Algoritmos para identificacão de dados frios em banco de dados em memória

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Santos, Alessandra Vanessa
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Banco de dados
Algoritmos
Gerenciador de bancos de dados
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/127680
Resumo: Algoritmos para Identificac¸ ¿ao de Dados Frios em Banco de Dados em Mem´oria O crescimento da capacidade de armazenamento dos dispositivos de mem´oria principal impulsionou o desenvolvimento de sistemas de gerenciamento de bancos de dados que buscam armazenar todo o volume de dados por eles gerenciados neste meio de armazenamento, ao inv´es dos tradicionais dispositivos de armazenamento secund´ario, como os discos r´¿gidos. Por este motivo, tais sistemas ficaram conhecidos como Bancos de Dados em Mem´oria (em ingl¿es, in-memory databases ou IMDB). Neste contexto, muitos bancos de dados transacionais passaram a ser armazenados inteiramente na mem´oria principal. No entanto, uma caracter´¿stica dos sistemas transacionais ´e o crescimento cont´¿nuo dos dados. Logo, surge o desafio de lidar com o transbordamento de dados, o que ocorre quando o volume dos dados ultrapassa a capacidade de armazenamento da mem´oria principal. Todavia, as cargas de trabalho dos sistemas de bancos de dados transacionais geralmente exibem padr¿oes de acesso onde alguns registros s¿ao quentes (acessados com frequ¿encia), enquanto muitos registros s¿ao frios (raramente ou nunca acessados). Desta forma, ´e mais econ¿omico armazenar os registros frios em dispositivos de armazenamento secund´ario. Recentemente, muitos trabalhos de pesquisa abordaram o problema de transbordamento de dados, desenvolvendo abordagens para identificar dados quentes/frios. Nesta dissertac¸ ¿ao, apresentamos dois novos algoritmos chamados 2QCold e ARCold, que adaptam os algoritmos cl´assicos de gerenciamento de cache 2Q e ARC para identificar dados frios. Implementamos nossos algoritmos usando o Seal-DB e os comparamos com os algoritmos cl´assicos LRU, Forward e Belady. O benchmark TPC-C foi usado nos experimentos. Os resultados mostram que tanto o 2QCold quanto o ARCold reduzem o tempo de resposta e aumentam a taxa de acerto superando os trabalhos relacionados. Palavras-chave: Bancos de Dados em Mem´oria, IMDB, Transbordamento de Dados, Dados Quentes, Dados Frios, LRU, 2Q, ARC.
id UFOR_13e71feddbfaa47a9aea5fff1f7a02c4
oai_identifier_str oai::127680
network_acronym_str UFOR
network_name_str Biblioteca Digital de Teses e Dissertações da UNIFOR
repository_id_str
spelling Algoritmos para identificacão de dados frios em banco de dados em memóriaBanco de dadosAlgoritmosGerenciador de bancos de dadosAlgoritmos para Identificac¸ ¿ao de Dados Frios em Banco de Dados em Mem´oria O crescimento da capacidade de armazenamento dos dispositivos de mem´oria principal impulsionou o desenvolvimento de sistemas de gerenciamento de bancos de dados que buscam armazenar todo o volume de dados por eles gerenciados neste meio de armazenamento, ao inv´es dos tradicionais dispositivos de armazenamento secund´ario, como os discos r´¿gidos. Por este motivo, tais sistemas ficaram conhecidos como Bancos de Dados em Mem´oria (em ingl¿es, in-memory databases ou IMDB). Neste contexto, muitos bancos de dados transacionais passaram a ser armazenados inteiramente na mem´oria principal. No entanto, uma caracter´¿stica dos sistemas transacionais ´e o crescimento cont´¿nuo dos dados. Logo, surge o desafio de lidar com o transbordamento de dados, o que ocorre quando o volume dos dados ultrapassa a capacidade de armazenamento da mem´oria principal. Todavia, as cargas de trabalho dos sistemas de bancos de dados transacionais geralmente exibem padr¿oes de acesso onde alguns registros s¿ao quentes (acessados com frequ¿encia), enquanto muitos registros s¿ao frios (raramente ou nunca acessados). Desta forma, ´e mais econ¿omico armazenar os registros frios em dispositivos de armazenamento secund´ario. Recentemente, muitos trabalhos de pesquisa abordaram o problema de transbordamento de dados, desenvolvendo abordagens para identificar dados quentes/frios. Nesta dissertac¸ ¿ao, apresentamos dois novos algoritmos chamados 2QCold e ARCold, que adaptam os algoritmos cl´assicos de gerenciamento de cache 2Q e ARC para identificar dados frios. Implementamos nossos algoritmos usando o Seal-DB e os comparamos com os algoritmos cl´assicos LRU, Forward e Belady. O benchmark TPC-C foi usado nos experimentos. Os resultados mostram que tanto o 2QCold quanto o ARCold reduzem o tempo de resposta e aumentam a taxa de acerto superando os trabalhos relacionados. Palavras-chave: Bancos de Dados em Mem´oria, IMDB, Transbordamento de Dados, Dados Quentes, Dados Frios, LRU, 2Q, ARC.The growth in main-memory storage capacity has fueled the development of main-memory database systems. Thus, many OLTP databases can be stored entirely in the main memory. However, due to the continued growth of data, dealing with data overflow is crucial. OLTP workloads often exhibit skewed access patterns, where some records are hot (frequently accessed) but many records are cold (rarely or never accessed). So, it is more economical to store the coldest records on secondary storage such as flash or hard disk. Recently, many research works have addressed the data overflow problem, developing approaches to identify hot/cold data. In this work, we present two new algorithms called 2QCold and ARCold, which adapt the classic 2Q and ARC cache algorithms to identify cold data. We implement our algorithms using Seal-DB and compare them with the classic LRU, Forward and Belady algorithms. The TPC-C benchmark was used in the experiments. The results show that both 2QCold and ARCold reduce response time and increase hit ratio outperforming related works. Keywords: In-Memory Database, IMDB, Data Overflow, Hot Data, Cold Data, LRU, 2Q, ARC.Dissertação enviada com autorização e certificação via CI 23851/22 em 07/04/2022Pinheiro, Vladia Celia MonteiroMonteiro Filho, José Maria da SilvaAlmeida, Ana Carolina Brito deAlbuquerque, Adriano BessaUniversidade de Fortaleza. Programa de Pós-Graduação em Informática AplicadaSantos, Alessandra Vanessa2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/127680https://uol.unifor.br/auth-sophia/exibicao/26824porreponame:Biblioteca Digital de Teses e Dissertações da UNIFORinstname:Universidade de Fortaleza (UNIFOR)instacron:UNIFORinfo:eu-repo/semantics/openAccess2023-08-29T10:21:37Zoai::127680Biblioteca Digital de Teses e Dissertaçõeshttps://www.unifor.br/bdtdONGhttp://dspace.unifor.br/oai/requestbib@unifor.br||bib@unifor.bropendoar:2023-08-29T10:21:37Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)false
dc.title.none.fl_str_mv Algoritmos para identificacão de dados frios em banco de dados em memória
title Algoritmos para identificacão de dados frios em banco de dados em memória
spellingShingle Algoritmos para identificacão de dados frios em banco de dados em memória
Santos, Alessandra Vanessa
Banco de dados
Algoritmos
Gerenciador de bancos de dados
title_short Algoritmos para identificacão de dados frios em banco de dados em memória
title_full Algoritmos para identificacão de dados frios em banco de dados em memória
title_fullStr Algoritmos para identificacão de dados frios em banco de dados em memória
title_full_unstemmed Algoritmos para identificacão de dados frios em banco de dados em memória
title_sort Algoritmos para identificacão de dados frios em banco de dados em memória
author Santos, Alessandra Vanessa
author_facet Santos, Alessandra Vanessa
author_role author
dc.contributor.none.fl_str_mv Pinheiro, Vladia Celia Monteiro
Monteiro Filho, José Maria da Silva
Almeida, Ana Carolina Brito de
Albuquerque, Adriano Bessa
Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada
dc.contributor.author.fl_str_mv Santos, Alessandra Vanessa
dc.subject.por.fl_str_mv Banco de dados
Algoritmos
Gerenciador de bancos de dados
topic Banco de dados
Algoritmos
Gerenciador de bancos de dados
description Algoritmos para Identificac¸ ¿ao de Dados Frios em Banco de Dados em Mem´oria O crescimento da capacidade de armazenamento dos dispositivos de mem´oria principal impulsionou o desenvolvimento de sistemas de gerenciamento de bancos de dados que buscam armazenar todo o volume de dados por eles gerenciados neste meio de armazenamento, ao inv´es dos tradicionais dispositivos de armazenamento secund´ario, como os discos r´¿gidos. Por este motivo, tais sistemas ficaram conhecidos como Bancos de Dados em Mem´oria (em ingl¿es, in-memory databases ou IMDB). Neste contexto, muitos bancos de dados transacionais passaram a ser armazenados inteiramente na mem´oria principal. No entanto, uma caracter´¿stica dos sistemas transacionais ´e o crescimento cont´¿nuo dos dados. Logo, surge o desafio de lidar com o transbordamento de dados, o que ocorre quando o volume dos dados ultrapassa a capacidade de armazenamento da mem´oria principal. Todavia, as cargas de trabalho dos sistemas de bancos de dados transacionais geralmente exibem padr¿oes de acesso onde alguns registros s¿ao quentes (acessados com frequ¿encia), enquanto muitos registros s¿ao frios (raramente ou nunca acessados). Desta forma, ´e mais econ¿omico armazenar os registros frios em dispositivos de armazenamento secund´ario. Recentemente, muitos trabalhos de pesquisa abordaram o problema de transbordamento de dados, desenvolvendo abordagens para identificar dados quentes/frios. Nesta dissertac¸ ¿ao, apresentamos dois novos algoritmos chamados 2QCold e ARCold, que adaptam os algoritmos cl´assicos de gerenciamento de cache 2Q e ARC para identificar dados frios. Implementamos nossos algoritmos usando o Seal-DB e os comparamos com os algoritmos cl´assicos LRU, Forward e Belady. O benchmark TPC-C foi usado nos experimentos. Os resultados mostram que tanto o 2QCold quanto o ARCold reduzem o tempo de resposta e aumentam a taxa de acerto superando os trabalhos relacionados. Palavras-chave: Bancos de Dados em Mem´oria, IMDB, Transbordamento de Dados, Dados Quentes, Dados Frios, LRU, 2Q, ARC.
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/127680
url https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/127680
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://uol.unifor.br/auth-sophia/exibicao/26824
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR
instname:Universidade de Fortaleza (UNIFOR)
instacron:UNIFOR
instname_str Universidade de Fortaleza (UNIFOR)
instacron_str UNIFOR
institution UNIFOR
reponame_str Biblioteca Digital de Teses e Dissertações da UNIFOR
collection Biblioteca Digital de Teses e Dissertações da UNIFOR
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)
repository.mail.fl_str_mv bib@unifor.br||bib@unifor.br
_version_ 1800408765024960512

Registros relacionados