277 research outputs found
Multi-Stream Word-Based Compression Algorithm for Compressed Text Search
No full textOzturk, Emir (Trakya author)
Mesut, Altan (Trakya author)In this article, we present a novel word-based lossless compression algorithm for text files using a semi-static model. We named this method the Multi-stream word-based compression algorithm (MWCA)' because it stores the compressed forms of the words in three individual streams depending on their frequencies in the text and stores two dictionaries and a bit vector as side information. In our experiments, MWCA produces a compression ratio of 3.23 bpc on average and 2.88 bpc for files greater than 50 MB; if a variable length encoder such as Huffman coding is used after MWCA, the given ratios are reduced to 2.65 and 2.44 bpc, respectively. MWCA supports exact word matching without decompression, and its multi-stream approach reduces the search time with respect to single-stream algorithms. Additionally, the MWCA multi-stream structure supplies the reduction in network load by requesting only the necessary streams from the database. With the advantage of its fast compressed search feature and multi-stream structure, we believe that MWCA is a good solution, especially for storing and searching big text data
Performance improvements for unplanned high density wireless LANs
No full textChaotic unplanned IEEE 802.11 WLAN deployments are becoming the norm and such residential deployments have many nearby access points (APs) and stations on the same channel, either due to lack of coordination or insufficient available channels. Thus, inter-cell interference in these high-density settings is common but not well-understood. Our evaluations for such interfering deployments reveal that up-to two-thirds of the WLAN system capacity may be lost in a typical large-apartment building with 50 interfering WLANs In this thesis, we first report on our analysis of high-density unplanned WLANs' performance under realistic scenarios. We find that with a typical TCP-dominant workload, cumulative system throughput is characterized by the number of actively interfering APs rather than the number of clients. We verify that due to TCP flow control, the number of backlogged stations in such a network equals twice the number of active APs. Thus, a single AP network proves very robust even with over one hundred clients, while multiple interfering APs lead to a significant increase in collisions that reduces throughput and affects multimedia traffic. Based on our analysis, we suggest a practical contention window adaptation technique, WiPhi, using information on the number of nearby APs rather than clients. We also point out the need for collision-resilient rate adaptation in such a setting. Together these techniques can largely recover the loss in cumulative throughput in a setting with strongly interfering APs. We then propose an alternative ISP-level solution, HeedNet, recovering lost performance by scheduling the IP packets of the bulk traffic at the ISP edge-router towards interfering APs. It requires no changes to the MAC protocol and the APs of the network, making it a viable solution for ISPs. We evaluate HeedNet via simulations and an actual deployment to show that a significant portion of the lost system capacity can be regained (more than 2.2X improvement compared to legacy). HeedNet also increases the fairness, reducing starvation among WLANs. Additionally, we show that HeedNet improves the performance of the non-scheduled (i.e., non-bulk) traffic considerably, such as VoIP, due to the reduced-collision rate environment it creates.Ph.D.Includes bibliographical referencesIncludes vitaby Mesut Ali Ergi
Comparison of deep learning models in natural language processing
No full textYapay zekanın günümüzde hayatın işleyişine verimlilik ve üretkenlik kavramlarını katarak yön verdiğini söylemek yanlış olmaz. Bununla birlikte yapay zekanın bir alt dalı olan makine öğrenimi özellikle son yirmi yılda oldukça ön plana çıkmış ve teknolojik olarak en çok talep gören alan olmuştur. Yapay zeka ve özellikle makine öğrenimi, bu alanda çalışan şirket ve organizasyonların rekabet ve başarılarında da kendini göstermiştir. Makine öğrenimi, bilgisayarların belirli görevleri yerine getirmek için veriler üzerinden eğitim yoluyla edindikleri modellerin kullanılmasıdır. Bu görevleri kullanan alanlardan bir tanesi doğal dil işlemedir. Doğal dil işleme alanı, insan dillerinin hesaplamalı işlenmesini ve anlaşılmasını içeren çeşitli konuları kapsar. Son birkaç yılda, doğal dil işleme alanı, derin öğrenme modellerinin kullanımı ile daha da artmıştır. Bu tez çalışması, doğal dil işleme alanının metin üretme (text generation) alt alanında derin öğrenme mimarileri ve yöntemlerinin performans açısından karşılaştırılmasını ele almaktadır. Bu kapsamda huggingface sitesinden indirilen 7 dönüştürücü modelin metin üretme işlevleri kullanılarak bu alanda kullanılan ölçme metrikleri ile benzerlik oranları hesaplanmıştır. Amaç, referans metinler ile modeller tarafından üretilen metinlerin birbirleri ile benzerliği ve anlam bütünlüğünün ölçülmesidir. Yapılan deneyler, model büyüklüğünün performansa etkisine çok önemli bir şekilde etki ettiğini gösterdi. 5 ölçüm metriği arasında dönüştürücü tabanlı olan BertScore' un n-gram tabanlı metriklere göre daha başarılı ölçüm yaptığı görüldü.Artificial intelligence has shaped the functioning of life today by adding the concepts of efficiency and pro
Using data compression and encryption algorithms together on network and examination of their performances
No full textYüksek LisansGünümüzde veri kullanımının giderek artması ve kullanılan bu verinin güvenliği gibi konular, veri sıkıştırma ve şifreleme yöntemlerinin önemini arttırmıştır. Veri iletimi esnasında eğer bu yöntemler kullanılacaksa, iletimin performansı ve güvenliği için seçilen sıkıştırma ve şifreleme yöntemi büyük önem taşır. Bu tezin amacı, ağ üzerinde veri iletişiminde sıkıştırma ve şifreleme amacıyla kullanılan yöntemlerin performanslarının incelenmesi ve ayrıca bu yöntemlerin veri iletim süresi üzerindeki etkilerinin belirlenmesidir. Kullanılan yöntemlerin etkinliği ölçülerek, performanslı bir gönderim için ağın yapısına uygun en etkili algoritmanın belirlenmesi hedeflenmiştir. Elde edilen sonuçlara göre, daha hızlı bir iletim için her zaman sıkıştırma işlemi başarılı sonuç vermez. Özellikle yüksek hıza sahip ağlarda veriyi yüksek sıkıştırma-açma hızına sahip bir algoritma kullanarak ya da hiç sıkıştırmadan göndermek daha iyi iletim performansı sağlar. Bununla beraber yavaş ağlarda ise yüksek sıkıştırma oranına sahip olup düşük sıkıştırma-açma hızına sahip algoritmalar daha etkili performans gösterirler. Ayrıca iletilecek veri belirli bir paket sayısına göre bölünüp sıkıştırılarak gönderilirse, ağın hızına ve kullanılan algoritmaya bağlı olarak toplam iletim süresinde daha iyi sonuçlar elde edilebilir. Eğer sıkıştırma ve şifreleme beraber kullanılacaksa, önce sıkıştırıp sonra şifrelemek daha iyi bir iletim süresi elde etmek için ideal yöntemdir.Nowadays, increase of data usage and also data security raises importance of data compression and data encryption methods. The chosen method has a big importance for performance and security when compression and encryption methods will be used for data transfer. The aim of this thesis is to analyze performances of data compression and encryption methods which are using for data transfer via network and also specify the effects of these methods on total transfer time. After measuring the efficiency of those methods, determining the most effective compression algorithm for high performance transfer on a particular network speed is aimed. According to our results, using compression methods for higher data transfer rate is not always successful. Especially in fast networks, applying compression algorithm which has fast compression-decompression speed or sending data without compression would be a better way to get better transfer time. However in slower networks, applying compression algorithms which have high compression ratio and lower compression-decompression speed would give better result for transfer time. Besides that, if data is split into particular packet size and compressed, better results for total transfer time would be gained according to network speed and used algorithm. If compression and encryption will be used together, applying compression firstly and then encryption afterwards would be a better way to get better transfer time
Vocational recommendation system with collaborative filtering method
No full textYüksek LisansMeslek seçimi bireylerin gelecekteki kariyerlerini belirleme sürecinde önemli bir karar noktasıdır. Mevcut durumda genellikle lise öğrencilerine meslek seçiminde yardımcı olmak için kişilik ve yeteneklerini ölçen testler yapılmaktadır. Rehber öğretmenler bu testlerin yanında öğrencinin akademik başarısına dayalı önerilerde de bulunabilmektedir. Bu tez çalışmasında, gençlere meslek seçimi için yardımcı olabilecek farklı bir öneri sistemi geliştirilmiştir. Bu sistem, meslek sahibi kişilerin, üniversite öğrencilerinin ve lise öğrencilerinin anket sorularına verdikleri yanıtları kullanarak benzerlik analizleri yapmayı hedefler. Bu analizlere göre anketi yanıtlayan gençlere, en yüksek oranda benzer yanıtlar veren yetişkinlerin meslekleri (eğer o meslekleri icra etmekten mutlu iseler) öneri olarak sunulmaktadır. Yapılan anketlerdeki sorular içinde, RIASEC testi gibi kişilik belirlemeye yönelik testlerdeki sorular ve lisede okutulan derslerden hangilerini sevdiklerini anlamaya yönelik soruların yanında, üniversite öğrencileri için okudukları bölümden, meslek sahipleri için ise yaptıkları meslekten memnun olup olmadıklarını ve seçimlerini neye göre yaptıklarını anlamaya yönelik ek sorular da bulunmaktadır. Mevcut durumda RIASEC testine göre belirlenen kişilik özellikleri örneğin gerçekçi (realistic: R) ise bu kişilik tipine uygun olabilecek önceden belirlenmiş bazı meslekler önerilmektedir. Geliştirdiğimiz işbirlikçi filtrelemeye dayalı öneri sisteminde hem RIASEC testindeki sorular hem de hangi dersleri sevdiklerine yönelik sorulara verilen yanıtlar üzerinden "lise öğrencileri" ile "üniversite öğrencileri + meslek sahipleri" arasında kosinüs benzerliğine dayalı bir model kullanılarak, "en yüksek benzeşmeye" göre meslek önerisi yapılmaktadır. Tez çalışmasında ayrıca verinin az olduğu "soğuk başlangıç" durumunda kullanılabilecek bir hibrit yöntem de önerilmiştir. Bu yöntemde RIASEC testi sonucuna göre belirlenen kişiliğe uygun meslekler bir kümede, lisede okutulan derslerden hangilerini sevdiklerine yönelik sorulardan elde edilen veriler üzerinden kosinüs benzerliği ile elde edilen yüksek benzerlik gösteren kişilerin meslekleri diğer bir kümede saklanmış, ve bu iki kümenin kesişiminde yer alan meslekler önerilmiştir. Ankete yüksek oranda katılım sağlanamamış olması nedeniyle (bazı mesleklerden katılım olmaması veya sadece 1-2 kişinin olması gibi), istenen doğrulukta analiz sonuçları elde edilememiş olsa da sunulan bu Meslek Tavsiye Sistemi gelecek araştırmalara ve uygulamalara temel oluşturabilecek değerli bir katkı sağlamıştır.Career choice is an important decision point in the process of determining people's future careers. Currently, tests that measure the personality and abilities of high school students are generally performed to help them choose a career. In addition to these tests, counselors can also make suggestions based on the student's academic success. In this thesis, a different recommendation system has been developed that can help young people in choosing a career. This system aims to perform similarity analyzes using the answers given to survey questions by professional people, university students and high school students. According to these analyses, the professions of the adults who gave similar answers at the highest rate (if they are happy to pursue those professions) are offered as suggestions to the young people who answered the survey. Among the questions in the surveys, in addition to the questions in personality determination tests such as the RIASEC test and questions to understand which of the courses taught in high school they like, there are also additional questions for university students to understand whether they are satisfied with the department they study, for professionals, whether they are satisfied with the profession they do, and how they make their choices. Currently, if the personality traits determined according to the RIASEC test are realistic (R), for example, some predetermined professions that may be suitable for this personality type are recommended. In the collaborative filtering-based recommendation system we have developed, a career recommendation is made according to the "highest similarity" by using a model based on cosine similarity between "high school students" and "university students + professionals" based on both the questions in the RIASEC test and the answers to questions about which courses they like. In this thesis, a hybrid vii method that can be used in the "cold start" situation where data is scarce is also proposed. In this method, the professions suitable for the personality determined according to the results of the RIASEC test were kept in one set, the professions of people with high similarity obtained through cosine similarity, based on the data obtained from questions about which of the courses they liked in high school, were stored in another set, and the professions at the intersection of these two sets were recommended. Although the analysis results could not be obtained with the desired accuracy due to the lack of high participation in the survey (such as lack of participation from some professions or only 1-2 people), this Profession Recommendation System provided a valuable contribution that can form the basis for future research and applications
Performance comparison of text search methods used in databases
No full textBu tezde, İlişkisel ve NoSQL veri tabanlarındaki genellikle metin indeksi adı verilen özel indeksler ile gerçekleştirilen Tam Metin Arama (FTS: Full Text Search) yöntemlerinin incelenmesi ve performans karşılaştırması yapılmıştır. Metin indekslerinde, kelimeler veya terimler bulundukları belgeler ile eşleştirilir ve gerekirse kelimelerin belgelerde kaç kez ve hangi konumlarda yer aldığına dair bilgiler de saklanabilir. Veri tabanında bir kelime veya terim arandığında, tüm dokümanları taramak yerine metin indeksleri kullanılarak arama işlemi çok daha hızlı yapılır. Son yıllarda birçok veri tabanı yönetim sistemi tam metin arama desteği sunmaya başlamış ve özellikle bu amaç için kullanılan Elasticsearch gibi arama motorları da ortaya çıkmıştır. Tezin performans karşılaştırması bölümünde MSSQL Server, MySQL, MongoDB ve Elasticsearch veri tabanlarına makale özeti gibi küçük boyutlu ve kitap gibi büyük boyutlu çok sayıda metin verisi eklenmiştir. İlgili yöntemler ile metin indeksleri oluşturulduktan sonra test için belirlenen kelimeler bu indeksler üzerinde aranıp süre sonuçları elde edilmiştir. Aynı kelimeler Regex/Like türünde metin arama sorguları ile de aranmış ve sonuçlar indeks kullanılarak elde edilen sonuçlarla karşılaştırılmıştır. Çalışmanın sonucunda ise hangi veri tabanı yönetim sistemi üzerinde hangi Tam Metin Arama veya Regex/Like yönteminin daha performanslı bir şekilde çalıştığı ortaya çıkarılmıştır.In this thesis, Full Text Search (FTS: Full Text Search) methods in Relational and NoSQL databases, which are usually performed with special indexes called text indexes, are examined and performance comparisons are made. In text indexes, words or terms are matched to the documents in which they are located, and if necessary, information about how many times and in which locations the words are located in the documents can also be stored. While searching a word or term in a database, the search process is performed much faster using text indexes instead of scaning all documents. In recent years, many database management systems have started to offer FTS support, and search engines such as Elasticsearch, which are especially used for this purpose, have also emerged. In the performance comparison section of the thesis, a large number of small-sized text data such as article abstracts and large-sized text data such as books have been added to MSSQL Server, MySQL, MongoDB and Elasticsearch databases. After the text indexes were created with the relevant methods, the words determined for the test were searched on these indexes and the time results were obtained. The same words were also searched with Regex/Like type text search queries and the results were compared with the results obtained using the index. As a result of the study, it has been revealed that which Full Text Search or Regex/Like method works better on which database management system
A new IHS based approach by using the eigenvectors to fuse satellite images
No full textYüksek Lisans TeziSon yıllarda uzay teknolojilerindeki gelişmelere paralel olarak sivil amaçlı yer gözlem uydularının sayısı, kullanımı ve bununla birlikte önemi askeri ve günlük hayatta giderek artmaktadır. Yer gözlem uydularındaki kullanılan elektro-optik algılayıcılar mekânsal ve spektral teknik özellikler bakımından birbirine farklı üstünlüklere sahiptirler. Bununla birlikte, araştırmacılar çalışmalarında daha verimli ve doğru sonuçlara ulaşabilmek için farklı algılayıcıların sahip olduğu mekânsal ve spektral bilgilerden optimum olarak faydalanabilme arayışına girmişlerdir. Dolayısıyla günümüzde literatürde bu ihtiyaca cevap vermek için mekânsal ve spektral çözünürlüğe sahip verileri birleştiren birçok yöntem geliştirilmiştir. Bu yöntemler arasında özellikle IHS metodu mekânsal zenginleştirme ve işlem hızı açısından günümüzde gigabyte mertebesine varan IKONOS ve QuickBird gibi yüksek çözünürlüklü görüntülerle birlikte yaygın olarak kullanılmaya başlanan etkin yöntemlerden birisidir. Bu kapsamda son yıllardaki literatür çalışmalarında IHS dönüşümüne dayalı geliştirilen GIHSF, GIHS, GIHSA gibi yeni görüntü birleştirme yöntemleri IHS’nin görüntü birleştirmede hala etkin bir metot olduğunu göstermektedir. IHS yöntemi görüntü detay bilgisini yeterli derecede koruması ve hızlı bir yöntem olmasına rağmen birleştirme işlemi sonrası elde edilen zenginleştirilmiş görüntüdeki renk bozukluklarının oluşmasına dolayısıyla spektral kalitenin düşmesine sebep olmaktadır. Bu amaçla tez çalışmasında farklı spektral ve geometrik özelliklere sahip pankromatik ve çok bantlı uydu görüntülerini birleştirerek zenginleştirilmiş veri oluşturmaya yönelik IHS dönüşümüne dayalı yeni bir yaklaşım önerilmiştir. Önerilen yöntemde IHS’nin yoğunluk bileşenini bulmak için kullanılan katsayılar özvektörler yardımıyla elde edilmiştir. Görüntü bantlarına ait katsayıların bulunmasında iteratif bir özvektör bulma yöntemi olan kuvvet metodu kullanılmıştır. Yöntemin uygulamadaki başarısını test etmek için Kayseri ilinin kent ve kırsal alanına ait QuickBird görüntüleri kullanılmıştır. Önerilen yöntem ve diğer IHS’ye dayalı yöntemlerle elde edilen görüntüler görsel ve çeşitli istatistiksel spektral analiz metriklerine bağlı karşılaştırılarak değerlendirilmiştir.AbstractIn recent years, with the advances in sensor technology; the number of earth observation satellites, their usage in civil and military life together with their importance have been increased. Electro-optical sensors have different technical characteristics and capabilities in terms of spatial and spectral characteristics. Researchers need to use optimized spatial and spectral information of different sensors in order to achieve more accurate results. In the literature, many methods of combining data from different spectral and spatial resolution have been developed. IHS method is one of the most widely used algorithms in spatial enhancement and effective in processing the data with huge size reaching gigabytes such as Quickbird and Ikonos satellite images with comparable processing speed. In recent years, development of the modified IHS-based image fusion algorithms like Fast-IHS, GIHS, and GIHSA indicates that IHS method is still an effective method for image fusion. IHS method resulting in enhanced spatial resolution with fast processing causes spectral distortions reducing spectral quality. In this thesis, a new method based on IHS transform merging multispectral and panchromatic satellite images with different spectral and spatial resolution is proposed. With the proposed method, the coefficients to get the intensity component are found by the use of eigenvectors. Coefficients are found with power method which is an iterative Eigen value finding method. To test the success of the method multispectral and panchromatic images from rural and urban part of Kayseri province are used. The experimental results belonging to IHS based new method and other IHS-based methods are compared with visual analysis and other statistical spectral metrics
Measuring the service quality of student affairs at higher education and an examplary application of it
No full textKumru, Mesut (Dogus Author) -- Yıldız Kumru, Pınar (Dogus Author)Due to its main characteristics of intangibility, inseparability, heterogeneity andperishability, it is quite difficult to describe and measure the service quality in general. A number of methods have been developed to measure service quality in the application areas. As one of these methods, SERVQUAL is to be used in this study to measure the service quality of student affairs at higher education and the gaps between expected service and perceived performance for the service beneficiaries are derived.Hacettepe Üniversitesi, Valör Kongre Organizasyonlar
Short text compression using static dictionaries obtained by machine learning
No full textDoktoraBu tez çalışmasında kısa metinleri yüksek oranda sıkıştırmak için statik sözlük kullanan Statik Sözlük Sıkıştırma (SDC: Static Dictionary Compression) yöntemi ve bu yöntemde kullanılacak statik sözlüklerin oluşturulması için yinelemeli olarak kümeleme işlemi yapan bir model önerilmiştir. Bu modelde oluşturulacak statik sözlük sayısı, bir sınıflandırma algoritması ve bazı kurallara dayalı olarak belirlenir. Statik sözlüklerin oluşturulması için önerilen modelde kullanılmak üzere en uygun kümeleme ve sınıflandırma yöntemlerini belirlenmek amacı ile 6 farklı dildeki Wikipedia makale özetlerinden oluşan metinler boyutlarına göre her dil için 5 farklı gruba ayrılmıştır. Test edilen BIRCH, k-Ortalama, Ortalama Bağlantı, Tam Bağlantı, Tek Bağlantı ve Ward kümeleme yöntemlerinden hem kümeleme hızı hem de kümeleme başarısı olarak k-Ortalama yönteminin en uygun olduğu görülmüştür. Kümeleme performansını ölçmek için metinlerin sıkıştırılma oranının kullanılabileceği gösterilerek, kümeleme performansını ölçmek için yeni bir ölçüt olan Sıkıştırma Oranı İndeksi (SOİ) de önerilmiştir. En uygun dile göre sınıflandırma yöntemini belirlemek için ise birçok makine öğrenmesi yöntemi, Kelime Tabanlı İstatistiksel Yöntem (KTİY), fasttext ve langdetect sınıflandırma yöntemleri test edilmiştir. Geliştirilen metin sıkıştırma yönteminin kısa metinleri dile göre sınıflandıran ilk aşaması için en uygun ve en hızlı sınıflandırma yönteminin KTİY olduğu yapılan testler ile belirlenmiştir. SDC, 5 farklı boyut grubundan oluşan veri setleri kullanılarak Gzip, Bzip2, Zstd ve PPMd veri sıkıştırma yöntemleri ile karşılaştırılmıştır. SDC'nin diğer yöntemlerle birlikte kullanılmasının sıkıştırma oranı üzerindeki etkisi de araştırılmıştır. '0-199' ve '200-499' bayt boyutundaki kısa metinlerde SDC diğer yöntemlerden daha iyi sıkıştırma oranları vermiş, '500-999', '1000-1999' ve '2000 üstü' boyut gruplarında ise diğer yöntemlerin sıkıştırma oranını arttırmıştır. SDC ayrıca kısa metinleri sıkıştırmaya özgü yöntemler olan shoco, b64pack ve smaz yöntemleri, statik sözlük kullanması ile kısa metinlerde başarılı olan genel amaçlı sıkıştırma algoritması Brotli ve eğitim ile oluşturulan statik sözlüğü kullanan Zstd versiyonu ile de karşılaştırılmıştır. Sıkıştırma oranı açısından Zstd hariç diğer yöntemlere üstünlük sağlayabilmiştir.In this thesis, Static Dictionary Compression (SDC) method, which uses a static dictionary to compress short texts with high ratio, and a model that performs recursive clustering to create static dictionaries to be used in this method are proposed. The number of static dictionaries to be created in this model is determined based on a classification algorithm and some rules. The texts consisting of Wikipedia article abstracts in 6 different languages have been divided into 5 different groups for each language according to their size in order to determine the most appropriate clustering and classification methods that will be used in the proposed model to create the static dictionaries. Among the tested BIRCH, k-Means, Average Connection, Full Connection, Single Link and Ward clustering methods, the k-Means method was found to be the most appropriate in terms of both clustering speed and clustering success. By showing that the compression ratio of texts can be used to measure clustering performance, a new metric to measure clustering performance, the Compression Ratio Index (CRI), is also proposed. In order to determine the most appropriate language classification method, many machine learning methods, Word Based Statistical Method (WBSM), fasttext and langdetect classification methods were tested. It has been determined by the tests that the most appropriate and fastest classification method is WBSM for the first stage of the developed text compression method, which classifies short texts according to language. SDC is compared with Gzip, Bzip2, Zstd and PPMd data compression methods using datasets consisting of 5 different size groups. The effect of using SDC with other methods on the compression ratio was also investigated. SDC gives better compression ratios than other methods in '0-199' and '200-499' byte size short texts and increases the compression ratio of other compression methods in '500-999', '1000-1999' and 'over 2000' size groups. SDC has also been compared with the shoco, b64pack and smaz methods, which are specific methods for compressing short texts, the general-purpose compression algorithm Brotli, which is successful in short texts with the use of a static dictionary, and a Zstd version that uses static dictionary created by training. In terms of compression ratio, it was able to outperform other methods except Zstd
Performance comparison of most used Relational and NoSQL database management systems
No full textVeritabanı yönetim sistemleri, sağladıkları yararlar sebebiyle uzun yıllardır kullanılmaktadırlar. Büyük miktarda verinin, hızlı bir şekilde depolanmasında son yıllarda NoSQL veritabanları tercih edilmektedir. Bu sistemler ölçeklenebilme kolaylığı ve hızlı depolama yönünden avantajlı olmasına rağmen, ACID modelini tam olarak desteklememeleri ve bazı sorgularda yavaş kalmaları sebebiyle kullanım alanı kısıtlı olmaktadır. Bu dezavantajlara rağmen yeni sürümleriyle her geçen gün yeni özellikler kazanmakta ve NoSQL veritabanlarının kullanımı artmaktadır. Bu tezde, en çok kullanılan NoSQL veritabanı sistemlerinden üç tane ve en çok kullanılan ilişkisel veritabanlarından üç tane seçilerek sistemlerin yeteneklerini ve farklı işlemlerde nasıl tepkiler verdiklerini ortaya çıkarmak için testler yapılmıştır. Bu amaçla, birçok iş yükü yüklenmiş ve iki adet test ortamı hazırlanmıştır. Bu çalışmanın sonuçları kullanılan her bir sistemin zayıf ve güçlü yanlarını ortaya koymaktadır. Test edilen her bir veritabanı farklı mimari ve özelliklere sahip olduğu için farklı sonuçlar ortaya çıkarmıştır. Karşılaştırmada, ilk olarak Yahoo tarafından geliştirilen Yahoo Cloud Serving Benchmark (YCSB) kullanılmıştır. Elde edilen sonuçlara göre, NoSQL sistemler içinde MongoDB en iyi performansı gösterirken, Couchbase de ona yakın bir performans göstermiştir. Çok düğüme sahip kümelerde performansı yüksek olan Cassandra ise tek düğüm üzerinde beklenen performansı gösterememiştir. Test edilen ilişkisel veritabanları MySQL, SQL Server ve Oracle ise okuma performansı olarak NoSQL sistemler ile yakın olsa da, ACID özelliğine sahip olmaları nedeniyle yazma ve güncellemede düşük performans göstermişlerdir. İkinci test olarak, veritabanlarına farklı büyüklüklerde veriler yüklenip, farklı türden sorguları ne kadar sürede tamamladıkları ölçülmüştür. En hızlı yanıtları ilişkisel veritabanlarından SQL Server ve Oracle vermiştir. MongoDB testimizdeki diğer ilişkisel veritabanı olan MySQL’e yakın sonuçlar verebilmiştir. Cassandra ve Couchbase ise bu testte iyi bir performans gösterememiştir.Database management systems have been used for long time due to benefits they provide. NoSQL databases are preferred for fast storage of big amounts of data. These systems are advantageous in terms of ease of scalability and fast storage. However, it does not support the ACID model and suggests that it should be slow in some queries. Despite these disadvantages, new versions get new features and the use of NoSQL databases increase every passing day. In this thesis, the most commonly three NoSQL database systems and relational databases are used to test the capabilities of the systems and react in different processes. For this purpose, many workloads are loaded and two test platform are prepared. The results of this study reveal the weaknesses and strengths of each used system. Different results have occurrenced because each tested database has different acrhitecture and features. In comparison, Firstly Yahoo Cloud Serving Benchmark (YCSB), Yahoo who developed, used. According to the results, MongoDB performed the best in NoSQL systems also Couchbase performed well. Cassandra showed high performance in multinode clusters but has not been able to achieve desired performance on a single node. Relational databases that tested for this thesis(MySQL, SQL Server, Oracle) have reading performance close to nosql databases but because they have ACID , they performed poorly on writing and updating. As the second test, data of different sizes uploaded to databases and queries of different types used and their completion times measurement. SQL server and Oracle have given the fastest responses as Relational databases. MongoDB was able to give results close to MySQL, which is the other relational database in our test. Cassandra and Couchbase did not perform well in this test
- …
