Estrutura de indexação de arquivos

Transcrição

1 Estrutura de indexação de arquivos Neste capítulo assume-se que um arquivo já existe e possui alguma organização primária desordenada ordenada ou hash Utiliza-se índices, que são estruturas de acesso adicionais auxiliares para aumentar a velocidade da recuperação de registros na resposta a certas condições de busca em geral, as estruturas de índice fornecem caminhos de acesso secundário (caminhos de acesso alternativos), sem afetar a disposição física dos registros qualquer campo pode ser usado para criar um índice, e, podem ser construídos índices múltiplos a partir de diferentes campos do arquivo Estrutura de indexação de arquivos Para encontrar um registro com base em certo critério de seleção, a partir de um campo de indexação é necessário acessar o índice, que aponta para um ou mais blocos do arquivo em que os registros requeridos estão localizados A estrutura de acesso de índice ordenado se baseia no índice de um livro texto ter os termos importantes ao final do livro, em ordem alfabética com uma lista dos números de páginas onde o termo aparece Uma estrutura de acesso de índice é definida com base em um único campo do arquivo, chamado de campo de indexação o índice armazena cada valor do campo de indexação com uma lista de ponteiros para todos os blocos de disco que contêm registros com aquele valor de campo os valores dos índices estão ordenados para possibilitar busca binária 1

2 Tipos de índices ordenados em nível único Existem 3 tipos diferentes de índice: primário: é especificado sobre o campo-chave de classificação de um arquivo ordenado se o campo de classificação não é um campo chave, ou seja, vários registros podem ter o mesmo valor para o campo de classificação, o índice passa a ser do tipo clustering outro tipo de índice é o secundário que pode ser especificado sobre qualquer campo que não seja o de classificação serão abordados neste estudo os índice primário e secundário Índice primário é um arquivo ordenado cujos registros são de tamanho fixo e contêm 2 campos primeiro: é o valor do campo-chave de classificação (chave primária) segundo: um ponteiro para o bloco de disco (possui um endereço de bloco) se refere aos valores desses 2 campos de entrada de índice por <K(i), P(i)> para se criar um índice primário para o arquivo do slide seguinte, usa-se o NOME como chave primária do arquivo de índices (porque ele é o campochave de classificação do arquivo, NOME é único) Há um registro de índice para cada bloco do arquivo de dados cada entrada no índice (registro de índice) possui um valor de NOME e um ponteiro <K(1) = (Aaron, Ed), P(1) = endereço do bloco1> <K(2) = (Adams, John), P(2) = endereço do bloco2> <K(3) = (Alexander, Ed), P(3) = endereço do bloco3> 2

3 3

4 Se o arquivo de índice primário contém b i blocos, então, localizar um registro com valor de chave de busca exige uma busca binária naquele índice e um acesso ao bloco de disco contendo aquele registro total de log 2 b i + 1 acessos Exemplo de economia em acessos a blocos com a utilização de índice primário para busca do registro arquivo ordenado com r = registros de tamanho fixo tamanho do registro R = 100 bytes organização não-spanned tamanho de bloco B = 1024 bytes fator de divisão em blocos bfr = floor (B/R) = 10 registros por bloco número de blocos necessários é b = ceil (r/bfr) = 3000 blocos uma busca binária no arquivo de dados exigiria aproximadamente ceil (log ) = 12 acessos a blocos Exemplo de economia em acessos a blocos com a utilização de índice primário para busca do registro o campo de classificação do arquivo tem V = 9 bytes um ponteiro de blocos P = 6 bytes o tamanho de cada entrada de índice é R i = (9+6) = 15 bytes o fator de divisão em blocos para o arquivo de índices bfr i = floor (B/R i ) = floor (1024/15) = 68 entradas por bloco o número total de entradas de índice r i é igual ao número de blocos do arquivo de dados, 3000 o número de blocos de índice é b i = ceil (r i /bfr i ) = ceil (3000/68) = 45 blocos para realizar busca binária no arquivo de índices seriam necessários ceil(log 2 b i ) = ceil (log 2 45) = 6 acessos a blocos para buscar um registro usando o índice, precisa-se de um acesso adicional a bloco no arquivo de dados, = 7 acessos a blocos uma otimização com relação à busca binária no arquivo de dados, que é de 12 acessos 4

5 Fornece um meio secundário de acesso a um arquivo para o qual já existe algum acesso primário pode ser usado sobre um campo que é uma chave candidata e possui um valor único em cada registro ou um campo que não é chave e que possui valores duplicados O índice é um arquivo ordenado com 2 campos campo do arquivo de dados que não é o de classificação (campo de indexação) ponteiro de registro Uma entrada de índice é criada para cada registro do arquivo de dados em vez de uma entrada para cada bloco, como no caso de índice primário Em geral, um índice secundário precisa de mais espaço de armazenamento e de maior tempo de busca que um índice primário, devido ao maior número de entradas no arquivo de índices 5

6 Considere o arquivo do exemplo anterior r=30000 de tamanho fixo; R = 100 bytes; B = 1024 bytes; b = 3000 blocos para realizar busca linear no arquivo seriam necessários b/2 = 3000/2 = 1500 acessos a bloco em média construiu-se um índice secundário baseado em um campo de V = 9 bytes um ponteiro de registro é de tamanho P = 7 bytes, assim o tamanho de cada entrada é R i = (9+7) = 16 bytes o fator de divisão em blocos para o índice é bfr i = floor(b/r i ) = 64 entradas por bloco o número total de entradas de índice r i é igual ao número de registros do arquivo de dados, número de blocos necessários para o índice é b i = ceil(r i /bfr i ) = 469 blocos Uma busca binária neste índice secundário exige ceil (log 2 b i ) = ceil(log 2 469) = 9 acessos a blocos Para buscar um registro usando o índice, precisa-se de um acesso adicional a bloco do arquivo de dados, total de 10 acessos grande melhoria em relação aos 1500 acessos a blocos necessários, em média, na busca linear um pouco pior que os 7 acessos a blocos necessários no índice primário 6