Sumário. Definição do Plano de Execução

Transcrição

1 Sumário 1 Introdução ao Processamento de Consultas 2 Otimização de Consultas 3 Plano de Execução de Consultas Introdução a Transações 5 Recuperação de Falhas 6 Controle de Concorrência 7 Fundamentos de BD Distribuído Definição do Plano de Execução Analisar alternativas de processamento de operações algébricas escolher a melhor alternativa Diversas medidas podem ser consideradas tempo CPU, comunicação, acessos a disco medida mais relevante ( gargalo ): acessos a disco para avaliar o custo de uma alternativa análise de estimativas sobre os dados tamanho das tabelas, existência de índices, seletividade, custo dos algoritmos de processamento supõe armazenamento clusterizado de dados e índices supõe que o DD mantém localização física de arquivos de dados e índices 1

2 Estimativas sobre os Dados n R t R t R (a i ) f R V R (a i ) C R (a i ) GS R (a i ) b R número de tuplas na tabela R tamanho (em bytes) de uma tupla de R tamanho (em bytes) do atributo a i de R fator de bloco de R (quantas tuplas de R cabem em um bloco *) * bloco: unidade de R / W em disco (medida básica de avaliação) f R = t bloco / t R número de valores distintos do atributo a i de R cardinalidade (estimada) do atributo a i de R (tuplas de R que satisfazem um predicado de igualdade sobre a i ) (estimando distribuição uniforme: C R (a i ) = n R / V R (a i )) grau de seletividade do do atributo a i de R (valor entre 0 e 1) (estimando distribuição uniforme : GS R (a i ) = 1 / V R (a i ) ) número de blocos necessários para manter tuplas de R b R = n R / f R Exemplo de Estimativas de Tabela Existem 100 médicos cadastrados na tabela Médicos; cada tupla possui 60 bytes e 1 bloco lê/grava 1 kb Estimativas n Médicos = 100 tuplas t Médicos = 60 bytes f Médicos = 102 / 60 = 17 tuplas b Médicos = 100 / 17 = 6 blocos 2

3 Estimativas sobre os Índices Principais estruturas de índice utilizadas por SGBDs Árvore-B estrutura em árvore balanceada nodos folha têm todos a mesma altura vários nodos estão fisicamente armazenados em um mesmo bloco Hashing tabela que mantém valores de chave de tuplas e seus endereços de armazenamento físico várias registros (linhas da tabela) estão fisicamente armazenados em um mesmo bloco Índices Árvore-B - Exemplo bloco b Índice árvore-b N = 2 bloco b bloco b blocos folha Blocos de dados 3

4 bloco 1 chave = 56 h(56) = 3 (acesso direto ao bloco que contém o registro com a chave) * * mapeamento registro-bloco mantido em ED em memória Índices Hash - Exemplo bloco 2 M K - 1 K chave endereço físico próximo null null z p x y j v null null null (M - 1) null Estimativas sobre os Índices f i h i bf i fator de bloco do índice i (quantos nodos de uma árvore- B cabem em um bloco) número de níveis (em termos de blocos) do índice para valores de um atributo a i ( altura do índice ) (assume-se armazenamento clusterizado em largura ) h i = log fi V R (a i ) / N (para índices árvore-b) (N é o número de valores que cabem em um nodo) h i 1 (para índices hash) (chaves são geralmente encontradas no bloco indicado) número de blocos de índice no nível mais baixo do índice árvore-b (número blocos folha )

5 Exemplo de Estimativas de Índice bloco b1 5 Índice árvore-b N = 2 altura (h i ) bloco b bloco b blocos folha (bf i ) Estimativas f índice-crm = 3 nodos h índice-crm = log fi V R (a i ) / N = log 3 17 / 2 = 2 bf índice-crm = 2 Processamento de Seleções (σ) Alternativas e suas estimativas de custo A1: pesquisa linear A2: pesquisa binária A3: índice primário para atributo chave A: índice primário para atributo não-chave A5: índice secundário para atributo chave A6: índice secundário para atributo não-chave A7: desigualdade (>, >=) com índice primário A8: desigualdade (<, =) com índice primário A9: desigualdade com índice secundário 5

6 Pesquisa Linear (A1) Varre todo o arquivo para buscar os dados desejados acessa todos os blocos do arquivo Em alguns casos, é a única alternativa possível sempre pode ser aplicada! Custo para uma tabela R custo = b R Pesquisa Binária (A2) Aplicado sobre uma tabela R quando dados estão ordenados pelo atributo de seleção a i há uma condição de igualdade sobre a i a i = 30 2 o 3 o 1 o

7 Custo Pesquisa Binária - Exemplo a i = 30 2 o 3 o log 2 b R custo para acessar o bloco da 1 a tupla: log 2 b R custo aproximado para acessar os blocos das demais tuplas: (C R (a i ) / f R ) 1 tupla (já foi localizada) custo log 2 b R + (C R (a i ) / f R ) 1 se a i é chave: custo = log 2 b R (valor não se repete) 1 o + (C R (a i ) / f R ) 1 (= log 2 9 = 3) (= 30/20-1= 1) desconta-se o bloco da primeira Seleções Utilizando Índices Atributo a i com índice primário leitura do índice corresponde à leitura na ordem física do arquivo arquivo fisicamente ordenado por valores de a i se a i é chave (A3) acesso ao bloco onde está custo = h i + 1 a tupla com o valor de a i se a i é não-chave (A) custo = h i + (C R (a i ) / f R ) número aproximado de blocos contíguos acessados a partir do 1 0 bloco que contém o valor da chave 7

8 Seleções c/ Índices (A3 e A) - Exemplo a i = h i (C R (a i ) / f R ) A3: h i + 1 = = 3 A: h i + (C R (a i ) / f R ) = /20 = = Seleções Utilizando Índices Atributo a i com índice secundário arquivo não está fisicamente ordenado por valores de a i se a i é chave (atributo unique, p.ex.) (A5) custo = h i + 1 se a i é não-chave (A6) supor que o bloco folha do índice aponta para uma lista de apontadores para as tuplas desejadas estima-se que esta lista cabe em um bloco custo = h i C R (a i ) pior caso: cada tupla com o valor desejado está em um bloco acesso adicional à lista de apontadores 8

9 Seleções c/ Índices (A6) - Exemplo a i = 5 h i (+1) C R (a i ) A6: h i (C R (a i ) = = 33 Exercício 1 Dado Pac(codp, nome, idade, cidade, doença) e as seguintes estimativas: n Pac = 1000 tuplas; t Pac = 100 bytes; V Pac (codp) = 1000; V Pac (doença) = 80; V Pac (idade) = 700; um índice primário árvore-b para codp (I1) com N = 5; f I1 = 10; um índice secundário árvore-b para doença (I2) com N = 3; f I2 = 5; e 1 bloco = 2 kb Supondo a seguinte consulta: σ doença = câncer (Pac) a) qual a melhor estratégia de processamento para σ? b) se agora 1 bloco = 8 kb, a estratégia escolhida no item anterior continua sendo a melhor? 9

10 Comparação por Desigualdade Supõe-se que aproximadamente metade das tuplas satisfazem a condição a i <= x número de tuplas n R / 2 DD mantém valores mínimo/máximo de a i a i <= x número de tuplas = 0, se x < MIN(a i ) número de tuplas = n R, se x >= MAX(a i ) a i >= x número de tuplas = 0, se x > MAX(a i ) número de tuplas = n R, se x <= MIN(a i ) Desigualdade e Índices Atributo a i com índice primário comparações do tipo a i > x ou a i >= x (A7) custo para buscar a i = x através do índice: h i custo (médio) para varredura do arquivo: b R / 2 custo = h i + b R / 2 comparações do tipo a i < x ou a i <= x (A8) varre o arquivo até a i = x custo (médio) = b R / 2 10

11 Desigualdade e Índices Atributo a i com índice secundário (A9) só se aplica a índices árvore-b árvore-b mantém as chaves do índice ordenadas custo para buscar a i = x através do índice: h i custo para varredura dos blocos folha do arquivo de índice (em média, metade dos blocos é acessado): bf i / 2 custo para varredura das listas de apontadores em cada bloco folha: bf i / 2 * f i * (N+1) custo para acesso a blocos de dados: n R / 2 custo = h i + bf i / 2 + bf i / 2 * f i * (N+1) + n R / 2 cada bloco possui f i nodos e cada nodo com (N+1) listas de apontadores pior caso: cada tupla em um bloco e, em média, metade dos dados atende a condição Desig. c/ Índices (A9) - Exemplo a i 55 5 h i bf i / f i N n R / n R = 200 A9: = h i + bf i / 2 + bf i / 2 * f i * (N+1) + n R / 2 = *3*3+100 =

12 Conjunções Estimativa de Tamanho Dada uma seleção σ c1 c2 cn (R) estima-se a cardinalidade de cada condição c i C(c i ) tamanho da relação resultante é dado por n R. (C(c 1 ). C(c 2 ).. C(c n )) / (n R ) n Exemplo R(a, b, c) n R = 100 tuplas V R (a) = 100 V R (b) = 20 Dado σ a > 5 b = 10, temos: C(a>5) = n R / 2 = 50 tuplas C(b=10) = n R / V R (b) = 5 tuplas Estimativa tamanho = 100 (50.5) / = 3 tuplas Disjunções Estimativa de Tamanho Dada uma seleção σ c1 c2 cp tamanho da relação resultante é dado por n R.(1 (1 - C(c 1 ) / n R ).(1 - C(c 2 ) / n R )..(1 - C(c p ) / n R )) Exemplo R(a, b, c) n R = 100 tuplas V R (a) = 100 V R (b) = 20 Dado σ a > 5 b = 10, temos: C(a>5) = n R / 2 = 50 tuplas C(b=10) = n R / V R (b) = 5 tuplas Estimativa tamanho = 100.(1 (1 50/100).(1 5/100)) = 53 tuplas 12

13 Negações Estimativa de Tamanho Dada uma seleção σ θ tamanho da relação resultante é dado por n R estimativatamanho(σ θ ) Exemplo R(a, b, c) n R = 100 tuplas V R (a) = 100 V R (b) = 20 Dado σ (a > 5 b = 10), temos: Estimativa tamanho(σ a > 5 b = 10 ) = 53 tuplas Estimativa tamanho(σ (a > 5 b = 10) ) = = 7 tuplas Exercício 2 Considere a relação Pac e as estimativas dadas no Exercício 1 Dada a consulta σ codp > cidade = Florianópolis (Pac) a) qual a melhor estratégia de processamento para σ? b) supondo agora a existência de um índice secundário árvore-b para cidade (I3) com N = 3, f I3 = 5, bf I3 = 10 e V Pac (cidade) = 100, qual a melhor estratégia de processamento para σ? 13

14 Exercício 3 Estime o tamanho do resultado da execução das operações abaixo sobre a relação Pac a) σ codp > doença = hepatite (Pac) b) σ idade > 60 cidade = Lages codp = (Pac) c)σ idade = 60 cidade = Lages (codp = 10000) idade < 20 (Pac) 1