HBaSI - HBase schema inference tool:Uma ferramenta para extração de esquemas de bancos de dados NoSQL colunares

Abstract

Bancos de Dados (BDs) NoSQL estão ganhando espaço no mercado por serem adequados ao processamento de grande volume de dados e não exigirem a definição de um esquema para serem usados. Embora os BDs NoSQL não obriguem a existência de um esquema a priori, geralmente existe alguma estrutura implícita no BD para facilitar a manipulação adequada dos dados. O conhecimento do esquema dos dados é importante para soluções que desejam realizar integração de dados ou mesmo busca e análise de diversas fontes de dados em um mesmo domínio de aplicação. Assim sendo, este trabalho apresenta uma ferramenta para inferência de esquema para BDs NoSQL colunares, com foco no Sistema de Gerência de BD (SGBD) HBase. O HBase foi escolhido por ser um dos BDs colunares mais populares que se declara schemaless. A ferramenta, intitulada HBaSI (HBase Schema Inference), infere o esquema de um BD HBase e o apresenta no formato de um JSON Schema. Existem alguns trabalhos que inferem esquemas para o HBase. Entretanto, eles apresentam processos mais complexos e não possuem interface gráfica com o usuário. Outra contribuição do trabalho é a forma como é feita a inferência dos tipos de dados das colunas, pois o HBase armazena apenas arrays de bytes como conteúdo das colunas.