수직 데이터베이스는 데이터의 물리적 레이아웃이 행 단위가 아닌 열 단위 인 데이터베이스입니다. 수평 레코드 구조로 배열되고 수직으로 처리되는 대신 수직 데이터베이스의 데이터는 술어 트리 또는 P- 트리로 알려진 수직 구조로 배열되고 수평으로 처리됩니다.
데이터 수집
수평 데이터베이스는 요청 된 결과가 수평 레코드 집합 인 응용 프로그램에 적합하지만 연구원이 일반적으로 간결하게 표현할 수있는 결과에 관심이있는 데이터 마이닝과 같은 응용 프로그램에는 적합하지 않습니다. 반면에 P- 트리는 데이터 마이닝에 적합합니다. P- 트리는 일반적으로 수평 레코드 테이블의 각 속성 또는 열을 별도의 비트 벡터 또는 배열 데이터 구조로 분해하여 생성됩니다. P- 트리는 1 차원, 2 차원 또는 다차원 일 수 있습니다. 데이터베이스에 저장 될 데이터에 지리 공간 데이터 또는 지리 정보와 같은 자연적인 차원이있는 경우 P- 트리의 차원이 데이터의 차원과 일치합니다.
공연
수직 데이터베이스의 데이터는 AND, OR, 배타적 OR 및 보완과 같은 빠른 논리 연산자를 통해 처리됩니다. 또한 데이터를 행 방식이 아닌 열 방식으로 정렬하여 쿼리의 영향을받지 않는 하드 디스크의 페이지에 액세스하지 않고도 데이터에 대한 쿼리 또는 검색을 실행할 수있어 데이터 검색 속도를 높일 수 있습니다. . 이것은 매우 큰 데이터 저장소에서 데이터를 마이닝 할 때 중요한 고려 사항입니다.
페이지 크기
수직 데이터베이스의 또 다른 장점은 데이터를 큰 페이지에 저장할 수 있다는 것입니다. 페이지 크기가 크다는 것은 단일 읽기 작업으로 많은 수의 관련 데이터 항목을 검색 할 수 있음을 의미합니다. 반대로 수평 데이터베이스에서 단일 읽기 작업은 관련 데이터 항목뿐만 아니라 해당 쿼리와 관련이없고 작은 페이지 크기를 선호하는 속성 또는 열도 검색합니다.
과학적 응용
수직 데이터베이스는 최근 몇 년 동안 과학계로부터 새로운 관심을 받았습니다. 과학 데이터베이스 응용 프로그램의 동시 사용자 수는 일반적으로 상용 응용 프로그램보다 훨씬 적지 만 사용자는 더 복잡하고 예측할 수없는 쿼리를 제출하는 경향이 있습니다. 또한 과학 데이터베이스 응용 프로그램은 일반적으로 데이터베이스 및 시스템 지원 직원이 없기 때문에 복잡한 쿼리에 대해보다 자동화 된 응답을 제공해야합니다. 과학 사용자는 일반적으로 전용 사내 컴퓨터 시스템으로 작업하는 것을 선호하므로 과학 데이터베이스 응용 프로그램은 다양한 컴퓨터 모델간에 이식 가능해야합니다. 이러한 모든 측면에서 수직 데이터베이스는 수평 데이터베이스보다 낫습니다.
