Laboratorio 2 Análisis de Rendimiento. Análisis Comparativo de Rendimiento de Motores de Bases de Datos (MySql, Postgres)

Transcripción

1 Laboratorio 2 Análisis de Rendimiento Análisis Comparativo de Rendimiento de Motores de Bases de Datos (MySql, Postgres) 1

2 Ctenido Análisis comparativo de los resultados de las bases de datos... 3 Resultados Obtenidos... 4 Anexos... 5 Csultas y resultados... 5 MySql... 5 Postgres... 8 Script generador de Csultas MySql Postgres Creación Bases de datos MySql Postgres

3 Análisis comparativo de los resultados de las bases de datos Para realizar este laboratorio se llenador dos motores de bases de datos c de datos aleatorios siguiendo el siguiente modelo cceptual que muestra la figura 1. Después de cargar la información en la base de datos, se crear las llaves foráneas para vincular cada tabla, después se ejecutar una serie de csultas usando group by, like, y también haciendo cruces entre las tablas c, left join, right join. Las csultas se realizar mediante un script php, tomando el tiempo c el comando time de Linux, toda la información recogida se tabulo para su posterior análisis, usando la tabla t de student para ver si existen diferencias significativas, entre usar un motor u otro, en este caso MySql ctra Postgres. Figura 1 3

4 Resultados Obtenidos Csultas MySql Postgres Diferencia 1 7,456 0,342 7, ,933 0,064 6, ,553 0, , ,653 0, , ,544 0, , ,776 0, , ,443 0,764 0, ,66 0, ,568 M. Aritmética 79,57 Desviación Estándar 61,93 Los resultados obtenidos están segundos, se calculo la diferencia de tiempo entre el motor MySql y Postgres, como se puede apreciar en la columna Diferencia, la cual nos sirve para elaborar un intervalo de cfianza, para un nivel de cfianza del 95%, c lo cual tenemos (α = 0,05) La siguiente formula establece un intervalo de cfianza para la media de las diferencias observadas y es la formula c la cual haremos nuestro análisis. Ahora piendo nuestros datos obtenidos en la ecuación anterior, tenemos lo siguiente Primero calculamos el valor de t, luego de ellos buscamos el valor que nos de en la tabla t de student, c 7 grados de libertad. Por lo tanto como el intervalo de cfianza no incluye el cero, quiere decir que sí existen diferencias significativas entre los dos motores de bases de datos, y por inspección simple se puede ver el motor de bases de datos Postgres es más rápido que MySql. 4

5 Anexos Csultas y resultados MySql 1) real 0m7.456s user 0m0.756s sys 0m1.024s p.nombre, p.apellido dueno d persa p p.idpersa = d.idpersa; 2) real 0m6.933s user 0m0.036s sys 0m0.012s p.nombre, p.apellido dueno d persa p p.idpersa = d.idpersa group by(p.nombre); 3) real 2m5.553s user 0m0.036s sys 0m0.016s p.nombre, p.apellido, a.marca dueno d persa p p.idpersa = d.idpersa 5

6 auto a d.idauto = a.idauto group by(p.nombre); 4) real 2m3.653s user 0m0.052s sys 0m0.000s p.nombre, p.apellido, a.marca dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto where p.nombre like 'a%' group by(p.nombre); 5) real 2m3.544s user 0m0.040s sys 0m0.008s count(p.nombre) dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto where p.nombre like 'z%' group by(p.nombre); 6

7 6) real 1m59.776s user 0m0.028s sys 0m0.016s p.nombre, p.apellido, a.marca dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto and a.marca like '%aa%' group by(p.nombre) order by p.nombre desc; 7) real 0m1.443s user 0m0.048s sys 0m0.004s count(a.marca) auto a where a.marca like 'c%' group by (a.marca); 8) real 2m9.660s user 0m1.156s sys 0m2.484s * dueno d persa p d.idpersa = p.idpersa auto a a.idauto = d.idauto; 7

8 Postgres 1) p.nombre, p.apellido dueno d persa p p.idpersa = d.idpersa; real user sys 0m0.342s 0m0.040s 0m0.012s 2) p.nombre, p.apellido dueno d persa p p.idpersa = d.idpersa group by(idpersa); real user sys 0m0.064s 0m0.028s 0m0.016s 3) p.nombre, p.apellido,a.marca dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto group by(p.idpersa, a.idauto ); real user sys 0m0.054s 0m0.032s 0m0.004s 8

9 4) p.nombre, p.apellido, a.marca dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto where p.nombre like 'a%' group by(p.idpersa,a.idauto); real user sys 0m0.054s 0m0.024s 0m0.012s 5) count(p.nombre) dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto where p.nombre like 'z%' group by(p.nombre); real 0m0.052s user 0m0.024s sys 0m0.004s 6) p.nombre, p.apellido, a.marca dueno d persa p p.idpersa = d.idpersa auto a d.idauto = a.idauto and a.marca like '%aa%' group by(p.idpersa,a.idauto) order by p.nombre desc; real user sys 0m0.067s 0m0.016s 0m0.028s 9

10 7) count(a.marca) auto a where a.marca like 'c%' group by (a.marca); real 0m0.764s user 0m0.040s sys 0m0.008s 8) * dueno d persa p d.idpersa = p.idpersa auto a a.idauto = d.idauto; real user sys 0m0.092s 0m0.024s 0m0.016s 10

11 Script generador de Csultas MySql csultas.php <?php $c=mysql_cnect("localhost","root","nube123"); mysql db("lab2",$c); $csulta = "(aqui pegar la csulta)"; $resp = mysql_query($csulta,$c ) or die(mysql_error()); echo "fin\n";?> creacsultas.php <?php functi RandomString($length=10,$uc=TRUE,$n=TRUE,$sc=FALSE) { $source = 'abcdefghijklmnopqrstuvwxyz'; if($uc==1) $source.= 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'; if($n==1) $source.= ' '; if($sc==1) $source.= if($length>0){ $rstr = ""; $source = str_split($source,1); for($i=1; $i<=$length; $i++){ mt_srand((double)microtime() * ); $num = mt_rand(1,count($source)); $rstr.= $source[$num-1]; } } 11

12 return $rstr; } //echo RandomString(15,TRUE,TRUE,0)."\n"; functi creacsultas($tam){ for($i=0; $i < $tam ; $i++){ $str1 = RandomString(5,TRUE,TRUE,0); $str2 = RandomString(5,TRUE,TRUE,0); //$csulta = "insert into persa(nombre,apellido) values('$str1','$str2');"; //echo $csulta."\n"; $csulta = "insert into auto(marca,modelo) values('$str1','$str2');"; } echo $csulta."\n"; } echo creacsultas( );?> Postgres <? echo "\n\r\n"; // cexi a la base de datos $dbcn = pg_cnect("host=localhost port=5432 dbname=trabajo user=postgres password=aerostar") or die('no HAY CONEXION: '. pg_last_error()); //csulta sencilla $query = " "; $result = pg_query($query) or die('query failed: '. pg_last_error()); $rows = pg_numrows($result); //echo "Se enctrar: $rows coincidencias\r\n\n"; // Free resultset pg_free_result($result); // Closing cnecti pg_close($dbcn);?> 12

13 Creación Bases de datos MySql Postgres CREATE TABLE persa ( nombre character varying(20), apellido character varying(20), id_persa serial NOT NULL, CONSTRAINT pk_persa PRIMARY KEY (id_persa) ) CREATE TABLE auto ( marca character varying(20), modelo character varying(20), id_auto serial NOT NULL, CONSTRAINT pk_auto PRIMARY KEY (id_auto) ) CREATE TABLE dueno ( id_dueno integer NOT NULL DEFAULT nextval('"dueño_id_dueño_seq"'::regclass), id_auto integer NOT NULL DEFAULT nextval('"dueño_id_auto_seq"'::regclass), 13

14 id_persa integer NOT NULL DEFAULT nextval('"dueño_id_persa_seq"'::regclass), ) CONSTRAINT "pk_dueño" PRIMARY KEY (id_dueno), CONSTRAINT fk_auto FOREIGN KEY (id_auto) REFERENCES auto (id_auto) MATCH SIMPLE ON UPDATE NO ACTION ON DELETE NO ACTION, CONSTRAINT fk_persa FOREIGN KEY (id_persa) REFERENCES persa (id_persa) MATCH SIMPLE ON UPDATE NO ACTION ON DELETE NO ACTION 14