Paralelismo Intra-Consulta em Clusters de Banco de Dados

Consultas de alto custo estão presentes em vários tipos de aplicações como, por exemplo, as aplicações OLAP (On-Line Analytical Processfng). Elas demandam grande capacidade de armazenamento e poder de processamento dos sistemas de bancos de dados que as suportam. Nesta tese, propomos uma solução para essa demanda implementando paralelismo intra-consulta em um cluster de bancos de dados com SGBDs utilizados como componentes do tipo "caixa-preta". Nossa proposta emprega uma técnica simples e eficiente denominada fragmentação virtual adaptativa, que não requer nenhum conhecimento prévio a respeito do banco de dados ou do SGBD: Ela inclui ainda uma técnica distribuída para balanceamento dinâmico de carga a fim de lidar com problemas causados por distorção na distribuição de dados. Para validar nossa solução, implementamos um protótipo de um cluster de bancos de dados utilizando a linguagem Java e o SGBD PostgreSQL em um cluster com 64 nós e realizamos experimentos com o benchmark TPC-H. Os resultados mostram que nossa solução é capaz de obter aceleração linear e, diversas vezes, superlinear durante o processamento de consultas. Utilizando dados com distribuição uniforme, ela apresenta melhor desempenho do que a fragmentação virtual simples na maioria dos casos e é superior em todos os casos com distribuição não uniforme. Finalmente, resultados com múltiplas submissões de consultas também apontam a superioridade de nossa solução intra-consulta sobre a solução que utiliza exclusivamente paralelismo inter-consultas.