Utilização de regras de associação para apoio ao entendimento de problemas de aplicações usando metadados de consultas em SGBDs relacionais

Aplicações comerciais, independentemente do tipo ou domínio, tendem a gerar cada vez mais dados e armazená-los, seja para fins da própria aplicação ou exploração futura dos mesmos. Este crescimento de dados em sistemas gerenciadores de banco de dados (SGBDs) relacionais pode degradar o desempenho de tais aplicações, principalmente se não forem realizadas análises e intervenções constantes nas consultas realizadas. Metadados são dados sobre os dados. Eles incluem dados muito interessantes sobre cada consulta, como o tempo de execução e a quantidade de acessos à memória primária ou secundária, separados em intervalos pré-estabelecidos. Por meio de uma análise dos metadados, é possível auxiliar o entendimento do que estava acontecendo com o SGBD no momento no qual uma determinada aplicação apresentou instabilidades. Este trabalho de conclusão de curso se propõe a utilizar os metadados gerados automaticamente pelo SGBD para apoiar a investigação de causa de problemas em ambientes produtivos. A investigação é realizada por meio do uso do algoritmo de aprendizado de máquina não supervisionado APRIORI. A ideia consiste em utilizar regras de associação para encontrar os atributos dos metadados que mais ocorreram no momento em que a aplicação passava por algum problema, e posteriormente encontrar possíveis relações entre estes atributos. Para tanto, são gerados quatro conjuntos de dados diferentes contendo metadados oriundos do SGBD Oracle, é aplicada a estratégia de discretização aos dados desses conjuntos de dados e são realizados cinco diferentes experimentos. Esses experimentos são executados sobre os diferentes conjuntos de dados e são configurados em termos de remoção de atributos, valores de suporte e confiança. Adicionalmente, no trabalho também são realizadas a análise e discussão da configuração dos experimentos e dos resultados obtidos. Por meio dos resultados obtidos, é possível concluir que,||quando as regras de associação são utilizadas em conjunto com outras explorações nos dados e quando se tem o conhecimento do domínio da aplicação, é possível estabelecer correlações entre as regras geradas e as consultas que tiveram mais utilização de um recurso em um intervalo de tempo.