MANIPULAÇÃO DE DADOS GEOGRÁFICOS EM BANCOS DE DADOS NoSQL - resultados preliminares

Transcrição

1 MANIPULAÇÃO DE DADOS GEOGRÁFICOS EM BANCOS DE DADOS NoSQL - resultados preliminares CÂNDIDO 1, Guilherme; FROZZA, Angelo Augusto 2 Instituto Federal Catarinense - IFC, Camboriú/SC INTRODUÇÃO Com o avanço das tecnologias web no início do século XXI, em especial o advento das redes sociais, portais de informação e a chamada Web 2.0, a arquitetura de Banco de Dados (BD) relacional começou a apresentar algumas limitações, especialmente associadas à escalabilidade, performance e uso massivo de novos tipos de dados (XML, JSON, dados geográficos etc.). Esses fatos levaram ao desenvolvimento de novas soluções, as quais foram reunidas sob o termo NoSQL (Not Only SQL) (CUNHA, 2011). O paradigma dos BD NoSQL têm vários objetivos. Alguns com a proposta de oferecer uma linguagem de consulta mais eficiente que o SQL. Outros propõe novas maneiras de se trabalhar com os SGBDs, enfatizando as limitações do SQL e as vantagens da sua linguagem. Apesar de existir uma carência de estudos que comprovem a real eficácia do modelo NoSQL perante o paradigma relacional, Tiwari (2011) cita o modelo NoSQL como uma tendência que tende a superar o modelo relacional quanto a escalabilidade e disponibilidade. Os BD NoSQL têm sido amplamente usados em implementações de redes sociais e grandes portais, os quais se caracterizam pela necessidade de grandes volumes de consulta a dados e, por consequência, escalabilidade e performance. Outro segmento que toma proveito das características de BD NoSQL em relação ao padrão relacional é o de tratamento de dados geográficos. Aplicações que usam dados geográficos (Sistemas de Informações Geográficas (SIG), serviços de localização etc.) caracterizam-se por terem baixo volume de inclusão de novos dados e alto volume de requisições de consultas complexas. O crescimento da Sociedade da Informação impulsionou o uso de dados georeferenciados em aplicações web. A produção de 1 Estudante do curso Técnico em Informática; Bosista do CNPq; guilherme.candido96@gmail.com 2 Professor do IFC Câmpus Camboriú; frozza@ifc-camboriu.edu.br Trabalho realizado com apoio do CNPq, Conselho Nacional de Desenvolvimento Científico e Tecnológico - Brasil, através do Edital nº 143/2012 PIBIC-EM/CNPq/IFCatarinense, e pelo IFC-Camboriú, através do Edital no 069/GDG/IFC-CAM/2012.

2 dados georeferenciados pode ter um custo muito alto, gerando a necessidade das organizações compartilharem seus dados geográficos, o que é facilitado pelas redes de computadores e pela Internet (FROZZA, 2007). Os BDs geográficos têm como principal característica a capacidade de armazenar tanto atributos descritivos como as geometrias dos diversos tipos de dados geográficos (CÂMARA, 2005). MATERIAL E MÉTODOS Essa pesquisa é de caráter bibliográfico e exploratório (GIL, 2008). Ao final de uma pesquisa exploratória, se conhece mais sobre o assunto e se está apto a construir hipóteses. A pesquisa exploratória depende da intuição do pesquisador. Por ser um tipo de pesquisa muito específica, quase sempre ela assume a forma de um estudo de caso. Para este projeto, fez-se uma comparação dos recursos para manipulação de dados geográficos existentes em um BD NoSQL (MongoDB) em relação a um BD relacional (PostgreSQL/PostGIS). Para tanto, foi necessário identificar e classificar os recursos (tipos de dados e funções pré-definidas) presentes no PostgreSQL/PostGIS. Na sequência, foi feito o levantamento de quais propostas de banco NoSQL já permitem o uso de dados geográficos. Nesta etapa, foi estudado mais detalhadamente o BD NoSQL MongoDB e seus recursos para manipulação de dados geográficos. Ao final, uma tabela comparativa foi gerada, a qual serve de base para a implementação de uma aplicação educacional para ensino de BD geográficos usando o PostgreSQL/PostGIS e o MongoDB. RESULTADOS E DISCUSSÃO O trabalho iniciou com o estudo sobre o BD relacional PostgreSQL e sua extensão PostGIS, a qual adiciona suporte ao armazenamento e à manipulação de dados geográficos. Ele permite realizar operações abrangendo pontos, linhas, áreas e volumes que se localizam no espaço geográfico. O PostGIS inclui suporte para índices espaciais do tipo GiST (Generalized Search Tree) e R-Tree (Tree Data Structures), funções e tipos de dados, além de suportar a realização de consultas espaciais. Os Quadros de 1 a 5 apresentam os recursos para manipulação de dados geográficos identificados no PostgreSQL/PostGIS e o respectivo mapeamento já realizado para o MongoDB. O MongoDB suporta tipos geográficos definidos como objetos GeoJSON (Quadros 2 e 3). Por outro lado, o MongoDB possui um conjunto de funções bem limitado se comparado ao 2

3 PostgreSQL/PostGIS (Quadros 4 e 5). Por exemplo, as relações contains, intersects etc., não existem ainda. Pode-se, basicamente, selecionar documentos que estejam dentro de um polígono (não um multipolígono), círculo ou bounding box, ou consultar um ponto exato. TIPOS DE DADOS PostgreSQL Geography Geometry QUADRO 1 Mapeamento dos tipos de dados TIPOS DE DADOS MongoDB O MongoDB não apresenta tipos de dados geográficos, estes são baseados em outros tipos existentes (GeoJSON). O formato geral é: { <location field>: { type: "<GeoJSON type>", coordinates: <coordinates> } } Na sequência desse trabalho, o MongoDB foi estudado, a fim de se testar os recursos para trabalhar com dados geográficos. O MongoDB é um SGBD NoSQL, orientado a documentos, que se define como um SGBD escalável, de alta performance e que suporta parcialmente a manipulação de dados geográficos. Os BD orientados a documentos são bastante diferentes dos tradicionais BD relacionais. Em vez de armazenar dados em estruturas rígidas, como as tabelas, eles armazenam documentos vagamente definidos (CUNHA, 2011). OBJETOS ESPACIAIS BÁSICOS PostgreSQL Point Linestring Polygon QUADRO 2 Mapeamento dos tipos de objetos espaciais básicos OBJETOS ESPACIAIS BÁSICOS MongoDB PONTO = Array com dois elementos (longitude, latitude). Ex.: {loc: {type: "Point", coordinates: [40, 5]}} LINHA = Array contendo dois ou mais PONTOS. Ex.: {loc: {type: "LineString", coordinates: [[40, 5], [41, 6]]}} POLÍGONO = Conjunto de quatro ou mais PONTOS, sendo o primeiro e o último iguais. Ex.: {loc : {type: "Polygon",coordinates: [[[0, 0], [3, 6], [6, 1], [0, 0]]] } } Está em desenvolvimento uma aplicação web com fins educacionais para ajudar no ensino de BD Geográficos e BD NoSQL. Para o desenvolvimento web é possível a ligação nativa tanto ao PostgreSQL quanto ao MongoDB. O Quadro 5 apresenta os scripts SQL utilizados para a criação do BD para testes no PostgreSQL. Além do BD no PostgreSQL, as interfaces em HTML também já estão concluídas. Estão em fase de finalização os scripts PHP que executarão as funções de manipulação do BD (PostgreSQL e MongoDB). A Figura 2 apresenta o padrão de interface HTML para o tipo de dados Ponto. Os demais tipos de dados seguem o mesmo padrão. A proposta é permitir a comparação das instruções que são executadas em ambos os BDs. 3

4 OBJETOS ESPACIAIS ARRAYS PostgreSQL Multipoint Multipolygon Multilinestring Geometrycolletion QUADRO 3 Mapeamento dos tipos de objetos espaciais complexos OBJETOS ESPACIAIS MongoDB Array de múltiplos PONTOS. Ex.: {loc: {type:"multipoint", coordinates: [[-73.9, 40.8], [-73.9, 40.7], [-73.9, 40.7], [-73.9, 40.7] Conjunto de múltiplos POLÍGONOS. Ex.: {loc: {type: "MultiPolygon", coordinates: [ [[[-73.9, 40.8], [-73.9, 40.7], [-73.9, 40.7], [-73.9, 40.7], [-73.9, 40.8]]], [[[-73.9, 40.8], [-73.9, 40.7], [-73.9, 40.7], [-73.9, 40.8]]] Array de múltiplas LINHAS. Ex.: {loc: { type: "MultiLineString", coordinates: [ [[-73.96, 40.78], [-73.96, 40.78]], [[-73.96, 40.79], [-73.95, 40.78]], [[-73.97, 40.78], [-73.96, 40.77]], [[-73.97, 40.77], [-73.97, 40.76]] Array de múltiplos objetos de tipos variados. Ex.: {loc: {type:"geometrycollection", geometries: [{type: "MultiPoint",coordinates: [ [-73.9, 40.8], [-73.9, 40.7], [-73.9, 40.7], [-73.9, 40.7] ] }, {type:"multilinestring",coordinates: [ [[-73.9, 40.7], [-73.9, 40.7]], [[-73.9, 40.7], [-73.9, 40.7]], [[-73.9, 40.7], [-73.9, 40.7]], [[-73.9, 40.7], [-73.9, 40.7]] ] } QUADRO 4 Principais funções de processamento de dados geográficos do PostgreSQL ST_Centroid(geometry) ST_Intersection(geometryA, geometryb) ST_Area(geometry) ST_Difference(geometryA, geometryb) ST_Length(geometry) ST_GeomUnion(geometryA, geometryb) ST_Perimeter(geometry) ST_Crosses(geometryA, geometryb) ST_Distance(geometryA, geometryb) ST_Within(geometryA, geometryb) ST_Intersects(geometryA, geometryb) ST_Overlaps(geometryA, geometryb) ST_Touches(geometryA, geometryb) ST_Contains(geometryA, geometryb) QUADRO 5 Scripts SQL para criar o BD de teste no PostgreSQL. CREATE DATABASE bdtestegeodb with template = "template_postgis_20"; CREATE TABLE ponto ( SELECT AddGeometryColumn ( 'bdtestegeodb', 'public', 'ponto', 'the_geom', -1, 'POINT', 2 ); CREATE TABLE linha ( SELECT AddGeometryColumn ( 'bdtestegeodb', 'public, 'linha', 'the_geom', -1, 'LINESTRING', 2 ); CREATE TABLE poligono ( SELECT AddGeometryColumn ( 'bdtestegeodb', 'public', 'poligono', 'the_geom', -1, 'POLYGON', 2 ); 4

5 Figura 1 Interface HTML para o tipo de dados Ponto. CONCLUSÕES O objetivo deste projeto é comparar e analisar os recursos para a manipulação de dados geográficos no BD relacional PostgreSQL/PostGIS e no BD NoSQL MongoDB. Já obteve-se alguns resultados, como o mapeamento dos tipos de dados e a identificação das funções espaciais presentes no PostgreSQL e no MongoDB. Uma aplicação web para apoiar o ensino de BD Geográficos e BD NoSQL está em desenvolvimento. O material desenvolvido neste projeto será hospedado no site REFERÊNCIAS CÂMARA, G. Representação computacional de dados geográficos. In: CASANOVA, M. A. et al. (org.). Bancos de dados geográficos. Curitiba: MundoGEO, p CUNHA, T. M. de A. Escalabilidade de Sistemas com Banco de Dados NoSQL: um Estudo de Caso Comparativo com MongoDB e MySQL f. Trabalho de Conclusão de Curso (Ciência da Computação) Centro Universitário da Bahia Estácio, Salvador. FROZZA, A. A. Um método para determinar a equivalência semântica entre esquemas GML. 139 f Dissertação (Mestrado em Ciência da Computação) Universidade Federal de Santa Catarina, Florianópolis. GIL, A. C. Como elaborar projetos de pesquisa. 5. ed. São Paulo: Atlas, TIWARI, S. Professional NoSQL. [S.l.]John Wiley & Sons