• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.55.2020.tde-04022020-111451
Documento
Autor
Nombre completo
Marcos Roberto Nesso Junior
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2019
Director
Tribunal
Traina Junior, Caetano (Presidente)
Barioni, Maria Camila Nardini
Marcacini, Ricardo Marcondes
Valle Junior, Eduardo Alves do
Título en portugués
Desenvolvimento de uma Técnica para Estender um SGBD Relacional com Consultas por Similaridade 
Palabras clave en portugués
Estruturas de indexação
Métodos de acesso métrico
PostgreSQL
Sistemas de gerenciamento de base de dados
Slim-tree
Resumen en portugués
Os Sistemas de Gerenciamento de Bases de Dados (SGBD) baseados na Teoria Relacional foram desenvolvidos para atender às necessidades do armazenamento e recuperação de grandes volumes de dados. Esses dados são representados por valores numéricos, datas e/ou pequenas cadeias de caracteres, e são chamados genericamente dados escalares. Com a evolução da tecnologia da informação, torna-se cada vez mais necessário organizar, armazenar e recuperar também outros tipos de dados, a que neste trabalho chamamos de dados complexos, tais como imagens, vídeo, séries temporais e sequências genéticas. As comparações baseadas em Relações de Identidade (RI) ou em Relações de Ordem (RO) são úteis para consultas sobre dados escalares, porém não são adequadas para dados complexos. Para estes, as consultas por similaridade têm sido a opção mais estudada, embora a sua disponibilidade nos SGBDs disponíveis ainda seja limitada. Métodos de Acesso Métrico (MAMs) são usualmente aplicados para a indexação de dados complexos, de modo a agilizar a execução de consultas por similaridade. O presente trabalho de mestrado visou incorporar recursos de um MAM a um SGBD Relacional. Isso foi feito por meio da proposta e implementação de uma técnica para estender um SGBD Relacional de grande utilização. Assim, implementou-se o MAM conhecido como Slim-Tree no PostgreSQL, que é um SGBD Relacional. A implementação da técnica resultou no RAFIKI, um protótipo capaz de superar a sua antecessora KIARA em termos de velocidade, quando usado para realizar consultas por similaridade. A análise experimental realizada mostrou que o RAFIKI é até 6 vezes mais rápido que a KIARA. Utilizando a técnica proposta, é possível a extensão do PostgreSQL para dar suporte a outros MAMs.
Título en inglés
Development of a Technique for Extending a Relational DBMS with Similarity Queries
Palabras clave en inglés
Indexing structures
Metric access method
PostgreSQL
Relational database management system
Slim-tree
Resumen en inglés
Database Management Systems (DBMS) based on the Relational Theory are designed to meet the needs of storing and retrieving large amounts of data. These data can be represented by numeric values, dates, and/or small strings, and are generically called scalar data. With the evolution of information technology, it is increasingly necessary to organize, store, and retrieve other types of data. In this work, we call such data complex data, such as images, videos, time series, and genetic sequences. Comparisons based on Identity Relations or Order Relations are useful for querying scalar data but are not suitable for complex data. For complex data, similarity queries have been the most studied option, although their availability in existing DBMS is still limited. Metric Access Methods (MAMs) usually are applied for indexing complex data to speed-up similarity queries. This Masters project aimed at incorporating MAM resources to a Relational DBMS, by proposing and implementing a technique for extending a widely used Relational DBMS. Thus, we implemented the existing Slim-Tree MAM into PostgreSQL, which is a Relational DBMS. This implementation resulted in RAFIKI, a prototype capable of outperforming its predecessor system KIARA, in terms of speed, in the task of performing similarity queries. The experimental analysis carried showed that RAFIKI is up to 6 times faster than KIARA. Further, using the proposed technique, it is possible to extend PostgreSQL to support other MAMs.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2020-02-04
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2022. Todos los derechos reservados.