[en] AUTONOMIC INDEX CREATION IN DATABASES
[pt] A escolha e materialização de índices são atividades comumente realizadas por administradores de bancos de dados (DBAs) para acelerar o processamento de aplicações de bancos de dados. Devido à complexidade da tarefa de seleção de índices e à pressão por maior produtividade sobre os profissi...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | pt |
| Published: |
MAXWELL
2004
|
| Subjects: | |
| Online Access: | https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=5790@1 https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=5790@2 http://doi.org/10.17771/PUCRio.acad.5790 |
| Summary: | [pt] A escolha e materialização de índices são atividades
comumente realizadas por administradores de bancos de dados
(DBAs) para acelerar o processamento de aplicações de
bancos de dados. Devido à complexidade da tarefa de
seleção de índices e à pressão por maior produtividade
sobre os profissionais que realizam sintonia, diversos
trabalhos na literatura e em sistemas comerciais procuram
obter ferramentas que possam apoiar o DBA na escolha
dos melhores índices para uma dada carga de trabalho.
Classificamos estes trabalhos como sendo de auto-sintonia
local, uma vez que se focam em um problema de sintonia
específico, em oposição a trabalhos de auto-sintonia
global, que almejam obter um desempenho aceitável para o
sistema como um todo. Esta dissertação propõe duas
arquiteturas que permitem automatizar completamente a
sintonia de índices. A indepedência de intervenção humana
é obtida através do uso de agentes de software. A
combinação de agentes com SGBDs torna os sistemas mais
autônomos e capazes de auto-sintonia. Implementamos uma das
arquiteturas propostas no SGBD de código fonte aberto
PostgreSQL e obtivemos resultados experimentais com uma
carga transacional que mostram a viabilidade de nossa
abordagem. === [en] The choice and materialization of indexes are activities
commonly done by database administrators to speed up
database application processing. Due to the complexity of
the index selection task and to the pressure for
productivity increase put on tuning professionals, many
works on the literature and on commercial systems seek for
tools that can help the DBA choose the best indexes for a
given workload. We classify these works as local self-
tuning, once they are interested in a specific tuning
problem, in opposition to global self-tuning work, which is
targeted at obtaining acceptable performance for the system
as a whole. This dissertation proposes two architectures
that allow the complete automation of the index tuning
task. Human intervention independence is achieved through
the use of software agents. The combination of agents and
DBMS makes systems more autonomous and self-tuning. We have
implemented one of the proposed architectures in the open
source DBMS PostgreSQL and obtained experimental results
with a transactional workload that show the feasibility of
our approach. |
|---|