Otimização Automatizada de Buffer Pool em Bancos de Dados Mainframe Utilizando Aprendizado de
Máquina
SGBD, Banco de Dados, Bufferpool, Aprendizado de Máquina, Configuração de Parâmetros
O Buffer Pool (BP) é um componente essencial em Sistema de Gerenciamento de Banco de Dados, responsável por armazenar em memória páginas de dados frequentemente acessadas, reduzindo a latência de entrada e saída. Este trabalho propõe uma metodologia automatizada de otimização de BP, baseada em três etapas integradas: (i) aplicação de Análise Fatorial Exploratória combinada a K-means para redução de dimensionalidade e agrupamento de métricas; (ii) utilização de regressão LASSO para ranqueamento dos parâmetros mais influentes; e (iii) adoção de Bayesian Optimization Gaussian Process Regression, com as funções de aquisição Expected Improvement, Probability of Improvement e Upper Confidence Bound. Os resultados obtidos indicam ganhos de até 81,76% na redução da latência de acesso a dados, com média global de 58,7%. A solução demonstra efetividade prática na gestão de memória e na estabilização de desempenho em ambiente produtivo de instituição financeira, mantendo governança de implantação e rollback seguro.