Evaluation des Operations Relationnelles : Algorithmes Additionnels

1
Evaluation des Operations Relationnelles
Algorithmes Additionnels

• Chapitre 14, 14.1--14.3, 15.5-14.7

2
Sélections Utilisation dun Index

• Le coût dépend du de tuples qualifiés et du
  groupement
• Le coût (généralement petit) pour trouver les
  entrées de données qualifiées, plus le coût
  (généralement significatif) pour retrouver les
  enregistrements.
• En supposant une distribution uniforme des noms,
  environ 10 des tuples sont qualifiés pour une
  sélection de la forme   rname lt C (i.e. 100
  pages, 10000 tuples). Avec un index groupé, le
  coût est moins que 100 I/Os avec un index non
  groupé, le coût peut aller jusquà 10000 I/Os!
• Amélioration importante pour les indexes non
  groupés
• 1. Trouver les entrées de données ltk,ridgt
  (rappel rid ltpage_id, slotgt).
• 2. Trier les rids des enregistrement de données
  à extraire selon la composante page_id.
• 3. Puiser les rids dans lordre des page_ids.
  Ceci garantit que chaque page emmenée en mémoire
  permet datteindre les tuples qualifiés lun
  après lautre.

3
Approches pour Sélections Générales

• Première approche Trouver le chemin daccès le
  plus sélectif, extraire les tuples utilisant ce
  chemin et appliquer les termes restants qui ne
  correspondent pas au chemin daccès
• chemin daccès le plus sélectif un index ou un
  scannage qui, selon une estimation, requiert le
  moins daccès au disque.
• Les termes qui correspondent à cet index
  réduisent le nombre de tuples extraits dautres
  termes sont utilisés pour éliminer quelques
  tuples extraits, mais naffectent pas le nombre
  de pages extrait du disque.
• Considérons daylt8/9/94 AND bid5 AND sid3. Un
  index à arbre B sur day peut être utilisé
  apres cela, bid5 et sid3 doivent être validés
  pour chaque tuple extrait. De même, un index à
  hachage sur ltbid, sidgt pourrait être utilisé
  daylt8/9/94 doit alors etre validé.

4
Approches pour Sélections Générales (Suite)

• Seconde approche (Si nous avons 2 ou plusieurs
  indexes correspondants à la condition qui
  utilisent les alternatives (2) ou (3) des entrées
  de données)
• Obtenir lensembles de rids des enregistrements
  des données en utilisant chaque index
  correspondant à la condition.
• Ensuite calculer lintersection de ces ensembles
  de rids.
• Extraire les enregistrements du disque et
  appliquer les termes restants.
• Considérons daylt8/9/94 AND bid5 AND sid3. Si
  nous avons un index à arbre B sur day et un
  index sur sid utilisant lalternative (2), nous
  pouvons extraire les rids des enregistrements
  qui satisfont daylt8/9/94 en utilisant le premier
  index, ensuite les rids des enregistrements qui
  satisfont sid3 en utilisant le deuxième index,
  calculer lintersection, et appliquer le terme
  bid5.

5
Projection
SELECT DISTINCT R.sid,
R.bid FROM Reserves R

• Algorithme basé sur le tri
• Scanner R afin de produire des tuples qui
  contiennent seulement les attributs désirés.
• Trier lensemble de tuples résultant de la
  première étape en utilisant la combinaison de
  tous ses attributs comme clé de tri.
• Scanner le résultat de la deuxième étape en
  comparant les tuples adjacent afin déliminer les
  duplicatas.
• Coût O(MlogM)
• Ce coût est essentiellement le fait de la
  deuxième étape.

6
Projection (Suite)

• Une amélioration de lapproche basée sur le tri
• Modifier le passage 0 du tri externe afin
  déliminer les valeurs des colonnes ne figurant
  pas sur la liste de projection.
• En fait les tuples dans les runs sont plus petits
  que les tuples originaux et leur taille dépend
  du nombre et de la taille des valeurs des
  colonnes éliminées.)
• Modifier les passages de fusion afin déliminer
  les duplicatas.
• Coût
• Passage 0 lecture de la relation originale (de
  taille M), écriture du même nombre de tuples.
• Passages gt 0 peu de tuples écrits à chaque
  passage.

7
Projection (Suite)

• Une approche basée sur le hachage
• Partition Lire R en utilisant un tampon
  dentrée. Pour chaque tuple, éliminer les valeurs
  des colonnes ne figurant pas sur la liste de
  projection, applique une fonction de hachage h1
  afin de choisir un des B-1 tampons de sortie.
• Le résultat sera B-1 partitions (de tuples sans
  les champs indésirables). La méthode garantit
  que 2 tuples de différentes partitions sont
  distincts.
• Elimination des duplicatas lire chaque
  partition et en construire une table de hachage
  en mémoire principale en utilisant une fonction
  de hachage h2 (différente de h1) ayant comme
  entrée tous les champs du tuple éliminer les
  duplicatas en passant.
• Appliquer la méthode récursivement si la
  partition est trop grande.
• Coût
• Partition lire R, écrire chaque tuple de R
  amputé des champs indésirables
• Elimination des duplicatas lecture de tuples
  générés par la partition.

8
Projection (Suite)

• Les algorithmes basés sur le tri sont standard.
• Ils sont supérieurs au hachage
• si lon a beaucoup de duplicatas
• lorsque la distribution des valeurs de hachage
  nest pas uniforme
• Le résultat est trié !
• Si un index sur la relation contient tous les
  attributs de la liste de sélection dans sa clé de
  recherche, nous pouvons opérer un scannage de
  lindex ( index-only scan ).
• Cette méthode applique la projection sur les
  entrées de données sans jamais recourir aux
  données elles-mêmes.
• Si un index à arbre contient tous les attributs
  des attributs désirés comme préfixe de la clé de
  recherche, nous pouvons faire mieux encore
• Extraire les entrées de données dans lordre (en
  appliquant la méthode  index-only scan ) en
  éliminant les champs indésirables enfin
  comparer les tuples adjacents pour éliminer les
  duplicatas.

9
Opérations Ensemblistes

• Intersection et produit Cartésien cas spéciaux
  du join
• Intersection un join avec égalité sur toutes les
  colonnes
• Produit Cartésien un join sans condition
• Union de R et S Algorithme basé sur le tri
• Trier les deux relations (en combinant tous les
  attributs).
• Scanner les relations triées simultanément et les
  fusionner, en éliminant les duplicatas.
• Amélioration produire des runs triés de R et S
  et les fusionner simultanément.
• Différence (R S)
• Pendant la fusion, sortir les tuples de R qui
  napparaissent pas dans S.

10
Opérations Ensemblistes (Suite)

• Union de R et S Algorithme basé sur le hachage
• Partition de R et S en utilisant une fonction
  de hachage h.
• Traiter chaque partition l de S comme suit
• Construire une table de hachage pour la partition
  l en mémoire en utilisant h2, différent de h1.
• Scanner la partition correspondante l de R, et
  pour chaque tuple de cette partition, chercher le
  tuple correspondant dans la partition l de S en
  utilisant h2. Si le tuple est dans la table de
  hachage, léliminer, sinon, ly inscrire.
• Sortir la table de hachage et réinitialiser celle
  en mémoire pour la prochaine partition de S.
• Différence (R S)
• Scanner la partition l de R comme ci-dessus, et
  pour chaque tuple de cette partition, chercher le
  tuple correspondant dans la partition l de S en
  utilisant h2. Si le tuple nest pas dans la table
  de hachage, le sortir dans le résultat, sinon,
  léliminer.

11
Operations dAgrégat

• AVG, MIN, COUNT, MIN, MAX
• Sans GROUP BY
• En général, un scannage de la relation est
  requis.
• Sil existe un index dont la clé de recherche
  contient tous les attributs dans les clauses
  SELECT ou WHERE, on peut utiliser la méthode
   index-only scan .

12
Operations dAgrégat (Suite)

• Avec GROUP BY
• Trier la relation en utilisant les attributs de
  GROUP BY, ensuite scanner la relation et calculer
  lagrégat pour chaque groupe. (Amélioration
  combiner le tri et le calcul de lagrégat.)
• Sil existe un index à arbre dont la clé de
  recherche contient tous les attributs dans les
  clauses SELECT, WHERE et GROUP BY, on peut
  utiliser la méthode  index-only scan  Si les
  attributs de GROUP BY forment un préfix de la clé
  de recherche, nous pouvons extraire les entrees
  de donnees/tuples dans lordre dicté par GROUP
  BY.
• Une approche basée sur le hachage existe aussi
  elle est similaire aux algorithmes des opérations
  précédentes.

13
Résumé

• Une implémentation soigneusement faite des
  operateurs de lalgèbre relationnelle est très
  importante.
• En général, plusieurs algorithmes alternatifs
  existent pour chaque operateur et aucun deux
  nest universellement supérieur aux autres.
• Ainsi donc, toutes les alternative disponibles
  doivent être considérées pendant lexécution
  dune requête afin de choisir la meilleure
  alternative pour chaque cas despèce.