SGPROV: Mecanismo de Sumarização para Múltiplos Grafos de Proveniência

Os Sistemas de Gerência de Workflows Científicos (SGWfC) têm o objetivo de automatizar a construção e execução de experimentos científicos computacionais. Várias execuções de workflows são necessárias em um experimento. SGWfC geram rastros das execuções dos workflows por meio de dados de proveniência. Os dados de proveniência contêm o histórico da derivação do resultado do workflow, assim, pode ser representado sob a forma de um grafo direcionado e acíclico. A proveniência é importante para que os cientistas possam compreender, reproduzir e analisar seus experimentos. Cada execução de um workflow gera um grafo de proveniência. Após várias execuções, por exemplo, explorando parâmetros, inúmeros grafos são gerados. A base de dados de proveniência, portanto, requer um espaço de armazenamento considerável e consultá-la envolve a manipulação de um grande volume de grafos. Consultas típicas de proveniência percorrem os diversos grafos para obter o caminho de derivação (linhagem) dos dados da consulta. Esta tese apresenta um mecanismo de sumarização para grafos de proveniência (SGProv), usando um banco de dados de grafos para armazenar e consultar esses grafos. O objetivo é gerar um único grafo sumário que represente todos os grafos de proveniência gerados durante um experimento, mas com tamanho reduzido e eliminando dados repetidos. Esta abordagem de sumarização tem como objetivo reduzir o tempo de processamento de consultas de proveniência utilizando apenas o grafo sumário para respondê-las sem precisar reconstruir os grafos originais. Resultados obtidos com consultas de proveniência feitas no grafo sumário mostraram o potencial da nossa solução.