Inclusão de Operadores Físicos de Junção por Similaridade em um SGBD Comercial

Abstract

RESUMODados complexos, como vídeo, imagem eáudio, requerem formas particularizadas de consulta, armazenamento e indexação que SGBDs comerciais ainda não provêm. Uma das formas dos SGBDs oferecerem suporte a dados complexoś e estender operadores relacionais para representar consultas por similaridade. Consultas por similaridade recuperam dados baseando-se em relações de similaridade entre dados armazenados, que são derivadas do conteúdo intrínseco dos dados. Um tipo importante de consulta por similaridadeé a junção por similaridade, que retorna pares de elementos de dois conjuntos de entrada que atendemà condição de junção definida, que pode ser, por exemplo, se são mais próximos do que um dado limiar (junção por abrangência) ou se um elementoé um dos k-vizinhos mais próximos do outro (juncão k-NN). Algoritmos existentes para a execução de junções por similaridade essencialmente consideram que os conjuntos/relações de entrada são lidos diretamente do disco. Contudo, a junçãoé uma das operações mais custosas em uma consulta e por isso atrasá-la no plano de execução e efetuar a junção sobre dados filtrados em memória normalmente gera ganho de desempenho. Neste artigo são apresentados algoritmos de junção por abrangência desenvolvidos para operar sobre dados filtrados em um SGBD comercial. A propostaé permitir a execução de junções por similaridade em posições diferentes no plano de consulta e avaliar como algoritmos distintos comportam-se em situações variadas. Resultados apresentados mostram que as melhores opções desenvolvidas são o algoritmo estado-da-arte DBSimJoin para entradas com filtros altamente seletivos e um algoritmo de junção baseada emíndice para consultas em que a seletividade de junçãoé alta e umíndice apropriado está disponível. Palavras-ChaveConsultas por similaridade, algoritmos de junção, SGBDs comerciais. ABSTRACTComplex data, such as video, images and audio, require particular forms of querying, storing and indexing that commercial DBMSs still do not provide. One of the solutions for DBMS to o↵er support for complex data is to extend re-