En jämförelse mellan MySQL och MongoDB vid hantering av tidsseriedata : Prestandajämförelse mellan MySQL och MongoDB vid hantering av tidsseriedata med fokus på AI-genererade data

Sammanfattning

Detta arbete jämför prestandan hos MySQL och MongoDB vid hantering av AI-genererade tidsseriedata. Syftet är att undersöka hur databassystemen presterar vid insättnings- och sökoperationer med ökande datamängder, olika belastningsnivåer samt med och utan indexering. Arbetet genomfördes genom experiment i en kontrollerad lokal miljö. Data genererades i förväg med hjälp av en språkmodell och användes som testdata. Testerna kompletterades även med verkliga data för att skapa mer realistiska testförhållanden. Prestandan mättes som exekveringstid vid både sekventiella och parallella operationer. Resultaten visar att MongoDB generellt har lägre exekveringstid än MySQL, särskilt vid insättningar och större datamängder. Vid sökoperationer var indexeringens påverkan generellt begränsad. I vissa fall gav index kortare söktider, men skillnaderna var ofta små. Ett undantag var MongoDB vid 1 miljon dataposter, där söktiden ökade när index användes. För insättningar var påverkan av index generellt liten och kunde i vissa fall innebära en viss overhead. Resultaten visar även att AI-genererade data ofta gav lägre exekveringstider än verkliga data, vilket visar att valet av testdata kan påverka resultaten vid prestandamätningar. Parallell körning förbättrade prestandan i viss utsträckning, men effekten varierade mellan databassystemen och mellan olika typer av operationer.