Time Series Management Systems (TSMS) are Database Management Systems that have been configured with the primary objective of processing and storing time series data. With the IoT expanding at exponential rates and there becoming increasingly more time series data to process and analyze, several TSMS have been proposed and are used in practice. Each system has its own architecture and storage mechanisms and factors such as the dimensionality of the dataset or the nature of the operators a user wishes to execute can cause differences in system performance. This makes it highly challenging for practitioners to determine the most optimal TSMS for their use case. To remedy this several TSMS benchmarks have been proposed, yet these benchmarks focus primary on simple and supported operators, largely disregarding the advanced analytical operators (ie. Normalization, Clustering, etc) that constitute a large part of the use cases in practice. In this demo, we introduce a new benchmark that enables users to evaluate the performance of four prominent TSMS (TimescaleDB, MonetDB, ExtremeDB, Kairos-H2) in their handling of over 13 advanced analytical operators. In a simple and interactive manner, users can specify the TSMS(s) to compare, the advanced analytical operator(s) to execute, and the dataset(s) to utilize for the comparison. Users can choose from over eight real-world datasets with varying dimensions or upload their own dataset. The tool then provides a report and recommendation of the most optimal TSMS for the parameters chosen.


翻译:时间序列管理系统(TSMS)是数据库管理系统,配置时序管理系统的主要目的是处理和储存时间序列数据。随着IOT以指数速率扩大,而且越来越多的时间序列数据用于处理和分析,已经提出并实际使用了若干TSMS。每个系统有自己的结构和存储机制和因素,如数据集的维度或操作者的性质等,用户希望执行的这四个突出的TSMS(TimescaleDB、MnetDB、TritDB、Kairos-H2)处理13个高级分析操作者时的性能差异。为了纠正这几个TSMS参数,已经提出了很高的挑战。然而,这些基准主要侧重于简单和得到支持的操作者,而基本上忽视了先进分析操作者(即正常化、分组等)的实际使用案例的大部分。在这个演示中,我们引入一个新的基准,使用户能够评估四个突出的TSMS(TimescaleDB、MnetDB、TritDB、Kiros-H2)在处理13个高级分析操作者时所选择的最佳性操作者时的性工作。用户可以以简单和互动的方式指定自己的TSMS-SMS的参数,用户可以将自己的最优比对高级操作者进行数据比对高级操作者进行数据比对高级数据比,并使用八个数据比。可以比高级操作者进行数据比数据比。在实际操作者的数据和最高级操作者的数据和最高级操作者的数据。可以提供比。可以提供比。在使用最高级的高级的八个工具的工具和最优的系统,可以提供比。可以比。可以比。可以比。可以比对高级的用户和最高级的高级的系统工具工具。可以比。可以比。可以比。可以比数据比。可以比高级数据比。可以比高级数据比。可以比。可以比高级数据比高级的用户和最高级数据。可以比高级数据。比高级数据。可以比高级数据。可以比高级数据。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
11+阅读 · 2019年8月13日
计算机类 | PLDI 2020等国际会议信息6条
Call4Papers
3+阅读 · 2019年7月8日
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
Arxiv
0+阅读 · 2022年1月23日
Arxiv
0+阅读 · 2022年1月21日
Arxiv
0+阅读 · 2022年1月18日
Arxiv
35+阅读 · 2019年11月7日
VIP会员
相关资讯
已删除
将门创投
11+阅读 · 2019年8月13日
计算机类 | PLDI 2020等国际会议信息6条
Call4Papers
3+阅读 · 2019年7月8日
计算机 | IUI 2020等国际会议信息4条
Call4Papers
6+阅读 · 2019年6月17日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
Top
微信扫码咨询专知VIP会员