Kapitel 9
description
Transcript of Kapitel 9
Dr. Brigitte Mathiak
Kapitel 9
Physische Datenorganisation(ganz kurz)
Datenbanken, SS 12 Kapitel 9: Datenorganisation 2
Lernziele
• Motivation für schnellere Zugriffe• Anlegen eines Index
Datenbanken, SS 12 Kapitel 9: Datenorganisation 3
Bottleneck Festplatte
Selbst sehr schnelle Festplatten haben typischerweise Zugriffszeiten im ms-Bereich
Da die Prozessoren im Vergleich sehr viel schneller sind, lohnt es sich typischerweise selbst vergleichsweise komplexe Rechenoperationen durchzuführen um dadurch Festplattenzugriffe zu sparen.
Weiterhin können Festplatten sehr gut Daten am Stück lesen. Daher ist es die Standardoperation gleich einen ganzen Block (genannt Seite) an Daten zu lesen, unabhängig, ob auch tatsächlich alle Daten benötigt werden.
Caching und vorrausschauendes Vorladen von Daten ist dabei ein aktives Forschungsgebiet.
Was wir hier in Vorlesung betrachten sind Datenstrukturen, die helfen die Daten besonders schnell wieder zu finden.
Datenbanken, SS 12 Kapitel 9: Datenorganisation 4
Beispiel für einen binären Suchbaum
London, Paris, Madrid, Kopenhagen, Lissabon, Zürich, Frankfurt, Wien, Amsterdam, Florenz
London
Paris
Madrid
Kopenhagen
Lissabon ZürichFrankfurt
WienAmsterdam
Florenz
Datenbanken, SS 12 Kapitel 9: Datenorganisation 5
Datenbanken, SS 12 Kapitel 9: Datenorganisation 6
B+-Baum
Referenz-schlüssel
Such-schlüssel
Datenbanken, SS 12 Kapitel 9: Datenorganisation 7
Hashing
Datenbanken, SS 12 Kapitel 9: Datenorganisation 8
Datenbanken, SS 12 Kapitel 9: Datenorganisation 9
Hashing
Bäume: logk(n) viele Seitenzugriffe ..
Hashing: Fast eindeutige Zuordnung von Datum zu Bucket (Behälter) h: S → B
- S Schlüssel (in diesem Kontext hier: nicht notwendigerweise Schlüssel im Sinne eines logischen Schema)
- B: Nummerierung von n Behältern- Zugriff innerhalb von 1-2 Schritten
- Charakteristiken der gesuchten Hash-Funktion• Fester vs flexibler Wertebereich• Gute Verteilung über den Wertebereich, auch bei schlechter Verteilung
der Datencharakteristiken über den Eingabebereich
Datenbanken, SS 12 Kapitel 9: Datenorganisation 10
Hashing
Abbildung h: D [0..m-1], genannt Hash-Funktion,von Schlüsseln x1, ..., xn aus Domain D (z.B. Strings) auf Positionenh(x1), ..., h(xn) in Array a[0..m-1], genannt Hash-Tabelle (mit n < m) Speicherung von Schlüssel xi in a[h(xi)]
Anforderungen an h: sehr effiziente Berechenbarkeit zufällige „Streuung“ (Randomisierung) von x1, ..., xn auf [0..m-1] Urbilder von j1, j2 [0..m-1] annähernd gleich groß für alle j1, j2 und alle möglichen
x1, ..., xn für geordnete Schlüssel x1 < x2 < ... < xn sollte die Ordnung von h(x1), h(x2), ...,
h(xn) eine zufällige Permutation sein
Beispiele für brauchbare Hash-Funktionen h(x) = (ax + b) mod m für Integers x mit Konstanten a, b h(x) = (mittlere k Ziffern von x2) mod m für k-stellige Integers x h(x) = (ord(c1)+...+ord(ck)) mod m für Strings c1c2...ck k
mit ord: S [1..||]
Datenbanken, SS 12 Kapitel 9: Datenorganisation 11
Statisches Hashing
Datenbanken für Mathematiker, WS 11/12 Kapitel 10: Datenorganisation 12
Datenbanken für Mathematiker, WS 11/12 Kapitel 10: Datenorganisation 13
Datenbanken für Mathematiker, WS 11/12 Kapitel 10: Datenorganisation 14
0 1
0 1
0 1
Bucket
Bucket
Bucket
Bucket
Bucket
Bucket
1
1 11
0
0007 13
6 18
32 48
4
Datenbanken für Mathematiker, WS 11/12 Kapitel 10: Datenorganisation 15
0 1
0 1
0 1
Bucket
Bucket
Bucket
Bucket
Bucket
Bucket
1
1 11
0
000
001 110
Präfix001
Präfix1
7 13
6 1832 48
4
Datenbanken, SS 12 Kapitel 9: Datenorganisation 16
SQL: Create Index
Grobsyntax:
CREATE [UNIQUE] INDEX Indexname ON Tabellenname (Attribut1, Attribut2 ..)
DROP INDEX Indexname
Primary Key hat immer einen Index (muss nicht explizit indexiert werden)
.. Oracle: default-Indextyp ist ein B+ Baum
Beispiele:
CREATE INDEX Studenten_idx1 ON Studenten(Semester)
DROP INDEX Studenten_idx1
Standardoption sind B+-Bäume – Warum?
B+-Bäume sind stärker an die Seitenstruktur der Daten angepasst, der Grad k ist typischerweise sehr hoch, meist hat jeder Knoten eine Seite, also z.B. 64 MB. Logkn mit hohem k ergibt also fast immer 1 oder 2. Da die B+-Bäume sehr dicht sind, können die Nicht-Blattknoten oft komplett im Cache gehalten werden und benötigen dann gar keine Festplattenzugriffe.
Ein Hash, selbst ein erweiterter Hash benötigt viel Redundanz, es können also pro Seite weniger Daten referenziert werden. Da aber der benötigte Speicher direkt an der Performance hängt werden in der Praxis oft mehr Seitenzugriffe benötigt. Überlegen ist der Hash in Situationen, wo sowieso die kompletten Daten (mit Index) im Cache sind, etwa sehr viele Anfragen auf eine kleine Menge von Daten kommen oder wenn die Daten auf mehreren Rechnern verteilt sind.
Datenbanken, SS 12 Kapitel 9: Datenorganisation 17