Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/30105| Título: | Uso de aprendizado de máquina e métodos de análise de dados para predição de desempenho em bancos de dados |
| Título(s) alternativo(s): | Use of machine learning and data analysis methods to predict database performance |
| Autor(es): | Pazzetti, Estevan Aquiles |
| Orientador(es): | Mantovani, Rafael Gomes |
| Palavras-chave: | Banco de dados Aprendizado do computador Algorítmos computacionais Data bases Machine learning Computer algorithms |
| Data do documento: | 5-Jan-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Dois Vizinhos |
| Citação: | PAZZETTI, Estevan Aquiles. Uso de Aprendizado de Máquina e Métodos de Análise de Dados para Predição de Desempenho em Bancos de Dados. 2022. Trabalho de Conclusão de Curso (Especialização em Ciência de Dados) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2022. |
| Resumo: | O avanço tecnológico das últimas décadas tem gerado um crescimento exponencial do volume de dados na sociedade contemporânea. Provenientes de diferentes fontes, os dados impulsionam a utilização de diferentes sistemas de armazenamento. Um problema conhecido e bastante relatado pela área de Tecnologia da Informação, é a constante queda de desempenho de bancos de dados. Este é considerado um grande problema que poderia ser corrigido e tornar os processos de processamento de dados mais eficientes. Neste sentido, ter mecanismos que detectam possíveis quedas de desempenho de um banco de dados, constituir-se-ia como uma forma de diminuir o tempo de análise e identificação destas quedas de desempenho do banco de dados pelo analista. Este trabalho tem como objetivo abordar o uso de algoritmos de aprendizagem de máquina para predição de problemas de performance em servidores de banco de dados relacional. Foram coletados e tabulados referentes ao desempenho de bancos de dados utilizando o sistema gerenciador IBM DB2 em sistema operacional Linux, e um estudo de caso conduzido, avaliando-se diferentes algoritmos de aprendizado de máquina. Os resultados foram promissores e indicaram ser possível identificar quedas de desempenho na operação de um servidor de banco de dados. |
| Abstract: | Technological advances in recent decades have generated an exponential growth in the volume of data in contemporary society. Coming from different sources, data drives the use of different storage systems. A well-known problem, which is frequently reported by the Information Technology area, is the constant decline in database performance. This is considered a big problem that could be fixed and make data processing processes more efficient. In this sense, having mechanisms that detect possible drops in the performance of a database would be a way of reducing the analysis and identification time of these drops in the database's performance by the analyst. This work aims to approach the use of machine learning algorithms to predict performance problems in relational database servers, using the database manager IBM DB2 on operational system Linux. Database performance was collected and tabulated, and a case study was conducted, evaluating different machine learning algorithms. The results were promising and indicated that it is possible to identify performance drops in the operation of a database server. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/30105 |
| Aparece nas coleções: | DV - Ciência de Dados |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| algoritmosaprendizadomaquinaspredicao.pdf | 515,07 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
