Browsing by Author "Ttito Amezquita, Josue Joel"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Asesor de índices de base de datos usando algoritmos genéticos
    (Universidad Católica San Pablo, 2023) Ttito Amezquita, Josue Joel; Túpac Valdivia, Yván Jesús
    En la actualidad, la mayoría de aplicaciones o sistemas requieren una base de datos. De acuerdo al tipo, tamaño y/o carga de trabajo de la aplicación es que se suele escoger entre bases de datos relacionales y no relacionales. Por ejemplo, las aplicaciones mas conocidas en redes sociales, como Twitter, Facebook, LinkedIn, etc, tienden a usar bases de datos no relacionales, mientras que sistemas profesionales como aplicaciones de banca, utilizan Base de Datos relacionales, debido a que necesitan cumplir las propiedades de Atomicidad, Consistencia, Insolación y Duración (ACID). Una de las características principales de las bases de datos relacionales, es la capacidad de crear índices. Los índices son estructuras de datos que ayudan a agilizar las consultas. La tarea de crear índices es usualmente un trabajo manual, y es el Administrador de la Base de Datos, el encargado en realizarlo. Hay que considerar que cada índice creado, requiere un espacio en disco adicional. Así que indexar toda las Base de Datos no es tan buena idea. El presente trabajo, busca generar de manera autómatica índices en una Base de Datos haciendo uso de los Algoritmos Genéticos. Para ello se considera el problema de la indexación de las tablas, como una tarea a optimizar, donde el resultado deseado es un equilibrio entre reducir el espacio generado por los archivos de los índices y reducir el tiempo de la ejecución de consultas.
  • Thumbnail Image
    Item
    Query co-planning for shared execution in key-value stores
    (Universidad Católica San Pablo, 2022) Ttito Amezquita, Josue Joel; Marroquin Mogrovejo, Renato Javier
    Large amounts of data are being stored and queried using different data models. For each of these models, there are specialized data stores which are then accessed concurrently by many different applications. For instance, key-value stores provide a simple data model of key and value pairs. Thus, the simplicity of their read and write interface. Additionally, they provide other operations such as full and range scans. However, along with its simplicity, key-value stores impose some limitations when trying to optimize data access. In this work, we study how to minimize the data movement when executing a large number of range queries on key-value stores. This is based on the observation that when accessing a common dataset, there is usually a (possibly large) overlap among queries accessing it. Thus, to accomplish this, we use shared-workload optimization techniques to execute a group of queries together. We analyze different data structures suitable for co-planning multiple range queries together in order to reduce the total amount of data transferred. Our results show that by co-planning a group of range queries we reduce the total execution time of a query workload