UBMUBM
Jurnal Algoritma, Logika dan KomputasiJurnal Algoritma, Logika dan KomputasiPerubahan skema database MySQL menjadi lebih sering daripada sebelumnya. Untuk perubahan skema Database lebih sering merupakan tugas yang berulang, mungkin permintaan dari tim aplikasi untuk menambahkan atau memodifikasi kolom dalam tabel dan banyak kasus lainnya. Penelitian ini bertujuan untuk mengukur tingkat efisiensi waktu untuk memodifikasi skema database (Database Scheme) tabel transaksi penjualan yang terdiri dari 50000 jumlah record pada database MySQL dengan algoritma Data Definition Language (DDL) Copy,Inplace dan Instant pada database MySQL.
Hasil yang didapat melalui pengujian di atas, dapat disimpulkan penggunaan algoritma instant untuk melakukan perubahan skema penambahan field hanya membutuhkan total waktu 0.16 detik dibandingkan dengan algoritma copy dan inplace.Penggunaan algoritma COPY untuk tabel yang lebih besar, dengan lebih banyak slave asinkron, akan menjadi operasi yang lebih menguras waktu.Dengan hasil pengujian ketiga algoritma, diharapkan memilih algoritma yang tepat dalam penerapan DDL yang terkait dengan perubahan skema tabel atau database.
Berdasarkan penelitian ini, terdapat beberapa arah penelitian lanjutan yang menarik untuk dieksplorasi. Pertama, perlu dilakukan studi komparatif yang lebih mendalam mengenai pengaruh ukuran tabel dan kompleksitas skema terhadap performa masing-masing algoritma DDL (Copy, Inplace, Instant) dalam berbagai versi MySQL. Hal ini penting untuk memberikan rekomendasi yang lebih spesifik kepada pengguna dalam memilih algoritma yang paling optimal sesuai dengan karakteristik data dan lingkungan database mereka. Kedua, penelitian dapat difokuskan pada pengembangan algoritma DDL baru yang mampu meminimalkan downtime dan dampak terhadap aplikasi yang sedang berjalan selama proses modifikasi skema. Algoritma ini dapat memanfaatkan teknik-teknik seperti sharding atau partitioning untuk memecah tabel menjadi bagian-bagian yang lebih kecil dan melakukan perubahan secara paralel. Ketiga, perlu dilakukan investigasi lebih lanjut mengenai potensi penggunaan machine learning untuk memprediksi waktu eksekusi dan sumber daya yang dibutuhkan oleh masing-masing algoritma DDL, sehingga pengguna dapat membuat keputusan yang lebih informed sebelum melakukan perubahan skema.
| File size | 212.66 KB |
| Pages | 6 |
| DMCA | Report |
Related /
BSIBSI Klasifikator Random Forest digunakan untuk menangani data koordinat landmark berdimensi tinggi. Hasil eksperimen menunjukkan akurasi klasifikasi sebesarKlasifikator Random Forest digunakan untuk menangani data koordinat landmark berdimensi tinggi. Hasil eksperimen menunjukkan akurasi klasifikasi sebesar
UIBUIB Sistem juga dilengkapi dashboard monitoring untuk admin, memungkinkan pemantauan aktivitas perpustakaan secara real-time. Secara keseluruhan, sistem iniSistem juga dilengkapi dashboard monitoring untuk admin, memungkinkan pemantauan aktivitas perpustakaan secara real-time. Secara keseluruhan, sistem ini
BSIBSI Kondisi ini mengindikasikan kebutuhan akan sistem manajemen rantai pasok yang lebih terintegrasi. Penelitian ini bertujuan untuk merancang dan mengimplementasikanKondisi ini mengindikasikan kebutuhan akan sistem manajemen rantai pasok yang lebih terintegrasi. Penelitian ini bertujuan untuk merancang dan mengimplementasikan
BSIBSI Metode Haar Cascade digunakan untuk mendeteksi wajah manusia, sedangkan Convolutional Neural Network (CNN) diterapkan untuk mengklasifikasikan hewan peliharaan,Metode Haar Cascade digunakan untuk mendeteksi wajah manusia, sedangkan Convolutional Neural Network (CNN) diterapkan untuk mengklasifikasikan hewan peliharaan,
BSIBSI Namun, aplikasi masih memiliki keterbatasan pada data RT/RW, keterangan kegiatan, dan kategori bangunan yang statis. Perbaikan di masa depan dianjurkanNamun, aplikasi masih memiliki keterbatasan pada data RT/RW, keterangan kegiatan, dan kategori bangunan yang statis. Perbaikan di masa depan dianjurkan
BSIBSI Apabila terdeteksi adanya anomali seperti layanan SNMP yang tidak aktif, sistem secara otomatis akan mengirimkan peringatan melalui bot Telegram. MetodeApabila terdeteksi adanya anomali seperti layanan SNMP yang tidak aktif, sistem secara otomatis akan mengirimkan peringatan melalui bot Telegram. Metode
BSIBSI Hasil penelitian ini membuktikan bahwa sistem absensi berbasis QR Code meningkatkan efisiensi, akurasi, dan keamanan data. Sistem ini diharapkan menjadiHasil penelitian ini membuktikan bahwa sistem absensi berbasis QR Code meningkatkan efisiensi, akurasi, dan keamanan data. Sistem ini diharapkan menjadi
BSIBSI Sistem mampu menyesuaikan durasi penyiraman berdasarkan kondisi suhu dan kelembapan. Penelitian ini berhasil membuat prototipe sistem penyiraman otomatisSistem mampu menyesuaikan durasi penyiraman berdasarkan kondisi suhu dan kelembapan. Penelitian ini berhasil membuat prototipe sistem penyiraman otomatis
Useful /
BSIBSI Tingkat keparahan rata-rata yang diperoleh adalah 2. Rekomendasi meliputi perbaikan tata letak kategori, penambahan indikator pemuatan, tooltips, dan penyusunanTingkat keparahan rata-rata yang diperoleh adalah 2. Rekomendasi meliputi perbaikan tata letak kategori, penambahan indikator pemuatan, tooltips, dan penyusunan
BSIBSI Sebagai peningkatan dari studi sebelumnya yang menggunakan regresi linier dan Random Forest (R-squared 0,89; Mean Squared Error/MSE 0,65), penelitian iniSebagai peningkatan dari studi sebelumnya yang menggunakan regresi linier dan Random Forest (R-squared 0,89; Mean Squared Error/MSE 0,65), penelitian ini
BDKJAKARTABDKJAKARTA Data diolah menggunakan statistic deskriptif persentasi dan interpretasi. Penelitian menyimpulkan bahwa terjadi peningkatan kemampuan menyusun RPP yangData diolah menggunakan statistic deskriptif persentasi dan interpretasi. Penelitian menyimpulkan bahwa terjadi peningkatan kemampuan menyusun RPP yang
AHMARAHMAR Persentase soal UTS dan UAS pada level 1 pemahaman yaitu 50% dengan proses kognitif memahami (C2). Subbagian memahami menunjukkan siswa menafsirkan, mengklasifikasikan,Persentase soal UTS dan UAS pada level 1 pemahaman yaitu 50% dengan proses kognitif memahami (C2). Subbagian memahami menunjukkan siswa menafsirkan, mengklasifikasikan,