Coerência probabilística em sistemas chave - valor escaláveis

Abstract

A escalabilidade é uma das características de maior relevância para os sistemas de armazenamento de dados. Com o crescimento exponencial de volume de dados e número de utilizadores, um sistema não escalável é um sistema praticamente inutilizável nos dias de hoje, porque não consegue lidar com tanta informação concorrente. Para acompanhar este crescimento, novos tipos de sistemas foram introduzidos, capazes de atingir alta escalabilidade. No entanto, relaxam a coerência dos dados evitando assim protocolos de coordenação. Estas abordagens tipicamente lidam melhor com churn e faltas, contudo, como relaxam a coerência, impedem um modelo mais simples e intuitivo para o cliente, obrigando-o a preocupações como o nível de concorrência no sistema para atenuar esta falta de consistência. Considerando o DataFlasks, um sistema de armazenamento de dados descentralizado, é uma destas abordagens que é capaz de lidar com o dinamismo do sistema, contudo, não impõe níveis de consistência forte no sistema. Por outro lado com o EpTO, um protocolo de ordem total probabilístico, consegue-se oferecer garantias mais fortes de coerência de dados e oferecer um modelo rico e simples para o cliente. Ambos são baseados em protocolos epidémicos com o intuito de oferecer garantias de escalabilidade e robustez ao sistema. Dado estas propriedades e condições para atingir as mesmas, seria interessante encontrar um compromisso que oferecesse o melhor entre os dois mundos, escalabilidade e robustez do sistema, e escalabilidade e coerência de dados do protocolo. Esta dissertação avança um passo nesse sentido, e implementa um sistema capaz de oferecer essas propriedades. Por fim, é proposto uma avaliação deste novo protótipo, de maneira a verificar uma compatibilidade entre coerência de dados e desempenho.

Scalability is one of the most relevant properties for Database Management System (DBMS). With the exponential growth of data and users, a non-scalable system is practically unusable nowadays, because it can’t handle that much concurrent information. To keep up with this growth, new system types were introduced, capable of obtaining high scalability. However, they relax data consistency. These approaches typically deal better with churn and faults, although they prevent a simpler and less intuitive model for the client, forcing it to have concurrency concerns to attenuate this lack of consistency. Considering the DataFlasks, a decentralized data storage system, it is one of these approaches that is capable of dealing with the system dynamism, however, does not enforce strong consistency levels in the system. On the other hand with EpTO, a probabilistic total order protocol, it can be offer stronger consistency guarantees, and present a rich and trivial model to the client. Both are based on epidemic protocols in order to provide scalable and robust guarantees to the system. Given this properties and the conditions to achieve them, it would be interesting to find a commitment between both worlds, scalability and data consistency. This dissertation follows that way and implements a system capable of providing these properties. In the end, we propose an evaluation of this new system, in order to verify the compatibility between data consistency and performance.