ANÁLISIS COMPARATIVO DEL RENDIMIENTO DE LOS MOTORES DE ALMACENAMIENTO DE DATOS MYSQL Y MONGODB PARA EL SOPORTE DE OBJETOS CON CONTENIDOS DINÁMICOS.
COMPARATIVE PERFORMANCE ANALYSIS BETWEEN MYSQL AND MONGODB DATA STORAGE ENGINES TO SUPPORT DYNAMIC CONTENT OBJECTS
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta obra está bajo una licencia internacional
Atribución/Reconocimiento 4.0 Internacional
Los análisis de rendimiento comparativos permiten a los usuarios tomar decisiones informadas sobre la conveniencia de tecnologías para el desarrollo de proyectos de software, más allá de las tendencias actuales del mercado y/o información comercial de los proveedores. En este artículo presentamos un análisis comparativo del rendimiento entre MySQL y MongoDB, basado en datos del Gestor Dinámico de Encuestas del proyecto Planes de Energía Rural Sostenible, Región Orinoquía. En primer lugar, propusimos un modelo de almacenamiento de datos basado en documentos para soportar el modelo relacional actual. Este modelo permite una estructura flexible y almacenamiento de información para la organización en el futuro. En segundo lugar, configuramos el modelo basado en documentos en MongoDB. Posteriormente, medimos y comparamos los tiempos de rendimiento mediante el uso de escenarios de prueba seleccionados. Por último, encontramos que MongoDB tiene al menos un 40% de mejores tiempos de respuesta, además de la flexibilidad en la estructura de la información y el almacenamiento con respecto a MySQL. La flexibilidad de MongoDB permite a los desarrolladores de software omitir el mapeo relacional objetos dentro de su capa de persistencia de datos, al tiempo que soporta transacciones de tipo ACID (Atomicidad, consistencia, aislamiento, durabilidad). A pesar de los resultados positivos, encontramos un escenario de prueba donde MySQL superó a MongoDB. MongoDB fue 7.5% más lento que MySQL en consultas que involucran objetos superiores a los 100MB. Este resultado está asociado a las operaciones de lectura en medios físicos (ej.: disco duro) requeridas tanto por MySQL como por MongoBD cuando se trata de archivos grandes.
Visitas del artículo 33 | Visitas PDF 12
Descargas
- Observatorio del Territorio, Planes de energización rural sostenible. 2019. http://observatorio.unillanos.edu.co/pers/.
- R. Calderón-Moreno & D. Arenas-Seleey, Mapeo de objetos a través de un motor de datos NOSQL, caso de estudio: framework para desarrollo de aplicaciones web, Ingeniería Investigación Y Desarrollo, págs. 61-71. 2017.
- S. Roger, Ingeniería de Software un enfoque práctico. Pressman, Mexico DF: McGraw Hill, 2006. p. 6-16.
- M. Callejas Cuervo, D. I. Peñalosa Parra y A. C. Alarcón Aldana, Evaluación y análisis de rendimiento de los frameworks de persistencia Hibernate y Eclipselink. Manizales: 2011, Ventana Informatica, Vol. 24, págs. 9-23.
- M. Fowler, Martin y Sadalage, J. Pramodkumar, NoSQL Distilled, A Brief Guide to the Emerging World of Polyglote. s.l: Addison Wesley, 2013.
- MongoDB-Inc. Definition. db.collection.aggregate(pipeline, options). 2018. https://docs.mongodb.com/manual/reference/method/db.collection.aggregate/index.html.
- Solid IT. DB-Engines Ranking of Document Stores. Document Stores. 2019. https://db-engines.com/en/ranking/document+store.
- A Comparative Study: MongoDB vs MySQL. Soni, Sushil y Ambavane, Mayuresh. 2017, International Journal of Scientific & Engineering Research, Vol. 8, págs. 120-123.
- A Comparative Study: MongoDB vs. MySQL, Proceedings of the International Conference on Information Technologies. OLAH, Andrada. Bulgaria: 2018, Proceedings of the International Conference on Information Technologies (InfoTech-2018), p. 20-21.
- Comparative analysis of NoSQL (MongoDB) with MySQL Database. Kumar, Lokesh. 2015, International Journal of modern Trends in Engineering and Research ISSN(Online) 2349-9745. 2015.
- F. Arboleda, F.J. Moreno, Una comparación de rendimiento entre ORACLE y MONGODB. 1, 2016, Ciencia e Ingeniería Neogranadina, Vol. 26, págs. 109-129.
- R. Sánchez-de-Madariaga, A. Muñoz, A. L. Castro, O. Moreno & M. Pascual, Executing Complexity-Increasing Queries in Relational (MySQL) and NoSQL (MongoDB and EXist) Size-Growing ISO/EN 13606 Standardized EHR Databases. 2018. 133, 19 de 03 de 2018, Journal of visualized experiments: JoVE doi:10.3791/57439.
- Oracle. Reference Manual. What is MySQL?. 2017. https://dev.mysql.com/doc/refman/8.0/en/what-is-mysql.html.
- Supported Storage Engines. Alternative Storage Engines. 2017. https://dev.mysql.com/doc/refman/5.5/en/storage-engines.html.
- MongoDB-Inc. Documentation. Introduction to MongoDB. 2017. https://docs.mongodb.com/manual/introduction/.
- JSON and BSON. 2017. https://www.mongodb.com/json-and-bson?lang=es-es.
- Visión de Conjunto. Comparación entre MongoDB y MySQL. 2017. https://www.mongodb.com/compare/mongodb-mysql?lang=es-es.
- A Comparative Study Between the Capabilities of MySQl Vs. MongoDB as a Back-End for an Online Platform. Cornelia Győrödi y Ioana Andrada Olah. 2016, International Journal of Advanced Computer Science and Applications, págs. 73-78.
- M. M. Patil, A. Hanni, C. H. Tejeshwar and P. Patil, A qualitative analysis of the performance of MongoDB vs MySQL database based on insertion and retriewal operations using a web/android application to explore load balancing — Sharding in MongoDB and its advantages. 2017. International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud) (I-SMAC) doi: 10.1109/I-SMAC.2017.8058365, p. 325-330.
- M. Fowler y P. Sadalage, NoSQL Distilled, A Brief Guide to the Emerging World of Polyglote, Addison Wesley, 2013.
- Y. Abrahami, Scaling to 100M: MySQL is a Better NoSQL. 2018. https://www.wix.engineering/blog/scaling-to-100m-mysql-is-a-better-nosql.