RESUMO
O uso crescente de aplicativos móveis, redes sociais e muitas outras aplicações web fez surgir
uma preocupação com a enorme variedade de dados usados por essas aplicações e com a
complexidade dos esquemas de representação desses dados. O problema neste cenário, é
que Sistemas de Gerenciamento de Banco de Dados (SGBDs) Relacionais tradicionais (i.e.,
SGBDs de banco de dados relacionais) não conseguem gerenciar de forma eficiente uma grande
massa de dados variáveis. Um dos principais avanços na resolução desses problemas foi o
surgimento de tecnologias de sistemas de banco de dados alternativas como o NoSQL e, mais
recentemente, o NewSQL, projetados para lidar com o volume, a variedade, a velocidade e a
variabilidade das coleções dados. O NewSQL é uma classe de modernos SGBDs Relacionais
que fornecem o mesmo desempenho escalável dos sistemas NoSQL para cargas de trabalho de
leitura e gravação ao Processamento de Transações On-Line (OLTP), enquanto ainda mantêm
as garantias Atomicidade, Consistência, Isolamento e Durabilidade (ACID) de um SGBD
Relacional tradicional. Este trabalho propõe uma abordagem de modelagem do desempenho
baseada em técnicas de aprendizado de máquina para sistemas de bancos de dados NewSQL.
Essa abordagem leva em consideração cargas de trabalho heterogêneas e é capaz de capturar
os efeitos não-lineares dos aspectos de concorrência e de distribuição sobre o desempenho. Ela
é avaliada num ambiente real, usando um servidor de 64 GB DDR4 RDIMM, 256 GB SSD, 2
TB SAS, 2 Processadores Intel Xeon Silver 4116 e 4 Gbps. Também foi feita comparação do
desempenho entre modelos gerados com diferentes técnicas de aprendizado demáquina.
Palavras-chave: Modelagem de Desempenho. Aprendizado de Máquina. NewSQL. SLA
