Date of Award

7-2018

Document Type

Thesis

Degree Name

Master of Science (MS)

Department

Computer Science and Engineering

First Advisor

Krenare Pireva

Language

Albanian

Abstract

Ueb Aplikacionet me data-set të mëdha në kohën e tanishme janë shumë më të përhapura. Kërkimet e të dhënave në data-set të tilla për shkak të performances bëhen duke përdorur makinat kërkuese. Provider të ndryshëm ofrojnë makina kërkuese si Software as a Service(SaaS) shërbime të cilat kanë për avantazh konfigurimin minimal që duhet bërë makinave kërkuese për t’i vënë në funksion. Nëpërmjet këtij punimi synohet që së pari të analizohen shërbimet cloud computing që ofrohen nga provider të ndryshem. Pastaj pasi që fokusi i makinave kërkuese ndodhet në “information retrieval” është bë analizimi i disa teknikave të “information retrieval”. Makinat kërkuese kanë qwllim tw njejtë, megjithatë ato dallojnë nga njëra tjetra në mënyrën se si bëjnë kërkimin dhe kthimin e të dhënave si rezultat. Ky punim është i fokusuar mbi makinat kërkuese Elasticsearch dhe Algolia, mbi karakteristikat e tyre, mënyrat se si operojnë ato si dhe dallimet në performancë gjatë kërkimit të të dhënave. Gjatë integrimit të makinave kërkuese në ueb aplikacione mund të hasim ende në vështirësi gjatë konfigurimit që duhet të kryejmë ne dhe gjatë përpunimit të dhënave që na kthehen si rezultate nga makinat kërkuese. Për t’i arritur objektivate këtij punimi është zhvilluar një “throw away prototype” tek i cili kemi integruar makinat kërkuese Elasticsearch dhe Algolia. Nëpërmjet këtij prototipi janë sqaruar mënyrat e integrimit të makinave kërkuese dhe vështirësit që mund t’i hasim si dhe është bërë krahasimi i performancës ndërmjet makinave kërkuese. Në krahasimin e performancës në këtë studim ku është përdorur një data-set me 1.6 milion tweets makina kërkuese Algolia dukshëm ka shfaq performancë më të mirë. Nga objektiva e analizimit të makinave kërkuese është bërë e qartë dhe është pritur një rezultat i tillë pasi që Elasticsearch rezultatet më të mira i shfaq kur operon me Big Data.

DOI

10.33107/ubt-etd.2018.3

Download

Share

COinS