• 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
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.55.2020.tde-04022020-111451
Document
Auteur
Nom complet
Marcos Roberto Nesso Junior
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2019
Directeur
Jury
Traina Junior, Caetano (Président)
Barioni, Maria Camila Nardini
Marcacini, Ricardo Marcondes
Valle Junior, Eduardo Alves do
Titre en portugais
Desenvolvimento de uma Técnica para Estender um SGBD Relacional com Consultas por Similaridade 
Mots-clés en portugais
Estruturas de indexação
Métodos de acesso métrico
PostgreSQL
Sistemas de gerenciamento de base de dados
Slim-tree
Resumé en portugais
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.
Titre en anglais
Development of a Technique for Extending a Relational DBMS with Similarity Queries
Mots-clés en anglais
Indexing structures
Metric access method
PostgreSQL
Relational database management system
Slim-tree
Resumé en anglais
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.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2020-02-04
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.