1 <?xml version="1.0" encoding="utf-8" ?>
2 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN"
3 "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"
5 <!ENTITY in "<small style='font-size:small'>∈</small>">
6 <!ENTITY notin "<small style='font-size:small'>∉</small>">
11 <html xmlns="http://www.w3.org/1999/xhtml" >
13 <title>Optimisation des opérateurs</title>
15 <meta http-equiv="Content-Type"
16 content="text/html; charset=utf-8" />
17 <meta name="copyright"
18 content="Copyright © 2013 Kim Nguyễn" />
21 <script src="../jquery-2.0.3.min.js" type="text/javascript" ></script>
22 <script src="../libs/raphael-min.js" type="text/javascript" ></script>
23 <!-- Load the library -->
24 <script src="../simpleWebSlides.js" type="text/javascript" ></script>
26 <link rel="stylesheet" href="../simpleWebSlides.css" type="text/css" media="all" />
27 <!-- Load a custom Theme, the class-element marks this style-sheet
28 a "theme" that can be swtiched dynamicaly -->
29 <link class="sws-theme" rel="stylesheet" title="U-Psud style" href="../themes/uPsud.css" type="text/css" />
31 <!-- Customize some templates and initialize -->
33 <script type="text/javascript">
34 SWS.Config['sws-slide-change'] = SWS.Effects.slideChangeFadeOutIn;
35 SWS.Config['sws-object-deactivate'] = SWS.Effects.objectDeactivateFadeOut;
36 SWS.Config['sws-object-activate'] = SWS.Effects.objectActivateFadeIn;
38 //Ensures that we load SWS at the very end, after MathJax has
41 $(window).load(SWS.Presentation.init);
45 <a href="bd03.xhtml" class="sws-previous"/>
46 <div class="sws-slide sws-cover sws-option-nofooter">
47 <h1>Bases de données</h1>
48 <h3>Polytech Paris-Sud</h3>
49 <h3>Apprentis 4<sup>ème</sup> année</h3>
50 <h1>Cours 4 : Optimisation des opérateurs</h1>
51 <a href="mailto:kn@lri.fr">kn@lri.fr</a><br/>
52 <a href="http://www.lri.fr/~kn/">http://www.lri.fr/~kn</a>
56 <div class="sws-slide">
57 <h1>Principe d'évaluation d'une requête</h1>
59 <li><i>Parsing</i> de la requête</li>
60 <li>Traduction en arbre
61 d'opérateurs de l'algèbre
62 relationnelle <span class="sws-onframe-1-3"><em>(π,
63 σ, ⨝, … )</em></span></li>
66 <li>Génération de <em>plans
67 d'évaluation</em> <span class="sws-onframe-2-3">(en
68 réordonnant les <em> opérations élémentaires</em>)</span></li>
69 <li>Estimation du <em>coût</em> de chacun des
70 plans <span class="sws-onframe-3-3">(en fonction du <em>coût
71 des opérations élémentaires</em>)</span></li>
72 <li>Choix du plan le plus <em>efficace</em></li>
75 <li>Évaluation du plan choisi</li>
76 <li>(Éventuellement mise à jour des statistiques)</li>
78 <p>Avant de s'intéresser à l'évaluation complète d'une requête,
79 on étudie l'évaluation des opérateurs et leur coût respectifs</p>
81 <h1>Algorithmes de jointure</h1>
82 <div class="sws-slide">
83 <h1>Jointure naturelle sur une colonne</h1>
84 <p>Considérons :</p><code> SELECT *
86 WHERE people.pid = role.pid;
88 <p>Opéreeation <em>fondamentale</em> utilisée
89 par <em>toutes</em> les applications BD.<br/>
90 L'AR nous dit que <tt>R &join; S = σ<sub>=</sub>(R x
91 T)</tt>, mais c'est <s>très inefficace</s>, on veut optimiser ce cas!
93 <p>On suppose dans la suite M enregistrements dans R,
94 P<sub>R</sub> enregistrements/page, N enregistrement dans S,
95 P<sub>S</sub> enregistrements/page.
97 <p>On pose pour les exemples: M=1000, N=500, P<sub>R</sub>=120, P<sub>S</sub>=100</p>
98 <p>L'attribut commun est <tt>a</tt>.</p>
99 <p>Le coût est toujours le nombre d'E/S (en ignorant l'écriture
102 <div class="sws-slide">
103 <h1>Jointure itérative simple</h1>
104 <p>On effectue une double boucle imbriquée:</p>
106 for each record <em>r ∈ R</em> do
107 for each record <em>s ∈ S</em> do
108 if <em>r.a = s.a</em> then res += <em>r &join; s</em> #jointure élémentaire de
109 done #2 enregistrements
112 <p>Pour chaque <s>enregistrement</s> de la relation externe (R) on
113 scanne entièrement la relation interne (S)</p>
114 <p>Coût: <em>M + P<sub>R</sub> * M * N</em><br/>
115 Exemple: 1000 + 120*1000*500 = 60 001 000 E/S!</p>
117 <div class="sws-slide">
118 <h1>Jointure itérative page à page</h1>
119 <p>On effectue une double boucle imbriquée:</p>
121 for each page <em>P ∈ R</em> do
122 for each page <em>Q ∈ S</em> do
123 res += <em>P &join; Q</em> #jointure entre 2 pages
124 done # peut être faite de manière simple
127 <p>Pour chaque <em>page</em> de la relation externe (R) on
128 scanne entièrement la relation interne (S)</p>
129 <p>Coût: <em>M + M * N</em><br/>
130 Exemple: 1000 + 1000*500 = 501 000 E/S!<br/>
131 Optimisation: mettre la relation la plus petite à
133 500 + 500*1000 = 500 500
136 <div class="sws-slide">
137 <h1>Jointure itérative avec index</h1>
138 <p>On effectue une double boucle imbriquée:</p>
140 for each record <em>r ∈ R</em> do
141 for each record <em>s ∈ S where r.a = s.a</em> do
142 #l'index doit permettre un accès rapide à la colonne a
143 res += <em>r &join; s</em>
147 <p>On exploite l'existence d'un index sur l'une des relation pour
148 en faire la relation interne.</p>
149 <p>Coût: <em>M + P<sub>R</sub> * M * (coût d'accès index + coût
150 index ↦ données)</em><br/>
151 Plusieurs variantes: B+-tree/Hash-index, groupant/non-groupant,…
154 <div class="sws-slide">
155 <h1>Jointure par bloc (avec pages bufferisées)</h1>
156 <p>On exploite le <i>buffer</i> (de taille B+2 pages, B = 10) de la
157 manière suivante:</p>
159 <li> 1 page du <i>buffer</i> pour l'écriture du résultat</li>
160 <li> 1 page du <i>buffer</i> pour la relation interne (S)</li>
161 <li> B pages du <i>buffer</i> pour la relation externe</li>
164 for each block <em>b of size B ∈ R</em> do
165 for each page <em>Q ∈ S </em> do
166 res += <em>b &join; Q</em> #en utilisant la méthode simple
170 <p>Coût: <em>M + N * ⌈M/B⌉</em><br/>
171 Exemple: 1000 + 500 * 1000/10 = 51 000<br/>
172 Variante: blocs sur R et S
176 <div class="sws-slide">
177 <h1>Jointure par tri-fusion 1/2</h1>
178 <p>Idée: « l'intersection » de deux listes est aisée si les deux
179 listes sont triées</p>
180 <code> <em>sort R on a as Rs</em>
181 <em>sort S on a as Ss</em>
182 r := Rs.next(); #On suppose R et S non vides
183 s := Ss.next(); #Sinon jointure vide directement
184 while Rs and Ss are not empty do
185 while r.a != s.a do <s>#avance jusqu'à trouver la même valeur</s>
186 while <em>r.a < s.a</em> do
187 if Rs.hasNext() then r:= Rs.next() else finished
189 while <em>s.a < r.a</em> do
190 if Ss.hasNext() then s:= Ss.next() else finished
193 val := r.a <s>#on prend la liste des enregistrements
194 #ayant la même valeur d'attribut de jointure</s>
196 while r.a = val do P += r; r:= Rs.next() done
197 while s.a = val do Q += s; s:= Ss.next() done
198 res += <em>P &join; Q</em>
202 <div class="sws-slide">
203 <h1>Jointure par tri & fusion 2/2</h1>
204 <p>Coût: M·log<sub>2</sub> M + N·log<sub>2</sub> N + M + N<br/>
205 Exemple: 1000* (1+log<sub>2</sub> 1000) + 500 *
206 (1+log<sub>2</sub> 500) = 15492
208 <p>Le tri n'est pas toujours nécessaire:</p>
210 <li>si on a un index de type B+-tree sur l'attribut de
211 jointure (pour l'une des relations)</li>
212 <li>si R ou S (ou les deux) sont déjà le résultat de tris
213 (<tt>ORDER BY</tt>)</li>
216 <div class="sws-slide">
217 <h1>Jointure par hachage</h1>
218 <p>On choisit une fonction de hachage <tt>h</tt> et on
219 partitionne R selon <tt>h(r.a)</tt> pour obtenir K partitions</p>
221 partitionne S selon <tt>h(s.a)</tt> pour obtenir K
223 <p style="text-align:center"><img style="width:60%"
224 src="hash_join.svg"/></p>
225 <p>K choisi en fonction de la taille du <i>buffer</i><br/>
226 Coût: 2(M+N) + M+N (pourquoi ?)</p>
228 <div class="sws-slide">
229 <h1>Jointures généralisées</h1>
231 <li>Égalité sur plusieurs attributs (<tt>R.a = S.a AND R.b =
234 <li>Jointure itérative par index: on peut créer un index
235 pour S sur (a,b) ou utiliser des indexes existants sur l'un
237 <li>On peut aussi utiliser jointure par tri-fusion et
238 hachage en utilisant (a,b) comme clé de tri/hachage</li>
241 <li>conditions d'inégalité:
243 <li> Pour les jointures par index, il faut un arbre
244 B+ <em>groupant</em> (sinon surcout pour aller chercher les
247 <li>Jointure par tri-fusion et hachage impossible</li>
248 <li>Jointure itérative par bloc est la meilleure option en général</li>
253 <h1>Autres opérateurs</h1>
254 <div class="sws-slide">
256 <p><em>Taux de sélectivité</em> d'une condition φ (ou d'une
257 requête) pour une relation donnée:</p>
258 <p style="text-align:center"> <span style="border-bottom-style: solid;
259 border-width: 1pt ; border-color:black;"><tt># d'enregistrement
260 sélectionnés</tt></span><br/>
261 <tt>#d'enregistrements</tt></p>
262 <p>Le choix de certains algorithmes dépend de la
264 <p>On ne connait la « vraie » valeur de la
265 sélectivité <em>qu'après</em> avoir évalué la requête</p>
266 <p>On utilise des statistiques sur les relations pour tenter une
267 <em>approximation</em> du taux de sélectivité</p>
269 <div class="sws-slide">
270 <h1>Statistiques sur les relations </h1>
271 <p>Le SGBD concerve, entre autres, les statistiques
272 suivantes pour chaque relations R:</p>
273 <ul><li>Nombre d'enregistrements (<tt>N</tt>), taille d'un
274 enregistrement, nombre d'attributs/page (<tt>P</tt>)</li>
275 <li>Nombre de pages de la relation (les pages ne sont pas
276 toutes remplies de manière optimale)</li>
277 <li><tt>V(a)</tt> : nombre de valeurs distinctes pour l'attribut <tt>a</tt>
278 (dans la relation R)</li>
279 <li>Estimation de selectivité pour l'attribut <tt>a</tt>: <tt>V(a)/N</tt></li>
280 <li>Profondeur pour les arbres B+</li>
281 <li>Nombre de page pour les feuilles d'un arbre B+</li>
282 <li>Nombre de valeurs distinctes pour la clé de recherche d'un index</li>
285 <div class="sws-slide">
287 <p>Sélection simple, égalité avec une constante : Scan ou
288 Index (si groupant)</p>
289 <p>Sélection simple avec index non groupant : Index + <em>tri des
290 adresses de pages</em>, parcours ordonné. Très efficace si
291 l'ensemble des adresses à trier tiens en mémoire</p>
292 <p>Sélection généralisés, deux approches:</p>
294 <li>On choisit une sous-condition (qui concerne le moins de
295 pages = la plus sélective) et on applique les autres
296 sous-conditions au résultat intermédiaire</li>
297 <li>Si on a deux sous-conditions « <tt>AND</tt> » avec 2 indexes (types 2 ou 3)
298 séparés, calcul des ensembles de <tt>rid</tt> et intersection
299 des résultats. On applique ensuite les autres critères.
303 <div class="sws-slide">
304 <h1>Résultat trié/élimination des doublons</h1>
305 <p>Plusieurs techniques :</p>
307 <li>Utilisation d'un index (type B+-tree) si groupant ou si
308 coût d'accès au données « raisonnable » (résultat dans l'index
309 ou peu de résultats + accès aux données) </li>
310 <li>Utilisation d'un tri explicite après calcul des résultats
311 (+ élimination des doublons durant la phase de tri)
315 <div class="sws-slide">
317 <p>On parle ici de la projection, <em>π</em> de l'algèbre
318 relationnelle, donc avec élimination des doublons : </p>
319 <code> SELECT <em>DISTINCT</em> a,b FROM t </code>
322 <li>Si index sur <tt>(a,b)</tt> disponible, utilisation
323 directe de l'index</li>
324 <li>Sinon tri et projection durant la phase de tri</li>
325 <li>Double partitionnement par hachage</li>
328 <div class="sws-slide">
329 <h1>Double partitionnement</h1>
330 <p>Repose sur l'utilisation de <em>deux</em> fonctions de hachage
331 <tt>h</tt> et <tt>g</tt> <s>distinctes</s></p>
333 <li>On partitionne R en K partitions en
334 utilisant <tt>h</tt></li>
335 <li>En suite pour chaque partition entre 1 et K, on crée une
336 table de hachage en mémoire (avec <tt>g</tt> comme fonction)
337 pour pour éliminer les doublons de la partition</li>
339 <p style="text-align:center;"><img src="hash_partition.svg"/></p>
340 <p>Permet d'effectuer « <tt>DISTINCT</tt>» sans tri! </p>
342 <div class="sws-slide">
343 <h1>Opérations ensemblistes</h1>
345 <li>Intersection et produit cartésien: cas dégénérés de
346 jointure (comment?)</li>
347 <li><tt>UNION DISTINCT</tt> et <tt>EXCEPT</tt> sont
348 similaires. 2 approches:
349 <ol> <li>Par tri. On tri les deux relations sur tous les
350 attributs et on fusionne en éliminant les doublons. Résultat
352 <li>Par hachage. Technique du double partitionnement. On
353 partitionne R et S avec <tt>h</tt>. Pour chaque partition
354 de S et R, on ajoute les éléments dans une table H, en
355 éliminant les doublons</li>
360 <div class="sws-slide">
361 <h1>Opérations d'agrégat</h1>
363 <li>Sans <tt>GROUP BY</tt>:
364 <ul><li>En général, il faut faire un scan de la
366 <li>Si les attributs agrégés sont dans un index, on peut
367 faire un scan d'index uniquement (en espérant que l'index
368 est plus petit)</li></ul>
370 <li>Avec <tt>GROUP BY</tt>: identique au cas sans <tt>GROUP
371 BY</tt> mais tri préalable pour déterminer les groupes, et
372 scan « groupe par groupe » pour calculer la fonction
377 <div class="sws-slide">
379 <p>L'algèbre relationnelle <em>est simple</em> (quelques opérateurs pour
380 exprimer l'ensemble des requêtes)</p>
381 <p>Chaque opérateur peut être réalisé de <em>plusieurs manières</em>
382 différentes, avec <em>différents compromis</em></p>
383 <p>Tout celà est encore complexifié quand on considère les
384 <em>compositions d'opérateurs</em> (prochain cours)</p>
385 <p>Tout est encore plus complexifié si on considère que le SGBD
386 gère plusieurs requêtes en parallèle (hors programme)</p>
387 <p>En pratique, <em>une part importante</em> du moteur de
388 requête des SGBD est l'implantation <em>d'heuristiques</em> pour
389 faire les meilleurs choix (ou plutôt, les moins pires).</p>