kpi-databases-labs

Autumn-winter 2016

Python/Django + MongoDB

Prihodko Serhiy, KP-42

Завдання роботи полягає у наступному:

• Розробити схему бази даних на основі предметної галузі з ЛР№2-Ч1 у спосіб, що застосовується в СУБД MongoDB.
• Розробити модуль роботи з базою даних на основі пакету PyMongo.
• Реалізувати дві операції на вибір із використанням паралельної обробки даних Map/Reduce.
• Реалізувати обчислення та виведення результату складного агрегативного запиту до бази даних з використанням функції aggregate() сервера MongoDB.

Тексти функції Map/Reduce :

mapper = Code("""
            function(){
                emit(this.aircraft._id, 1);
            }
        """)

reducer = Code("""
            function(key, values){
                return values.length;
            }
        """)

та aggregate():

raw = db.instance.Flight.aggregate([
            {'$match': {'cancelled': True }},
            {'$group': {'_id':  '$source', 'count': {'$sum': 1}}},
            {'$sort': {'count': -1}}
        ])

Lab3 Розробка засобів кешування з використанням redis

Завдання роботи полягає у наступному:

• Встановити сервер redis.
• Розробити модуль кешування на основі пакету redis-py.
• Підготувати тестові дані (50-100тис. документів MongoDB).
• Реалізувати збереження результатів пошуку в базі даних redis (створити кеш).
• Реалізувати функцію отримання результатів пошуку з кешу, у випадку, коли основна база даних не оновлювалась до створення кешу.

Функціональні вимоги:

• Згенерувати набір даних бази даних MongoDB у кількості 50-100 тис. документів згідно із предметною галуззю.
• Забезпечити створення кешу та підтримку його у актуальному стані за допомогою сервера redis. Ключем кешу вибрати параметри пошуку, обрані користувачем.
• Перевірити швидкість отримання результатів пошуку з використанням кешу та без нього.

Screenshots: