›
›

Bài giảng Cơ sở dữ liệu phân tán - Chương 4: Xử lý truy vấn trong CSDL phân tán

ppt 76 trang phuongnguyen 3930
Download
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Cơ sở dữ liệu phân tán - Chương 4: Xử lý truy vấn trong CSDL phân tán", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pptbai_giang_co_so_du_lieu_phan_tan_chuong_4_xu_ly_truy_van_tro.ppt

Nội dung text: Bài giảng Cơ sở dữ liệu phân tán - Chương 4: Xử lý truy vấn trong CSDL phân tán

  1. CHƯƠNG 4: XỬ LÝ TRUY VẤN TRONG CSDL PHÂN TÁN NGUYỄN MẬU HÂN, PhD. HUE COLLEGE OF SCIENCES
  2. CHƯƠNG 4: XỬ LÝ TRUY VẤN TRONG CSDL PHÂN TÁN NỘI DUNG 4.1 Giới thiệu về xử lý truy vấn 4.2 Xử lý truy vấn trong môi trường tập trung 4.3 Xử lý truy vấn trong môi trường phân tán 4.4 Tối ưu hoá truy vấn trong CSDL phân tán MỤC ĐÍCH •Giới thiệu một bức tranh tổng quát của bộ tối ưu hóa truy vấn trong môi trường tập trung và phân tán •Trình bày các quy trình xử lý truy vấn trong hệ thống phân tán 2
  3. 4.1 GIỚI THIỆU VỀ XỬ LÝ TRUY VẤN Mục đích của xử lý truy vấn: • Giảm thiểu thời gian xử lý • Giảm vùng nhớ trung gian • Giảm chi phí truyền thông giữa các trạm. • Sử dụng ít tài nguyên Chức năng của xử lý truy vấn: • Biến đổi một truy vấn phức tạp thành một truy vấn tương đương đơn giản hơn. • Phép biến đổi này phải đạt được cả về tính đúng đắn và hiệu quả • Mỗi cách biến đổi dẫn đến việc sử dụng tài nguyên máy tính khác nhau, nên vấn đề đặt ra là lựa chọn phương án nào dùng tài nguyên ít nhất. 3
  4. 4.1 GIỚI THIỆU VỀ XỬ LÝ TRUY VẤN Các phương pháp xử lý truy vấn cơ bản • Phương pháp biến đổi đại số: Đơn giản hóa câu truy vấn nhờ các phép biến đổi đại số tương đương nhằm giảm thiểu thời gian thực hiện các phép toán. Phương pháp này không quan tâm đến kích thước và cấu trúc dữ liệu. • Phương pháp ước lượng chi phí: Xác định kích thước dữ liệu, thời gian thực hiện mỗi phép toán trong câu truy vấn. Phương pháp này quan tâm đến kích thước dữ liệu và phải tính toán chi phí thời gian thực hiện mỗi phép toán. 4
  5. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG 4.2.1 So sánh xử lý truy vấn tập trung và phân tán • Tập trung: ▪ Chọn một truy vấn đại số quan hệ tốt nhất trong số tất cả các truy vấn đại số tương đương. ▪ Các chiến lược xử lý truy vấn có thể biểu diễn trong sự mở rộng của đại số quan hệ. • Phân tán ▪ Kế thừa chiến lược xử lý truy vấn như môi trường tập trung ▪ Còn phải quan tâm thêm ➢ Các phép toán truyền dữ liệu giữa các trạm ➢ Chọn các trạm tốt nhất để xử lý dữ liệu ➢ Cách truyền dữ liệu 5
  6. TỐI ƯU HOÁ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Sơ đồ chung Câu truy vấn SQL Kiểm tra ngữ pháp Tối ưu hoá đại số quan hệ Truy vấn đúng ngữ pháp Truy vấn đại số quan hệ đã tối ưu Kiểm tra sự hợp lệ Chọn chiến lược tối ưu Truy vấn SQL hợp lệ Kế hoạch thực hiện Dịch truy vấn Tạo sinh mã Truy vấn đại số quan hệ Mã của truy vấn 6
  7. Tối ưu hoá truy vấn Trong môi trường phõn tỏn Câu truy vấn phân tán Phân rã truy vấn Lược đồ tổng thể Truy vấn đại số trên các quan hệ phân tán Trạm Lược đồ điều Định vị dữ liệu phân mảnh khiển Truy vấn mảnh Các thống kê Tối ưu hoá toàn cục trên các mảnh Truy vấn mảnh được tối ưu với các phép toán truyền thông Các trạm Tối ưu hoá cục bộ Lược đồ địa địa phương phương Các truy vấn cục bộ đã tối ưu Sơ đồ phân lớp chung cho xử lý truy vấn phân tán 7
  8. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG 4.4.2 Chiến lược tối ưu trong CSDL tập trung Tại sao phải nghiên cứu xử lý truy vấn tập trung? Để hiểu được các kỹ thuật tối ưu phân tán vì ba lí do: • Thứ nhất, câu truy vấn phân tán phải được dịch thành các câu truy vấn cục bộ, và được xử lí theo phương pháp tập trung. • Thứ hai, các kỹ thuật tối ưu hoá phân tán thường là các mở rộng của kỹ thuật tập trung. • Thứ ba, tối ưu hoá tập trung thường đơn giản. 8
  9. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Thuật toán INGRES Ý tưởng thuật toán: Thuật toán tổ hợp hai giai đoạn phân rã và tối ưu hoá. • Đầu tiên phân rã câu truy vấn dạng phép toán quan hệ thành các phần nhỏ hơn. • Câu truy vấn được phân rã thành một chuỗi các truy vấn có một quan hệ chung duy nhất. • Sau đó mỗi câu truy vấn đơn quan hệ được xử lí bởi một “thể xử lý truy vấn một biến” (one variable query processor-OVQP) 9
  10. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Thuật toán INGRES (cont.) •Trước tiên OVQP sẽ thực hiện các phép toán đơn ngôi và cố gắng giảm thiểu kích thước của các kết quả trung gian bằng các phép tách (detachment) và Phép thế (substitution) •Kí hiệu qi-1→qi để chỉ câu truy vấn q được phân rã thành hai câu truy vấn con qi-1và qi, trong đó qi-1 được thực hiện trước và kết quả sẽ được qi sử dụng. •Phép tách: OVQP sử dụng để tách câu truy vấn q thành các truy vấn q’→q” dựa trên một quan hệ chung là kết quả của q’. 10
  11. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Nếu câu truy vấn q được biểu diễn bằng SQL có dạng: q: SELECT R2.A2, R3.A3,. . ., Rn.An FROM R1, R2,. . . , Rn WHERE P1(R1.A’1) AND P2(R1.A1, R2.A2, . . . , Rn.An) Trong đó: A1 và A’1 là các thuộc tính của quan hệ R1, P1 là vị từ có chứa các thuộc tính của các quan hệ R1, R2, . . ., Rn. Câu truy vấn trên có thể phân rã thành hai câu truy vấn con, q’ theo sau là q” qua phép tách dựa trên quan hệ chung R1 như sau: q’: SELECT R1A1 INTO R’1 FROM R1 WHERE P1(R1.A1) Trong đó R’1 là một quan hệ tạm thời chứa các thông tin cần thiết để thực hiện tiếp tục câu truy vấn: q”:SELECT R2A2,. . ., RnAn FROM R’1, R2,. . . , Rn WHERE P2(R1.A1, R2.A2,. . ., Rn.An) 11
  12. Ví dụ minh họa: xét CSDL của một công ty phần mềm NHANVIEN (E) HOSO (G) MANV TENNV CHUCVU MANV MADA NHIEMVU THOIGIAN A1 Nam Phân tích HT A1 D1 Quản lý 12 A2 Trung Lập trình viên A2 D1 Phân tích 34 A3 Đông Phân tích HT A2 D2 Phân tích 6 A4 Bắc Phân tích HT A3 D3 Kỹ thuật 12 A5 Tây Lập trình viên A3 D4 Lập trình 10 A6 Hùng Kỹ sư điện A4 D2 Quản lý 6 A7 Dũng Phân tích HT A5 D2 Quản lý 20 A8 Chiến Thiết kế DL A6 D4 Kỹ thuật 36 A7 D3 Quản lý 48 A8 D3 Lập trình 15 DUAN (J) TLUONG (S) MADA TENDA NGANSACH CHUCVU LUONG D1 CSDL 20000 Kỹ sư điện 1000 D2 CÀI ĐẶT 12000 Phân tích HT 2500 D3 BẢO TRÌ 28000 Lập trình viên 3000 D4 PHÁT 25000 Thiết kế DL 4000 12 TRIỂN
  13. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Xét câu truy vấn q1=“Cho biết tên của các nhân viên đang làm việc trong dự án có tên CSDL” Diễn tả q1 bằng SQL: q1: SELECT E.TENNV FROM E, G, J WHERE E.MANV = G.MANV AND G.MADA = J.MADA AND TENDA = “CSDL” q1 được tách thành q11→q’, trong đó TGIAN1 là quan hệ trung gian. q11: SELECT J.MADA INTO TGIAN1 FROM J WHERE TENDA = “CSDL” q’: SELECT E.TENNV FROM E, G, TGIAN1 WHERE E.MANV = G.MANV AND G.MADA =TGIAN1.MADA 13
  14. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Các bước tách tiếp theo cho q’ có thể tạo ra: q12: SELECT G.MANV INTO TGIAN2 FROM G, TGIAN1 WHERE G.MADA =TGIAN1.MADA q13: SELECT E.TENNV FROM E, TGIAN2 WHERE E.MANV = TGIAN2.MANV Truy vấn q1 đã được rút gọn thành chuỗi truy vấn q11→q12→q13. Truy vấn q11 là loại đơn quan hệ và có thể cho thực hiện bởi OVQP. Tuy nhiên các truy vấn q12 và q13 không phải loại đơn quan hệ và cũng không thể rút gọn hơn nữa bằng phép tách. Các câu truy vấn đa quan hệ không thể tách tiếp được nữa (chẳng hạn q và q ) được gọi là bất khả giản (irreducible). 12 13 14
  15. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Các truy vấn bất khả giản được biến đổi thành câu truy vấn đơn quan hệ nhờ phép thế bộ (tuple substitution). Phép thế bộ: Cho câu truy vấn n-quan hệ q, các bộ của một biến được thay bằng các giá trị của chúng, tạo ra được một tập các truy vấn (n-1) biến. Phép thế bộ được thực hiện như sau: ▪ Chọn một quan hệ trong truy vấn q để thay thế, gọi R1 là quan hệ đó. ▪ Với mỗi bộ t1i trong R1, các thuộc tính được tham chiếu trong q được thay bằng các giá trị thật sự trong t1i, tạo ra một câu truy vấn q’ có (n-1) quan hệ. Như vậy số câu truy vấn q’ được sinh ra bởi phép thế bộ là card(R1). Tổng quát, phép thế bộ có thể mô tả như sau: q(R1, R2, . . . , Rn) được thay bởi {q’(t1i, R2, R3, . . . , Rn), t1i R1} Vì thế đối với mỗi bộ thu được, câu truy vấn con được xử lý đệ quy bằng phép thế nếu nó chưa bất khả giản.
  16. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Ví dụ minh họa: Xét tiếp câu truy vấn q13 q13: SELECT E.TENNV FROM E, TGIAN2 WHERE E.MANV = TGIAN2.MANV Quan hệ được định nghĩa bởi biến TGIAN2 chạy trên thuộc tính duy nhất MANV. Giả sử rằng nó chỉ chứa hai bộ: và . Phép thế cho TGIAN2 tạo ra hai câu truy vấn con đơn quan hệ: q131: SELECT E.TENNV FROM E WHERE E.MANV = “E1” q132: SELECT E.TENNV FROM E WHERE E.MANV = “E2” Sau đó chúng có thể được OVQP quản lý và sử dụng. 16
  17. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Nhận xét: •Thuật toán tối ưu hoá INGRES (được gọi là INGRES - QOA) sẽ xử lý đệ qui cho đến khi không còn câu truy vấn đa quan hệ nào nữa. •Thuật toán có thể được áp dụng cho các phép chọn và các phép chiếu ngay khi có thể sử dụng kỹ thuật tách. •Kết quả của câu truy vấn đơn quan hệ được lưu trong những cấu trúc dữ liệu có khả năng tối ưu hoá những câu truy vấn sau đó (như các nối) và sẽ được OVQP sử dụng. •Các câu truy vấn bất khả giản còn lại sau phép tách sẽ được sử lý bằng phép thế bộ. •Câu truy vấn bất khả giản, được kí hiệu là MRQ’. Quan hệ nhỏ nhất với lực lượng của nó đã được biết từ kết quả của câu truy vấn trước đó sẽ được chọn để thay thế. 17
  18. 4.2 XỬ LÝ TRUY VẤN TRONG MÔI TRƯỜNG TẬP TRUNG Thuật toán INGRES- QOA Input: MRQ: câu truy vấn đa quan hệ (có n quan hệ) Output: Câu truy vấn tối ưu Begin Output  If n=1 then Output  run(MRQ) {thực hiện câu truy vấn một quan hệ} Else {Tách MRQ thành m tr.vấn một quan hệ và một tr.vấn đa quan hệ} ORQ1, , ORQm, MRQ’ MRQ For i1 to m Output’  run(ORQi) {thực hiện ORQi } Output  output  output’ {trộn tất cả các kết quả lại} Endfor R  CHOOSE_ VARIABLE(MRQ’) {R được chọn cho phép thế bộ} For mỗi bộ t R MRQ”  thay giá trị cho t trong MRQ’ Output’  INGRES-QOA(MRQ”) {gọi đệ qui} Output  output  output’ {trộn tất cả các kết quả lại} Endfor Endif End. {INGRES-QOA} 18
  19. 4.3 Xử lý truy vấn trong môi trường phân tán Câu truy vấn phân tán Phân rã truy vấn Lược đồ tổng thể Truy vấn đại số trên các quan hệ phân tán Trạm Lược đồ phân điều Định vị dữ liệu mảnh khiển Truy vấn mảnh Tối ưu hoá toàn cục Các thống kê trên các mảnh Truy vấn mảnh được tối ưu với các phép toán truyền thông Các trạm Tối ưu hoá cục bộ Lược đồ địa địa phương phương Các truy vấn cục bộ đã tối ưu Sơ đồ phân lớp chung cho xử lý truy vấn phân tán 19
  20. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.1 Phân rã truy vấn Giai đoạn này chia làm bốn bước: chuẩn hoá, phân tích, loại bỏ dư thừa và viết lại. 4.3.1.1 Chuẩn hoá Mục đích: chuyển đổi truy vấn thành một dạng chuẩn để thuận lợi cho các xử lý tiếp theo. Với SQL, có hai dạng chuẩn cho các vị từ trong mệnh đề WHERE là: Dạng chuẩn hội là hội () của những phép toán tuyển (): (p11 p12  p1n)   (pm1 pm2  pmn) Dạng chuẩn tuyển là tuyển () của những phép toán hội (): (p11  p12   p1n)   (pm1  pm2  pmn), trong đó pij là các biểu thức nguyên tố. 20
  21. 1. ĐẠI SỐ MỆNH ĐỀ Bảng các tương đương logic thường dùng Đặt T= hằng đúng, F = hằng sai 1. p∧F ⇔ F Domination laws-Luật nuốt 2. p∨T ⇔ T 3. p∨F ⇔ p Identity laws-Luật đồng nhất 4. p∧T ⇔ p 5. p∧p ⇔p Idempotent laws-Luật lũy đẵng 6. p∨p ⇔ p 7. ¬(¬p) ⇔p Double negation law-Luật phủ định kép 8. p∧¬p ⇔ F Cancellation laws-Luật xóa bỏ 9. p∨¬p ⇔ T 10.p∧q ⇔ q∧p Commutative laws-Luật giao hoán 21
  22. 1. ĐẠI SỐ MỆNH ĐỀ Bảng các tương đương logic thường dùng (tt) 11. p∨q ⇔ q∨p 12. (p∧q)∧r ⇔ p∧(q∧r) Associative laws-Luật kết hợp 13. (p∨q)∨r ⇔ p∨(q∨r) 14. p∧(q∨r) ⇔ (p∧q)∨(p∧r) Distributive laws-Luật phân phối 15. p∨(q∧r) ⇔ (p∨q)∧(p∨r) 16. ¬(p∨q) ⇔ ¬p∧¬q De Morgan’s laws-Luật De Morgan 17. ¬(p∧q) ⇔ ¬p∨¬q 18. (p q) ⇔ (¬p∨q) Implication law-Luật kéo theo 19. p ∨ ( p ∧ q ) = p 20. p ∧ ( p ∨ q ) = p 22
  23. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ minh họa: xét CSDL công ty phần mềm đã cho Từ các quan hệ: E= E (MANV, TENNV, CHUCVU) và G= HOSO (MANV, MADA, NHIEMVU, THOIGIAN). Xét truy vấn:“Tìm tên các nhân viên làm dự án có mã số J1 với thời gian 12 hoặc 24 tháng” . Truy vấn trên được biểu diễn trong SQL: SELECT E. TENNV FROM E, G WHERE E.MANV= G.MANV AND G.MADA=”J1” AND THOIGIAN=12 OR THOIGIAN=24 Điều kiện trong dạng chuẩn hội là: E.MANV=G.MANV  G.MADA=”J1”  (THOIGIAN=12  THOIGIAN=24) Điều kiện trong dạng chuẩn tuyển là: (E.MANV=G.MANV  G.MADA=”J1” THOIGIAN=12)  (E.MANV=G.MANV  G.MADA=”J1” THOIGIAN=24)23
  24. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.1.2 Phân tích Mục đích: Phát hiện ra những thành phần không đúng (sai kiểu hoặc sai ngữ nghĩa) và loại bỏ chúng sớm nhất nếu có thể. Truy vấn sai kiểu: nếu một thuộc tính bất kỳ hoặc tên quan hệ của nó không được định nghĩa trong lược đồ tổng thể, hoặc phép toán áp dụng cho các thuộc tính sai kiểu. Ví dụ: truy vấn dưới đây là sai kiểu SELECT E# FROM E WHERE E.TENNV > 200 vì hai lý do: • Thuộc tính E# không khai báo trong lược đồ • Phép toán “>200” không thích hợp với kiểu chuỗi của thuộc tính E.TENNV 24
  25. 4.3 Xử lý truy vấn trong môi trường phân tán Truy vấn sai ngữ nghĩa: nếu các thành phần của nó không tham gia vào việc tạo ra kết quả. Để xác định truy vấn có sai về ngữ nghĩa hay không, ta dựa trên việc biểu diễn truy vấn như một đồ thị gọi là đồ thị truy vấn. Đồ thị này được xác định bởi các truy vấn liên quan đến phép chọn, chiếu và nối. Nếu đồ thị truy vấn mà không liên thông thì truy vấn là sai ngữ nghĩa 25
  26. 4.3 Xử lý truy vấn trong môi trường phân tán Đồ thị truy vấn: • Có một nút dùng để biểu diễn cho quan hệ kết quả • Các nút khác biểu diễn cho các toán hạng trong câu truy vấn (các quan hệ) • Cạnh nối giữa hai nút mà không phải là nút kết quả thì biểu diễn một phép nối. • Cạnh có nút đích là nút kết quả thì biểu diễn một phép chiếu. • Một nút không phải là nút kết quả có thể được gán nhãn bởi phép chọn hoặc phép tự nối (seft-join: nối của quan hệ với chính nó). Đồ thị kết nối: • Là một đồ thị con của đồ thị truy vấn (join graph), trong đó 26 chỉ có phép nối.
  27. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ: Từ các quan hệ E=E (MANV, TENNV, CHUCVU) và G = HOSO (MANV, MADA, NHIEMVU, THOIGIAN) và J=DUAN (MADA, TENDA, NGANSACH). Hãy xác định “Tên và nhiệm vụ các lập trình viên làm dự án CSDL có thời gian lớn hơn 3 năm.” Truy vấn SQL tương ứng là: SELECT E.TENNV, G.NHIEMVU FROM E, G, J WHERE E.MANV=G.MANV AND G.MADA.= J.MADA AND TENDA=”CSDL” AND THOIGIAN 36 AND NHIEMVU=”LTRINH” 27
  28. 4.3 Xử lý truy vấn trong môi trường phân tán Đồ thị truy vấn và đồ thị kết nối tương ứng THOIGIAN 36 G E.MANV=G.MANV G.MADA=J.MADA CHUCVU= “Lập trình” E G.NHIEMVU J TENDA=”CSDL” E.TENNV Kết quả (a) Đồ thị truy vấn G G.MANV=G.MANV G.MANV=J.MANV E J 28 (b) Đồ thị kết nối tương ứng
  29. 4.3 Xử lý truy vấn trong môi trường phân tán Xét câu truy vấn SQL tương ứng: thiếu AND G.MADA=J.MADA SELECT E.TENNV, NHIEMVU FROM E, G, J WHERE E.MANV=G.MANV AND TENDA=”CSDL” AND THOIGIAN 36 AND CHUCVU=”Lập trình” Truy vấn này là sai ngữ nghĩa vì đồ thị truy vấn của nó không liên thông. THOIGIAN 36 G E.MANV=G.MANV CHUCVU= “Lập trình” E G.NHIEMVU J TENDA=”CSDL” E.TENNV Kết quả 29 Đồ thị truy vấn
  30. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.1.3 Loại bỏ dư thừa • Điều kiện trong các truy vấn có thể có chứa các vị từ dư thừa. • Một đánh giá sơ sài về một điều kiện dư thừa có thể dẫn đến lặp lại một số công việc. • Sự dư thừa vị từ và dư thừa công việc có thể được loại bỏ bằng cách làm đơn giản hoá các điều kiện thông qua các luật luỹ đẳng sau: 1. p  p p 2. p  true true 3. p  p p 4. p   p false 5. p  true p 6. p   p true 7. p  false p 8. p1  (p1  p2) p1 9. p  false false 10.p1  (p1  p2) p1 Ví dụ: Đơn giản hoá câu truy vấn sau: 30
  31. 4.3 Xử lý truy vấn trong môi trường phân tán SELECT E.CHUCVU FROM E WHERE (NOT(E.CHUCVU=”Lập trình”) AND (E.CHUCVU=”Lập trình” OR E.CHUCVU=”Kỹ sư điện”) AND NOT(E.CHUCVU=”Kỹ sư điện”) OR E.TENNV=”Dũng” Đặt p1: , p2: , p3: . Các vị từ sau mệnh đề WHERE được mô tả lại: p: ( p1  (p1  p2)   p2)  p3 (( p1  p1   p2)  ( p1  p2   p2))  p3 (áp dụng luật 7) ((false   p2)  ( p1  false) ) p3 (áp dụng luật 5) (false  false )  p3 (áp dụng luật 4) P3 Vậy câu truy vấn được biến đổi thành: SELECT E.CHUCVU FROM E WHERE E.TENNV=”Dũng” 31
  32. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.1.4 Viết lại Bước này được chia làm hai bước con như sau: • Biến đổi trực tiếp truy vấn phép tính sang đại số quan hệ. • Cấu trúc lại truy vấn đại số quan hệ để cải thiện hiệu quả thực hiện.ại số quan hệ là một cây mà nút lá biểu diễn một quan hệ trong CSDL, các nút không lá là các quan hệ trung gian được sinh ra bởi các phép toán đại số quan hệ. 32
  33. 4.3 Xử lý truy vấn trong môi trường phân tán Cách chuyển một truy vấn phép tính quan hệ thành một cây đại số quan hệ: • Các nút lá khác nhau được tạo cho mỗi biến bộ khác nhau (tương ứng một quan hệ). Trong SQL các nút lá chính là các quan hệ trong mệnh đề FROM. • Nút gốc được tạo ra bởi một phép chiếu lên các thuộc tính kết quả. Trong SQL nút gốc được xác định qua mệnh đề SELECT. • Điều kiện (mệnh đề WHERE trong SQL) được biến đổi thành dãy các phép toán đại số thích hợp (phép chọn, nối, phép hợp, v.v ) đi từ lá đến gốc, có thể thực hiện theo thứ tự xuất hiện của các vị từ và các phép toán. 33
  34. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ: Truy vấn “Tìm tên các nhân viên không phải là “Dũng”, làm việc cho dự án CSDL với thời gian một hoặc hai năm”. Biểu diễn truy vấn này trong SQL là: SELECT E.TENNV FROM J, G, E WHERE G.MANV=E.MANV AND G.MADA= J.MADA AND E.TENNV <> “Dũng” AND J.TENDA= “CSDL” AND (THOIGIAN=12 OR THOIGIAN=24) 34
  35. 4.3 Xử lý truy vấn trong môi trường phân tán SELECT E.TENNV FROM J, G, E WHERE G.MANV=E.MANV AND G.MADA= J.MADA AND E.TENNV <> “Dũng” AND J.TENDA= “CSDL” AND (THOIGIAN=12 OR THOIGIAN=24) 35
  36. 4.3 Xử lý truy vấn trong môi trường phân tán 06 luật biến đổi phép toán đại số quan hệ: Mục đích: dùng để biến đổi cây đại số quan hệ thành các cây tương đương (trong đó có thể có cây tối ưu). Giả sử R, S, T là các quan hệ, R được định nghĩa trên toàn bộ thuộc tính A={A1, , An}, S được định nghĩa trên toàn bộ thuộc tính B={B1, , Bn}. 1.Tính giao hoán của các phép toán hai ngôi: Phép tích Decartes và phép nối hai quan hệ có tính giao hoán. i. R S S R ii. R S S R 2. Tính kết hợp của các phép toán hai ngôi: Phép tích Decartes và phép nối hai quan hệ có tính kết hợp. i. (R S) T R (S T) ii. (R S) T R (S T) 36
  37. 4.3 Xử lý truy vấn trong môi trường phân tán 3. Tính luỹ đẳng của những phép toán một ngôi • Dãy các phép chiếu khác nhau trên cùng quan hệ được tổ hợp thành một phép chiếu và ngược lại: A’(A’’(R))  A’(R) A’, A’’ R và A’  A’’ • Dãy các phép chọn khác nhau  trên cùng một quan pi ( Ai ) hệ, với pi là một vị từ được gán vào thuộc tính Ai , có thể được tổ hợp thành một phép chọn.  ( (R)) =  (R) p1 ( A1 ) p2 ( A2 ) p1 ( A1 ) p2 ( A2 ) 37
  38. 4.3 Xử lý truy vấn trong môi trường phân tán 4. Phép chọn giao hoán với phép chiếu  ( (R)) =  ( ( (R))) A1, , An p( Ap ) A1, , An p( Ap ) A1, , An ,Ap Nếu Ap là thành viên của {A1, , An}, biểu thức trên trở thành  ( (R)) = ( (R)) A1, , An p( Ap ) p(Ap ) A1, , An ,Ap 5. Phép chọn giao hoán với những phép toán hai ngôi • Phép chọn với phép nhân: (R S)  (R) S p( Ap ) p( Ap ) • Phép chọn với phép nối:  p( A ) (R S)  p( A ) (R) ( A ,B ) S i ( Ai ,Bk ) i i k • Phép chọn với phép hợp: Nếu R và T cùng bộ thuộc tính.  (R T)  (R)  (T) p( Ai ) p( Ai ) p( Ai ) 38
  39. 4.3 Xử lý truy vấn trong môi trường phân tán 6. Phép chiếu giao hoán với những phép toán hai ngôi • Phép chiếu và tích Decartes: Nếu C=A’B’ với A’ A, B’ B, và A, B là tập các thuộc tính trên quan hệ R, S ta có: C (R S) =  A' (R) B' (S) • Phép chiếu và phép nối: C (R p(A ,B )S) =  A' (R)  B' (S) i j p(Ai ,B j ) • Phép chiếu và phép hợp: C (R  S) =  A' (R) B' (S) Chú ý: Việc sử dụng sáu luật trên có khả năng sinh ra nhiều cây đại số quan hệ tương đương nhau. Vấn đề là xác định cho được cây tối ưu. 39
  40. 4.3 Xử lý truy vấn trong môi trường phân tán Chú ý: Trong giai đoạn tối ưu, sự so sánh các cây có thể thực hiện dựa trên chi phí dự đoán của chúng. Tuy nhiên, nếu số lượng các cây quá lớn thì cách tiếp cận này sẽ không hiệu quả. Chúng ta có thể dùng 6 luật trên để cấu trúc lại cây, nhằm loại bỏ những cây đại số quan hệ “tồi”. Các luật trên có thể sử dụng theo bốn cách như sau: • Phân rã các phép toán một ngôi, đơn giản hóa biểu thức truy vấn . • Nhóm các phép toán một ngôi trên cùng một quan hệ để giảm số lần thực hiện. • Giao hoán các phép toán một ngôi với các phép toán hai ngôi để ưu tiên cho một số phép toán (chẳng hạn phép chọn). • Sắp thứ tự các phép toán hai ngôi trong thực hiện truy vấn. 40
  41. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ: Cấu trúc lại cây truy vấn ở ví dụ trên, cho ra cây kết quả tốt hơn cây ban đầu. tuy nhiên vẫn còn xa cây tối ưu 41
  42. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.2 Định vị dữ liệu phân tán-Tối ưu hóa cục bộ • Lớp định vị biến đổi một truy vấn đại số quan hệ tổng thể thành một truy vấn đại số được biểu thị trên các mảnh vật lý. • Sử dụng thông tin được lưu trữ trên các lược đồ phân mảnh để định vị. • Chương trình đại số quan hệ xây dựng lại quan hệ tổng thể từ các phân mảnh của nó gọi là chương trình định vị. • Truy vấn có được từ chương trình định vị gọi là truy vấn ban đầu. • Chú ý: Trong phần dưới đây, với mỗi kiểu phân mảnh chúng ta sẽ biểu diễn một kỹ thuật rút gọn để sinh ra truy vấn được tối ưu và đơn giản hoá. 42
  43. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.2.1 Rút gọn theo phân mảnh ngang nguyên thuỷ Xét quan hệ E(MANV,TENNV,CHUCVU). Tách quan hệ này thành ba mảnh ngang E1, E2 và E3 như sau: E1=MANV ”E3”(E) E2=”E3” ”E6”(E) ❑ Chương trình định vị cho quan hệ E: E = E1  E2  E3. ❑ Dạng ban đầu của bất kỳ truy vấn nào được xác định trên E là có được bằng cách thay thế nó bởi E1  E2  E3. ❑ Việc rút gọn các truy vấn trên các quan hệ đã được phân mảnh ngang bao gồm việc xác định câu truy vấn, sau khi đã cấu trúc lại cây con. Điều này sẽ sinh ra một số quan hệ rỗng, và sẽ loại bỏ chúng. ❑ Phân mảnh ngang có thể đựơc khai thác để làm đơn giản cả phép chọn và phép nối. 43
  44. 4.3 Xử lý truy vấn trong môi trường phân tán a. Rút gọn với phép chọn: cho một quan hệ R được phân mảnh ngang thành R1, R2, , Rn với R = (R) j p j Luật 1:  (R ) = nếu x R : (p (x)  p (x)). Trong đó, p j j i j pi, pj là vị từ chọn, x là bộ dữ liệu, p(x) là vị từ p chiếm giữ x. Ví dụ: Hãy rút gọn truy vấn SELECT * FROM E WHERE MANV=”E5” Với E được tách thành ba mảnh ngang E1, E2 và E3 : E1=MANV ”E3”(E) E2=”E3” ”E6”(E) 44
  45. 4.3 Xử lý truy vấn trong môi trường phân tán E1=MANV ”E3”(E) E2=”E3” ”E6”(E)  MANV=”E5” MANV=”E5”  E2 E1 E2 E3 (a) Truy vấn ban đầu (b) Truy vấn rút gọn Rút gọn bằng cách sử dụng tính chất giao hoán phép chọn với phép hợp, chúng ta thấy vị từ chọn đối lập với vị từ E1 và E3 nên sinh ra các quan hệ rỗng. 45
  46. 4.3 Xử lý truy vấn trong môi trường phân tán b.Rút gọn với phép nối • Các phép nối trên quan hệ đã được phân mảnh ngang có thể đơn giản khi chúng được phân mảnh theo thuộc tính nối. • Việc rút gọn được thực hiện dựa trên tính phân phối giữa phép nối và phép hợp và loại bỏ các phép nối vô ích. • Với tính chất, (R1R2) R3 = (R1 R3)  (R2 R3) , Ri là các phân mảnh. Chúng ta có thể xác định được các phép nối vô ích của các mảnh khi các điều kiện nối mâu thuẫn nhau. Sau đó, dùng luật 2 dưới đây để loại bỏ các phép nối vô ích. 46
  47. 4.3 Xử lý truy vấn trong môi trường phân tán Luật 2: Ri Rj = nếu x Ri, y Rj :  (pi(x)pj(y)). Trong đó Ri, Rj được xác định theo các vị từ pi, pj trên cùng thuộc tính. Nhận xét: • Việc xác định các phép nối vô ích được thực hiện bằng cách chỉ xem xét các vị từ mảnh. • Truy vấn rút gọn không phải luôn tốt hơn hoặc đơn giản hơn truy vấn ban đầu. • Một thuận lợi của truy vấn rút gọn là những phép nối có thể thực hiện song song. 47
  48. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ: Giả sử quan hệ E được phân mảnh thành các mảnh E1=MANV ”E3”(E) E2=”E3” ”E6”(E) Quan hệ G được phân làm hai mảnh: G1=MANV ”E3”(G) và G2=MANV>”E3”(G). Nhận xét: • E1 và G1 được định nghĩa bởi cùng vị từ. • Vị từ định nghĩa G2 là hợp của các định nghĩa của những vị từ E2 và E3. Xét truy vấn SELECT * FROM E, G WHERE E.MANV=G.MANV 48
  49. 4.3 Xử lý truy vấn trong môi trường phân tán E1=MANV ”E3”(E) E2=”E3” ”E6”(E) G1=MANV ”E3”(G) G2=MANV>”E3”(G). E G = (E1E2E3) (G1G2) = (E1 G1)(E1 G2)(E2 G1)(E2 G2)(E3 G1)(E3 G2) = (E1 G1)  (E2 G2) (E3 G2)  MANV  MANV MANV  MANV E3 G2 E1 E2 E3 G1 G2 E1 G1 E2 G2 (a) Truy vấn ban đầu (b) Truy vấn rút gọn Hình 4.8: Sự rút gọn phân mảnh ngang với phép nối 49
  50. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.2.2 Rút gọn phân mảnh dọc • Chức năng của việc phân mảnh dọc là tách quan hệ dựa vào thuộc tính của các phép chiếu. • Vì phép toán xây dựng lại đối với phân mảnh dọc là nối, nên chương trình định vị một quan hệ đã được phân mảnh dọc là nối của các mảnh trong vùng thuộc tính chung. Ví dụ: Quan hệ E được phân mảnh dọc thành E1, E2, với thuộc tính khoá MANV được lặp lại như sau: E1 =  MANV,TENNV(E) và E2 = MANV,CHUCVU(E) Chương trình định vị là: E = E1 MANV E2 • Các truy vấn trên phân mảnh dọc có thể rút gọn bằng cách xác định các quan hệ trung gian vô ích và loại bỏ các cây con chứa chúng. • Các phép chiếu trên một phân mảnh dọc không có thuộc tính chung với các thuộc tính chiếu (ngoại trừ khóa của quan hệ) là vô ích, mặc dù các quan hệ là khác rỗng. 50
  51. 4.3 Xử lý truy vấn trong môi trường phân tán Luật 3: D,K(Ri) là vô ích nếu DA’= . Trong đó, quan hệ R xác định trên A={A1, ,An}; R = A’(R), A’A , K là khoá của quan hệ, KA, D là tập các thuộc tính chiếu, D  A. Ví dụ: Với quan hệ E được phân mảnh dọc như sau: E1 =  MANV,TENNV(E) và E2 = MANV,CHUCVU(E)  TENNV  TENNV Xét truy vấn SQL: MANV SELECT TENNV FROM E E E1 E2 1 (a) Truy vấn ban đầu (b) Truy vấn rút gọn Hình 4.9: Rút gọn đối với việc phân mảnh dọc Nhận xét: phép chiếu trên E2 là vô ích vì TENNV không có trong E2, nên phép chiếu chỉ cần gán vào E1 51
  52. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.2.3 Rút gọn theo phân mảnh gián tiếp • Sự phân mảnh ngang gián tiếp là một cách tách hai quan hệ để việc xử lý nối của các phép chọn và phép nối • Nếu quan hệ R phụ thuộc vào sự phân mảnh ngang gián tiếp nhờ quan hệ S, thì các mảnh của R và S, mà có cùng giá trị thuộc tính nối sẽ được định vị tại cùng trạm. Ngoài ra, S có thể được phân mảnh tùy thuộc vào vị từ chọn. • Khi các bộ của R được đặt tuỳ theo những bộ của S, thì sự phân mảnh gián tiếp chỉ nên sử dụng mối quan hệ một nhiều từ S→R (i.e. với một bộ của S có thể phù hợp với n bộ của R, Nhưng với một bộ của R chỉ phù hợp với một bộ của S). • Truy vấn trên các phân mảnh gián tiếp cũng có thể rút gọn được, nếu các vị từ phân mảnh mâu thuẫn nhau thì phép nối sẽ đưa ra quan hệ rỗng. • Chương trình định vị một quan hệ đã được phân mảnh ngang gián tiếp là hợp của các mảnh. 52
  53. 4.3 Xử lý truy vấn trong môi trường phân tán Ví dụ: Cho mối quan hệ một nhiều từ E đến G, quan hệ G (MANV, MADA, NHIEMVU, THOIGIAN) có thể được phân mảnh gián tiếp theo những luật sau: G1 = G MANV E1 và G2 = G MANV E2. Trong đó E được phân mảnh ngang như sau: E1= CHUCVU=”Lập trình”(E) và E2= CHUCVU ”Lập trình”(E) Chương trình định vị cho một quan hệ đã được phân mảnh gián tiếp là hợp của các mảnh G=G1G2. Để rút gọn các truy vấn trên phân mảnh gián tiếp này, phép nối sẽ đưa ra quan hệ rỗng nếu các vị từ phân mảnh mâu thuẫn nhau. Ví dụ vị từ G1 và E2 mâu thuẫn nhau, nên G1 E2 =. 53
  54. G1 = G MANV E1 và G2 = G MANV E2. E1= 4.3CHUCVU=”Lập Xử lý trình” truy(E) vấn và trong E2 =môi CHUCVU trường ”Lập trình” phân(E) tán Ví dụ: Xét truy vấn SELECT * FROM E, G WHERE G.MANV=E.MANV AND CHUCVU=”KS cơ khí” MANV MANV  CHUCVU=”KS cơ khí”    CHUCVU=”KS cơ khí”  G1 G2 G1 G2 E2 (a) Truy vấn ban đầu (b) Truy vấn sau khi đẩy phép chọn xuống E1 E2 54
  55. Chú ý: (G1 G2 ) CHUCVU=”ks cơ khí”(E2) = (G1 CHUCVU=”ks cơ khí”(E2)) (G2 CHUCVU=”ks cơ khí”(E2))  MANV MANV MANV  CHUCVU=”KS cơ khí”  CHUCVU=”KS cơ khí”  CHUCVU=”KS cơ khí” G G2 1 E G2 E2 2 E2 (c) Truy vấn sau khi đẩy phép hợp lên (d) Truy vấn đã rút gọn Hình 4.10: Rút gọn của phân mảnh gián tiếp Nhận xét: • Truy vấn ban đầu trên các mảnh E1, E2, G1 và G2 tương ứng hình 4.10a. • Bằng cách đẩy phép chọn xuống các mảnh E1 và E2, được truy vấn rút gọn ở hình 4.10b. • Phân phối các phép nối với phép hợp, chúng ta thu được cây hình 4.10c. • Cây con bên trái đưa ra một quan hệ rỗng, nên cây rút gọn có được 55 trong hình 4.10d.
  56. 4.3 Xử lý truy vấn trong môi trường phân tán 4.3.2.4 Rút gọn theo phân mảnh hỗn hợp • Sự phân mảnh hỗn hợp là sự kết hợp giữa phân dọc và phân mảnh ngang. • Mục đích của phân mảnh hỗn hợp là hỗ trợ các truy vấn liên quan đến phép chiếu, phép chọn và phép nối • Chương trình định vị cho một quan hệ đã phân mảnh hỗn hợp là phép hợp và phép nối của các mảnh. Ví dụ: Xét quan hệ E được phân mảnh hỗn hợp như sau: E1=MANV ”E4”(MANV,TENNV(E)), E2=MANV > ”E4”( MANV,TENNV(E)) E3= MANV,CHUCVU(E) Chương trình định vị là: E = (E1  E2) MANV E3 56
  57. 4.3 Xử lý truy vấn trong môi trường phân tán Các truy vấn trên các mảnh hỗn hợp có thể được rút gọn bằng cách kết hợp các luật sử dụng trong phân mảnh ngang nguyên thủy, phân mảnh dọc, phân mảnh ngang gián tiếp, tương ứng như sau: 1.Loại bỏ các quan hệ rỗng sinh bởi sự mâu thuẫn giữa các phép chọn trên các phân mảnh ngang. 2.Loại bỏ các quan hệ vô ích sinh bởi các phép chiếu trên các phân mảnh dọc. 3.Phân phối các phép nối với các phép hợp để tách và loại bỏ các phép nối vô ích. 57
  58. Ví dụ: E1=MANV ”E4”(MANV,TENNV(E)), E2=MANV > ”E4”( MANV,TENNV(E)) E3= MANV,CHUCVU(E) SELECT TENNV FROM E WHERE MANV=”E5” TENNV TENNV MANV=”E5” MANV=”E5”  E2 E1 E2 E3 (b) Truy vấn đã rút gọn (a) Truy vấn ban đầu Hình 4.11: Rút gọn của phân mảnh hỗn hợp 58
  59. 4.4 Tối ưu hóa truy vấn trong CSDL phân tán Nhận xét: 1. Trong hệ phân tán, truy vấn thu được từ giai đoạn phân rã và định vị dữ liệu có thể được thực hiện một cách đơn giản bằng việc thêm vào các thao tác truyền thông. 2. Việc hoán vị thứ tự các phép toán trong một câu truy vấn có thể cung cấp nhiều chiến lược tương đương khác nhau. 3. Bài toán xác định cây truy vấn tối ưu là NP-khó. Thông thường bộ tối ưu tìm tìm một chiến lược gần tối ưu và tránh các chiến lược “tồi”. 4. Đầu ra của bộ tối ưu là một lịch trình được tối ưu bao gồm truy vấn đại số được xác định trên các mảnh và các phép toán truyền thông hỗ trợ việc thực hiện truy vấn trên các trạm. 5. Để chọn lựa được một chiến lược tối ưu nói chung, bộ tối ưu còn phải xác định chi phí thực hiện câu truy vấn. 6. Chi phí thực hiện là tổ hợp có trọng số của chi phí truyền thông, chi phí I/O và chi phí CPU. 59
  60. 4.4 Tối ưu hóa truy vấn trong CSDL phân tán 4.4.1 Mô hình chi phí của bộ tối ưu hóa truy vấn Chi phí của một chiến lược thực hiện phân tán có thể được biểu diễn hoặc theo tổng chi phí hoặc theo thời gian trả lời. • Tổng chi phí là tổng của tất cả các thành phần chi phí. bao gồm chi phí truyền thông, chi phí I/O và chi phí CPU. Trong đó, chi phí truyền thông là quan trọng nhất. • Thời gian trả lời truy vấn là thời gian được tính từ khi bắt đầu xử lý đến khi hoàn thành truy vấn. 60
  61. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 2. Công thức chung cho sự xác định tổng chi phí: Tæng chi phÝ: tæng cña tÊt c¶ c¸c chi phÝ CCPU, CI/O, CMSG Total_cost= CCPU * #instr + CI/O * #I/OS + CMSG * #msgs + + CTR * #bytes Trong đó: Total_cost: tổng chi phí CCPU: chi phí của một lệnh CPU CI/O: chi phí của một xuất/nhập đĩa CMSG: chi phí của việc khởi đầu và nhận một thông báo. CTR: chi phí truyền một đơn vị dữ liệu từ trạm này đến trạm khác, ta xem CTR như là một hằng số. #instr: tổng tất cả các lệnh CPU ở các trạm #I/OS: số lần xuất/nhập đĩa #msgs: số thông báo #bytes: tổng kích thước của các thông báo. 61
  62. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán Chú ý: Trong công thức: Total_cost= CCPU* #instr + CI/O*#I/OS + CMSG *#msgs + + CTR *#bytes •Hai thành phần chi phí đầu (CCPU,CI/O) là chi phí địa phương. •Hai thành phần chi phí sau (CMSG, CTR) là chi phí truyền thông. •Chi phí truyền thông để chuyển #byte dữ liệu từ trạm này đến trạm khác được giả thiết là một hàm tuyến tính theo số #bytes được truyền đi, được xác định bởi công thức CC(#byte)= CMSG + CTR * bytes 62
  63. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 1. Công thức chung cho sự xác định thời gian trả lời Response_time = CCPU * seq_#instr + CI/O * seq_#I/OS + CMSG * seq_#msgs + CTR* seq_#bytes Trong ®ã: seq_#x (x cã thÓ lµ sè lÖnh cña CPU, I/O, sè th«ng b¸o, sè byte) lµ sè lín nhÊt cña x khi thùc hiÖn truy vÊn mét c¸ch tuÇn tù. Trong đó: Response_time: thời gian trả lời truy vấn CCPU: chi phí của một lệnh CPU CI/O: chi phí của một xuất/nhập đĩa CMSG: chi phí của việc khởi đầu và nhận một thông báo. CTR: chi phí truyền một đơn vị dữ liệu từ trạm này đến trạm khác #instr: tổng tất cả các lệnh CPU ở các trạm #I/OS: số lần xuất/nhập đĩa #msgs: số thông báo #bytes: tổng kích thước của tất cả các thông báo. 63
  64. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán Ví dụ: Minh hoạ sự khác nhau giữa tổng chi phí và thời gian trả lời, trong đó máy tính trả lời truy vấn tại trạm 3 với dữ liệu từ trạm 1 và 2, ở đây chỉ có chi phí truyền thông được xét Trạm 1 x Trạm 3 Trạm 2 y Hình 4.12: Ví dụ của sự biến đổi 1 truy vấn Giả sử, CMSG và CTR được biểu thị theo đơn vị thời gian. Tổng chi phí truyền x đơn vị từ trạm 1 đến trạm 3 và y đơn vị từ trạm 2 đến trạm 3 là: Total_cost = CMSG + CTR*x + CMSG+ CTR*y = 2CMSG+ CTR* (x+y) Vì việc truyền dữ liệu có thể được thực hiện song song nên thời gian trả lời của truy vấn là: Response_time = max{CMSG + CTR* x, CMSG + CTR* y} 64
  65. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 4.4.2 Các thống kê dữ liệu •Yếu tố chính ảnh hưởng đến hiệu suất của một chiến lược thực thi là kích thước của các quan hệ trung gian sinh ra trong quá trình thực hiện. •Khi phép toán tiếp theo đặt tại một trạm khác, quan hệ trung gian phải được truyền trên mạng. •Do đó để tối thiểu hoá khối lượng dữ liệu truyền đi, điều quan tâm đầu tiên là đánh giá kích thước kết quả trung gian của các phép toán đại số quan hệ. •Đánh giá này dựa trên các thông tin thống kê về các quan hệ cơ sở và các công thức ước tính lực lượng của kết quả các phép toán quan hệ. 65
  66. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán Mục đích của thống kê dữ liệu: •Xác định kích thước của các quan hệ trung gian sinh ra trong quá trình thực hiện câu truy vấn •Xác định chi phí truyền thông cho các đại lượng trung gian Một số ký hiệu Cho quan hệ R xác định trên tập thuộc tính A={A1, , An}. R được phân mảnh thành R1, R2, , Rr. •length(Ai): độ dài (byte) của thuộc tính Ai ,Ai A, •card( Ai(Rj): lực lượng của phép chiếu của mảnh Rj lên thuộc tính Ai (số giá trị phân biệt trên thuộc tính Ai) . •max(Ai): giá trị cực đại của thuộc tính Ai trong Dom(Ai) •min(Ai): giá trị cực tiểu của thuộc tính Ai trong Dom(Ai) •card(dom(Ai)): lực lượng của thuộc tính Ai 66 •card(Ri)): số các bộ trong mảnh Ri
  67. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán Ngoài ra, dữ liệu thống kê cũng bao gồm hệ số chọn của phép nối (SFJ) đối với một số cặp đại số quan hệ, hệ số SFJ của quan hệ R và S là một số thực giữa 0 và 1, được xác định bởi: card(R S) SFJ = card(R)*card(S) •Hệ số SFJ nhỏ thì phép nối có tính chọn tốt, ngược lại có tính chọn tồi. •Các thống kê này có lợi để đánh giá kích thước của quan hệ trung gian. •Kích thước một quan hệ trung gian R được xác định bởi size(R) = card(R)*length(R). Trong đó, + length(R) là độ dài (số byte) của mỗi bộ trong R, được tính theo độ dài các thuộc tính của nó, + card(R) là số các bộ của R được tính theo công thức ở phần tiếp theo. 67
  68. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 4.4.3 Lực lượng của các kết quả trung gian Các công thức để ước tính lực lượng kết quả các phép toán cơ sở của đại số quan hệ (chọn, chiếu, tích Decartes, nối, nửa nối, hợp và hiệu). Các toán hạng quan hệ được ký hiệu bởi R và S. Hệ số chọn của một phép toán SFOP, (OP biểu thị phép toán) là tỷ lệ giữa các bộ của một toán hạng quan hệ tham gia vào kết quả của phép toán với số các bộ của quan hệ . Ví dụ: • SFJ : hệ số chọn của phép nối • SFS : hệ số chọn của phép chọn 68
  69. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 1. Phép chọn: card( (R)) ? card( (R)) = SFS(F) * card(R) Trong đó SFS(F) phụ thuộc vào công thức chọn và có thể tính như sau, với p(Ai), p(Aj) là các vị từ tương ứng với các thuộc tính Ai, Aj. max(A) - value SFS (A>value) = 1 max(A)-min(A) SFS (A=value) = Card( A(R)) Value - min(A) SFS (A<value) = max(A)-min(A) SFS(p(Ai)  p(Aj)) = SFS(p(Ai)) * SFS(p(Aj)) SFS(p(Ai) p(Aj)) = SFS(p(Ai))+SFS(p(Aj))-SFS(p(Ai))* SFS(p(Aj)) SFS(A {value}) = SFS(A=value) * card({value}) 69
  70. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 2. Phép chiếu: card( A(R)) ? Phép chiếu có thể có hoặc không loại bỏ các bản sao. Ở đây chỉ xét phép chiếu loại bỏ các bản sao. Lực lượng quan hệ kết quả của một phép chiếu tùy ý là khó đánh giá chính xác, vì tương quan giữa thuộc tính chiếu thường không biết. Tuy nhiên, có hai trường hợp tầm thường nhưng đặc biệt có lợi:  Nếu phép chiếu của R trên một thuộc tính đơn A thì card( A(R)) = card(R) .  Nếu một trong các thuộc tính chiếu là khoá của R, thì card( A(R)) = card(R) và card(R S) = card(R) * card(S) 70
  71. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 3. Phép nối: card(R S) ? Không có một cách tổng quát để xác định lực lượng của một phép nối nếu không có các thông tin thêm. Cận trên của lực lượng của phép nối chính là lực lượng của tích Decartes. Tuy nhiên, có một số trường hợp xuất hiện thường xuyên và việc đánh giá là đơn giản: - Nếu R AB S với A R, B S, trong đó A là khoá của R, B là khoá ngoài của S, thì lực lượng của kết quả xấp xỉ là: card(R AB S) = card(R) Với các phép nối khác, lực lượng của kết quả là:  card(R S) = SFJ * card(R) * card(S) 71
  72. 4.4 Tối ưu hoá truy vấn trong CSDL phân tán 4. Phép nửa nối Hệ số chọn của phép nửa nối (SFSJ) xấp xỉ là: Card( A(S)) SFSJ (R S) = Card(dom[A]) Công thức này chỉ phụ thuộc vào thuộc tính A của S, nên thường được gọi là hệ số chọn thuộc tính A của S, ký hiệu SFSJ(S.A) và là hệ số chọn của S.A trên bất cứ thuộc tính nối khác. Vì thế, lực lượng của phép nối được tính như sau: card(R AS) = SFSJ(S.A) * card(R) 72
  73. 4.4 Tối ưu hóa trong CSDL phân tán 5. Phép hợp •Rất khó đánh giá số lượng của RS, vì các bộ giống nhau giữa R và S bị loại bỏ bởi phép hợp. •Ở đây chúng ta chỉ đưa ra công thức tính: -cận trên của card(RS) bằng card(R)+card(S), -cận dưới của card(RS) bằng max{card(R),card(S)} (giả sử R và S không chứa các bộ lặp). 6. Phép trừ Cũng như phép hợp ở đây chỉ đưa ra cận trên và cận dưới, cận trên của card(R-S) là card(R), cận dưới là 0. Về việc ít sử dụng tài nguyên? 73
  74. 4.4 Tối ưu hóa trong CSDL phân tán Ví dụ Xét hai quan hệ trong cơ sở dữ liệu của công ty máy tính: E=NHANVIEN (MANV, TENNV, CHUCVU) và G=HOSO (MANV, MADA, NHIEMVU, THOIGIAN). Với câu truy vấn “Cho biết tên các nhân viên hiện đang quản lý một dự án”. Ta có câu truy vấn SQL tương ứng là: SELECT TENNV FROM E, G WHERE E.MANV=G.MANV AND NHIEMVU=”Quản lý” Hai truy vấn đại số tương đương với truy vấn trên là: TENNV(NHIEMVU=”Quản lý”  E.MANV=G.MANV (E G)) (1) và TENNV(E MANV(NHIEMVU=”Quản lý” G)) (2) Rõ ràng truy vấn (2) tránh được khỏi phải tích số của E và G, nên dùng ít phép tính tài nguyên hơn truy vấn (1) 74
  75. Câu hỏi cuối chương 1. Mục đích của tối ưu hoá truy vấn trong CSDL phân tán 2. Chức năng của tối ưu hoá truy vấn phân tán 3. Các phương pháp xử lý truy vấn cơ bản 4. Ý tưởng của thuật toán Ingres. Ví dụ 5. Sơ đồ phân lớp chung cho xử lý truy vấn phân tán. 6. Cách chuyển một truy vấn phép tính quan hệ thành một cây đại số quan hệ 7. Sử dụng các luật biến đổi phép toán đại số quan hệ để biến đổi cây đại số quan hệ thành các cây tương đương. 8. Định vị dữ liệu phân tán-Tối ưu hoá cục bộ 9. Xác định tổng chi phi và thời gian trả lời của một câu truy vấn. 75
  76. CHƯƠNG 4: XỬ LÝ TRUY VẤN TRONG CSDL PHÂN TÁN HẾT CHƯƠNG 4 76