1 / 123

BD I / 2013-02 Processamento de Consultas

BD I / 2013-02 Processamento de Consultas. Prof. Altigran Soares da Silva IComp /UFAM. Foco: Sistemas relacionais. Outros?. Processamento de Consultas. Q  Plano de execução da consulta. Exemplo. Select B,D From R,S Where R.A = “ c ” and S.E = 2 and R.C=S.C.

Télécharger la présentation

BD I / 2013-02 Processamento de Consultas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. BD I / 2013-02Processamento de Consultas Prof. Altigran Soares da Silva IComp/UFAM

  2. Foco: Sistemas relacionais • Outros? Processamento de Consultas Q  Plano de execução da consulta

  3. Exemplo Select B,D From R,S Where R.A = “c”and S.E = 2 and R.C=S.C

  4. Resultado B D 2 x R A B C S C D E a 1 10 10 x 2 b 1 20 20 y 2 c 2 10 30 z 2 d 2 35 40 x 1 e 3 45 50 y 3

  5. Como executar a consulta? - Fazer produto cartesiano - Selecionar as tuplas - Fazer projeção Uma idea

  6. Uma resposta .. RXS R.A R.B R.C S.C S.D S.E a 1 10 10 x 2 a 1 10 20 y 2 . . C 2 10 10 x 2 . .

  7. Álgebra Relacional – pode ser usada para descrever planos de execução Ex: Plano I B,D sR.A=“c” S.E=2  R.C=S.C X R S OU: B,D [sR.A=“c” S.E=2  R.C = S.C (RXS)]

  8. Outra ideia: Plano II B,D sR.A = “c”sS.E = 2 R S Junção natural

  9. R S A B C s (R) s(S) C D E a 1 10 A B C C D E 10 x 2 b 1 20 c 2 10 10 x 2 20 y 2 c 2 10 20 y 2 30 z 2 d 2 35 30 z 2 40 x 1 e 3 45 50 y 3

  10. Plano III Usar os índices sobre R.A e S.C (1) Usar o indíce sobre R.A para selecionar as tuplas onde R.A = “c” (2) Para cada valor de R.C, usar o índice sobre S.C para achar as tuplas de S (3) Eliminar as tuplas de S onde S.E  2 (4) Aplicar o Join sobre as tuplas de R e S e projetar os atributos B e D

  11. =“c” <c,2,10> <10,x,2> E=2? saida: <2,x> prox. tupla: <c,7,15> R S A B C C D E a 1 10 10 x 2 b 1 20 20 y 2 c 2 10 30 z 2 d 2 35 40 x 1 e 3 45 50 y 3 A C I1 I2

  12. Otimização de Consulta • Determinar qual o “melhor” entre os vários possíveis planos de execução de uma consulta

  13. Consulta SQL parse parse tree convert resposta plano lógico p/ a consulta execução regras estatísticas Pi Plano “melhorado” melhor Est. tamanho {(P1,C1),(P2,C2)...} Plano + tamanho Custos estimados Comp. planos físicos {P1,P2,…..}

  14. Exemplo: Consulta SQL SELECT title FROM StarsIn WHERE starName IN ( SELECT name FROM MovieStar WHERE birthdate LIKE ‘%1960’ ); Encontrar os filmes cujos atores nasceram em 1960

  15. Examplo: Parse Tree <Query> <SFW> SELECT <SelList> FROM <FromList> WHERE <Condition> <Attribute> <RelName> <Tuple> IN <Query> title StarsIn <Attribute> ( <Query> ) starName <SFW> SELECT <SelList> FROM <FromList> WHERE <Condition> <Attribute> <RelName> <Attribute> LIKE <Pattern> name MovieStar birthDate ‘%1960’

  16. Examplo: Álgebra Relacional title  StarsIn <condition> <tuple> IN name <attribute> birthdate LIKE ‘%1960’ starName MovieStar

  17. Examplo: Plano lógico da consulta title starName=name  StarsIn name birthdate LIKE ‘%1960’ MovieStar Aplicando regra para condições “IN”

  18. Examplo: Plano Melhorado title starName=name StarsIn name birthdate LIKE ‘%1960’ MovieStar

  19. Examplo: Estimado tamanhos de resultados tamanho estimado StarsIn MovieStar P s

  20. Examplo: Possível plano físico Parâmetros: ordem da junção, tamanho da mem, atributos,... Hash join Paramêtro: Condiçaõ de seleção,... SEQ scan index scan StarsIn MovieStar

  21. Example: Custo estimado L.Q.P P1 P2 …. Pn C1 C2 …. Cn Escolha o melhor!

  22. Estrutura desta Unidade Capitulo 6 6.1 Álgebra para consultas [“bags” vs sets] - Seleção, projeção, junção, … - Elminação de duplicatas, agrupamento, ordenação 6.2 Operadores físicos - Varredura (Scan), ordenação, … 6.3-6.10 Implementação de operadores + estimativa de curstos

  23. Capítulo 7 7.1 Parsing 7.2 Leis da Álgebra 7.3 Parse tree -> Plano lógico de consulta 7.4 Estimativa do tamanho de resultados 7.5-7 Otimização baseada em custos

  24. Estudo do Livro Texto - Capítulos 6,7 Opcionais: • 6.8, 6.9, 6.10, 7.6, 7.7 • Eliminação de duplicadas, agrupamento e agregação

  25. Otimização de consultas - Níveis • Nível de álgebra relacional • Nível do plano de consulta detalhado • Estimativa de custos • Sem índices • Com índices • Gerar e comparar planos

  26. Otimização em Álgebra Relacional • Regras de transformação • Preservando equivalência • O que são boas transformações?

  27. Leis Associativas e Comutativas • Produtos • R x S = S x R • (R x S) x T = R x (S x T) • Junções Naturais • R ⨝ S = S ⨝ R • (R ⨝ S) ⨝ T = R ⨝ (S ⨝ T) • Uniões e Intersecções • R U S = S U R • R U (S U T) = (R U S) U T

  28. Junções Teta • Comutativa • R ⨝C S = S ⨝C R • Não é associativa: • Seja R(a,b), S(b,c) e T(c,d) • (R ⨝R.b>S.b S) ⨝a<d T ≠ R ⨝R.b>S.b (S ⨝a<d T)

  29. Seleções • Tendem a reduzir bastante o tamanho das relações • Portanto, em geral, devem ser processados antes dos outros operadores, ou seja, nos níveis mais baixos da árvore • Regras da álgebra são usadas para “quebrar” condições complexas e aumentar as oportunidades de “descidas” na árvore

  30. Seleções - Regras sp1p2(R) = sp1vp2(R) = sp1 [ sp2 (R)] = sp2 [ sp1 (R)] [ sp1 (R)] U [ sp2 (R)]

  31. Bags vs. Conjuntos • R = {a,a,b,b,b,c} • S = {b,b,c,c,d} • R U S = ? • Opção 1: R U S = {a,a,b,b,b,b,b,c,c,c,d} • Opção 2: R U S = {a,a,b,b,b,c,c,d}

  32. Efeito da opção 2 • sp1vp2 (R) = sp1(R) U sp2(R) • ExemploR={a,a,b,b,b,c} • P1 satisfeitapora,b; P2 satisfeitaporb,c sp1vp2(R) = {a,a,b,b,b,c}sp1(R) = {a,a,b,b,b} e sp2(R) = {b,b,b,c}sp1(R) U sp2 (R) = {a,a,b,b,b,c}

  33. Opção 1 – Mais interessante Senador (……) Deputado (……) T1 = pano,estado Senador; T2 = pano,estado Deputado T1 Ano Estado T2 Ano Estado 97 AM 99 AM 99 AM 99 AM 98 SP 98 AM União?

  34. Projeções • Notação • Para X e Y sendo conjuntos de atributos • XY = X U Y pxy(R) ≠px[py(R)]

  35. s + ⨝ sp (R ⨝ S) = [sp (R)] ⨝ S • p = predicado com atributos de R sq (R ⨝ S) = R ⨝ [sq (S)] • q = predicado com atributos de S • Objetivo é “adiantar” as seleções para antes da junção

  36. s + ⨝: Derivações spq (R ⨝ S) = [sp (R)] ⨝ [sq (S)] spqm (R ⨝ S) = sm[(sp R) ⨝ (sq S)] spvq (R ⨝ S) = [(sp R) ⨝ S]U[R ⨝ (sq S)]

  37. pxz px Regras:p,s combinados Sejam x = subconjunto dos atributos de R z = atributos do predicado de P (subconjunto dos atribs de R) px[sp (R) ] = {sp [ px (R) ]}

  38. p + ⨝ Sejam x = subconjunto dos atributos de R y = subconjunto dos atributos de S z = interseção dos atributos de R e S pxy (R⨝S) = pxy {[pxz (R) ] ⨝[pyz (S) ]}

  39. Projeções • Notação • Para X e Y sendo conjuntos de atributos • XY = X U Y pxy(R) ≠px[py(R)]

  40. pxz px Regras:p,scombinados Sejam x = subconjunto dos atributos de R z = atributos do predicado de P (subconjunto dos atribs de R) px[sp(R)] = {sp [ px (R) ]}

  41. Regrass,U combinadas: sp(R U S)= sp(R) U sp(S) sp(R - S)= sp(R) - S = sp(R) - sp(S)

  42. Quais são as boas transformações? sp1p2 (R) sp1 [sp2 (R)] sp (R ⨝ S)  [sp (R)] ⨝ S R ⨝ S  S ⨝ R px [sp(R)] px {sp [pxz(R)]}

  43. Convenção: Projeções ocorrem antes Exemplo: R(A,B,C,D,E) x={E} P: (A=3)  (B=“gato”) px {sp(R)} vs. pE {sp{pABE(R)}}

  44. E se houverem indíces em A, B? B = “gato” A=3 fazer a interseção de apontadores para encontrar os apontadores que levam as tuplas desejadas

  45. Limites para aplicação de regras: • Nenhuma transformação por aplicação da regra é sempre boa • No entanto, executar seleções mais cedo é geralmente melhor

  46. Mais transformações no livro texto • Eliminação de sub-expressões comuns • Outras operações: • eliminação de duplicatas

  47. Onde estamosProcessamento de Consultas • Nível da Álgebra Relacional • transformações • boas transformações • Nível de plano de consulta detalhado • estimativa de custos • gerar e comparar planos

  48. Estimativa de Custos • (1) Estimativa do tamanho dos resultados • (2) Estimativa do nr. de operações de E/S

  49. Tamanho do resultado • Para obter estimativas do tamanho do resultado, manter estatísticas para cada relação R • T(R) : # tuplas em R • S(R) : # bytes em cada tupla de R • B(R): # blocos p/ armazenar todas as tuplas de R • V(R, A) : # valores distintos em R p/ o atrib. A

  50. A B C D cat 1 10 a Exemplo R A: 20 bytes string B: 4 bytes inteiro C: 8 bytes data D: 5 bytes string cat 1 20 b dog 1 30 a dog 1 40 c bat 1 50 d T(R) = 5 S(R) = 37 V(R,A) = 3 V(R,C) = 5 V(R,B) = 1 V(R,D) = 4

More Related