Theses

@mastersthesis{amslaurea16713,
title = {apache cassandra: studio ed analisi di prestazioni},
author = {Massimo Righi},
url = {https://amslaurea.unibo.it/id/eprint/16713},
year = {2018},
date = {2018-01-01},
abstract = {La tesi persegue due scopi: il primo è veri�care sperimentalmente l'incremento di performance che si può avere nell'utilizzare un database di tipo NoSql (MongoDB e Cassandra) rispetto a uno relazionale (MYSQL) lavorando con grandi quantità di dati.
Il secondo, invece, si propone di confrontare (sempre sperimentalmente) l'utilizzo di due tipi di database della famiglia dei NoSql, ovvero MongoDB, basato su un architettura Document-oriented, e Cassandra (in forte sviluppo), della famiglia dei Column-oriented.
Nella prima parte della tesi verranno esposte le caratteristiche tecniche delle due famiglie di database utilizzate: relazionale e NoSql. In particolare, per il gruppo NoSql, verrà fornita una descrizione più dettagliata, classi�ficando i sottogruppi che ne fanno parte in base al tipo di modello che utilizzano per la memorizzazione dei dati. Verrà posta molta attenzione sul database Cassandra.
Nella seconda parte verranno effettuate le analisi tecniche di performance per ogni tipo di database basandosi sulle 4 operazioni CRUD, partendo da un caso d'uso da me scelto.
Al termine delle analisi verranno stilate delle conclusioni relativamente a pregi e difetti di ognuna delle tre tecnologie.},
keywords = {benchmark, BigData, Cassandra, database, MongoDB, mysql, NoSQL},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea17270,
title = {Studio e valutazione di database management system per la gestione di serie temporali},
author = {Bruno Battaglia},
url = {https://amslaurea.unibo.it/id/eprint/17270},
year = {2018},
date = {2018-01-01},
abstract = {La tesi è incentrata sulle time series e la loro gestione. Dopo aver esposto cosa fosse una serie temporale ed alcuni casi di utilizzo, la dissertazione prosegue elencando le famiglie di DBMS ed i criteri attraverso i quali valutarli. Successivamente si è descritto il modello che ogni DBMS implementava e, dopo aver dato un accenno di esso, si è passati alle tecniche usate per la gestione e l'analisi delle serie temporali. Ancora dopo, invece, si sono viste le tecniche di modellazione di un database in grado di gestire serie storiche e sono stati analizzati tutti i DBMS presi in esame attraverso i criteri sopracitati. Una comparazione, anche tramite forma tabellare, è stata accompagnata da una descrizione che potesse guidare il lettore ad una comprensione rapida delle differenze, dei punti di forza e delle debolezze di ogni TSDB. Infine sono state tratte le conclusioni che, in seguito al percorso svolto, sono sembrate più appropriate, sono stati individuati dei punti chiave su cui incentrare i lavori futuri e sono stati proposti altri spunti di lavoro ai quali non si è potuto lavorare per mancanza di ulteriore tempo e di disponibilità dei software completi di tutte le loro funzionalità.},
keywords = {data management, DBMS, InfluxDB, Modello relazionale, MongoDB, mysql, NoSQL, OpenTSDB, serie temporali, time series, time series database, TSDB},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea13302,
title = {Studio ed analisi di soluzioni di localizzazione indoor multi sorgente basate su tecniche di fingerprint},
author = {Alessandro Rappini},
url = {https://amslaurea.unibo.it/id/eprint/13302},
year = {2017},
date = {2017-01-01},
abstract = {L'argomento principale di questa tesi è la localizzazione indoor, affrontata mediante la creazione di un'applicazione Android con il fine ultimo di localizzare un'utente all'interno di un ambiente chiuso. Le funzionalità principali che l'applicazione svolge sono due, analizzare un ambiente per raccogliervene i dati, ed riutilizzarli per fini localizzativi. Nella prima parte l'applicazione rileva i dati di un ambiente. I dati provengono da Access Point, Beacon Bluetooth e Rete Cellulare, tali dati sono salvati in un database in MongoDB. Le informazioni archiviate nella banca dati sono associate al nome dell'edificio e dell'ambiente nel quale i dati sono stati rilevati. Nella seconda parte dell'applicazione i dati archiviati nel database vengono confrontati con dei nuovi, rilevati nel momento in cui un'utente desidera localizzarsi. Il confronto dei dati avviene con l'ausilio di algoritmi di Pattern Matching. Gli algoritmi che analizzano i dati sono stati valutati sulla base del loro successo al fine di ottenere quale tra quelli usati detiene un risultato migliore.},
keywords = {Access Point, android, Beacon, BLE, INDOOR, localizzazione, MongoDB, multisorgente, NoSQL, Rete Cellulare},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea9693,
title = {Big data, nosql e machine learning: un'applicazione di prediction e recommendation basata sulle api di Amazon},
author = {Mattia Ballo},
url = {https://amslaurea.unibo.it/id/eprint/9693},
year = {2015},
date = {2015-01-01},
abstract = {In questa tesi sono stati introdotti e studiati i Big Data, dando particolare importanza al mondo NoSQL, approfondendo MongoDB, e al mondo del Machine Learning, approfondendo PredictionIO. Successivamente è stata sviluppata un'applicazione attraverso l'utilizzo di tecnologie web, nodejs, node-webkit e le tecnologie approfondite prima. L'applicazione utilizza l'interpolazione polinomiale per predirre il prezzo di un bene salvato nello storico presente su MongoDB. Attraverso PredictionIO, essa analizza il comportamento degli altri utenti consigliando dei prodotti per l'acquisto. Infine è stata effetuata un'analisi dei risultati dell'errore prodotto dall'interpolazione.},
keywords = {amazon, aws, big data, Machine Learning, MongoDB, node-webkit, nodejs, NoSQL, predictionio},
pubstate = {published},
tppubtype = {mastersthesis}
}

@mastersthesis{amslaurea8939,
title = {Progettazione di database con Mysql e MongoDB: analisi di prestazioni su un caso di studio},
author = {Fabrizio Candini},
url = {https://amslaurea.unibo.it/id/eprint/8939},
year = {2015},
date = {2015-01-01},
abstract = {Analisi di prestazioni di un database costruito con MongoDB e uno con Mysql residenti su due macchine virtuali uguali configurate appositamente per i test di inserimento, interrogazione e eliminazione.},
keywords = {Modello relazionale, MongoDB, mysql, NoSQL, performance},
pubstate = {published},
tppubtype = {mastersthesis}
}