AJAX – Adaptive Join Algorithm for Extreme Restrictions SBBD 2007 Eriko Werbet Angelo Brayner Universidade de Fortaleza Instituto Atlântico.

Apresentação em tema: "AJAX – Adaptive Join Algorithm for Extreme Restrictions SBBD 2007 Eriko Werbet Angelo Brayner Universidade de Fortaleza Instituto Atlântico."— Transcrição da apresentação:

1 AJAX – Adaptive Join Algorithm for Extreme Restrictions SBBD 2007 Eriko Werbet Angelo Brayner Universidade de Fortaleza Instituto Atlântico

2 Motivação Computação Móvel Bancos de Dados + Mobilidade Mobilidade + Restrições = Atraso Técnicas Convencionais são Ineficientes Processamento de Consultas Adaptativo Definição de Operadores Adaptativos

3 Objetivos Implementar um algoritmo de junção capaz de executar operações de junção de forma eficiente, num ambiente com suporte à mobilidade. Este algoritmo deve adaptar-se dinamicamente às restrições do ambiente.

4 Mobilidade e Bancos de Dados Ambiente de Computação Móvel Redes ad hoc Mobilidade Física e Lógica (Agentes) Desafios Soluções

5 Bancos de Dados Móveis Autônomos Heterogêneos Distribuídos

6 A Arquitetura AMDB Acesso a Bancos de Dados Móveis Comunidade de Bancos de Dados Móveis Interoperabilidade Agentes Móveis x Estáticos

7 O Agente Executor Acesso aos Membros da CBDM Consultas Coordenador do Protocolo 2PC Operações de Junção

8 O Algoritmo AJAX Adaptive Join Algorithm for Extreme Restrictions Simetria Pipelining Buckets Dinâmicos Comparação Progressiva Prevenção de Estouro de Memória

9 Simetria Tratar as fontes de dados de maneira independente, por meio de multithreading. Evitar o bloqueio ou atraso na execução da junção.

10 Buckets Dinâmicos Comparação de buckets com o mesmo “endereço” hash, em tabelas opostas. Buckets com tamanho variável implicam em mais flexibilidade, pois não precisamos tratar bucket overflow. Buckets podem acumular mais tuplas antes de iniciar o probing.Melhor adaptação à Comparação Progressiva. Baixo overhead de manipulação.

11 Pipelining Suprimento de tuplas para operadores mais altos na hierarquia da consulta. Recebimento de tuplas de operadores mais baixos. Padrão recursivo implica em pseudo-paralelismo na execução da consulta, ou seja, diminuição no tempo de resposta.

12 Comparação Progressiva Comparação cíclica dos buckets. Cada par de buckets é comparado e somente o conteúdo numa iteração “i” é considerado.Tuplas subseqüentes serão comparadas numa iteração “i + 1”. Comparação e Hashing contínuo das tuplas.

13 Last Probe Remembrance Cada tupla do bucket Alfa “lembra” a última tupla do bucket Beta (bucket oposto) que foi comparada com ela. Evita Duplicatas. Evita Comparações Desnecessárias.

14 Prevenção de Estouro de Memória A granularidade observada passa do nível de bucket para o nível do sistema computacional. Monitoramento da memória do sistema. Escolha de um ou vários pares de buckets para descarregamento em disco. Minimal memory limit: limite de memória que garante a execução da junção.

15 Fases de Execução Primeira Fase Fase de execução normal do AJAX Segunda Fase Executada quando ocorre EOF ou quando as fontes estão em retardo. O recebimento continua, mas a comparação passa a usar buckets em disco.

16 AJAX em Pseudocódigo Procedure TupleArrival (tuple t, sources (A, B)) Begin 1. If t exceeds the minimal memory limit (a) Choose two buckets A x and B x. (b) Probe buckets A x and B x. (c) Flush buckets A x and B x. (d) Deallocate A x and B x. 2. Calculate the hash of t. 3. Insert t in the correct bucket. End Procedure ProgressiveProbing (buckets (A i, B i ), pages (PA i, PB i )) Begin 1. If buckets A i or B i got a new tuple t (a) Probe t with all tuples with position index lower than its LPR. (b) Update the LPR of all probed tuples with the position index of t. (c) Update the result stream. 1.1 If sources are blocked (a) Probe A i with all disk pages with index less than its LPR. (b) Probe B i with all disk pages with index less than its LPR. (c) Probe page PA i with all disk pages with index less than its LPR. (c) Probe page PB i with all disk pages with index less than its LPR. (d) Update the LPR of the involved tuples. (e) Update the result stream. End

17 Resultados Experimentais Eficácia Eficiência

18 Testes de Eficácia

19 Eficiência: AJAX versus XJoin

20 Eficiência: AJAX x HMJ (1/2)

21 Eficiência: AJAX x HMJ (2/2)

22 Conclusão AJAX garante: Produção incremental de tuplas-resultado Continuidade da execução da consulta mesmo com fontes bloqueadas Reação proativa em caso de estouro de memória

23 Trabalhos Futuros Aperfeiçoamento da Tabela Hash do AJAX Definição de uma nova função hash Pesquisa de estruturas de dados mais adaptadas ao contexto do AJAX

24 Agradecimentos CNPq Universidade de Fortaleza Instituto Atlântico Angelo Brayner, Dr-Ing. José de Aguiar, M.Sc. A todos que tornaram este projeto possível!