Algoritmo Escalable y Eficiente para Bases de Datos Replicadas Utilizando Coherencia Causal

Este proyecto aborda los desafíos inherentes a la geo-replicación de grandes servicios de Internet, donde la necesidad de baja latencia y alta disponibilidad choca con las limitaciones impuestas por el Teorema CAP. Aunque modelos como la coherencia causal (Causal+) ofrecen una semántica más relajada y ventajosa, su implementación requiere una gestión significativa de metadatos y una librería cliente compleja para rastrear el historial causal completo. El objetivo principal es diseñar un algoritmo que sea escalable y eficiente para la replicación de bases de datos bajo coherencia causal. La metodología incluye una fase descriptiva para establecer el estado del arte, seguida de una fase deductiva para definir las propiedades y el diseño del algoritmo. Finalmente, se llevará a cabo una fase experimental para validar el cumplimiento de las propiedades propuestas, culminando en la publicación de los resultados en una revista científica JCR.<br/><br/><b>Objetivo</b>: <br/>Formular un algoritmo escalable y eficiente para la replicación de bases de datos distribuidas, utilizando la semántica de coherencia causal para mejorar la disponibilidad y consistencia de los datos en sistemas geo-replicados.<br/><br/><b>Líneas de investigación</b>: <br/>Sistemas de información geográfica