Um Estudo sobre Modelagem Poliglota de Dados

• Hudson Afonso Batista da Silva UFSC
• Luís Gustavo Bornia UFSC
• Ronaldo dos Santos Mello UFSC

DOI: https://doi.org/10.5753/erbd.2024.238848

Resumo

Persistência poliglota é vista como o futuro das modelagens de bancos de dados, pois visa adequar cada parte de uma modelagem conceitual de BD para esquemas lógicos e físicos com o melhor desempenho possível em termos de armazenamento e acesso. Entretanto, uma modelagem poliglota de dados traz novos desafios ao projetista, como lidar com mais de uma tecnologia de banco de dados e escolher o melhor modelo lógico ou tecnologia de banco de dados para manter e gerenciar determinada parte de uma modelagem conceitual. Este artigo apresenta uma revisão sistemática da literatura sobre esta área de pesquisa, uma visão geral dos trabalhos encontrados e uma análise comparativa dos mesmos. Não encontramos na literatura um estudo similar a este.

Referências

Bakhtin, A. (2023). A tool for querying multi-model data. PhD thesis, Prague: Charles University, Faculty of Mathematics and Physics, Department of Software Engineering.

Fowler, M. (2011). Polyglot persistence. [link]. Last access: 19 February 2024.

Holubová, I., Vavrek, M., and Scherzinger, S. (2021). Evolution management in multi-model databases. Data & Knowledge Engineering, 136:101932.

Khine, P. P. and Wang, Z. (2019). A Review of Polyglot Persistence in the Big Data World. Information, 10(4):141.

Kitchenham, B. (2004). Procedures for Performing Systematic Reviews. Keele University, UK, 33(2004):1–26.

Kolonko, M. and Müllenbach, S. (2020). Polyglot Persistence in Conceptual Modeling for Information Analysis. In 10th International Conference on Advanced Computer Information Technologies (ACIT), pages 590–594. IEEE.

Koupil, P. and Holubová, I. (2022). A Unified Representation and Transformation of Multi-model Data using Category Theory. Journal of Big Data, 9(1):61.

Koupil, P., Hricko, S., and Holubová, I. (2022). A universal approach for multi-model schema inference. Journal of Big Data, 9(1):1–46.

Koupil, P., Svoboda, M., and Holubová, I. (2021). Mm-cat: A tool for modeling and transformation of multi-model data using category theory. In 2021 ACM/IEEE International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C), pages 635–639.

Lu, J. and Holubová, I. (2017). Multi-model data management: What’s new and what’s next? In Proceeding of the 20th international conference on extended databases.

Mac Lane, S. (2013). Categories for the working mathematician, volume 5. Springer Science & Business Media.

Niska, P. (2024). Multi-model Database Migration. PhD thesis, University of Helsinki, Faculty of Science.

Roy-Hubara, N., Shoval, P., and Sturm, A. (2022). Selecting Databases for Polyglot Persistence Applications. Data Knowl. Eng., 137(C).

Sadalage, P. J. and Fowler, M. (2013). NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Pearson Education.

Schreiner, G. A., Duarte, D., and Mello, R. d. S. (2019). When Relational-based Applications Go to NoSQL Databases: A Survey. Information, 10(7):241.

Stonebraker, M. (2012). New Opportunities for NewSQL. Communications of the ACM, 55:10–11.

Vavrek, M., Holubová, I., and Scherzinger, S. (2019). Mm-evolver: A multi-model evolution management tool. In EDBT, volume 19, pages 586–589.

Wazlawick, R. S. (2009). Metodologia de Pesquisa para Ciência da Computação, volume 2. Elsevier.

Ye, F., Sheng, X., Nedjah, N., Sun, J., and Zhang, P. (2023). A benchmark for performance evaluation of a multi-model database vs. polyglot persistence. Journal of Database Management (JDM), 34(3):1–20.