Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Mendizabal, Eduardo Pingarilho
Orientador(a): Von Paumgartten, Aletéia Patrícia Favacho de Araújo
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
Link de acesso: http://repositorio.unb.br/handle/10482/54558
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Computação Aplicada, 2025.
id UNB_7032ac14345d18c20cf85e20ea2cfc50
oai_identifier_str oai:repositorio.unb.br:10482/54558
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Mendizabal, Eduardo PingarilhoRocha Filho, Geraldo PereiraVon Paumgartten, Aletéia Patrícia Favacho de Araújo2026-06-01T18:29:37Z2026-06-01T18:29:37Z2026-06-012025-12-16MENDIZABAL, Eduardo Pingarilho. Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina. 2025. 105 f., il. Dissertação (Mestrado profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2025.http://repositorio.unb.br/handle/10482/54558Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Computação Aplicada, 2025.O Buffer Pool (BPOOL) é um componente essencial em Sistema de Gerenciamento de Banco de Dados (SGBD) que é o responsável por manter em memória páginas de dados fre quentemente acessadas e, assim, reduzir a latência de operações de entrada e saída. Este trabalho propõe uma metodologia automatizada para otimização de BPOOL, baseada em Aprendizado de Máquina, estruturada em três etapas integradas: (i) redução dimen sional orientada por Análise Fatorial Exploratória combinada ao agrupamento K-Means para síntese de métricas; (ii) seleção de parâmetros via regressão LASSO, identificando as variáveis de maior influência no atraso síncrono; e (iii) aplicação de Bayesian Optimiza tion Gaussian Process Regression com as funções de aquisição Expected Improvement, Probability of Improvement e Upper Confidence Bound. Os experimentos, conduzidos em ambiente mainframe de uma instituição financeira, avaliaram 29 BPOOLs e resultaram em ganhos efetivos maiores de 10% em 17 deles, com reduções de latência superiores a 90% nos casos mais críticos, e entre 12% e 50% nos demais. A solução monstrou capaci dade de identificar gargalos reais, evitar recomendações desnecessárias em pools estáveis e propor ajustes alinhados ao padrão de carga de cada buffer, mantendo governança de implantação e rollback seguro. Os resultados confirmam a efetividade prática da abor dagem na gestão adaptativa de memória, e na estabilização de desempenho em sistemas corporativos de grande escala.The Buffer Pool (BPOOL) is a fundamental component of a Database Management Sys tem (DBMS), responsible for keeping frequently accessed data pages in memory and thus reducing input/output latency. This work proposes an automated methodology for BPOOL optimization, based on Machine Learning, structured in three integrated stages: (i) dimensionality reduction guided by Análise Fatorial Exploratória combined with K Means clustering for metric synthesis; (ii) parameter selection using LASSO regression to identify the variables with the greatest influence on synchronous delay; and (iii) applica tion of Bayesian Optimization Gaussian Process Regression with the acquisition functions Expected Improvement, Probability of Improvement, and Upper Confidence Bound. The experiments, conducted in a mainframe environment of a financial institution, evaluated 29 BPOOLs and resulted in effective gains above 10% in 17 of them, with latency reduc tions greater than 90% in the most critical cases and between 12% and 50% in the others. The solution demonstrated the ability to identify real bottlenecks, avoid unnecessary rec ommendations in stable pools, and propose adjustments aligned with the workload profile of each buffer, while maintaining deployment governance and safe rollback. The results confirm the practical effectiveness of the approach for adaptive memory management and performance stabilization in large-scale corporate systems.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalporA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessOtimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisBanco de dadosAprendizado de máquinareponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALEduardoPingarilhoMendizabal_DISSERT.pdfEduardoPingarilhoMendizabal_DISSERT.pdfapplication/pdf6133642http://repositorio.unb.br/bitstream/10482/54558/1/EduardoPingarilhoMendizabal_DISSERT.pdf199cb6cbd29c9c156afd956facaeafbcMD51open accessLICENSElicense.txtlicense.txttext/plain102http://repositorio.unb.br/bitstream/10482/54558/2/license.txtaed4704d04bb260d4decd80db311aaa5MD52open access10482/545582026-06-01 15:29:37.871open accessoai:repositorio.unb.br:10482/54558U3VibWlzc8OjbyBlZmV0aXZhZGEgZGUgYWNvcmRvIGNvbSBsaWNlbsOnYSBjb25jZWRpZGEgcGVsbyBhdXRvciBlL291IGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcy4KRepositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2026-06-01T18:29:37Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
title Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
spellingShingle Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
Mendizabal, Eduardo Pingarilho
Banco de dados
Aprendizado de máquina
title_short Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
title_full Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
title_fullStr Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
title_full_unstemmed Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
title_sort Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina
author Mendizabal, Eduardo Pingarilho
author_facet Mendizabal, Eduardo Pingarilho
author_role author
dc.contributor.advisorco.none.fl_str_mv Rocha Filho, Geraldo Pereira
dc.contributor.author.fl_str_mv Mendizabal, Eduardo Pingarilho
dc.contributor.advisor1.fl_str_mv Von Paumgartten, Aletéia Patrícia Favacho de Araújo
contributor_str_mv Von Paumgartten, Aletéia Patrícia Favacho de Araújo
dc.subject.keyword.pt_BR.fl_str_mv Banco de dados
Aprendizado de máquina
topic Banco de dados
Aprendizado de máquina
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Computação Aplicada, 2025.
publishDate 2025
dc.date.submitted.none.fl_str_mv 2025-12-16
dc.date.accessioned.fl_str_mv 2026-06-01T18:29:37Z
dc.date.available.fl_str_mv 2026-06-01T18:29:37Z
dc.date.issued.fl_str_mv 2026-06-01
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.citation.fl_str_mv MENDIZABAL, Eduardo Pingarilho. Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina. 2025. 105 f., il. Dissertação (Mestrado profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2025.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/54558
identifier_str_mv MENDIZABAL, Eduardo Pingarilho. Otimização automatizada de buffer pool em bancos de dados mainframe utilizando aprendizado de máquina. 2025. 105 f., il. Dissertação (Mestrado profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2025.
url http://repositorio.unb.br/handle/10482/54558
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio.unb.br/bitstream/10482/54558/1/EduardoPingarilhoMendizabal_DISSERT.pdf
http://repositorio.unb.br/bitstream/10482/54558/2/license.txt
bitstream.checksum.fl_str_mv 199cb6cbd29c9c156afd956facaeafbc
aed4704d04bb260d4decd80db311aaa5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1876329523481411584

Registros relacionados