第四章全局查询处理和优化专用课件.pptVIP

?查询重写是将用户请求构成的查询树进行等价变换 规则1: 连接、笛卡尔积的交换律 R?S?S?R，R?S?S?R 规则2: 连接、笛卡尔积的结合律 (R?S)?T ? R?(S?T)， (R?S)?T ? R?(S?T) 规则3: 投影的串接定律 ?A1,A2,...,An( ?B1,B2,...,Bn (E)) ? ?A1,A2,...,An(E) 规则4: 选择的串接定律 ?P1(?P2(R)) ? ?P1?P2(R) 规则5: 选择和投影的交换律 ?P(?A1,A2,...,An(R)) ? ?A1,A2,...,An(?P(R)) 4.3.4 查询重写 ?查询重写 规则6: 选择与笛卡尔积的分配律 ?P(R?S) ? ?P(R)? S 规则7: 选择与并的分配律 ?P(R?T) ? ?P(R)? ?P(T) 规则8: 选择与差的分配律 ?P(R-T) ? ?P(R)-?P(T) 规则9: 投影与笛卡尔积的分配律 ?A1,A2,...,An, B1,B2,...,Bn(R?S) ? ?A1,A2,...,An(R) ? ?B1,B2,...,Bn(S) 规则10: 投影与并的分配律 ?A1,A2,...,An (R? F) ? ?A1,A2,...,An(R) ? ? A1,A2,...,An(F) 4.3.4 查询重写 ?查询重写 分解（Decomposition） 应用价变换规则，一棵查询树可等价转换为多棵查询树，需要能生成最优查询树的等价变换。 关系查询优化的基本思想是先做能使中间结果变小的操作，尽量减少查询执行代价。 运算类型 执行代价 σ、П（不消重复项） O（n） П（消重复项）、GROUP O（nLOGn） X O（n2） ∞、∪、∩、-、∝、÷ O（nLOGn） 变换的通用准则为： 准则1 尽可能将一元运算移到查询树的底部（树叶部分），使之优先执行一元运算。 准则2 利用一元运算的重复律，缩减每一关系，以减少关系尺寸，降低网络传输量和I/O大小。 ??查询重写 SELECT SNAME FROM SUPPLIER S，SUPPLY SP，PART P WHERE S.SNO=SP.SNO AND SP.PNO=P.PNO AND P.PNAME=“BOLT” AND S.AREA=“北方” AND SP.QTY5000; 分解（Decomposition） ??查询重写 分解（Decomposition） 举例 等价的关系表达式： Q1： ? SNO，SNAMEσAREA=″北方″σPNO=100（SUPPLIER∞SUPPLY） 查询树： SUPPLIER{SNO，SNAME，AREA} SUPPLY{SNO，PNO，QTY} 分解（Decomposition） ?SNO，SNAME    σAREA=″北方″ σPNO=100 SUPPLIER SUPPLY ∞ 全局优化 基于查询重写准则（在查询树Q1的基础上进行全局优化） 根据分配律，将一元运算向下移。得到全局优化后的查询树： 分解（Decomposition） ∞ SUPPLIER SUPPLY σAREA=″北方″ σPNO=100 ? SNO，SNAME ? SNO ? SNO，SNAME ∞ Q2： ?SNO，SNAME    σAREA=″北方″ σPNO=100 SUPPLIER SUPPLY ∞ Q1： 查询的处理过程是从全局关系到片段关系，最后再到实际操作的副本关系。 数据本地化是将全局查询到片段查询的变换。即利用全局关系与其片段关系的等价关系，将分布查询中的全局关系替换为对片段关系的查询，变换后的查询称为片段查询。对应于片段查询的查询树，称为片段查询树。 4.4 数据局部化 分布查询与片段查询的等价关系 对于全局关系R的水平分片R1，R2，…，Rn ，表示为： R=R1∪R2∪…∪Rn 对于全局关系R的垂直分片R1，R2，…，Rn ，表示为： R=R1∞R2∞…∞Rn 片段查询树的生成步骤 将分片树的h（水平）节点转换为查询树的∪（并集）节点。 将分片树的v（垂直）节点转换为查询树的∞（联接）节点。 用替换后的分片树代替全局查询树中的全局关系，得到片段查询树。 4.4 数据局部化 片段查询树的生成步骤 具体如下： 4.4 数据局部化 例, 假设：SUPPLIER和SUPPLY