Citeseer

Na strojích kore.fi.muni.cz a apollo.fi.muni.cz jsou přístupné databáze naplněné metadaty z projektu Citeseer [1].
V současnosti databáze obsahuje cca 574 000 záznamů, v tabulce referencí pak něco přes 5.3 milionů

Databáze běží na PostgreSQL 8.0.2

Databáze 1 - citeseer

V současnosti dostupné na strojích kore i apollo
Připojit se na ni lze na kore.fi.muni.cz

• port 5433
• uživatel: citeseer
• heslo: citeseerpass
• databaze: citeseer.
  

příklad přihlášení klientem PSQL:

psql -d citeseer -U citeseer -p 5433

příklad nastavení pro jdbc:

URL="jdbc:postgresql://kore.fi.muni.cz:5433/citeseer" 
login="citeseer"
pass="citeseerpass"

Rovněž na apollo.fi.muni.cz

• port 5432
• uživatel: citeseer
• heslo: ctx78rs
• databaze: citeseer.
  

příklad přihlášení klientem PSQL:

psql -d citeseer -U citeseer -p 5432

příklad nastavení pro jdbc:

URL="jdbc:postgresql://apollo.fi.muni.cz:5432/citeseer" 
login="citeseer"
pass="ctx78rs"

Datový model:

Soubor:Citeseer erd2.png

Databáze 2 - citeseer_old

Dostupný pouze na kore.fi.muni.cz Datový model je převzat z projektu Vezmu Připojit se na ni lze na kore.fi.muni.cz

• port 5433
• uživatel: citeseer
• heslo: citeseerpass
• databaze: citeseer_old

příklad přihlášení klientem PSQL:

psql -d citeseer_old -U citeseer -p 5433

příklad nastavení pro jdbc:

URL="jdbc:postgresql://kore.fi.muni.cz:5433/citeseer_old" 
login="citeseer"
pass="citeseerpass"

Datový model:

Import dat

Vytvoreni databaze

• prihlasit se jako postgres
  

spustit
/opt/postgresql-8.0.2/bin/createdb -p 5433 citeseer

• create skript db

/tmp/citeseer/import_citeseer_new/pripravDB_citeseer.sh

• moznost zkontrolovat tabulky pres

./psql_connect.sh
prikaz \d - vypise tabulky
prikaz \di - vypise indexy

Úprava vstupních dat

• pokud ješte nejsou rozbalene a upravene vstupni soubory

rozbalit
tar xvzf /tmp/citeseer/oai_citeseer.tar.gz

• zkontrolovat cesty ve skriptu

/tmp/citeseer/import_citeseer_new/uprav.sh

• spustit uprav.sh

Import

• zkontrolovat nastaveni databaze ve skriptu

/tmp/citeseer/import_citeseer_new/cp.sh

• parametry jsou implicitne nastaveny na
  • URL=jdbc:postgresql://localhost:5433/citeseer
  • login="postgres"
  • pass="nejake_heslo"

• zkontrolovat cesty v cp.sh a run.sh

• Spusteni importu (nohup)

/tmp/siteseer/run.sh

Logy

• logy v cite.log a error.log

• zastaveni pres kill <cislo procesu>
• po ukonceni importu je treba vytvorit indexy ... jinak by dotazy trvaly fakt dlouho

/tmp/citeseer/import_citeseer_new/citeseer_create_index_postgres.sql

Optimalizace výkonu

prihlaste se jako majitel databaze (casto je to postgres)

spustte v klientovi příkaz

VACUUM ANALYZE

• volitelne si prijdejte indexy vlastni pres CREATE INDEX
• kontrolujte vykon selectu pres EXPLAIN