El artículo 'JSON Tiles: Fast Analytics on Semi-Structured Data', publicado en la conferencia SIGMOD '21, presenta una técnica para mejorar el rendimiento de las bases de datos relacionales al procesar datos en formato JSON. A diferencia de los sistemas tradicionales, que sufren lentitud al analizar grandes volúmenes de JSON debido a la falta de un esquema fijo, JSON Tiles detecta automáticamente la estructura implícita común entre los objetos y materializa las claves frecuentes como columnas relacionales. Este enfoque permite alcanzar velocidades de escaneo similares a las de los almacenes columnares nativos, manteniendo la flexibilidad del formato JSON.
La solución integra estas técnicas en el sistema de bases de datos Umbra, que ofrece almacenamiento columnar y un optimizador de consultas basado en costes. Al recopilar estadísticas precisas sobre las claves individuales, el optimizador puede generar planes de ejecución eficientes, resolviendo el problema de las estimaciones imprecisas que afectaban a las consultas de unión y escaneo. Además, el sistema gestiona de forma transparente los datos heterogéneos y cambiantes, almacenando las claves infrecuentes en un formato binario optimizado. Los autores demuestran que su método es robusto y eficiente, ofreciendo una alternativa viable para el análisis de datos semiestructurados en entornos de producción, sin sacrificar la capacidad de adaptación a estructuras de datos variables.