Çizge Veri Tabanı Kullanılarak Geliştirilen Yazılım Lisans Yönetimi Amaçlı Veri Görselleştirmesi Uygulaması: BigLogVis

Çizge veri tabanları, verinin dinamik olarak saklanıp işlenmesine olanak sağlayan veri tabanı sistemleridir. Bu doğrultuda, sistemde esneklik gerektiren, aralarında çok sayıda ilişki bulunduran ve değişen yapıya sahip verilerin çizge veri tabanında tutulup işlenmesi fayda sağlamaktadır. Proje kapsamında görselleştirilmesi amaçlanan kayıt dosyalarının çizge veri tabanı üzerinde tutulması, verinin dinamik oluşu ve veri içinde tekrar eden ilişkilerin sayısı nedeniyle önem arz etmektedir. Çalışmanın amacı, saklanan bu kayıt dosyalarını, işlevi doğrultusunda, etkili bir şekilde kullanabilmek ve bu sayede karar destek sistemi olarak hizmet etmesini sağlamaktır. Böylece modüllerin lisans kullanım bilgilerini içeren bu kayıt dosyalarının görselleştirilmesi, gereksiz harcanmış olan lisans ücretlerini ortaya koymakta ve alınan kararların bu bağlamda maliyet etkin olmasını sağlamaktadır.

Data Visualization Application for Software License Management by Utilizing Graph Database: BigLogVis

Graph databases are database systems that are useful for dynamic data storage and manipulation. Storing and manipulating such data that requires flexibility and includes many relations, provides advantages on systems. The data which is aimed to visualize within this study, include all of these properties such as dynamism and repeating relationships. Thus, using graph database on this study is essential. The aim of the study is to utilize the stored log files effectively as a decision support system. Through this, unnecessary purchased licences can be detected and reduced by the visualization of the log files that include the information of modules and its usage. Consequently, decisions that are taking through this system are becoming cost-effective.

PDF

___

[1] Yazılım Sektörü Raporu, Batı Akdeniz Kalkınma Ajansı, 2012.
[2] R. Brath and D. Jonker. Graph Analysis and Visualization: Discovering Business Opportunity in Linked Data. John Wiley Sons, Inc., 2015
[3] Zhonga C. Vicknair, M. Macias, Z. Zhao, X. Nan, Y. Chen and D. Wilkins, "A Comparison of a Graph Database and a Relational Database", ACMSE '10, April 15-17, 2010, Oxford, MS, USA, 2010.
[4] I. Robinson, J. Webber, and E. Eifrem. Graph Databases: New Opportunity for Connected Data. O'Reilly Media, Inc., 2 Edition, 2015.
[5] B. Fry. Visualizing Data: Exploring and Explaining Data with the Processing Environment. O'Reilly Media, Inc., 2 Edition, 2008.
[6] R. Angles and C. Gutierrez, "Survey of graph database models", CSUR, vol. 40, no. 1, pp. 1-39, 2008.
[7] S. Batra and C. Tyagi, "Comparative Analysis of Relational and Graph Databases", International Journal of Soft Computing and Engineering (IJSCE), vol. 2, no. 2, 2016.
[8] J. Miller, "Graph Database Applications and Concepts with Neo4j", in Southern Association for Information Systems Conference, Atlanta, 2013.
[9] B. Thompson, "Literature Survey of Graph Databases", 2013.
[10] M. Singh and K. Kaur. "SQL2Neo: Moving Health-Care Data from Relational to Graph Databases". IEEE Projects, ieeeproject.org/project/page/3 (Erişim Tarihi: 27.03.2017).
[11] Neo4j: The world's leading graph database. http://neo4j.com/product/ (Erişim Tarihi: 01.03.2017
[12] Unix time. https://en.wikipedia.org/wiki/Uni x_time (Erişim Tarihi: 21.03.2017).
[13] R. De Virgilio, A. Maccioni, and R. Torlone, "Converting Relational to Graph Databases" in First International Workshop on Graph Data Management Experiences and Systems. ACM, 2013, p. 1.