| dc.description.abstract | Resumo: O sucesso do desenvolvimento de software baseado em modelos levou ao estudo e aplicação destas técnicas em situações bastante diversas, como migração de sistemas legados, que antes não eram previstas. Isto exigiu a adaptação das técnicas existentes, especialmente em relação as abordagens de armazenamento, porque os frameworks existentes não foram projetados para suportar modelos com tamanho superior a alguns megabytes, isto _e, grandes modelos. Existem alguns trabalhos que já identificaram esse problema, e propõem técnicas mais eficientes para o armazenamento de dados, como grafos, orientado a documentos. Atualmente, o uso de frameworks de processamento de dados distribuídos é uma alternativa comum para análise de dados em grande escala. Porém, estas técnicas são ainda pouco exploradas no contexto de desenvolvimento baseado em modelos. Uma abordagem bastante comum para manipulação de dados, é o MapReduce, que usa técnica baseada em programação funcional para distribuição do processamento. Este trabalho propõem uma solução para implementação e avaliação do MapReduce para o carregamento distribuído de modelos, com o objetivo de melhorar o desempenho. Para distribuir um modelo, é necessário conhecer as dependências dos seus elementos, como classes, atributos e referências, assim pode-se efetuar uma distribuição com maior independência, não comprometendo o processamento. Diferentes modelos podem exigir diferentes divisões, a maneira escolhida para distribuir os elementos é crucial para o desempenho e essas divisões podem alterar consideravelmente o tempo do processo e a quantidade me memória exigida para o mesmo. Este trabalho apresenta uma implementação que integra técnicas de MDE e MapReduce para carregar modelos de maneira distribuída. Escolhemos 4 métodos existentes para carregar e distribuir os elementos de modelos de maneira diferente, escolhemos o método Média das Referências, Média dos Tipos, Tamanho do Modelo e Uma Classe por Divisão. | pt_BR |
