INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
Autor(a) principal: | |
---|---|
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 |