Algoritmos para Identificação de Dados Frios em Bancos de Dados em Memória

• Alessandra V. Santos Universidade de Fortaleza (UNIFOR)
• Vládia Pinheiro Universidade de Fortaleza (UNIFOR)
• José Maria Monteiro Universidade Federal do Ceará (UFC)

DOI: https://doi.org/10.5753/sbbd.2021.17881

Resumo

O crescimento da capacidade de armazenamento da memória principal impulsionou o desenvolvimento de sistemas de banco de dados da memória principal. Assim, muitos bancos de dados OLTP podem ser armazenados inteiramente na memória principal. No entanto, devido ao crescimento contínuo de dados, é crucial lidar com o transbordamento de dados. As cargas de trabalho OLTP geralmente exibem padrões de acesso onde alguns registros são quentes (acessados com frequência), mas muitos registros são frios (raramente ou nunca acessados). Portanto, é mais econômico armazenar os registros mais frios no armazenamento secundário, como flash ou disco rígido. Recentemente, muitos trabalhos de pesquisa abordaram o problema de transbordamento de dados, desenvolvendo abordagens para identificar dados quentes/frios. Neste artigo, apresentamos dois novos algoritmos chamados 2QCold e ARCold, que adaptam os algoritmos clássicos de cache 2Q e ARC para identificar dados frios. Implementamos nossos algoritmos usando Seal-DB e os comparamos com os algoritmos clássicos LRU, Forward e Belady. O benchmark TPC-C foi usado nos experimentos. Os resultados mostram que tanto 2QCold quanto ARCold reduzem o tempo de resposta e aumentam a taxa de acerto superando os trabalhos relacionados.

Palavras-chave: Gerenciamento, Dados Frios, Bancos de Dados em Memória

Referências

Afify Ghada M, Bastawissy Ali El, H. O. M. (2016). Identifying hot / cold data in main- memory database using frequent item set mining. International Journal of Enhanced Research in Management & Computer Applications, pages 35–42.

Belady, L. A. (1966). A study of replacement algorithms for a virtual-storage computer. IBM Systems journal, 5(2):78–101.

Diaconu, C., Freedman, C., Ismert, E., Larson, P.-A., Mittal, P., Stonecipher, R., Verma, N., and Zwilling, M. (2013). Hekaton: Sql server’s memory-optimized oltp engine. Proceedings of the 2013 ACM SIGMOD International Conference on Management of Data, pages 1243–1254.

Eldawy, A., Levandoski, J., and Larson, P.-A. (2014). Trekking through siberia: Mana- ging cold data in a memory-optimized database. In Proceedings of the VLDB Endow- ment, volume 7, pages 931–942.

Emmanuel, I. and Stanier, C. (2016). Defining big data. In Proceedings of the International Conference on Big Data and Advanced Wireless Technologies, pages 1–6.

Funke Florian, Kemper Alfons, N. T. (2012). Compacting transactional data in hybrid oltp & olap databases. Proceedings of the VLDB Endowment, pages 1424–1435.

Ha, H., Shim, D., Lee, H., and Park, D. (2021). Dynamic hot data identification using a stack distance approximation. IEEE Access, 9:79889–79903.

Johnson Theodore, Shasha Dennis, N. B. O. W. G. (1994). 2q : A low overhead high per- formance management replacement algorithm. Proceedings of the 20th International Conference on Very Large Data Bases, pages 439–450.

Kemper Alfons, N. T. (2011). Hyper : A hybrid oltp & olap main memory database system based on virtual memory snapshots. 2011 IEEE 27th International Conference on Data Engineering, pages 195–206.

Lahiri, T., Neimat, M.-A., and Folkman, S. (2013). Oracle timesten: An in-memory database for enterprise applications. IEEE Data Eng. Bull., 36(2):6–13.

Megiddo, N. and Modha, D. S. (2003). Arc: A self-tuning, low overhead replacement cache. Proceedings of the 2Nd USENIX Conference on File and Storage Technologies, pages 115–130.

Moraes, G., Moraes Filho, J. d. A., and Brayner, A. (2017). Seal-db: Uma ferramenta de suporte ao aprendizado de banco de dados. 32th Brazilian Symposium on Databases DEMOS AND APPLICATIONS SESSION PROCEEDINGS, pages 35–40.

Pathak, A., Gurajada, A., and Khadilkar, P. (2018). Life cycle of transactional data in in- memory databases. In 2018 IEEE 34th International Conference on Data Engineering Workshops (ICDEW), pages 122–133. IEEE.

Stoica, R., Levandoski, J. J., and Larson, P.-A. (2013). Identifying hot and cold data in main-memory databases. Proceedings of the 2013 IEEE International Conference on Data Engineering (ICDE 2013), pages 26–37.