Effective Data Model Selection for Infological Entities in Multimodel Database Systems
( Pp. 58-67)
More about authors
Mishin Nikita S.
postgraduate student, Department of Information Processing and Control Systems
Bauman Moscow State Technical University
Moscow, Russian Federation Afanasyev Gennady I. Cand. Sci. (Eng.), Associate Professor; associate professor; Bauman Moscow State Technical University; Moscow, Russian Federation Khayrullin Rustam Z. Dr. Sci. (Phys.-Math.), Senior Researcher; Professor; Bauman Moscow State Technical University; Moscow, Russian Federation
Bauman Moscow State Technical University
Moscow, Russian Federation Afanasyev Gennady I. Cand. Sci. (Eng.), Associate Professor; associate professor; Bauman Moscow State Technical University; Moscow, Russian Federation Khayrullin Rustam Z. Dr. Sci. (Phys.-Math.), Senior Researcher; Professor; Bauman Moscow State Technical University; Moscow, Russian Federation
Abstract:
The article addresses the problem of selecting effective data models for infological entities in the context of designing multimodel databases. The focus is placed on the need for a systematic approach when modeling heterogeneous entities whose structure and behavior require different forms of representation. The study analyzes the characteristics of three widely used models – relational, graph, and multidimensional – in terms of their applicability to various types of infological entities. Key criteria influencing model selection are described, including data structure, interconnectivity, query patterns, mutability, scalability, and consistency requirements. A decision-making algorithm is proposed, based on analyzing entity characteristics and the system’s non-functional requirements. Particular attention is given to the advantages and challenges of multimodel solutions, as well as principles of coordinating different models within a unified architectural framework. The work aims to provide a methodological foundation for rational model selection and for enhancing the adaptability and sustainability of information systems.
How to Cite:
Mishin N.S., Afanasyev G.I., Khayrullin R.Z. Effective Data Model Selection for Infological Entities in Multimodel Database Systems. Computational Nanotechnology. 2025. Vol. 12. No. 2. Pp. 58–67. (In Rus.). DOI: 10.33693/2313-223X-2025-12-2-58-67. EDN: QIICSF
Reference list:
Аллакин В.В., Будко Н.П., Васильев Н.В. Общий подход к построению перспективных систем мониторинга распределенных информационно-телекоммуникационных сетей // Системы управления, связи и безопасности. 2021. № 4. С. 125–227. DOI: 10.24412/2410-9916-2021-4-125-227. EDN: JPFJRO.
Сопин Э.С., Таланова М.О., Гайдамака Ю.В. Анализ показателей качества функционирования систем облачных вычислений с гистерезисным управлением // T-Comm: Телекоммуникации и транспорт. 2015. Т. 9. № 9. С. 54–60. EDN: UMMUWN.
Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы: учебное пособие для вузов. 4-е изд. М.: Питер, 2010. 943 с. ISBN: 978-5-498-07389-7. EDN: QMUUOR.
Tawfeeg T.M., Yousif A., Hassan A. et al. Cloud dynamic load balancing and reactive fault tolerance techniques: A Systematic Literature Review (SLR) // IEEE Access. 2022. Vol. 10. Pp. 71853–71873. DOI: 10.1109/access.2022.3188645. EDN: YWPNTO.
Ilie S., Jackson K.R., Enright W.H. Adaptive time-stepping for the strong numerical solution of stochastic differential equations // Numerical Algorithms. 2015. Vol. 68. No. 4. Pp. 791–812. DOI: 10.1007/s11075-014-9872-6. EDN: JYNZUT.
Басыня Е.А., Французова Г.А., Гунько А.В. Самоорганизующаяся система управления трафиком вычислительной сети // Доклады Томского государственного университета систем управления и радиоэлектроники. 2014. № 1 (31). С. 179–184. EDN: SFKPGZ.
Кормен Т. и др. Алгоритмы: построение и анализ / под ред. И.В. Красикова; пер. с англ. И.В. Красикова, Н.А. Ореховой, В.Н. Романова. 2-е изд. М.: Вильямс, 2009. ISBN: 978-5-8459-0857-5. EDN: QMTKTN.
Барабанова Е.А., Вишневский В.М., Вытовтов К.А., Семенова О.В. Методы анализа производительности информационно-измерительных систем в условиях неисправностей // Физические основы приборостроения. 2022. Т. 11. № 4 (46). С. 49–59. DOI: 10.25210/jfop-2204-MA. EDN: BEOFUI.
Буслаев А.П., Кучелев Д.А., Яшина М.В. Динамические системы и математические модели трафика информации // T-Comm: Телекоммуникации и транспорт. 2018. Т. 12. № 3. С. 22–38. DOI: 10.24411/2072-8735-2018-10049. EDN: XOHIUX.
Сухоплюев Д.И., Назаров А.Н. Стохастические подходы к обеспечению устойчивости распределенных систем репликации // ИТ-Стандарт. 2025. № 2 (43). С. 78–92. EDN: RQBGUU.
Сухоплюев Д.И., Назаров А.Н. Моделирование устойчивости в распределенных системах на основе обобщенной модели Эрдёша–Реньи и модели Гилберта–Эллиотта // Computational Nanotechnology. 2025. Т. 12. № 1. С. 79–88. DOI: 10.33693/2313-223X-2025-12-1-79-88. EDN: MKDXXJ.
Шелухин О.И., Тенякшев А.М., Осин А.В. Фрактальные процессы в телекоммуникациях. М.: Радиотехника, 2003. 480 с. ISBN: 5-93108-030-9. EDNЖ UKUJXH.
Padhye J., Firoiu V., Towsley D., Kurose J. Modeling TCP Reno performance: a simple model and its empirical validation // IEEE/ACM Transactions on Networking. 2000. Vol. 8. No. 2. Pp. 133–145. DOI: 10.1109/90.842137.
Li W., Liu J., Wang S. et al. Survey on traffic management in data center network: From link layer to application layer // IEEE Access. 2021. Vol. 9. Pp. 38427–8456. DOI: 10.1109/ACCESS.2021.3064008. EDN: RMEAJI.
Kim B., Kim J., Lee S. Exploring security enhancements in Kubernetes CNI: A deep dive into network policies // IEEE Access. 2025. Vol. 13. Pp. 35322–35338. DOI: 10.1109/access.2025.3543841. EDN: RVUJWM.
Sarawagi S. Models and indices for integrating unstructured data with a relational database. Berlin; Heidelberg: Springer, 2005. Pp. 1 10. DOI :10.1007/978-3-540-31841-5 1.
Shah K., Patel K.S. A Survey on relational database based multi relational classification algorithms. International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2024. No. 2 (10). Pp. 140 147. DOI: 10.32628/cseit2390656.
Shahidinejad J., Kalantari M., Rajabifard A. 3D cadastral database systems a systematic literature review. ISPRS International Journal of Geo-Information. 2024. No. 1 (13). P. 30. DOI: 10.3390/ijgi13010030.
Tan Z., Yue P., Gong J. An array database approach for earth observation data management and processing. ISPRS International Journal of Geo-Information. 2017. No. 7 (6). P. 220. DOI: 10.3390/ijgi6070220.
Zhang J. et al. Public cloud networks oriented deep neural networks for effective intrusion detection in online music education. Computers and Electrical Engineering. 2024. No. 115. Art. 109095. DOI 10.1016/j.compeleceng.2024.109095.
Сопин Э.С., Таланова М.О., Гайдамака Ю.В. Анализ показателей качества функционирования систем облачных вычислений с гистерезисным управлением // T-Comm: Телекоммуникации и транспорт. 2015. Т. 9. № 9. С. 54–60. EDN: UMMUWN.
Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы: учебное пособие для вузов. 4-е изд. М.: Питер, 2010. 943 с. ISBN: 978-5-498-07389-7. EDN: QMUUOR.
Tawfeeg T.M., Yousif A., Hassan A. et al. Cloud dynamic load balancing and reactive fault tolerance techniques: A Systematic Literature Review (SLR) // IEEE Access. 2022. Vol. 10. Pp. 71853–71873. DOI: 10.1109/access.2022.3188645. EDN: YWPNTO.
Ilie S., Jackson K.R., Enright W.H. Adaptive time-stepping for the strong numerical solution of stochastic differential equations // Numerical Algorithms. 2015. Vol. 68. No. 4. Pp. 791–812. DOI: 10.1007/s11075-014-9872-6. EDN: JYNZUT.
Басыня Е.А., Французова Г.А., Гунько А.В. Самоорганизующаяся система управления трафиком вычислительной сети // Доклады Томского государственного университета систем управления и радиоэлектроники. 2014. № 1 (31). С. 179–184. EDN: SFKPGZ.
Кормен Т. и др. Алгоритмы: построение и анализ / под ред. И.В. Красикова; пер. с англ. И.В. Красикова, Н.А. Ореховой, В.Н. Романова. 2-е изд. М.: Вильямс, 2009. ISBN: 978-5-8459-0857-5. EDN: QMTKTN.
Барабанова Е.А., Вишневский В.М., Вытовтов К.А., Семенова О.В. Методы анализа производительности информационно-измерительных систем в условиях неисправностей // Физические основы приборостроения. 2022. Т. 11. № 4 (46). С. 49–59. DOI: 10.25210/jfop-2204-MA. EDN: BEOFUI.
Буслаев А.П., Кучелев Д.А., Яшина М.В. Динамические системы и математические модели трафика информации // T-Comm: Телекоммуникации и транспорт. 2018. Т. 12. № 3. С. 22–38. DOI: 10.24411/2072-8735-2018-10049. EDN: XOHIUX.
Сухоплюев Д.И., Назаров А.Н. Стохастические подходы к обеспечению устойчивости распределенных систем репликации // ИТ-Стандарт. 2025. № 2 (43). С. 78–92. EDN: RQBGUU.
Сухоплюев Д.И., Назаров А.Н. Моделирование устойчивости в распределенных системах на основе обобщенной модели Эрдёша–Реньи и модели Гилберта–Эллиотта // Computational Nanotechnology. 2025. Т. 12. № 1. С. 79–88. DOI: 10.33693/2313-223X-2025-12-1-79-88. EDN: MKDXXJ.
Шелухин О.И., Тенякшев А.М., Осин А.В. Фрактальные процессы в телекоммуникациях. М.: Радиотехника, 2003. 480 с. ISBN: 5-93108-030-9. EDNЖ UKUJXH.
Padhye J., Firoiu V., Towsley D., Kurose J. Modeling TCP Reno performance: a simple model and its empirical validation // IEEE/ACM Transactions on Networking. 2000. Vol. 8. No. 2. Pp. 133–145. DOI: 10.1109/90.842137.
Li W., Liu J., Wang S. et al. Survey on traffic management in data center network: From link layer to application layer // IEEE Access. 2021. Vol. 9. Pp. 38427–8456. DOI: 10.1109/ACCESS.2021.3064008. EDN: RMEAJI.
Kim B., Kim J., Lee S. Exploring security enhancements in Kubernetes CNI: A deep dive into network policies // IEEE Access. 2025. Vol. 13. Pp. 35322–35338. DOI: 10.1109/access.2025.3543841. EDN: RVUJWM.
Sarawagi S. Models and indices for integrating unstructured data with a relational database. Berlin; Heidelberg: Springer, 2005. Pp. 1 10. DOI :10.1007/978-3-540-31841-5 1.
Shah K., Patel K.S. A Survey on relational database based multi relational classification algorithms. International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2024. No. 2 (10). Pp. 140 147. DOI: 10.32628/cseit2390656.
Shahidinejad J., Kalantari M., Rajabifard A. 3D cadastral database systems a systematic literature review. ISPRS International Journal of Geo-Information. 2024. No. 1 (13). P. 30. DOI: 10.3390/ijgi13010030.
Tan Z., Yue P., Gong J. An array database approach for earth observation data management and processing. ISPRS International Journal of Geo-Information. 2017. No. 7 (6). P. 220. DOI: 10.3390/ijgi6070220.
Zhang J. et al. Public cloud networks oriented deep neural networks for effective intrusion detection in online music education. Computers and Electrical Engineering. 2024. No. 115. Art. 109095. DOI 10.1016/j.compeleceng.2024.109095.
Keywords:
infological entities, data models, multimodel databases, relational model, graph model, multidimensional model, database design.
