Optimização de perguntas

1. Optimização de perguntas 1 Processamento de selecções 2 Processamento de junções 3 Manipulação algébrica

2. Parâmetros dos dados • representação de relações em memória: colecção de registos • tuplos empacotados em blocos de disco exclusivos da relação • tuplos dispersos por blocos que contêm tuplos de várias relações, possivelmente associadas • definições para uma relação R • TR : número de tuplos em R • BR : número de blocos capazes de conter R (se estiver empacotada) • TR/BR : número de tuplos por bloco • Sistema de armazenamento com blocos de 1024 bytes • R com TR=1 000 000 de tuplos de 100 bytes cada • BR= 100 000

3. Custo de uma operação • Custo em processamento de dados = número de blocos transferidos (lidos ou escritos) entre a memória secundária e a principal • número de acessos de bloco à memória secundária para percorrer uma relação depende organização física escolhida • min: BR; max: TR ou mais se não se souber que blocos contêm os registos • índices: optimizam selecções • se R possuir índice em A, assume-se que o custo de sA=c(R) é aproximadamente o número de blocos que contenham tuplos com A=c (ignora-se os acessos destinados a ler o próprio índice)

4. Índices • índices agrupadores (clustering) - ex: índices primários (ISAM) • número de tuplos com A=c: N; custo: N*BR/TR • índices não agrupadores - ex: árvore-B usada como índice denso sobre atributos não chave • custo: N, pois só por coincidência dois tuplos estarão no mesmo bloco • tamanho da imagem de um índice num atributo A de R, IR.A, é o número de valores diferentes que A toma em R • assumindo valores equiprováveis, o custo da selecção sA=c(R) é • índice não agrupador: TR/IA • índice agrupador: BR/IA

5. Optimização de selecções • Exemplo do System R • Problema: processar uma pergunta da forma • SELECT A1, …, An FROM R WHERE C1 AND C2 AND …; • Ci’s podem ser disjunções, negações, inclusões, etc., mas não conjunções • Ci casa com um índice sobre A se Ci for da forma A=c; System R tende a usar este índice para obter os tuplos e aplicar em seguida as outras condições • as relações podem estar armazenadas por chave primária ou numa estrutura encaixada

6. Exemplo das Encomendas • BD de Encomendas tem três relações CLIENTES( Cnome, Cmorada, Balanco ) ENCOMENDAS( E#, Data, Cnome ) LINHAS( E#, Item, Quantidade ) • armazenamento encaixado (CLIENTES(ENCOMENDAS(LINHAS)*)*)* • índice em LINHAS.E# é agrupador, apesar de alguns registos de encomendas e de clientes aparecerem pelo meio • índices nos outros atributos de LINHAS e das outras relações são não agrupadores bloco1 bloco2 cliente1 enc1 lin1 lin2 lin3 enc2 lin4 lin5 lin6 lin7 cliente2 enc3 lin8 cliente3 enc4 lin9 lin10 enc5 lin11 lin12 lin13 lin14 lin15 cliente4 enc6 lin16

7. Algoritmo para perguntas simples • abordagem baseada em enumeração de casos, estimação de custos das alternativas viáveis e escolha da mais barata • estratégias • usar um Ci para obter os tuplos e seleccioná-los pelas outras condições • examinar todos os tuplos de R e ver quais satisfazem todas as condições • Algoritmo • entrada: pergunta SQL (da forma indicada acima) e informação sobre índices, valores de T e B e tamanhos das imagens dos índices • saída: forma de computar a resposta à pergunta • método:considerar todas as alternativas indicadas abaixo que sejam viáveis, analisando os vários casos possíveis para cada uma delas; escolher a de menor custo

8. Alternativas a considerar 1 Obter os tuplos de R que satisfaçam uma condição da forma A=c que case com um índice agrupador existente. Custo estimado= B/IA. 2 Usar um índice agrupador num atributo A, tal que uma das condições seja da forma A q c, com q <, <=, > ou >=, para obter os tuplos de R. Custo estimado= B/2. 3 Índice não agrupador que case com A=c. Custo= T/IA. 4 Se a relação estiver armazenada isolada, ler todos os tuplos. Custo= B. 5 Se a relação não estiver isolada, mas existir um índice agrupador (mesmo que não case com nenhum Ci, ler todos os tuplos. Custo=B. 6 Se existir um índice não agrupador sobre A e uma condição A q c, com q <, <=, > ou >=, usar esse índice para obter os tuplos de R. Custo= T/2. 7 Usar um qualquer índice não agrupador para obter os tuplos de R. Custo=T. 8 Percorrer todos os blocos que possam conter tuplos de R. Custo>=T.

9. Exemplo • Relativamente à BD de Encomendas • SELECT E# FROM linhas WHERE quantidade >=5 AND item=‘Broa’; • existe índice agrupador para LINHAS em E# e índices não agrupadores em Item e Quantidade; existem 1000 tuplos de LINHAS com 10 tuplos por bloco; tamanho da imagem de Item é 50 • Estimativa de custos (T=1000, B=T/10=100, I=50) • (1) e (2) não aplicável (3) T/I= 1000/50=20 • (4) não aplicável se relação armazenada com encomendas • (5) B=100 (6) Quantidade>=5: T/2=500 • (7) e (8) custo >T=1000