Use este identificador para citar ou linkar para este item: http://bdm.ufmt.br/handle/1/373
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMetello, Izandro Monteiro-
dc.date.accessioned2018-11-10T12:38:27Z-
dc.date.available2017-06-05-
dc.date.available2018-11-10T12:38:27Z-
dc.date.issued2016-09-22-
dc.identifier.citationMETELLO, Izandro Monteiro. SGBD em embarcados: uma aplicação visando dados científicos. 2016. 42 f. TCC (Especialização em Banco de Dados) - Universidade Federal de Mato Grosso, Instituto de Computação, Cuiabá, 2016.pt_BR
dc.identifier.urihttp://bdm.ufmt.br/handle/1/373-
dc.description.abstractAutomatized data gathering makes part of various parts of human life. Whether it be activities poses a person life at risk, resource spending reduction, processes improvements or many other applications possibles, it is possible to use embedded systems along with sensors in automatized data gathering. Data provided by gather has one or more purpose: description, explanation or prediction. A scenery description, the search for explications or predictions based on comprehension of the causes of events can be dependents of data gathering. As the need and opportunity of data gathering is increasing, this study aims show a DBMS in management of usual scientific data. The study cases have been done with DBMS inside the embedded computer which gathers metering data. It has been analyzed a relational DBMS and a NoSQL DBMS, MySQL and Redis respectively, in various stages since the enviroment setup to the data handling in study cases. It has been possible observe the architectural differences in study cases results. To run the experiments it has been used a pcDuino 1 and a Raspberry Pi 2. Both have ARM architecture processors, however they haven’t the same speed nor same amount of processing cores, among others differences. Some of those differences have been seen in the study cases results. The study cases have shown the best configuration to be chosen for an application is particular to that application as each DBMS have shown upsides and downsides in the study cases.pt_BR
dc.description.provenanceSubmitted by Nádia Paes (nadia66paes@gmail.com) on 2018-11-08T15:05:42Z No. of bitstreams: 1 TCCp_2016_Izandro Monteiro Metello.pdf: 1069111 bytes, checksum: 8dc4636fa6216510f17206fb6f34b6cc (MD5)en
dc.description.provenanceApproved for entry into archive by Jordan (jordanbiblio@gmail.com) on 2018-11-10T12:38:27Z (GMT) No. of bitstreams: 1 TCCp_2016_Izandro Monteiro Metello.pdf: 1069111 bytes, checksum: 8dc4636fa6216510f17206fb6f34b6cc (MD5)en
dc.description.provenanceMade available in DSpace on 2018-11-10T12:38:27Z (GMT). No. of bitstreams: 1 TCCp_2016_Izandro Monteiro Metello.pdf: 1069111 bytes, checksum: 8dc4636fa6216510f17206fb6f34b6cc (MD5) Previous issue date: 2016-09-22en
dc.languageporpt_BR
dc.publisherUniversidade Federal de Mato Grossopt_BR
dc.rightsAcesso Abertopt_BR
dc.titleSGBD em embarcados : uma aplicação visando dados científicospt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Pereira, Roberto Benedito de Oliveira-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8329105444694261pt_BR
dc.contributor.referee1Pereira, Roberto Benedito de Oliveira-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8329105444694261pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/3558821720603295pt_BR
dc.description.resumoA coleta de dados automatizada está presente em diversas atividades humanas. Seja para atividades que possam colocar a vida de um ser humano em perigo, redução do gasto de recursos, melhoria de processos ou outras aplicações possíveis, pode-se utilizar sistemas embarcados em conjunto com sensores para a coleta de dados de forma automatizada. Dados provenientes de coleta tem um ou alguns dos seguintes propósitos: descrição, explicação ou predição. A descrição de cenários, a busca de explicações ou predições baseadas na compreensão da causa de eventos podem ser dependentes de coleta de dados. Com o crescente aumento de necessidade e oportunidade de coleta de dados visando aplicações científicas, este trabalho busca demonstrar a aplicação de SGBD em dados característicos de medições e monitoramento científico. Diversos fatores como qualidade e disponibilidade de comunicação, necessidade de disponibilidade imediata dos dados e volume de dados vão influenciar no tipo de arquitetura e qual SGBD será utilizado. Os estudos de caso foram feitos com o SGBD dentro de um computador embarcado que faz ou recebe dados de coleta. Foram analisados um SGBD relacional e um NoSQL, MySQL e Redis respectivamente, em diversas fases desde a configuração dos ambientes até a manipulação dos dados de medições simulados. Pode-se perceber a diferença das arquiteturas dos SGBDs nos estudos de caso. Para realizar os experimentos foram utilizados o pcDuino 1 e o Raspberry Pi 2. Ambos contêm processadores de arquitetura ARM, porém não são iguais em velocidade, núcleos de processamento e outras características. Algumas dessas diferenças de arquitetura foram percebidas nos estudos de caso. Os estudos de caso sugerem que a configuração escolhida para gerenciar dados de aplicações de coleta de dados depende de características específicas da aplicação e da necessidade de cada caso em particular já que cada SGDB mostrou pontos favoráveis e desfavoráveis nos estudos realizados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computação (IC)pt_BR
dc.publisher.initialsUFMT CUC - Cuiabápt_BR
dc.publisher.programBanco de Dados - CUCpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.subject.keywordBanco de dadospt_BR
dc.subject.keywordSensorespt_BR
dc.subject.keywordNoSQLpt_BR
dc.subject.keyword2Databasespt_BR
dc.subject.keyword2Sensorspt_BR
dc.subject.keyword2NoSQLpt_BR
Aparece na(s) coleção(ções):Banco de Dados

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
TCCP_2016_Izandro Monteiro Metello.pdf1.04 MBAdobe PDFVer/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.