Detailansicht
Cloud data storage framework for efficient and reliable content retrieval
Arthur Rieß
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Wirtschaftsinformatik
Betreuer*in
Wolfgang Klas
DOI
10.25365/thesis.81251
URN
urn:nbn:at:at-ubw:1-26812.50619.649521-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Cloud-basierte Datenarchitekturen zählen zu den zentralen Maßnahmen, um der wachsenden Vielfalt und Menge moderner Informationsanforderungen gerecht zu werden. Diese Arbeit untersucht die Frage, wie das FactCheck-Framework, ein System zum automatisierten Vergleich semi-strukturierter Daten, von einer Migration in die Azure Cloud-Infrastruktur profitieren kann. Die bisherige CouchDB Implementierung weist Einschränkungen bei der Abfragegeschwindigkeit aufgrund begrenzter Indizierungsmöglichkeiten auf. Zudem ist die Nutzbarkeit für Entwickler durch separate Datenzugriffe und eine unklare Trennung von Verantwortlichkeiten eingeschränkt. Zur Verbesserung wurden Anforderungen mit den relevanten Stakeholdern erhoben und auf Basis einer Literaturrecherche zu aktuellen Cloud-Datensystemen ein ein neues Cloud-Design entworfen und implementiert. Ein modularer Ansatz ermöglicht dabei polyglotte Persistenz. Die Azure-Komponenten wurden getestet und die Kommunikation mit dem FactCheck Framework entsprechend angepasst. Das resultierende System ermöglicht schnellere Abfragen und unterstützt weiterhin sämtliche bestehenden Funktionalitäten. Durch die Nutzung einer selbstgehosteten Integration Runtime konnten Kosten bei der Daten Transformation reduziert werden während Konsistenz und Datenqualität sicher gestellt sind, auch wenn die Performance für Einsätze in einem Produktions-Umfeld noch nicht ausreichend ist. Dennoch leistet die neue Architektur einen wichtigen Beitrag für den Erfolg des FactCheck-Systems, indem die Performanz und Nutzbarkeit für Nutzer und Entwickler erhöht werden.
Abstract
(Englisch)
Cloud-based data architectures are a leading approach to handle the scale and variety of modern information requirements. This thesis explores the question how the data storage for the FactCheck framework, a system for automatic comparison of semi-structured data, can benefit from a migration to Azure’s cloud infrastructure. The existing CouchDB implementation suffers from slow data retrieval due to limited indexing capabilities. Also, the usability for developers is negatively affected by split data access and unclear separation of concern. To update the existing architecture, requirements from stakeholders are collected and a cloud-native architecture is designed based on a literature review analyzing the state of the art in cloud data storage systems. A modular approach enables polyglot persistence. To test the design the cloud components are implemented and the necessary changes for communication to the FactCheck framework are performed. The resulting system facilitates faster queries while preserving all existing functionalities. A data transformation pipeline ensures data consistency and cleanliness while saving costs by using a self-hosted runtime, but performance remains insufficient for full production use. Still, the new implementation contributes to the success of the FactCheck system by improving performance and usability for users and developers.
Schlagwörter
Schlagwörter
(Deutsch)
Big data Cloud Azure Data Factory Azure Cosmos DB Couch DB Legacy Migration Interoperabilität
Schlagwörter
(Englisch)
Big data Cloud Azure Data Factory Azure Cosmos DB Legacy migration interoperability
Autor*innen
Arthur Rieß
Haupttitel (Englisch)
Cloud data storage framework for efficient and reliable content retrieval
Paralleltitel (Deutsch)
Cloud Data Storage Framework für effizienten und verlässlichen Abruf von Content
Publikationsjahr
2026
Umfangsangabe
xvi, 88 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Wolfgang Klas
Klassifikation
54 Informatik > 54.64 Datenbanken
AC Nummer
AC17901059
Utheses ID
81308
Studienkennzahl
UA | 066 | 926 | |