Prestandautvärdering av databashantering och datastrukturer i C++

Abstract

Detta examensarbete undersöker hur tre datastrukturer: std::vector, std::map, och std::unordered_map, samt databasen SQLite presterar genom operationstesterna lagring, sökning och iterering. Arbetet jämför den tidsmässiga prestandan mellan dessa lagringslösningar för att ge en praktisk inblick i deras användningsområde och effektivitet.

Syftet med arbetet var att mäta och analysera skillnaderna i tidsåtgång mellan datastrukturer och databasmotor för att jämföra dem med de teoretiska förväntningarna. Arbetet genomfördes genom att skapa ett program i C++ som genererade testdata och utförde operationerna mot lagringslösningarna. Tidsmätningar samlades in och illustrerades i diagram, och resultaten tolkades utifrån teorier om datastrukturer och tidskomplexitet.

Resultaten visar att datastrukturerna har i genomsnitt bättre prestanda än databasen, vilket är förväntat eftersom databasen är diskbaserad. Vid både lagring och iterering presterar std::vector bäst, medan std::unordered_map har starkast sökprestanda. Datastrukturen std::map är något långsammare, men visar stabil prestanda tack vare sin självbalanserande trädstruktur. SQLite har jämförelsevis högre mätvärden, men visar god prestanda vid sökning.

Arbetet visar hur val av lagringslösning kan effektivisera hantering av data. Datastrukturerna lämpar sig bäst för snabb och temporär åtkomst, medan databasen passar bättre vid behov av långvarig lagring och strukturerad hantering av större datamängder.

Tämä opinnäytetyö tutkii, miten kolme tietorakennetta std::vector, std::map ja std::unordered_map sekä SQLite-tietokanta suoriutuvat tallennuksen, haun ja iteroinnin operatiivisissa testeissä. Työ vertailee näiden tallennusratkaisujen ajallista suorituskykyä tarjotakseen käytännön näkökulmaa niiden käyttötarkoituksiin ja tehokkuuteen.

Työn tavoitteena oli mitata ja analysoida ajankäytön eroja tietorakenteiden ja tietokantamoottorin välillä sekä verrata niitä teoreettisiin odotuksiin. Työ toteutettiin luomalla C++ ohjelma, joka generoi testidataa ja suoritti operaatiot tallennusratkaisuja vasten. Aikamittaukset kerättiin ja esitettiin diagrammein, ja tuloksia tulkittiin tietorakenteita ja aikavaativuutta koskevien teorioiden pohjalta.

Tulokset osoittavat, että tietorakenteet tarjoavat keskimäärin paremman suorituskyvyn kuin tietokanta, mikä on odotettavissa, koska tietokanta on levypohjainen. Sekä tallennuksessa että iteroinnissa std::vector suoriutuu parhaiten, kun taas std::unordered_map on tehokkain haussa. Tietorakenne std::map on hieman hitaampi, mutta sen tasainen suorituskyky perustuu itseään tasapainottavaan puuhun. SQLiten mittaustulokset ovat suhteessa korkeampia, mutta se osoittaa hyvää suorituskykyä haussa.

Työ osoittaa, miten tallennusratkaisun valinta voi tehostaa datan käsittelyä. Tietorakenteet sopivat parhaiten nopeaan ja tilapäiseen käyttöön, kun taas tietokanta soveltuu paremmin pitkäaikaiseen tallennukseen ja suurien tietomäärien jäsenneltyyn hallintaan.

This thesis investigates how three data structures: std::vector, std::map, and std::unordered_map, as well as the SQLite database, perform through the operation tests of storage, search, and iteration. The study compares the time-based performance between these storage methods to provide a practical insight into their use cases and efficiency.

The purpose of the thesis was to measure and analyze the differences in time consumption between data structures and a database engine to compare them with theoretical expectations. The project was carried out by creating a program in C++ that generated test data and performed the operations against the storage methods. Time measurements were collected and illustrated in diagrams, and the results were analyzed based on theories about data structures and time complexity.

The results show that the data structures generally have better performance than the database, which is expected since the database is disk-based. In both storage and iteration, std::vector performs best, while std::unordered_map shows the strongest performance in search. The std::map data structure is somewhat slower but demonstrates stable performance due to its selfbalancing tree structure. SQLite has comparatively higher values but shows good performance in search.

The study demonstrates how the choice of storage solution can optimize data handling. The data structures are best suited for fast and temporary access, while the database is more appropriate for long-term storage and structured handling of larger amounts of data.