Сравнительный анализ теоретико-практических подходов к обработке мультимодельных запросов: текущие ограничения и направления исследований
(Стр. 34-50)
Подробнее об авторах
Волков Артём Сергеевич
аспирант
Московский государственный технический университет имени Н.Э. Баумана
г. Москва, Российская Федерация Виноградова Мария Валерьевна кандидат технических наук, доцент; доцент; Московский государственный технический университет имени Н.Э. Баумана; г. Москва, Российская Федерация Афанасьев Геннадий Иванович кандидат технический наук, доцент; доцент; Московский государственный технический университет имени Н.Э. Баумана; г. Москва, Российская Федерация
Московский государственный технический университет имени Н.Э. Баумана
г. Москва, Российская Федерация Виноградова Мария Валерьевна кандидат технических наук, доцент; доцент; Московский государственный технический университет имени Н.Э. Баумана; г. Москва, Российская Федерация Афанасьев Геннадий Иванович кандидат технический наук, доцент; доцент; Московский государственный технический университет имени Н.Э. Баумана; г. Москва, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
Современные системы обработки данных сталкиваются со сложностями при интеграции разнородных источников данных (структурированных, полуструктурированных и неструктурированных). Целью работы является анализ и сравнение теоретических и практических аспектов методик обработки мультимодельных запросов для выявления направлений развития систем управления гетерогенными данными. В статье представлен алгоритм обработки мультимодельных запросов, охватывающий этапы от загрузки схем данных и формулировки запроса до агрегации и отображения результатов. Проведен сравнительный анализ соответствия алгоритму трех теоретико-практических подходов к построению унифицированной модели данных: теоретико-множественного объектно-ориентированного описания, подхода на основе лямбда-исчисления, а также теории категорий. Результаты анализа свидетельствуют о том, что все подходы имеют проработанные теоретические основы построения универсальной модели данных: учтены особенности отдельных моделей, предложены алгоритмы совместной обработки мультимодельных данных. Однако большинство подходов сосредоточено исключительно на операциях выборки данных. Также отсутствуют комплексные модели оценки стоимости при планировании выполнения запросов. Таким образом, определены ключевые направления исследований: поддержка полного набора DDL- и DML-операций, а также создание методик оценки эффективности мультимодельных запросов с учетом стоимости их выполнения, сложности операций, статистики и характеристик данных.
Образец цитирования:
ОБРАЗЕЦ ЦИТИРОВАНИЯ: Волков А.С., Виноградова М.В., Афанасьев Г.И. Сравнительный анализ теоретико-практических подходов к обработке мультимодельных запросов: текущие ограничения и направления исследований // Computational Nanotechnology. 2026. Т. 13. № 2. С. 34-50. DOI: 10.33693/2313-223X-2026-13-2-34-50. EDN: ZNPGWW
Список литературы:
Башкин В.А. Лямбда-исчисление: учеб.-метод. пособие. Ярославль: Ярославский государственный университет им. П.Г. Демидова (ЯрГУ), 2018. 52 с.
Волков А.С., Виноградова М.В. Применение унифицированной модели данных для решения задачи многовариантного хранения // Искусственный интеллект в автоматизированных системах управления и обработки данных (ИИАСУ’24): сб. статей III Всерос. науч. конф. В 3 т. М.: КДУ, 2025. Т. 1. С. 423–431. EDN: YEEOTL.
Воронов М.В. Моделирование слабоструктурированных проблем: монография. М.: Изд-во Современного гуманитарного университета (СГУ), 2010. 332 с. ISBN: 978-5-8323-0702-2. EDN: UDYLLF.
Дейт К.Д. Введение в системы баз данных / пер. с англ.; под ред. К.А. Птицына. 8-е изд. М.: Вильямс, 2008. 1327 с. ISBN: 978-5-8459-0788-2. EDN: QMSTGX.
Маклейн С. Категории для работающего математика / пер. под ред. В.А. Артамонова. М.: Физматлит, 2004. 351 с. ISBN: 5-9221-0400-4. EDN: QJMIXL.
Новиков Б.А., Горшкова Е.А., Графеева Н.Г. Основы технологий баз данных: учеб. пособие / под ред. Е.В. Рогова. 2-е изд. М.: ДМК Пресс, 2020. 582 с. ISBN: 978-5-97060-841-8.
Azeroual O., Nikiforova A., Sha K. Overlooked aspects of data governance: Workflow framework for enterprise data deduplication // International Conference on Intelligent Computing, Communication, Networking and Services (ICCNS). 2023. Pp. 65–73. DOI: 10.1109/ICCNS58795.2023.10193478.
Candel C.J.F., García-Molina J.J., Ruiz D.S. A unified metamodel for NoSQL and relational databases // Information Systems. 2022. Vol. 104 (2022). Art. 101898. Pp. 1–26. DOI: 10.1016/j.is.2021.101898.
Fernández Candel J., García-Molina J.J, Sevilla Ruiz D. SkiQL: A unified schema query language // Data & Knowledge Engineering. 2023. Vol. 148 (2023). Art. 102234. Pp. 1–20. DOI: 10.1016/j.datak.2023.102234.
Gog I., Schwarzkopf M., Crooks N. et al. Musketeer: All for one, one for all in data processing systems // Proceedings of the 10th European Conference on Computer Systems (EuroSys 2015). No. 2. Pp. 1–16. DOI: 10.1145/2741948.2741968.
Guo Q., Zhang C., Zhang S., Lu J. Multi-model query languages: Taming the variety of big data // Distributed and Parallel Databases. 2024. Vol. 42. No. 1. Pp. 31–71. DOI: 10.1007/s10619-023-07433-1.
Janković S., Mladenović S., Mladenović D. et al. Schema on read modeling approach as a basis of big data analytics integration in EIS // Enterprise Information Systems. 2018. Vol. 12. No. 8-9. Pp. 1180–1201. DOI: 10.1080/17517575.2018.1462404.
Pwint Phyu Khine, Zhaoshun Wang. A review of polyglot persistence in the big data world // Information. 2019. Vol. 10. No. 4. Art. 141. Pp. 1–24. DOI: 10.3390/info10040141.
Koupil P., Crha D., Holubová I. A universal approach for simplified redundancy-aware cross-model querying // Information Systems. 2025. Vol. 127. Art. 102456. DOI: 10.1016/j.is.2024.102456.
Koupil P., Crha D., Holubová I. MM-quecat: A tool for unified querying of multi-model data // Proceedings of the 26th International Conference on Extending Database Technology (EDBT). 2023. Pp. 831–834. DOI: 10.48786/edbt.2023.76.
Koupil P., Holubová I. A unified representation and transformation of multi-model data using category theory // Journal of Big Data. 2022. Vol. 9. No. 61 (2022). Pp. 1–49. DOI: 10.1186/s40537-022-00613-3.
Koupil P., Holubová I. Unifying categorical representation of multi-model data // Proceedings of the 37th ACM/SIGAPP Symposium on Applied Computing. 2022. Pp. 365–371. DOI: 10.1145/3477314.3507690.
Koupil P., Svoboda M., Holubová I. MM-cat: A tool for modeling and transformation of multi-model data using category theory // Proceedings of the ACM/IEEE International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C). 2021. Pp. 635–639. DOI: 10.1109/MODELS-C53483.2021.00098.
Macak M., Stovcik M., Buhnova B., Merjavy M. How well a multi-model database performs against its single-model variants: Benchmarking OrientDB with Neo4j and MongoDB // Proceedings of the 15th Conference on Computer Science and Information Systems (FedCSIS). Sofia, Bulgaria, 2020. Pp. 463–470. DOI: 10.15439/2020F76.
Pokorný J. Data integration in a multi-model environment // Information Integration and Web Intelligence (iiWAS). 2023. Pp. 121–127. DOI: 10.1007/978-3-031-48316-5_14.
Pokorný J. Integration of relational and graph databases functionally // Foundations of Computing and Decision Sciences. Vol. 44 (2019). No. 4. Pp. 427–441. DOI: 10.2478/fcds-2019-0021.
Pokorný J. Integration of relational and NoSQL databases // Intelligent Information and Database Systems, ACIIDS 2018. Lecture Notes in Computer Science. Vol. 10752. Pp. 35–45. Cham: Springer. 2018.
Pokorný J. JSON Functionally // Advances in Databases and Information Systems. Cham: Springer, 2020. Pp. 139–153. DOI:10.1007/978-3-030-54832-2_12.
Pokorný J., Richta K. Towards conceptual and logical modelling of NoSQL databases // Advances in Information Systems Development. Cham: Springer, 2022. Pp. 255–272. DOI: 10.1007/978-3-030-95354-6_15.
Sadalage P.J., Fowler M. NoSQL distilled: A brief guide to the emerging world of polyglot persistence // Addison-Wesley Professional. 2012. ISBN: 978-0-13-303612-1.
Ye F., Sheng X., Nedjah N. et al. A benchmark for performance evaluation of a multi-model database vs. polyglot persistence // Journal of Database Management (JDM). 2023. Vol. 34. No. 3. P. 1–20. DOI: 10.4018/JDM.321756.
Волков А.С., Виноградова М.В. Применение унифицированной модели данных для решения задачи многовариантного хранения // Искусственный интеллект в автоматизированных системах управления и обработки данных (ИИАСУ’24): сб. статей III Всерос. науч. конф. В 3 т. М.: КДУ, 2025. Т. 1. С. 423–431. EDN: YEEOTL.
Воронов М.В. Моделирование слабоструктурированных проблем: монография. М.: Изд-во Современного гуманитарного университета (СГУ), 2010. 332 с. ISBN: 978-5-8323-0702-2. EDN: UDYLLF.
Дейт К.Д. Введение в системы баз данных / пер. с англ.; под ред. К.А. Птицына. 8-е изд. М.: Вильямс, 2008. 1327 с. ISBN: 978-5-8459-0788-2. EDN: QMSTGX.
Маклейн С. Категории для работающего математика / пер. под ред. В.А. Артамонова. М.: Физматлит, 2004. 351 с. ISBN: 5-9221-0400-4. EDN: QJMIXL.
Новиков Б.А., Горшкова Е.А., Графеева Н.Г. Основы технологий баз данных: учеб. пособие / под ред. Е.В. Рогова. 2-е изд. М.: ДМК Пресс, 2020. 582 с. ISBN: 978-5-97060-841-8.
Azeroual O., Nikiforova A., Sha K. Overlooked aspects of data governance: Workflow framework for enterprise data deduplication // International Conference on Intelligent Computing, Communication, Networking and Services (ICCNS). 2023. Pp. 65–73. DOI: 10.1109/ICCNS58795.2023.10193478.
Candel C.J.F., García-Molina J.J., Ruiz D.S. A unified metamodel for NoSQL and relational databases // Information Systems. 2022. Vol. 104 (2022). Art. 101898. Pp. 1–26. DOI: 10.1016/j.is.2021.101898.
Fernández Candel J., García-Molina J.J, Sevilla Ruiz D. SkiQL: A unified schema query language // Data & Knowledge Engineering. 2023. Vol. 148 (2023). Art. 102234. Pp. 1–20. DOI: 10.1016/j.datak.2023.102234.
Gog I., Schwarzkopf M., Crooks N. et al. Musketeer: All for one, one for all in data processing systems // Proceedings of the 10th European Conference on Computer Systems (EuroSys 2015). No. 2. Pp. 1–16. DOI: 10.1145/2741948.2741968.
Guo Q., Zhang C., Zhang S., Lu J. Multi-model query languages: Taming the variety of big data // Distributed and Parallel Databases. 2024. Vol. 42. No. 1. Pp. 31–71. DOI: 10.1007/s10619-023-07433-1.
Janković S., Mladenović S., Mladenović D. et al. Schema on read modeling approach as a basis of big data analytics integration in EIS // Enterprise Information Systems. 2018. Vol. 12. No. 8-9. Pp. 1180–1201. DOI: 10.1080/17517575.2018.1462404.
Pwint Phyu Khine, Zhaoshun Wang. A review of polyglot persistence in the big data world // Information. 2019. Vol. 10. No. 4. Art. 141. Pp. 1–24. DOI: 10.3390/info10040141.
Koupil P., Crha D., Holubová I. A universal approach for simplified redundancy-aware cross-model querying // Information Systems. 2025. Vol. 127. Art. 102456. DOI: 10.1016/j.is.2024.102456.
Koupil P., Crha D., Holubová I. MM-quecat: A tool for unified querying of multi-model data // Proceedings of the 26th International Conference on Extending Database Technology (EDBT). 2023. Pp. 831–834. DOI: 10.48786/edbt.2023.76.
Koupil P., Holubová I. A unified representation and transformation of multi-model data using category theory // Journal of Big Data. 2022. Vol. 9. No. 61 (2022). Pp. 1–49. DOI: 10.1186/s40537-022-00613-3.
Koupil P., Holubová I. Unifying categorical representation of multi-model data // Proceedings of the 37th ACM/SIGAPP Symposium on Applied Computing. 2022. Pp. 365–371. DOI: 10.1145/3477314.3507690.
Koupil P., Svoboda M., Holubová I. MM-cat: A tool for modeling and transformation of multi-model data using category theory // Proceedings of the ACM/IEEE International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C). 2021. Pp. 635–639. DOI: 10.1109/MODELS-C53483.2021.00098.
Macak M., Stovcik M., Buhnova B., Merjavy M. How well a multi-model database performs against its single-model variants: Benchmarking OrientDB with Neo4j and MongoDB // Proceedings of the 15th Conference on Computer Science and Information Systems (FedCSIS). Sofia, Bulgaria, 2020. Pp. 463–470. DOI: 10.15439/2020F76.
Pokorný J. Data integration in a multi-model environment // Information Integration and Web Intelligence (iiWAS). 2023. Pp. 121–127. DOI: 10.1007/978-3-031-48316-5_14.
Pokorný J. Integration of relational and graph databases functionally // Foundations of Computing and Decision Sciences. Vol. 44 (2019). No. 4. Pp. 427–441. DOI: 10.2478/fcds-2019-0021.
Pokorný J. Integration of relational and NoSQL databases // Intelligent Information and Database Systems, ACIIDS 2018. Lecture Notes in Computer Science. Vol. 10752. Pp. 35–45. Cham: Springer. 2018.
Pokorný J. JSON Functionally // Advances in Databases and Information Systems. Cham: Springer, 2020. Pp. 139–153. DOI:10.1007/978-3-030-54832-2_12.
Pokorný J., Richta K. Towards conceptual and logical modelling of NoSQL databases // Advances in Information Systems Development. Cham: Springer, 2022. Pp. 255–272. DOI: 10.1007/978-3-030-95354-6_15.
Sadalage P.J., Fowler M. NoSQL distilled: A brief guide to the emerging world of polyglot persistence // Addison-Wesley Professional. 2012. ISBN: 978-0-13-303612-1.
Ye F., Sheng X., Nedjah N. et al. A benchmark for performance evaluation of a multi-model database vs. polyglot persistence // Journal of Database Management (JDM). 2023. Vol. 34. No. 3. P. 1–20. DOI: 10.4018/JDM.321756.
Ключевые слова:
мультимодельные запросы, алгоритм, СУБД, унифицированная модель, теория категорий, лямбда-исчисление.
