İlişkisel veri tabanlarının çizge veri tabanlarına dönüştürülmesinde karşılaşılan sorunlar ve olası çözümlerin incelenmesi

Verilerin depolanması için ilişkisel veri tabanı yönetim sistemleri uzun süredir kullanılmaktadır. Ancak teknolojik gelişmeler ve yeni veri kullanım alanları farklı veri tabanı sistemlerinin kullanımını gerektirmiştir. Çizge veri tabanları, analize katkı sağlama kapasiteleri nedeniyle her geçen gün daha yaygın hale gelmektedir. Ayrıca çizge veri tabanları, karmaşık ilişkileri modellemede ve bu ilişkileri sorgulamada ilişkisel veri tabanlarından daha iyidir. İlişkisel veri tabanlarında depolanan verileri çizge veri tabanlarında kullanmak için bir aktarım süreci gereklidir. Bu çalışmada, ilişkisel bir veri tabanında depolanan verilerin bir çizge veri tabanına aktarılmasında karşılaşılabilecek sorunlar incelenmiş ve bunlara çözüm olarak kullanılabilecek yöntemler önerilmiştir. Ayrıca ilişkisel veri tabanlarında tasarım hatalarından dolayı aktarımda oluşabilecek veri kayıplarının ve veri tutarsızlıklarının önüne geçilmesi amaçlanmaktadır. Bu amaçla, verileri bir çizge veri tabanına aktarmadan önce normalleştirme işleminin ilişkisel veri tabanına uygulanması gerekir. Bu çalışmada, aktarım sırasında verileri ilk normal forma çeviren bir yöntem geliştirildi. Ancak veri tutarlılığı için üçüncü normal form asgari gerekliliktir ve fonksiyonel bağımlılıkların bulunmasına dayanır. Normalde çok zaman alan ve maliyetli bir süreç olan fonksiyonel bağımlılık tespiti için çizge veri tabanına dayalı bir yöntem geliştirilmiştir

Relational database management systems have been used for storing data for a long time. However, technological developments and new data usage areas required the use of different database systems. Graph databases are becoming more common day by day due to their capacity to contribute to the analysis. Also, graph databases are better at modeling and querying complex relationships than relational databases. To use graph databases with old data stored in relational databases a transfer process is needed. In this study, the problems to be encountered in transferring the data stored in a relational database to a graph database were examined and methods that could be used as solutions to them were proposed. In addition, it is aimed to prevent data loss and data inconsistency that may occur with design errors in relational databases. For this purpose, the normalization process needs to be applied to a relational database before transferring data to a graph database. In our study, we developed a method that converts data to the first normal form during the transfer. But for better data consistency in practice third normal form is the minimum requirement. For functional dependency detection, which is normally a very time-consuming and costly process, we developed a method based on a graph database