Under CopyrightBrabender, KatrinMaleki, John-ChristopherMühle, TimTimMühle2025-01-292025-01-292024-09-25https://doi.org/10.24406/publica-4176https://publica.fraunhofer.de/handle/publica/48308210.24406/publica-4176Die vorliegende Masterarbeit "Implementierung und Evaluierung von Strategien zur Speicherung und Verarbeitung dynamischer und tabellarischer Simulationsergebnisse" erforscht die Modellierung und Umsetzung dynamischer Tabellenstrukturen in Datenbanken. Als Anwendungsfall dient die Lieferketten- Simulationssoftware OTD-NETWORK, die dynamische Tabellen als Simulationsergebnisse erzeugt. In diesem Zusammenhang werden sowohl relationale Datenbanken als auch NoSQL-Datenbanken und NewSQL (eine Erweiterung von relationalen Datenbanken für dynamische Modelle) betrachtet. Die Umsetzbarkeit von Lösungsstrategien für dynamische Tabellen wird für relationale Datenbanken, Dokumentendatenbanken, spaltenorientierte Datenbanken (Wide-Column-Stores und Spaltenfamilien-Datenbanken) und NewSQL- Datenbanken diskutiert. Dazu werden mögliche Modellierungen mit den Datenbanken CouchDB, Apache Cassandra, Apache HBase, MariaDB und PostgreSQL näher untersucht. Als vielversprechendste Modelle stellen sich Spaltenfamilien in HBase und JSON-Spalten in PostgreSQL heraus. Für diese Lösungsvorschläge wird die Einbindung in ein auf Spring Boot basierendes Java-Backend gezeigt. Im Anschluss wird eine Evaluierung anhand von Kriterien aus den Kategorien Operationen, Softwarearchitektur und Risiko durchgeführt. Zur Bewertung der Operationen werden Benchmarktests definiert und ausgewertet. Die Arbeit kommt zu dem Ergebnis, dass HBase auf Big Data-Probleme ausgelegt ist und sich nicht für zu kleine Datenmengen (unter Hundertmillionen Datensätze) eignet. Für den betrachteten Anwendungsfall zur Speicherung dynamischer Ergebnisse einer Simulationssoftware für Lieferketten stellt sich die Modellierung einer JSON-Spalte in PostgreSQL als die beste der getesteten Lösungen heraus.dedynamische Tabellendynamische DatenDatenbankenmaster thesis