database - 大型公共(public)数据集？

Question

<分区>

Answer 1

1. Large sample web server logs that have been anonymized.

开始这些工作:

• UCI Machine Learning Repository
  • Anonymous Microsoft Web Data
  • MSNBC.com Anonymous Web Data
  • Syskill and Webert Web Page Ratings

可用的数据集比这些多得多(请参阅其他答案的范围)，但这是满足您原始标准的最低悬而未决的成果。作为奖励，他们有 a contact link如果您有他们可能知道的特定需求。

2. Datasets used for database performance benchmarking.

这听起来用词不当，因为您要的是描述 well-defined 的经验数据集algorithmic problems .具体来说，听起来您正在尝试找到可用于实时测试和基准测试各种数据库系统的数据集，使用定义明确的规范化关系数据，这些数据可用作一组测试用例以确定满足您需求的最有效解决方案。

我不同意这种做法。与其寻找一连串的数据库系统及其固定实现，不如探索 algorithmic 更好。 guarantees这些系统作为您的第一个停靠港。一旦确定了满足您需求的算法约束，您就可以研究一组固定解决方案，您可以对这些解决方案的效率进行基准测试，例如索引、排序、搜索、插入、删除和检索。

维基百科提供a terse article on database testing concepts您可以使用它来确定和编写用于基准测试性能的测试用例。例如，您可以使用不可知的数据访问接口(interface)，如 JDBC和 JDBC Benchmark以确定每个操作的相对时序。从这里，您可以找到正确的解决方案。

简而言之，转到the research首先用于确定数据库保证。一旦确定了一组候选解决方案，您就可以通过测试(或以其他方式确定)每个所需操作的恒定时间性能来从中进行选择。