SGBD Para Dispositivos Limitados*

Apresentação em tema: "SGBD Para Dispositivos Limitados*"— Transcrição da apresentação:

1 SGBD Para Dispositivos Limitados*
Camilo Porto Bruno Alexandre

2 Roteiro Introdução Problemática Desafios Armazenamento
Processamento de consultas Conclusões Referências bibliográficas

3 Introdução

4 Introdução Proliferação de dispositivos móveis
PDAs, Celulares, Smart Cards; Processamento Móvel da Informação; Acesso contínuo à informação, independente do local físico; Informações pessoais, financeiras, médicas, negócios;

5 Introdução Tecnologia móvel nas empresas
Vendas, trabalho de campo, saúde Necessidade de computação em todo lugar (Pervasive Computing) Aumento da complexidade/volume das informações

6 SGBD para dispositivos móveis
Introdução Eficiência no armazenamento da informação; Eficiência na recuperação da informação; Segurança; SGBD para dispositivos móveis

7 Problemática

8 Problemática Dispositivos Móveis => Limitações de Hardware/Software
RAM Smart Cards – Alguns KB (4Kb – 128Kb) PDAs e Celulares – Alguns MB Memória estável Smart Cards – (128Kb – 1MB) PDAs e Celulares – (1MB – 512MB)

9 Problemática Baixa performance na escrita em memória estável;
Eficiência na leitura; Autonomia de energia;

10 Problemática SGBD => Software complexo
Técnicas convencionais => Inviabilidade Como baixar escala das técnicas convencionais? Foco: Armazenamento & Processamento de Consulta

11 Problemática Técnicas Convencionais: Armazenamento
Várias estruturas de índices => Consumo de memória Valores repetidos => Consumo de memória Uso de cache (diminuir I/O) => Consumo de RAM

12 Problemática Técnicas Convencionais: Processamento de Consulta
Alto consumo de memória Armazenamento de resultados intermediários Materialização Estruturas temporárias em memória (índices, ordenação, etc.)

13 Problemática Outros problemas Sincronização Usabilidade
Dentre outros...

14 Desafios

15 Desafios Diminuir espaço ocupado por estruturas de dados (índices, tuplas, etc.) Diminuir uso de memória RAM Diminuir operações de escrita (lento) Aproveitar eficiência de operações de leituras

16 Armazenamento

17 Armazenamento Armazenamento Seqüencial Problemas
Simplicidade Tuplas armazenadas em seqüência; Problemas 1. Consumo de espaço – valores de atributos duplicados 2. Ineficiente – Ausência de índices => busca seqüencial Adição de índices resolve o 2º problema ao mesmo tempo que agrava o 1º...

18 Armazenamento Armazenamento por domínio v1 v2 v3 v4
Ausência de valores duplicados Uso de apontadores em atributos Valores v1 v2 v3 v4 Relação R Relação S

19 Armazenamento Armazenamento por domínio
Compactação de dados (ausência de valores duplicados) Facilidade de gestão de memória (tuplas com tamanhos fixos)

20 Armazenamento Armazenamento por domínio Desvantagens Solução?
Overhead nas operações insert/delete/update; Valores únicos (chaves, por exemplo) Valores menor que tamanho da palavra de memória Solução?

21 Problema: estruturas de índices
Armazenamento Combinação Seqüencial + Domínio Valores únicos => seqüencial; Valores < tamanho da palavra => seqüencial; Valores > tamanho da palavra => domínio (simplifica gestão de memória) Problema: estruturas de índices

22 Armazenamento Armazenamento em anel Redução de estruturas de índices;
Formação de anel: valor => atributos => valor Semelhança com armazenamento por domínio;

23 Armazenamento Estrutura de índice em anel – Select Index Select Index
Indice em R.a Valores Select Index ... Where R.a=“v1” v1 v2 v3 v4 Relação R Requisito de espaço para o índice: 1 apontador/valor

24 Armazenamento Armazenamento em anel
Overhead de projeção – percorrer anel

25 Armazenamento Estrutura de índice em Anel – Join Index Join Index ...
R.b S.a Relação S Join Index ... Where R.b=S.a Relação R Requisito de espaço para o índice: 1 apontador/valor

26 Armazenamento Estrutura de índice em Anel
Junções efetuadas em Chaves (freqüentemente) Chaves => armazenamento seqüencial;

27 Processamento de consulta

28 Processamento de Consulta
Problemas e Restrições O estado da arte em Q.P. não pode ser usado em SGBDs móveis; Não se pode estimar quantidade de memória que será utilizada; Devido a restrição de escrita e tempo de vida da memória utilizada, condena-se uso de write e materialization.

29 Processamento de Consulta
Soluções Os SGBDs existentes (Sybase Everywehere, Oracle lite, DB2 EveryPlace), não resolvem o problema da restrição de Memória principal; Framework (operadores) para Query evaluators voltado para dispositivos com restrições de RAM.

30 Processamento de Consulta
Framework operadores Expressões utilizadas: Execution without RAM, RAM Lower Bound model (RLB) Armazenamento interfere na execução de planos de consulta (uso de índice ou não); Algoritmos dos operadores devem seguir alguns princípios;

31 Proc. de Consulta (sem índice)
Hipóteses H1: Arquivos de dados on-board são sequenciais (baixo desempenho); H2: Consultas não aninhadas; H3: Dispositivos autônomos; H5: Armazenamento em memória eletrônica tipo EEPROM.

32 Proc. de Consulta (sem índice)
Regras de design R1: Proibido uso de E.D. de tamanho variável; R2: Nunca Armazene informação que pode ser recomputada (no materialization); Unicidade Completude Operador possui três primitivas: open, close e next.

33 Proc. de Consulta (sem índice)
Algoritmos Compartilham estrutura de dados: DataFlow (R1 e R2)

34 Proc. de Consulta (sem índice)
Algoritmos (select)

35 Proc. de Consulta (sem índice)
Algoritmos (GBY.open)

36 Proc. de Consulta (sem índice)
Algoritmos (GBY.next)

37 Proc. de Consulta (sem índice)
Algoritmos (GBY) Tipos: CompMin, CompMax e IterMin Otimização: Diminuir avaliação de tuplas irrelevantes através da utilização de filtros.

38 Proc. de Consulta (sem índice)
Algoritmos (GRY - filtros) Definição: Relevant tuples, required tuples e Irrelevant tuples; Quanto mais o algoritmo que evitar required tuples e irrelevant tuples, melhor será.

39 Proc. de Consulta (sem índice)
Avaliação de desempenho Esquema: R, S, T e U

40 Proc. de Consulta (sem índice)
Avaliação de desempenho

41 SGBD Para Dispositivos Limitados
Referências Memory Requirements for Query Execution in Highly Constrained Devices. Anciaux N., Bougamin L. andPucheral P.Int. Conf. on Very Large Data Bases (VLDB), 2003. PicoDBMS: Scaling down Database Techniques for the Smartcard. Christophe Bobineau, Luc Bouganim, Philippe Pucheral and Patrick Valduriez.Proceedings of the 26th International Conference on Very Large Databases, Cairo, Egypt, 2000. IBM DB2 Everyplace, Version 8.1.Interactive Management Software Inc.