应用半连接的分布式数据库查询优化算法.ppt

应用半连接的分布式数据库查询优化算法 概述 分布式数据库具有分布性和冗余性，导致分布式查询处理比较复杂，因此查询优化是一个非常重要的问题。针对大规模数据分析分布式数据库的数据分片机制，建立改进的数据分片模型，并根据分布式数据库的查询优化目标分析查询优化算法，对半连接查询优化算法进行改进。实例分析表明: 改进的半连接查询算法极大地降低了传输代价， 提高了查询效率 一般的半连接查询方法 半连接是投影和连接组成的一种关系代数运算。假设Ｒ1、 Ｒ2是2个关系，分别位于站点 S1、S2，而属性 A1、A2 分别在Ｒ1和Ｒ2上，半连接操作可表示为 连接操作可表示为: 其中:∞表示连接操作，∝表示半连接操作，∏表示投影操作。 直接连接是将站点 S2 中的所有关系 Ｒ2 一次传输给站点 S1，而半连接的执行过程如下表所示 改进的半连接查询优化 在一般的半连接查询中，连接代价主要是 2次传输的代价 其中的第一次传输，即由站点 S2将∏A2 Ｒ2 从 S2 传输到站点 S1，因为只有一个属性，所以相对于大规模数据而言其传输的数据量较少; 第二次传输，即由站点 S1将Ｒ1传输到站点 S2，需要传输的数据元组长度为 Ｒ1 的长度，记录个数为 Ｒ1 的记录数 这样，当 Ｒ1 长度很长，Ｒ1 记录很多时，该次传输的数据量仍然相当大，即带来了较大通信代价由此提出一种改进的半连接查询方法。 首先，介绍改进半连接查询中涉及到的几个概念和理论。 定理1 连接运算的交换律假设有关系 Ｒ1 和关系 Ｒ2， 那么 Ｒ1∞ Ｒ2 =Ｒ2∞Ｒ1，即连接运算满足交换律。 定义1 关系元组比 Ｒsize假设有关系 Ｒ1 和关系 Ｒ2，那么 Ｒsize =size( Ｒ1) / size( Ｒ2) ，称为关系 Ｒ1 和 Ｒ2 的关系元组比。 定义2 关系记录比 Ｒrecord假设有关系 Ｒ1 和关系 Ｒ2， 那么 Ｒrecord =record( Ｒ1) /record( Ｒ2) ，称为关系 Ｒ1 和 Ｒ2 的关系记录比。 定义3 关系数据比 Ｒdata 假设有关系 Ｒ1 和关系 Ｒ2， 那么 Ｒdata = Ｒsize* Ｒrecord， 称为关系 Ｒ1 和 Ｒ2 的关系数据比由于关系 Ｒ1 的记录数和 Ｒ1 的记录数一般情况下是成正比的， 所以可认为: 当Ｒdata ＞ 1 时， 即站点S1 上的数据量大于站点 S2 上的数据量; 当Ｒdata ＜ 1 时， 即站点S1 上的数据量小于站点 S2 上的数据量; 当满足第 2 种情况时，采用一般的半连接方法是比较合适的， 但当满足第 1 种情况的时候， 显然采用一般半连接的传输代价较大 由于连接运算满足交换律， 所以可将传输的内容改为将 Ｒ2从站点 S2 传输到站点 S1， 由此降低了传输代价改进的半连接查询算法过程描述见下表 算法性能比较 假设关系 Ｒ1 和 Ｒ2 的关系结构如下表所示。 根据上表得关系数据比为2，按照改进的半连接查询，计算所需数据如下表所示。 由此可以得出2 种算法的代价 一般半连接查询代价: 22 500 + 7 140 000 = 7 162 500; 改进半连接查询代价: 105 000 + 4 020 000 = 4 125 000; 改进半连接查询算法在数据传输之前，先进行数据关系大小比较( 比较所产生的代价可忽略) ，保证了实际传输数据比较小，从而降低了传输代价。 * *