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

• Processo: 18/22277-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2019
• Data de Término da vigência: 30 de abril de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Cristina Dutra de Aguiar
• Beneficiário: Cristina Dutra de Aguiar
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Banco de dados Data warehouse
• Palavra(s)-Chave do Pesquisador: consultas OLAP e SOLAP | dados espaciais | data warehouse | junção-estrela | MapReduce e Spark | sistemas distribuídos de gerenciamento de dados espaciais | Banco de Dados

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

(9)

(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)

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. (18/22277-8, 15/26687-8)

CASTRO, JOAO PEDRO C.; ROMERO, LUCAS M. F.; CARNIEL, ANDERSON CHAVES; AGUIAR, CRISTINA D.; CHIUSANO, S; CERQUITELLI, T; WREMBEL, R; NORVAG, K; CATANIA, B; VARGAS-SOLAR, G; et al. Open Science in the Cloud: The CloudFAIR Architecture for FAIR-compliant Repositories. NEW TRENDS IN DATABASE AND INFORMATION SYSTEMS, ADBIS 2022, v. 1652, p. 11-pg., 2022-01-01. (18/22277-8)

ROCHA, GUILHERME MUZZI; CAPELO, PIERO LIMA; CARNIEL, ANDERSON CHAVES; AGUIAR, CRISTINA DUTRA; CHIUSANO, S; CERQUITELLI, T; WREMBEL, R; NORVAG, K; CATANIA, B; VARGAS-SOLAR, G; et al. Storing Feature Vectors in Relational Image Data Warehouses. NEW TRENDS IN DATABASE AND INFORMATION SYSTEMS, ADBIS 2022, v. 1652, p. 9-pg., 2022-01-01. (18/10607-3, 18/22277-8)

TRAINA, CAETANO, JR.; MORIYAMA, ANDRE; ROCHA, GUILHERME; CORDEIRO, ROBSON; CIFERRI, CRISTINA D. A.; TRAINA, AGMA; ASSOC COMP MACHINERY. The SIMILARQL framework: similarity queries in plain SQL. SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 4-pg., 2019-01-01. (18/05714-5, 16/17078-0, 18/22277-8)

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. (15/26687-8, 18/22277-8)

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, p. 2121-2144, DEC 2020. (18/22277-8)

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. (12/13158-9, 18/22277-8)

CARNIEL, ANDERSON CHAVES; ROUMELIS, GEORGE; CIFERRI, RICARDO R.; VASSILAKOPOULOS, MICHAEL; CORRAL, ANTONIO; AGUIAR, CRISTINA D.. Porting disk-based spatial index structures to flash-based solid state drives. GEOINFORMATICA, v. 26, n. 1, DEC 2021. (18/22277-8)

CARNIEL, ANDERSON CHAVES; AGUIAR, CRISTINA DUTRA. Spatial Index Structures for Modern Storage Devices: A Survey. IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, v. 35, n. 9, p. 20-pg., 2023-09-01. (18/22277-8)