Uma Abordagem Experimental para Avaliar o Desempenho do Banco de Dados Open-Source PostgreSQL
Resumo
Um Sistema de Gerenciamento de Banco de Dados (SGBD) é uma estrutura de software responsável por armazenar os dados de uma aplicação. Nesses sistemas, também é possível organizar os dados de modo que possam ser acrescentados, atualizados, excluídos e acessados sempre que for necessário. Os bancos de dados são essenciais atualmente e estão presentes em práticamente todos os tipos de aplicações. Pela sua ampla gama de utilização, vários SGBDs foram criados para atender as demandas existentes. Muito embora os bancos de dados mais utilizados atualmente são os do tipo relacional, os mesmos ainda necessitam de estudos experimentais atualizados que tragam mais esclarecimentos sobre o seu desempenho, inclusive em situações de alta demanda. Neste trabalho, apresentamos uma abordagem experimental para avaliar o desempenho do PostgreSQL, com a finalidade de compreender como esse banco de dados se comporta diante de situações variadas de uso, focando principalmente na avaliação do tempo de resposta. Os resultados mostram como o aumento da quantidade de usuários simultâneos, de requisições por segundo e da carga de trabalho inserida ou consultada podem influenciar negativamente no desempenho do PostgreSQL, levando o banco de dados a perdas significativas de performance.
Referências
Cheng, C.-S. (2016). Theory of Factorial Design. Chapman and Hall/CRC.
Codd, E. F. (1983). A relational model of data for large shared data banks. Communications of the ACM, 26(1):64–69.
Date, C. J. (2004). Introdução a sistemas de bancos de dados. Elsevier Brasil.
DB-Engines (2022). DB-Engines Ranking. https://db-engines.com/en/ranking. [Online; acessed 12-ago-2022].
Dopke, L., Rockenbach, D., and Griebler, D. (2021). Avaliação de desempenho para banco de dados com genoma em nuvem privada. In Anais da XXI Escola Regional de Alto Desempenho da Região Sul, pages 45–48. SBC.
Gantz, J. and Reinsel, D. (2012). The digital universe in 2020: Big data, bigger digital shadows, and biggest growth in the far east. IDC iView: IDC Analyze the future, 2007(2012):1–16.
Hsieh, M.-J., Ho, L.-Y., Wu, J.-J., and Liu, P. (2017). Data partition optimisation for column-family nosql databases. International Journal of Big Data Intelligence, 4(4):263–275.
JMeter™, A. (2022). Apache JMeter - What can I do with it? https://jmeter.apache.org/. [Online; accessed 04-fev-2022].
Klimek, B. and Skublewska-Paszkowska, M. (2021). Comparison of the performance of relational databases postgresql and mysql for desktop application. Journal of Computer Sciences Institute, 18:61–66.
Lima, A. T. C., Diógenes, V. F., and Pereira, J. Q. (2018). Estudo comparativo entre postgresql (sgbd) e apache cassandra (nosql). Anais do Encontro de Computaçãodo Oeste Potiguar ECOP/UFERSA (ISSN 2526-7574), (2).
Machado, F. N. R. (2020). Banco de Dados–Projeto e Implementação. Saraiva Educação SA.
Makris, A., Tserpes, K., Spiliopoulos, G., Zissis, D., and Anagnostopoulos, D. (2021). Mongodb vs postgresql: A comparative study on performance aspects. GeoInformatica, 25(2):243–268.
McKight, P. E. and Najab, J. (2010). Kruskal-wallis test. The corsini encyclopedia of psychology, pages 1–1.
Medeiros, W., Mendonça, J., Alves, G., and Andrade, E. (2020). Avaliação experimental de replicação em banco de dados para recuperação de desastres. In Anais do XIX Workshop em Desempenho de Sistemas Computacionais e de Comunicação, pages 121–132. SBC.
Pires, C. E., Nascimento, R. O., and Salgado, A. C. (2006). Comparativo de desempenho entre bancos de dados de código aberto. Escola Regional de Banco de Dados, Anais da ERBD06, Porto Alegre.
Politowski, C. and Maran, V. (2014). Comparação de performance entre postgresql e mongodb. X Escola Regional de Banco de Dados. SBC, pages 1–10.
Santos, B., Endo, P. T., and Silva, F. A. (2019). Uma avaliação de desempenho de contêineres docker executando diferentes sgbds relacionais. In Anais do XVIII Workshop em Desempenho de Sistemas Computacionais e de Comunicação. SBC.
Sharma, M., Sharma, V. D., and Bundele, M. M. (2018). Performance analysis of rdbms and no sql databases: Postgresql, mongodb and neo4j. In 2018 3rd International Conference and Workshops on Recent Advances and Innovations in Engineering (ICRAIE), pages 1–5. IEEE
