CM2: a Cloud Monetary Cost Model for Document-Based NoSQL Databases

No mundo digital moderno, vastas quantidades de informações são armazenadas em formatos flexíveis e não tradicionais conhecidos como bancos de dados orientados a documentos. Diferente das estruturas rígidas, semelhantes a planilhas, dos sistemas mais antigos, esses bancos de dados permitem que os dados sejam organizados de maneiras que espelham como as aplicações realmente os utilizam, muitas vezes agrupando informações relacionadas em unidades únicas e autossuficientes. À medida que as empresas movem esses sistemas para a nuvem, onde são gerenciados por grandes provedores de tecnologia, a forma como os dados são organizados deixa de ser apenas uma escolha técnica para se tornar uma escolha financeira. Cada vez que um computador lê um dado, escreve um novo ou armazena um arquivo, o provedor de nuvem cobra uma taxa. Essas cobranças baseiam-se no tamanho dos dados, no número de itens acessados e na complexidade das requisições, criando um cenário econômico complexo onde uma pequena decisão de design pode levar a contas significativamente mais altas.

Durante anos, especialistas que projetam esses sistemas confiaram em modelos que preveem a rapidez com que um banco de dados funcionará ou quanta memória utilizará. No entanto, essas ferramentas tradicionais frequentemente ignoram o dinheiro real gasto na nuvem. Elas podem dizer a um engenheiro que um design é rápido, mas não podem dizer se essa velocidade vem a um preço proibitivo. Essa lacuna deixa as organizações adivinhando seus custos futuros, levando potencialmente a arquiteturas que são eficientes em desempenho, mas desastrosas no orçamento. O desafio é que o preço da nuvem não é uma taxa única e fixa; é um mosaico de taxas para armazenamento, para leitura de quantidades específicas de dados, para escrita de atualizações e para a manutenção dos índices que ajudam a encontrar informações rapidamente. Sem uma maneira de traduzir escolhas técnicas de design em um valor monetário único, comparar diferentes estruturas de banco de dados é como tentar comparar o custo de dois carros diferentes quando um preço está em milhas por galão e o outro está em cavalos de potência de motor.

Para resolver isso, os pesquisadores Matteo Francia, Enrico Gallinucci, Matteo Golfarelli e Alessandra Lumini, da Universidade de Bolonha, desenvolveram uma nova ferramenta chamada CM2. Este é um modelo de custo monetário de nuvem projetado especificamente para bancos de dados NoSQL orientados a documentos operando em ambientes serverless. Em vez de focar em velocidade ou complexidade técnica, o CM2 atua como uma calculadora financeira para designers de bancos de dados. Ele recebe uma proposta de organização de dados e uma lista de perguntas que serão feitas ao banco de dados, e então calcula o custo mensal exato em dólares. O modelo não apenas supõe; ele decompõe a despesa total em três partes distintas: o custo de armazenar os dados e seus índices, o custo de ler os dados e o custo de escrever ou atualizar os dados. Ele leva em conta as políticas de preços específicas de grandes provedores de nuvem, como quanto cobram por gigabyte de armazenamento ou por byte de dados transferidos.

Os pesquisadores testaram este modelo usando um cenário realista baseado em uma loja online, completa com clientes, pedidos, produtos e detalhes de envio. Eles criaram diferentes versões de como os dados desta loja poderiam ser organizados. Em uma versão, mantiveram os dados altamente organizados com repetição mínima, semelhante a um catálogo de biblioteca rigoroso. Em outra, duplicaram informações entre diferentes grupos para tornar a busca mais rápida, semelhante a manter uma cópia de um mapa em cada carro. Eles então executaram milhares de consultas simuladas contra essas diferentes configurações em um serviço de banco de dados de nuvem real fornecido pela Microsoft Azure. O objetivo era ver se o modelo deles poderia prever a fatura real que o provedor de nuvem enviaria.

Os resultados foram surpreendentemente precisos. Quando os pesquisadores compararam as previsões do modelo com os custos reais incorridos pelo serviço de nuvem, a diferença foi frequentemente inferior a dois por cento para o número de documentos acessados e inferior a um por cento para o número de entradas de índice utilizadas. Para o tamanho total do armazenamento, o modelo teve um erro de menos de cinco por cento. Mais importante ainda, o modelo previu com sucesso o custo monetário final. Em um caso de teste, o modelo estimou um custo mensal de 0,70 dólares, enquanto o custo real foi de 0,73 dólares. Em cenários mais complexos envolvendo milhões de operações, o modelo identificou consistentemente qual design de banco de dados seria o mais barato, classificando corretamente as opções mesmo quando as diferenças eram sutis.

O estudo também revelou que o design mais eficiente depende inteiramente de como o sistema é utilizado. Um design que economiza dinheiro no armazenamento pode acabar custando uma fortuna se a aplicação exigir buscas frequentes e complexas que forcem o sistema a ler grandes quantidades de dados. Por outro vez, um design que repete dados para acelerar as buscas pode ser a escolha mais econômica se o sistema for focado em leitura e raramente atualizado. O modelo mostrou que, em alguns casos, um design redundante foi mais barato porque reduziu o número de operações de leitura caras, enquanto em outros casos, um design mais enxuto venceu por minimizar o custo das atualizações de escrita. Isso prova que não existe uma única maneira "melhor" de construir um banco de dados; a escolha certa é aquela que se alinha aos padrões financeiros e operacionais específicos da aplicação.

Ao fornecer uma maneira unificada de medir o custo, o CM2 permite que engenheiros tomem decisões informadas antes mesmo de construírem o sistema. Ele desloca a conversa de "isso funcionará?" para "isso funcionará dentro do nosso orçamento?". Os pesquisadores demonstraram que ignorar a dimensão monetária durante a fase de design pode levar a arquiteturas que são tecnicamente sólidas, mas financeiramente insustentáveis. O trabalho deles oferece uma estrutura prática para equilibrar desempenho e preço, garantindo que os bancos de dados que alimentam nosso mundo digital permaneçam não apenas rápidos e flexíveis, mas também acessíveis.