Valutazione costi di una QUERY

A.1-Nome di tutti i fornitori che forniscono il prodotto P2 forpro fornitori CP=P2 Nome fornitori (CF, Nome, Citta) prodotti(CP, NomP, Color) forpro (CF, CP, Qta) Solo forniture prodotto P2 (CF,CP,Qta,Nome,Citta)

Piano della Query - Espresso da un grafo - Puo essere ottimizzato logicamente - Esprime una pipeline - E convertito in un piano di esecuzione che puo essere ottimizzato rispetto al costo

Informazioni di Catalogo Sono le principali informazioni statistiche su ogni file memorizzate nel catalogo DBMS. Riguardano parametri che possono anche variare nel tempo (es. record di una tabella) Comando ANALYZE di Oracle

Informazioni di Catalogo T(R) Numero t-uple di R B(R) Numero blocchi di R S(R) Dimensione t-uple di R S(A,R) Dimensione attributo A di R V(A,R) Numero valori distinti di A in R Max(A,R) ; Min (A;R) K(I) Numero entrate dellindice I L(I) Numero blocchi foglie di I H(I) Altezza indice I

La Selezione

Funzioni di costo per la selezione su un predicato di uguaglianza (SEL A=a in R) Ricerca lineare C=B/2 sulla chiave altrimenti C=B Ricerca binaria C=log 2 B sulla chiave Indice su chiave primaria C= livelli indice L(I) +1 Indice su chiave non primaria +recupero di record multipli C= L(I)+ B/2

Funzioni di costo per la selezione in termini di blocchi acceduti in R con B(R)=B Indice secondario (B+ tree) Selezione per uguaglianza C=L(I)+1 se A è chiave di R Se A non è chiave, si aggiunge il costo di ricerca sulle foglie C= L(I)+ (V(A,R)/fattblocco indice -1)

Esempio IMPIEGATO (matr, nome, c_Dipartimento, ……) I Record, 2000 blocchi FB(I)= 5 Sel c_Dip =5 (IMPIEGATO) C=2000 non chiave Ipotesi: un Btree+ su C_Dip con 125 valori di chiave L(I C-Dip )=2 4 blocchi di liv. 1, card di selezione=10000/125=80 C= L( I C-Dip )+ selettività di C_Dip= 2+80 =82

Esempio IMPIEGATO (matr, nome, c_Dipartimento, ……) Ipotesi: I Record, 2000 blocchi FB(I)= 5 Sel c_Dip =5 and sex=F Stimo i singoli predicati Ipotesi: su sex un indice secondario Selettività=5000 C (sex=F)= L( I sex )+selettività = 1+(5000)= 5001

Esempio IMPIEGATO (matr, nome, c_Dipartimento, ……) Ipotesi: I Record, 2000 blocchi FB(I)= 5 Sel c_Dip =5 and stip>100 and sex=F Recupero c_Dip=5 Costo ( c_Dip=5 ) =82 Costo ( Sex=F ) =5001 Verifico sex= >F

METODI PER LIMPLEMENTAZIONE DEL JOIN

RossiA NeriB BianchiB ImpiegatoReparto Impiegati AMori BBruniB B CodiceCapo Reparti Impiegati Reparto=Codice Reparti ImpiegatoRepartoCapoCodice RossiAMoriAAA RossiABBruni NeriBMoriA NeriBBBruni BianchiBMoriA BianchiBBBruni RossiAMoriAAA NeriBBBruni BianchiBBBruni Per ogni impiegato il suo capo come opera il JOIN ?

A=B S R inner outer Ipotesi: R 6000 Record, 2000 blocchi S 50 Record, 10 blocchi NB: Il join avviene portando nel buffer di dimensione M i blocchi delle relazioni. Uno dei blocchi deve essere lasciato libero per scrivere il risultato ed uno per effettuare le elaborazioni.

Metodi per limplementazione Nested loop Join (forza bruta) Single-loop Join o Index Join Sort-Merge Join Hash Join

Nested loop Join (forza bruta) Per ogni record t in R (ciclo esterno) si confronta ogni record s in S (ciclo interno) e si recuperano i records (le t-uple di S) che soddisfano la condizione di Join s(B)=t(A) A=B S R

Nested loop Join (forza bruta) Per ogni record t in R (ciclo esterno) si confronta ogni record s in S (ciclo interno) e si recuperano i records (le t-uple di S) che soddisfano la condizione di Join s(B)=t(A) A=B S R

Nested loop Join (esempio) Query: Nome degli studenti che hanno sostenuto BD STUDENTE (matr, nome, residenza, ……) EsameBD (matr, semestre) Porto in memoria ESAMEBD e per ogni record cerco la matricola corrispondente in STUDENTE e scrivo il nome nel buffer dei risultati

Nested loop Join - Costo Costo = B(R) + B(R)* B(S) Blocchi di R Blocchi di S N.B. Formula che vale i buffer sono abbastanza da contenere sia R che S che i risultati

Nested loop Join - Costo Costo = B(R) + B(R)* B(S) Conviene portare in memoria centrale il maggior numero di blocchi del ciclo esterno Per poi leggere i blocchi del ciclo interno Blocchi di R Blocchi di S

Influenza del buffer Costo = B(R) + ( B(R)/(NB-2) *B(S) ) Blocchi di R Buffer Memoria Centrale NB Ogni blocco di R viene letto una volta Ciascun blocco di S viene letto una volta per ognuna delle letture degli (NB-2) blocchi di R Blocchi di S

Nested loop Join - Costo Costo = B(R) + B(R)* B(S) / (NB-2) Blocchi di R Blocchi di S N.B. Formula che vale se ho NB buffers

Nested loop Join - Costo Costo = B(R) + B(R)* B(S) / (NB-2) Blocchi di R Blocchi di S N.B. IN ALCUNI TESTI PUO TROVARSI IL VALORE 1 PERCHE SI DA PER SCONTATO CHE UN BUFFER SIA LASCIATO A DISPOSIZIONE PER I RISULTATI

Nested loop Join – Costo (esempio) IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) NB=12 sono disponibili 10 I 6000 Record, 2000 blocchi D 50 Record, 10 blocchi Costo = B(R) + B(R)* B(S) / (NB-2) Costo = B(I) + B(I)* B(D) / (NB-2)= *10/10=4000 Costo = B(D) + B(D)* B(I) / (NB-2)=10+10*2000/10=2010

Single loop Join Esiste un indice su uno dei due attributi di Join (es. B in S). Per ogni record t in R (ciclo esterno) si utilizza lindice per recuperare da S tutti i records s che soddisfano la condizione di Join s(B)=t(A) A=B S R

Single loop Join - Costo Costo = B(R) + V(B,S) * C(I B,S) Blocchi di R Numero valori Distinti di B in S Costo percorrenza indice

Costo percorrenza indice Influenzato dal fattore di selezione del Join rispetto al predicato P. F(P) = numero tuple che soddisfano P numero totale di tuple Indica la percentuale di t-uple che partecipano al join

Costo percorrenza indice Esempio: A) se ho un B-Tree su chiave primaria : Percorro lindice e poi accedo al dato B) se ho un B-Tree su chiave secondaria : Percorro lindice e poi percorro le foglie. Il costo di percorrenza delle foglie è proporzionale al numero di chiavi che soddisfano la condizione di join, cioè F(P).

Single loop Join - Costo Costo = B(R) + V(B,S) * C(I B,S) Blocchi di R Numero valori Distinti di B in S Costo percorrenza indice Nel dettaglio rispetto allindice ….

Single loop Join con Costo Indice Costo = B(R) + T(R) * (L(I B ) +1) T-UPLE di R Livello indice INDICE PRIMARIO (chiave) SU B

Single loop Join con Costo indice Costo = B(R) + T(R) * (F(P) * L (I B,S) ) T-UPLE di R Numero valori Distinti di S che partecipano al JOIN LIVELLO indice INDICE SECONDARIO SU B

Se non conosco F(P) ……. Costo = B(R) + T(R) * (V(B,S)/F(I B )) T-UPLE di R Numero valori Distinti di B in S Fattore di blocco indice INDICE SPARSO (cluster) SU B

Single loop Join – Costo (esempio) IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr Molti impiegati non dirigono un dipartimento e non partecipano al join. Se Dipartimento ha 50 records e Impiegato ne ha 6000 F(direttore=matr)= 50/6000 circa 8%.

Single loop Join – Costo (esempio) IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr A volte ogni relazione ha un indice. Come scegliere quale indice utilizzare ???? Esempio: Cerco i nomi dei direttori

Single loop Join – Costo (esempio) IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr Ipotesi: I 6000 Record, 2000 blocchi D 50 Record, 10 blocchi esistono 2 indici secondari : -- su matr a 4 livelli -- su direttore a 2 livelli

IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr 1) Accedo a impiegato e uso I(direttore) OPPURE 2)Accedo a Direttore e uso I(matr)

IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr Costo1) = B(I) + NRec(I) * (liv(Idirettore)+1) =2000+(6000*3)= ) Accedo a impiegato e uso I(direttore) a 2 livelli I 6000 Record, 2000 blocchi D 50 Record, 10 blocchi Indice su campo chiave.

IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr Costo2)= B(D) + NRec(D)*(liv(Imatr)+1) =50+(50*5)= 260 2)Accedo a Direttore e uso I(matr) a 4 livelli su chiave primaria I 6000 Record, 2000 blocchi D 50 Record, 10 blocchi Conviene portare nel buffer DIPARTIMENTO

Sort Merge Join R ed S sono ordinati secondo A e B (se non lo sono si ordinano) Files scanditi ordinatamente in modo concorrente Coppie di blocchi copiate in ordine sul buffer Record di R scanditi una sola volta rispetto a S. A=B S R

Sort Merge Join - Costo C1 = B(R) + B(S) Blocchi di RBlocchi di S C2 = C1+ (B(R) * log2 (B(R)) + (B(S) *log2 (B(S)) Ordinamento R Ordinamento S

Sort Join: Precisazione I costi sono calcolati ipotizzando di portare nel buffer il prodotto cartesiano delle relazioni R e S Se ho M buffer deve essere: B(R) +B (S) <=M 2. Altrimenti il costo deve essere espresso in log di base M-1 e non in base 2

Sort Join - Costo C1 =3( B(R) + B(S) ) Blocchi di RBlocchi di S Questo costo vale se il valore del log in base 2 è pari a 1. Cioè se lampiezza del prodotto cartesiano è pari al Numero dei blocchi di R + numero blocchi di S

Hash Join 1) Fase di partizionamento Una stessa funzione di hash su A e B mappa R in R1,R2,…RM buckets (prima iterazione) S in S1,S2,..SM buckets (seconda iterazione) Per ogni bucket, un solo buffer che viene scaricato quando è pieno A=B S R

IMPIEGATO (matr, nome, dipartimento, ……) DIPARTIMENTO (nomeDip, direttore) FK: direttore matr Esempio potrei fare su entrambe le relazioni Un hashing modulo 7 sul campo matricola Avrei M=8 buckets corrispondenti per relazione 1 R e S 2 R e S ………. 8 R e S

Hash Join 1) Fase di joining o probing Servono M iterazioni. Alliterazione i si esegue il join di Ri con Si. Join nested loop la piu piccola partizione portata in memoria e confrontata con le altre. A=B S R

Hash Join - Costo C1 = 3 *( B(R) + B(S) ) Blocchi di RBlocchi di S

Hash Join Se la piu piccola R sta tutta in memoria: 1)Si porta R in memoria organizzata da hashing 2)Ogni blocco di S viene portato in memoria, sottoposto ad hashing e confrontato con R. C = B(R) + B(S)

Hash Join Ibrido Obiettivo: eseguire il join durante il partizionamento. 1)Si partiziona R in M partizioni 2)Si porta in memoria R1 (le altre su disco 3)Si partiziona S portando tutti i record S1 in memoria 4)Si esegue il join R1 S1 5)Si effettua il join sulle M-1 partizioni rimaste Se ho NB buffer si puo fare solo se: B(R) <=NB 2.

Hash Join Ibrido- Costo C1 = (3-2*NB/ min(B(R),B(S)) * (B(R)+ B(S) )

N.B. Qualunque sia la tipologia di JOIN va considerato un costo aggiuntivo per la scrittura del risultato A=B S R La DIMENSIONE del risultato dipende da V(A,R) Numero valori distinti di A in R V(B,S) Numero valori distinti di B in S X= T(X) = T(R)*T(S) / max (V(A,R) V(B,S)) Utile nel caso di join multipli