Anfrageoptimierung Physische Optimierung
|
|
- Liane Lange
- vor 5 Jahren
- Abrufe
Transkript
1 Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Physische Optimierung Dr. Thomas Gottron Wintersemester 01/1
2 Ziel der phyischen Optimierung Konkrete Implementation der Operatoren einsetzen π[persnr] π[titel, gelesenvon] Professoren Vorlesungen Mehrere Implementation des gleichen logischen Operators Auswahl der am besten geeigneten Implementation Thomas Gottron GLDB 01/1
3 Iteratorkonzept Thomas Gottron GLDB 01/1
4 Iterator vs. Prozeduraler Ansatz Jeder Operator ist eine Prozedur π[persnr] π[titel, gelesenvon] Einfach zu implementieren Professoren Vorlesungen Zwischenergebnisse müssen immer komplett vorgehalten werden Thomas Gottron GLDB 01/1 4
5 Iteratorkonzept Operatoren zum Durchlaufen der Ergebnismenge Liefern immer nur ein (nächstes) Tupel Iterator Abstrakter Datentyp Standard-Methoden Open Next Close Cost Kostenmodelle Size Im Idealfall müssen keine Zwischenergebnisse gespeichert werden Schwieriger zu implementieren Thomas Gottron GLDB 01/1
6 Pull-based Query Evaluation Wurzeliterator next open Return Ergebnis Thomas Gottron GLDB 01/1 6
7 Pipelining vs. Pipeline-Breaker R S T Thomas Gottron GLDB 01/1 7
8 Pipelining vs. Pipeline-Breaker R S T Thomas Gottron GLDB 01/1 8
9 Pipeline-Breaker Unäre Operationen sort Duplikatelimination (unique,distinct) Aggregatoperationen (min,max,sum,...) Binäre Operationen Mengendifferenz Je nach Implementierung Join Thomas Gottron GLDB 01/1 9
10 Iteratortypen und deren Implementation Thomas Gottron GLDB 01/1 10
11 Iteratortypen 1. Selektion. Matching Join Mengendurchschnitt Mengendifferenz. Gruppierung Duplikate Aggregation 4. Projektion (Vereinigung). Zwischenspeicher Sortierung, Hashing, B-Baum Thomas Gottron GLDB 01/1 11
12 Selektion (Brute Force) Select P open next close cost size open: Öffne Eingabe (open bei Vorgänger) next: Hole Tupel von Vorgänger (wiederholt next aufrufen) bis ein Tupel P erfüllt oder der Vorgänger keine Tupel mehr liefert. Gib dieses Tupel zurück close: Schließe Eingabe (close bei Vorgänger) Thomas Gottron GLDB 01/1 1
13 Selektion mit Index (B + -Baum) IndexSelect P open next close cost size open: Öffne Eingabe Schlage in Index erste Stelle nach die P erfüllt next: Gib nächstes Tupel zurück sofern P noch erfüllt ist. close: Schließe Eingabe Braucht man noch den Brute Force Select Iterator? Thomas Gottron GLDB 01/1 1
14 Join Studenten P hören Studenten MatrNr Name 09 Adam 10 Berta 11 Claus 1 Dora hören MatrNr VorlNr Studenten hören MatrNr Name VorlNr 09 Adam Adam Claus Dora 0 Mengenschnitt und -differenz: Vergleiche über alle Attribute der Tupel Thomas Gottron GLDB 01/1 14
15 Join: Brute Force Ansatz Nested loop brute force -Algorithmus Äußere Relation / Schleife foreach r R foreach s S if s.b = r.a then Res := Res (r s) Innere Relation / Schleife Thomas Gottron GLDB 01/1 1
16 Join: Nested Loop (Brute Force) NestedLoop P open next close cost size open: Öffne linke Eingabe und hole erstes linkes Tupel next: Öffne rechte Eingabe falls noch geschlossen Hole rechtes Tupel bis P erfüllt ist Falls rechts keine Tupel mehr liefert: Schließe rechte Eingabe Hole nächstes linkes Tupel Starte next von vorne (in diesem Operator) Gib Verbund von linkem und rechtem Tupel zurück close: Schließe beide Eingaben Vorgänger Thomas Gottron GLDB 01/1 16
17 Join: Blocked Nested Loop Eingaben Seitenweise laden Kapazität des Hauptspeichers ausnutzen Platz für m Seiten Blocked Nested loop Verfeinerter brute force -Algorithmus Lade m-k Seiten der äußeren Relation Lade k Seiten der inneren Relation Vergleiche die Tupel in den Seiten im Hauptspeicher Optimale Parameterwahl: k=1 und kleine äußere Relation Ideal wenn die äußere Relation komplett in den Hauptspeicher passt Innere Relation abwechseln rückwärts durchlaufen spart einige Seitenzugriffe Thomas Gottron GLDB 01/1
18 Join: Blocked Nested Loop R m-k m-k m-k m-k m-k S k k k k k k Teuer aber auch für Theta-Joins geeignet! Thomas Gottron GLDB 01/1 18
19 Join: Merge Join Voraussetzung: Eingaben sind nach Joinattribut sortiertert falls A oder B Schlüsselattribut ist, wird jedes Tupel in R und S nur genau einmal gelesen Thomas Gottron GLDB 01/1 0
20 Join: Index Join Voraussetzung: Mindestens eine der Eingaben hat einen Index Thomas Gottron GLDB 01/1 1
21 Join: Index Join open: Öffne linke Eingabe und hole erstes linkes Tupel Öffne rechte Eingabe next: IndexJoin P open next close cost size Hole nächstes passendes Tupel aus rechter Eingabe Falls rechts kein passendes Tupel mehr Hole nächstes Tupel von links und schlage rechts Starte next von vorne (in diesem Operator) Gib Verbund von linken und rechtem Tupel zurück close: Schließe beide Eingaben Index auf rechter Eingabe Jedes Ergebnistupel erfordert mindestens einen Seitenzugriff Thomas Gottron GLDB 01/1
22 Join: Hash-Join Idee: Daten so partitionieren, dass die Hashtabelle in Hauptspeicher (m Seiten) passt Partitionierung: Definiert über kleinere Relation (build input) Hashfunktion zur Abbildung auf m 1 Partitionen Je eine Seite pro Partition Speicherung der Partitionen Bei Überlauf Rekursion (Partitionierung der Partitionen mit orthogonaler Hashfunktion) Partitionierung der größeren Relation (probe input) Berechnung des Verbunds: Laden von m 1 Seiten aus den build Partitionen Seitenweises Durchlaufen der probe Partitionen Thomas Gottron GLDB 01/1
23 Join: Hash-Join Anschaulich: Einschränkung des Suchraumes beim Nested-Loop ABER: Pipeline-Breaker Thomas Gottron GLDB 01/1 4
24 Beispiel: Hash-Join / Mengendurchschnitt R R S Hauptspeicher: 4 Seiten Tupelgröße: Tupel pro Seite S Thomas Gottron GLDB 01/1 6
25 Beispiel: Hash-Join / Mengendurchschnitt Probe input Build input R S S Thomas Gottron GLDB 01/1 7
26 Beispiel: Hash-Join / Mengendurchschnitt Mod Probe input Build input R S S Thomas Gottron GLDB 01/1 8
27 Beispiel: Hash-Join / Mengendurchschnitt Mod R S S Thomas Gottron GLDB 01/1 9
28 Beispiel: Hash-Join / Mengendurchschnitt Mod Mod R R S S Thomas Gottron GLDB 01/1 0
29 Beispiel: Hash-Join / Mengendurchschnitt Mod Mod R S = {, 1,, 44, } R R S S Thomas Gottron GLDB 01/1 1
30 Gruppierung Analogie zum Join: Relation mit sich selbst vergleichen Duplikatentfernung wichtig wegen Mengensemantik: Brute force (Nested Loop) NestedDup Vorhandene Sortierung kann ausgenutzt werden SortedDup Index: In B + -Baum liegen die gleichen Werte direkt hintereinander Hash-Index: gleicher Bucket IndexDup Allgemein: Ähnliches Vorgehen wie Hash-Join oder künstlich Sortierung einfügen. Thomas Gottron GLDB 01/1
31 Projektion Project A open next close cost size open: Öffne Eingabe next: Hole Tupel von Vorgänger und reduziere die Attributemenge auf A Gib Tupel zurück close: Schließe Eingabe Vereinigung ähnlich aber mit zwei Eingängen Thomas Gottron GLDB 01/1
32 Zwischenspeicher Puffer Ablegen im Hintegrundspeicher Sinnvoll, wenn Zwischenergebnisse mehrfach benötigt werden (z.b. Nested-Loop-Join) Puffer mit Index B + -Baum Hash Index Gesonderte Funktion Sortieren (i.a. nicht im Hauptspeicher möglich!) Für die Ausgabe Als Vorbereitung für Effizientere Operatoren Nested-Loop: O(N M) Sortieren: O(N log N), dann Merge-Join Thomas Gottron GLDB 01/1 4
33 Illustration: Externes Sortieren Thomas Gottron GLDB 01/1
34 Illustration: Externes Sortieren Thomas Gottron GLDB 01/1 6
35 Illustration: Externes Sortieren sort Thomas Gottron GLDB 01/1 7
36 Illustration: Externes Sortieren sort Run 1 Thomas Gottron GLDB 01/1 8
37 Illustration: Externes Sortieren Thomas Gottron GLDB 01/1 9
38 Illustration: Externes Sortieren sort Run Thomas Gottron GLDB 01/1 40
39 Illustration: Externes Sortieren Thomas Gottron GLDB 01/1 41
40 Illustration: Externes Sortieren sort Run Thomas Gottron GLDB 01/1 4
41 Illustration: Externes Sortieren merge Thomas Gottron GLDB 01/1 4
42 Illustration: Externes Sortieren merge Thomas Gottron GLDB 01/1 44
43 Illustration: Externes Sortieren merge Thomas Gottron GLDB 01/1 4
44 Illustration: Externes Sortieren merge Thomas Gottron GLDB 01/1 46
45 Illustration: Externes Sortieren merge Thomas Gottron GLDB 01/1 47
46 Illustration: Externes Sortieren Thomas Gottron GLDB 01/1 48
47 Externes Sortieren mit Heap Heap Run 1 Run Run Thomas Gottron GLDB 01/1 49
48 Externes Sortieren mit Heap Heap Sortierung Thomas Gottron GLDB 01/1 0
49 Externes Sortieren mit Heap Heap Thomas Gottron GLDB 01/1 1
50 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1
51 Externes Sortieren mit Heap Wichtig: aus Run nachladen (also aus dem Run, aus dem das entfernte Objekt stammte) Run Thomas Gottron GLDB 01/1
52 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1 4
53 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1
54 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1 6
55 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1 7
56 Externes Sortieren mit Heap Thomas Gottron GLDB 01/1 8
57 Mehrstufiges Mischen / Merge Wenn beim Zerlegen mehr Stücke entstehen als im Hauptspeicher Platz für Seiten ist Iteratives Zusammenlegen von Stücken L e v e l 0 m L e v e l 1 m L e v e l Thomas Gottron GLDB 01/1 9
58 Übersetzung der logischen Algebra Thomas Gottron GLDB 01/1 60
59 Übersetzung der logischen Algebra NestedLoop R.A=S.B MergeJoin R.A=S.B R [Bucket] [Sort R.A ] [Sort S.B ] S R S R.A=S.B IndexJoin R.A=S.B R S R [Hash S.B Tree S.B ] HashJoin R.A=S.B S Thomas Gottron GLDB 01/1 61 R S
60 Übersetzung der logischen Algebra IndexSelect P R P R Select P R Thomas Gottron GLDB 01/1 6
61 Übersetzung der logischen Algebra [IndexDup] [Hash Tree] Project l R [NestedDup] l R [SortDup] Sort Project l R Project l R Thomas Gottron GLDB 01/1 6
62 Wiederholung der Optimierungsphasen select distinct s.semester from Studenten s, hören h Vorlesungen v, Professoren p where p.name = Sokrates and v.gelesenvon = p.persnr and v.vorlnr = h.vorlnr and h.matrnr = s.matrnr s.semester p.name = Sokrates and... p v s h Thomas Gottron GLDB 01/1 64
63 s s h v h v Thomas Gottron GLDB 01/1 6
64 Zusammenfassung Physische Optimierung Auswahl konkreter Operatorimplementierungen für den Operatorbaum Vielzahl an physischer Imlentierungen der logischen Operatoren Iteratorkonzept verringert die Notwendigkeit Zwischenergebnisse zu speichern Ergebnis: Operatorbaum mit konkreten Implementierungen Abhängig von physischer Umsetzung Thomas Gottron GLDB 01/1 66
65 Fragen? Thomas Gottron GLDB 01/1 67
Physische Anfrageoptimierung
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Dr. Jérôme Kunegis Wintersemester 201/14 Ziel der physischen Optimierung π[titel] Konkrete Implementation der
MehrAnfragebearbeitung 2. Vorlesung Datenbanksysteme vom
Vorlesung Datenbanksysteme vom 21.11.2016 Anfragebearbeitung 2 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Physische Optimierung Iterator: einheitliche Schnittstelle
MehrAnfragebearbeitung. Logische Optimierung Physische Optimierung (Kostenmodelle Tuning ) Kapitel 8 1
Anfragebearbeitung Logische Optimierung Physische Optimierung (Kostenmodelle Tuning ) Kapitel 8 1 Ablauf der Anfrageoptimierung Deklarative Anfrage (SQL) Scanner Parser Sichtenauflösung Algebraischer Ausdruck
Mehr[W, T4, D, 15] [start_transaction, T3] [W, T3, C, 30] [W, T4, A, 20] [commit, T4] [W, T2, D, 25] System Crash
Übungen Aufgabe 1 Geben ist die folgende Logdatei: [start_transaction, T1] [W, T1, D, 20] [commit, T1] [checkpoint] [start_transaction, T2] [W, T2, B, 12] [start_transaction, T4] [W, T4, D, 15] [start_transaction,
MehrAnfrageoptimierung Kostenabschätzung
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Kostenabschätzung Dr. Thomas Gottron Wintersemester 2012/13 Regel vs. Kostenbasierte Optimierung Bisher: Regeln, wie Optimierung
MehrKapitel 8 Anfragebearbeitung. Logische Optimierung Physische Optimierung Kostenmodelle Tuning
Kapitel 8 Anfragebearbeitung Logische Optimierung Physische Optimierung Kostenmodelle Tuning Ablauf der Anfrageoptimierung Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer Ausdruck Auswertungs-
MehrKapitel 8 Anfragebearbeitung. Logische Optimierung Physische Optimierung Kostenmodelle Tuning
Kapitel 8 Anfragebearbeitung Logische Optimierung Physische Optimierung Kostenmodelle Tuning Ablauf der Anfrageoptimierung Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer Ausdruck Anfrage-
MehrAnfrageoptimierung Logische Optimierung
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Logische Optimierung Dr. Thomas Gottron Wintersemester 2012/13 Ablauf der Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer
MehrKapitel 8 Anfragebearbeitung
Kapitel 8 Anfragebearbeitung Das Bild kann nicht angezeigt werden. Dieser Computer verfügt möglicherweise über zu wenig Arbeitsspeicher, um das Bild zu öffnen, oder das Bild ist beschädigt. Starten Sie
MehrAnfragebearbeitung. Kapitel 7. Anfragebearbeitung 285 / 520
Kapitel 7 Anfragebearbeitung 285 / 520 Übersicht Anfrage Übersetzer Ausführungsplan Laufzeitsystem Ergebnis 286 / 520 Übersetzung Übersetzung SQL ist deklarativ, irgendwann muß Anfrage aber für Laufzeitsystem
MehrDatenbanksysteme I Anfragebearbeitung und -optimierung Felix Naumann
Datenbanksysteme I Anfragebearbeitung und -optimierung 9.1.2008 Felix Naumann Anfragebearbeitung Grundproblem 2 Anfragen sind deklarativ. SQL, Relationale Algebra Anfragen müssen in ausführbare (prozedurale)
MehrKapitel 8 Anfragebearbeitung. Logische Optimierung Physische Optimierung Kostenmodelle Tuning
Kapitel 8 Anfragebearbeitung Logische Optimierung Physische Optimierung Kostenmodelle Tuning Ablauf der Anfrageoptimierung Deklarative Anfrage Scanner Parser Sichtenauflösung Algebraischer Ausdruck AnfrageOptimierer
MehrAnfrageoptimierung Kostenmodelle
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Anfrageoptimierung Kostenmodelle Dr. Jérôme Kunegis Wintersemester 2013/14 Regel vs. Kostenbasierte Optimierung
MehrKostenmodelle und Tuning. Anfragebearbeitung 3. Kostenmodelle. Kostenbasierte Optimierung. VL Datenbanksysteme
Kostenmodelle und Tuning Anfragebearbeitung 3 VL Datenbanksysteme Ingo Feinerer Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Grundidee
MehrDatenbanksysteme I Anfragebearbeitung und -optimierung Felix Naumann
Datenbanksysteme I Anfragebearbeitung und -optimierung 22.6.2009 Felix Naumann Anfragebearbeitung Grundproblem 2 Anfragen sind deklarativ. SQL, Relationale Algebra Anfragen müssen in ausführbare (prozedurale)
Mehr6. Anfragebearbeitung
6. Anfragebearbeitung 6.1 Einleitung 6.2 Indexstrukturen 6.3 Grundlagen der Anfrageoptimierung 6.4 Logische Anfrageoptimierung 6.5 Kostenmodellbasierte Anfrageoptimierung 55 Fokus: Effiziente Berecnung
MehrFortsetzung: Projektion Selektion. NULL Werte
Fortsetzung: Anfragen mit SQL Bisher: Projektion Selektion Duplikatbehandlung NULL Werte Professoren PersNr Name Rang Raum 2125 Sokrates 226 2126 Russel 232 2127 Kopernikus C3 310 2133 Popper C3 52 2134
MehrAnfragebearbeitung. Anfrage. Übersetzer. Ausführungsplan. Laufzeitsystem. Ergebnis
Anfragebearbeitung Anfrage Übersetzer Ausführungsplan Laufzeitsystem Ergebnis Übersetzung SQL ist deklarativ, Übersetzung für Laufzeitsystem in etwas prozedurales DBMS übersetzt SQL in eine interne Darstellung
MehrÜbung 4. Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017)
Übung 4 Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017) Dennis Fischer dennis.fischer@tum.de http://home.in.tum.de/~fischerd/ Technische Universität München Fakultät für Informatik
MehrÜbung Datenbanksysteme II Anfrageausführung
Übung Datenbanksysteme II Anfrageausführung Leon Bornemann Folien basierend auf Maximilian Jenders, Thorsten Papenbrock Einleitung: Themen 2 Iterator-Operatoren Algorithmen-Klassen Sort-basierte Hash-basierte
Mehr5.2.2 Physische Optimierung
Physische Optimierung 5.2.2 Physische Optimierung 2002 Prof. Dr. ainer Manthey Informationssysteme 1 Physische Optimierung: Übersicht "logischer" A-Ausdruck logische Optimierung verbesserter logischer
MehrAnfragebearbeitung 3
Anfragebearbeitung 3 VL Datenbanksysteme, WS 2014/5 Reinhard Pichler Arbeitsbereich Datenbanken und Artificial Intelligence Institut für Informationssysteme Technische Universität Wien Kostenmodelle und
MehrDiskussion: Personal (1)
Diskussion: Personal (1) ER-Diagramm: Abteilung ist beschäftigt in [0, n] [0, 1] Person Umsetzung ins Relationenmodell? Diskussion: Personal (2) Zusätzliche Regel: In jeder Abteilung (Person) muss mindestens
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #4. SQL (Teil 2)
Vorlesung #4 SQL (Teil 2) Fahrplan Eine weitere Aggregation: median Geschachtelte Anfragen in SQL Korrelierte vs. Unkorrelierte Anfragen Entschachtelung der Anfragen Operationen der Mengenlehre Spezielle
MehrWeb Science & Technologies University of Koblenz Landau, Germany. Grundlagen der Datenbanken. SQL Teil 2. Dr. Jérôme Kunegis Wintersemester 2013/14
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken SQL Teil 2 Dr. Jérôme Kunegis Wintersemester 2013/14 Bereichsanfragen und Mitgliedschaft in der Menge Anfrage:
MehrAufgabe 1: Verschachtelte Anfragen
Aufgabe 1: Verschachtelte Anfragen (1 P.) (a) Betrachten Sie folgenden Ausschnitt des TPC-H Schemas: CREATE TABLE partsupp ( ps_ availqty INT, ps_ partkey INT ); CREATE TABLE lineitem ( l_ partkey INT,
MehrAnfrageverarbeitung. Einführung
Anfrageverarbeitung Prof. Dr. T. Kudraß 1 Einführung Wir betrachten die Implementierung der Operatoren der Relationenalgebra: Basis-Operationen: Selektion ( σ ) Auswahl einer Teilmenge von Tupeln aus der
MehrInformatik II Vorlesung am D-BAUG der ETH Zürich. Vorlesung 12, 2017 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen
Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 12, 2017 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen Datendefinition (DDL) in SQL Anlegen einer Tabelle create
MehrInformatik II Vorlesung am D-BAUG der ETH Zürich. Vorlesung 12, Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen
Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 12, 30.5.2016 Datenbanksysteme: Datendefinition in SQL, Kompliziertere Datenbankabfragen Datendefinition (DDL) in SQL Datentypen character (n),
MehrIMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN
Joins 1 IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN Literatur Priti Mishara, Maragaret H. Eich, Join Processing in Relational Databases, ACM Computing Surveys, Vol. 24, No. 1, March 1992 Goetz Graefe,
MehrJoins / Implementierung von Joins
Join wichtigste Operation, insbesondere in relationalen DBS: komplexe Benutzeranfragen (Star-Joins) Normalisierung der Relationen (Snowflake-Schema) verschiedene Sichten ( views ) auf die Basisrelationen
MehrDatenbanken Vertiefung Wintersemester 2013/ Matrikelnummer: Hinweise. Unterschrift
Fachbereich für Computerwissenschaften Prof. Dr. Nikolaus Augsten Jakob-Haringer-Str. 2 5020 Salzburg, Austria Telefon: +43 662 8044 6347 E-Mail: nikolaus.augsten@sbg.ac.at Datenbanken Vertiefung Prüfung
MehrDatenbanksysteme I Anfragebearbeitung und -optimierung. 27.6.2011 Felix Naumann
Datenbanksysteme I Anfragebearbeitung und -optimierung 27.6.2011 Felix Naumann Anfragebearbeitung Grundproblem 2 Anfragen sind deklarativ. SQL, Relationale Algebra Anfragen müssen in ausführbare (prozedurale)
MehrDatenbankoptimierung
Datenbankoptimierung Lehrveranstaltung Datenbanktechnologien Prof. Dr. Ingo Claßen Prof. Dr. Martin Kempa Hochschule für Technik und Wirtschaft Berlin Hardware c Ingo Claßen, Martin Kempa Architektur:
MehrAlgorithmen für Sortierung und relationale Operatoren
Algorithmen für Sortierung und relationale Operatoren In diesem Kapitel betrachten wir folgende Themen: 1. Relationale Operatoren und Sortieroperator 2. Grundlegende Operationen: Tabellen-Scan, Index-Scan,
MehrIMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN
Joins 1 Literatur IMPLEMENTIERUNG VON OPERATIONEN AUF RELATIONEN A. Kemper, A. Eickler: Datenbanksysteme Eine Einführung, 8. Auflage Oldenburg Verlag, 2011, ISBN 978-3-486-59834-6 (als E-Book mit dem Übungsbuch
MehrVorlesung Datenbanksysteme vom
Vorlesung Datenbanksysteme vom 27.10.2008 Wiederholung: Relationale Algebra Relationale Algebra Join-Operatoren Eigenschaften der relationalen Operatoren Grundlagen des relationalen Modells Seien D 1,
MehrKapitel 5 Dr. Jérôme Kunegis. SQL: Grundlagen. WeST Institut für Web Science & Technologien
Kapitel 5 Dr. Jérôme Kunegis SQL: Grundlagen WeST Institut für Web Science & Technologien Lernziele Kenntnis der Grundkonzepte von SQL Fähigkeit zur praktischen Anwendung von einfachen SQL-Anweisungen
MehrDATENBANKSYSTEME: SQL
Datendefinitions-, Manipulations- und Anfrage-Sprache SQL, Datendefinition, Veränderung am Datenbestand, Einfache SQL Abfrage, Anfragen über mehrere Relationen, Mengenfunktionen, Aggregatfunktion und Gruppierung,
MehrGrundlagen des relationalen Modells
Historische Entwicklung relationaler DBMS Grundlagen des relationalen Modells Seien D 1, D 2,..., D n Domänen (~Wertebereiche) Relation: R D 1 x... x D n Bsp.: Telefonbuch string x string x integer Tupel:
MehrDatenbanken 2. Anfragebearbeitung. Nikolaus Augsten. FB Computerwissenschaften Universität Salzburg. Version 1.
Datenbanken 2 Anfragebearbeitung Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg Version 1. Juni 2017 Wintersemester 2017/18 Augsten (Univ. Salzburg) DB2 Anfragebearbeitung
MehrAnfrageoptimierung. Datenbankpuffer
Anfrageoptimierung Java : Assembler (Faktor 2-10), aber SQL : SQL optimiert (Faktor 1-100 und mehr) - Warum? - Datenbankpuffer - Speicherstrukturen - Logische Anfrageoptimierung - Physische Anfrageoptimierung
MehrRelationales Datenmodell Relationale Algebra
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken Relationale Algebra Dr. Thomas Gottron Wintersemester 2012/13 Lernziele Grundbegriffe des Relationalen Modells Abbildung von ER-Diagrammen
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof Alfons Kemper, PhD Blatt Nr 2 Übung zur Vorlesung Grundlagen: Datenbanken im WS5/6 Harald Lang, Linnea Passing (gdb@intumde) http://www-dbintumde/teaching/ws56/grundlagen/
MehrGrundlagen: Datenbanken
Grundlagen: Datenbanken 3. Zentralübung / Fragestunde Linnea Passing Harald Lang gdb@in.tum.de Diese Folien finden Sie online. Die Mitschrift stellen wir im Anschluss online. Agenda Hinweise zur Klausur
Mehr9 Auswertung von Anfrageoperatoren 9.1 Selektion
9. Auswertung von Anfrageoperatoren 9.1. Selektion Seite 1 9 Auswertung von Anfrageoperatoren 9.1 Selektion Auswertung von σ[a op val]r. Index zu A, Sortierung zu A, Operator op. Auswertung von Formeln
MehrDatenbanksysteme noch Kapitel 7: SQL Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2013 noch Kapitel 7: SQL Vorlesung vom 13.05.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Transititve Hülle Transitive Hülle 35.) Liste alle Voraussetzungen
Mehr(4 Punkte) Aufgabe 1: Relationenalgebra - Relationenkalkül
Musterlösunq zur Klausur 1665 Datenbanksvsteme 19.03.2005 Aufgabe 1: Relationenalgebra - Relationenkalkül (4 Punkte) In der Relationenalgebra werden die gewünschten Relationen durch Angabe einer Folge
MehrÜbungsblatt 8 Lösungsvorschläge
Prof. Dr. T. Härder Fachbereich Informatik Arbeitsgruppe Datenbanken und Informationssysteme Universität Kaiserslautern Übungsblatt 8 Lösungsvorschläge für die freiwillige Übung Unterlagen zur Vorlesung:
MehrKommunikation und Datenhaltung
Kommunikation und Datenhaltung Anfrageoptimierung Überblick über den Datenhaltungsteil Einleitung und Grundlagen Architektur von Datenbanksystemen Datenbankanfragen Relationenmodell und Relationenalgebra
MehrWS 2010/11 Datenbanksysteme Fr 15:15 16:45 R Vorlesung #3. SQL (Teil 1)
Vorlesung #3 SQL (Teil 1) Fahrplan Wiederholung/Zusammenfassung Relationales Modell Relationale Algebra Relationenkalkül Geschichte der Sprache SQL SQL DDL (CREATE TABLE...) SQL DML (INSERT, UPDATE, DELETE)
MehrÜbung Datenbanksysteme II Anfrageausführung. Thorsten Papenbrock
Übung Datenbanksysteme II Anfrageausführung Thorsten Papenbrock Einleitung: Themen 3 Iterator-Operatoren Algorithmen-Klassen ort-basierte Hash-basierte Index-basierte Algorithmen-chwierigkeitsgrade One-Pass-Algorithmen
MehrInhalt. Datenbanken 2. Literatur und Quellen. Inhalt. Anfragebearbeitung. Nikolaus Augsten. Wintersemester 2017/18
Inhalt Datenbanken 2 Anfragebearbeitung 1 Einführung Nikolaus Augsten 2 Anfragekosten anschätzen nikolausaugsten@sbgacat FB Computerwissenschaften Universität Salzburg Version 1 Juni 2017 Wintersemester
MehrRückblick: Datenorganisation & Indexstrukturen
Rückblick: Datenorganisation & Indexstrukturen Datenorganisation der Tupel einer Relation als Haufen, sequenzielle Datei oder indexsequenzielle Datei Indexstrukturen zum effizienteren Zugriff auf Datensätze
MehrUniversität Augsburg, Institut für Informatik WS 2008/2009 Prof. Dr. W. Kießling 23. Nov Dr. A. Huhn, M. Endres, T. Preisinger Lösungsblatt 5
Universität Augsburg, Institut für Informatik WS 2008/2009 Prof. Dr. W. Kießling 23. Nov. 2007 Dr. A. Huhn, M. Endres, T. Preisinger Lösungsblatt 5 Aufgabe 1: SQL-Queries Datenbanksysteme I a) Geben Sie
MehrBitte tragen Sie sofort und leserlich Namen, Studienkennzahl und Matrikelnummer ein und legen Sie Ihren Studentenausweis
Gruppe A Bitte tragen Sie sofort und leserlich Namen, Studienkennzahl und Matrikelnummer ein und legen Sie Ihren Studentenausweis bereit. PRÜFUNG AUS DATENBANKSYSTEME VU 184.686 09. 01. 2015 Kennnr. Matrikelnr.
MehrRückblick: Relationale Normalisierung
Rückblick: Relationale Normalisierung Gute Relationenschema vermeiden Redundanz und führen nicht zu Anomalien beim Einfügen, Löschen oder Ändern Relationale Normalformen (1NF, 2NF, 3NF, BCNF, 4NF) charakterisieren
MehrEinordnung. 6. Basisalgorithmen für DB-Operationen. Datenbankparameter. Datenbankparameter (II)
6. Basisalgorithmen für DB-Operationen Datenbankparameter Komplexität von Grundalgorithmen Unäre Operationen (Scan, Selektion, Projektion) Binäre Operationen: Mengenoperationen Berechnung von Verbunden
MehrRelationale Anfragesprachen
Relationale Anfragesprachen Structured Query Language: SQL Query by Example: QBE Kapitel 1 Übungen Fr 8.0 Uhr Michael Kühn Raum E 11 SQL standardisierte - Datendefinitions (DDL)- - Datenmanipulations (DML)-
MehrKapitel 10: Relationale Anfragebearbeitung
Ludwig Maimilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Datenbanksysteme I Wintersemester 2017/2018 Kapitel 10: Relationale Anfragebearbeitung
MehrInhalt. Datenbanken Vertiefung. Literatur und Quellen. Inhalt. Anfragebearbeitung. Nikolaus Augsten. Wintersemester 2013/14
Inhalt Datenbanken Vertiefung Anfragebearbeitung Nikolaus Augsten nikolaus.augsten@sbg.ac.at FB Computerwissenschaften Universität Salzburg 1 Einführung 2 Anfragekosten anschätzen 3 4 Wintersemester 2013/14
MehrArchitektur eines DBMS Logische Optimierung
Vorlesung Datenbanksysteme vom 16.11.2015 Anfragebearbeitung 1 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Architektur eines DBMS SW-Komponenten der Anfragebearbeitung
MehrKapitel 10: Relationale Anfragebearbeitung
Ludwig Maimilians Universität München Institut für Informatik Lehr- und Forschungseinheit für Datenbanksysteme Skript zur Vorlesung Wintersemester 201/2016 Kapitel 10: Relationale Anfragebearbeitung Vorlesung:
MehrAufgabe 1 Indexstrukturen
8. Übung zur Vorlesung Datenbanken im Sommersemester 2006 mit Musterlösungen Prof. Dr. Gerd Stumme, Dr. Andreas Hotho, Dipl.-Inform. Christoph Schmitz 25. Juni 2006 Aufgabe 1 Indexstrukturen Zeichnen Sie
MehrWiederholung: Relationale Algebra
Vorlesung Datenbanksysteme vom 7.10.01 Wiederholung: Relationale Algebra Relationale Algebra Join-Operatoren Eigenschaften der relationalen Operatoren Grundlagen des relationalen Modells Seien D 1, D,,
Mehr6. Formaler Datenbankentwurf 6.1. Definitionen
6. Formaler Datenbankentwurf 6.1. Definitionen Minimale Überdeckung Eine Menge funktionaler Abhängigkeiten F min ist eine minimale Überdeckung zu F, wenn wir sie durch Anwendung der folgenden Schritte
MehrRückblick: Relationales Modell
Rückblick: Relationales Modell Relationales Modell als vorherrschendes Datenmodell Relationen (Tabellen) besitzen Attribute (Spalten) mit Wertebereichen und beinhalten Tupel (Zeilen) Umsetzung eines konzeptuellen
MehrLogische Optimierung. Im Allgemeinen wird keine optimale Lösung erzielt, sondern nur eine Verbesserung. Logische Optimierung
Logische Optimierung Höhere, nichtprozedurale Abfragesprachen (SQL, QBE,...) verlangen keine Kenntnisse des Benutzers über die Implementierung, müssen aber in prozedurale Form (z. B. Relationenalgebra)
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Blatt Nr. 04 Übung zur Vorlesung Grundlagen: Datenbanken im W16/17 Harald Lang, Linnea Passing (gdb@in.tum.de)
MehrDatenbanksysteme noch Kapitel 7: SQL. Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2015 noch Kapitel 7: SQL Vorlesung vom 12.05.2015 Oliver Vornberger Institut für Informatik Universität Osnabrück SQL: Schlüsselworte select from where order by asc desc as like upper
MehrRückblick. SQL bietet viele Möglichkeiten zur Anfrageformulierung
Rückblick SQL bietet viele Möglichkeiten zur Anfrageformulierung mathematische Funktionen (z.b. ABS(A) und SIGN(A)) Aggregatfunktionen (z.b. MIN(A) und SUM(A)) Boole sche Operatoren (AND, OR, EXCEPT) Verknüpfungen
MehrHistorische Entwicklung relationaler DBMS. Ted Codd: A Relational Model of Data for Large Shared Data Banks, Comm. ACM, Juni 1970, S.
Historische Entwicklung relationaler DBMS Ted Codd: A Relational Model of Data for Large Shared Data Banks, Comm. ACM, Juni 1970, S. 377 387 Grundlagen des relationalen Modells Seien D 1, D 2,..., D
MehrWintersemester 2016/ Matrikelnummer: Hinweise. Unterschrift
Fachbereich für Computerwissenschaften Prof. Dr. Nikolaus Augsten Jakob-Haringer-Str. 2 5020 Salzburg, Austria Telefon: +43 662 8044 6347 E-Mail: nikolaus.augsten@sbg.ac.at Datenbanken II Prüfung Wintersemester
MehrKapitel 8 Dr. Jérôme Kunegis. SQL Continued. WeST Institute for Web Science & Technologies
Kapitel 8 Dr. Jérôme Kunegis SQL Continued WeST Institute for Web Science & Technologies Lernziele Syntax von SQL Anfragen Erweiterte Konstrukte in SQL Abfragen: Aggregation, Gruppierung, rekursive Anfragen..
Mehr7.3 Baum-Indexstrukturen
7. Physischer Datenbankentwurf 7.3. Baum-Indexstrukturen Seite 1 7.3 Baum-Indexstrukturen B-Baum der Ordnung (m, l); m > 2, l > 1. Die Wurzel ist entweder ein Blatt oder hat mindestens zwei direkte Nachfolger.
MehrWiederholung: Relationale Algebra
Vorlesung Datenbanksysteme vom 1.11.016 Wiederholung: Relationale Algebra Relationale Algebra Join-Operatoren Eigenschaften der relationalen Operatoren Grundlagen des relationalen Modells Seien D1, D,,
MehrAnfrageverarbeitung und Kostenmodelle
Anfrageverarbeitung und Kostenmodelle Warum ist es wichtig? Ziel der Anfrageverarbeitung (query processing): eine Anfrage möglichst effizient auszuführen Eine effiziente Anfrageauswertung hängt davon ab,
Mehrrelationale Algebra und SQL
Entity-Relationship-Modell Seite 1 / 22 Entität: Student Vorlesung Attribut: Name Geburtstag Beziehung: besucht Schlüsselattribut: Matrikelnummer Schreibweise: Entität : {[ Schlüsselattribut : datentyp,
MehrAusblick über den Tellerrand
Institute for Web Science & Technologies WeST Grundlagen der Datenbanken über den Tellerrand Dr. Thomas Gottron Wintersemester 2012/13 Column Stores Thomas Gottron GLDB 2012/13 2 Row Stores Wir haben betrachtet:
MehrDatenbanksysteme Vorlesung vom noch Kapitel 7: SQL. Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2009 Vorlesung vom 19.05.2009 noch Kapitel 7: SQL Oliver Vornberger Institut für Informatik Universität Osnabrück SQL: Self Join 15.) Liste die Namen der Assistenten, die für denselben
MehrDatenbanksysteme SS 2007
Datenbanksysteme SS 2007 Frank Köster (Oliver Vornberger) Institut für Informatik Universität Osnabrück Kapitel 6b: Das relationale Modell Das Relationale Modell (vgl. Lerneinheit 6a) Wertebereiche (Domänen):
MehrPhysischer DB-Entwurf
Physischer DB-Entwurf Prof. Dr. T. Kudraß 1 Überblick Ausgangslage: Konzeptuelles und externes Schema sind erstellt: ER Modell, Schemaverfeinerung und Definition von Sichten Nächster Schritt: Physischer
MehrAnfragebearbeitung 1. Vorlesung Datenbanksysteme vom
Vorlesung Datenbanksysteme vom 16.11.016 Anfragebearbeitung 1 Architektur eines DBMS Logische Optimierung Physische Optimierung Kostenmodelle + Tuning Architektur eines DBMS SW-Komponenten der Anfragebearbeitung
MehrDatenbanksysteme noch Kapitel 7: SQL Vorlesung vom Oliver Vornberger. Institut für Informatik Universität Osnabrück
Datenbanksysteme 2013 noch Kapitel 7: SQL Vorlesung vom 7.5.2013 Oliver Vornberger Institut für Informatik Universität Osnabrück Sprung Transititve Hülle SQL: avg, group by 16.) Liste die durchschnittliche
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Seien D 1, D,, D n Domänen (Wertebereiche, Mengen) Eine Relation ist eine Teilmenge R D 1 x x D n Bsp.: Telefonbuch string x string x integer Ein Tupel ist jedes Element
MehrStar Join & Kostenbasierte Optimierung. Architektur von Datenbanksystemen II
Star Join & Kostenbasierte Optimierung Architektur von Datenbanksystemen II Star Join Übungsaufgabe zum 09.06.2015 JOIN-ALGORITHMUS für folgendes Scenario Große Faktentabelle F mit sehr vielen Einträgen
MehrDatenbanken Vertiefung Wintersemester 2014/ Matrikelnummer: Hinweise. Unterschrift
Fachbereich für Computerwissenschaften Prof. Dr. Nikolaus Augsten Jakob-Haringer-Str. 2 5020 Salzburg, Austria Telefon: +43 662 8044 6347 E-Mail: nikolaus.augsten@sbg.ac.at Datenbanken II Prüfung Datenbanken
MehrGrundlagen des relationalen Modells
Grundlagen des relationalen Modells Das relationale Modell Verfeinerung des relationalen Schemas Relationale Algebra Relationenkalkül Kapitel 3 1 Grundlagen des relationalen Modells Seien D 1, D,, D n
MehrÜbung 3. Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017)
Übung 3 Tutorübung zu Grundlagen: Datenbanken (Gruppen Do-T24 / Do-T31 WS 2016/2017) Dennis Fischer dennis.fischer@tum.de http://home.in.tum.de/~fischerd/ Technische Universität München Fakultät für Informatik
MehrRelationales Datenmodell Relationale Algebra
Web Science & Technologies University of Koblenz Landau, Germany Grundlagen der Datenbanken Relationale Algebra Dr. Gerd Gröner Wintersemester 2013/14 Lernziele Grundbegriffe des Relationalen Modells Abbildung
Mehr