Show simple item record

dc.contributor.advisorNes, Atle
dc.contributor.authorLofquist, Karina Grønbech
dc.date.accessioned2020-08-06T16:00:31Z
dc.date.available2020-08-06T16:00:31Z
dc.date.issued2020
dc.identifier.urihttps://hdl.handle.net/11250/2671134
dc.description.abstractDenne oppgaven er skrevet for Digital Business Development ved NTNU, et bachelor studium med fokus på bedrift og økonomi sammenvevd med teknologi. Oppgaven beskriver metodene som er valgt for å lagre trenddata over tid for selskapet Sportradar. Den inkluderer to løsninger som bruker en Java-metode, en ved hjelp av en MySQL-database og en som bruker Prometheus-lagring for lagringsplass for disse dataene. MySQL-metoden er ganske unik i sin utforming, ettersom den bruker en relasjonsdatabase for å lagre tidsseriedata, uten mange kompliserte deler for å få løsningen til å fungere. Metoden som bare bruker Prometheus-lagring er en tilleggsløsning, og bruker enda færre av systemene i løsningen for å skape et fungerende resultat. For hver løsning blir dataene hentet, redusert og satt inn i den individuelle løsningen på lignende måter, og tilbyr to forskjellige metoder for å løse oppgaven mens de fremdeles bruker de fleste av de samme systemene. MySQL-løsningen er ganske bra for å være en relasjonsdatabase og fungerer bra for oppgaven, selv om Prometheus-metoden utnytter koden bedre. Begge løsningene løser oppgaven på lignende måter og overlapper på de fleste delene av koden. Det er laget en detaljert veiledning for installasjon av systemene, inkludert alt som trengs for å gjenskape løsningen og nyttig informasjon om hvordan du kan tilpasse den og jobbe videre med den.
dc.description.abstractThis thesis is written for the study course Digital Business Development at NTNU, a course focusing on business and economics intertwined with technology. The thesis details the methods selected to store trend data over time for the company Sportradar. It includes two solutions which utilize a Java method, one using a MySQL database and one using Prometheus storage for storing this data. The MySQL method is quite unique in nature, as it uses a relational database to store time series data, without many complicated part to make the solution work. The method utilizing only the Prometheus storage produces an additional solution, using even fewer of the systems in the solution to create a working result. For each solution, the data is retrieved, downsampled and inserted into the respective solution in similar ways, offering two different methods to solve the task while still using most of the same systems. The MySQL solution is quite good for being a relational database and works well for the task, though the Prometheus method better utilizes the code. Both solutions solve the task similarly, mostly overlapping in code required to work. A detailed guide has been made for installation of the systems, including everything needed to recreate the solution and helpful information on how to customize it and work with it further.
dc.publisherNTNU
dc.titleTrend Monitoring with Big Data in a Hybrid Cloud Environment
dc.typeBachelor thesis


Files in this item

FilesSizeFormatView

This item appears in the following Collection(s)

Show simple item record