Archivos 2

Archivos e índices
Integrantes:
Javier Carrasco
Johnny Corbino
Agenda
„
Archivos de Registros del SGBD
„
Organización e indexación de archivos
„
Estructuración de índices
„
Comparaciones de organización y costo
„
Implementación de índices en SQL
1
Archivos de Registros
„
„
„
Es la abstracción básica de datos en un DBMS
Están organizados de acuerdo a un criterio
Se definen operaciones sobre ellos
Organización e Indexación
ORGANIZACIÓN DE ARCHIVOS
„
„
Archivos de registros no ordenados (HEAP)
„
La mas simple
„
Ineficiente
Archivos de registros ordenados
„
Costoso de mantener
2
Organización e Indexación
„
Ejemplo:
Considere un archivo con registros de empleados, cada uno con los
campos edad, nombre y salario.
1) Obtener los registros de empleados ordenados por edad
2) Obtener registros de empleados cuyo salario sea mas de $5000
Organización e Indexación
„
„
ÍNDICES
„
Estructura de datos o de acceso a datos utilizada para optimizar la
obtención de registros en respuesta a ciertas operaciones de
búsqueda.
„
Clave de búsqueda (no confundir con clave primaria)
„
Múltiples índices para un solo archivo
„
Record id (rid)
Alternativas para entrada de Datos k* en un Índice
1.- Registro de datos con un valor k para la clave de búsqueda.
2.- Un par <k,rid> con un valor k para la clave de búsqueda.
3.- Un par <k,lista-rid>
3
Organización e Indexación
„
„
„
Alternativa 1
„
Organización especial: Organización de archivo indexada
„
Alternativa a archivos Heap o no ordenados
Alternativa 2
„
Independiente de la organización del archivo
Alternativa 3
„
Independiente de la organización del archivo
„
Mejor uso de espacio que alternativa 2 pero la longitud de la
entrada de datos es variable.
Organización e Indexación
„
„
„
Índices de agrupamiento (clustered)
La entrada de datos del índice esta ordenada de igual manera que en
el archivo
Índices con alternativa 1 (Archivo agrupado)
Índices Primarios y Secundarios
Un índice es primario si contiene como entrada la clave primaria del
registro del archivo, caso contrario es índice secundario.
4
Organización e Indexación
Entradas de índice
(Búsqueda directa)
Índice
Entrada
de
datos
Archivo
de Datos
Índice no agrupado (unclustered)
Organización e Indexación
Entradas de índice
(Búsqueda directa)
Índice
Entrada
de
datos
Archivo
de Datos
Índice agrupado (clustered)
5
Estructuración de índices
Indexación basada en Hash (Dispersión)
„
Buckets
„
Función Hash
„
Búsqueda rápida de registros (con la clave de búsqueda)
„
Rápida inserción y eliminación
„
No soporta búsqueda de rangos
Estructuración de índices
h(edad)=00
edad
h1
h(edad)=01
h(edad)=10
Smith,44,3000
Jones,40,6000
Tracy,44,5000
Ashby,25,3000
Basu,33,4000
Bristow,29,2000
Cass,50,5000
Daniels,22,6000
3000
3000
5000
5000
4000
2000
6000
6000
h(sal)=00
h2
sal
h(sal)=11
Índice basado en hash (edad), e índice auxiliar con clave ‘sal’
6
Estructuración de índices
Indexación basada en árboles
„
Estructura de datos de búsqueda jerárquica
„
Eficiente en búsquedas de rango
Ejemplo: buscar empleados con 24 < edad < 50
Estructuración de índices
Comienzo de la búsqueda
12
78
19
56
33
44
A
3
9
86
94
B
Nivel hoja
L1
Daniels,22,6000
Ashby,25,3000
Bristow,29,2000
L2
Basu,33,4000
Jones,40,6000
L3
Smith,44,3000
Tracy,44,5000
Cass,50,5000
Índice basado en estructura de árbol
7
Estructuración de índices
„
„
„
Indexación basada en Árboles B+
Caminos de igual longitud (balanceado en cuanto altura)
Recorrer en orden secuencial y realizar búsquedas
Mas rápido que la búsqueda binaria en un archivo ordenado
Ejemplo:
n=numero hijos de nodo (al menos 100 en la practica)
h=altura (generalmente no mas de 4 en la practica)
n elevado a la h = 100 millones de nodos hoja
Todas las búsquedas requieren ‘h’ operaciones I/O (4 en
este caso); mientras que busqueda binaria: log2
100,000,000 sobre 25 I/O
Comparación organización-costo
„
Modelo de costo:
nos permite estimar el costo en términos de tiempo de ejecución de
las distintas operaciones que se efectúan sobre los archivos de un tipo
específico en la BD.
B = # de paginas de datos
R = # de registros por página
D = tiempo promedio que implica leer o escribir una pagina en disco
C = tiempo promedio para procesar un registro (comparar el campo)
H = tiempo requerido por un registro para ser mapeado según Hash
F = promedio de hijos por nodo no hoja (fan-out) según árboles
Normalmente: D = 15ms, C = H =100ns.
8
Comparación organización-costo
„
Archivos de montón (heap files):
es el tipo simple y básico de organización, los registros se colocan en el
archivo en el orden en que se insertan (al final).
Esta organización suele utilizarse con caminos de acceso adicionales,
como los índices secundarios.
Costos: recorrido = B(D + RC), búsqueda exacta = ½ B(D + RC),
búsqueda rango = B(D + RC).
Comparación organización-costo
„
Archivos ordenados (sorted files):
los registros se encuentran ordenados en el archivo en base al valor de
uno de sus campos llamado campo de ordenación, si el campo de
ordenación también es un campo clave, a este se le denomina cave de
ordenación.
Costos: recorrido = B(D + RC), búsqueda = D(log2 B) + C(log2 R).
9
Comparación organización-costo
„
Comparación de costos de E/S:
un archivo de montón resulta eficiente de examinar e insertar pero
este penaliza la búsqueda y la eliminación de registros. Por otro lado
un archivo ordenado ofrece una inserción y eliminación lenta, sin
embargo la búsqueda es más rápida comparada a la de montículos.
Tipo de archivo
Examinar
Búsqueda exacta
Búsqueda rango
Insertar
Eliminar
Montón
BD
½ BD
BD
2D
Búsqueda + D
Ordenado
BD
D(log2 B)
D(log2 B)
Búsqueda +
BD
Búsqueda +
BD
Desempeño e implementación
de índices:
La elección de índices tiene un impacto tremendo en el desempeño del
sistema y debe ser hecho en el contexto del trabajo de carga esperado,
o en otras palabras la mezcla de consultas y operaciones de
actualización.
10
Desempeño e implementación
de índices:
„
Impacto del trabajo de carga (workload):
el primer punto a considerar son las operaciones comunes que se
realizan en la BD, ya que diferentes tipos de organizaciones de archivos
e índices soportan de manera eficiente dichas operaciones.
Resulta más complejo implementar y mantener un árbol que una tabla
o arreglo.
Desempeño e implementación
de índices:
„
Claves de búsqueda compuestas:
también llamadas claves concatenadas. Si se usa una cierta
combinación de atributos muy frecuentemente, es mejor crear una
estructura de acceso que proporcione un acceso eficiente mediante un
valor clave que sea una combinación de esos atributos.
(a0, a1, …, an)
11
Desempeño e implementación
de índices:
SELECT nombre
FROM Empleado
WHERE edad BETWEEN 20 AND 30
AND salario BETWEEN 1.000.000 AND 3.000.000
SELECT nombre
FROM Empleado
WHERE edad = 25 AND salario BETWEEN 800.000 AND
950.000
En este caso seria adecuado declarar una clave (edad, salario).
Índices en SQL
CREATE INDEX nombre_indice ON nombre_tabla
WITH STRUCTURE = BTREE,
KEY = (edad, salario)
Esta sentencia crea un índice nombre_indice de tipo árbol B+ sobre la
tabla nombre_tabla (archivo) y cuya clave es (edad, salario).
12
Referencias
„
„
„
Ramakrishnan, R., Gehrke, J. [2003] “Database management systems”
Elmasri, R., Navathe, S. [2005] “Fundamentos de sistemas de base de datos”
Loomis, X. [1992] “Estructuras de datos y organización de archivos”
Gracias por su atención …
13