DBMS-analyzer: um framework para análise holística de desempenho de SGBDs.

• Ano de defesa: 2008
• Autor(a) principal: NUNES, Camilo Porto.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Banco de Dados Autônomos; PostgreSQL; Gerência de Memória; Autonomous Databases; Memory Management; Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/11026

Os sistemas de gerência de banco de dados vêm se tornando cada vez mais complexos. Com o crescimento dessa complexidade, também cresce o custo de manter esse software funcionando satisfatoriamente a seus usuários, principalmente o seu desempenho. Para reduzir este custo, a computação autônoma propõe a autonomia dos sistemas de maneira que eles executem tarefas de gerência de forma automática, reduzindo a intervenção humana no processo de gerência. Esta dissertação apresenta um framework de gerência automática de desempenho de SGBDs que utiliza redes de filas e análise operacional para avaliar o desempenho desses softwares e detectar eventuais problemas. O framework implementa o ciclo básico de gerência automática, característico da computação autônoma, que possui quatro etapas básicas: monitorar, analisar, planejar e executar. Também é proposta, nesta dissertação, uma estratégia para ajustar automaticamente as estruturas de memória do SGBD PostgreSQL. O algoritmo de ajuste leva em conta características da carga de comandos SQL a que o PostgreSQL está submetido, tais como freqüência de acesso às tabelas do banco de dados, tamanho dessas tabelas, tamanho de índices, freqüência de comandos que exijam ordenação, dentre outras. A estratégia de ajuste foi implementada como uma extensão do framework para gerenciar o desempenho do PostgreSQL. Testes elaborados para a extensão do framework mostram que ele foi capaz de reduzir em pelo menos 16% o tempo de resposta dos comandos SQL submetidos ao PostgreSQL, apenas ajustando seus parâmetros shared_buffer e work_mem.