Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices

Tamanho: px
Começar a partir da página:

Download "Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices"

Transcrição

1 Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices André Medeiros 1,2, Aristênio Saraiva 2, Gustavo Campos 2, José Maria Monteiro 3 1 IBM - Brasil 2 Departamento de Computação, Universidade Estadual do Ceará (UECE) - Brasil {aristenio, 3 Departamento de Computação, Universidade Federal do Ceará (UFC) - Brasil Abstract. This paper presents a mechanism, denoted Neural-PIM, for proactive index management based on the use of artificial neural networks. Neural-PIM is DBMS-independent, runs continuously and with no DBA intervention. Additionally, Neural-PIM is based on a four steps approach: (1) monitoring the workload submitted to DBMS, (2) identifying a set of time consuming queries and discovery the more appropriate index structures to reduce the response time of the previous identified queries, (3) prediction, using a neural network, of the next time that these queries will run again, and (4) index creation/drop in an automatic and proactive manner. Experiments show that our method can be effectively deployed to predict the time consuming queries execution and provides performance gains, even if the created index are dropped as soon as the predicted query (associated with it) runs. Categories and Subject Descriptors: H. Information Systems [H.m. Miscellaneous]: Databases Keywords: neural network, index, self-tuning 1. INTRODUÇÃO As aplicações de banco de dados têm como um de seus principais requisitos o desempenho, o qual pode ser expresso pelo tempo de resposta das consultas e pela vazão (throughput) das transações. Neste contexto, as estruturas de índice adquirem um papel de fundamental importância. A existência de índices adequados acelera a execução das consultas submetidas ao SGBD (Sistema de Gerenciamento de Banco de Dados) [Morelli et al. 2009]. Assim, uma das principais atividades de um administrador de banco de dados (DBA - Database Administrator) consiste em manter uma configuração (conjunto) de índices sempre adequada, ou seja, que minimize o tempo de execução da carga de trabalho (conjunto de consultas e atualizações) submetida ao SGBD. Contudo, realizar manutenção (criação, remoção e reorganização) da configuração de índices de forma manual tem se tornado uma tarefa complexa, uma vez que requer um profundo conhecimento acerca dos parâmetros dos SGBDs, das características dos dados armazenados e da carga de trabalho [Chaudhuri and Narasayya 2007]. Nos últimos anos, alguns trabalhos têm investigado estratégias para realizar a manutenção da configuração de índices de forma automática e contínua [Bruno and Chaudhuri 2007a; 2007b; Schnaitter et al. 2006; 2007; Luhring et al. 2007; Sattler et al. 2003; 2003; Sattler et al. 2004]. Porém, estas soluções usualmente adotam a estratégia clássica de auto-sintonia [Weikum et al. 1994], a qual é composta pelas seguintes fases: Observação, Predição e Reação. Assim, essas abordagens podem ser classificadas como reativas. Uma solução reativa analisa periodicamente uma amostra da carga de trabalho anteriormente executada e, caso ocorram alterações relevantes nas características da carga de trabalho monitorada, o sistema reage alterando a configuração de índices corrente. Já uma solução pró-ativa busca prever mudanças nas propriedades da carga de trabalho, ou seja, procura identificar as particularidades da carga de trabalho que será executada no futuro, e de maneira pró-ativa realizar os ajustes necessários na configuração de índices. 33

2 146-2 J.M. Monteiro et al. Neste trabalho, estamos especialmente interessados em um tipo particular de consultas, às quais serão denominadas consultas com elevado tempo de execução. Tais consultas apresentam os seguintes aspectos: i) elevado tempo de execução; ii) baixa freqüência; iii) distribuição irregular; e iv) existência de estruturas de índice que possibilitem acelerar sua execução. Neste contexto, seria interessante manter um histórico das execuções das consultas que possuem esse perfil e, com base nesse histórico, prever o momento em que uma dessas consultas será executada novamente. Desta forma, uma ferramenta poderia se antecipar a este evento e criar, de maneira automática e pró-ativa, as estruturas de índice adequadas a fim de acelerar a execução da consulta. Este artigo apresenta um mecanismo capaz de realizar a manutenção pró-ativa das estruturas de índices para consultas com elevado tempo de execução. A solução proposta, denominada Neural-PIM, baseia-se na utilização de redes neurais artificiais (RNAs) e é independente da intervenção humana. Adicionalmente, uma arquitetura para a implementação da abordagem proposta é discutida. A arquitetura apresentada é independente do SGBD e executa suas tarefas de forma contínua. Para realizar a previsão da execução das consultas duas redes neurais diferentes foram investigadas: multilayer perceptron (MLP) e radial basis function (RBF) [Bishop 2006]. A abordagem proposta foi implementada e avaliada em um ambiente real. Os testes realizados indicam a viabilidade de se prever a execução das consultas com elevado tempo de resposta e que a criação pró-ativa de índices para estas consultas proporciona ganhos de desempenho. O restante deste artigo está organizado da seguinte forma: a seção 2 apresenta os trabalhos relacionados; a seção 3 discute a arquitetura e a abordagem proposta neste trabalho para a manutenção pró-ativa de índices; na seção 4 os resultados experimentais são apresentados e discutidos e a seção 5 conclui este trabalho e aponta direções para trabalhos futuros. 2. TRABALHOS RELACIONADOS Nesta seção iremos discutir as abordagens encontradas na literatura para a manutenção automática de índices. Vale ressaltar que as abordagens identificadas são reativas, enquanto a solução proposta neste trabalho é pró-ativa. Em [Bruno and Chaudhuri 2007a; 2007b] os autores apresentam uma ferramenta para a sintonia de índices implementada como um componente do Microsoft SQL Server Esta ferramenta executa continuamente e, reagindo a variações na carga de trabalho ou nas características dos dados acessados, modifica de forma automática o projeto físico do banco de dados. Schnaitter et al apresentam em [Schnaitter et al. 2006; 2007] o protótipo de um framework de autosintonia denominado COLT (Continuous On-Line Tuning). Essa ferramenta monitora continuamente as consultas submetidas ao SGBD e automaticamente ajusta a configuração de índices. O COLT foi implementado de forma intrusiva junto ao código do PostgreSQL, substituindo o otimizador de consultas do PostgreSQL por um módulo, denominado Extended Query Optimizer (EQO), e adicionando um novo módulo chamado Self-Tuning Module (STM). Em [Luhring et al. 2007] é apresentada uma extensão ao PostgreSQL cujo objetivo é fornecer suporte para a sintonia automática de índices. Esta ferramenta executa de forma seqüencial e contínua as três fases do ciclo de auto-sintonia definidos em [Weikum et al. 1994]. Em [Sattler et al. 2003; 2003; Sattler et al. 2004] os autores propõem um middleware para o IBM DB2 o qual sugere de forma automática a criação de índices. Esta solução baseia-se em comandos proprietários do DB2 (e.g SET CURRENT EXPLAIN MODE RECOMMEND INDEXES), os quais podem não estar disponíveis em outros SGBDs. Além disso, ela requer que todas as cláusulas SQL sejam encaminhadas para o middleware, o qual redireciona esses comandos para o SGBD. O trabalho proposto em [Salles and Lifschitz 2005; de Carvalho Costa et al. 2005; Morelli et al. 2009] apresenta um componente de sintonia automática de índices implementado junto ao código do PostgreSQL, o qual permite a criação, remoção e reconstrução de índices de forma autônoma. 34

3 3. MANUTENÇÃO PRÓ-ATIVA DE ÍNDICES Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices Nesta seção apresentamos uma abordagem e uma arquitetura para a manutenção pró-ativa das estruturas de índices voltada para consultas com elevado tempo de execução. 3.1 A Arquitetura Proposta A arquitetura proposta neste trabalho (Figura 1), uma extensão do arcabouço apresentado em [Monteiro et al. 2008], permite a manutenção automática e pró-ativa das estruturas de índice. De um modo geral, a arquitetura propõe a realização da auto-sintonia durante a operação normal do SGBD, por meio da colaboração entre agentes de software, os quais utilizam drivers para obter informações do banco de dados. A utilização dos drivers possibilita que a arquitetura seja independente de SGBD. A seguir, discute-se os principais componentes desta arquitetura: Fig. 1. Arquitetura para a Manutenção Pró-Ativa de Índices. Agent for Workload Obtainment (AWO): Este agente captura periodicamente a carga de trabalho submetida ao SGBD alvo. Para isso, o agente consulta a metabase do SGBD e recupera as cláusulas SQL que foram ou estão sendo executadas, juntamente com seus respectivos planos de execução e estimativas de custo. Em seguida, essas informações são armazenadas na metabase local (LM). Local MetaData (LM): A metabase local armazena a carga de trabalho capturada pelo agente AWO e um conjunto de informações acerca das estruturas de índice gerenciadas pela arquitetura. Driver for Workload Access (DWA): Permite recuperar a carga de trabalho submetida ao SGBD. Executer Agent (EA): Este agente é responsável pelas atualizações no esquema do SGBD alvo, isto é, pela criação e remoção de índices. O agente executor recebe uma recomendação do agente APIM e executa esta recomendação no SGBD alvo. Driver for DBMS Update (DDU): Driver responsável por executar os comandos necessários para atualizar a configuração de índices. Agent for Proactive Index Maintenance for Very Heavy Queries (APIM): Este agente é responsável pela manutenção pró-ativa da configuração de índices. 35

4 146-4 J.M. Monteiro et al. 3.2 A Abordagem Proposta A abordagem proposta neste trabalho para a manutenção pró-ativa de índices é composta por quatro etapas. A seguir, cada uma dessas etapas é discutida em detalhes Etapa 1: Monitoramento e captura da carga de trabalho. Consiste em extrair do catálogo (log) do SGBD alvo a carga de trabalho a este submetida. Assim, para cada instrução SQL executada, o agente AWO obtém e armazena na LM: a própria cláusula SQL, seu plano de execução e o seu custo Etapa 2: Identificação das consultas com elevado tempo de execução e das estruturas de índices mais adequadas para estas consultas. A solução proposta para identificar as consultas com elevado tempo de execução baseia-se na heurística de benefícios, inicialmente proposta em [Salles and Lifschitz 2005]. O conceito de beneficio busca quantificar o ganho proporcionado pela utilização de uma determinada estrutura de índice i para uma consulta q. Mais formalmente, podemos definir benefício como: Definição 3.1 Benefício. Seja B i,q o benefício proporcionado pela estrutura de índice i para o processamento de uma consulta q. Temos que: B i,q = max{0, cost(q) cost(q, i)}, onde, cost(q) representa o custo de execução da consulta q sem a utilização do índice i e cost(q, i) representa o custo de execução da consulta q utilizando-se o índice i. A partir do conceito de benefício pode-se definir formalmente o que neste trabalho será considerada uma consulta com elevado tempo de execução. Definição 3.2 Consulta com Elevado Tempo de Execução. Uma consulta q é considerada de elevado tempo de execução se e somente se: i) RT q > t, onde RT q é o tempo de resposta de q e t é uma constante (parâmetro); ii) F q < k, onde F q é a quantidade de execuções de q divida pelo tamanho do período de observação, dado em meses, e k é uma constante (parâmetro); e iii) existe pelo menos uma estrutura de índice i tal que: B i,q > EC Ci, onde EC Ci é o custo estimado de criação da estrutura de índice i. Nesta etapa, com a finalidade de se identificar as consultas com elevado tempo de execução, juntamente com os índices mais adequados para cada uma dessas consultas utilizamos uma adaptação da estratégia proposta em [Monteiro et al. 2008]. O mecanismo proposto em [Monteiro et al. 2008] utiliza o conceitos de Plano Hipotético e foi concebido para identificar os índices que poderiam trazer benefícios para uma determinada consulta. A idéia básica desta estratégia consiste em obter para cada consulta capturada o seu plano de execução real, ou seja, aquele gerado pelo otimizador de consultas, e, em seguida, percorrer esse plano buscando-se identificar operações que não utilizam índices, como um full scan, por exemplo, mas que poderiam ser substituídas por operações que fizessem uso de índices, caso esses índices existissem, como um index scan, por exemplo. As operações substitutas são denominadas hipotéticas, os índices utilizados por elas são chamados índices hipotéticos e o plano gerado por este processamento é denominado plano hipotético. Assim, supõem-se que se os índices hipotéticos existissem o otimizador de consultas poderia escolher um plano de execução melhor que o plano real [Monteiro et al. 2008]. Logo, os índices identificados neste processo são considerados os mais adequados para acelerar a execução da consulta analisada. Neste trabalho, adaptamos a estratégia concebida em [Monteiro et al. 2008] aplicando uma restrição sobre os índices hipotéticos identificados, qual seja: selecionamos somente os índices hipotéticos cujo benefício para a consulta analisada q, (B i,q ), seja maior que o seu custo de criação EC Ci. O conjunto de índices selecionados para a consulta q é denominado I q. Esta tarefa é realizada periodicamente e de forma automática pelo agente APIM, que após processar cada consulta SQL q, previamente capturada e armazenada na LM, armazena na LM: i) a informação de que q é uma consulta com elevado tempo de execução e ii) o conjunto I q. 36

5 Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices Etapa 3: Previsão da execução das consultas com elevado tempo de execução. Nesta etapa, já foram identificadas as consultas com elevado tempo de execução, bem como os índices adequados para cada uma dessas consultas. O próximo passo consiste em instanciar e treinar uma RNA com previsão de tempo (objeto implementado em linguagem Java) para cada consulta q identificada, cuja finalidade é prever quando q irá executar novamente. Contudo, aqui surge um desafio: como identificar a configuração mais adequada para esta rede neural? Esse problema é discutido na seção 3.3. O agente APIM utiliza as redes neurais existentes para prever a próxima ocorrência de uma determinada consulta q. Para isso, dada uma consulta com elevado tempo de execução previamente identificada q, o agente APIM recupera da LM as n últimas execuções (dependendo da janela de tempo utilizada) e, em seguida, aplica a rede neural para prever quando q irá executar novamente. Em seguida, este agente solicita ao EA que agende a criação dos índices associados a q. Essa requisição é composta pela seguinte tripla: < q, I q, N q >, onde N q é a data prevista para a próxima execução de q. Além disso, o agente APIM monitora as consultas executadas e capturadas (a partir da metabase local) com a finalidade de descobrir se uma determinada consulta q, cuja execução foi prevista e cujos índices pertencentes a I q foram criados de maneira pró-ativa, já foi executada Etapa 4: Criação e remoção automática e pró-ativa de índices. Nesta etapa, cada requisição referente à criação de índices (contendo < q, I q, N q >) recebida pela agente EA é agendada para um instante de tempo t anterior a N q. Nos experimentos realizados utilizou como valor de t a madrugada anterior a N q. Vale ressaltar que diminuindo o valor de t seria possível aumentar a taxa de acerto, ou seja, a probabilidade de q executar após t. Contudo, o overhead de manter os índices criados sem serem efetivamente utilizados também seria incrementado. Adicionalmente, após a execução de uma consulta q o agente EA pode: i) receber e executar solicitações para a remoção dos índices em I q ou ii) manter materializados os índices em I q. 3.3 Identificação das Redes Neurais Utilizadas Nesta seção iremos discutir como encontrar uma modelagem de uma rede neural que seja adequada para a previsão da execução de consultas SQL. Com esta finalidade utilizou-se uma estratégia baseada em cinco passos, os quais serão apresentados a seguir Passo 1: Coleta dos dados de treinamento e de teste. Neste passo coletamos o histórico das consultas executas no SGBD alvo. Para a execução desta tarefa existem duas possibilidades: (i) utilizar a metabase local (LM) gerenciada pela arquitetura proposta; e (ii) analisar o arquivo de log (transaction log) do SGBD alvo, o qual armazena todas as cláusulas SQL de todas as transações submetidas ao SGBD. Neste trabalho optamos por utilizar o arquivo de log como fonte dos registros históricos das consultas executadas. Essa escolha foi motivada principalmente pelo fato da metabase local (LM) ainda não possuir um volume significativo de informações. Assim, para implementar e avaliar a abordagem proposta analisou-se os arquivos de log de um banco de dados real utilizado por uma empresa multinacional, cuja identidade não será revelada por questões de sigilo. Foram analisados os registros das transações executadas no período de 2008 a 2010 em um banco de dados de produção, utilizado por uma aplicação OLTP. Este banco de dados é constituído por tabelas e possui o tamanho de 1,5 TB. As informações referentes às consultas executas, aos planos de execução utilizados, bem como data e hora da execução foram extraídas dos arquivos de log armazenadas na LM Passo 2: Pré e pós-processamento dos dados. Neste passo, processamos e analisamos o histórico das consultas executadas no período de 2008 a 2010, com a finalidade de: (i) selecionar (filtrar) somente as consultas com elevado tempo de execução; e, (ii) decompor a data/hora (valor do tipo datetime) de execução de cada consulta em dois valores distintos: dia e mês. Em seguida, selecionou-se as consultas com RT q > 9000s, F q < 5 e distribuição irregular. Esses valores foram escolhidos com o objetivo de gerar uma amostra pequena mas representativa de consultas, as quais foram utilizadas para validar a abordagem proposta e a utilização das redes neurais. Assim, cinco consultas foram selecionadas, o que resultou em 90 redes neurais avaliadas e 360 execuções de teste. 37

6 146-6 J.M. Monteiro et al Passo 3: Projetar a estrutura de rede neural. Este passo tem por finalidade identificar uma modelagem de uma rede neural que seja adequada para a previsão da execução de consultas SQL. Neste sentido, avaliamos duas redes neurais diferentes: multilayer perceptron (MPL) com janela de tempo e radial basis function (RBF). Para cada uma das redes neurais (MPL e RBF) utilizamos três modelagens diferentes, e em cada modelagem variamos a janela de tempo entre duas, três e quatro janelas. A primeira modelagem utiliza classificadores como resultado. Neste caso, a entrada da rede é formada pelas variáveis dia e mês, enquanto a saída desejada consiste em um par contendo um dia e um mês separados por hífen. Quando utilizamos classificadores temos que declarar todos os possíveis valores de entrada e saída da rede neural, o que é chamado de especificação nominal. A segunda modelagem utiliza o coeficiente de correlação como resultado. Neste caso, as entradas da rede têm como variáveis o dia e mês, e como saída desejada o dia do ano, variando entre 1 e 365. Quando se usa coeficiente de correlação não é preciso declarar os valores possíveis das variáveis e sim o tipo de dado, se é numérico e ou inteiro. A terceira modelagem também utiliza o coeficiente de correlação como resultado, só que neste caso as entradas e saídas desejadas da rede têm como variável o dia do ano, variando entre 1 e 365. Para a rede MPL adaptamos o seu algoritmo a fim de possibilitar a execução de tarefas dinâmicas, já que o mesmo não suporta este tipo de arquitetura. Para isso, incluímos na entrada da rede um atraso seqüencial no tempo. Com isso, iremos ter no conjunto de entrada e saída da rede valores seqüências ordenados por tempo, onde em cada interação o conjunto de entrada será iniciado com o valor posterior ao que foi iniciado na seqüência anterior. Assim, para cada uma das cinco consultas selecionadas utilizamos 18 redes neurais diferentes, totalizando 90 redes distintas. Para implementar, treinar e validar cada uma das redes neurais, utilizamos a ferramenta WEKA (Waikato Environment for Knowledge Analysis), a qual é formada por vários algoritmos e técnicas de redes neurais e mineração de dados Passo 4: Treinamento da rede neural. Após a conclusão do projeto das redes neurais, utilizamos a ferramenta WEKA para realizar o treinamento de cada uma dessas 90 redes. Treinamos as redes neurais alterando os valores de diferentes variáveis. Para as redes MPL, por exemplo, alteramos os parâmetros: hiddenlayers, learningrate e trainingtime. A primeira variável define as camadas ocultas da rede neural. Esta é uma lista de números inteiros positivos, uma para cada camada oculta, separadas por vírgula. A segunda variável é o valor dos pesos atualizados e a terceira variável é o número de épocas utilizadas para treinar a rede. As redes neurais do tipo MLP foram treinadas seguindo as combinações descritas na Tabela 1. Configuração HiddenLayers LearningRate TrainingTime 1 5, 10, 20 0, , 10, 20 0, , 10, 20 0, , 10, 20 0, Tabela I. Configuração das Variáveis Utilizadas na Fase de Treinamento das Redes MPL Treinamos as redes neurais do tipo RBF alterando os valores de apenas uma variável: numclusters. Esta variável representa a quantidade de clusters que a RBF irá utilizar. As redes neurais do tipo RBF foram treinadas seguindo as combinações descritas na Tabela II. Configuração numclusters Tabela II. Configurações da Variável numclusters Usadas na Fase de Treinamento das Redes RBF 38

7 Utilização de Redes Neurais na Manutenção Pró-Ativa de Índices Passo 5: Avaliação das redes neurais. Para avaliar os resultados das redes MLP e RBF na fase de validação foi usado o método validação cruzada com 10 partições. Este método é bastante utilizado em cenários onde o objetivo é previsão e envolve o particionamento dos dados em 10 subconjuntos. Um desses subconjuntos é utilizado na fase de treinamento enquanto os outros nove são usados para validação. Os resultados apresentados pelas redes neurais são avaliados de dois modos distintos neste trabalho. Para a primeira modelagem, que utiliza classificadores, a avaliação é realizada pela a porcentagem de classificadores corretos. Já para a segunda e terceira modelagem a avaliação é realizada pelo o coeficiente de correlação. Este coeficiente estabelece um nível de relação entre os valores desejados e os obtidos pela a rede. O coeficiente de correlação pode assumir valores entre -1 e 1. Os sinais são utilizados para indicar correlação linear positiva e negativa. Valores próximos de -1 indicam forte correlação linear negativa entre os valores preditos e obtidos, enquanto que valores próximos de +1 indicam forte correlação linear positiva. Valores entre 0.30 a 0.70 positivos ou negativos indicam correlação moderada. Vale ressaltar que os resultados podem variar dependendo do tamanho da janela de tempo utilizada, da quantidade de camadas ocultas, da atualização dos pesos nos neurônios e o do tempo de treinamento utilizado. Os passos utilizados para se identificar a melhor configuração de uma rede neural para a previsão de consultas foram executados de forma semi-automática. Contudo, uma vez identificada essa rede, para cada nova consulta capturada um objeto java é instanciado automaticamente para representar essa rede, a qual é é treinada e validada de forma automática. 4. RESULTADOS EXPERIMENTAIS A rede MPL, na primeira modelagem e com janela de tempo igual a 2 apresentou na fase de treinamento uma média (para as 5 consultas analisadas) de 77,29% de classificadores corretos. Já na fase de validação esse valor caiu para 52,70%. Contudo, para as janelas de tempo 3 e 4 esta modelagem não conseguiu completar o resultado, pois apresentou um elevado custo computacional. Já na rede RBF, a primeira modelagem não conseguiu completar sua execução para nenhum das três janelas de tempo utilizadas. Por este motivo, desconsideramos a utilização desta modelagem e, a partir deste ponto, iremos analisar apenas os resultados da segunda e terceira modelagens. Nos testes realizados na fase de treinamento foi verificado que a modelagem 2 usando a janela de tempo igual a 2 do algoritmo MPL teve a melhor média (0,7867) considerando os valores dos coeficientes de correlação obtidos para as cinco consultas analisadas, indicando uma correlação forte. Já nos testes realizados na fase de validação foi verificado que a modelagem 3 usando a janela de tempo igual a 3 do algoritmo RBF teve a melhor média de coeficientes de correlação (0,4913) entre as outras modelagens analisadas, indicando uma correlação moderada. A Tabela III ilustra o ganho que abordagem proposta proporciona a cada previsão realizada corretamente. Nesta tabela, mostra-se para cada consulta: o seu tempo de resposta na ausência das estruturas de índice, o seu tempo de resposta na presença dos índices adequados (e criados de maneira pró-ativa), o tempo de criação do índice e o ganho proporcionado pela abordagem a cada acerto, o qual obtido subtraindo do tempo de resposta obtido na ausências dos índices o tempo de resposta na presença de índices mais o tempo de criação dos índices. Vale destacar que o ganho proporcionado pela criação pró-ativa de índices para a Consulta 3 é de 17100s, o que equivale a quase 5 horas. Assim, para esta consulta específica o seu tempo de execução é reduzido em quase 5 horas a cada previsão correta. Como os resultados das previsões realizadas pelas redes neurais com as modelagens 2 e 3 foram obtidos utilizando-se o coeficiente de correlação não foi possível indicar a taxa de acerto e de erro proporcionadas por estas modelagens. Logo, não foi possível afirmar quantas vezes a Consulta 3, por exemplo, foi prevista corretamente ou em quantas oportunidades a previsão dessa consulta falhou. Novos testes estão sendo conduzidos para avaliar esses aspectos. 39

8 146-8 J.M. Monteiro et al. Consulta TR sem Índices TR com os Índices TC dos Índices Ganho da Abordagem Consulta s 4560 s 1200 s 3600 s Consulta s 5820 s 3520 s 4700 s Consulta s 8400 s 3300 s s Consulta s 6600 s 2160 s 7440 s Consulta s 6400 s 4080 s 8720 s Tabela III. Ganho da Abordagem Proposta a Cada Previsão Correta 5. CONCLUSÕES Neste trabalho, apresentamos um mecanismo que possibilita a manutenção pró-ativa das estruturas de índices para consultas com elevado tempo de execução. A solução adotada utiliza um conjunto de heurísticas e uma rede neural com a finalidade de monitorar continuamente a carga de trabalho, identificar as consultas com elevado tempo de execução e as estruturas de índices mais adequadas para essas consultas, inferir o momento em que as consultas identificadas serão novamente executadas e, de forma automática, criar ou remover os índices necessários. O mecanismo desenvolvido também pode ser configurado para funcionar de forma semi-automática, gerando alertas sobre as consultas previstas mas deixando a decisão da criação dos índices para o DBA. Os resultados experimentais indicaram que as redes neurais utilizadas proporcionaram uma correlação forte (0,7867) durante a fase de treinamento e moderada (0,4913) durante a fase de validação entre os valores preditos e obtidos. Além disso, a criação pró-ativa de índices proporcionou uma redução de quase 5 horas, a cada previsão correta, no tempo de execução de uma das consultas analisadas. Esses resultados atestam a viabilidade e a eficácia da solução proposta neste trabalho. REFERÊNCIAS Bishop, C. M. Pattern Recognition and Machine Learning. Springer-Verlag New York, Inc., Secaucus, NJ, USA, Bruno, N. and Chaudhuri, S. An online approach to physical design tuning. In Proceedings of the IEEE International Conference on Data Engineering. Los Alamitos, CA, USA, pp , 2007a. Bruno, N. and Chaudhuri, S. Online autoadmin: (physical design tuning). In Proceedings of the ACM SIGMOD International Conference on Management of Data Conference. ACM, pp , 2007b. Chaudhuri, S. and Narasayya, V. Self-tuning database systems: A decade of progress. In Proceedings of the International Conference on Very Large Data Bases. VLDB Endowment, pp. 3 14, de Carvalho Costa, R. L., Lifschitz, S., de Noronha, M. F., and Salles, M. A. V. Implementation of an agent architecture for automated index tuning. In Proceedings of the International Workshop on Self-Managing Database Systems, Luhring, M., Sattler, K.-U., Schmidt, K., and Schallehn, E. Autonomous management of soft indexes. In Proceedings of the IEEE International Conference on Data Engineering. IEEE Computer Society, Washington, DC, USA, pp , Monteiro, J. M., Lifschitz, S., and Brayner, A. A non-intrusive tool to automatic index maintenance. In In Demo Session of the Brazilian Symposium on Database, Morelli, E. M. T., Monteiro, J. M., Almeida, A. C., and Lifschitz, S. Automatic reindexation in relational dbmss. In Proceedings of the Brazilian Symposium on Databases, Salles, M. A. V. and Lifschitz, S. Autonomic index management. In Proceedings of the International Conference on Autonomic Computing. pp , Sattler, K.-U., Geist, I., and Schallehn, E. Quiet: Continuous query-driven index tuning. In Proceedings of the International Conference on Very Large Data Bases. VLDB Endowment, pp , Sattler, K.-U., Schallehn, E., and Geist, I. Autonomous query-driven index tuning. In Proceedings of the International Database Engineering and Applications Symposium. IEEE Computer Society, Washington, DC, USA, pp , Schnaitter, K., Abiteboul, S., Milo, T., and Polyzotis, N. Colt: continuous on-line tuning. In Proceedings of the ACM SIGMOD International Conference on Management of Data Conference. ACM, New York, NY, USA, pp , Schnaitter, K., Abiteboul, S., Milo, T., and Polyzotis, N. On-line index selection for shifting workloads. In Proceedings of the International Workshop on Self-Managing Database Systems. pp , Weikum, G., Hasse, C., Moenkeberg, A., and Zabback, P. The COMFORT automatic tuning project, invited project review. Information Systems 19 (5): ,

Tuning e Self-Tuning de Bancos de Dados

Tuning e Self-Tuning de Bancos de Dados Tuning e Self-Tuning de Bancos de Dados Dr. José Maria Monteiro Universidade de Fortaleza (UNIFOR) monteiro@unifor.br Secretaria da Fazenda do Estado do Ceará Sefaz-CE monteiro@sefaz.ce.gov.br 1 Self-Tuning

Leia mais

Uma Abordagem Não-Intrusiva para Sintonia Automática de Consultas SQL

Uma Abordagem Não-Intrusiva para Sintonia Automática de Consultas SQL Uma Abordagem Não-Intrusiva para Sintonia Automática de Consultas SQL Arlino H. Magalhães de Araújo 1, José Maria Monteiro 1, José Antônio F. de Macêdo 1 1 Departamento de Computação Universidade Federal

Leia mais

2 Auto-sintonia de Bancos de Dados e Agentes de Software

2 Auto-sintonia de Bancos de Dados e Agentes de Software 2 Auto-sintonia de Bancos de Dados e Agentes de Software A uso da abordagem de agentes de software 1 pode trazer benefícios a áreas de aplicação em que é necessário construir sistemas autônomos, ou seja,

Leia mais

4 Implementação e Resultados Experimentais

4 Implementação e Resultados Experimentais 4 Implementação e Resultados Experimentais Com o objetivo de fazer a criação automática de visões materializadas, ou seja, prover uma solução on-the-fly para o problema de seleção de visões materializadas,

Leia mais

Reindexação Automática em SGBDs Relacionais

Reindexação Automática em SGBDs Relacionais Reindexação Automática em SGBDs Relacionais Eduardo Morelli, José Maria Monteiro, Ana Carolina Almeida, Sérgio Lifschitz Departamento de Informática PUC Rio {emorelli,monteiro,abrito,sergio}@inf.puc rio.br

Leia mais

Reindexação Automática em SGBDs Relacionais

Reindexação Automática em SGBDs Relacionais Reindexação Automática em SGBDs Relacionais Eduardo Morelli, José Maria Monteiro, Ana Carolina Almeida, Sérgio Lifschitz Departamento de Informática PUC-Rio {emorelli,monteiro,abrito,sergio}@inf.puc-rio.br

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

Uma Abordagem Não-Intrusiva para a Manutenção Automática do Projeto Físico de Bancos de Dados

Uma Abordagem Não-Intrusiva para a Manutenção Automática do Projeto Físico de Bancos de Dados José Maria da Silva Monteiro Filho Uma Abordagem Não-Intrusiva para a Manutenção Automática do Projeto Físico de Bancos de Dados Tese de Doutorado Tese apresentada como requisito parcial para obtenção

Leia mais

Análise de Desempenho de um SGBD para Aglomerado de Computadores

Análise de Desempenho de um SGBD para Aglomerado de Computadores Análise de Desempenho de um SGBD para Aglomerado de Computadores Diego Luís Kreutz, Gabriela Jacques da Silva, Hélio Antônio Miranda da Silva, João Carlos Damasceno Lima Curso de Ciência da Computação

Leia mais

Marcos Antonio Vaz Salles. em Bancos de Dados. Mestrado em Informática DEPARTAMENTO DE INFORMÁTICA

Marcos Antonio Vaz Salles. em Bancos de Dados. Mestrado em Informática DEPARTAMENTO DE INFORMÁTICA Marcos Antonio Vaz Salles Criação Autônoma de Índices em Bancos de Dados DISSERTAÇÃO DE MESTRADO DEPARTAMENTO DE INFORMÁTICA Programa de Pós graduação em Mestrado em Informática Rio de Janeiro Julho de

Leia mais

Roteiro. Conceitos e Arquitetura de Sistemas de Banco de Dados. Conceitos e Arquiteturas de Sistemas de Banco de Dados. BCC321 - Banco de Dados I

Roteiro. Conceitos e Arquitetura de Sistemas de Banco de Dados. Conceitos e Arquiteturas de Sistemas de Banco de Dados. BCC321 - Banco de Dados I Roteiro Conceitos e Arquitetura de Sistemas de Banco de Dados Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br www.decom.ufop.br/luiz

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1

Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1 Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1 Carlos Eduardo Barbosa, Eduardo Ogasawara, Daniel de Oliveira, Marta Mattoso PESC COPPE Universidade Federal do Rio de

Leia mais

SCM-BT 2 : Uma ferramenta para avaliação e ajuste de políticas de buffer no contexto da mídia SCM

SCM-BT 2 : Uma ferramenta para avaliação e ajuste de políticas de buffer no contexto da mídia SCM SCM-BT 2 : Uma ferramenta para avaliação e ajuste de políticas de buffer no contexto da mídia SCM Júlio A. Tavares 1, José de Aguiar Moraes Filho 1, Angelo Brayner 1, Saulo Medeiros 1 1 Programa de Pós-Graduação

Leia mais

Arquitetura para Seleção de Índice no SGBD PostgreSQL, utilizando abordagem baseada em custos do Otimizador

Arquitetura para Seleção de Índice no SGBD PostgreSQL, utilizando abordagem baseada em custos do Otimizador ISSN: 1981-8882 Arquitetura para Seleção de Índice no SGBD PostgreSQL, utilizando abordagem baseada em custos do Otimizador Wendel Góes Pedrozo 1, Maria Salete Marcom Gomes Vaz 1,2 1 Departamento de Informática

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

5 Trabalhos Relacionados

5 Trabalhos Relacionados 5 Trabalhos Relacionados Existem ferramentas (por exemplo, (Morelli et al, 2012), (Bruno et al, 2011), (Rangaswamy et al, 2011), (Monteiro et al, 2012), (Elghandour, 2010) e (Goasdoué et al, 2011)) e abordagens

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Sintonia fina baseada em ontologia: o caso de visões materializadas

Sintonia fina baseada em ontologia: o caso de visões materializadas paper:11 Sintonia fina baseada em ontologia: o caso de visões materializadas Aluno - Rafael Pereira de Oliveira 1 Orientador - Sérgio Lifschitz 1 1 Departamento de Informática Programa de Pós-graduação

Leia mais

MARACATU. A component search tool. Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes

MARACATU. A component search tool. Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes MARACATU A component search tool Especificação, Projeto e Implementação de uma Arquitetura para um Engenho de Busca de Componentes Vinicius Cardoso Garcia July 29, 2005 Agenda Introdução Especificação

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Roteiro 2 Conceitos Gerais

Roteiro 2 Conceitos Gerais Roteiro 2 Conceitos Gerais Objetivos: UC Projeto de Banco de Dados Explorar conceitos gerais de bancos de dados; o Arquitetura de bancos de dados: esquemas, categorias de modelos de dados, linguagens e

Leia mais

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS Marcello Erick Bonfim 1

Leia mais

Noções de. Microsoft SQL Server. Microsoft SQL Server

Noções de. Microsoft SQL Server. Microsoft SQL Server Noções de 1 Considerações Iniciais Basicamente existem dois tipos de usuários do SQL Server: Implementadores Administradores 2 1 Implementadores Utilizam o SQL Server para criar e alterar base de dados

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

14/09/2008. Curso Superior de Tecnologia em Bando de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

14/09/2008. Curso Superior de Tecnologia em Bando de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Bando de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Unidade 2.2 1 2 Material usado na montagem dos Slides Bibliografia

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?

Leia mais

Como implementar os processos de Gerenciamento de Demanda e Capacidade de serviços de TI. www.path.com.br

Como implementar os processos de Gerenciamento de Demanda e Capacidade de serviços de TI. www.path.com.br Como implementar os processos de Gerenciamento de Demanda e Capacidade de serviços de TI AGENDA Gerenciamento da Demanda Processos de Negócio Desafios e KPIs Papel do Gerenciamento da Demanda Gerenciamento

Leia mais

Uma Ferramenta para a Sintonia de Instruções SQL *

Uma Ferramenta para a Sintonia de Instruções SQL * Uma Ferramenta para a Sintonia de Instruções SQL * Arlino H. M. de Araújo 1,2, José Maria Monteiro 2, José A. F. de Macêdo 2, Júlio A. Tavares 3, Ângelo Brayner 3 1 Universidade Federal do Piauí (UFPI)

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Automatic virtual machine configuration for database workloads (SIGMOD Journal)

Automatic virtual machine configuration for database workloads (SIGMOD Journal) Automatic virtual machine configuration for database workloads (SIGMOD Journal) [Soror et al. 2010] Adriano Lange Universidade Federal do Paraná Departamento de Informática Programa de Pós-Graduação em

Leia mais

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo

Conteúdo. Disciplina: INF 02810 Engenharia de Software. Monalessa Perini Barcellos. Centro Tecnológico. Universidade Federal do Espírito Santo Universidade Federal do Espírito Santo Centro Tecnológico Departamento de Informática Disciplina: INF 02810 Prof.: (monalessa@inf.ufes.br) Conteúdo 1. Introdução 2. Processo de Software 3. Gerência de

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS

TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS TEMPTOOL UMA FERRAMENTA PARA A MODELAGEM TEMPORAL DOS DADOS Eugênio de O. Simonetto 1, Cristiano R. Moreira, Duncan D. A. Ruiz 2, Luciano C. Ost 1, Glauco B.V.Santos 1 RESUMO O trabalho apresenta uma ferramenta

Leia mais

Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos

Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos Conceitos Básicos Introdução Banco de Dados I Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM Dados

Leia mais

Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz

Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz Laboratório de Dependabilidade e Segurança Lades Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz RENASIC/CD-CIBER CD Ciber CTC - Comitê Técnico Científico RENASIC CD Comitê Diretor ASTECA VIRTUS

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

Análise de Processos do PMBOK em uma Fábrica de Software Um Estudo de Caso

Análise de Processos do PMBOK em uma Fábrica de Software Um Estudo de Caso Análise de Processos do PMBOK em uma Fábrica de Software Um Estudo de Caso Carlos Alberto Rovedder, Gustavo Zanini Kantorski Curso de Sistemas de Informação Universidade Luterana do Brasil (ULBRA) Campus

Leia mais

Gerenciamento de Projeto

Gerenciamento de Projeto UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Gerenciamento de Projeto Engenharia de Software 2o. Semestre/ 2005

Leia mais

Disciplina: Tecnologias de Banco de Dados para SI s

Disciplina: Tecnologias de Banco de Dados para SI s Curso de Gestão em SI Disciplina: Tecnologias de Banco de Dados para SI s Rodrigo da Silva Gomes (Extraído do material do prof. Ronaldo Melo - UFSC) Banco de Dados (BD) BD fazem parte do nosso dia-a-dia!

Leia mais

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO

ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO ALGORITMO HÍBRIDO PARA SISTEMAS DE RECOMENDAÇÃO UTILIZANDO FILTRAGEM COLABORATIVA E ALGORITMO GENÉTICO Renan de Oliveira Yamaguti Faculdade de Engenharia de Computação / CEATEC renan.yamaguti@terra.com.br

Leia mais

Forefront Server Security Management Console: Gerenciamento Simplificado da Segurança para Mensagens e Colaboração White Paper

Forefront Server Security Management Console: Gerenciamento Simplificado da Segurança para Mensagens e Colaboração White Paper Forefront Server Security Management Console: Gerenciamento Simplificado da Segurança para Mensagens e Colaboração White Paper Outubro de 2007 Resumo Este white paper explica a função do Forefront Server

Leia mais

Project Management 2/3/2010. Objetivos. Gerencia de Projetos de SW

Project Management 2/3/2010. Objetivos. Gerencia de Projetos de SW Project Management Objetivos Explicar as principais tarefas de um Gerente de Projeto Introdução à gerência de um projeto de desenvolvimento de software e suas características Planejamento de projeto e

Leia mais

Gerenciamento Integrado de QoS em Redes de Computadores

Gerenciamento Integrado de QoS em Redes de Computadores Gerenciamento Integrado de QoS em Redes de Computadores Lisandro Zambenedetti Granville, Liane Margarida R. Tarouco Instituto de Informática - Universidade Federal do Rio Grande do Sul (UFRGS) Caixa Postal

Leia mais

Banco de Dados. Conceitos e Arquitetura de Sistemas de Banco de Dados. Profa. Flávia Cristina Bernardini

Banco de Dados. Conceitos e Arquitetura de Sistemas de Banco de Dados. Profa. Flávia Cristina Bernardini Banco de Dados Conceitos e Arquitetura de Sistemas de Banco de Dados Profa. Flávia Cristina Bernardini Relembrando... Vantagens da Utilização de SGBD Redundância controlada Consistência dos dados armazenados

Leia mais

ARQUITETURA DE UM SISTEMA SPATIO-TEXTUAL. PALAVRAS-CHAVE: banco de dados espaciais, busca spatio-textual. aplicativo.

ARQUITETURA DE UM SISTEMA SPATIO-TEXTUAL. PALAVRAS-CHAVE: banco de dados espaciais, busca spatio-textual. aplicativo. ARQUITETURA DE UM SISTEMA SPATIO-TEXTUAL Fellipe de Lima Fonseca 1 ; João Batista Rocha-Junior 2 1. Bolsista CNPq, Graduando em Engenharia de Computação, Universidade Estadual de Feira de Santana, e-mail:

Leia mais

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

ParGRES: uma camada de processamento paralelo de consultas sobre o PostgreSQL

ParGRES: uma camada de processamento paralelo de consultas sobre o PostgreSQL ParGRES: uma camada de processamento paralelo de consultas sobre o PostgreSQL Marta Mattoso 1, Geraldo Zimbrão 1,3, Alexandre A. B. Lima 1, Fernanda Baião 1,2, Vanessa P. Braganholo 1, Albino A. Aveleda

Leia mais

Uma Abordagem de Classificação não Supervisionada de Carga de Trabalho MapReduce Utilizando Análise de Log

Uma Abordagem de Classificação não Supervisionada de Carga de Trabalho MapReduce Utilizando Análise de Log paper:37 Uma Abordagem de Classificação não Supervisionada de Carga de Trabalho MapReduce Utilizando Análise de Log Ivan Luiz Picoli¹, Eduardo Cunha de Almeida¹ Nível: Mestrado; Ano de Ingresso: 2013;

Leia mais

UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA

UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA ANÁLISE DE AGENTES CLASSIFICADORES PARA CATEGORIZAÇÃO AUTOMÁTICA DE DOCUMENTOS DIGITAIS PROPOSTA DE TRABALHO

Leia mais

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados: MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação

Leia mais

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Anais do CNMAC v.2 ISSN 1984-820X Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Juliana Aparecida Anochi Instituto Nacional

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

Fundamentos dos Sistemas de Informação Organização de Dados e Informações

Fundamentos dos Sistemas de Informação Organização de Dados e Informações Fundamentos dos Sistemas de Informação Organização de Dados e Informações http://professor.fimes.edu.br/milena milenaresende@fimes.edu.br Sistema de Gerenciamento de Bases de Dados (DBMS) A implementação

Leia mais

Banco de Dados. Aula 1 - Prof. Bruno Moreno 16/08/2011

Banco de Dados. Aula 1 - Prof. Bruno Moreno 16/08/2011 Banco de Dados Aula 1 - Prof. Bruno Moreno 16/08/2011 Roteiro Apresentação do professor e disciplina Definição de Banco de Dados Sistema de BD vs Tradicional Principais características de BD Natureza autodescritiva

Leia mais

Fundamentos de Banco de Dados

Fundamentos de Banco de Dados Fundamentos de Banco de Dados SISTEMAS BASEADOS NO PROCESSAMENTO DE ARQUIVOS Sistema A Funcionário Pagamento Cargo Sistema B Funcionário Projeto SISTEMAS GERENCIADORES DE BANCO DE DADOS (SGBD) Sistema

Leia mais

Representando Características Autonômicas nos Processos de Negócio

Representando Características Autonômicas nos Processos de Negócio Representando Características Autonômicas nos Processos de Negócio Karolyne Oliveira, Tarcísio Pereira, Emanuel Santos, Jaelson Castro Universidade Federal de Pernambuco UFPE, Recife, PE 50 740-560, Brazil

Leia mais

Introdução a computação móvel. Middlewares para Rede de Sensores sem Fio. Uma avaliação na ótica de Adaptação ao Contexto

Introdução a computação móvel. Middlewares para Rede de Sensores sem Fio. Uma avaliação na ótica de Adaptação ao Contexto Introdução a computação móvel Monografia: Middlewares para Rede de Sensores sem Fio Uma avaliação na ótica de Adaptação ao Contexto Adriano Branco Agenda Objetivo do trabalho O que é uma WSN Middlewares

Leia mais

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER

PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER PROTÓTIPO PARA PREVISÃO DO MERCADO DE AÇÕES UTILIZANDO BANDAS DE BOLLINGER Adriano Cassaniga Petry Prof. Roosevelt dos Santos Junior - Orientador ROTEIRO Introdução Objetivos Fundamentação Teórica Requisitos

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

Leia mais

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA

ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA ALESSANDRO RODRIGO FRANCO FERNANDO MARTINS RAFAEL ALMEIDA DE OLIVEIRA INTRODUÇÃO O projeto de um banco de dados é realizado sob um processo sistemático denominado metodologia de projeto. O processo do

Leia mais

AUDITORIA EM BANCO DE DADOS COM UTILIZAÇÃO DE REGRAS

AUDITORIA EM BANCO DE DADOS COM UTILIZAÇÃO DE REGRAS REVISTA DE CIÊNCIAS EXATAS E TECNOLOGIA AUDITORIA EM BANCO DE DADOS COM UTILIZAÇÃO DE REGRAS Eder Pazinatto Faculdade Anhanguera de Passo Fundo RESUMO: A busca por mecanismos que implementam segurança

Leia mais

7.Conclusão e Trabalhos Futuros

7.Conclusão e Trabalhos Futuros 7.Conclusão e Trabalhos Futuros 158 7.Conclusão e Trabalhos Futuros 7.1 Conclusões Finais Neste trabalho, foram apresentados novos métodos para aceleração, otimização e gerenciamento do processo de renderização

Leia mais

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi

Metodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia

Leia mais

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento

Leia mais

Prof. Antonio Almeida de Barros Jr. Prof. Antonio Almeida de Barros Junior

Prof. Antonio Almeida de Barros Jr. Prof. Antonio Almeida de Barros Junior Prof. Antonio Almeida de Barros Jr. Introdução Dados Informações Banco de Dados Conceitos Básicos em Bancos de Dados Definição BD - Banco de Dados SGBD - Sistema de Gerenciamento de BD Programa de Aplicação

Leia mais

SQL APOSTILA INTRODUÇÃO A LINGUAGEM SQL

SQL APOSTILA INTRODUÇÃO A LINGUAGEM SQL SQL APOSTILA INTRODUÇÃO Uma linguagem de consulta é a linguagem por meio da qual os usuários obtêm informações do banco de dados. Essas linguagens são, tipicamente, de nível mais alto que as linguagens

Leia mais

Requisitos de Ferramentas Especializadas de Gestão de Configuração de Software

Requisitos de Ferramentas Especializadas de Gestão de Configuração de Software Requisitos de Ferramentas Especializadas de Gestão de Configuração de Software Ricardo Terra 1 1 Departamento de Ciência da Computação Universidade Federal de Minas Gerais (UFMG) Campus da Pampulha 31.270-010

Leia mais

Tópicos. Atualizações e segurança do sistema. Manutenção Preventiva e Corretiva de Software (utilizando o MS Windows XP)

Tópicos. Atualizações e segurança do sistema. Manutenção Preventiva e Corretiva de Software (utilizando o MS Windows XP) teste 1 Manutenção Preventiva e Corretiva de Software (utilizando o MS Windows XP) Rafael Fernando Diorio www.diorio.com.br Tópicos - Atualizações e segurança do sistema - Gerenciamento do computador -

Leia mais

Banco de Dados, Integração e Qualidade de Dados. Ceça Moraes cecafac@gmail.com

Banco de Dados, Integração e Qualidade de Dados. Ceça Moraes cecafac@gmail.com Banco de Dados, Integração e Qualidade de Dados Ceça Moraes cecafac@gmail.com Sobre a professora CeçaMoraes Doutora em Computação (UFPE) Áreas de atuação Desenvolvimento de Software e Banco de Dados Experiência

Leia mais

João Arthur Brunet Monteiro. Março de 2008

João Arthur Brunet Monteiro. Março de 2008 Revisão Bibliográfica em Automação de Testes João Arthur Brunet Monteiro Universidade Federal de Campina Grande Março de 2008 João Arthur Brunet Monteiro (UFCG) Revisão Bibliográfica em Automação de Testes

Leia mais

Gerenciamento de Projetos Gerenciamento de Custos

Gerenciamento de Projetos Gerenciamento de Custos Gerenciamento de Projetos Gerenciamento de Custos Metodologia Aula Teórica Exemplos e Exercícios práticos Questões de concursos anteriores Metodologia e Bibliografia Bibliografia PMBOK, 2004. Project Management

Leia mais

Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados.

Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados. Histórico Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados. Sistemas Integrados: racionalização de processos, manutenção dos

Leia mais

Dicas para uso de VLDB (very large databases)

Dicas para uso de VLDB (very large databases) Dicas para uso de VLDB (very large databases) Slide 1 Considerações e Marcas Registradas As informações contidas nesta apresentação não foram submetidas à nenhuma revisão formal e é distribuída sem nenhuma

Leia mais

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral

Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia

Leia mais

MC536 Bancos de Dados: Teoria e Prática

MC536 Bancos de Dados: Teoria e Prática Universidade Estadual de Campinas - UNICAMP Instituto de Computação - IC MC536 Bancos de Dados: Teoria e Prática Aula #1 Arquitetura de Banco de Dados Profs. Anderson Rocha e André Santanchè Campinas,

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

2 Controle de Congestionamento do TCP

2 Controle de Congestionamento do TCP 2 Controle de Congestionamento do TCP 17 2 Controle de Congestionamento do TCP A principal causa de descarte de pacotes na rede é o congestionamento. Um estudo detalhado dos mecanismos de controle de congestionamento

Leia mais

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL

Leia mais

A Disciplina Gerência de Projetos

A Disciplina Gerência de Projetos A Disciplina Gerência de Projetos Atividades, Artefatos e Responsabilidades hermano@cin.ufpe.br Objetivos Apresentar atividades da disciplina Gerência de Projetos Discutir os artefatos e responsáveis envolvidos

Leia mais

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica MetrixND especificações MetrixND - Ferramenta de previsão de energia elétrica Visão geral O MetrixND da Itron é uma ferramenta de modelagem flexível, bastante usada pelos principais serviços de previsão

Leia mais

Processamento e Otimização de Consultas

Processamento e Otimização de Consultas Introdução Processamento e Banco de Dados II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM 1 Processamento

Leia mais

2. Conceitos e Arquitetura de Bancos de Dados

2. Conceitos e Arquitetura de Bancos de Dados Bancos de Dados 2. Conceitos e Arquitetura de Bancos de Dados 1 Arquitetura Moderna de SGBD SGBD antigos eram monolíticos e rígidos, voltados para funcionamento em ambientes centralizados (mainframes e

Leia mais

Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc.

Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc. Sistemas de Informação Geográfica Prof. Tiago Eugenio de Melo, MSc. SUMÁRIO Apresentação da ementa Introdução Conceitos Básicos de Geoinformação Arquitetura de SIGs Referências Bibliográficas APRESENTAÇÃO

Leia mais

INTRODUÇÃO E CONCEITOS BÁSICOS. Prof. Ronaldo R. Goldschmidt

INTRODUÇÃO E CONCEITOS BÁSICOS. Prof. Ronaldo R. Goldschmidt INTRODUÇÃO E CONCEITOS BÁSICOS Prof. Ronaldo R. Goldschmidt Hierarquia Dado - Informação - Conhecimento: Dados são fatos com significado implícito. Podem ser armazenados. Dados Processamento Informação

Leia mais

Instituto de Computação, Universidade Federal do Amazonas (UFAM) Manaus-AM, Brasil

Instituto de Computação, Universidade Federal do Amazonas (UFAM) Manaus-AM, Brasil Elicitação de Requisitos a partir de Modelos de Processos de Negócio e Modelos Organizacionais: Uma pesquisa para definição de técnicas baseadas em heurísticas Marcos A. B. de Oliveira 1, Sérgio R. C.

Leia mais

Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados

Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados Sistemas de Banco de Dados Aspectos Gerais de Banco de Dados 1. Conceitos Básicos No contexto de sistemas de banco de dados as palavras dado e informação possuem o mesmo significado, representando uma

Leia mais

PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS

PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS PROPOSTA DE SOFTWARE DE INSTALAÇÃO PARA UM AMBIENTE INTEGRADO DE GERÊNCIA DE PROJETOS E DE PROCESSOS DE NEGÓCIOS Élysson Mendes Rezende Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

1 Introdução 1.1. Segurança em Redes de Computadores

1 Introdução 1.1. Segurança em Redes de Computadores 1 Introdução 1.1. Segurança em Redes de Computadores A crescente dependência das empresas e organizações modernas a sistemas computacionais interligados em redes e a Internet tornou a proteção adequada

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Influência do Encaminhamento de Mensagens na Topologia de Redes Sociais

Influência do Encaminhamento de Mensagens na Topologia de Redes Sociais Influência do Encaminhamento de Mensagens na Topologia de Redes Sociais Samuel da Costa Alves Basilio, Gabriel de Oliveira Machado 1 Centro Federal de Educação Tecnológica de Minas Gerais - CEFET MG, Unidade

Leia mais

METODOLOGIA PARA ANÁLISE DE DESEMPENHO

METODOLOGIA PARA ANÁLISE DE DESEMPENHO UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA METODOLOGIA PARA ANÁLISE DE DESEMPENHO DE SISTEMAS DE TRANSFERÊNCIA ELETRÔNICA DE FUNDOS PROPOSTA DE TRABALHO

Leia mais