| dc.contributor.advisor | Δουλκερίδης, Χρήστος | |
| dc.contributor.author | Νεστοράκης, Κωνσταντίνος | |
| dc.date.accessioned | 2021-03-03T07:47:35Z | |
| dc.date.available | 2021-03-03T07:47:35Z | |
| dc.date.issued | 2021-02 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13286 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/709 | |
| dc.description.abstract | Στις μέρες μας, υπάρχουν πολλές εταιρείες πληροφορικής που χρησιμοποιούν GPS υπηρεσίες στα προϊόντα που προσφέρουν στους πελάτες τους. Το πιο χαρακτηριστικό παράδειγμα είναι εταιρεία Google με την εφαρμογή Google maps. Η βασική υπηρεσία της εφαρμογής, είναι να παρέχει οδηγίες μεταφοράς στους χρήστες της, από ένα γεωγραφικό στίγμα σε ένα άλλο. Επίσης, παραδείγματα είναι οι εταιρείες Uber και Beat που προσφέρουν υπηρεσίες οδικής μεταφοράς των πελατών τους, από ένα σημείο σταθμό σε κάποιον προορισμό. Οι συγκεκριμένες εφαρμογές κατά την εκτέλεση τους επεξεργάζονται γεωγραφικά δεδομένα. Ένα απλό ερώτημα που μπορεί να εκτελέσει η εφαρμογή Google maps είναι μια αναζήτηση των πλησιέστερων cafe από ένα σημείο στίγματος, Αντίστοιχα, για τις εφαρμογές Uber και Beat, ο πελάτης μπορεί να θέλει να επιλέξει το φύλλο του οδηγού που θα εκτελέσει την οδική μεταφορά π.χ. να είναι γυναίκα. Εύκολα μπορεί να αντιληφθεί κάποιος ότι οι συγκεκριμένες εφαρμογές πέρα από γεωγραφικά δεδομένα, επεξεργάζονται και κειμενικά δεδομένα. Φυσικά, επεξεργάζονται και χρονική πληροφορία αλλά αυτό δεν θα εξεταστεί στη συγκεκριμένη διπλωματική εργασία.
Η αποθήκευση και η επεξεργασία όλων αυτών των δεδομένων, από τις συγκεκριμένες εφαρμογές που αναφέρθηκαν στην προηγούμενη παράγραφο, απαιτούν βάσεις δεδομένων που προσφέρουν υψηλή απόδοση (performance), διαθεσιμότητα (availability) και επεκτασιμότητα (scalability). Ένα Σχεσιακό σύστημα διαχείρισης βάσεων δεδομένων (Relational Database Management System) δεν μπορεί να καλύψει τις συγκεκριμένες ανάγκες. Σε αντίθεση με τις NoSQL βάσεις δεδομένων όπου η χρήση τους, ενδείκνυται για τέτοιου είδους δεδομένα. Η ιδιαιτερότητα των NoSQL βάσεων δεδομένων, είναι ότι δεν διαθέτουν όλες απευθείας χωρική ή χωρο-κειμενική ευρετηρίαση, αλλά παρέχουν τεχνικές που μπορούν να υποστηρίξουν τέτοιου είδους δυνατότητες.
Σε αυτή την διπλωματική, θα παρουσιαστούν τεχνικές ευρετηρίασης πάνω σε χωρο-κειμενικά δεδομένα. Αυτές οι τεχνικές θα υλοποιηθούν πάνω στο NoDA API [1] για MongoDB και HBase Stores, επεκτείνοντας προηγούμενη δουλεία της Big Data ερευνητικής ομάδας του Πανεπιστημίου Πειραιώς, πάνω σε χωρο-κειμενικά δεδομένα. To NoDA API είναι ένα ενδιάμεσο επίπεδο ανάμεσα στην εφαρμογή και τα NoSQL Stores υποστηρίζοντας χωρο-χρονικές και χωρο-κειμενικές τεχνικές ευρετηρίασης. | el |
| dc.format.extent | 73 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Ανάπτυξη μεθόδων χωρο-κειμενικής ευρετηρίασης σε μη-σχεσιακές βάσεις δεδομένων | el |
| dc.title.alternative | Development of methods for spatio-textual indexing in NoSQL stores | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Nowadays, many IT companies provide GPS services and products to their customers. The most distinctive example is Google via the Google maps app. The app’s fundamental service is to provide its users with directions from one point to another. The companies Uber and Beat also have apps to provide their customers transport services from one start point to any destination. One simple query that the Google maps app supports is the search of nearest cafes from a specific location. Uber and Beat give their customers the option to select the driver’s sex before transport. The conclusion is that all apps mentioned above can process both spatial and textual operating queries. In addition to spatial and textual data processing, they can process temporal data, but this case will not be examined in this study.
All apps in the previous paragraph store and process their data using Data Bases with the following specific features: high performance, availability and scalability. A Relational Database Management System (RDBMS) cannot cover all these needs, except for NoSQL Stores. However, some NoSQL Stores do not support direct spatial or spatiotextual indexing, even though they do have some techniques to support this issue.
This study will present spatio-textual techniques implemented on NoDA API for MongoDB and Hbase Stores. The NoDA API is an abstract layer between an app and NoSQL Stores, providing one query language and supporting spatial, spatio-temporal and spatio-textual indexing. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Spatio-textual queries | el |
| dc.subject.keyword | Spatio-textual indexing | el |
| dc.subject.keyword | NoSQL stores | el |
| dc.subject.keyword | MongoDB | el |
| dc.subject.keyword | HBase | el |
| dc.subject.keyword | Hilbert curve | el |
| dc.subject.keyword | Boolean range queries | el |
| dc.subject.keyword | Space-filling curve | el |
| dc.date.defense | 2021-02-22 | |
