Processamento Paralelo de Consultas de Apoio à Decisão em GRIDS

Consultas de apoio à decisão, materializadas comumente como consultas OLAP (On-Line Analytical Processing) são caracterizadas pelo elevado consumo de tempo e processamento e podem beneficiar-se de computação de alto desempenho. Esta dissertação apresenta a solução GParGRES, uma camada de software para gerenciar a execução de consultas de natureza tipicamente OLAP, de forma paralela e distribuída em ambientes de grids (grades). GParGRES é uma evolução da solução de agrupamento de banco de dados ParGRES: provê paralelismo inter - e intra-consulta, de forma não intrusiva aos SGBD e bases de dados pré-existentes e em um ambiente tipicamente heterogêneo e distribuído, a grade. A evolução de agrupamento de bancos de dados para grades computacionais apresenta desafios para o processamento paralelo de consultas OLAP. Este pode ser tratado em duas camadas de software; uma no nível de grade, com a distribuição de tarefas entre seus sítios e atenção especial ao balanceamento de carga e composição de resultados, e outra no nível de agrupamentos, com a redistribuição de tarefas entre seus nós. GParGRES foi concebido na forma de serviços para grade compatíveis com os padrões existentes e avaliado com base no benchmark TPC-H, que representa consultas OLAP, na plataforma Grid'5000, localizada na França.