La gestion des flux de données a connu un grand essor au cours des 10 dernières années. Basée sur le modèle relationnel, elle tente de traiter les flux de données de manière déclarative. Toutefois, à cause de sa grande complexité, pour la même requête, les systèmes existants produisent des résultats différents. Astral est une algèbre de gestion de flux de donnée qui permet de clarifier les sémantiques des opérateurs d’un tel système. Afin de montrer que cette algèbre est utilisable, un prototype a été conçu pour traiter les flux tels que décrits par l'algèbre. Ce prototype a ensuite évolué et a développé certaines stratégies pour devenir performant.
Dans cet exposé, nous aborderons les grands concepts théorique d'Astral et les problèmes majeurs qui ont été relevés. Nous verrons aussi comment les requêtes sont évaluées dans le prototype et les problèmes de performances rencontrés. Enfin, nous décrirons le moteur d'optimisation à base de règle. Tout au long de la présentation, nous utiliserons comme exemple conducteur le benchmark Linear Road et les expérimentations que nous avons pu faire sur celui-ci.
