Работы с контентом в сообществах социальных сетей

 

Объект исследования: процесс работы с контентом в сообществах социальных сетей.

Результаты, полученные лично автором: разработан программный комплекс работы с контентом в сообществах социальных сетей.

 

Социальные сети давно и довольно плотно связаны с жизнью современного человека. На текущий момент в России существует более 60 крупнейших агентств (доход которых превышает 100 млн. руб. в год), которые специализируются исключительно на SMM-продвижении (продвижении в социальных сетях). Стоит отметить, что интернет-рынок является единственным растущим рынком рекламы по данным 2016 года.

Цель разработки – сокращения временных затрат, обеспечение удобства и эффективности работы SMM-специалиста, улучшение представительств брендов в интернет-пространстве.

В ходе долгой работы с сообществами в социальных сетях был выявлен ряд проблем таких, как:

1. Возникновение необходимости использования методов интеллектуального анализа данных.

2. Недостаточное количество решений ряда оптимизирующих задач.

3. Отсутствие готовых математических моделей.

Целевая аудитория проекта – представители компаний и брендов, SMM-менеджеры и интернет-маркетологи, которые занимаются ведением сообществ в социальных сетях.

При анализе рынка конкурентов, было выявлено следующее:

1. Нет аналога, закрывающего все функции системы.

2. Для использования подобного функционала необходимо использовать минимум 4 системы, например, Церебро.Таргет, Popsters, SMMplanner, Google Календарь.

3. Использование нескольких систем, дублирование информации негативно отражаются на временных затратах при работе.

4. Отсутствие интеллектуальных алгоритмов в работе с контент-планом не позволяет делать сложную аналитику регулярно.

Разработанный программный комплекс построен на основе архитектуры клиент-сервер (см. рис.). Клиентская часть системы обращается по сети к серверной части. Клиентские задачи выполняет браузер и смартфон, а серверные – веб-сервер. Запросы пользователя направляются базе данных, в которой хранятся списки необходимых рубрик для публикаций, данные по публикациям, ссылки на сообщества и пользователей, сгенерированные планы публикаций и так далее. Необходимые данные извлекаются из социальных сетей через плагины для работы с ними. По полученным результатам веб-сервер формирует ответ и направляет его в браузер клиента или мобильное приложение.

Рис. Архитектура программного комплекса

В программном комплексе в качестве веб-сервера используется Apache-2.2. Система управления БД – MySQL-5.5, к преимуществам которой можно отнести:

1. Функционал, поддерживающий большинство функционала SQL.

2. Большое количество функций, обеспечивающих безопасность, которые поддерживаются по умолчанию.

3. MySQL легко работает с большими объемами данных и легко масштабируется.

В качестве среды для разработки мобильного приложения под Android была выбрана Android Studio. Для системы iOS – Xcode.

В качестве языков программирования для разработки веб-сайта были выбраны PHP и JavaScript.

Разработанный программный комплекс полезен большинству компаний, работающих в B2C-секторе. Он помогает в планировании более качественной маркетинговой стратегии, облегчает задачу генерации контента, а также упрощает руководство проектом по продвижению в социальных сетях.

Материал поступил в редколлегию 20.04.2017

 

УДК 004.4

Шилина А.О.

Научный руководитель: ассистент кафедры «Информатика и программное обеспечение», Е.В. Коптенок

shilina.alina@yandex.ru

 

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ ИНДЕКСОВ COLUMNSTORE ПРИ ВЫПОЛНЕНИИ SQL – ЗАПРОСОВ

В MICROSOFT SQL SERVER 2016

 

Объект исследования: эффективность применения индексов columnstore при выполнении SQL-запросов в Microsoft Server 2016.

Результаты, полученные лично автором: определены объемы данных, при которых применение индексов columnstore может существенно повысить производительность приложения.

 

Одной из важных задач приложения является получение информации из базы данных. Нередко возникают ситуации, когда запрос на получение данных работает долго, потребляя значительные ресурсы памяти и дисков. Причиной ресурсоемкости запроса может быть плохая статистика таблиц и индексов. Производительность системы баз данных напрямую зависит от способа хранения данных и скорости их перемещении в регистры процессора для обработки.

Таким образом, целью данной работы является определение случаев, когда применение columnsore-индексов наиболее эффективно.

Работа по оценке эффективности применения columnsore-индексов начиналась с составления базы данных предприятия в системе управления реляционными базами данных Microsoft SQL Server 2016. Разработанная база включала в себя следующие таблицы: Vendor— 1000 записей, type — 1000 записей, market1 — 1000 записей, market2 — 500 000 записей, market3— 3 млн. записей, market4 — 18 млн. записей. Также было составлено 4 запроса, различающихся по уровню сложности.

Каждый запрос 20 раз применялся поочередно к таблицам без использования индексов columnsore. Вычислялось среднее время выполнения каждого запроса. Аналогичным образом измерялось время выполнения каждого запроса с использованием columnsore.На заключительном этапе работы проводился анализ полученных данных и определение случаев, в которых применение columnsore существенно повышает производительность приложения.

Результаты исследования представлены на рис.1.
По оси ОХ отображается номер запроса, а по OY – время выполнения запроса в мс. Синий столбец показывает время без использования индексов. Оранжевый – с использованием columnsore.

Согласно результатам, представленным на рис.1, применение columnsore к таблице market4 на 18 млн записей увеличило время выполнения простых запросов №1 и 2. Однако время выполнения запросов №3 и 4 существенно сократилось.

 

Рис. 1. «Результаты выполнения запросов в таблице с 18 млн записями»

На основании полученных результатов можно сделать вывод, что чем больше данных в таблице, тем эффективнее использование columnstore. Однако в случае, если база данных содержит малый объем информации, использование columnstore может существенно повлиять на производительность приложения и замедлить его работу. Также удалось установить, что использование columnstore эффективно в случае сложных запросов, к примеру, содержащих операторы GROUP BY, JOIN, UNION и другие.

Материал поступил в редколлегию 24.04.2017

ВЫСШАЯ МАТЕМАТИКА

УДК 519.8

А.Л. Амбарцумян

Научный руководитель: доцент кафедры “Высшая математика” Л.А. Гусакова

Asinka1992@rambler.ru