15.07.2013 Views

ISCTE – ESCOLA DE GESTÃO - Universidade Técnica de Lisboa

ISCTE – ESCOLA DE GESTÃO - Universidade Técnica de Lisboa

ISCTE – ESCOLA DE GESTÃO - Universidade Técnica de Lisboa

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

dos gráficos anteriores. Esse acréscimo é mais acentuado nas implementações que não empregam<br />

sub-treeing, o que confirma novamente o que havíamos constatado na análise do gráfico anterior.<br />

O gráfico seguinte ilustra a influência do aumento do número <strong>de</strong> dimensões no tempo necessário para o<br />

algoritmo calcular o agregado ALL. Como se po<strong>de</strong> verificar, o tempo dispendido nesse cálculo aumenta<br />

com o número <strong>de</strong> dimensões envolvidas, o que confirma igualmente os resultados apresentados por<br />

Tam [Tam1998].<br />

00:02:01<br />

00:01:44<br />

00:01:26<br />

00:01:09<br />

00:00:52<br />

00:00:35<br />

00:00:17<br />

00:00:00<br />

Figura 34 <strong>–</strong> Efeito da variação do número <strong>de</strong> dimensões no tempo <strong>de</strong> cálculo do cubo<br />

É vísivel que o tempo <strong>de</strong> execução do algoritmo é sempre superior para as implementações que<br />

empregam a optimização <strong>de</strong> sub-chunking, o que seria expectável. Para volumes <strong>de</strong> dados menores,<br />

essas alterações não são tão notórias, tornando-se mais vísiveis para volumes <strong>de</strong> dados maiores.<br />

Verifica-se também que o <strong>de</strong>sempenho é inferior quando se utiliza apenas sub-chunking do que quando<br />

se utilizam ambas as optimizações. Isto <strong>de</strong>ve-se ao facto <strong>de</strong> a introdução do sub-treeing apenas trazer<br />

benefícios a nível do <strong>de</strong>sempenho, na medida em que permite reduzir o número <strong>de</strong> nós explorados na<br />

árvore, mas a introdução do sub-chunking gerar uma <strong>de</strong>gradação a nível do <strong>de</strong>sempenho do algoritmo,<br />

na medida em que o facto <strong>de</strong> ser necessário subdividir blocos <strong>de</strong> memória implica um maior número <strong>de</strong><br />

leituras e escritas na base <strong>de</strong> dados, tal como comprovado nos gráficos 30 e 31.<br />

4.3.2 Efeito da variação da cardinalida<strong>de</strong> das dimensões<br />

Para avaliar o impacto da variação da <strong>de</strong>nsida<strong>de</strong> dos dados no <strong>de</strong>sempenho do algoritmo, foram<br />

realizados os testes T8 a T16. Tendo em conta o objectivo <strong>de</strong>stes testes, não são apresentados<br />

resultados relativos ao número <strong>de</strong> nós explorados visto que, tal como mostrámos na secção 4.2, o<br />

número <strong>de</strong> nós explorados mantém-se constante <strong>de</strong>s<strong>de</strong> que o número <strong>de</strong> dimensões envolvidas seja o<br />

mesmo, que se verifica nesta situação.<br />

MW MW+ST MW+SC MW+ST+SC<br />

T5<br />

T6<br />

T7<br />

58

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!