对于连接运算.PPT

R为外关系（outer relation）, S为内关系（inner relation）。 事实上，关系是以物理块为单位取到内存，设R和S各有一缓冲块， PR为R的块因子（每块中所含的元组数）。则R每次I/O取PR个元组，可改进上述算法，使S扫描一次可以与R的PR个元组比较，那么S的扫描次数为bR=[n/PR] 。 R S 物理块 物理块 假设，bR和bS分别为关系R和关系S占用物理块的数目(bR=[n/PR])，nB为可供连接使用的缓冲块数。若将其中的nB-1块作为外关系缓冲块，1块作为内关系缓冲块。 则以R为外关系、S为内关系，用嵌套循环法进行连接所需访问的物理块数为bR+[bR/(nB-1)]*bS，对应最小I/O值。 问题：增加外关系R的缓冲块（每次多取几块R的数据）或增加内关系S的缓冲块都能减少I/O次数。 为什么将nB-1块作为外关系缓冲块，1块作为内关系缓冲块，是最优分配策略？ 问题：嵌套循环法进行连接操作，以R为外关系、S为内关系;还是以S为外关系、R为内关系所需I/O次数更少？作为外层循环的关系，有什么要求？ 应将占用物理块少的关系，作为外关系！ 2).利用索引或散列寻找匹配元组法 在嵌套循环法中，内关系上要做多次顺序扫描，若内关系上有合适的存取路径（连接属性上的索引散列等），可以避免内关系上的顺序扫描，以减少I/O次数。 问题：若在内关系的连接属性上建有索引？是否一定能够提高内关系和外关系的匹配效率？ 当每次循环所选的匹配元组数在内关系中占有较大比例（例如超过15%）时，用无序索引甚至还不如用顺序扫描的方法。内关系的连接属性上有簇集索引时，索引对减少连接所需I/O次数的作用最明显。 3).排序归并 如果R和S按连接属性排序，可按序比较R.A和S.B以找出匹配元组。 跳过 ? R.A 2 S.B 1 3 2 3 3 5 3 7 6 8 7 跳过 跳过 算法： R按属性A排序 /*设R有n个元组*/ S按属性B排序 /*设S有m个元组*/ i?1,j?1; While(i?n)and(j ?m) do{if R(i)[A]S(j)[B] then j?j+1 else if R(i)[A]S(j)[B] then i?i+1 else{ /* R(i)[A]=S(j)[B]，输出连接元组*/ 输出 R(i),S(j) 至T; /*输出R(i)和S中除S(j)外的其他元组所组成的连接元组 */ l?j+1; While(l?m) and (R(i)[A]=S(l)[B]) do{输出 R(i),S(l) 至T; l?l+1;} /*输出S(j)和R中除R(i)外的其他元组所组成的连接元组 */ k?i+1; While(k?n) and (R(k)[A]=S(j)[B]) do{输出 R(k),S(j) 至T; k?k+1;} i?i+1,j?j+1;} } 问题：等值匹配对使用排序归并法进行连接操作的效率有什么影响？ p个 q个 R.A 2 S.B 2 2 2 2 2 2 2 . . . . . . 注意等值的扫描次数（假设p?q）： [1+(q-1)+(p-1)]+[1+(q-2)+(p-2)]+… +[1+(q-p)+(p-p)] =[(p+q-1)+(p+q-2q+1)]/2*p =p*q ? O(pq) 4).散列连接法 连接属性R.A和S.B应具有相同的值域，用相同的散列函数，把R和S散列到同一散列文件中。符合连接条件的元组必然在同一通中（注意：同一桶中的元组未必都满足连接条件）。只需把桶中的匹配元组取出即可获得连接结果。 关键在于建立一个供连接用的散列文件。 可以在桶（散列文件）中不填入R、S的实际元组，而是代之以元组的tid，从而大大的缩小散列文件，使其有可能在内存中建立，而仅需对R、S各扫描一次。 建立散列文件需要对R、S各扫描一次，且关系R和S一般不会对连接属性进行簇集。故而，每向散列文件加入一个元组，都需要一次I/O操作。 如何减少I/O次数?