Skip to main content

User account menu

  • Log in
DBS-Logo

Database Group Leipzig

within the department of computer science

ScaDS-Logo Logo of the University of Leipzig

Main navigation

  • Home
  • Study
    • Exams
      • Hinweise zu Klausuren
    • Courses
      • Current
    • Modules
    • LOTS-Training
    • Abschlussarbeiten
    • Masterstudiengang Data Science
    • Oberseminare
    • Problemseminare
    • Top-Studierende
  • Research
    • Projects
      • Benchmark datasets for entity resolution
      • FAMER
      • HyGraph
      • Privacy-Preserving Record Linkage
      • GRADOOP
    • Publications
    • Prototypes
    • Annual reports
    • Cooperations
    • Graduations
    • Colloquia
    • Conferences
  • Team
    • Erhard Rahm
    • Member
    • Former employees
    • Associated members
    • Gallery

Mehrrechner-Datenbanksysteme für Transaktionssysteme hoher Leistungsfähigkeit

Breadcrumb

  • Home
  • Mehrrechner-Datenbanksysteme für Transaktionssysteme hoher Leistungsfähigkeit

Härder, T. ; Rahm, E.

Mehrrechner-Datenbanksysteme für Transaktionssysteme hoher Leistungsfähigkeit

Informationstechnik it

1986

Paper

Abstract

Eine Untersuchung der Anforderungen an Transaktionssysteme zeigt, daß künftige Hochleistungs-Datenbanksysteme folgende Schlüsseleigenschaften besitzen müssen: Abwicklung hoher Transaktionsraten, Gewährleistung hoher Verfügbarkeit, Fähigkeit modularen Wachstums sowie leichte Handhabbarkeit und einfache Verwaltung. Zu ihrer Realisierung werden charakteristische Architekturmerkmale gewonnen, die dann unser Klassifikationsschema prägen. Zwei Architekturklassen von Mehrrechner-Datenbanksystemen - DB-Sharing und DB-Distribution - erweisen sich als geeignet für die Implementierung von Transaktionssystemen hoher Leistungsfähigkeit. Ein Vergleich und eine Bewertung der allgemeinen Systemeigenschaften versuchen die praktische Tauglichkeit dieser Architekturansätze zu beurteilen.

Recent publications

  • 2025 / 9: Generating Semantically Enriched Mobility Data from Travel Diaries
  • 2025 / 8: Slice it up: Unmasking User Identities in Smartwatch Health Data
  • 2025 / 6: SecUREmatch: Integrating Clerical Review in Privacy-Preserving Record Linkage
  • 2025 / 6: Leveraging foundation models and goal-dependent annotations for automated cell confluence assessment
  • 2025 / 5: Federated Learning With Individualized Privacy Through Client Sampling

Footer menu

  • Directions
  • Contact
  • Impressum