Views

Histats

Vitrine

Ranking: DB-Engines - Classificação dos Sistemas de Gerenciamento de Banco de Dados

Ranking: DB-Engines - Classificação dos Sistemas de Gerenciamento de Banco de Dados




O DB-Engines Ranking classifica os sistemas de gerenciamento de banco de dados de acordo com a sua popularidade.




Método de Cálculo

O DB-Engines Ranking é uma lista de sistemas de gerenciamento de banco de dados classificados por sua atual popularidade. Medimos a popularidade de um sistema usando os seguintes parâmetros:

O número de menções do sistema em sites, foi medido como número de resultados em consultas dos motores de busca. No momento, usou-se o Google, Bing e Yandex para esta medição. Para contar apenas resultados relevantes, procurou-se <nome do sistema> em conjunto com o banco de dados, por exemplo, "Oracle" e "base de dados".

Interesse geral no sistema. Para esta medição, usamos a frequência de buscas em Google Trends.

Frequência de discussões técnicas sobre o sistema. Usou-se o número de questões, e o número de usuários TI interessados nos bem-conhecidos site de relacionados Q&A Stack Overflow e DBA.

Número de ofertas de emprego, em que o sistema é mencionado. Usou-se também o número de ofertas sobre os principais motores de busca de emprego.

Número de perfis em redes profissionais, em que o sistema é mencionado. Usamos a mais popular e internacionalmente profissionais redes LinkedIn e Upwork.

Relevância em redes sociais. Contou-se o número de tweets no Twitter quando o sistema foi mencionado.

Calculou-se o valor a popularidade de um sistema por meio da padronização, calculando a média dos parâmetros individuais. Estas transformações matemáticas são feitas de uma forma tal que a distância dos sistemas individuais é preservada. Isso significa que, quando o sistema A tem o dobro do tamanho de um valor nos DB-Engines Ranking como o sistema B, então é duas vezes mais popular quando calculados sobre os critérios de avaliação individuais.

A fim de eliminar efeitos causados ​​por uma mudança na quantidade das fontes de dados elas mesmas, a pontuação popularidade é sempre um valor relativo, que deve ser interpretado, em comparação com apenas outros sistemas.

O DB-Engines Ranking não mede o número de instalações dos sistemas, nem a sua utilização no âmbito dos sistemas de TI. Pode-se esperar, que o aumento da popularidade de um sistema (por exemplo, em debates ou ofertas de emprego) precede uma ampla utilização correspondente do sistema por um determinado fator tempo. Devido a isso, os DB-Engines Ranking podem atuar como um indicador precoce. 



Este ranking é atualizado mensalmente. Leia mais sobre o método de cálculo das pontuações.


Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

✔ Brazil SFE®✔ Brazil SFE®´s Facebook´s Profile  Google+   Author´s Professional Profile  ✔ Brazil SFE®´s Pinterest       ✔ Brazil SFE®´s Tweets

LinkedIn - SenseiDB

LinkedIn - SenseiDB




O grupo de Engenharia do LinkedIn lançou e tornou open source o SenseiDB, um banco de dados distribuído e semiestruturado. O SenseiDB é a tecnologia que está por trás da infraestrutura de pesquisas do LinkedIn e dá sustentação à sua página principal, ao LinkedIn Signals e a outros recursos de pesquisa do portal, como as buscas de pessoas e empresas. O SenseiDB foi desenvolvido internamente para atender a necessidades da empresa, e agora teve seu código aberto, passando a integrar ao projeto "guarda-chuva" LinkedIn SNA, focado em buscas, rede de contatos e análise.

O SenseiDB é um banco de dados NoSQL, focado em altas taxas de atualização e consultas semiestruturadas complexas. Os usuários já familiarizados com o Lucene e o Solr da Apache reconhecerão vários dos conceitos subjacentes ao SenseiDB. O SenseiDB é implantado em clusters de vários nós (nodes), sendo que cada nó pode conter N fragmentos de dados. Os nós são gerenciados através do Apache Zookeeper, que mantém a configuração existente e transmite alterações (por exemplo, modificações de topologia) para todo o grupo de nós. Cada cluster do SenseiDB também requer um esquema para definir o modelo de dados que será usado.

A obtenção de dados para alimentar um cluster SenseiDB é feita apenas através de gateways (não há um método "INSERT"); cada cluster é ligado a um único gateway. Este é um dos pontos críticos de entendimento desta tecnologia, já que o SenseiDB não trata a atomicidade e o isolamento. Estas características são garantidas externamente, no nível do gateway, que deve garantir que o fluxo de dados se comporta da maneira esperada. Os gateways já integrados são:


  • A partir de um arquivo;
  • Originados de uma fila Java Message Service (JMS);
  • Via JDBC;
  • Vindo do Apache Kafka.


Os desenvolvedores também podem implementar gateways personalizados. Para exemplificar esta implementação, é fornecido um gateway de exemplo que obtém seus dados a partir de atualizações feitas no Twitter.

Tendo o fluxo de dados de entrada em funcionamento e já alimentando os dados do cluster, o SenseiDB permite que sejam realizadas consultas "fragmentadas" (faceted), de acordo com o esquema definido. Para esta finalidade, é oferecida uma API REST, inspirada na DSL de consultas do ElasticSearch, que pode ser acessada por qualquer cliente HTTP. O SenseiDB vem acompanhado de componentes em Java e Python, que encapsulam essa API. Em breve também será disponibilizada uma versão dos componentes em Ruby.

O SenseiDB oferece ainda a BQL (Linguagem de Consulta e Navegação) como um método alternativo de consulta. A BQL é uma linguagem similar ao SQL (contendo apenas instruções SELECT), que facilita a consulta a um banco SenseiDB. Um console gráfico para web é fornecido como parte da instalação do cluster, permitindo inspecionar e depurar consultas BQL.

Para informações mais detalhadas sobre o SenseiDB, consulte a documentação geral, os Javadocs e o Wiki do projeto. O código-fonte está hospedado no GitHub.



Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

✔ Brazil SFE®✔ Brazil SFE®´s Facebook´s Profile  Google+   Author´s Professional Profile  ✔ Brazil SFE®´s Pinterest       ✔ Brazil SFE®´s Tweets

VBA OFFICE - EXCEL, ACCESS, OUTLOOK, POWERPOINT

VBA OFFICE - EXCEL, ACCESS, OUTLOOK, POWERPOINT


PROJETOS CURTOS OU LONGOS 

Desenvolvo e aprimoro seus Dashboards em MS Excel!


  • DASHBOARDS 
  • SCORECARDS 
  • BSC 
  • REPORTs 
  • Aplicações MS Access  

Conecte suas planilhas ao BI!  


Contate-me: brazilsalesforceeffectiveness@gmail.com





brazilsalesforceeffectiveness@gmail.com

✔ Brazil SFE®Author´s Profile  Google+   Author´s Professional Profile   Pinterest   Author´s Tweets

✔ VBA Brazil®

✔ VBA Brazil®
brazilsalesforceeffectiveness@gmail.com
Related Posts Plugin for WordPress, Blogger...
diHITT - Notícias