第6章 数据存储与查询优化[宣讲].pptVIP

6.1.3 记录的存储 数据通常是以记录的形式存储的。 记录又由字段组成。由于字段类型分为定长和变长两种，文件也可分为：定长记录和变长记录两种。 定长记录中，所有的字段都是定长的，只需将所有字段按既定的顺序连续存放，所有字段的地址相对于记录首地址的偏移都可以由计算得到。 * 6.1.3 记录的存储 变长记录中每个字段相对于记录首地址的偏移不固定。 内部格式通常有两种： 用特殊的分割符将记录的各字段分开。 在记录首部存储各个字段的偏移量。 * 块格式 * 数据文件的重整 * 超长记录和记录的跨块存储 跨块存储提高了磁盘空间的利用率。 跨块存储的记录分布于不同的块中，在物理上不连续，需要用一个链表维护同一记录的不同部分。 * 6.1.4 文件组织方式 在DBMS中常用的文件组织方式有： 堆文件：记录间没有次序关系，新加入的记录可以存储在文件中任何有空间的地方。 顺序文件：记录按搜索键排序。 哈希文件：对记录的某些字段进行哈希运算，运算的结果决定记录存储在文件中的哪一块。 聚集文件：将同种类或相关的来自于不同关系的记录存放在同一块中，以减少同时获取这些记录的I/O操作。 * 6.2 索引 从理论上来说，只要记录被正确地存储于书记文件中，DBMS就可以正常工作；但实际上，单纯依赖数据文件处理查询有时效率非常低。 索引是一个表或数据结构，用于确定文件中满足某些条件的行（记录）的位置。 索引键（索引字段） B+树索引、哈希索引 * 6.3 查询处理过程 查询处理过程包括三步：语法分析、查询优化、执行。 查询总代价=I/O代价+CPU代价+内存代价 +通信代价（分布式数据库） * 例：求选修了课程C2的学生姓名。其SQL语句： SELECT S.Sname FROM S,SC WHERE S.Sno=SC.Sno AND SC.Cno=‘C2’; 假定学生－课程数据库中有1000个学生记录，10000个选课记录，其中选修C2课程的选课记录为50个。 系统可用多种等价的关系代数表达式来完成这一查询： Q1= πSname(σS.Sno=SC.Sno∧SC.Cno=‘C2’（S×SC） ) Q2= πSname (σSC.Cno=‘C2’（S∞SC） ) Q3= πSname (S∞σSC.Cno=‘C2’（SC） ) 一个实例 * Q1= πSN(σS.S#=SC.S#∧SC.C#=‘C2’（S×SC)) 1、计算广义笛卡儿积 设一个块能装10个S元组或100个SC元组，在内存中存放5块S元组1块SC元组，则读取总块数为： 1000/10＋10000/100 ×(1000/10)/5＝2100块 其中读S表100块，读SC表20遍，每遍100块，若每秒读20块，则总计要花105秒。 连接以后的元组数为1000×10000，设每块能装10个元组，则写出这些块要花106/20＝5×104秒。 E1xE2代价估计主要是从磁盘读块和中间结果写盘的时间考虑，而对主存中数据的处理时间忽略不计。 E1xE2读块总数=E1的块数+E2的块数×读E2的遍数 * 2、作选择操作 依次读入连接后的元组，按照选择条件选取满足要求的记录，假定内存处理时间忽略。 这一步读取中间文件花费的时间需5×104秒(同写中间文件一样)。满足条件的元组假设仅50个，均可放在内存。 3、作投影操作 把第2步的结果在SN上作投影输出，得到最终结果。 内存操作，忽略。 Q1的查询代价 ≈ 2×(5×104)＋105 ≈ 105秒 Q1= πSname(σS.Sno=SC.Sno∧SC.Cno=‘C2’（S×SC)) * 1、计算自然连接 读取S和SC表的策略不变，总的读取块数仍为2100块花费105秒； 但自然连接的结果比第一种情况大大减少，为10000个； 平均每人选10门课，故写出这些元组时间104/10/20＝50秒。 2、读取中间文件块，执行选择运算 花费时间也为50秒。 3、把连接结果投影输出 Q2的查询代价 ≈105＋50＋50 ≈205秒 Q2= πSname(σSC.Cno=‘C2’（S∞SC） ) * 1、先对SC表作选择运算 只需读一遍SC表，存取10000/100块，花费时间为5秒。 满足条件的元组仅50个，存在内存中。 2、读取S表 把读入的S元组和内存中的SC元组作自然连接，也只需读一遍S表共1000/10块，花费时间为5秒。 3、把连接结果投影输出。 Q3的查询代价 ≈ 5＋5 ≈10秒 Q3= πSname(S∞σSC.Cno=‘C2’（SC） ) * 查询代价的比较 Q3的进一步优化 若SC上有Cno索引，则选择操作只需读取50个元组。 若S上有Sno索引，则连接操作也不一定要读取所有1000个元组。