Databasmodeller och tidsseriedata : En jämförelse av svarstider

Sammanfattning: Målet med studien har varit att undersöka hur olika databasmodeller presterar vid inhämtning av tidsseriedata. I studien jämförs en tidsseriedatabas med en databas av annan modell. Studien har genomförts enligt metoden Design Science Research. Metoden lämpar sig väl vid systemutveckling och bygger på att skapa en artefakt, en prototyp. Med hjälp av denna artefakt kan experiment utföras för att simulera verkliga händelser. I denna studie simuleras värden som ska motsvara en temperatur vid en tidpunkt, registrerat av en sensor och skickat till en databas. För ändamålet har en enkortsdator (minidator)  av typen RaspberryPi använts, då den är vanligt förekommande inom Internet of Things. Två databasmodeller har skapats som artefakt: TinyDB och InfluxDB. TinyDB är av typen NoSQL och InfluxDB är en tidsseriedatabas.  Databaserna har fyllts med data med hjälp av ett program som tar fram ett slumpmässigt värde och en tidsstämpel. Experimenten som därefter har utförts och jämfört de två databasmodellerna innebär mätning av hur långa svarstiderna är vid olika hämtningar av data, samtidigt som datorns processoraktivitet har observerats. Både skapandet av artefakterna och experimenten har utförs med program skrivna i språket Python. Resultatet för samtliga experiment visar på tidsseriedatabasens fördel. Den är både snabbare och belastar datorn mindre för de hämtningar som gjorts. Framtida arbete som kan utföras omfattar test av flera databasmodeller, större datamängder, annan hårdvara och program.