Banca de DEFESA: MATEUS NUNES DE BARROS MAGALHAES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : MATEUS NUNES DE BARROS MAGALHAES
DATA : 24/02/2022
HORA: 14:00
LOCAL: Virtual
TÍTULO:

Uma Avaliação da Redundância e do Particionamento de Dados 
Convencionais e Geoespaciais em Data Warehouses Orientados a Colunas

PALAVRAS-CHAVES:

Data-warehouse geográfico, NoSQL, Redundância, 
Particionamento, Seletividade

PÁGINAS: 86
RESUMO:

A crescente demanda por processamento analítico alinhada a expansão dos 
ambientes de Big Data colocou em xeque a capacidade do modelo relacional de 
atender tais aplicações, sem comprometer o desempenho das mesmas ou 
incorrer em custos exorbitantes. Os bancos de dados NoSQL foram escolhidos 
como uma alternativa viável para suprir tais necessidades. Eles relaxam os 
controles de consistência, integridade e transacionais característicos de 
bancos relacionais para oferecerem mais disponibilidade, poder de 
processamento paralelo e escalabilidade horizontal. Estudos mostraram que a 
classe de bancos de dados NoSQL orientados a colunas apresentam bons 
desempenhos para o uso com finalidades analíticas, pois, os dados de cada 
coluna são armazenados contiguamente e separados fisicamente das demais 
colunas. O planejamento de esquemas para os bancos de dados orientados a 
colunas foi objeto de diversas pesquisas, as quais, avaliaram abordagens 
normalizadas e desnormalizadas, bem como, as formas mais adequadas de se 
promover a separação física dos dados de cada coluna. No entanto, esses 
estudos não consideraram cenários que envolvam dados geoespaciais presentes 
na base e no escopo das consultas analíticas. Com o intuito de investigar 
as influências da redundância e do particionamento de dados convencionais e 
geoespaciais em GDWs orientados a colunas e utilizados com finalidades 
analíticas, propusemos 40 esquemas que adotam abordagens distintas para 
modelar os relacionamentos entre fatos e dimensões, entre dimensões 
convencionais e geoespaciais, e entre as próprias dimensões geoespaciais. 
Utilizamos o benchmark denominado Spadawan para gerar os dados em 
conformidade com os esquemas propostos, para os fatores de escala 1 e 10, e 
avaliar o volume de dados, tempo de ingestão e tempo para a execução de uma 
carga de consultas geoespaciais em um cluster computacional composto por 4 
nós. Nossos resultados evidenciaram que a desnormalização das dimensões 
convencionais foi a abordagem que mais contribuiu positivamente para a 
redução dos tempos de execução, apesar de elevar o volume de armazenamento 
demandado. A normalização das dimensões geográficas de menor seletividade 
contribuiu com a redução dos tempos de execução, enquanto, a normalização 
ou desnormalização das mais seletivas não ocasionou impactos positivos ou 
negativos expressivamente.

MEMBROS DA BANCA:
Externa à Instituição - ANDREZA LEITE DE ALENCAR - UFRPE
Presidente - 2320094 - LUCIANO DE ANDRADE BARBOSA
Interno - 1538945 - ROBSON DO NASCIMENTO FIDALGO