Please enable JavaScript.

Coggle requires JavaScript to display documents.

Query optimization, Modi d'esecuzione del piano, Query SQL - Coggle…

- - - - Si valutano diverse alternative
      - Si usano i profili dei dati
      - Si adatta automaticamente ai cambiamenti sui dati
  - - - Utilizzo di un vocabolo errato
    - - Concatenzaione delle parole errata
    - - Significato delle parole non corretto
    - - La rappresentazione interna è in algebra relazionale (estesa)
        
        Perché
        
        Esistono diversi teoremi e proprietà che si possono sfruttare
        
        E' procedurale (i.e. rappresenta esplicitamente l'ordine degli operatori)
        
        Estesa perché ci sono operatori come il group by e il sort
    - - Tipi di errori
  - - - profilazione dei dati
        
        Informazioni sulle caratteristiche delle tabelle
        
        Dimensioni di ogni attributo della tupla
        
        numero di valori distinti di ogni attributo
        
        Dimensioni in byte delle tuple
        
        valori massimi e minimi di ogni attributo
        
        cardinalità
        
        Le informazioni sulle tabelle sono memorizzate in un dizionario dei dati (data dictionary)
        
        Le statistiche devono essere rinnovate periodicamente
        
        c'è un comando che viene eseguito on-demand
        
        Questi dati vengono sfruttati per fare dei calcoli
      - formule di costo approssimate per calcolare le cardinalità dei dati prima e dopo determinate operazioni
    - - dimensioni della ricerca
        
        il modo in cui si leggono le tabelle
        
        L'ordine degli operandi di un'operazione
        
        La tecnica di implementazione di un'operazione
        
        Quando eseguire l'ordinamento (se è necessario)
      - Si crea un albero delle alternative.
        
        Ogni nodo rappresenta una variabile su cui fare una decisione
        
        Ogni foglia rappresenta un piano completo
  - - - Differenti riorganizzazioni fisiche non necessitano una query diversa
      - La forma della query non ne influenza l'implementazione
- - - - Le foglie corrispondono alle strutture fisiche
        (indici e tabelle)
      - I nodi intermedi corrispondono alle operazioni sui dati
        (scan, join, group by...)
- - - - Si possono eseguire alcune operazioni durante lo scan
        
        Selezione su un predicato semplice
        
        si possono usare gli indici
        
        Semplice uguaglianza
        Si usano Hash, B+Tree o bitmap
        
        selezione d'intervallo
        si può usare soltanto il B+Tree
        
        Selettività limitata
        si può considerare una bitmap
        
        :information_source: La dimensione sul disco di una B+Tree è costante, mentre la bitmap cresce linearmente col numero di valori dell'attributo considerato
        
        :information_source: Quando si usano le bitmap è conveniente calcolare prima le intersezioni tra di esse (sulla base dei predicati) e poi si procede alla lettura della tabella e alla valutazione di eventuali altri predicati
        
        :information_source: Si valutano prima i predicati più selettivi
        
        Ordinamento basato su una lista di attributi
        
        Si usano gli algoritmi classici della computer science
        
        In base alla dimensione dei dati
        
        ordinamento nella memoria principale (RAM)
        
        Ordinamento sul disco
        
        Proiezione (si scartano le tuple che non rientrano nelle condizioni)
        
        Insert, update, delete delle tuple
  - - - Entrambe le tabelle vengono ordinate rispetto all'attributo di join. Poi vengono scansionate parallelamente.
        
        Costo
        
        E' simmetrico, nel senso che non dipende dall'ordine delle tabelle
        
        Efficiente se
        
        Le tabelle grandi sono già ordinate direttamente sul disco
        
        :information_source: era più usata in passato
    - - Viene effettuato l'hash dell'attributo di join. Ad ogni hash è associato un bucket che contiene tutte le tuple con lo stesso hash. Le tuple vengono poi ordinate localmente e se ne può fare il join
        
        E' una tecnica molto veloce!
        
        :information_source: Si noti che ci possono essere delle collisioni di hash
    - - La tabella esterna è scansionata una volta sola. Per ogni tupla di questa, viene scansionata la tabella interna per trovare le corrispondenze
        (anche chiamato forza bruta)
        
        Efficiente se
        
        la tabella interna è piccola
        
        l'attributo di join è indicizzato
        
        Costo
        
        E' asimmetrico. Dipende fortemente dalla scelta della tabella interna
    - - E' un join precalcolato su due tabelle. La tabella di bitmap ha per righe i RID di una tabella e per colonne i RID dell'altra. Nella posizione i,j c'è 1 se quelle tuple fanno il join, 0 altrimenti.
        
        :information_source: E' tipicamente usato nei sistemi olap
        
        L'aggiornamento può essere molto lento
      - :information_source: Esempio a slide 67
  - - - Si ordinano le tuple e poi si aggregano quelle vicine
    - - Si calcolano gli hash delle tuple, si posizionano in dei bucket e poi si aggregano le tuple nello stesso bucket
- - - - Rappresentazione in query tree "canonico"
        
        Ottimizzazione basata sui costi
        
        Per ottimizzare
        
        Profili dei dati
        (Probabilmente si chiama anche questo data dictionary)
        
        Piano d'esecuzione
        
        Dipendenze
        
        Condizioni del piano d'esecuzione
        (e.g. se nel piano d'esecuzione bisogna accedere ad un determinato indice, quest'ultimo deve esistere)
        
        Programma d'accesso
        
        Eseguibile che permette di leggere i dati richiesti ed eseguire operazioni su di essi (e.g. join, filtering)