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

• Autor: Ponce Vergara, José Luis
• 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

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.