Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales
Descripción del Articulo
Los procesos de negocios que soportan sus operaciones con aplicaciones que interactúan con sistemas de gestión de bases de datos relacionales (RDBMS) pueden incrementar su productividad a través de la identificación de los factores que afectan el rendimiento de las ejecuciones de las sentencias SQL...
| Autor: | |
|---|---|
| Formato: | objeto de conferencia |
| Fecha de Publicación: | 2021 |
| Institución: | Universidad de Lima |
| Repositorio: | ULIMA-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.ulima.edu.pe:20.500.12724/13915 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12724/13915 |
| Nivel de acceso: | acceso abierto |
| Materia: | Sistemas de gestión de bases de datos Bases de datos relacionales Aprendizaje automático SQL (Lenguaje de programación) Database management systems Relational databases Machine learning SQL (Programming Language) Ingeniería de sistemas / Software http://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
RULI_89de5eaf388919394de6c540ac20bbae |
|---|---|
| oai_identifier_str |
oai:repositorio.ulima.edu.pe:20.500.12724/13915 |
| network_acronym_str |
RULI |
| network_name_str |
ULIMA-Institucional |
| repository_id_str |
3883 |
| dc.title.es_PE.fl_str_mv |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| dc.title.alternative.en_EN.fl_str_mv |
A Model Based on Statistical Machine Learning for Determining Factors that Influence the Performance of Relational Database Management Systems |
| title |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| spellingShingle |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales Ponce Vergara, José Luis Sistemas de gestión de bases de datos Bases de datos relacionales Aprendizaje automático SQL (Lenguaje de programación) Database management systems Relational databases Machine learning SQL (Programming Language) Ingeniería de sistemas / Software http://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| title_full |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| title_fullStr |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| title_full_unstemmed |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| title_sort |
Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales |
| author |
Ponce Vergara, José Luis |
| author_facet |
Ponce Vergara, José Luis |
| author_role |
author |
| dc.contributor.author.fl_str_mv |
Ponce Vergara, José Luis |
| dc.subject.es_PE.fl_str_mv |
Sistemas de gestión de bases de datos Bases de datos relacionales Aprendizaje automático SQL (Lenguaje de programación) |
| topic |
Sistemas de gestión de bases de datos Bases de datos relacionales Aprendizaje automático SQL (Lenguaje de programación) Database management systems Relational databases Machine learning SQL (Programming Language) Ingeniería de sistemas / Software http://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.en_EN.fl_str_mv |
Database management systems Relational databases Machine learning SQL (Programming Language) |
| dc.subject.classification.es_PE.fl_str_mv |
Ingeniería de sistemas / Software |
| dc.subject.ocde.es_PE.fl_str_mv |
http://purl.org/pe-repo/ocde/ford#2.02.04 |
| description |
Los procesos de negocios que soportan sus operaciones con aplicaciones que interactúan con sistemas de gestión de bases de datos relacionales (RDBMS) pueden incrementar su productividad a través de la identificación de los factores que afectan el rendimiento de las ejecuciones de las sentencias SQL que conforman su carga de trabajo, especialmente las cargas generadas por aplicaciones implementadas en ambientes de producción, que son recurrentes en el tiempo. El artículo propone un modelo de identificación de factores que afectan el rendi miento de las ejecuciones de las sentencias SQL que se procesan en un RDBMS, valiéndose de algoritmos de aprendizaje de máquina estadístico (análisis de componentes principales y análi sis de correlación canónica) que explotan la información de los planes, estadísticas y métricas generadas durante el ciclo de vida de las ejecuciones de las sentencias SQL. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-08-18T19:59:47Z |
| dc.date.available.none.fl_str_mv |
2021-08-18T19:59:47Z |
| dc.date.issued.fl_str_mv |
2021 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/conferenceObject |
| dc.type.other.none.fl_str_mv |
Artículo de conferencia |
| format |
conferenceObject |
| dc.identifier.citation.es_PE.fl_str_mv |
Ponce-Vergara, J. L. (2021). Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales. En Universidad de Lima (Ed.), Construyendo un mundo inteligente para la sostenibilidad. Actas del III Congreso Internacional de Ingeniería de Sistemas (pp. 59-75), Lima, 17 y 20 de noviembre del 2020. Universidad de Lima, Fondo Editorial. |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12724/13915 |
| identifier_str_mv |
Ponce-Vergara, J. L. (2021). Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales. En Universidad de Lima (Ed.), Construyendo un mundo inteligente para la sostenibilidad. Actas del III Congreso Internacional de Ingeniería de Sistemas (pp. 59-75), Lima, 17 y 20 de noviembre del 2020. Universidad de Lima, Fondo Editorial. |
| url |
https://hdl.handle.net/20.500.12724/13915 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.none.fl_str_mv |
urn:isbn:978-9972-45-563-6 |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad de Lima |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.es_PE.fl_str_mv |
Repositorio Institucional - Ulima Universidad de Lima |
| dc.source.none.fl_str_mv |
reponame:ULIMA-Institucional instname:Universidad de Lima instacron:ULIMA |
| instname_str |
Universidad de Lima |
| instacron_str |
ULIMA |
| institution |
ULIMA |
| reponame_str |
ULIMA-Institucional |
| collection |
ULIMA-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/3/license.txt https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/1/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdf https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/5/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdf.jpg https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/4/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdf.txt https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/2/license_rdf |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 ffb7ed7c88a84912e620bc844b94296f 6da3977bbebfac01a7a65494b8b2e6bf 8cc07314d13cbbea956aa9a977bcaf22 8fc46f5e71650fd7adee84a69b9163c2 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad de Lima |
| repository.mail.fl_str_mv |
repositorio@ulima.edu.pe |
| _version_ |
1822513594344931328 |
| spelling |
Ponce Vergara, José Luis2021-08-18T19:59:47Z2021-08-18T19:59:47Z2021Ponce-Vergara, J. L. (2021). Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionales. En Universidad de Lima (Ed.), Construyendo un mundo inteligente para la sostenibilidad. Actas del III Congreso Internacional de Ingeniería de Sistemas (pp. 59-75), Lima, 17 y 20 de noviembre del 2020. Universidad de Lima, Fondo Editorial.https://hdl.handle.net/20.500.12724/13915Los procesos de negocios que soportan sus operaciones con aplicaciones que interactúan con sistemas de gestión de bases de datos relacionales (RDBMS) pueden incrementar su productividad a través de la identificación de los factores que afectan el rendimiento de las ejecuciones de las sentencias SQL que conforman su carga de trabajo, especialmente las cargas generadas por aplicaciones implementadas en ambientes de producción, que son recurrentes en el tiempo. El artículo propone un modelo de identificación de factores que afectan el rendi miento de las ejecuciones de las sentencias SQL que se procesan en un RDBMS, valiéndose de algoritmos de aprendizaje de máquina estadístico (análisis de componentes principales y análi sis de correlación canónica) que explotan la información de los planes, estadísticas y métricas generadas durante el ciclo de vida de las ejecuciones de las sentencias SQL.Business processes supporting their operations with applications that interact with relational database management systems (RDBMS) may increase their productivity through the identification of factors that affect the performance of SQL statement execu tions of any given workload, especially workloads generated by applications implemented in production environments which recur over time. This paper proposes a model to identify factors that affect the performance of SQL statement executions processed in RDBMS, using statistical machine learning algorithms (principal component analysis and canonical correla tion analysis) that exploit the information of the plans, statistics and metrics generated during the life cycle of SQL statement executions.application/pdfspaUniversidad de LimaPEurn:isbn:978-9972-45-563-6info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UlimaUniversidad de Limareponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMASistemas de gestión de bases de datosBases de datos relacionalesAprendizaje automáticoSQL (Lenguaje de programación)Database management systemsRelational databasesMachine learningSQL (Programming Language)Ingeniería de sistemas / Softwarehttp://purl.org/pe-repo/ocde/ford#2.02.04Modelo basado en aprendizaje de máquina estadístico para la determinación de factores que influyen en el rendimiento de sistemas de gestión de bases de datos relacionalesA Model Based on Statistical Machine Learning for Determining Factors that Influence the Performance of Relational Database Management Systemsinfo:eu-repo/semantics/conferenceObjectArtículo de conferenciaLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdfPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdfapplication/pdf1576797https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/1/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdfffb7ed7c88a84912e620bc844b94296fMD51THUMBNAILPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdf.jpgPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdf.jpgGenerated Thumbnailimage/jpeg11964https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/5/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdf.jpg6da3977bbebfac01a7a65494b8b2e6bfMD55TEXTPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdf.txtPonce_Modelo-basado-en-aprendizaje-de-máquina-estadístico.pdf.txtExtracted texttext/plain30407https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/4/Ponce_Modelo-basado-en-aprendizaje-de-m%c3%a1quina-estad%c3%adstico.pdf.txt8cc07314d13cbbea956aa9a977bcaf22MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://repositorio.ulima.edu.pe/bitstream/20.500.12724/13915/2/license_rdf8fc46f5e71650fd7adee84a69b9163c2MD5220.500.12724/13915oai:repositorio.ulima.edu.pe:20.500.12724/139152022-02-14 16:03:23.036Repositorio Universidad de Limarepositorio@ulima.edu.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 |
| score |
13.97985 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
