SÄTZE MIT VARIABLER LÄNGE

Transkript

1 Sätze variabler Länge 1 SÄTZE MIT VARIABLER LÄNGE Generellere Struktur von Datensätzen: Ersetzen von Felder durch Gruppen von Feldern. Beispiel: n m E 1 E 2 e 1 e 2 e 11 e 12 e 21 e 22 e 23 e 24 variable Länge Logische Datei mit Sätzen variabler Länge

2 Sätze variabler Länge 2 Definition von Sätzen mit variabler Länge 1. Ein Satz mit variabler Länge ist eine Liste von Elementen. 2. Ein Element ist entweder ein einfaches Feld oder eine variable Gruppe mit Null oder mehr Sätzen variabler Länge. Notation: Wie bei regulären Ausdrücken, ( α ) * ist eine Gruppe mit mehreren Elementen α α α α K n

3 Sätze variabler Länge 3 Beispiel: Datei mit (amerikanischen Bundes-) Staaten und der Interstate- Highways innerhalb der Staaten. Struktur: STATE (HIGHWAY)* r 1 r 2 r 3 New Jersey Alaska North California Erweitertes Beispiel: STATE POPULATION (HIGHWAY)* r 1 New Jersey r 2 Alaska

4 Sätze variabler Länge 4 Beispiel: (Fortsetzung) STATE POPULATION (HIGHWAY LENGTH (TERMINAL)* )* r 1 Hessen A Wiesbaden Frankfurt A3 120 Kassel Darmstadt r 2 Bayern

5 Sätze variabler Länge 5 Wie kann dies in einem Block gespeichert werden? 1. Die Information über den Datentyp jedes Elements muß vorhanden sein. Diese Information kann entweder im Blockheader abgelegt oder mit jedem Feld mitgeführt werden. 2. Jeder Satz mit variabler Länge kann durch einen oder mehrere Sätze fester Länge repräsentiert werden, dafür gibt es drei verschiedene Ansätze: a) Reserved Space Method. b) Pointer Method. c) Combined Method (a + b).

6 Sätze variabler Länge 6 RESERVED SPACE METHOD Annahme: Es gibt eine obere Grenze c von auftretenden Wiederholungen in einer Gruppe. max=c ( B) WERT_ A WERT_ * Dann kann die sich wiederholende Gruppe durch c Gruppen von Feldern ersetzt werden. WERT_ A WERT_ B K WERT_ B c Falls weniger als c Wiederholungen auftreten, dann Werden die fehlenden Wiederholungen durch Null- Werte ersetzt, oder ein Zähler, der die tatsächlich auftretenden Wiederholungen zählt, wird geführt.

7 Sätze variabler Länge 7 Beispiel: STATE POPULATION ( max = 2 HIGHWAY LENGTH TERMINAL * ) * ( ) STATE POPULATION ( max = 10 HIGHWAY LENGTH TERMINAL1 TERMINAL2 ) * STATE POPULATION COUNT HIGHWAY1 LENGTH1 TERMINAL1.1 TERMINAL1.2 M HIGHWAY10 LENGTH10 TERMINAL10.1 TERMINAL10.2

8 Sätze variabler Länge 8 POINTER METHOD Wenn eine obere Grenze für die Anzahl der Wiederholungen nicht angegeben werden kann, dann kann eine Gruppe durch einen Zeiger auf den ersten Block einer Kette von Blöcken mit den Sätzen der Gruppe ersetzt werden: WERT_A ( WERT_B )* Zeiger Block WERT_A, P

9 Sätze variabler Länge 9 Beispiel: Wir nehmen an, unser Highway-Beispiel wird mittels der Pointer-Methode so dargestellt: STATE POPULATION HPTR HIGHWAY LENGTH TPTR TERMINAL Gespeichert in Blocks sieht das dann so aus: block of file... N.J. 7,168, full/empty bits 11 I I Phillipsburg Newark 11 Hainesburg Ft. Lee 11 W. Trenton Ft. Lee

10 Sätze variabler Länge 10 COMBINED METHOD Es können auch die beiden vorangegangenen Methoden miteinander kombiniert werden. Es kann z.b. eine Gruppe durch einen Zeiger und eine andere Gruppe durch eine feste Anzahl von Wiederholungen abgebildet werden. Eine feste Anzahl von Wiederholungen ist dann vorzuziehen, wenn es eine obere Grenze von Wiederholungen gibt und die durchschnittliche Anzahl von Vorkommen nahe am Maximum liegt. Wenn das durchschnittliche und das maximale Vorkommen zu sehr voneinander abweichen, ist die Pointer Methode wegen Speicherersparnis vorzuziehen. Die Pointer Methode spart Platz, verbraucht aber mehr Blockzugriffe um ein bestimmtes Feld zu finden.

11 Sätze variabler Länge Variante der Combined Method: Eine Gruppe mit fester Anzahl, eine andere Gruppe durch die Pointer Methode: WERT_A ( WERT_B )* ( WERT_C )* max = c Zeiger WERT_A c P

12 Sätze variabler Länge Alternative Variante: Ein Teil Gruppe wird durch eine kleine Anzahl von festen Wiederholungen repräsentiert, dazu kommt ein Zeiger, der auf eventuelle zusätzliche Vorkommen verweist. * A, x 1, x 2,, x n A, x 1, x 2, P A, count, x 1, x 2, P

13 Sätze variabler Länge 13 Beispiel: Als Beispiel dienen wieder die Staaten mit ihren Highways. Annahme: Es wird Platz für einen Staat und 3 Highways in einem Satz reserviert, weitere Highways sollen per Zeiger adressiert werden. STATE ( HIGHWAY )* STATE COUNT HIGHW1 HIGHW2 HIGHW3 Pointer HIGHW4 HIGHW5 HIGHW6 : :

14 Sätze variabler Länge 14 Operationen auf Sätzen mit variabler Länge Gegeben ist eine logische Datei mit Sätzen variabler Länge, die durch eine Hauptdatei mit Sätzen fester Länge repräsentiert wird (evtl. mit Zeigern auf Blocks, die nicht Teil der Hauptdatei sind). Einige Felder in dem Teil mit fester Länge formen den Schlüssel für die Sätze der logischen Datei. Zur Erinnerung: Die Motivation für Sätze variabler Länge war es, many-to-many- oder many-to-one-beziehungen abbilden zu können. n m E 1 E 2 e 1 e 2 e 2

15 Sätze variabler Länge 15 Die Operationen Suchen (Lookup) Einfügen (Insertion) Löschen (Deletion) Ändern (Modification) funktionieren hier genauso wie bei Sätzen mit fester Länge.

16 Sätze variabler Länge 16 Neue Operationen sind aber die Einfüge, und Löschoperation auf Vorkommen von Feldern innerhalb einer Gruppe. Man kann jede Gruppe als eine eigene kleine Datei ansehen. Auf diese Weise können auch hier wieder die bekannten Verfahren angewendet werden. Im Falle von pinned-down Sätzen innerhalb der Gruppe gelten für das Einfügen und Löschen besondere Regeln, die bereits bei den Hash-Dateien besprochen wurden (Bucket mit pinned Records).

17 Sätze variabler Länge 17 DATENSTRUKTUREN FÜR SUCHE IN FELDERN AUSSERHALB DES SCHLÜSSELS. Eine Datenbank erlaubt meist auch Anfragen (Queries) in denen in Feldern gesucht wird, die nicht dem Schlüssel angehören. z.b.: 1. Suche alle Dinosaurier aus dem Jura. 2. Suche nach den Habitaten der fleischfressenden Saurier. 3. Finde alle Dinosaurier die an Land gelebt haben und mindestens 50 Fuß lang waren.

18 Sätze variabler Länge 18 Sekundärindex F (Field, Feld) Domäne von F = D r (Record, Satz) Ein Sekundärindex für das Feld F ist eine Beziehung zwischen der Domäne D und der Menge von Sätzen der Datei.

19 Sätze variabler Länge 19 Ein Sekundärindex stellt sich als eine logische Datei mit Sätzen variabler Länge dar und wird auch als invertierte Datei bezeichnet: WERT ( SATZ )* Eine Instanz von WERT ist ein Wert aus der Domäne D. Eine Instanz von SATZ ist entweder 1. Ein Zeiger auf einen Satz mit dem entsprechenden Wert in Feld F, oder 2. Ein Schlüsselwert für einen Satz mit dem entsprechen Wert in Feld F. 1: ( 55, p1, p2, p3 ) 2: ( 55, Schmidt, Otto, Müller )

20 Sätze variabler Länge Falls die erste Option gewählt wird, kann der Zeiger auf einen Block einen Subblock ein Bucket zeigen. Die Sätze der Hauptdatei sind dann pinned-down (!!). 2. Falls die zweite Option gewählt wird, dann sind die Sätze nicht pinned-down, aber es werden weitere Blockzugriffe benötigt, um den entsprechenden Satz zu finden.

21 Sätze variabler Länge 21 Schlüssel NAME: Char(10) PERIOD: HABIT: DIET: LENGTH: WEIGHT: Char(10) Char(5) Char(5) Int(4) Int(4)

22 Sätze variabler Länge 22 Primärer Index auf dem Schlüssel-Feld NAME Sekundärer Index auf dem Feld PERIOD Drei Records variabler Länge (Implementiert mit der Pointer Methode) Triassic Jurassic Cretaceous 1 Plateosaurus 6 Allosaurus Brachiosaurus Brontosaurus Compsognathus Diplodocus Stegosaurus 4 Elasmosaurus Pterodactyl Triceratops Tyrannosaurus Namen Schlüssel

23 Sätze variabler Länge 23 Anfrage: Suche die Länge aller Dinosaurier der Jurassic Zeitperiode Triassic Jurassic Cretaceous 1 Plateosaurus 6 Allosaurus Brachiosaurus Brontosaurus Compsognathus Diplodocus Stegosaurus 4 Elasmosaurus Pterodactyl Triceratops Tyrannosaurus Look up Hauptdatei Primärer Index auf dem Feld NAME

24 Sätze variabler Länge 24 Sekundärer Index auf dem Feld WEIGHT Mit Hilfe der Reserved Space Method Zeiger auf die Records der Hauptdatei Sortiert nach WEIGHT: VALUE(RECORD)*

25 Sätze variabler Länge 25 Anfrage: Finde die Namen aller Dinosaurier mit einem Gewicht zwischen 5 und 10 Tonnen. Primär Index auf dem Sekundär Index Schlüssel auf Namen (Primär Index)

26 Sätze variabler Länge 26

27 Sätze variabler Länge 27 Datenstrukturen für Range-Queries KEY: 10 <= F 1 < 50 F 2 < 5 F 3 = 14 eine B-Baum basiert Organisation

28 28 Sätze variabler Länge Eine Datei mit zehn Records, jeder Record: Paar (A,B) Primärer Index auf A, K=2 (min 2, max 3) Sekundärer Index auf B A B Sortiert nach A

29 Sätze variabler Länge 29 Speicherstrukturen für Relationen Darstellung einer Relation: Datei, deren Sätze den Tupeln der Relation entsprechen. HEAP: Einfachste Struktur: Datei ungeordnet. Vorteilhaft nur bei sehr kleinen Relationen. INDEX: Der Index muß sich nicht unbedingt auf Schlüsselattribute beziehen (Sekundärindex). Damit wird eine Verwendung mehrerer Indizes auf eine Datei möglich (Achtung!! pinned Records!).

30 Sätze variabler Länge 30 Mögliche Indexarten: Index mit pinned Records (INGRES). Hashorganisation (INGRES, UNIFY) B*-Baum auf Dense Index (SystemR, Oracle, Adabas D) CLUSTERING INDEX: Index über ein oder mehrere Attribute, so daß Tupel mit demselben Attributwert für diese Attribute beieinander gespeichert sind.

31 Sätze variabler Länge 31 Speicherung von Relationen in INGRES: Relationen werden als UNIX Dateien gespeichert. Datei = Folge von Blöcken mit jeweils 512 Bytes. Tupel Satz Block

32 Sätze variabler Länge 32 In INGRES bestehen drei Möglichkeiten die Relationen zu organisieren: 1. Heap, unsortiert, keine Zugriffsstruktur, Voreinstellung für alle Relationen. 2. Hash. Eine Relation kann in Hash-Organisation gebracht werden, indem man folgendes DDL-Statement ausführt: modify R to hash on A 1,,A k Die Attribute A 1 bis A k formen hierbei den Schlüssel. 3. Index. Eine Organisationsform mit Sparse-Index kann mit dieser DDL-Anweisung erreicht werden:. modify R to isam on A 1,,A k

33 Sätze variabler Länge Eine vierte Option, die in INGRES möglich ist, ist das Anlegen eines Sekundärindex: index on R is S(A 1,,A k ) Die Relation S wird damit zum Sekundärindex über den Attributen A 1,,A k. Die Datei für S wird automatisch als ISAM Datei mit Sparse-Index angelegt, dies kann aber durch ein modify Kommando geändert werden.

34 Sätze variabler Länge 34 Speicherung von Relationen in Oracle und ADABAS D Relationen werden als Dateien des Dateisystems oder als sogenannte Raw-Partition gespeichert. Letzteres ist ein unformatierter nicht vom Dateisystem verwalteter Abschnitt einer Platte. Datei = Folge von Blöcken mit fester Länge, in Oracle abhängig vom Betriebssystem, in ADABAS D 4 kbyte. Tupel Satz Block

35 Sätze variabler Länge 35 Die Relationen sind grundsätzlich als B*-Baum über einem Dense-Index organisiert. B*-Baum Dense Index Hauptdatei

36 Sätze variabler Länge 36 Sekundärindizes werden ebenfalls über B*-Bäume realisiert. Achtung!: Dies ist nur durch Verwendung eines Dense-Index möglich, da die Sätze der Hauptdatei durch das verwenden mehrere Indizes pinned-down sind. Datei mit primär- und sekundär-index: B*-Baum Primärindex Dense Index Hauptdatei Sekundärindex Dense Index Index über Sekundärindex

37 Sätze variabler Länge 37 In ADABAS D werden die Blätter des B*-Baumes miteinander verkettet, um das Durchlaufen der Datei in sequentieller Reihenfolge zu ermöglichen (evtl. auch in Oracle).

38 Sätze variabler Länge 38 CLUSTERING Abspeichern von Tupeln verschiedener Relationen mit gleichen Werten bestimmter Attribute im gleichen Block (Prejoin). Immer ein Satz der einen Relation befindet sich in einem Block mit mehreren Sätzen der anderen Relation. (Vergleiche: Hierarchisches Datenmodell)

39 Sätze variabler Länge 39 Beispiel: Cluster aus logischer Sicht Nicht geclusterte Tabellen DEPT & EMP DEPT DMPTNO DNAME LOC 10 ACCOUNTING NEW YORK 20 RESEARCH DALLAS 30 SALES CHICAGO 40 OPERATIONS BOSTON EMP EMPNO ENAME JOB MGR SAL COMM DEPTNO 7369 SMITH CLERK ALLEN SALESMAN WARD SALESMAN JONES MANAGER MARTIN SALESMAN CLARK MANAGER KING PRESIDENT

40 Sätze variabler Länge 40 Erzeugen eines DEPT zu EMP Clusters: CREATE CLUSTER DEPT_EMP(DEPTNO NMBER); DEPT Tabelle zum Cluster hinzufügen: ALTER CLUSTER DEPT_EMP ADD TABLE DEPT WHERE DEPT.DEPTNO = DEPT_EMP.DEPTNO; EMP Tabelle zum Cluster hinzufügen: ALTER CLUSTER DEPT_EMP ADD TABLE EMP WHERE EMP.DEPTNO = DEPT_EMP.DEPTNO;

41 Sätze variabler Länge 41 Geclusterte EMP und DEPT Tabelle: CLUSTER 10 ACCOUNTING NEWYORK 7782 CLARK MANAGER KING PRESIDENT 5000 CLUSTER 20 RESEARCH DALLAS 7369 SMITH CLERK JONES MANAGER CLUSTER 30 SALES CHICAGO 7499 ALLEN SALESMAN WARD SALESMAN MARTIN SALESMAN

42 Sätze variabler Länge 42 Typischerweise wendet man Clustering an, wenn folgendes gegeben ist: Zwei Relationen R und S und eine Menge von Attributen X, mit 1. X ist in R und in S 2. X ist Schlüssel von R 3. Wenn t S, dann gilt t R mit: t [x] = t [x]. Clustering ist aus dem Netzwerkmodell entliehen, es wird durch das Set-Konstrukt verwirklicht.

43 Sätze variabler Länge 43 Alternative: Ring Struktur R S Vergleich zwischen : Cluster R, S und Ring Struktur R, S