Busca avançada
Ano de início
Entree

Processamento de Consultas OLAP e SOLAP em Ambientes Computacionais Paralelos e Distribuídos

Resumo

O processamento de consultas OLAP (on-line analytical processing) é considerado significan- temente custoso, devido ao grande volume de dados armazenados no data warehouse e ao fato dessas consultas realizarem junção-estrela. Consultas SOLAP (spatial OLAP) são ainda mais custosas, desde data warehouses espaciais são consideravelmente mais volumosos e demandam, alémm da junção-estrela, a realização de onerosos cálculos relativos ao processamento de predicados topológicos. O processamento de consultas OLAP e SOLAP pode ser beneficiado pelo uso de ambientes computacionais com grande capacidade de armazenamento e de processamento, nos quais existe o emprego de paradigmas de programação paralela e distribuída, como os frameworks Apache Hadoop MapReduce e Apache Spark. Adicionalmente, consultas SOLAP podem se beneficiar do uso de DSDMSs (distributed spatial data management systems), que são sistemas que estendem os frameworks supracitados para armazenar, indexar e processar grandes volumes de dados espaciais (ex.: SpatialHadoop e SpatialSpark). Dentro deste contexto, este projeto de pesquisa tem como objetivo propor e implementar soluções voltadas ao processamento eficiente de consultas OLAP e SOLAP em ambientes computacionais paralelos e distribuídos. Pretende-se investigar: (i) processamento da junção-estrela considerando consultas slice and dice de baixa seletividade; (ii) processamento da junção-estrela considerando consultas drill-down, roll-up e drill-across de baixa e alta seletividade, (iii) análise comparativa de DSDMSs disponíveis na literatura; e (iv) processamento da junção-estrela estendida com predicados espaciais, usando como base funcionalidades providas por DSDMSs. (AU)

Publicações científicas (4)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE CARVALHO CASTRO, JOAO PEDRO; CHAVES CARNIEL, ANDERSON; DUTRA DE AGUIAR CIFERRI, CRISTINA. Analyzing spatial analytics systems based on Hadoop and Spark: A user perspective. SOFTWARE-PRACTICE & EXPERIENCE, v. 50, n. 12 AUG 2020. Citações Web of Science: 0.
BRITO, JAQUELINE J.; MOSQUEIRO, THIAGO; CIFERRI, RICARDO R.; CIFERRI, CRISTINA D. A. Random access with a distributed Bitmap Join Index for Star Joins. HELIYON, v. 6, n. 2 FEB 2020. Citações Web of Science: 0.
CARNIEL, ANDERSON C.; CIFERRI, RICARDO R.; CIFERRI, CRISTINA D. A. FESTIval: A versatile framework for conducting experimental evaluations of spatial indices. METHODSX, v. 7, 2020. Citações Web of Science: 0.
CARNIEL, ANDERSON C.; CIFERRI, RICARDO R.; CIFERRI, CRISTINA D. A. A generic and efficient framework for flash-aware spatial indexing. INFORMATION SYSTEMS, v. 82, p. 102-120, MAY 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.