CCO – 632 Data Warehouses Não-Convencionais e Cloud Databases

Quantidade de créditos: 8

Total de horas de aulas teóricas: 60

Total de horas de aulas de exercícios, seminários ou estudos dirigidos: 60

 

Objetivo

 

Apresentar conceitos, arquiteturas, ambientes, metodologias, técnicas, ferramentas e software relevantes na área de banco de dados, com ênfase em data warehouses não-convencionais e cloud databases (banco de dados para ambientes de computação em nuvem). Com relação à data warehouses não-convencionais serão investigados e discutidos data warehouses espaciais (geográficos), data warehouses espaciais com objetos espaciais vagos, data warehouses espaço-temporais, data warehouses de imagens e data warehouses multimídia. Com relação à cloud databases serão investigados os temas de gerenciamento de dados na nuvem, conceitos de consistência, particionamento, tolerância a falhas, escalabilidade e elasticidade no armazenamento e recuperação de dados na nuvem.

 

Ementa

 

Conceitos, arquiteturas, ambientes, metodologias, técnicas, ferramentas e software relevantes no tema de pesquisa “data warehouses não-convencionais”.

Data warehouses espaciais (geográficos) e data warehouses espaciais com objetos espaciais vagos.

Data warehouses espaço-temporais;

Data warehouses de imagens e data warehouses multimídia.

Conceitos, arquiteturas, ambientes, metodologias, técnicas, ferramentas e software relevantes no tema de pesquisa “cloud databases”.

Gerenciamento de dados na nuvem. Database-as-a-Service (DaaS). Banco de dados NOSQL.

Propriedades CAP e BASE. Conceitos de consistência, particionamento, distribuição e tolerância a falhas.

Escalabilidade e elasticidade no armazenamento e recuperação de dados na nuvem

 

Bibliografia

 

ABELLO A., SAMOS J., SALTOR F. YAM2: (yet another multidimensional model): An extension of UML. In Proceedings of the International Database Engineering and Applications Symposium (IDEAS02), 2002.

ABELLO A., SAMOS J., SALTOR F. YAM2: a multidimensional conceptual model extending UML. Inf. Syst., 31(6):541-567, 2006. Encyclopedia of Data Warehousing and Mining. Idea Group Publishing, 2005.

ROMERO O., ABELLO A. On the need of a reference algebra for olap. In Il Yeal Song, Johann Eder, and Tho Manh Nguyen, editors, DaWaK, volume 4654 of Lecture Notes in Computer Science, pages 99-110. Springer, 2007. DILO, A., BY, R.A., STEIN, A. A system of types and operators for handling vague spatial objects. IJGIS 21(4), 397-426, 2007.

MALINOWSKI, E and ZIMANYI, E. Advanced Data Warehouse Design: from conventional to spatial and temporal applications. 2008.

MATEUS, R. C. ; TIMES, V. C. ; SIQUEIRA, T. L. L. ; CIFERRI, R. R. ; Ciferri, Cristina Dutra de Aguiar. How Does the Spatial Data Redundancy Affect Query Performance in Geographic Data Warehouses? Journal of Information and Data Management, v. 1, p. 519-534, 2010. PARIMALA N., PAYAL PAHWA. Algebra for multiple cubes. International Journal of Information and Management Sciences, 21(3):285-313, 2010. 

RIZZI S. Conceptual modeling solutions for the data warehouse, chapter 1, pages 1-26. 2007.

SIQUEIRA, T., CIFERRI, C., TIMES, V., CIFERRI, R. The SB-index and the HSB-index: efficient indices for spatial data warehouses. Geoinformatica (Dordrecht), v. 16, p. 165-205, 2012.

SIQUEIRA, T., MATEUS, R., CIFERRI, R., TIMES, V., CIFERRI, C. Querying Vague Spatial Information in Geographic Data Warehouses. In: The 14th AGILE International Conference on Geographic Information Science, 2011, Utrecht, Holanda. Lecture Notes in Geoinformation and Cartography: Advancing Geoinformation Science for a Changing World, 2011. v. 1. p. 379-397.

WREMBEL, R., KONCILIA, C. Data Warehouses and OLAP Concepts, Architectures and Solutions. IGI Global, 2006.