ارزيابي كنترل همروندي در پايگاه داده

Evaluation of concurrency control in the database

مسئله ي كنترل همروندي در پايگاه داده ها امري ضروري و با اهميت است. اجراي همروند تراكنشها در يك سيستم مديريت پايگاه داده، ممكن است منجر به ناسازگاري شود. ناسازگاري بر اثر مقادير نادرستي است كه براي داده هاي موجود، بر اثر تعارض و تداخل اجراي تراكنشها به وجود مي آيد. الگوريتمهاي كنترل همروندي، جهت تضمين اجراي همروند چندين تراكنش كه به صورت همروند با داده هاي مشترك كار مي كنند طراحي شده اند. در زمينه ي كنترل همروندي پايگاه داده ها، تحقيقات فراواني صورت گرفته است كه نتيجه آن، الگوريتم هاي متنوع كنترل همروندي مي باشد. با توجه به الگوريتمهاي متنوع در اين زمينه و اين واقعيت كه روز به روز بر اهميت آنها افزوده ميشود. در نتيجه عدم نظارت بر كنترل همروندي تراكنش ها ممكن است جامعيت و سازگاري داده ها با مشكلاتي مواجه شود. حجم هاي تراكنش روزافزون منجر به تجديد فعاليت در پردازش تراكنش توزيع شده شده اند. مخصوصا، بخش بندي داده ها در ميان چندين سرور مي تواند توان عملياتي را با اجازه دادن به سرورها براي پردازش موازي تراكنش ها بهبود دهد. ولي اجراي تراكنش ها در ميان سرورها، مقياس پذيري و كارايي اين سيستم ها را كاهش مي دهد. شش پروتكل كلاسيك و مدرن را در چارچوب ارزيابي پايگاه داده ي توزيع شده ي درون حافظه اي با نام Denava ارزيابي مي كنيم كه يك مقايسه نظير به نظير بين هر يك فراهم مي سازد. نتايج ما، محدوديت هاي شديد موتورهاي پردازش تراكنش توزيع شده را آشكار مي سازند. همچنين، در آناليزمان، به شناسايي تنگناهاي متعدد مقياس پذيري مختص پروتكل مي پردازيم. در نهايت به اين نتيجه مي رسيم كه براي دستيابي به عمليات با مقياس پذيري واقعي، راه حل هاي كنترل همزماني توزيع شده بايد به دنبال ارتباط تنگ تر با سخت افزار شبكه جديد (در سطح محلي) يا برنامه هاي كاربردي (بواسطه ي مدل سازي داده ها و اجراي مبتني بر معاني) يا هر دو باشند.

The problem of concurrency control in databases is essential and important. Concurrency execution of transactions in a database management system may lead to incompatibility. Incompatibility is caused by incorrect values for existing data, due to conflict and interference of transaction execution. Concurrency control algorithms are designed to ensure the execution of multiple transactions that work concurrently with shared data. In the field of concurrency control of databases, there has been a lot of research that results in various concurrency control algorithms. Due to the various algorithms in this field and the fact that their importance is increasing day by day. As a result, failure to monitor the concurrency control of transactions may cause problems with the comprehensiveness and consistency of the data. Increasing transaction volumes have led to a resurgence in distributed transaction processing. In particular, segmentation of data across multiple servers can improve operational throughput by allowing servers to process transactions in parallel. But execution of transactions across servers reduces the scalability and efficiency of these systems. We evaluate six classic and modern protocols within the framework of a distributed memory database called Denava that provides a peer-to-peer comparison between each one. Our results reveal the extreme limitations of distributed transaction processing engines. Also, in the time analytical, we identify multiple protocol-specific scalability bottlenecks. Ultimately, we conclude that to achieve operations with real scalability, distributed synchronous control solutions must seek tighter connectivity with new network hardware (at the local level) or applications (through data modeling and meaning-based implementation), or both.