Vad är en vertikal databas?

En vertikal databas organiserar data kolumn för kolumn istället för rad för rad. I stället för att lagras i horisontella register och bearbetas vertikalt, lagras data i vertikala strukturer, kallade predicate trees eller P‑träd, och bearbetas horisontellt.

Data Mining

Horisontella databaser passar bra för applikationer där resultatet är en uppsättning horisontella poster, men är mindre lämpade för data mining där forskare vill ha kortfattade resultat. P‑träd är däremot utmärkta för data mining. De skapas genom att dela varje attribut, eller kolumn, i en tabell med horisontella poster i separata bitvektorer eller array‑strukturer. P‑träd kan vara en‑, två‑ eller flerdimensionella; om datamängden har naturliga dimensioner – t.ex. geografisk data – matchas P‑träds dimensioner med datans.

Prestanda

Data i en vertikal databas bearbetas med snabba logiska operatorer såsom AND, OR, exklusivt OR och komplement. Genom att lagra data kolumnvis kan en fråga läsa endast de sidor som berörs, vilket minskar diskåtkomst och ökar hastigheten för datahämtning. Detta är särskilt viktigt när man minerar i mycket stora datalager.

Sidsstorlek

En annan fördel med vertikala databaser är möjligheten att lagra data i stora sidor. En stor sidstorlek gör att många relevanta dataelement kan hämtas i en enda läsoperation. I en horisontell databas får en läsoperation dessutom hämta onödiga kolumner, vilket gör små sidstorlekar mer fördelaktiga.

Vetenskapliga Tillämpningar

Vertikala databaser har fått ny uppmärksamhet från forskarsamhället de senaste åren. Antalet samtidiga användare i vetenskapliga databaser är ofta mycket mindre än i kommersiella applikationer, men de gör mer komplexa och oförutsägbara frågor. Dessutom måste vetenskapliga databaser ofta ge automatiserade svar på komplexa förfrågningar på grund av brist på databas- och systempersonal. Vetenskapliga användare föredrar ofta att arbeta med dedikerade, interna system, så vertikala databaser är överlägsna horisontella i alla dessa avseenden.