Análisis y comparativa de bases de datos para series temporales

Abstract

En la actualidad vivimos una época marcada por el big data que ha impulsado de forma exponencial la importancia y el valor de la información. La velocidad y el volumen al que se generan los datos ha hecho que empresas y organizaciones busquen formas de explotar al máximo esta información para su toma de decisiones. A raíz de esto han surgido diferentes estrategias para almacenar los datos, entre las cuales se encuentran aquellas que usan marcas temporales para indexar la información, adecuadas para la gestión de series temporales. En este trabajo se va a estudiar y comparar diferentes gestores de bases de datos empleados para el uso y explotación de series temporales. Para ello se realizará una batería de pruebas (benchmark) sobre un conjunto de datos perteneciente al dominio del IoT enfocado a la monitorización de sistemas. Para el análisis se ha seleccionado gestores de bases de datos de propósito general que han sido adaptados para poder trabajar con series temporales y otros desarrollados de manera específica para trabajar con ellas. Una vez ejecutadas las pruebas, se recogerán y analizarán los resultados para exponer las conclusiones que se alcancen

We are currently living in an era marked by big data, which has exponentially boosted the importance and value of information. The speed and volume at which data is generated has led companies and organisations to seek ways to exploit this information to the maximum for their decision-making. As a result, different strategies for storing data have emerged, among which are those that use time stamps to index the information, suitable for time series management. In this project we are going to study and compare different data managers used for the use and exploitation of time series. For this purpose, a set of tests (benchmark) built around a dataset belonging to the IoT domain will be carried out to measure the behaviour of several previously selected database managers, some of them of general purpose and that have been adapted to work with time series and others developed specifically to work with them. Subsequently, the results will be collected and analysed in order to present the conclusions reached.