ine 5336 banco de dados ii

INE 5336Banco de Dados II

Ronaldo S. Mello2007/2

http://www.inf.ufsc.br/~ronaldo/ine5336

Horário Atendimento:Quintas-feiras, das 17h30 às 19h

UFSC-CTC-INE

Curso de Ciência de Computação

Programa da Disciplina

• Objetivo

• Conteúdo

• Avaliação

• Bibliografia

• Cronograma (Previsto) de Aulas

Objetivo Esta disciplina apresenta técnicas de

gerenciamento interno de dados utilizados por um SGBD para processamento de consultas e controle de transações, além de conceitos básicos de BD Distribuído (BDD) e SQL embutida. Ao final da disciplina, o aluno deverá ser capaz de entender e avaliar os mecanismos de gerenciamento de SGBDs; conhecer os fundamentos de um BDD e ser capaz de utilizar instruções de SQL embutida.

Conteúdo1. Processamento de Consultas

i. Etapas

ii. Otimização Algébrica

iii. Plano de Execução

2. Gerência de Transaçõesi. Introdução a Transações

ii. Recuperação de Falhas (recovery)

iii. Controle de Concorrência (scheduler)

3. SQL Embutida

4. Fundamentos de BDs Distribuídosi. Conceitos e Arquiteturas

ii. Noções de Projeto de BDD

iii. Processamento de Consultas

iv. Gerência de Transações

Avaliação

• 3 Provas: P1, P2 e P3;• 1 Trabalho de Implementação (Ti).

Conteúdo da P1: processamento de consultas;Conteúdo da P2: gerência de transações;Conteúdo da P3: SQL embutida e BDD.

Nota Final (NF) = (P1 + P2 + P3 + Ti) / 4

Recuperação: prova abrangendo todo o conteúdo ministrado na disciplina (PR). Aplica-se somente a alunos com 3.0 <= NF < 5.75 e nota Ti > 0. A nova nota final (NNF) será NNF = (NF + PR) / 2.

Bibliografia Principal1. Elmasri, R.; Navathe S. B. Sistemas de Banco de

Dados. 4a edição. Editora Addison-Wesley. 2005.(em inglês: Elmasri, R.; Navathe S. B. Fundamentals of

Database Systems. 4th ed. Addison-Wesley. 2003).2. Korth, H. F.; Sudarshan, S; Silberschatz, A. Sistema

de Banco de Dados. 5a edição. Editora Campus, 2006. 3. Ramakrishnan, R., Gehrke, J. Database Management

Systems. 3th ed. McGraw Hill. 2003.4. Date, C. J. Introdução a Sistemas de Bancos de

Dados. 8a edição. Editora Campus, 2004.5. Özsu, M.; Valduriez, P. Princípios de Sistemas de

Banco de Dados Distribuídos. 2a ed. Editora Campus, 2001.

6. Bernstein, P. A.; Hadzilacos, V.; Goodman, N. Concurrency Control and Recovery in Database Systems. Addison-Wesley, 1987.

Cronograma (Previsto) de Aulas

Data Conteúdo

6/ago apresentação;etapas processamento consultas

8/ago otimização algébrica

13/ago IRI 2007 (sem aula)

15/ago IRI 2007 (sem aula)

20/ago otimização algébrica

22/ago plano execução



3/set DEXA 2007 (sem aula)

5/set DEXA 2007 (sem aula)

10/set plano execução

12/set plano execução

17/set PROVA 1

19/set introdução a transações; recovery

24/set recovery

26/set recovery

1/out recovery

3/out scheduler

8/out scheduler

10/out scheduler

15/out SBBD 2007 (sem aula)

17/out SBBD 2007 (sem aula)

22/out scheduler

Data Conteúdo

24/out scheduler

29/out PROVA 2

31/out SQL embutida

5/nov SECCOM (sem aula)

7/nov SECCOM (sem aula)

12/nov SQL embutida; BDD

14/nov BDD

19/nov BDD

21/nov BDD

26/nov PROVA 3

28/nov APRESENTAÇÃO TRABALHOS

3/dez Divulgação Notas

5/dez RECUPERAÇÃO

Sumário

1 Processamento de Consultas

2 Introdução a Transações

3 Recuperação de Falhas

4 Controle de Concorrência

5 SQL Embutida

6 Banco de Dados Distribuído

Processamento de Consultas• Extração de informações do BD• Consulta SQL

– adequada para uso humano– não adequada para processamento pelo SGBD

• não descreve uma seqüência de passos (procedimento) a ser seguida

• não descreve uma estratégia eficiente para a implementação de cada passo no que diz respeito ao acesso a nível físico (arquivos do BD)

• O SGBD deve se preocupar com este processamento!– módulo Processador de Consultas

Módulo Processador de Consultas• Objetivo

– otimização do processamento de uma consulta• tradução, transformação e geração de uma estratégia

(plano) de acesso• plano de acesso

– leva em conta: (i) algoritmos predefinidos para implementação de passos do processamento; (ii) estimativas sobre os dados

• Vale a pena todo este esforço? Sim!– Tx = tempo para definir e executar uma estratégia

otimizada de processamento

– Ty = tempo para executar uma estratégia não-otimizada de processamento

– Quase sempre: Tx Ty

Etapas de Processamento

Tradução

Transformação

Definição do Plano de Execução

Consulta em linguagem de alto nível

(consulta SQL, p. ex.)

Representação interna(árvore algébrica da consulta)

Representação transformada(árvore otimizada algebricamente)

Plano de Execução(árvore com indicação de

estratégias de acesso)

Processador Run-time

Gerador de Código

Código de Execução

Resultado da Consulta


Tradução

Transformação









Gerador de Código



• análise léxica - cláusulas SQL e nomes válidos• análise sintática - validação da gramática• análise semântica - nomes usados de acordo com a estrutura do esquema• conversão para uma árvore algébrica

da consulta

Árvore (Algébrica) da Consulta• Estrutura que representa o mapeamento da

consulta para a álgebra relacional– uma expressão da álgebra relacional “estendida”

• pode indicar alguma computação (função agregação, atributo calculado, ...)

– nodos folha: relações (do BD ou resultados intermediários)

– nodos internos: operações da álgebra

• Processamento da árvore– nodos internos são executados quando seus operandos

estão disponíveis– são substituídos pela relação resultante– a execução termina quando o nodo raiz é executado

Exemplo de Árvore da Consulta

select m.CRM, m.nome, a.número, a.andarfrom Médicos m, Ambulatórios awhere m.especialidade = ‘ortopedia’and a.andar = 2and m.número = a.número

Médicos Ambulatórios

X

m.especialidade = ‘ortopedia’

a.andar = 2

m.número = a.número

m.CRM, m.nome,

a.número, a.andar


Tradução

Transformação









Gerador de Código



• definição de uma árvore de consulta equivalente

- chega ao mesmo resultado- processa de forma mais eficiente

• também chamada de Otimização Algébrica

Exemplo de Árvore Equivalente


X

m.especialidade = ‘ortopedia’

a.andar = 2


m.CRM, m.nome,

a.número, a.andar


X


m.CRM, m.nome,

a.número, a.andar

m.especialidade

= ‘ortopedia’

a.andar = 2


Tradução

Transformação









Gerador de Código



análise de alternativas de definição de estratégias de acesso

- escolha de algoritmos para implementação de operações- existência de índices- estimativas sobre os dados (tamanho de tabelas, seletividade, ...)

Exemplo de Plano de Execução


X


m.CRM, m.nome,

a.número, a.andar

m.especialidade

= ‘ortopedia’

a.andar = 2 (pesquisa linear)

(pesquisa indexada)

(loop-aninhado)

(processamento pipeline)


Tradução

Transformação









Gerador de Código




Tradução

Transformação









Gerador de Código



FOCO:OTIMIZADOR DE

CONSULTA

Otimização Algébrica

• Objetivo do passo de Transformação– entrada: árvore da consulta inicial– saída: árvore da consulta otimizada (pode manter

a mesma árvore)

• Base– regras de equivalência algébrica

• devem ser conhecidas pelo otimizador para que possam ser geradas transformações válidas

– algoritmo de otimização algébrica• indica a ordem de aplicação das regras e de outros

processamentos de otimização

Regras de Equivalência Algébrica

1. Cascata de Seleções

c1 c2 ... cn (R) c1 (c2 (... (cn (R))))

2. Comutatividade de Seleções

c1 (c2 (R)) c2 (c1 (R))

3. Cascata de Projeções

listaAtributos1 (R) listaAtributos1 (listaAtributos2 (...(listaAtributosN (R))))

- válido em que situação?


4. Comutatividade de Seleções e Projeções

(a) a1, a2 , ..., an (c (R)) c (a1, a2 , ..., an (R)) ou

(b) a1, a2 , ..., an (c (R)) c (a1, a2 , ..., an, ap, ..., at (R))

- válidas em quais situações?

5. Comutatividade de Operações Produtórias (“X”)

R “X” S S “X” R

- por “X” entenda-se: X ou X ou

- a ordem dos atributos e tuplas do resultado não é relevante

Regras de Equivalência Algébrica6. Comutatividade de Seleções e Operações Produtórias

(a) c (R “X” S) (c (R)) “X” S ou

(b) c (R “X” S) (c1 (R)) “X” (c2 (S)) - válidas em quais situações?

7. Comutatividade de Projeções e Operações Produtórias

(a) listaAtributos1 (R “X” S) (listaAtributos2 (R)) “X” S ou

(b) listaAtributos1 (R “X” S) (listaAtributos2 (R)) “X” (listaAtributos3 (S)) ou

(c) listaAtributos1 (R “X” S) listaAtributos1 ((listaAtributos2 (R)) “X”

(listaAtributos3 (S)))- válidas em quais situações?


8. Comutatividade de Operações de Conjunto

R S S R e

R S S R

- por quê a “” não é comutativa?

9. Associatividade de Operações Produtórias e de Conjunto (“X”)

(R “X” S) “X” T R “X” (S “X” T)

- por “X” entenda-se: X ou X ou ou ou - por quê a “” não é associativa?


9. Associatividade de Operações Produtórias e de Conjunto (“X”)

(R “X” S) “X” T R “X” (S “X” T)

Observação: predicados de junção devem ser devidamente ajustados na associatividade de operações produtórias

Exemplo: seja 1 um predicado sobre atributos de R e S, 2 um predicado sobre atributos de S e T, e 3 um predicado sobre atributos de R e T. Então:

(R “X” 1 S) “X” 2 3 T R “X” 1 3 (S “X” 2 T)


10. Comutatividade de Seleção e Operações de Conjunto (“”)

11. Comutatividade de Projeção e União

c (R “” S) (c (R)) “” (c (S))

- por “” entenda-se: ou ou

listaAtributos (R S) (listaAtributos (R)) (listaAtributos (S))

- supõe-se atributos de R e S renomeados para manter os mesmos nomes - por quê a “” e a “” não são comutativas?


12. Fusão de Seleções e Operações Produtórias

(a) c (R X S) R X = c S ou

(b) c (R X S) R S ou

(c) R X = c S R S

- válidas em quais situações?

c

c

Algoritmo de Otimização Algébrica

• Algoritmo de alto (altíssimo!) nível (heurístico)

• Composto de 6 grandes passos

• Passo 1– aplicar a regra 1

• desmembrar operações de seleção– maior flexibilidade para mover seleções

• Passo 2– aplicar as regras 2, 4, 6 e 10

• objetivo– mover seleções para níveis inferiores da árvore o máximo

possível

Algoritmo de Otimização Algébrica

• Passo 3– aplicar a regra 9

• mudar de posição sub-árvores envolvidas em operações produtórias

• objetivos– combinar prioritariamente sub-árvores com menor número

de dados» investigar sub-árvores com seleções mais restritivas

– evitar produtos cartesianos» combinações sem atributos de junção

• como saber quais as seleções mais restritivas?– análise do grau de seletividade de um predicado

» estatística geralmente mantida no DD

Grau de Seletividade (GSai(R))• Definido pela seguinte razão

– GSai (R) = tp(R) / |R|, onde tp(R) é o número de tuplas que satisfazem o predicado aplicado sobre um atributo ai em uma relação R e |R| é o número de tuplas em R (GS [0,1])

• GSai (R) pequeno ( 0) seleção mais restritiva• Um atributo chave ac possui baixo GS em

predicados de igualdade– GSac (R) = 1 / |R|

• Geralmente mantém-se uma estimativa de distribuição uniforme de valores de atributos– GSai (R) = (|R| / V(ai)) / |R| = 1 / V(ai), onde V(ai) é o

número de valores distintos de ai

Algoritmo de Otimização Algébrica• Passo 4

– aplicar a regra 12• otimizar operações produtórias

• Passo 5– aplicar as regras 3, 4, 7 e 11

• desmembrar e mover projeções para níveis inferiores da árvore, tanto quanto possível, definindo novas projeções conforme se faça necessário

• Passo 6– identificar sub-árvores que representem grupos de

operações que possam ser executados por um único algoritmo

• defina-os uma única vez (uma única sub-árvore) na “árvore”

Passo 6 - Exemplo

R S

r1, s1, s2, t1, t2

r1 = x s1 > y

S

s1 > y

T

t2 < z

R

r1, s1, s2, t1, t2

r1 = x

S

s1 > y

T

t2 < z

X X

Exercício – Operadores Lógicos• Considerando que p1, p2 e p3 são

predicados de seleção, as leis abaixo são úteis no algoritmo de otimização algébrica (Passo 1)? Justifique suas respostas.

• Leis de De Morgan(a) (p1 p2) ( p1) ( p2)

(b) (p1 p2) ( p1) ( p2)

• Leis da Distributividade(a) p1 (p2 p3) (p1 p2) (p1 p3)

(b) p1 (p2 p3) (p1 p2) (p1 p3)

ine 5336 banco de dados ii

Documents