МЕТОД ТА ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ОПТИМІЗАЦІЇ ПРОДУКТИВНОСТІ БАЗ ДАНИХ

Автор(и)

DOI:

https://doi.org/10.34185/1562-9945-3-164-2026-18

Ключові слова:

оптимізація баз даних, SQL-дамп, статичний аналіз, індексація, структурний аналіз, конфігурація сервера, комплексний індекс продуктивності, FastAPI, React, СУБД

Анотація

Сучасні підходи до оптимізації продуктивності баз даних переважно орієнтовані на окремі аспекти – індексацію, оптимізацію SQL-запитів або налаштування серверного середовища, що змушує адміністраторів використовувати декілька різних інструментів одночасно та підвищує ймовірність пропуску критичних недоліків. Невирішеною залишається проблема комплексного автоматизованого аналізу бази даних без необхідності прямого підключення до сервера. У роботі запропоновано комбінований алгоритмічно-програмний метод оптимізації продуктивності баз даних, що відрізняється від існуючих підходів можливістю комплексного офлайн-аналізу SQL-дампів та конфігураційних файлів без прямого підключення до СУБД. Метод ґрунтується на статичному аналізі SQL-дампів та конфігураційних файлів без розгортання бази даних та інтегрує три незалежних аналітичних модулі: аналіз індексації, структурний аналіз та аналіз параметрів серверної конфігурації, а також окремий модуль інтерактивного рефакторингу SQL-запитів у реальному часі. Для кількісної оцінки ефективності оптимізації запропоновано комплексний індекс продуктивності (КІП), що об’єднує три часткових показники – індексаційний, структурний та конфігураційний з визначеними ваговими коефіцієнтами. Метод реалізовано у вигляді клієнт-серверного вебзастосунку з рольовою моделлю розмежування доступу. За рахунок використання запропонованого методу досягається комплексна автоматизована оптимізація бази даних та формування рекомендацій для адміністратора без значних додаткових витрат на адміністрування.

Посилання

Chaudhuri, S., & Weikum, G. (2000). Rethinking database system architecture: Towards a self-tuning RISC-style database system. Proceedings of the VLDB Endowment.

Chaudhuri, S., & Narasayya, V. (1998). An efficient cost-driven index selection tool for Microsoft SQL Server. VLDB Journal.

Gupta, H. (1997). Selection of views to materialize in a data warehouse. Proceedings of the International Conference on Database Theory (ICDT).

Ashari, R., et al. (2021). A systematic literature review: Database optimization techniques. IEEE. https://doi.org/10.1109/iccsai53272.2021.9609766

Chaudhuri, S. (1998). An overview of query optimization in relational systems. ACM PODS.

Győrödi, C. A., et al. (2021). Performance impact of optimization methods on MySQL document-based and relational databases. Applied Sciences.

https://doi.org/10.3390/app11156794

Kunjir, M., et al. (2020). Learning-based query optimization. Proceedings of the ACM SIGMOD International Conference on Management of Data. https://doi.org/10.1145/3318464

Leis, V., et al. (2015). How good are query optimizers, really? Proceedings of the VLDB Endowment, 8(1), 121–132. https://doi.org/10.14778/2850583.2850594

Gao, P., et al. (2023). Research on performance optimization of MySQL database. IEEE. https://doi.org/10.1109/ICIBA56860.2023.10165291

Mozaffari, M., et al. (2024). Self-tuning database systems: A systematic literature review of automatic database schema design and tuning. ACM. https://doi.org/10.1145/3665323

Завантаження

Опубліковано

2026-04-30