes have led to a resurgence in distributed transaction processing. in particular, segmentation of data across multiple servers can improve operational throughput by allowing servers to process transactions in parallel. but execution of transactions across servers reduces the scalability and efficiency of these systems. we evaluate six classic and modern protocols within the framework of a distributed memory database called denava that provides a peer-to-peer comparison between each one. our results reveal the extreme limitations of distributed transaction processing engines. also, in the time analytical, we identify multiple protocol-specific scalability bottlenecks. ultimately, we conclude that to achieve operations with real scalability, distributed synchronous control solutions must seek tighter connectivity with new network hardware (at the local level) or applications (through data modeling and meaning-based implementation), or both.