Performance DB - Otimização de Banco de Dados PostgreSQL

Projeto acadêmico focado em otimização e melhoria de performance de banco de dados público PostgreSQL através de técnicas avançadas de modelagem, indexação, monitoramento e análise de dados.

Índice

• Sobre o Projeto
• Tecnologias Utilizadas
• Funcionalidades Implementadas
• Equipe

Sobre o Projeto

O Performance DB é um projeto desenvolvido com o objetivo de demonstrar técnicas avançadas de otimização de bancos de dados relacionais. Partindo de uma base de dados pública, implementamos diversas melhorias de performance, criamos estruturas analíticas e estabelecemos processos robustos de monitoramento e backup.

Objetivos Principais

• Melhorar a performance de consultas através de otimização de modelagem
• Implementar estratégias eficientes de indexação
• Criar estruturas de dados analíticas (Data Warehouse)
• Estabelecer processos automatizados de backup e recuperação
• Monitorar métricas de performance em tempo real
• Visualizar dados através de dashboards interativos

Tecnologias Utilizadas

• Banco de Dados: PostgreSQL
• Backup e Migração: pg_dump, pg_loader
• Monitoramento: Grafana + Prometheus
• Business Intelligence: Power BI / Metabase
• ETL: Pentaho
• Controle de Versão: Git & GitHub

Funcionalidades Implementadas

1. Otimização de Modelagem

• Reestruturação do modelo de dados existente
• Normalização e desnormalização estratégica
• Definição de relacionamentos otimizados
• Implementação de particionamento de tabelas quando aplicável

2. Indexação Estratégica

• Criação de índices B-tree para consultas frequentes
• Implementação de índices compostos
• Índices parciais para subconjuntos específicos
• Índices GiST/GIN para tipos de dados especiais

3. Triggers, Functions e Views

• Triggers para auditoria automática
• Functions para cálculos complexos e otimizados
• Procedures para processos batch
• Validações em nível de banco de dados
• Views para consultas complexas recorrentes

4. Data Warehouse

• Modelagem dimensional (Star Schema)
• Tabelas de fatos e dimensões
• ETL para carga de dados
• Cache de consultas mais frequentes

5. Dashboard de Business Intelligence

• Visualizações interativas de KPIs
• Gráficos de tendências e análises temporais
• Drill-down para análises detalhadas
• Relatórios automatizados

6. Estratégia de Backup

Backup em Tempo Real

• Configuração de replicação streaming
• Point-in-Time Recovery (PITR)
• WAL archiving automático

Backups Convencionais

# Backup completo com pg_dump
pg_dump -h localhost -U usuario -d database -F c -b -v -f backup.dump

# Restauração com pg_restore
pg_restore -h localhost -U usuario -d database -v backup.dump

# Migração com pgloader
pgloader source.db postgresql://user:pass@localhost/target_db

7. Monitoramento com Grafana + Prometheus

• Coleta de métricas do PostgreSQL
• Dashboards de performance em tempo real
• Alertas configuráveis
• Métricas monitoradas:
  • Conexões ativas
  • Taxa de transações (TPS)
  • Cache hit ratio
  • Tempo de resposta de queries
  • Uso de disco e memória
  • Deadlocks e locks

Resultados Obtidos

• Redução de tempo de consulta: até 80% em queries críticas
• Cache hit ratio: acima de 95%
• Disponibilidade: 99.9% com estratégia de backup
• Tempo de recuperação: RTO < 1 hora

Equipe

Projeto desenvolvido por Caio Chagas, Gabriel Vittorazzi, Giulia Munis, Maria Clara e Nilo Gabriel para a disciplina de Banco de Dados 2.

---