Modellazione dei dati NoSQL utilizzando Hackolade

Abstract

Questa tesi esplora il dominio dei database NoSQL, enfatizzando le strategie di progettazione basate sull'aggregazione e adattate a carichi di lavoro specifici, con particolare attenzione ai sistemi orientati ai documenti come MongoDB. Basandosi su metodologie e strumenti di lavori precedenti, in particolare per i database NoSQL aggegate-oriented e fissato un carico di lavoro, proponiamo un nuovo approccio che sfrutta gli schemi JSON per il reverse engineering dei diagrammi Entity-Relationship (ER) annidati utilizzando lo strumento Hackolade. Questo processo di reingegnerizzazione colma il divario tra gli schemi JSON e i progetti logici NoSQL, consentendo una maggiore flessibilità nell'implementazione dei sistemi NoSQL. Il nostro approccio dimostra come gli schemi ER annidati possano fungere da livello di transizione, supportando la generazione di schemi logici e fisici per vari database NoSQL orientati agli aggregati. Inoltre, facilita la creazione di insiemi di dati conformi a questi schemi. Sebbene i sistemi NoSQL non richiedano schemi predefiniti, l'identificazione delle regolarità dei dati e la costruzione di aggregati adatti a un carico di lavoro specifico possono ottimizzare significativamente le operazioni nel carico di lavoro.

This thesis explores the domain of NoSQL databases, emphasizing aggregate-based design strategies tailored to specific workloads, with a particular focus on document-oriented systems like MongoDB. Building upon methodologies and tools from previous works, notably for workload-driven aggregate-oriented NoSQL databases, we propose a novel approach that leverages JSON schemas to reverse engineer nested Entity-Relationship (ER) diagrams using the Hackolade tool. This reengineering process bridges the gap between JSON schemas and NoSQL logical designs, enabling greater flexibility in implementing NoSQL systems. Our approach demonstrates how nested ER schemas can act as a transition layer, supporting the generation of logical and physical schemas for various NoSQL aggregate-oriented databases. Additionally, it facilitates the creation of datasets conforming to these schemas. While NoSQL systems typically do not require predefined schemas, the identification of data regularities and the construction of aggregates suited to a specific workload can significantly optimize operations in the workload.