ПРОЄКТУВАННЯ АРХІТЕКТУРИ ТА МОДЕЛІ ДАНИХ ІНФОРМАЦІЙНО-АНАЛІТИЧНОЇ СИСТЕМИ МОНІТОРИНГУ ВОДНИХ РЕСУРСІВ
DOI:
https://doi.org/10.34185/1562-9945-5-166-2026-22Ключові слова:
архітектура бази даних, бітемпоральне моделювання, екологічний моніторинг, CQRS, матеріалізовані представлення, аудиторський слід, кластерні стовпчикові індекси, інтервальна алгебраАнотація
Управління екологічними даними на підприємствах здебільшого здійснюється вручну та децентралізовано, що суттєво ускладнює оперативне виявлення наднормативних скидів та підвищує ймовірність значних фінансових ризиків. Проблема полягає у виникненні архітектурного конфлікту під час створення системи моніторингу: жорсткі вимоги екологічного комплаєнсу щодо збереження безперервного аудиторського сліду суперечать потребі швидкого генерування аналітичних звітів, що вимагає денормалізації даних. Метою дослідження є розробка архітектури та моделі даних системи, здатної розв'язати суперечність між юридичною незмінністю ретроспективних масивів та високою швидкодією аналітики. У роботі застосовано методи системного аналізу, декомпозиції предметної області, бітемпорального моделювання, а також архітектурний патерн CQRS. Запропоновано концептуальну модель на основі стандарту бітемпоральних таблиць, яка запобігає незворотній втраті історичних станів та підтримує транзакційну цілісність під час зміни нормативів. Для прискорення просторово-часових об'єднань використано кластерні стовпчикові індекси з алгоритмами відсікання сегментів. Імплементація CQRS через матеріалізовані представлення фізично ізолювала аналітичне навантаження від операційного. Розроблена архітектура мінімізує ризик транзакційних блокувань та деградації продуктивності, формуючи технологічне підґрунтя для функціонування системи як інструменту оперативного контролю водокористування.
Посилання
1. Kireitseva, H., Tsyhanenko-Dziubenko, I., Zamula, I., & Demchuk, L. (2024). Analiz stanu ta monitorynh poverkhnevykh vodnykh obiektiv Chernihivskoi oblasti [Analysis of the state and monitoring of surface water bodies of Chernihiv region]. Visnyk KrNU imeni Mykhaila Ostrohradskoho, 1(144), 84–91. DOI: https://doi.org/10.32782/1995-0519.2024.1.11.
2. Joy-Camacho, W., & Thornhill, I. (2024). Opportunities and limitations to environmental management system (EMS) implementation in UK SMEs. Journal of Environmental Management, 367, 121749. DOI: https://doi.org/10.1016/j.jenvman.2024.121749.
3. Vasenko, O. G., Bruk, V. V., & Svyrydov, Y. (2020). Ekolohichnyi monitoryng vodnykh resursiv [Ecological monitoring of water resources]. Eastern-European Journal of Enterprise Technologies, 6(10(108)), 6–13. DOI: https://doi.org/10.15587/1729-4061.2020.219556.
4. Vlasova, O., Shevchenko, I., & Kozytskyi, O. (2026). Kartohrafichne vidobrazhennia ekolohichnoho stanu poverkhnevykh vodnykh obiektiv Pravoberezhzhia Ukrainy [Cartographic representation of the ecological state of surface water bodies of the Right Bank of Ukraine]. In Vodna bezpeka: naukovi rishennia v umovakh kryz ta transformatsii: zbirnyk tez XIV Mizhnarodnoi naukovo-praktychnoi konferentsii (pp. 58–60). IVPIM NAAN. DOI: https://doi.org/10.31073/mivg2026.
5. Chau, V. T. N., & Chittayasothorn, S. (2021). A bitemporal SQL database design method from the enhanced entity-relationship model. In 2021 7th International Conference on Engineering, Applied Sciences and Technology (ICEAST) (pp. 85–90). IEEE. DOI: https://doi.org/10.1109/ICEAST52143.2021.9426270.
6. Gnedina, K. V. (2021). Suchasni pidkhody do upravlinnia vodnymi resursami ta mekhanizmy yikh ekolohichnoho monitorynhu [Modern approaches to water resources management and mechanisms of their ecological monitoring]. Ekolohichni nauky, (4(37)), 33–39. DOI: https://doi.org/10.32846/2306-9716/2021.eco.4-37.4.
7. Henneberg, J., Schuhknecht, F. M., Reutter, P., Brast, N., & Spichtinger, P. (2022). Northlight: Declarative and optimized analysis of atmospheric datasets in SparkSQL. In SSDBM '22: Proceedings of the 34th International Conference on Scientific and Statistical Database Management (Article 13). Association for Computing Machinery. DOI: https://doi.org/10.1145/3538712.3538715.
8. Iraqi, O., El Kadiri El Hassani, M., & Zouine, A. (2025). Microhooks: A novel framework to streamline the development of microservices. Computers, 14(4), 139. DOI: https://doi.org/10.3390/computers14040139.
9. Schuhknecht, F. M., Henneberg, J., May, N., & Tatbul, N. (2023). Accelerating main-memory table scans with partial virtual views. In DaMoN '23: Proceedings of the 19th International Workshop on Data Management on New Hardware (pp. 89–93). Association for Computing Machinery. DOI: https://doi.org/10.1145/3592980.3595315.
10. Kulkarni, K., & Michels, J.-E. (2012). Temporal features in SQL:2011. SIGMOD Record, 41(3), 34–43. DOI: https://doi.org/10.1145/2380776.2380786.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
