Pular para o conteúdo principal

NoAM - NoSQL Abstract Model @ artigo Data modeling in the NoSQL world

Paolo Atzeni, Francesca Bugiotti, Luca Cabibbo, Riccardo Torlone,

Data modeling in the NoSQL world, Computer Standards & Interfaces, Volume 67, 2020, 103149, ISSN 0920-5489,
https://doi.org/10.1016/j.csi.2016.10.003.

A proposta do artigo é apresentar um modelo de dados abstrato para bancos de dados NoSQL, chamado NoAM (NoSQL Abstract Model) assim como uma metodologia de projeto de banco de dados com atividades iniciais (conceitual e lógica) independentes do modelo de dados NoSQL onde será implementado.

Os autores demostram a metodologia usando um exemplo de aplicação de Jogos Online

O modelo se baseia em agregação de dados no qual cada agregado é um grupo de objetos relacionados, representando uma unidade de acesso e distribuição atômica por parte da aplicação. Em outras palavras, "Unidade de acesso" é definida como um grupo de objetos relacionados para a qual o sistema oferece operações para acessar e manipular um unidade individual de cada vez, de maneira atômica, eficiente e escalável enquanto que "Unidade de distribuição" é definida como unidade totalmente armazenada em um servidor do cluster.

O modelo de dados NoAM é definido pelos autores da seguinte forma:
• Um banco de dados NoAM é um conjunto de coleções. Cada coleção possui um nome distinto.
• Uma coleção é um conjunto de blocos. Cada bloco em uma coleção é identificado por uma chave de bloco, que é única nessa coleção.
• Um bloco é um conjunto de entradas não vazio. Cada entrada é um par 〈ek, ev〉, onde ek é a chave de entrada (única dentro de seu bloco) e ev é seu valor (complexo ou escalar), chamado valor de entrada.

A metodologia NoAM é baseada nas seguintes etapas:
• modelagem conceitual de dados e projeto de agregados, para identificar as várias entidades, atributos e relações necessárias em um aplicativo, e agrupar entidades relacionadas em agregados;
• particionamento do agregado e projeto de banco de dados NoSQL de alto nível, onde os agregados são particionados em elementos de dados menores e depois mapeado para o modelo de dados intermediário NoAM;
• implementação, para mapear a representação intermediária em um NoSQL DataStore específico.

Os autores sugerem que a modelagem conceitual pode usar uma metodologia já conhecida como, por exemplo, o Domain Driven Design (DDD) para gerar um modelo UML de Classes ou Objetos. Esse modelo é usado como entrada para a atividade de identificação de agregados. Cada agregado tem uma entidade como sua raiz e também pode conter muitos objetos. Uma entidade e um grupo de objetos de valor são usados para definir um agregado e esses devem ser projetados como as unidades nas quais a atomicidade deve ser garantida assim como reduzir colisões de atualização simultânea. No NoAM cada classe de agregados é representada por meios de uma coleção distinta, e a coleção recebe o nome da classe, e cada indivíduo agregado é um bloco onde o identificador do agregado é usado como chave de bloco.

Na etapa seguinte, o particionamento do agregado pode ser baseado nas seguintes diretrizes:
• Em caso de agregado pequeno (!!!), ou todos ou a maioria dos dados forem acessados ou modificados juntos, deve ser representado por uma única entrada.
• Um agregado deve ser particionado em várias entradas se seu tamanho é grande (!!!) e existem operações que acessam ou modifique apenas partes específicas do agregado.
• Dois ou mais elementos de dados devem pertencer à mesma entrada se são freqüentemente acessados ou modificados juntos.
• Dois ou mais elementos de dados devem pertencer a entradas distintas se geralmente são acessados ou modificados separadamente.

No artigo os autores apresentam o resultado da terceira etapa da metodologia utilizando 3 NoSQL DataStores com modelos de dados diferentes: Oracle NoSQL, DynamoDB e MongoDB. 

Não foi usado um do tipo Grafo. Talvez pq esses não foram considerados como orientados a agregação de dados pelos autores

Além disso, os autores conduziram um pequeno experimento com 3 tipos de carga de trabalho no Oracle NoSQL comparando duas abordagens de particionamento do agregado. Com esse experimento, concluem que o projeto de banco de dados NoSQL devem ser feitos com cuidado, pois a forma que os agregados são particionados afeta consideravelmente o desempenho e a consistência das operações. Mas a figura 14 mostra uma tendência de equiparação dos tempos de resposta em ambas as abordagens a medida que o volume de dados aumenta (!!!). 
 
Um resumo em formato CANVAS do artigo está disponível aqui.



Comentários

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Connected Papers: Uma abordagem alternativa para revisão da literatura

Durante um projeto de pesquisa podemos encontrar um artigo que nos identificamos em termos de problema de pesquisa e também de solução. Então surge a vontade de saber como essa área de pesquisa se desenvolveu até chegar a esse ponto ou quais desdobramentos ocorreram a partir dessa solução proposta para identificar o estado da arte nesse tema. Podemos seguir duas abordagens:  realizar uma revisão sistemática usando palavras chaves que melhor caracterizam o tema em bibliotecas digitais de referência para encontrar artigos relacionados ou realizar snowballing ancorado nesse artigo que identificamos previamente, explorando os artigos citados (backward) ou os artigos que o citam (forward)  Mas a ferramenta Connected Papers propõe uma abordagem alternativa para essa busca. O problema inicial é dado um artigo de interesse, precisamos encontrar outros artigos relacionados de "certa forma". Find different methods and approaches to the same subject Track down the state of the art rese...

Knowledge Graph Embedding with Triple Context - Leitura de Abstract

  Jun Shi, Huan Gao, Guilin Qi, and Zhangquan Zhou. 2017. Knowledge Graph Embedding with Triple Context. In Proceedings of the 2017 ACM on Conference on Information and Knowledge Management (CIKM '17). Association for Computing Machinery, New York, NY, USA, 2299–2302. https://doi.org/10.1145/3132847.3133119 ABSTRACT Knowledge graph embedding, which aims to represent entities and relations in vector spaces, has shown outstanding performance on a few knowledge graph completion tasks. Most existing methods are based on the assumption that a knowledge graph is a set of separate triples, ignoring rich graph features, i.e., structural information in the graph. In this paper, we take advantages of structures in knowledge graphs, especially local structures around a triple, which we refer to as triple context. We then propose a Triple-Context-based knowledge Embedding model (TCE). For each triple, two kinds of structure information are considered as its context in the graph; one is the out...

KnOD 2021

Beyond Facts: Online Discourse and Knowledge Graphs A preface to the proceedings of the 1st International Workshop on Knowledge Graphs for Online Discourse Analysis (KnOD 2021, co-located with TheWebConf’21) https://ceur-ws.org/Vol-2877/preface.pdf https://knod2021.wordpress.com/   ABSTRACT Expressing opinions and interacting with others on the Web has led to the production of an abundance of online discourse data, such as claims and viewpoints on controversial topics, their sources and contexts . This data constitutes a valuable source of insights for studies into misinformation spread, bias reinforcement, echo chambers or political agenda setting. While knowledge graphs promise to provide the key to a Web of structured information, they are mainly focused on facts without keeping track of the diversity, connection or temporal evolution of online discourse data. As opposed to facts, claims are inherently more complex. Their interpretation strongly depends on the context and a vari...