masterThesis
Knowing: um modelo para garantia de consistência dos dados em sistemas de banco de dados relacionais em nuvem
Registro en:
FREITAS, Elyda Laisa Soares Xavier. Knowing: um modelo para garantia de consistência dos dados em sistemas de banco de dados relacionais em nuvem . Recife, 2014. 111 f. Dissertação (mestrado) - UFPE, Centro de Informática, Programa de Pós-graduação em Ciência da Computação, 2014.
Autor
Freitas, Elyda Laisa Soares Xavier
Institución
Resumen
Bancos de Dados em Nuvem permitem armazenar grandes volumes de dados e crescer quase indefinidamente. Essa característica, alcançada devido à distribuição dos dados, impõe ao sistema de banco de dados algumas restrições, uma vez que não é possível atingir em um sistema distribuído, e ao mesmo tempo, as desejáveis características de Consistência, Disponibilidade e Tolerância à Partição (em caso de falha), conforme determina o Teorema CAP. Desse modo, diversos sistemas de bancos de dados em nuvem têm optado por relaxar a garantia de consistência, dando prioridade à disponibilidade do serviço. Para grande parte das aplicações, no entanto, inconsistências nos dados podem levar a transtornos imensuráveis, como no caso de uma aplicação bancária com valores equivocados. Estudos recentes mostram a necessidade de investigar e explorar novas opções, as quais possibilitem a garantia de consistência nos sistemas de banco de dados em nuvem. Diante do exposto, este trabalho apresenta o Knowing, um modelo de consistência de dados para sistemas de banco de dados relacionais em nuvem, o qual se utiliza do conhecimento do usuário sobre a aplicação para definir quais dados necessitam de garantia de consistência forte e quais não. Os dados com garantia de consistência são tratados por meio da atualização ansiosa. Neste caso, uma arquitetura adaptada à nuvem, a qual se utiliza de comunicação em grupo, foi projetada. Para dados que não necessitam de consistência forte, técnicas de consistência eventual poderão ser utilizadas. Um protótipo foi desenvolvido com a finalidade de avaliar o modelo criado por meio de experimentos. Estes, bem como sua análise, foram também apresentados.