Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   9 , No .   2 ,  Februa ry   201 8 ,  pp.  460 ~ 473   IS S N:  25 02 - 4752 ,  DOI: 10 .11 591/ ijeecs . v9.i 2 . pp 460 - 473          460       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Effici ency of Fl at File D atabase  Ap proach i n Data S torage  and  Data Ext raction f or Big D ata       Mohd  Kam ir   Yu s of 1 ,  Must afa  Man 2   1   Univer siti   Sultan Z a ina l   Abidin   Kam pus T embila ,   22200   Besut ,   Te ren gg anu, Ma lay s ia   2   Univer sit i  Mal a y si a Te r engga n u,   21300   Kuala  Te ren gg anu, Ter engga nu,   Mal a ysia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   N ov  7 , 2 01 7   Re vised  Dec  9 ,  201 7   Accepte d  Ja n   11 , 2 01 8       Big  dat a   is  th e  latest  industr y   buz zword  to   desc ribe   la rg e   volume  of  struct ure d  and  u nstruct ure d  da ta   tha t  ca n  be  diff i cul t  to  proc ess  a nd  ana l y z e.   Mos t  of  orga nizati on  looki ng  fo r  the   best   appr o ac h  to  m an age   and  anal y z e   the   l arg e  volume   of  dat a espec i all y   in  m aki ng  a  de ci sion.  XM L  and   JS ON   are   c hosen  b y   m an y   orga nizati on  b e ca use  of  powerf ul  appr oa ch  duri ng  ret ri eval   and  storage   pro ce ss es.   How ever,  the se  appr oa c hes,   the   exe cu tion  ti m e  for  ret ri evi ng  l arg e   volume  of  dat a  are   sti ll   cons ide rab l y   ine ff ic i ent   due  t o   seve ral   f ac tors.   In  thi s  cont ri buti o n,   thr ee   d at ab ase s  appr oa che s  name l y   Ext ensible  Mark up  La ngu age   (X ML),   Java   Obje ct   Nota ti on  (JS ON )  and  Fla t   File   da ta b ase   a pproa ch  wer e  i nvesti gated  to   e val ua te   the ir   suita bi li t y   fo r   handl ing  thousa nds  rec ords  of  p ubli c at ion  d ata.   The   resul ts  show ed  flat  f i le   is  the   best  choice   f or  quer y   re tri ev i ng  spee d  and  CP U usage .   The se  are   essential   to  cope   with  th e  cha ra cteri sti cs  of  publi ca t ion’ s  dat a.   W hil st,  XM L,   JS O N   and  Flat   File   d a ta base   app roa ch   te chnol og ie s  ar e  rel a ti v ely   new   to  dat e  in   compari son  to  the   rel a ti ona l  databa se.   Inde ed,   T ext   File   Form at   te chno lo g y   demons tra te s  gr ea t er  pot ential  t o  bec om e   a  k e y   d ataba se   tech nolog y   for   handl ing   huge   d at a   due   to inc r eas e  of  d at a   annu all y .   Ke yw or d s :   Data retrie val   Flat  File  Form at   JSON   XML   Copyright   ©   201 8   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Mohd  Kam ir Y uso f ,    Un i ver sit i S ultan Zai nal Abid in    Kam pu s Tem bila, 22200 B es ut,  Te reng ganu ,    Ma la ysi a .       1.   INTROD U CTION   Bi g  data  or   bi g  da ta   analy ti c  ha ve  bee n  us e d  to  desc ribe  t he  data  set s  an d  a naly ti cal   tech ni qu e s  in   app li cat io ns   t ha t  are  s o  la rg e   and  c om plex  that  they   re qu ir e  ad va nced  an d  un i que  data  stora ge,  m anag e m ent,   analy sis  and   visu al iz at ion   a nd   te c hnology   [1 ] .  Bi g  data   al so   ref e rs  to  to ols/app li ca ti on ,  processe s,  an d  proce dures  t ha t  al low  orga ni zat ion s  t o  c re at e,  m anipu la te   and   m anag e  ver y  la rg e  da ta   set s  and   stora ge  facil it ie s.  Too l s  in  big  data   is  re qu ir ed   in  or der  to  ha nd le   the  iss ues  i n  big   data  s uch  as  analy s is,  ca pture,  dat a   durati on,  sh a ri ng,  stora ge,   tr ansf e r,   vis ualiz at ion ,  que ryi ng,  updatin g,   and   in form at i on   pr iva cy .  Most  of  orga nizat ion s  or   in dustrie s  s uch   a s  healt hc are,  aca dem ic   publica ti on s ,  e tc .  are  lo ok i ng  for  the  best  appr oac h  or   m et hod  in   order  to  ha nd l e  big  data.   F or  instance ,  in   a cadem ic   pu bli cat ion s,   acco rdi ng   t o  s ociol ogy  an d  researc h  a rtic le ,  a  nu m ber   of  r eports  have  pointed  t o  the   gr owin g  us e  of  big   data  acr os s   e conom ic   sect ors  an d  it s  po te ntial   to   bo lst er  pro duct ivit y,  eff ic ie ncy  an d  gro wt h  [ 2].  I n  this  pap e r,   iss ue  a bout  ef fici enc y  du ri ng   acce ss  the   pu bl ic at ion s  data   is  co ns ide rab le   inef fici ency.  The  e ff ic ie ncy   of  acce ssi ng  publica ti on s   da ta   is  relat e  to  ho w  data  is  stored .   Bi g  data  or   huge  data  m us t  be  store d  us i ng   s uitable   ap proac h.   I n  trad it ion al   appr oach,  data  is  sto red  us in g  relat ion al   da ta base.  By   us i ng  this  a ppr oa ch,   t he  data  ca n  be  represe nt ed  i n  a   ta ble  fo rm .  Database  Ma na gem ent  Syst e m   (D BM S)   is  us ed  to  co nt ro l  an d  m anipu la te   the  data  [3 ] [4 ] .   Howe ver,  by  usi ng   t his  ap pro ach,  ti m e  to  f et ch  the  data  a re   co ns ide rab ly   inef fici ency.  O ne  of   t he  s olu ti on  to   handle  this  pro blem   is  XML  appr oach.  XM L  is  an  e m erg ing   sta nd a rd   for   exch a ng i ng   re pr ese ntati on   over  the   In te r net  [ 5].    XML  is  widely   us ed  to  store   and   m anag e  huge  of  data.  This  ap proac h  is   cho sen  bec ause  of   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ic ie ncy o f F lat Fi le  Data base A ppr oa c h  i n Da t a Stor age  and D ata Ext r action  …   ( Mo hd K am ir  Yu s of )   461   si m ple  synta x,  easy   to  ge nerat e  and   pa rse,   easy   to  de bug,  extensi bili ty ,  et c.  [6 ] .  T his  a ppr oach   is  s uc cessf ul   and cu rr e ntly  used  by m os t of   industries s uc h as healt h ca re ,  educat ion,  bus iness, etc.  espe ci al ly  inv olv es   with   huge  data.  A  second  data base   app r oac h  is  JSO N .  JSON  pro vid e  uniq ue  str eng t h  sim il ar  with  XML  ap proac h.   JSON  is  ch os e n  beca us e  this  appr oach   direc tl y  su ppor t  insi de  Java Scri pt  and   is  be st  su it ed  f or   Ja vaSc rip t  and  pro vid e  sig nifi cant  perf or m ance  com par ed  to  XML  [7 ] .  JS O N  is  est im at e d  to  pa rse  up   t o  one  hu ndre d  tim es   faster  tha n  X ML  in  m od ern  bro wse.   J SON  f or m at   is  prov e n  m or e  po werfu l  c om par e  to  XML  a pp ro ac h  in   te rm   of   tim e   t o  fetc h  or  retri eve  data  from   database  [7 ] [ 13] [14].  H owev er,  aca dem icia n  an d  r esearc he rs  sti ll   lo okin g for the  b est   database   appr oach speci al ly  inv olve d  with  huge data .     This  pa pe r  pr opos e d  te xt  fil e  as  an  al te rnat ive  database   appr oach   c om par ed  to  X ML  and   J SON .   Publi cat ion   dat aset s  is  us ed  for  exp e rim ental   pur po ses .  The  perform ance  of   Flat   Fil e  app r oa ch  will   co m par e d  with  XML  an d  JSO N  a ppr oa ch.   T he  com par iso ns   are  m ade  fr om   the  fo ll ow i ng   as pects:   qu e ry  perfor m ance  and  CP U  us a ge   f or  data   retri evin g  process .  The  rest  of  c ontrib utio n  is  or gan iz e d  as   f ollow s:   Sect io n  2  gi ves  the  relat ed  w orks.   Sect ion   3  de scribes  a bout  the  ki nd s  of  da ta   m od el   su c h  as  relat ion al   da ta base,  XML,  J SON   and  Te xt File . S ect ion  4   discu sses the thr ee d at abase approa ches concer ne d based  on expe rim ental  resu lt s an d  our  e xperienc e  in  the  d e vel opm ent. F inall y,  a co nclusi on is g ive n  i n  S ect i on 5.       2.   RELATE D  W ORKS    Ba sed  on  pa st  researc hes,   t he   m os t  popu la r  appr oach   c ompare d  to  relat ion al   database  i s  XML  an d  JSON.  XML  s ta nd s  f or   e Xtensible  Ma rk - up  Lan gu a ge  a  sta nd a rd   f or  da ta   exch an ge  issue d  by  the  Worl d  W i de  C on s ort ium   (W 3C)  i n  1998  [ 8].    XM L  has  been   wi dely   acce pted  as  a  data  f or m at   sta nd ar d  for   data  intercha nge  an d  sto rag e  with  the  rap i d  de vel op m ent  of   inte rn et   an d  web   s erv ic e  [ 9].  XM L  appr oach es  have   been  im ple m e nted  for  cl inic al   data  sto rag e   [10].  T his  te c hn i qu e   is  ef fec ti ve  to  m anag e   t he  cl inica l  da ta   and  trans form   the  data  into   str uc ture d  f or m at .  The  a dvanta ge s  of  XML   ap proac h  for  cl ini cal   data  are  be tt er  in  te rm   of   scal abili ty ,  flexibili t y  and   e xtensi bili ty .  Nati ve  XML  appro ac h  al s o  has  bee n  im p lem ented  in  extern al   and  distri bu te d  dat aba se  [11].  T he  purpose   of  native  XM L  is  to   m ini mize   the  qu e ry  retrieval  s pee d  [ 12 ] .   XML  a ppr oac h  s uccess fu l  t o  ha nd le   hu ge  da ta   arou nd  10 0000  rec ords.  I n  chem ic al   ind ust ry,  XML   al s o  us e d   for  inte gr at io n  of  c hem ic a l   data  [13].  T he  im ple m ent at ion   of  XM L  ap p r oac h  be cause  of  c he m ist ry  com m un it y  has  bee n  slo wer  to  ad opt  the  I nt ern et   as  a  ce nt ral  serv ic e  for   exc hangin g  in form ation .  C he m ic a l   data  in volves  with  la r ge  nu m ber   of  data  fi le .  XML   ap pro ach  ca n  im pr ove  the   ef fici en cy   of  que ry  pr ocessin g  wh e n  in vo l ves  wit h  the  la r ge  nu m ber   of  data   file .  XML  is  im ple m ented  to  ov e rco m e  the  inf or m at ion   sha rin g  each  oth er   an d  la rg e  nu m ber   of   databa ses  is su es.  Th rou gh  XML  ap proac h,   diff e re nt  syst e m s  can  sh a r e  and  exch a nge  the  i nfor m at ion   eas il y.  By   i m p leme ntati on   of   X ML  appr oac h  i n  di ff e ren t  dom ai ns ,  XML  is   proven  to  handle  la rge  nu m ber   of   da ta .  The  eff ic i ency  of   qu e ry  processi ng   us ing   XML  is  effi ci ency  com pa red   t o  relat ion al   data base.   H oweve r ,  the   ef fici enc y  of  qu e ry  processin g  us i ng  XML  sti ll  ca n  i m pr ove  by   us ing  ano t her   a ppr o ach  as  an  al te rn at ive  databa se  appro a ch .  Me anwhil e,  JS ON   is  li gh t we igh t  data - i nter change   form at  is  easy  for  hum ans  to  read   a nd   wr it e,   and   f or   m achines  to  pa rse  an d  ge ner at e  [ 12] .  No wa days,  m or e  and  m or e  da ta   represe nted  a s  JSON  docum ent.  J SON  is   be com ing   t he  universal   sta ndar d  data  form at   for  the   represe ntati on  and   e xc hang ing   the  i nform at ion .  JSON   appro a ch  is  m or e  po w er ful   com par ed  to   XML   appr oach.  JS O N  a ppro ac h  ha s  bee n  im ple m ented  a nd  a ble  to  handle  1000  rec ords  t o  25000  rec ords.  Th e   resu lt   sho ws  J SON  ap p r oac h  is  po we rful  an d  m or e  eff ic ie nt  in  te rm   of   stora ge  an d  que r y  retrieval  co m par ed   to  XML  [ 8][ 15] .  H ow e ve r,   t he  resea rc her s   sti ll   loo king  the  be st  te chn i qu e  f or   handling  huge  data.  In   t his   pap e r,   te xt  file   database  ap pro ach  is  intro duc ed  as  a  new   ap proac h  to  hand le   and   m anag e  huge  data.    Te xt  file   is  a  com pu te r  f il e  that  on ly   co ntains  te xt  a nd  has  no   s pecial   form atting   suc h  as  bo l d  te xt ,  it al ic   te xt,  i m ages,   et c.  Text  file   i s  si m ply,  that  way  te xt  file s  are  com m on ly  us ed  f or   sto r age  of   in form at ion .  I n  thi s  pap e r ,   com par ison  wi ll   m ade  betwe en  XML  an d  J SON  ap proac h  to  ha ndle   huge   data  w hich  i s  m or e  than  50, 000.  This is im po rta nt to sh ows the  eff ic ie nc y o f  J SON a pproach  for   ha nd li ng  huge  d at a.       3.   TYPES  OF  D ATAB AS E  M ODEL   Four   ty pe  of  da ta base  ap proa ches  are  re p res ented  in  this  se ct ion .  Cu rr e ntly ,  m os t  of   data   so urces  are   store  in  tra diti onal   databa se  ap proac h  w hich  i s  cal le d  relat ion al   databa se.  B ecause  of  li m itati on   this  ap pr oach,  m any  researc he s  lo ok i ng  an   al te rn at ive  dat abase  a ppr oac h.   Th ree  al te r na ti ve  ap pro ac he s  are   ide ntifie d  a nd  perform ance  am on g  them   are  com par ed  in   order   t o  s how  w hich  one  i s  bette r  to  us e   as  an  al te r native  f or   database  m od e l.  They  are  X ML,  JSON  an d  TXT .  Fig ur e   1  shows  t he  di agr am   wh ic h  is  con ta ins  publ ic at ion  data.  Ba sed  on   Figu re  1,   pu b li cat ion   data  co m ing   from   diff eren t  sou rces  su ch  as  arti cl e,  book,  in procee ding ,   m ast er th esi s (m s thesis),  proc eedin g,   we bs it e/ URL (w ww)  and P hD thesis  (phdthesis ).       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   4 60 –   4 7 3   462       Figure  1 .   Str uc ture of   P ub li ca ti on   Data       These  data  s ources  a re  colle ct   and   extract   to  relat ion al   database  a ppr oach.  Fig ur e  2  sh ows  ho w  publica ti on   da ta   so urce  in  s tructu red   data   form at   is  ext ract  an d  sto re   in  relat ion al   database .  N um ber   of  record s  are  store d  in  relat io n  databa se  is  arou nd   50, 000  reco r ds .  T hes e  reco r ds   are  sp li t  into  four   (4 )   segm ents:  1, 00 0  rec ords,   5,0 00   recor ds ,  10,000   recor ds   a nd   50, 000  rec ords.   Af te r  rec ords  se gm enta ti on   is   done,   t hese  rec ords  f ro m   the  relat ion al   datab ase  are  co nv e rt   into  three  different  data  f or m at .  They  are  XML,   JSON  a nd  TX T  f or m at .  XML,  JS O N  an d  TX T  data  f or m at   can  co ns i der e d  as   an   al te rn at ive  a ppr oach  f or   database  appr oa ch.           Figure  2.   P ub li cat ion   Data  are   Extract  i nto  T hr ee  D if fer e nt  Fo rm at       Algorithm   is   design e d  in  ord er  to  al low  dat a  fr om   relat ion   database  ap proach   c onver te d  into  XML,   JSON  a nd  flat   file   (text  fo rm at ).   Sect ion   3. 1  dem on strat e  how  data  f ro m   the  relat ion al   database  is  co nv e rted  into  XML,  JS ON an d flat  f il e (text  form at ).     3.1.   The Rel at io nal  D at ab ase   Appro ach   The  def i niti on  about  relat ion a l  database   is  a  data  a bs tract io n  that   prese nts  the  data  in   a  database   as  a   set   of  ta bles   [ 16 ] .   Re la ti on al   data  is  com plex,   it   m i m ic s  the  way  people   thin k  by  groupin g  sim il ar  ob j ect s   tog et he r  an d  br ea king  do w n  com plex  ob j ect s  i nto   sim i la r  on e s.  T ABLE  1  unti l  TABLE  7  s ho ws  ho w  publica ti on   data  is  stored .  Ta bles  that  con ta i ns   the  pu blica ti on   data  is  div i ded   int o  two  pa rt;  ro w  a nd   c ol um n.   Colum n  repres ent att rib utes  nam e and   r ow s  re pr ese nt  nu m ber   of   data  (so m et hin g i s call ed   tup le s ).              Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ic ie ncy o f F lat Fi le  Data base A ppr oa c h  i n Da t a Stor age  and D ata Ext r action  …   ( Mo hd K am ir  Yu s of )   463   Table  1.   Ar ti cl e   Id   au th o r   title   p ag es   y ear   v o lu m e   Jo u rnal   u rl   2 7 4 2 2 2   N.  Pr ati   A Par ti al  Mod el of  NP  with  E .   1245 - 1253   1994   59   J. Sy m b .  Log .   d b /jo u rnals /jsy m l/j sy m l5 9 .ht m l # Prati94   2 7 4 2 2 4   J. Barkle y   Ro ss er   Go d el  Theo re m s f o r  No n - Co n stru ctiv e  Log ics.   129 - 1 3 7   1937   2   J. Sy m b .  Log .   d b /jo u rnals /jsy m l/j sy m l2 .ht m l# Ro ss er37   2 9 6 0 2 7   An d reas  Dan d alis,  Vik to r  K.  Prasan n a   Ru n - ti m e  p erfo r m an ce  o p ti m iz atio n   o f  an FPGA - b ased   d ed u ctio n   en g in e f o r  SAT  so lv ers.   547 - 5 6 2   2002   7   ACM  Tr an s.  Desig n   Au to m .  Electr.  S y st.   d b /jo u rnals /to d aes/to d aes7 .ht m l # Dan d alisP0 2   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :       Table   2.   B ook   id   isb n   au th o r   title   Series   v o lu m e   p u b lish er   y ear   u rl   214   3 - 540 - 5 5 3 8 2 - 7   An d rew  Ch eese   Parallel  E x ecut io n   o f  Par lo g   Lecture  No tes in   Co m p u ter  Science   586   Sp ring er   1992   -   219   3 - 540 - 1 2 2 8 2 - 6   Hein z Ben d er   Ko rr ek te  Zug rif f e zu  v erteilten Daten   Inf o r m atik - Fach b erichte   63   Sp ring er   1983   -   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :       Table  3: Inpr oc eedin g   id   au th o r   title   Pag es   y ear   b o o k title   u rl   3 3 8 3 9 8     Ro salin d   Bard en ,  Su san   Step n ey   Su p p o rt  f o r  Usin g   Z.   255 - 280   1992   Z  Use r  W o rks h o p   d b /co n f /zu m /zu m 1 9 9 2 .ht m l# Bard en S 9 2   3 3 8 4 0 5   Alf   S m ith   On  Recu rsiv e Fr e e   Ty p es in   Z.   3 - 39   1991   Z  Use r  W o rks h o p   d b /co n f /zu m /zu m 1 9 9 1 .ht m l# S m ith 9 1   3 3 8 4 1 9   Dav id   Gries   Equ atio n al L o g ic: A  Grea t  Ped ag o g ical  Too l f o r  Tea   508 - 509   1995   ZUM   508 - 5 0 9   :   :   :   :   :   :   :   :   :   :   :   :   :   :       Table  4.   Mst he sis   id   au th o r   Title   y ear   Sch o o l   12   Tolg a Yurek   Ef f icien t View  M a in ten an ce a t Data   W ar eh o u ses .   1997   Un iv ersity  of  Calif o rnia at Santa  Barb ara, Dep art m   14   Peter  Van  Ro y   A Pr o lo g  Co m p iler  f o r  th e PL M .   1984   Un iv ersity  of  Calif o rnia at  Berk eley   15   Tatu Yln en   Sh ad o w Pagin g  I s Feasib le.   1994   Helsin k i Univ ersity  of   Techn o lo g y ,  Dep a rt m en t of  C   :   :   :   :   :   :   :   :   :   :       Table  5.   Phdth esi s   id   ed ito r   Title   Year   Mon th   Sch o o l   1   Jo an n  J.  Ordille   Descripti v e Na m e   Services f o r  La rge  Internets .   1993     Un iv .  o f  W isco n sin - Madis o n   2   Francis co  Rev erbe ll   Persisten ce in Dist ribu ted  Object  Sy ste m s: ORB /O D B...   1996   Ap ril   Un iv ersity  of  New  M ex ico   4   Diet m a r  Se ip el   Deco m p o sitio n  in Datab ase and   Kn o wled g e - Bas e  Sy ste m s.   1989     Un i W u rzbu rg   :   :   :   :   :   :   :   :   :   :   :   :   Table  6.   Proce edin g   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   4 60 –   4 7 3   464   id   ed ito r   title   b o o k title   Series   v o lu m e   p u b lish er   y ear   isb n   u rl   13 30   Nav een  Prakas h ,  Co lette  Ro llan d ,  Barb ara  Pernici   Inf o r m atio n   S y ste m   Dev elo p m en t  Proces s, P roceed in g s  o f  the IFI P  W G8 .1   W o rkin g  Co n f eren ce  o n  I n f o r m atio n   Sy ste m  Develo p m en t  Proces s, Co m o ,  I ta ly ,  1 - 3  Septe m b er ,  1 9 9 3   Inf o r m ati o n  Sy ste m   Dev elo p m en t  Proces s   IFI P  Tr an sactio n s   A - 30   No rth - Ho llan d   1993   0 - 444 - 8 1 5 9 4 - 5   d b /co n f / if i p 8 - 1 /if ip 8 - 1 - 1 9 9 3 .htm l   13 41   To m  J.   v an   W ee rt,   Ro b ert  Mun ro   Inf o r m ati cs an d  T h e  Dig ital Societ y :  So cial,  Ethica l and   Co g n itiv e I ss u es,  IFI P  TC3 /W G3 .1 & 3 .2  Op en  Co n f erence on   So cial,  Ethica l and   Co g n itiv e I ss u es o n   Inf o r m ati cs an d  I C T,   Ju ly  22 - 2 6 ,  2 0 0 2 ,  Do rt m u n d ,  Ge r m a n y   SECII I   IFI P  Co n f erence  Proceed in g s   244   Klu wer   2003   1 - 4020 - 7363 - 1   d b /co n f /if i p 3 - 1 /if ip 3 - 1 - 2 0 0 2 .htm l   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :   :       Table  7: ww w   id   ed ito r   title   Bo o k title   y ear   u rl   2   Mar y  F .  Fe rnan d ez,  Jo n ath an  Ro b ie   XML  Quer y   D ata  Mod el   -   2001   h ttp ://www.w3.o rg /TR/q u ery - d ata m o d el   3   Arno n  Ro sen th al   The Fu tu re  o f   Clas sic Data  Ad m in istratio n :  Ob jects   SW E E   1998   h ttp ://www. m i tre. o rg/s u p p o rt/swee/rosen th al.ht m l   :   :   :   :   :   :   :   :   :   :   :   :       3.2.   X M L  A p proa ch   XML  pro vid es   a  sta nd ar d  for  the  sem antic  m anag em ent  of   data .  It  is  a  fo rm al   m et a - l angua ge  facil it y  fo r   def i ning  a  m ark up  la ngua ge.  The  basic  unit   in  an   XM L  file   is  entit y  or  c hunk  t hat  c on ta i ns   c onte nt  a nd  m ark   up.  Ma ny  exc el le nt  m od el - m app in g  sche m as  hav e   bee n  pro posed  f or  stori ng   a nd   retrievin g  XM L  data   into/from   relat i on al   databa se  [ 17 ] .  The   m ark up  desc ribe s  a  con te nt.  M or e  gen e rall y,  m ar kup  c onsist s  of   ta gs ,   at tribu te s,  c omm ents,  an d  pro cessi ng   i ns tr uc ti on s  f or  the  c on te nt.  I n  a  sta rt  ta g,   the  nam e  and   a ny  ad di ti on al   inf or m at ion   are  su rro unde d  by  the  “<”  and   “>”  char act e rs.   Fig ur e  3  sh ows  the  al go rithm   ho w  data  fr om   relat ion al   database is c onve rt  into XML  f orm at .        Inpu t   : T ab les n a m es,  re co rds   O utp ut   : Data  set  ( A)   Steps       1.   Read  nu m b e r  o f  ta b les       1 .1   Create  XM L  tag  b y  r ep resenti n g  table title,  x       1 .2   Read  r ecord s/tu p les, y       1 .3   Create ind en ts/attri b u tes tag  by  repres en tin g  attr ib u te nam e       1 .4   Ass ig n  eac h  r ecord  to each att ribu te ta g ,  i i       1 .5   Clo se XML  tag o f  x        1 .6   Rep eat step  1.1  un til end  o f  r ecord s     2.   Rep eat step  1 u n til end  of  tables     3.   Ass ig n  A  =        <x >       <y i >i i </y i >       <y i+1 >i i </ y i+1 >       :       <y n +1 >i i </y n +1 >       </x >             4.   Disp lay  data s et A     Figure   3 . Algor it h m  ( Re la ti onal  D at abase   to  XML  F or m at )   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ic ie ncy o f F lat Fi le  Data base A ppr oa c h  i n Da t a Stor age  and D ata Ext r action  …   ( Mo hd K am ir  Yu s of )   465   Af te r   al gorith m   in  Fig ur e   3  is  co nv e rt  in  pro gr am m ing   c od e ,  the n  e xec ution  is  occur,   syst e m   will   pr od uce   XML  file   as  rep rese nted  in  Fi gure  4.  Sim il ar ly ,  an  end   ta g  consi sts  of   the   ta g  nam e   su rroun ded   by  the  “<  /”   and   “>”.  XML   is  case  sensitiv e  so   sta rt  an d   en d  ta g  nam es  m us t  m at ch   exactl y.  Figu r e  3  shows  how  th e   publica ti on d at a is re pr ese nte d  in  X ML  form at .                   <rec o rd>     <article>     <id >2 7 4 2 2 2 </id >     <au th o r>N.  Pr ati</ au th o r>     <title>A  Partial  M o d el of  NP  with  E . </title>     <p ag es>1 2 4 5 - 1 2 5 3 </p ag es>     <y e a r>19 9 4 </y ear >     <v o lu m e>5 9 </v o lu m e>     <jo u rnal>J .  Sy m b .  L o g .</jou rnal>     <u rl>db /jo u rnals /j sy m l/js y m l5 9 .ht m l # Prati94 </u rl>     </article>     :     :     <b o o k >     <id >2 1 1 </id >     <isb n >3 - 540 - 6 0 0 5 8 - 2 </isb n >     <au th o r>M arco Ca d o li</au th o r>     <title>T ractable R easo n in g  in  Artif icial I n tellig en ce</tit le>     <series>L ectu re  N o tes in  Co m p u ter   Scien ce</series >     <v o lu m e>9 4 1 </v o lu m e>     <p u b lish er>Sprin g er</pu b lish er>     <y ea r>19 9 5 </y ear >     <u rl>. .. </u rl>        </b o o k >     :     :     <in p roceed in g >     <id >3 3 8 3 9 6 </id >     <au th o r>Reg in e L aleau, A m el  Ma m m a r< /au th o r>     <title>A  Gen eric  P roces s to  Ref in e a  B Sp ecif icatio n  into </title>     <p ag es>2 2 - 4 1 </p a g es>     <y ea r>20 0 0 </y ear >     <b o o k title>ZB</b o o k title>     <u rl>db /co n f /zu m / zb 2 0 0 0 .ht m l# L ale au M00 </u rl>     </in p roceed in g >     :     :     < m sth esis >     <id >1 1 </id >     <au th o r>Ku rt  P.  Brown </au th o r>     <title>PR PL:  A  D atab ase W o rklo ad  Specif icatio n  L an g u ag e,  v 1 .3.</title>     <y ea r>19 9 2 </y ear >     <sch o o l>Un iv .  o f   W isco n sin - Madis o n </sch o o l>     </ m sth esis >     :     :     <p h d th esis >     <id >1 </id >       <ed ito r>Jo an n  J.  O rdille</ed ito r>     <title>Desc riptiv e   Na m e  Ser v ices  f o r  Lar g e  I n ternets . </ title>     <y ea r>19 9 3 </y ear >     < m o n th >.. .</ m o n th >     <sch o o l>Un iv .  o f   W isco n sin - Madis o n </sch o o l>     </p h d th esis >     :     :     <p roceed in g >     <id >1 3 2 5 </id >     <ed ito r>E len  Balk a,  Rich ard S m ith </ ed ito r>     <title> W o m an ,  W o rk an d  Co m p u teri za tio n : Ch arting  a  Co u rse to th e Futu re,   IFI P  T C9 / W G9 .1    Sev en th   Internatio n al Co n fer en ce on   W o m an ,  W o rk an d  Co m p u terization ,  Ju n e 8 - 1 1 ,  2 0 0 0 ,    Van co u v er,   B ritish   Co lu m b i a,  Can ad a</title>     <b o o k title>W o m a n ,  W o rk an d  Co m p u terization </b o o k ti tle>     <series>I FIP  Co n f erence P roceed in g s</s eries>     <v o lu m e>1 7 2 </v o lu m e>     <p u b lish er>Kluwer</pu b lish er>     <y ea r>20 0 0 </y ear >   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   4 60 –   4 7 3   466     <isb n >0 - 7 9 2 3 - 7 8 6 4 - 4 </isb n >     <u rl>db /co n f /i f ip 9 - 1 /if ip 9 - 1 - 2 0 0 0 .ht m l </u rl>     </p roceed in g >     :     :     <www>     <id >1 </id >     <ed ito r>. .. </ed ito r >     <title>Jav a  L an g u ag e Ho m e  Page</ti tle>     <b o o k title>.. .</bo o k title>     <y ea r>. . .</ y ear >     <u rl>http ://jav a.su n .co m /</u rl>     </www>   </record>   :   :   :     Figure  4.   Tree   Re pr ese ntati on  of  P ub li cat io n  XML       3.3.   JS O N Ap proa ch   In   this  ap proac h,   data  is  repre sented  in  ar ray   fo rm at .  JSO N   is  bu il t  on   two  struct ur es .  T he  first  is  a  colle ct ion   of  nam e/ value  of  pairs.   I n  va riou s  la ngua ge,  this  is  reali z ed  as  an  obje ct ,  reco r d,   str uctu re,   dicti on a ry,  has h  ta ble,  k ey e d  l ist , o r  ass ociat e arr ay .  Th e  sec ond  is a n orde r ed  li st o f value s.  I n  m os t l anguag e ,  this  is  reali zed   as  an  ar ray,  l ist   or   se qu e nc e.  Each  obj ect   beg i ns   with  “ {“  and   e nds  w it h  “}”.  A rr ay   is  an   order e d  colle ct ion  of v al ue s.  An  ar ray beg i n wit h  “[” an d  e nd s  with “]” . Meanwhil e, a v al ue  can  be  a string  in   double   qu otes,   or  a  nu m ber ,   or   t ru e   or  false ,  or  a n  obj ect   or   an  ar ray.  Fi gure  5  represe nts  al gorithm   how  t o  conve rt  relat io nal  datab ase  to   JSON  ap proa ch.   In   t his  al gorithm ,  two  input  are  re quire d  wh ic h  is  ta ble   nam e   and  data/ tu ple  in  each   ta ble.  Var ia ble  of  x  is  assig n  to   ta bl e  nam e  and   vari able  y  represe nted  t o  tu ple  f or  eac h  ta ble. D at a  set  B are  represe nted  as  a JSO N  f il e after e xecu t e this al gorit hm .        Inpu t   : Tables  nam es , r ec ords   Out p ut   : Data set  B   St eps       1.   Re ad  nu m ber   of table s,  x       1.1   Assign ta ble na m e to v a riabl e x       1.2   Re ad data  r ec ord/tu ple       1.3   Assign  data  re cord/t uple  to  y       1.4   Com bin e v aria ble of  x  a nd y  as b el ow : -         {x:[y i , y i +1 , y n +1 ]}       1.5   Re peat ste p 1 .2 to ste p 1.4  un t il  en d o f  rec ord s      2.   Re pe at  step  1 u ntil  en d o f  ta bles     3.   Assign B =       {x: [ y i , y i+1 , … , y n+1 ]}       4.   Disp la y  data se t (B)       Figure  5.   Al gorithm  ( Re la ti on al  D at abase   to  JSON  F orm at )       JSON  file   is  produce d  as  a  Figure  6  afte r  ex ecute  al gorith m   in  Figu re  4.  JSON  file   is  si m ple   wh ic h  each  data/ recor d  se par at e  by li ne.                            Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ic ie ncy o f F lat Fi le  Data base A ppr oa c h  i n Da t a Stor age  and D ata Ext r action  …   ( Mo hd K am ir  Yu s of )   467     {"arti cl e": [{"id":" 274222","a ut hor":"N. Prati ","ti tl e": "A  Par ti al  Mod el  of  NP   with  E.","pages": " 1245 - 12 53 " ,"ye ar":"1 994", " volum e" :" 59 "," j our nal": "J.Sym b.   Lo g. "," ur l" :" db \ /jo ur nals \ /jsym l \ /jsy m l59 .h t m l#Pr at i94 "}] ,       "boo k":[{"id": "211","is bn ": " 3 - 540 - 60 058 - 2" ,"autho r":"M arco C ad oli","t itle" :" Tracta ble  Re ason i ng in Artific ia l I ntell igence"," series ": "Lect ur e  No t es   in C om pu te r   Scie nce"," vo l um e": "94 1", " pu blisher":"S pri nger" ,"ye ar":"1 995", " ur l" :" ..." }] ,     "i npro cee ding" :[{"i d":"3 3839 6", "a uthor":"R egine L al eau,   Am el  Ma m m ar ","ti tl e": "A  Gen eric  Pr oc ess t o  Re fi ne  a B  S pecific at ion   int o", " pa ges":"2 2 - 41 " ,"ye ar":"2 000" ,"bo ok ti tl e": "ZB ","ur l" :" db \ /c onf \ /z um \ /zb 20 00.h tm l#Lal eauM0 0"}],     " m sthesis" :[{"i d":"1 1", "a utho r":"Kurt P . Bro wn " ,"ti tl e": "P RPL:  A   Datab ase  Wo r klo a d  Sp eci ficat io n  L angua ge,   v1. 3.","y ear":" 1992 ","sch oo l" :" U ni v.   of  W isc ons in - Ma dison"}]     "phdthe sis": [{"id":" 1", "e ditor" :" Jo an n  J . Or di ll e","t i tl e": "D escripti ve Nam e Ser vices  for L arg e   In te r nets." ,"ye ar":"1 993", "m on t h":"... " ,"schoo l" :" U niv.  of  W i sco ns in - Ma dison"}] ,     "procee ding":[ {"i d":"132 5", " editor":"El en   Ba lka, Ric ha rd Sm i th" ,"ti tl e":" W om an,   Wor k  a nd  Com pu te rizat ion : C har ti ng  a  Course t o  the  F uture,  IFIP TC 9 \ / W G 9.1 Sev enth I ntern at i onal   Confere nce  on  Wo m an,   Wor k an d  C om pu te rizat ion , Ju ne 8 - 11, 200 0,   Va nc ouve r,  B riti sh   Colum bia, Can ada"," bookti tl e ": "Wo m an,   Wo r k  a nd Com pu te rizat ion " ,"s eries": "IFIP  Confere nce  Proceedi ngs"," volum e" :" 17 2" ," publishe r":"Kl uw e r", "y ear":" 2000","isb n":" 0 - 7923 - 7864 - 4", " ur l" :" db \ /c on f \ /i fip9 - 1 \ /i fip9 - 1 - 2000 .h tm l" } ] ,     "www":[{"i d": "1","e ditor ": ".. .","ti tl e": "Java Langu a ge H om e  Page"," bookti tl e": "... ","y ear" : "... "," ur l" :" http : \ / \ /java. s un.c om \ /" }   :   :   :     Figure  6.   P ub li cat ion   Data  in   JSON  F orm at       3.4.   Flat Fi le  A p pr oa c h   In  this  a ppr oac h,   data  is  re pr e sented   in  flat   fi le   (text  form at ) .  Flat   file   a re  t ext  file s  st or e d  in  c om pu te r  sci ence.  Data  in  flat   file   is  si m ple  and   can  ported  t o  a ny  pro gr am .  The  basic  cha racter ist ic s  of   a  flat   file   are   that  data  are  store d  as  plain  t ex t,  eve n  the  num ber   are  plain  te xt,  an d  tha t  each  li ne  of   t he  file   co ntain s  on e   record  or   case  in  the  data  set .  Each  li ne  a  flat   file ,  sever al   con ta in  t he  valu es  for  the  dif fe ren t  va riables  in  th e   data  set .  Fiel ds   within  a  recor d  are  sepa rate d  by  a  sp eci al   char act e r,   or  de lim it er.  Each  li ne  after  the  he ader   consi sts  of  tw o  fiel ds   se par a te d  by  a   col on  (the  c ha racter   “: ”  is  the  delim it er) .  Alte r na ti vely ,  we  ca n  us e d  “wh it e  sp ace”   (o ne  or   m or e  sp ace  ta bs )  a s  the  delim it e r.   Fig ur e  7  show  the  al gorit hm   ho w  data  f r om  relat ion al   database is c onve rt ed  int o flat  f il e (text  form at ).             Inpu t   : Tables  nam es , r ec ords   Out p ut   : Data set  C   St eps         1.   Re ad nu m ber   of table s,  x     2.   Assign ta ble na m e to v a riabl e x       2.1   Re ad  rec ords/t up le s  in  t he  ta bl e       2.2   Assign  rec ord/tup le  t o  y       2.3   Assign  x  a nd y  to  z         Z = { x,  y i , y i+1 ,  y n+1 }       2.4   Re peat ste p 2 .1 to ste p 2.3  un t il  en d o f  rec ord  in x     3.   Assign  var ia bl e m       M = {  x,  y i , y i+ 1 , y n+1 , … x,  y i ,  y i+1 , y n+1 , …,   x, y i , y i+1 , y n+1 }     4.   Re peat ste p 1  unti l 3 un ti l e n d  of table s   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   9 ,  No.  2 ,  Fe bruary  2 01 8   :   4 60 –   4 7 3   468     5.   Assign M t o  C     6.   Disp la y  data se t (C)      Figure  7 .   Al gorithm  ( Re la ti on al  D at abase   to  XML  F or m at )       Figure  8  s how s  li st  of   data  r epr ese nted   in  f la t  file   (text  f orm at ).   These  da ta   are  extr act ed  f r om   or igin al   data  so urces  which   is st or e  in  relat ion al   database   appr oach.       Ar ti cl e,29 5331 ,  Em il ia  Me nd es,  Nile   Mosley ,  Steve  Couns el l,  W e b  Me tric s - Esti m a ti ng   Desig n  and  A uthori ng  Ef f or t. ,  50 - 57,  2001,   8,  I EEE  Mul ti Me dia,   db / j ou rn al s/i ee e m m /i eee m m 8 .h tm l#Me nd es MC 01   Ar ti cl e,29 5332 ,  A ndreas   V ogel ,  Bri g it te   Kerher ve,  G re gor  von  Boc hm ann ,  Ja n  Gecsei,   Distrib uted  Mult i m edia  and  Q OS :  A   Surv ey . ,  10 - 19,  1995,   2,  IEE E  Mult iM edia,  db / j ou rn al s/i ee e m m /i eee m m 2 .h tm l#Vo gel K BG95   Ar ti cl e,29 5333 ,  Fo r ouza n  G ol sh ani,  F ro m   Mult i m edia  T oo ls  to  Ar ti sti c  Con te nt. ,  1,   2002,  9 ,  IEEE  M ulti Me dia,  db / j ou rn al s/i eee m m /i eee m m 9. ht m l#Go l sh a ni02c   Ar ti cl e,29 5334 ,  Arn d  Stei nm et z,  Me dia  an d  Dista nce:  A  L earn i ng   E xperi ence.,   8 - 10,  20 01,  8,   IEEE  M ulti Me dia,  db / j ou rn al s/i eee m m /i eee m m 8. ht m l#Stei nm e tz 01   Ar ti cl e,29 5335 ,  Ri ccard o  Le on a r di,  Piera n gelo  Mi glio rati ,  Sem antic   In dex i ng   of  Mul tim edi a   Do c um ents.,   44 - 51,  20 02,  9,  IEE E  Mu lt iM edia ,   db / j ou rn al s/i ee e m m /i eee m m 9 .h tm l#Leon a rdi M02   Ar ti cl e,29 5336 ,  Step han e  Val ente,  Jea n - L uc   Dugelay ,  Face   Track i ng   a nd  Re al ist ic   An i m at ion s  for  Tel eco m m un ic ant  Cl on es. ,   34 - 43,   2000,   7,   IE EE  Mult iM edia,  db / j ou rn al s/i ee e m m /i eee m m 7 .h tm l#ValenteD00   Ar ti cl e,29 5337 , V ip ul K as hya p,   Am i t P. S he th,  Buil di ng  S uc cessf ul H um an - Ce ntere d  Sys tem s. ,   102 - 10 3,   2001,  8 ,  I E EE M ulti Me dia,  db / j our nals/i eee m m /i e ee m m 8. htm l#Kash ya pS0 1   Ar ti cl e,2 9533 8,  Sorel   Re ism an,   Ta king  St ock   of  the  W eb. ,  4,   1997,  4,   IEEE  M ulti Me dia,   db / j ou rn al s/i ee e m m /i eee m m 4 .h tm l#Rei s m an 97   Ar ti cl e,29 5339 ,  Ro nnie   T.   A pteke r,   J am es  A.   Fishe r,  Val entin  S .  Kisim ov,  Hanoc h  N ei sh los,   Vide o  Acce ptabili ty   and   Fr am e   R at e.,  32 - 40,   199 5,  2,  IEEE  Mu lt iM edia,  db / j ou rn al s/i ee e m m /i eee m m 2 .h tm l#Ap te ke r FKN95   Ar ti cl e,29 5340 ,  Jan  Gecsei,  Ad a ptati on   i n  Distrib uted  M ultim edia  Syste m s.,   58 - 66,  1997,  4,  IEEE  M ulti Me dia,  db / j ou rn al s/i eee m m /i eee m m 4. ht m l#Ge csei 97   :   :   :   :     Figure.  8 :  Publ ic at ion   Data   in  TXT  Form at       4.   E X PERI MEN TAL RES UL TS   In   this  sect io n,  we  evaluate  t he  pe rfor m ance  of   the  acce ss ing   the  data  from   XML  and   JSON.  F ou r   diff e re nt  qu e ri es  are  us e d  in  exp e rim ents.  The  syst e m s  are  bu il d  us in g  a  per s onal   com pu te r  eq uippe d  with  2.40G Hz  I ntel®  Core   ™  i7 - 5500U  CP U,   8.00   GB  RA M  and   a  250  GB  so li d - sta te   dr i ve.   T he  op erati ng   syst e m   is  M ic ro soft  W i ndow s  10.  T he  data base  im ple m en ti ng   the  XML  database  (a ppr oach   I)   us i ng   X - Pat h  for qu e ryi ng  pur poses a nd JS ON d at a base  ( appr oach I I) .   We  us e  be nchm ark   dataset   DBLP  [ 18] .  The  va riat ion   in   qu e ry  tim e  w it h  the  siz e  of  the  database  is  al s o  stud ie d.   For  e ach  of  tw o  dat abase  a ppr oac hes,  the  ti m e  t o  qu e ry  a nd  C PU   us a ge  with   va ryi ng  com pl exity  sp eci fied  a bove   is  m easur ed  with  data bases   con ta ini ng   10 00,  50 00,  10, 000  a nd  50, 000  records   res pec ti vely .   Fo r  qu e ry  retri eval,  at   each  set ti ng ,  the  query   is  m ade  fo r  10  tim es  to  cal culat e  the  aver ag e  tim e  and   sta ndar d  dev ia ti on  [10].    The  disc us sio n  is  based   on   t wo   e xp e rim ent s  in  the  databa ses  dev el op m ent  and   their  a ppli cat ion   f or   the sto rag e  of s tructu red data , fr om  the p ers pe ct ives of test   data, e ff ic ie nc y and scal abili ty , and  e xtensi bi li t y.     4.1.   Te st  D ata   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ic ie ncy o f F lat Fi le  Data base A ppr oa c h  i n Da t a Stor age  and D ata Ext r action  …   ( Mo hd K am ir  Yu s of )   469   The  perform ance  of   tw o  data base  a ppro ac he s  is  evaluated   by  us in g  ben c hm ark   dataset   DBLP.  T he   data  con ta i n  50, 000  rec ords .  TABLE  8  s ho ws  the  queries  with  dif fer e nt  com plexity   and   TABLE  9  shows  th e  qu e ries c onstruc te d  in t he SQ L stat e m ent.        Table  8: Queri e s w it h  Dif fer e nt Com plexity   [6]   Qu e ry   Qu e ry  descr i ption   I   List  o ut all  t he URLs  wh ic h b egin wit h  t he  “ db / j ou rn al s”  pa th   II   List  o ut all  t he t it le s o f  the  m a ste r  thesis  w hich  c on ta in s the  “D at a”  keyw ord   III   List  the tit le s of inpr ocee ding  wh e re t he  a uthor  is “Re gi ne  L al eau,  Ma m m a r”    IV   Count the  num ber o f phd t hes is p ub li sh e d  i n ea ch  ye ar       Table  9.   Q uer i es  Co ns tr ucted   in S QL   Com m ands   Qu e ry   Qu e ry  descr i ption   I   Sele ct  *   from  u rl where  text li ke  ‘%db/j our na ls/ %’   II   Sele ct  * f ro m  ti tl e w he re text l ike ‘ % Data%’     III   Sele ct  ti tl e fr om   inp r ocee ding  wh e re a uthor =’Regine  Lale au,  Mam m ar’     IV   Sele ct  co unt(i d), year  fro m  p hdthesis  gro up  by  yea r        4.2.   Data Ex tr act i on   ( X M L,  JS ON an d Fl at   Fil e (t e xt   f or mat))   I n  this  sect i on,   data  from   relat ion al   database   are  e xtract   an d  c onve rt  int o  three  dif fer e nt  data  f orm at .   The  data  siz e  f or   each   f or m at  are  represe nted  in   in  KB.  T ABLE  10  unti l  TABLE   13  s how   the  data  si ze  an d  perform ance  qu ery  retrie val  in  three  diff e re nt  f orm at   wh ic h  are  XML ,  JS ON   a nd   Flat   Fi le   (text  fo rm at ).   Data  are  sp li t  into  4: -   10 00   rec ords,   5000  rec ords,   20,00 0  rec ords  a nd   50, 000  rec ords.   T he n,   the se  rec ords  ar e   conve rt  into  diff e ren t  data  f orm at .  Ba sed  on   T ABLE  10  un ti l  TABL E  13,  Flat   Fil e  (text  f or m at )  fo r m at   is  sm a ll er  co m par ed  to  XML  a nd   JS O N.   T ha t  way,  tim e  to   data  retrieval   al so   sh ows  fl at   file   in  te xt  form a t   faster c om par e d  to  X ML  and  JSON.       Table  10.   Qu e r y per form ance o f  the t hr ee  ap proac hes on da ta base  with  dif fer e nt size:  Qu ery I   Ap p roach   Da tab ase I m p le m e n tatio n   Mean  ±   SD ( m s)   –   Qu ery I   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   I   XML   339   1 4 .41   ±   0 .28   1712   7 5 .30   ±   0 .42   3405   1 3 6 .66   ±   1 .44   1 6 3 0 0   6 8 5 .67   ±   3 .12   II   JSON   249   1 0 .41   ±   0 .35   1266   4 0 .35   ±   0 .21   2515   8 0 .89   ±   0 .43   1 1 8 4 4   3 9 7 .64   ±   2 .23   III   TXT   185   8 .18   ±   0 .14   948   3 8 .56   ±   0 .77   1890   7 6 .35   ±   0 .25   8868   3 7 0 .48   ±   0 .26       Table  11.   Qu e r y per form ance o f  the t hr ee  ap proac hes on da ta base  with  dif fer e nt size:  Qu ery I I   Ap p roach   Databas e I m p le m e n tatio n   Mean  ±   SD ( m s)   –   Qu ery II   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e  ( m s)   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   I   XML   339   1 1 .36   ±   0 .31   1712   4 0 .56   ±   0 .25   3405   7 3 .51   ±   0 .32   1 6 3 0 0   3 3 3 .28   ±   3 .11   II   JSON   249   8 .41   ±   0 .32   1266   3 5 .36   ±   0 .25   2515   6 6 .48   ±   0 .23 3   1 1 8 4 4   3 0 9 .75   ±   1 .26   III   TXT   185   8 .24   ±   0 .07   948   2 3 .54   ±   0 .28   1890   4 5 .57   ±   0 .20   8868   2 2 3 .94   ±   0 .64       Table  12.   Qu e r y per form ance o f  the t hr ee  ap proac hes on da ta base  with  dif fer e nt size:  Qu ery I II   Ap p roach   Databas e  I m p le m en tatio n   Mean  ±   SD ( m s)   –   Qu ery III   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   Size  (KB)   Ti m e   ( m s)   I   XML   339   8 .56   ±   0 .28   1712   4 1 .53   ±   0 .26   3405   8 5 .52   ±   1 .07   1 6 3 0 0   3 8 3 .48   ±   1 .84   II   JSON   249   8 .14   ±   0 .10   1266   3 5 .14   ±   0 .53   2515   6 5 .42   ±   0 .99   1 1 8 4 4   3 6 2 .82   ±   0 .89   III   TXT   185   7 .92   948   2 5 .51   1890   5 0 .73   ±   8868   2 6 8 .42   Evaluation Warning : The document was created with Spire.PDF for Python.