[pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING

[pt] OnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição for...

Descripción completa

Detalles Bibliográficos
Autor: LUCIANA DE SA SILVA PERCILIANO
Tipo de recurso: tesis doctoral
Estado:Versión publicada
Fecha de publicación:2022
País:Brasil
Institución:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
Repositorio:Repositório Institucional da PUC-RIO (Projeto Maxwell)
Idioma:portugués
OAI Identifier:oai:MAXWELL.puc-rio.br:58605
Acceso en línea:https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2
http://doi.org/10.17771/PUCRio.acad.58605
Access Level:acceso abierto
Palabra clave:[pt] ONTOLOGIA
[pt] SPIN
[pt] SPARQL
[pt] SINTONIA FINA
[en] ONTOLOGY
[en] SPIN
[en] SPARQL
[en] TUNING
id BR_5fbbdc36a7d7aa58654d5db085f467ba
oai_identifier_str oai:MAXWELL.puc-rio.br:58605
network_acronym_str BR
network_name_str Brasil
repository_id_str
spelling [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING [en] TUNING INFERENCE THROUGH ONDBTUNING [pt] ONTOLOGIA[pt] SPIN[pt] SPARQL[pt] SINTONIA FINA[en] ONTOLOGY[en] SPIN[en] SPARQL[en] TUNING[pt] OnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição formal e estática de conceitos. Além disso, como tuning de banco de dados envolve muitas regras baseadas na experiência e em algoritmos de caixa preta, torna-se um desafio descrever esse processo de inferência. Esse trabalho de pesquisa apresenta primeiramente a solução OnDBTuning que é uma ontologia no domínio de tuning. Em seguida, ele propõe uma implementação de regras em SPARQL Inferencing Notation (SPIN) na OnDBTuning. Por fim, mostra uma avaliação prática da solução para recomendação de índices e visões materializadas.[en] OnDBTuning is a relational database (semi-automatic) tuning ontology. Ontologies are artifacts that represent specific domain knowledge and can be used to infer knowledge. However, in general, most applications include only a formal and static description of concepts. Moreover, as database tuning involves many rules-of-thumb and black-box algorithms, it becomes challenging to describe these inference procedures. This research work first presents the OnDBTuning ontology solution focusing on the inference of tuning actions. Next, it proposes an implementation of the OnDBtuning rules using SPARQL Inferencing Notation (SPIN). Finally, it shows a practical evaluation of our solution concerning index and materialized views recommendations.MAXWELLSERGIO LIFSCHITZSERGIO LIFSCHITZ2022-04-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2http://doi.org/10.17771/PUCRio.acad.58605porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccessLUCIANA DE SA SILVA PERCILIANO2022-08-15T00:00:00Zoai:MAXWELL.puc-rio.br:58605Repositório InstitucionalPRIhttps://www.maxwell.vrac.puc-rio.br/ibict.phpopendoar:5342022-08-15T00:00Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)false
dc.title.none.fl_str_mv [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
[en] TUNING INFERENCE THROUGH ONDBTUNING
title [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
spellingShingle [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
LUCIANA DE SA SILVA PERCILIANO
[pt] ONTOLOGIA
[pt] SPIN
[pt] SPARQL
[pt] SINTONIA FINA
[en] ONTOLOGY
[en] SPIN
[en] SPARQL
[en] TUNING
title_short [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_full [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_fullStr [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_full_unstemmed [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
title_sort [pt] INFERÊNCIA DE TUNING ATRAVÉS DA ONDBTUNING
dc.creator.none.fl_str_mv LUCIANA DE SA SILVA PERCILIANO
author LUCIANA DE SA SILVA PERCILIANO
author_facet LUCIANA DE SA SILVA PERCILIANO
author_role author
dc.contributor.none.fl_str_mv SERGIO LIFSCHITZ
SERGIO LIFSCHITZ
dc.subject.por.fl_str_mv [pt] ONTOLOGIA
[pt] SPIN
[pt] SPARQL
[pt] SINTONIA FINA
[en] ONTOLOGY
[en] SPIN
[en] SPARQL
[en] TUNING
topic [pt] ONTOLOGIA
[pt] SPIN
[pt] SPARQL
[pt] SINTONIA FINA
[en] ONTOLOGY
[en] SPIN
[en] SPARQL
[en] TUNING
description [pt] OnDBTuning é uma ontologia de tuning (semi-automático) de banco de dados relacional. Ontologias são artefatos que representam o conhecimento de um domínio específico e podem ser usadas para se inferir conhecimentos. No entanto, em geral, a maioria das aplicações envolve apenas uma descrição formal e estática de conceitos. Além disso, como tuning de banco de dados envolve muitas regras baseadas na experiência e em algoritmos de caixa preta, torna-se um desafio descrever esse processo de inferência. Esse trabalho de pesquisa apresenta primeiramente a solução OnDBTuning que é uma ontologia no domínio de tuning. Em seguida, ele propõe uma implementação de regras em SPARQL Inferencing Notation (SPIN) na OnDBTuning. Por fim, mostra uma avaliação prática da solução para recomendação de índices e visões materializadas.
publishDate 2022
dc.date.none.fl_str_mv 2022-04-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2
http://doi.org/10.17771/PUCRio.acad.58605
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=58605&idi=2
http://doi.org/10.17771/PUCRio.acad.58605
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv MAXWELL
publisher.none.fl_str_mv MAXWELL
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv Repositório Institucional da PUC-RIO (Projeto Maxwell) - Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
repository.mail.fl_str_mv
_version_ 1853671015424458752
score 15.301629

Similares en LA Referencia