INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING

Detalhes bibliográficos
Autor(a) principal: LUCIANA DE SA SILVA PERCILIANO
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@2
Resumo: OnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição formal e estática de conceitos. Além disso, como tuning de banco de dados envolve muitas regras baseadas na experiência e em algoritmos de caixa preta, torna-se um desafio descrever esse processo de inferência. Esse trabalho de pesquisa apresenta primeiramente a solução OnDBTuning que é uma ontologia no domínio de tuning. Em seguida, ele propõe uma implementação de regras em SPARQL Inferencing Notation (SPIN) na OnDBTuning. Por fim, mostra uma avaliação prática da solução para recomendação de índices e visões materializadas.
id PUC_RIO-1_5fbbdc36a7d7aa58654d5db085f467ba
oai_identifier_str oai:MAXWELL.puc-rio.br:58605
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str 534
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisINFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING TUNING INFERENCE THROUGH ONDBTUNING 2021-12-21SERGIO LIFSCHITZ86387847753lattes.cnpq.br/8164403687403639ANA CAROLINA BRITO DE ALMEIDAJOSÉ MARIA DA SILVA MONTEIRO FILHOEDWARD HERMANN HAEUSLERSERGIO LIFSCHITZANA CAROLINA BRITO DE ALMEIDA08696490789lattes.cnpq.br/7303812011507163LUCIANA DE SA SILVA PERCILIANOPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM INFORMÁTICAPUC-RioBROnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição formal e estática de conceitos. Além disso, como tuning de banco de dados envolve muitas regras baseadas na experiência e em algoritmos de caixa preta, torna-se um desafio descrever esse processo de inferência. Esse trabalho de pesquisa apresenta primeiramente a solução OnDBTuning que é uma ontologia no domínio de tuning. Em seguida, ele propõe uma implementação de regras em SPARQL Inferencing Notation (SPIN) na OnDBTuning. Por fim, mostra uma avaliação prática da solução para recomendação de índices e visões materializadas.OnDBTuning is a relational database (semi-automatic) tuning ontology. Ontologies are artifacts that represent specific domain knowledge and can be used to infer knowledge. However, in general, most applications include only a formal and static description of concepts. Moreover, as database tuning involves many rules-of-thumb and black-box algorithms, it becomes challenging to describe these inference procedures. This research work first presents the OnDBTuning ontology solution focusing on the inference of tuning actions. Next, it proposes an implementation of the OnDBtuning rules using SPARQL Inferencing Notation (SPIN). Finally, it shows a practical evaluation of our solution concerning index and materialized views recommendations.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROCOORDENAÇÃO DE APERFEIÇOAMENTO DO PESSOAL DE ENSINO SUPERIORPROGRAMA DE EXCELENCIA ACADEMICAhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2022-11-01T14:07:23Zoai:MAXWELL.puc-rio.br:58605Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-08-15T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.pt.fl_str_mv INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
dc.title.alternative.en.fl_str_mv TUNING INFERENCE THROUGH ONDBTUNING
title INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
spellingShingle INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
LUCIANA DE SA SILVA PERCILIANO
title_short INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_full INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_fullStr INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_full_unstemmed INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_sort INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
author LUCIANA DE SA SILVA PERCILIANO
author_facet LUCIANA DE SA SILVA PERCILIANO
author_role author
dc.contributor.advisor1.fl_str_mv SERGIO LIFSCHITZ
dc.contributor.advisor1ID.fl_str_mv 86387847753
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br/8164403687403639
dc.contributor.referee1.fl_str_mv ANA CAROLINA BRITO DE ALMEIDA
dc.contributor.referee2.fl_str_mv JOSÉ MARIA DA SILVA MONTEIRO FILHO
dc.contributor.referee3.fl_str_mv EDWARD HERMANN HAEUSLER
dc.contributor.referee4.fl_str_mv SERGIO LIFSCHITZ
dc.contributor.referee5.fl_str_mv ANA CAROLINA BRITO DE ALMEIDA
dc.contributor.authorID.fl_str_mv 08696490789
dc.contributor.authorLattes.fl_str_mv lattes.cnpq.br/7303812011507163
dc.contributor.author.fl_str_mv LUCIANA DE SA SILVA PERCILIANO
contributor_str_mv SERGIO LIFSCHITZ
ANA CAROLINA BRITO DE ALMEIDA
JOSÉ MARIA DA SILVA MONTEIRO FILHO
EDWARD HERMANN HAEUSLER
SERGIO LIFSCHITZ
ANA CAROLINA BRITO DE ALMEIDA
description OnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição formal e estática de conceitos. Além disso, como tuning de banco de dados envolve muitas regras baseadas na experiência e em algoritmos de caixa preta, torna-se um desafio descrever esse processo de inferência. Esse trabalho de pesquisa apresenta primeiramente a solução OnDBTuning que é uma ontologia no domínio de tuning. Em seguida, ele propõe uma implementação de regras em SPARQL Inferencing Notation (SPIN) na OnDBTuning. Por fim, mostra uma avaliação prática da solução para recomendação de índices e visões materializadas.
publishDate 2021
dc.date.issued.fl_str_mv 2021-12-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM INFORMÁTICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1748324963017818112

Registros relacionados