Uma Camada para o Mapeamento de Instruções SQL DML para o Banco de Dados NoSQL Chave-Valor Voldemort

Augusto Verzbickas da Costa; Patricia Vilain; Ronaldo dos Santos Mello

doi:10.5753/sbsi.2016.5966

Augusto Verzbickas da Costa UFSC
Patricia Vilain UFSC
Ronaldo dos Santos Mello UFSC

DOI: https://doi.org/10.5753/sbsi.2016.5966

Resumo

Sistemas de informação que utilizam bancos de dados relacionais para a manutenção dos seus dados estão cada vez mais migrando para bancos de dados na nuvem a fim de minimizar custos com o gerenciamento de grandes volumes de dados. Os bancos de dados NoSQL são boas opções para esta finalidade, em particular, os bancos de dados chave-valor, que apresentam um modelo de dados simples e produtos escaláveis. Mesmo assim, os custos envolvidos com a migração para um gerenciador de dados NoSQL podem ser altos, principalmente em termos de alteração do código do sistema para adequação de interfaces de acesso. Este trabalho apresenta VoldemortSQL, uma camada de mapeamento de instruções SQL DML para o sistema gerenciador de banco de dados NoSQL chave-valor Voldemort, visando evitar o esforço de migração de dados e de interfaces de acesso de um banco de dados relacional para o banco de dados Voldemort. O uso desta camada permite, ao sistema de informação, a manipulação de dados na nuvem através da continuidade da utilização do padrão de acesso SQL. Experimentos demonstraram que o overhead de acesso introduzido com o VoldemortSQL não é proibitivo.

Palavras-chave: NoSQL, modelo chave-valor, Project Voldemort, mapeamento de dados

Referências

Guedes, A.. Baião F., Revoredo K. 2014. On the Identification and Representation of Ontology Correspondence Antipatterns - Department of Applied Informatics, Federal University of the State of Rio de Janeiro – UNIRIO, Brazil

J. Zou and C. J. Pavlovski. Control case approach to record and model non-functional requirements. Inf. Syst. E-Business Management, 6(1):49–67, 2008.

Lopes V. 2014. Alinhamento Interativo de Ontologias: Uma Abordagem Baseada em Query-by-Committee – Msc Dissertation, Rio de Janeiro, Rj, Brazil: Universidade do Estado do Rio de Janeiro ( UNIRIO ), 2014

Prem M. and Raymond J. M. 2004. Diverse Ensembles for Active Learning. Proceedings of the 21st International Conference on Machine Learning, (ICML-2004), pp. 584-591, Banff, Canada, July, 2004

Shvaiko P. and Euzenat J. 2013. Ontology matching, Springer, Second Edition.

Tan, P., Steinbach M., Kumar V. 2006.Introduction to Data Mining – Addison Wesley

Paulheim H., Hertling S., and Ritze D. 2013. Towards Evaluating Interactive Ontology Matching Tools

Meilicke C., 2011. Alignment Incoherence in Ontology Matching

Guedes A., Baião F. and Revoredo K., 2014. Digging Ontology Correspondence Antipatterns

String Similarity Metrics for Information Integration, Sheffield University

WEKA Manual, 2015, The University of Waikato

https://code.google.com/archive/p/ws4j/

http://alignapi.gforge.inria.fr/