Um estudo comparativo entre bancos de dados considerando as abordagens relacional e orientada ao grafo

Abstract

Nos últimos anos, como reflexo do advento da tecnologia surgiu a necessidade de automatizar não somente a forma de persistir a informação, mas a capacidade de integrá-la de forma eficiente. Para atender esta demanda, por um longo período, o modelo relacional de bancos de dados se tornou predominante no mercado de software. Entretanto, por conta da expansão do conceito vindo da Web 2.0 em que novos dados são produzidos rapidamente, tem-se afirmado que o modelo relacional apresenta problemas no que tange a escalabilidade e tempos de resposta a consultas complexas. Visando atender a esta nova demanda a comunidade acadêmica passa a discutir novas soluções, entre elas o uso de modelos de bancos de dados orientados a grafo que permitam uma administração voltada não mais pela estrutura em si, mas com foco na informação e em seus relacionamentos. Os grafos podem ser aplicados em diversos cenários da vida real e sua representação em um modelo de banco de dados pode simplificar o gerenciamento da informação. Este trabalho vislumbra a utilização destes conceitos no domínio da Ciência Tecnologia e Inovação (CT&I), mais especificamente sobre a base de currículos da Plataforma Lattes. Para tal, foi elaborado um protótipo que após a integração de um conjunto de currículos em memória realiza a persistência nos dois modelos de dados objetos de estudo deste trabalho, o relacional e o orientado a grafo. De acordo com análises comparativas realizadas no cenário estabelecido para este trabalho em que há uma evolução temporal dos dados correlacionados, o banco de dados relacional apresentou desempenho superior quando considerada a individualidade da transação. Já o modelo orientado a grafo (através do banco de dados Neo4J) apresentou uma degradação no desempenho quando existe a necessidade de múltiplas e constantes escritas em disco. Por outro lado, quando os dados são mantidos em memória e a confirmação em disco é postergada, o Neo4j apresenta um desempenho superior na fase de correlação dos dados. Conclui-se que o modelo orientado a grafo tende a ser superior caso este possua disponibilidade de memória, enquanto que o relacional é mais indicado para aplicações que exijam acessos frequentes ao meio de armazenado físico.

In recent years with the advent of technology came the need to automate not only the way to persist the information, but the ability to integrate it efficiently. Relational databases have become predominant in the software market to meet this demand. However, due to the expansion of the concept from the Web 2.0 in which new data is produced quickly, it has been said that the relational model faces problems taking into account scalability and response times to complex queries. The academic community has discussed new solutions including the use of graph oriented models permitting an administration oriented no longer to the structure itself, but focused on information and in their relationships in order to meet this new demand. The graphs can be applied in many real-life scenarios and their representation in a database model can simplify the information management. This work presents the use of these concepts in the field of Science, Technology and Innovation (STI), more specifically on the basis of Lattes Platform. For this purpose, we designed a prototype that after the integration of a set of curricula in memory performs the persistence in both models, relational and graph oriented. According to comparative analyzes of the established scenario in this work in which there is a temporal evolution of correlated data, relational database showed better performance when considering the transaction aspect. The graph oriented model (via Neo4J database) underperforms when there is a need for multiple and constant disk writes. On the other hand, when the data are kept in memory and disk confirmation is postponed, the Neo4j shows better performance better in the correlation phase of data. We conclude that the model oriented graph is more efficient if it has available memory, while the relational is more suitable for applications that require frequent disk access.