gegevensbanken 2010 les14
TRANSCRIPT
![Page 1: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/1.jpg)
Gegevensbanken 2010
Query-verwerking en optimalisatie
Bettina Berendtwww.cs.kuleuven.be/~berendt
![Page 2: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/2.jpg)
2
Query-verwerking en optimalisatie:
Motivatie & Samenvatting
![Page 3: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/3.jpg)
3
indexing II and higher-dimensional structures
Waar zijn we?LesNr. wie wat
1 ED intro, ER2 ED EER3 ED relational model4 ED mapping EER2relational5 KV relational algebra, relational calculus6 KV SQL7 KV vervolg SQL8 KV demo Access, QBE, JDBC
9 KV functional dependencies and normalisation
10 KV functional dependencies and normalisation11 BB file structures and hashing12 BB indexing I
13 BB14 BB query processing15 BB transactions16 BB query security17 BB Data warehousing and mining18 ED XML, oodb, multimedia db
Fysisch model / vragen
![Page 4: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/4.jpg)
4
A. Wat is slimmer?
SELECT empname, projectname FROM emp, project
WHERE emp.SSN = project.leaderSSN
AND emp.income > 1000000
emp project
X
σ emp.SSN = project.leader.SSN
π emp.empname, project.projectname
σ emp.income > 1000000
join emp.SSN = project.leaderSSN
emp
σ emp.income > 1000000
project
π emp.empname,
project.projectname
![Page 5: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/5.jpg)
5
B. Wat helpt daarbij?
join emp.SSN = project.leaderSSN
emp
σ emp.income > 1000000
project
π emp.empname,
project.projectname
![Page 6: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/6.jpg)
6
C. Waar moeten we op letten?
join emp.SSN = project.leaderSSN
emp
σ emp.income > 1000000
project
π emp.empname,
project.projectname
blokkentransport !
![Page 7: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/7.jpg)
7
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 8: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/8.jpg)
8
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 9: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/9.jpg)
9
Overzicht van queryverwerking
Stappen in verwerking v. query: • lezen en ontleden van query
– scanner: zet string om in tokens
– parser: controleert syntactische correctheid en bouwt interne structuur op die query voorstelt
• query optimalisatie– vaak meerdere uitvoerings-
strategieën mogelijk
– meest efficiënte uitkiezen
• codegeneratie– resultaat is uitvoerbare code
• uitvoeren van de query
![Page 10: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/10.jpg)
10
Query-optimalisatie
– Beste strategie vinden is moeilijk en duur
in de praktijk: bepalen van een redelijk efficiënte strategie
• Netwerk model, hiërarchisch model, objectmodel:– uitvoeringsstrategie grotendeels vastgelegd in het programma
(navigatie )
weinig optimalisatiemogelijkheden
• Relationeel model, objectrelationeel model:– hoog-niveau vraagtaal (SQL, OQL)– uitvoeringsstrategie niet vastgelegd in de query– nood aan optimalistaie door DBMS
![Page 11: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/11.jpg)
11
• optimalisatie = "kost" zo laag mogelijk houden– belangrijkste kost is meestal uitvoeringstijd– technieken voor optimalisatie:
• heuristische regels voor ordenen van de bewerkingen in een query uitvoeringsstrategie
– regels die in het algemeen goed werken
• systematische schatting van kosten van verschillende uitvoeringsstrategieën, en kiezen van strategie met laagste kost
– berekening van bv. tijd nodig voor join op basis van aantal tupels, indexen, ...
![Page 12: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/12.jpg)
12
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 13: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/13.jpg)
13
Omzetting SQL relationele algebra
• SQL is gemakkelijk om te vormen naar relationele algebra– verschil: in SQL ligt volgorde van bewerkingen minder vast– relationele algebra uitdrukkingen zijn dus meer geschikt om
uitvoeringsstrategie te bepalen
![Page 14: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/14.jpg)
14
Voorbeeld van conversie
SELECT Lname, FnameFROM EMPLOYEEWHERE Salary >(SELECT MAX(Salary) FROM EMPLOYEE WHERE Dno = 5 );
SELECT Lname, FnameFROM EMPLOYEEWHERE Salary >(SELECT MAX(Salary) FROM EMPLOYEE WHERE Dno = 5 );
c := F MAX Salary( Dno = 5(EMPLOYEE)) Lname, Fname( Salary > c(EMPLOYEE))
c := F MAX Salary( Dno = 5(EMPLOYEE)) Lname, Fname( Salary > c(EMPLOYEE))
![Page 15: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/15.jpg)
15
Implementatie van operaties uit de relationele algebra
• Belangrijke hulp-procedure: sorteren– veel gebruikt voor efficiënte implementaties van andere
operaties
• Selectie
• Join
• Projectie
• ...
![Page 16: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/16.jpg)
16
Sorteren
• Belangrijke component bij query-optimalisatie is sorteren– niet alleen om gesorteerd resultaat te bekomen (order by...)– maar ook als hulpoperatie voor andere bewerkingen
• Sorteren van informatie in externe files: "merge-sort"– strategie: korte gesorteerde lijsten samenvoegen tot een lange
gesorteerde lijst– "lijsten" zijn bestanden op schijf
![Page 17: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/17.jpg)
17
• Fase 1: – lees een deel van het bestand in buffer– sorteer records in buffer (m.b.v. intern sorteeralgoritme, bv.
Quicksort)– schrijf gesorteerde buffer naar schijf als tijdelijk bestand– herhaal tot hele bestand overlopen is
• Fase 2:– meng n tijdelijke bestanden tot een gesorteerd tijdelijk bestand– herhaal tot er maar één gesorteerd bestand meer is
![Page 18: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/18.jpg)
18
a e c i o x y u n p e h b q t z i d f n s k x i p w j q n e r h c p k
r h c p k p w j q n ef n s k x ib q t z i dy u n p e ha e c i o x
c h k p r e j n p q wf i k n s xb d i q t ze h n p u ya c e i o x
a b c d e e h i i n o p q t u x y z c e f h i j k k n n p p q r s w x
a b c c d e e e f h i i i j ...
splits
sorteer
meng
meng
buffer (tijdelijk) bestand
![Page 19: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/19.jpg)
19
![Page 20: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/20.jpg)
20
Complexiteit - sorteerfase
• zoveel mogelijk blokken worden samen in het geheugen gelezen en gesorteerd, d.i. afhankelijk van de beschikbare buffer ruimte
• met:– b blokken
– nB beschikbare buffers
• dan:– nR = b / nB “runs” nodig
– elke “run” geeft een gesorteerd deelbestand
• elk blok wordt een keer ingelezen en een keer geschreven:
voor b blokken: 2 * b• voorbeeld:
– nB = 5 b = 1024
– dan: nR = 1024 / 5 = 205
205 gesorteerde deelbestanden
![Page 21: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/21.jpg)
21
Complexiteit:Mengfase, totaal
• mengfase:• mengingsgraad dM:
– aantal deelbestanden die ineens gemengd kunnen worden
= aantal beschikbare buffers – 1 = nB – 1
– aantal doorgangen (“passes”): logdM (nR)
– voorbeeld:
• dM = 4
• aantal gesorteerde deelbestanden:
205 52 13 4 1 – complexiteit:
2 * b * ( logdM nR )
• totale complexiteit 2 * b + 2 * b * ( logdM nR )
in1 uitin3in2 buffer
![Page 22: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/22.jpg)
22
Selectie
• Verschillende strategieën mogelijk, naargelang van– soort selectiecriterium– bestaan van indexen
• Voorbeelden criteria:– OP1: Ssn = ‘123456789’ (EMPLOYEE)
– OP2: Dnumber > 5 (DEPARTMENT)
– OP3: Dno = 5 (EMPLOYEE)
– OP4: Dno = 5 AND Salary > 3000 AND Sex = ‘F’ (EMPLOYEE)
– OP5: Essn = ‘123456789’ AND Pno = 10 (WORKS_ON)
![Page 23: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/23.jpg)
23
Strategieën:
• S1: lineair zoeken– doorloop hele bestand, test voor elk record of het voldoet
• S2: binair zoeken– mogelijk voor "="-conditie op sleutelattribuut dat ordening
bepaalt• vb: OP1: Ssn = ‘123456789’ (EMPLOYEE)
– als SSN een ordeningsattribuut is
• S3: gebruik van primaire index of hash functie om één record op te halen– mogelijk voor = op geïndexeerd / gehasht attribuut
• vb: OP1: Ssn = ‘123456789’ (EMPLOYEE)
![Page 24: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/24.jpg)
24
• S4: gebruik van primaire index om meerdere records op te halen– werkt ook voor ongelijkheden (<, ...) (zg. "range queries")
• vb: OP2: Dnumber > 5 (DEPARTMENT)
• S5: gebruik van een cluster-index om meerdere records op te halen– =, <, ... op niet-sleutel-attribuut dat ordening bepaalt
• vb: OP3: Dno = 5 (EMPLOYEE)
• S6: gebruik van secundaire index (B+ boom)– mogelijk voor zowel = als <, ...– resultaat: een (bij = zoeken op sleutel) of meerdere records
![Page 25: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/25.jpg)
25
• S7: conjunctieve selectie (c1 AND c2 AND ...)
– als voor een van de subcondities een van de methodes S2 - S6 bruikbaar is:
• selecteer eerst volgens die subconditie
• test voor elk gevonden record de andere subconditie(s)
• vb: OP4: Dno = 5 AND Salary > 3000 AND Sex = ‘F’ (EMPLOYEE)
• S8: conjunctieve selectie met samengestelde index– mogelijk indien
• "="-subcondities op meerdere attributen
en
• er bestaat een samengestelde index op die attributen
• vb: OP5: Essn = ‘123456789’ AND Pno = 10 (WORKS_ON)
– als gecombineerde index (Essn, Pno) op WORKS_ON bestaat
![Page 26: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/26.jpg)
26
• S9: conjunctieve selectie door intersectie van recordpointers– mogelijk met secundaire indexen die recordwijzers (geen
blokwijzers) bevatten• voor elke "="-conditie op secundair geïndexeerd attribuut:
– haal verzameling recordpointers uit index op
• bereken doorsnede van al die verzamelingen
• haal uiteindelijk records op en filter volgens overblijvende condities
– voordeel: • voor groot deel van selectiewerk moeten enkel indexen
geraadpleegd worden
![Page 27: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/27.jpg)
27
optimalisatie van selectie
• selectie met enkelvoudige voorwaarde:– indien index beschikbaar of bestand geordend: S2 – S6– anders lineair zoeken
• selectie met conjunctieve voorwaarde (eist S7 – S9):– indien meerdere toegangspaden beschikbaar:
• meest selectieve selectie eerst uitvoeren
– rc = aantal records dat aan voorwaarde voldoet
– r = totaal aantal records
– selectiviteit = rc / r
• zo laag mogelijk
• schattingen van selectiviteit uit catalogus te halen
![Page 28: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/28.jpg)
28
• selectie met disjunctieve voorwaarde• vb: OP4’: Dno = 5 OR Salary > 3000 OR Sex = ‘F’ (EMPLOYEE)
– moeilijk te optimaliseren: • elke deelvoorwaarde volledig te testen
– indien voor elke deelvoorwaarde efficiënte toegangspaden bestaan :
• gebruik die
– zodra voor een deelvoorwaarde geen toegangspad bestaat:• lineair zoeken nodig
• gebruik van indexen voor andere criteria niet meer zinvol
• in één pas doorheen gegevensbank gaan en alles testen
![Page 29: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/29.jpg)
29
Join
• Dure operatie: – vraagt veel uitvoeringstijd !
• Vaak equijoin / natuurlijke join– wij bekijken hier enkel deze
• 2-weg-join (join van 2 bestanden) vs. multi-weg-join (meerdere bestanden)– wij bekijken enkel 2-weg-join:
R A = B S
• Voorbeelden:– OP6: EMPLOYEE Dno = Dnumber DEPARTMENT
– OP7: DEPARTMENT Mgr_ssn = Ssn EMPLOYEE
![Page 30: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/30.jpg)
30
Implementatiemethodes voor Join
• We beschouwen joins volgens R.A = S.B
• J1: geneste lussen– voor elk record t uit R:
• haal elk record s uit S op
• en controleer of t [A] = s [B]
• J2: toegangsstructuur gebruiken om overeenkomstige records op te halen– als S geïndexeerd of gehasht op B :
• records t van R één voor één ophalen
• gebruik t [A] als zoekwaarde overeenkomstige records s van S te vinden, met s [B] = t [A]
• (efficiënt)
![Page 31: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/31.jpg)
31
• J3: sort-merge join– indien R-bestand geordend is volgens A, S volgens B– join mogelijk door 1x lineair doorlopen van A en B– zeer efficiënt– ook mogelijk met secundaire indexen
• A en B kunnen in volgorde doorlopen worden dankzij index
• maar records zelf verspreid in bestand om ze op te halen voortdurend andere blokken inlezen kan inefficiënt worden
![Page 32: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/32.jpg)
32
![Page 33: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/33.jpg)
33
• J4: hash-join– idee:
• R.A en S.B worden beide gehasht volgend zelfde hash-functie
– methode : • maak nieuw hash bestand aan
• zet alle records van kleinste relatie (bv. R) in cellen volgens hashfunctie
• voor elk record s van S:
– kijk in welke cel s hoort (volgens hashing op s[B])
– zoek in die cel overeenkomstige records in R
– lineaire complexiteit efficiënt
![Page 34: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/34.jpg)
34
optimalisatie van joins
• J1: geneste lussenwaartussen kunnen we kiezen?
– welk bestand wordt doorlopen in buitenste lus?• grootste of kleinste?
– hoe verdelen we de invoerbuffers?• een buffer voor elke bestand?
• meer buffers voor bestand in buitenste cyclus?
• meer buffers voor bestand in binnenste cyclus?
![Page 35: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/35.jpg)
35
EMPLOYEE
RESULTAAT
DEPARTMENT
EMPLOYEE in buitenste lus:Elk blok wordt 1 x gelezen: 2 000
DEPARTMENT in binnenste lus:elk blok wordt telkens opnieuw gelezen bij volgendeuitvoering van buitenste lus:
400 x 10 = 4 000
Totaal gelezen blokken: 6 000
bD = 10bE = 2000
![Page 36: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/36.jpg)
36
DEPARTMENT
RESULTAAT
EMPLOYEE
DEPARTMENT in buitenste lus:elk blok wordt 1 x gelezen: 10
EMPLOYEE in binnenste lus:elk blok wordt telkens opnieuw gelezen bij volgendeuitvoering van buitenste lus:
2 x 2 000 = 4 000
Totaal gelezen blokken: 4 010
bD = 10 bE = 2000
![Page 37: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/37.jpg)
37
EMPLOYEE
RESULTAAT
DEPARTMENT
EMPLOYEE in buitenste lus:elk blok wordt 1 x gelezen: 2 000
DEPARTMENT in binnenste lus:elk blok wordt telkens opnieuw gelezen bij volgendeuitvoering van buitenste lus:
2 000 x 10 = 20 000
Totaal gelezen blokken: 22 000
bD = 10bE = 2000
Ter vergelijking: slechts 1 buffer reserveren voor buitenste lus:
![Page 38: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/38.jpg)
38
DEPARTMENT
RESULTAAT
EMPLOYEE
DEPARTMENT in buitenste lus:elk blok wordt 1 x gelezen: 10
EMPLOYEE in binnenste lus:elk blok wordt telkens opnieuw gelezen bij volgendeuitvoering van buitenste lus:
10 x 2 000 = 20 000
Totaal gelezen blokken: 20 010
bD = 10 bE = 2000
![Page 39: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/39.jpg)
39
optimalisatie van joins
• J1: geneste lussen– kies voor buitenste lus bestand met minst blokken (bv. R)– reserveer
• 1 buffer voor bestand S in binnenste lus,
• 1 voor uitvoerbestand,
• zoveel mogelijk buffers voor bestand in buitenste lus
– indien plaats voor nB buffers: nB - 2 buffers voor R
– per record van S : • vergelijk met alle R-records in buffers ("probing" van de buffers)
S moet in totaal even vaak overlopen worden als het aantal keren dat de buffers met nieuwe waarden voor R geladen worden
![Page 40: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/40.jpg)
40
Voorbeeld (5): de diagrammen als formules
• vb. join op EMPLOYEE en DEPARTMENT:OP6: EMPLOYEE Dno = Dnumber DEPARTMENT
– EMPLOYEE bevat bE blokken, DEPARTMENT bD
– kiezen we EMPLOYEE voor buitenste lus:• aantal keren dat nB-2 blokken geladen worden van EMPLOYEE: bE / (nB-
2) • DEPARTMENT evenveel keren helemaal inlezen in totaal bD *
bE/(nB-2) blokken te lezen
• totaal aantal blokken te lezen (EMPLOYEE en DEPARTMENT samen): bE + bD* bE/(nB-2)
• bv. bE = 2 000, bD = 10, nB = 7 : 6 000 blokken
– kiezen we DEPARTMENT in buitenste lus:• bD + bE* bD/(nB-2) = 4 010 blokken
![Page 41: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/41.jpg)
41
• J2: toegangsstructuur gebruiken om overeenkomstige records op te halen – indien secundaire indexen bestaan op beide bestanden:
OP7: DEPARTMENT Mgr_ssn = Ssn EMPLOYEE
– join-selectiefactor van R m.b.t. R.A = S.B : • hoeveel records van S gemiddeld overeenkomen met een record van R
(bij join op R.A = S.B)• vb:
– # ( EMPLOYEE ) = 5 000– # ( DEPARTMENT ) = 50– join-selectiefactor van EMPLOYEE : 1 / 100– join-selectiefacor van DEPARTMENT : 1
– bestand met hoge join-selectiefactor in buitenste lus• vermijdt dat veel "onnodige" records opgezocht worden
![Page 42: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/42.jpg)
42
• vb.: – voor 50 departementen, 5 000 werknemers,
bD=10, bE = 2 000
• elk departement heeft een manager JSFD=1
• maar 50 van de 5 000 werknemers managen een departement JSFE = 0.01
• zij aantal niveaus in indexen: xSsn = 4, xMgr_ssn = 2
• met EMPLOYEE in buitenste lus:
– bE + (rE * (xMgr_ssn + 1) ) = 17 000 blokken
• met DEPARTMENT in buitenste lus:
– bD + (rD * (xSsn + 1) ) = 260 blokken
![Page 43: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/43.jpg)
43
• J3: sort-merge join– is efficiënt
• vb: zowel OP6 als OP7
– OP6: EMPLOYEE Dno = Dnumber DEPARTMENT
– OP7: DEPARTMENT Mgr_ssn = Ssn EMPLOYEE
vereisen
– bE + bD
bloktoegangen
– O (bR + bS), maar bestanden moeten geordend zijn
– indien niet: eventueel eerst sorteren• externe sorteermethode toepassen
• totale complexiteit: O(bR+ bS+ bR . log bR + bE . log bE)
• kan efficiënter zijn dan vorige methodes
![Page 44: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/44.jpg)
44
• J4: hash-join – eenvoudigst indien volledige hashtabel van een van de twee
bestanden in intern geheugen past• stap 1: eerste bestand in geheugen brengen tabel
• stap 2: voor elk record van 2-de bestand nagaan met welke plaats in die tabel het overeenstemt
– Indien niet: meer gesofisticeerde implementaties• partition hash join:
– eerst bestanden partitioneren met hash-functie h
• verz. kleinere bestanden die volledig in intern geheugen passen
– dan die bestanden 2 aan 2 joinen (met eender welke join-methode, evt. J4 met andere hashfunctie)
– tenslotte alle gejoinde bestanden aan elkaar hangen
![Page 45: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/45.jpg)
45
R
S
1 32 4
1 432
1 432
alle records r van R met h(r.A)=4
alle records s van S met h(s.B)=4
hash
hash
![Page 46: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/46.jpg)
46
– hybrid hash join:• variant van partition hash join
• idee: deel van join-fase tijdens partitie-fase al uitvoeren
• één van de tijdelijke hash-bestanden blijft permanent in geheugen
• spaart 2 tijdelijke bestanden uit
![Page 47: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/47.jpg)
47
Projectie
• attribuutlijst(R)
Als attribuutlijst
– een sleutel van R bevat:
• resultaat bevat evenveel tupels als R
– geen sleutel van R bevat:• resultaat kan dubbels bevatten
• verwijderen : door sorteren of door hashing– na sorteren:
dubbels komen na elkaar gewoon niet kopiëren naar resultaat– hashing:
tijdens projectie kijken of tupel al voorkomt in resultaat (via hashtabel); indien ja, niet toevoegen
![Page 48: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/48.jpg)
48
![Page 49: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/49.jpg)
49
Verzameling-operaties
• Carthesisch product R x S:• zeer duur, resulteert in zeer grote relatie
• zoveel mogelijk vermijden of vervangen door equivalente operaties tijdens optimalisatie
• Unie, doorsnede, verschil:• alleen voor unie-compatibele relaties (zelfde attributen)
– implementeren met sorteren of hashing• sorteren:
– sorteer beide bestanden volgens zelfde attributen
– daarna 1x lineair beide bestanden doorlopen
• hashing:
– records in beide bestanden naar zelfde hash-cellen hashen
![Page 50: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/50.jpg)
50
T R S
T R S
T R \ S
![Page 51: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/51.jpg)
51
Aggregatie-operaties
• Indien dichte index op attribuut bestaat: resultaat kan zuiver uit index berekend worden– vb:
SELECT MAX ( Salary )
FROM EMPLOYEE ;
– min:• volg steeds meest linkse wijzer in B+ - boom
– max: • steeds meest rechtse
– avg, count, sum: • doorloop bladeren van boom
![Page 52: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/52.jpg)
52
Aggregatie-operaties
• Group by:– vb:
SELECT DNO, AVG ( Salary )
FROM EMPLOYEE
GROUP BY DNO ;
– bestand eerst partitioneren in juiste groepen• d.m.v. sorteren of hashen
– aggregaatfunctie voor elke groep apart uitrekenen
– opmerking: • bij cluster-index: bestand is reeds gepartitioneerd volgens cluster-
attribuut
![Page 53: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/53.jpg)
53
Outer join
• bv. left outer join– Wijziging aan standaard join implementatie: (bv. J1)
• elk tupel van linker-relatie komt in resultaat voor
• dus deze relatie gebruiken voor buitenste lus
– Alternatief: • eerst inner join berekenen
• resultaat aanvullen met tupels die niet in inner join voorkomen (elk tupel aangevuld met nulls)
– bv. EMPLOYEE Ssn = Mgr_ssn DEPARTMENT
![Page 54: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/54.jpg)
54
Operaties combineren met pijplijnen
• probleem:– 1 query meerdere operaties– voor elke opeenvolgende operatie apart tijdelijke bestanden
aanmaken: duur!
• oplossing:– meerdere operaties in één algoritme combineren
• bv. selectie, dan join, tenslotte projectie
• resultaat van selectie niet naar tijdelijk bestand schrijven maar direct als invoer aan join geven
– pijplijn: gegevens stromen van een algoritme naar een ander
![Page 55: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/55.jpg)
55
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 56: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/56.jpg)
56
Herhaling: A. Wat is slimmer?
SELECT empname, projectname FROM emp, project
WHERE emp.SSN = project.leaderSSN
AND emp.income > 1000000
emp project
X
σ emp.SSN = project.leader.SSN
π emp.empname, project.projectname
σ emp.income > 1000000
join emp.SSN = project.leaderSSN
emp
σ emp.income > 1000000
project
π emp.empname,
project.projectname
![Page 57: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/57.jpg)
57
Heuristische optimalisatie
• Gebaseerd op "query trees"– een query-boom = een uitdrukking in relationele algebra
• blad ↔ relatie• interne knoop ↔ operatie• bevat informatie over volgorde
– verschillende querybomen kunnen equivalent zijn m.b.t. resultaat (commutativiteit van operaties, ...)
– vb: Q_2:• for every project located at ‘Stafford’, list the project number, the
controlling department number, and the department manager’s last name, address, and birthdate
• Pnumber, Dnum, Lname, Address, Bdate ( ( ( Plocation = ‘Stafford’ ( PROJECT ) )
Dnum = Dnumber ( DEPARTMENT ) ) Mgr_ssn = Ssn ( EMPLOYEE ) )
• SELECT P.Pnumber, P.Dnum, E.Lname, E.Address, E.Bdate
FROM PROJECT AS P, DEPARTMENT AS D, EMPLOYEE AS E
WHERE P.Dnum = D.Dnumber AND D.Mgrssn = E.Ssn AND P.Location = ‘Stafford’ ;
![Page 58: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/58.jpg)
58
canonieke vorm:- geen joins, wel carth. prod- bovenaan:
- -
![Page 59: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/59.jpg)
59
Query-grafen
• andere grafische voorstelling van query
• geven geen volgorde aan
• daardoor minder geschikt voor optimalisatie
![Page 60: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/60.jpg)
60
• optimalisatie van queries op basis van bomen:– bouw een eerste boom in canonieke vorm:
• , , (geen joins)
– herstructureer boom zonder equivalentie te verliezen• bv. twee opeenvolgende selecties omwisselen
• op basis van heuristieken, zo dat query efficiënt uitgevoerd zal worden
– vb.:– Find the last names of employees born after 1957 who work on a
project named ‘Aquarius’
– SELECT Lnamr
FROM EMPLOYEE, WORKS_ON, PROJECT
WHERE PName = ‘Aquarius’ AND PNumber = Pno AND
Essn = Ssn AND Bdate > ‘1957-12-31’ ;
![Page 61: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/61.jpg)
61
Initiële boom
![Page 62: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/62.jpg)
62
Verplaatsselectie operatiesnaar beneden
![Page 63: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/63.jpg)
63
Plaats meest restrictieve selectie operaties eerst
Vervang carth. product doorselectie en join operaties
![Page 64: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/64.jpg)
64
Verplaats projecties naar beneden
![Page 65: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/65.jpg)
65
Algemene transformatieregels
– -cascade • selectie op conjunctie van condities omzetten in opeenvolgende
eenvoudige selecties
• c1 AND c2 AND … AND cn ( R ) c1 ( c2 ( … ( cn ( R ) ) … ) )
– commutativiteit van • c1 ( c2 ( R ) ) c2 ( c1 ( R ) )
– -cascade • enkel laatste projectie overhouden
• list1 ( list2 ( … ( listn ( R ) ) … ) ) list1 ( R )
– commutativiteit (onder voorwaarden) van met • indien het selectiecriterium c enkel slaat op attributen A1, …, An uit
de projectielijst
• A1, A2, …, An ( c ( R ) ) c ( A1, A2, …, An ( R ) )
![Page 66: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/66.jpg)
66
– commutativiteit van (of )• R c S S c R
– commutativiteit van met (of )• c (R S) = c (R) S
– indien enkel c enkel slaat op attributen van R
• c (R S) = c1(R) c2(S)
– indien
• c = c1 AND c2 , en
• c1 en c2 condities zijn die enkel slaan op attributen van R resp. S)
– commutativiteit van met ( of )• indien alle join-attributen in projectielijst voorkomen: projectie kan
naar binnen geschoven worden
• anders: R en S projecteren op join-attributen + attributen in projectielijst
• op het einde nogmaals projecteren op gevraagde attributen
• bv. A (R B=C S) = A( A,B (R) B = C A,C (S))
![Page 67: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/67.jpg)
67
– commutativiteit van verzameling-operaties• commuteren, \ niet
– associativiteit van , , en – commutativiteit van met verzameling-operaties– commutativiteit van met verzameling-operaties– diverse andere transformaties
• bv. logische wetten van De Morgan
![Page 68: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/68.jpg)
68
Heuristieken: algemeen
• methode van optimalisatie: – bladeren en knopen van boom herschikken zodat query
efficiënter wordt• naar beneden schuiven van operaties die best eerst uitgevoerd
worden
• algemene regel: – voer eerst die bewerkingen uit die de grootte van tijdelijke
relaties verminderen:• selectie zo snel mogelijk ( minder tupels)
• projectie zo snel mogelijk ( minder attributen)
• deze naar beneden schuiven in boom
![Page 69: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/69.jpg)
69
Heuristiken
• Splits complexe selectie in meerdere eenvoudige selecties– geeft meer flexibiliteit bij herschikken
• Schuif selecties zo ver mogelijk naar beneden
• Schuif bladeren waarop strenge selectie gebeurt zoveel mogelijk naar links– die geven kleinere relaties
• Vermijd zoveel mogelijk carthesische producten
• Combineer carthesische producten met selectie tot een join
• Schuif projecties zoveel mogelijk naar beneden– gooi onnodige attributen direct weg
• Identificeer deelbomen die door één algoritme kunnen uitgevoerd worden (zonder creatie van tijdelijke bestanden)
![Page 70: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/70.jpg)
70
Uitvoeringsplan
• Eens query-boom geoptimaliseerd: uitvoeringsplan bouwen– welke implementaties van joins etc. gebruiken?– welke indexen gebruiken?– ...– "pipelined" vs. "materialised" evaluatie
• materialised: tussenresultaat wordt gematerialiseerd in tijdelijk bestand
• pipelined: vermijdt die tijdelijke bestanden
![Page 71: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/71.jpg)
71
SELECT Fname, Lname, AddressFROM EMPLOYEE, DEPARTMENTWHERE Dname = ‘Research’ AND Dnumber = DNO ;
Voorbeeld van uitvoeringsplan voor query Q1:
Gebruik index voor selectie op DEPARTEMENT (als die bestaat)
Gebruik geneste lussen voor join,(maar buitenste lus slechts 1-maal!)doorloop daarbij volledig EMPLOYEE bestand
Doorloop resultaat van join voor projectie
![Page 72: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/72.jpg)
72
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 73: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/73.jpg)
73
Systematische optimalisatie met kostenschattingen
• Kosten om query uit te voeren:– toegang tot hulpgeheugen (#blokken te lezen / schrijven)– opslag van tijdelijke bestanden– berekeningen– gebruik van intern geheugen– communicatiekost (query en resultaten oversturen van client
naar server)
• Toegang tot hulpgeheugen weegt meestal door
• Voorbeelden van kostenschattingen voor selectie en join: – zie eerder
![Page 74: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/74.jpg)
74
Agenda
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
![Page 75: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/75.jpg)
75
• Gebruik van extra kennis (in de vorm van restricties) om queries te transformeren
• bv. : – stel dat een restrictie aangeeft dat geen werknemer meer
verdient dan zijn overste; dan hoeft volgende query niet eens uitgevoerd te worden:
SELECT E.Lname, M.LnameFROM EMPLOYEE AS E, EMPLOYEE AS MWHERE E.Super_ssn=M.Ssn AND E.Salery>M.Salary;
SELECT E.Lname, M.LnameFROM EMPLOYEE AS E, EMPLOYEE AS MWHERE E.Super_ssn=M.Ssn AND E.Salery>M.Salary;
Semantische query-optimalisatie
![Page 76: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/76.jpg)
76
Vooruitblijk
Overzicht
Implementatie van operaties uit relationele algebra
Heuristische optimalisatie
Systematische optimalisatie d.m.v. kostenschattingen
Semantische query-optimalisatie
Transactieverwerking
![Page 77: Gegevensbanken 2010 les14](https://reader036.vdocuments.us/reader036/viewer/2022062706/5577c419d8b42a1c068b52b3/html5/thumbnails/77.jpg)
77
Bronnen
• Deze slides zijn gebaseerd op Henk Olivié‘s slides voor Gegevensbanken 2009 en op Elmasri & Navathe, Fundamentals of Database Systems, Addison Wesley / Pearson, 5e editie 2007.
• Alle kopieën zonder bronspecificatie: Elmasri & Navathe, Fundamentals of Database Systems, Addison Wesley / Pearson, 5e editie 2007.
• Verdere figuren: bronnen zie “Powerpoint comments field”
• Bedankt iedereen!