Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade

Detalhes bibliográficos
Autor(a) principal: Mendes, Diego Sarmento
Data de Publicação: 2013
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFLA
Texto Completo: http://repositorio.ufla.br/jspui/handle/1/31281
Resumo: Com a necessidade cada vez maior de lidar com grandes volumes de dados e a expansão das tecnologias de computação em nuvem, prever de forma precisa a performance de consultas é uma tarefa imprescindível em sistemas de otimização e gerenciamento de recursos de hardware para bancos de dados. Trabalhos recentes abordaram este problema no contexto de operadores tradicionais de Sistemas Gerenciadores de Banco de Dados Relacionais (SGBDRs). Entretanto, até o presente momento não se conhece nenhum trabalho abordando a predição de operações avançadas baseadas no conceito de similaridade. Diante deste cenário, nesta pesquisa foram desenvolvidos modelos para prever, de forma precisa, o tempo de execução de junções por similaridade, que são essenciais para atividades de limpeza e integração de dados. Resultados utilizando técnicas de aprendizagem de máquina se mostraram eficientes, indicando que tais modelos poderiam ser utilizados para compor ferramentas de controle de admissão de recursos de hardware para a execução de tais atividades.
id UFLA_f9625dc5640e45e19825f8cd0ee06476
oai_identifier_str oai:localhost:1/31281
network_acronym_str UFLA
network_name_str Repositório Institucional da UFLA
repository_id_str
spelling Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridadeSimilaridadeDuplicatasPredição de performanceAprendizagem de máquinaCom a necessidade cada vez maior de lidar com grandes volumes de dados e a expansão das tecnologias de computação em nuvem, prever de forma precisa a performance de consultas é uma tarefa imprescindível em sistemas de otimização e gerenciamento de recursos de hardware para bancos de dados. Trabalhos recentes abordaram este problema no contexto de operadores tradicionais de Sistemas Gerenciadores de Banco de Dados Relacionais (SGBDRs). Entretanto, até o presente momento não se conhece nenhum trabalho abordando a predição de operações avançadas baseadas no conceito de similaridade. Diante deste cenário, nesta pesquisa foram desenvolvidos modelos para prever, de forma precisa, o tempo de execução de junções por similaridade, que são essenciais para atividades de limpeza e integração de dados. Resultados utilizando técnicas de aprendizagem de máquina se mostraram eficientes, indicando que tais modelos poderiam ser utilizados para compor ferramentas de controle de admissão de recursos de hardware para a execução de tais atividades.Ribeiro, Leonardo AndradeCastro, Cristiano Leite dePereira, Denilson AlvesMendes, Diego Sarmento2018-10-10T13:53:46Z2018-10-10T13:53:46Z20152013-08-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMENDES, D. S. Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade. 2013. Monografia. (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2014.http://repositorio.ufla.br/jspui/handle/1/31281info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFLAinstname:Universidade Federal de Lavras (UFLA)instacron:UFLA2018-10-10T13:53:46Zoai:localhost:1/31281Repositório InstitucionalPUBhttp://repositorio.ufla.br/oai/requestnivaldo@ufla.br || repositorio.biblioteca@ufla.bropendoar:2018-10-10T13:53:46Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)false
dc.title.none.fl_str_mv Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
title Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
spellingShingle Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
Mendes, Diego Sarmento
Similaridade
Duplicatas
Predição de performance
Aprendizagem de máquina
title_short Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
title_full Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
title_fullStr Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
title_full_unstemmed Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
title_sort Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade
author Mendes, Diego Sarmento
author_facet Mendes, Diego Sarmento
author_role author
dc.contributor.none.fl_str_mv Ribeiro, Leonardo Andrade
Castro, Cristiano Leite de
Pereira, Denilson Alves
dc.contributor.author.fl_str_mv Mendes, Diego Sarmento
dc.subject.por.fl_str_mv Similaridade
Duplicatas
Predição de performance
Aprendizagem de máquina
topic Similaridade
Duplicatas
Predição de performance
Aprendizagem de máquina
description Com a necessidade cada vez maior de lidar com grandes volumes de dados e a expansão das tecnologias de computação em nuvem, prever de forma precisa a performance de consultas é uma tarefa imprescindível em sistemas de otimização e gerenciamento de recursos de hardware para bancos de dados. Trabalhos recentes abordaram este problema no contexto de operadores tradicionais de Sistemas Gerenciadores de Banco de Dados Relacionais (SGBDRs). Entretanto, até o presente momento não se conhece nenhum trabalho abordando a predição de operações avançadas baseadas no conceito de similaridade. Diante deste cenário, nesta pesquisa foram desenvolvidos modelos para prever, de forma precisa, o tempo de execução de junções por similaridade, que são essenciais para atividades de limpeza e integração de dados. Resultados utilizando técnicas de aprendizagem de máquina se mostraram eficientes, indicando que tais modelos poderiam ser utilizados para compor ferramentas de controle de admissão de recursos de hardware para a execução de tais atividades.
publishDate 2013
dc.date.none.fl_str_mv 2013-08-29
2015
2018-10-10T13:53:46Z
2018-10-10T13:53:46Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MENDES, D. S. Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade. 2013. Monografia. (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2014.
http://repositorio.ufla.br/jspui/handle/1/31281
identifier_str_mv MENDES, D. S. Uma abordagem baseada em aprendizagem de máquina para predição de desempenho de junções por similaridade. 2013. Monografia. (Graduação em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2014.
url http://repositorio.ufla.br/jspui/handle/1/31281
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFLA
instname:Universidade Federal de Lavras (UFLA)
instacron:UFLA
instname_str Universidade Federal de Lavras (UFLA)
instacron_str UFLA
institution UFLA
reponame_str Repositório Institucional da UFLA
collection Repositório Institucional da UFLA
repository.name.fl_str_mv Repositório Institucional da UFLA - Universidade Federal de Lavras (UFLA)
repository.mail.fl_str_mv nivaldo@ufla.br || repositorio.biblioteca@ufla.br
_version_ 1815439193732546560

Registros relacionados