Explorando arquiteturas multi-core para processamento eficiente de consultas em sistemas de gerência de Big Data

  • Frank W. R. da Silva Universidade Federal Fluminense / Universidade do Estado de Mato Grosso
  • Victor T. de Almeida Universidade Federal Fluminense / Petrobras S.A.
  • Vanessa Braganholo Universidade Federal Fluminense https://orcid.org/0000-0002-1184-8192

Resumo


Sistemas de Gerência de Big Data, em geral, gerenciam cada máquina como um nó dentro do pipeline de processamento paralelo de consultas, deixando de lado núcleos de processador que poderiam contribuir para acelerar o processamento das consultas. Neste contexto, este artigo explora o uso de todos os núcleos de processador disponíveis, avaliando o desempenho de consultas em diversos cenários. Para isso, usamos o conceito de worker nodes (alocados a núcleos que não possuem acesso a disco) e data nodes (alocados em núcleos com acesso a disco) em uma mesma máquina, tendo como plataforma base o mecanismo MyriaX, que suporta este conceito. Avaliamos diversas configurações variando a quantidade de worker nodes e data nodes para dois tipos de consultas (auto-junção e triângulos) em dados do Twitter. Os resultados mostram que aumentar o paralelismo de I/O em termos de data nodes nem sempre é a estratégia mais eficaz, o que reforça a ideia da utilização de worker nodes no pipeline de processamento de consultas. No melhor caso, obtivemos aceleração de 2,92x com a simples adição de worker nodes em núcleos de processamento disponíveis.
Palavras-chave: Big Data, processamento paralelo de consultas, multi-core, worker nodes

Referências

Abouzeid, A., Bajda-Pawlikowski, K., Abadi, D., Silberschatz, A. and Rasin, A. (2009). HadoopDB: An Architectural Hybrid of MapReduce and DBMS Technologies for Analytical Workloads. Proceedings of the VLDB Endowment (PVLDB), v. 2, n. 1, p. 922–933.

Alsubaiee, S., Behm, A., Grover, R., et al. (2012). ASTERIX: Scalable Warehouse-Style Web Data Integration. International Workshop on Information Integration on the Web, p. 1–4.

Bittorf, M., Bobrovytsky, T., Erickson, C. C. A. C. J., et al. (2015). Impala: A Modern, Open-Source SQL Engine for Hadoop. In Conference on Innovative Data Systems Research (CIDR).

Dageville, B., Cruanes, T., Zukowski, M., et al. (2016). The Snowflake Elastic Data Warehouse. International Conference on Management of Data (SIGMOD), p. 215–226.

Das, S., Agrawal, D. and El Abbadi, A. (2013). ElasTraS: An Elastic, Scalable, and Self-Managing Transactional Database for the Cloud. Transactions on Database Systems (TODS), v. 38, n. 1, p. 5.

DeWitt, D. and Gray, J. (1992). Parallel Database Systems: The Future of High Performance Database Systems. Communications of the ACM, v. 35, n. 6, p. 85–98.

Gupta, A., Agarwal, D., Tan, D., et al. (2015). Amazon Redshift and the Case for Simpler Data Warehouses. In International Conference on Management of Data (SIGMOD).

Halperin, D., Teixeira de Almeida, V., Choo, L. L., et al. (2014). Demonstration of the Myria Big Data Management Service. International Conference on Management of Data (SIGMOD), p. 881–884.

Hu, X., Tao, Y. and Chung, C.-W. (2013). Massive Graph Triangulation. In SIGMOD.

Isard, M., Budiu, M., Yu, Y., Birrell, A. and Fetterly, D. (2007). Dryad: Distributed Data-parallel Programs from Sequential Building Blocks. In European Conference on Computer Systems (EuroSys).

Kim, C., Kaldewey, T., Lee, V. W., et al. (2009). Sort vs. Hash Revisited: Fast Join Implementation on Modern Multi-core CPUs. Proceedings of the VLDB Endowment (PVLDB), v. 2, n. 2, p. 1378–1389.

Malewicz, G., Austern, M. H., Bik, A. J., et al. (2010). Pregel: A System for Large-scale Graph Processing. In International Conference on Management of Data (SIGMOD).

Mehta, M. and DeWitt, D. J. (1997). Data Placement in Shared-nothing Parallel Database Systems. The VLDB Journal, v. 6, n. 1, p. 53–72.

Mishra, P. and Eich, M. H. (1992). Join Processing in Relational Databases. ACM Computing Surveys (CSUR), v. 24, n. 1, p. 63–113.

Schneider, D. A. and DeWitt, D. J. (1989). A performance Evaluation of Four Parallel Join Algorithms in a Shared-nothing Multiprocessor Environment. International Conference on Management of Data (SIGMOD), v. 18, p. 110–121.

Stonebraker, M. (1986). The Case for Shared Nothing. IEEE Database Engineering, v. 9, n. 1, p. 4–9.

Wang, J., Baker, T., Balazinska, M., et al. (2017). The Myria Big Data Management and Analytics System and Cloud Service. In Conference on Innovative Data Systems Research (CIDR).

Warneke, D. and Kao, O. (2009). Nephele: Efficient Parallel Data Processing in the Cloud. In Many-Task Computing on Grids and Supercomputers (MTAGS).
Publicado
02/10/2017
DA SILVA, Frank W. R.; DE ALMEIDA, Victor T.; BRAGANHOLO, Vanessa. Explorando arquiteturas multi-core para processamento eficiente de consultas em sistemas de gerência de Big Data. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 32. , 2017, Uberlândia/MG. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2017 . p. 52-63. ISSN 2763-8979. DOI: https://doi.org/10.5753/sbbd.2017.171397.