内存数据库中的索引技术.pdf

内存数据库中的索引技术 引言 传统的数据库管理系统把所有数据都放在磁盘上进行管理，所以称作磁盘数据库（DRDB: Disk-ResidentDatabase）。磁盘数据库需要频繁地访问磁盘来进行数据的操作，磁盘的读写速度远 远小于CPU处理数据的速度，所以磁盘数据库的瓶颈出现在磁盘读写上。 基于此，内存数据库的概念被提出来了。内存数据库(MMDB:MainMemoryDatabase，也叫主存数 据库)[1]，就是将数据全部或者大部分放在内存中进行操作的数据库管理系统，对查询处理、并发控 制与恢复的算法和数据结构进行重新设计，以更有效地使用CPU周期和内存。相对于磁盘，内存的数 据读写速度要高出几个数量级，将数据保存在内存中相比从磁盘上访问能够极大地提高应用的性能。 近十几年来，内存的发展一直遵循摩尔定律[2]，内存的价格一直下降，而内存的容量一直在增 加。现在的主流服务器，几百GB或者几TB 的内存都很常见，内存的发展使得内存数据库得以实现。 由于内存数据库与传统的磁盘数据库在设计和架构上都大不相同，所以传统的数据库索引不适用 于内存数据库。研究者为改进内存数据库的索引结构做了相当多的研究跟工作。其中，影响较大的索 引有早期的T树、基于缓存敏感(cacheconscious)的CSS/CSB+树，Trie-tree和Hash等等。本文就 这几种有代表性的索引算法进行研究和分析，为进一步改进内存数据库索引算法和提高索引性能打下 坚实的基础。 2、T-tree 2.1 T-tree T-tree是针对主存访问优化的索引技术[3]。T-tree是一种一个节点中包含多个索引条目的平衡 二叉树，T-tree 的索引项无论是从大小还是算法上都比B-tree精简得多。T-tree 的搜索算法不分搜 索的值在当前的节点还是在内存中的其他地方，每访问到一个新的索引节点，索引的范围减少一半。 图2-1T-Tree的结点 T-tree索引用来实现关键字的范围查询。T-tree是一棵特殊平衡的二叉树 （AVL），它的每个节 点存储了按键值排序的一组关键字。T-tree 除了较高的节点空间占有率，遍历一棵树的查找算法在 复杂程度和执行时间上也占有优势。现在T-tree 己经成为内存数据库中最主要的一种索引方式。 T-tree具有以下特点：1）左子树与右子树之差不超过1，2）在一个存储节点可以保存多个键值， 它的最左与最右键值分别为这个节点的最小与最大键值，它的左子树仅仅包含那些键值小于或等于最 小键值的一记录，同理右子树只包括那些键值大于或等于最大键值的记录，3）同时拥有左右子树的 节点被称为内部节点，只拥有一个子树的节点被称为半叶节点，没有子树的节点被称为叶子，4）为 了保持空间的利用率，每一个内部节点都需要包含一个最小数目的键值。由此可知T-tree是一个每 个结点含有多个关键字的平衡二叉树，每个节点内的关键字有序排列，左子树都要比根节点关键字小， 右子树都要比根节点关键字大。 在上述T-tree结点结构中，包含如下信息: (1)balance(平衡因子)，其绝对值不大于1，balance=右子树高度-左子树高度； (2)Left_child_ptr和Right_child_ptr分别表示当前结点的左子树和右子树指针； (3)Max_Item表示结点中所能容纳的键值的最大数； (4)Key[0]至K[Max_Item-1]为结点内存放的关键字； (5)nItem是当前节点实际存储的关键字个数。 对于T-tree有如下特征： (1)与AVL树相似，T-tree 中任何结点的左右子树的高度之差最大为1； (2)与AVL树不同，T-tree 的结点中可存储多个键值，并且这些键值排列有序； (3)T-tree结点的左子树中容纳的键值不大于该结点中的最左键值；右子树中容纳的键值不小于 该结点中的最右键值； (4)为了保证每个结点具有较高的空间占用率，每个内部结点所包含的键值数目必须不小于某个 指定的值，通常为(Max_Item-2)(Max_Item为结点中最大键值目)。 2.2 T-tree索引的操作 用T-tree作为索引方式主要完成三个工作：查找，插入，删除。其中插入和删除都是以查找为 基础。下面分别介绍三种操作的流程。 2.2.1 查找 T-tre