Kapitel 7 Physische Datenorganisation. Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume

Transkript

1 Kapitel 7 Physische Datenorganisation Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume

2 Überblick: Speicherhierarchie Register (L1/L2/L3) Cache Hauptspeicher Plattenspeicher Archivspeicher 2

3 Überblick: Speicherhierarchie Register Cache Hauptspeicher 8 Byte Compiler kbyte Cache-Controller 4+ GB Betriebssystem Plattenspeicher Archivspeicher Benutzer 3

4 Überblick: Speicherhierarchie 1ns Register 1-10ns Cache ns Hauptspeicher 10 ms Plattenspeicher Zugriffslücke 10 5 sec Archivspeicher 4

5 Magnetplattenspeicher 7

6 rpm ~ 4 ms pro Umdre 1 TB Kapazität 100 MB/s Transferrate 8

7 Lesen von Daten von der Platte Seek Time: Arm positionieren 5ms Latenzzeit: ½ Plattenumdrehung (im Durchschnitt) Umdrehungen / Minute Ca 2ms Transfer von der Platte zum Hauptspeicher 100 MB/s 9

8 Random versus Chained IO 1000 Blöcke à 4KB sind zu lesen Random I/O Jedesmal Arm positionieren Jedesmal Latenzzeit 1000 * (5 ms + 2 ms) + Transferzeit von 4 MB > 7000 ms + 40ms 7s Chained IO Einmal positionieren, dann von der Platte kratzen 5 ms + 2ms + Transferzeit von 4 MB 7ms + 40 ms 1/20 s Also ist chained IO mindestens zwei Größenordnungen schneller als random IO in Datenbank-Algorithmen unbedingt beachten! 10

9 Disk Arrays RAID-Systeme 11

10 12

11 RAID 0: Striping Datei A B C D A C B D Lastbalancierung wenn alle Blöcke mit gleicher Häufigkeit gelesen/geschrieben werden Doppelte Bandbreite beim sequentiellen Lesen der Datei bestehend aus den Blöcken ABCD... Aber: Datenverlust wird immer wahrscheinlicher, je mehr Platten man verwendet (Stripingbreite = Anzahl der Platten, hier 2) 13

12 RAID 1: Spiegelung (mirroring) A B A B C D C D Datensicherheit: durch Redundanz aller Daten (Engl. mirror) Doppelter Speicherbedarf Lastbalancierung beim Lesen: z.b. kann Block A von der linken oder der rechten Platte gelesen werden Aber beim Schreiben müssen beide Kopien geschrieben werden Kann aber parallel geschehen Dauert also nicht doppelt so lange wie das Schreiben nur eines Blocks 14

13 RAID 0+1: Striping und Spiegelung A A B B C C D D Kombiniert RAID 0 und RAID 1 Immer noch doppelter Speicherbedarf Zusätzlich zu RAID 1 erzielt man hierbei auch eine höhere Bandbreite beim Lesen der gesamten Datei ABCD... Wird manchmal auch als RAID 10 bezeichnet 15

14 RAID 2: Striping auf Bit-Ebene Anstatt ganzer Blöcke, wie bei RAID 0 und RAID 0+1, wird das Striping auf Bit- (oder Byte-) Ebene durchgeführt Datei Es werden zusätzlich auf einer Platte noch Fehlererkennungsund Korrekturcodes gespeichert In der Praxis nicht eingesetzt, da Platten sowieso schon Fehlererkennungscodes verwalten 16

15 RAID 3: Striping auf Bit-Ebene, zusätzliche Platte für Paritätsinfo Datei Parität Das Striping wird auf Bit- (oder Byte-) Ebene durchgeführt Es wird auf einer Platte noch die Parität der anderen Platten gespeichert. Parität = bit-weise xor Dadurch ist der Ausfall einer Platte zu kompensieren Das Lesen eines Blocks erfordert den Zugriff auf alle Platten Verschwendung von Schreib/Leseköpfen Alle marschieren synchron 17

16 RAID 3: Plattenausfall Datei Parität Reparatur

17 RAID 4: Striping von Blöcken A E B F C G D H P A-D P E-H Bessere Lastbalancierung als bei RAID 3 Flaschenhals bildet die Paritätsplatte Bei jedem Schreiben muss darauf zugegriffen werden Bei Modifikation von Block A zu A wird die Parität P A-D wie folgt neu berechnet: P A-D := P A-D A A D.h. bei einer Änderung von Block A muss der alte Zustand von A und der alte Paritätsblock gelesen werden und der neue Paritätsblock und der neue Block A geschrieben werden 19

18 RAID 4: Striping von Blöcken Datei Paritäts block Flaschenhals bildet die Paritätsplatte Bei jedem Schreiben muss darauf zugegriffen werden Bei Modifikation von Block A zu A wird die Parität P A-D wie folgt neu berechnet: P A-D := P A-D A A D.h. bei einer Änderung von Block A muss der alte Zustand von A und der alte Paritätsblock gelesen werden und der neue Paritätsblock und der neue Block A geschrieben werden 20

19 RAID 5: Striping von Blöcken, Verteilung der Paritätsblöcke A E B F C G D P E-H P A-D H I M J P M-P P I-L N K O L P Bessere Lastbalancierung als bei RAID 4 die Paritätsplatte bildet jetzt keinen Flaschenhals mehr Wird in der Praxis häufig eingesetzt Guter Ausgleich zwischen Platzbedarf und Leistungsfähigkeit 21

20 RAID 6: Wie RAID5, aber zwei Paritätsblöcke P E-H A E F C G D P A-D H P I-L P A-D M J P M-P P I-L N K O L P P E-H I B P M-P Recovery bei RAID 5 kann mehrere Stunden dauern Ausfall während Recovery führt zu Totalverlust der Daten RAID6 kann auch einen Ausfall während der Recovery-Phase verkraften 22

21 Systempuffer-Verwaltung einlagern verdrängen Hauptspeicher Platte ~ persistente DB 26

22 Ein- und Auslagern von Seiten Systempuffer ist in Seitenrahmen gleicher Größe aufgeteilt Ein Rahmen kann eine Seite aufnehmen Überzählige Seiten werden auf die Platte ausgelagert Hauptspeicher 0 4K 8K 12K 16K 32K 20K 36K 24K 40K 28K 44K Platte(swap device) P123 P480 48K 52K 56K 60K Seitenrahmen Seite 27

23 Adressierung von Tupeln auf dem Hintergrundspeicher 28

24 Verschiebung innerhalb einer Seite 29

25 Verschiebung von einer Seite auf eine andere Forward 30

26 Verschiebung von einer Seite auf eine andere Bei der nächsten Verschiebung wird der Forward auf Seite 4711 geändert (kein Forward auf Seite 4812) 31

27 B-Bäume Balancierte Mehrwege-Suchbäume Für den Hintergrundspeicher

28 D.. Weitere Daten S.. Suchschlüssel V.. Verweise (SeitenNr) 44

29 45

30 46

31 Einfügen eines neuen Objekts (Datensatz) in einen B-Baum 47

32 Sukzessiver Aufbau eines B-Baums vom Grad k=

33 Sukzessiver Aufbau eines B-Baums vom Grad k=

34 Sukzessiver Aufbau eines B-Baums vom Grad k=2?

35 Sukzessiver Aufbau eines B-Baums vom Grad k=2?

36 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10?

37 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10?

38 Sukzessiver Aufbau eines B-Baums vom Grad k=2 1 10?

39 Sukzessiver Aufbau eines B-Baums vom Grad k=2 1 10?

40 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10?

41 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10?

42 Sukzessiver Aufbau eines B-Baums vom Grad k=2 2 10?

43 Sukzessiver Aufbau eines B-Baums vom Grad k=2 2 10?

44 Sukzessiver Aufbau eines B-Baums vom Grad k=2 2 10?

45 Sukzessiver Aufbau eines B-Baums vom Grad k=2 4 10?

46 Sukzessiver Aufbau eines B-Baums vom Grad k=2 4 10?

47 Sukzessiver Aufbau eines B-Baums vom Grad k=2 4 10?

48 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

49 Sukzessiver Aufbau eines B-Baums vom Grad k=2 4 4?

50 Sukzessiver Aufbau eines B-Baums vom Grad k=2?

51 Sukzessiver Aufbau eines B-Baums vom Grad k=2 11?

52 Sukzessiver Aufbau eines B-Baums vom Grad k=2?

53 Sukzessiver Aufbau eines B-Baums vom Grad k=2 21?

54 Sukzessiver Aufbau eines B-Baums vom Grad k=2 21?

55 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

56 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

57 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

58 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

59 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

60 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

61 Sukzessiver Aufbau eines B-Baums vom Grad k=2 12?

62 Sukzessiver Aufbau eines B-Baums vom Grad k=2 14?

63 Sukzessiver Aufbau eines B-Baums vom Grad k=2 14?

64 Sukzessiver Aufbau eines B-Baums vom Grad k=2 15?

65 Sukzessiver Aufbau eines B-Baums vom Grad k=2 20?

66 Sukzessiver Aufbau eines B-Baums vom Grad k=2 20?

67 Sukzessiver Aufbau eines B-Baums vom Grad k=2 20?

68 Sukzessiver Aufbau eines B-Baums vom Grad k=2 20?

69 Sukzessiver Aufbau eines B-Baums vom Grad k=2 20?

70 Sukzessiver Aufbau eines B-Baums vom Grad k=2 5?

71 Sukzessiver Aufbau eines B-Baums vom Grad k=2 5?

72 Sukzessiver Aufbau eines B-Baums vom Grad k=2 5?

73 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

74 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

75 91

76 Sukzessiver Aufbau eines B-Baums vom Grad k=2 8?

77 Sukzessiver Aufbau eines B-Baums vom Grad k=2 8?

78 Sukzessiver Aufbau eines B-Baums vom Grad k=2 8?

79 Sukzessiver Aufbau eines B-Baums vom Grad k=2 8?

80 Sukzessiver Aufbau eines B-Baums vom Grad k=2 8?

81 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

82 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

83 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

84 Sukzessiver Aufbau eines B-Baums vom Grad k=2 6?

85 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

86 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

87 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

88 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

89 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10 B-Baum mit Minimaler Speicherplatzausnutzung ?

90 Sukzessiver Aufbau eines B-Baums vom Grad k=2 10 B-Baum mit Minimaler Speicherplatzausnutzung ?

91 107

92 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

93 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

94 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

95 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 19 Unterlauf

96 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 19 Unterlauf

97 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

98 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

99 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Unterlauf

100 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

101 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

102 Sukzessiver Aufbau eines B-Baums vom Grad k=2 Unterlauf ?

103 Sukzessiver Aufbau eines B-Baums vom Grad k=2 merge ?

104 Sukzessiver Aufbau eines B-Baums vom Grad k=2 merge ?

105 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

106 Sukzessiver Aufbau eines B-Baums vom Grad k=2 Schrumpfung, Freie Knoten ?

107 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 4 Speicherblock Nr 4 123

108 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 0*8KB 1*8KB 2*8KB 3*8KB 4*8KB 8 KB-Blöcke 3 0 Block- Nummer Datei 124

109 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 0*8KB 1*8KB 2*8KB 3*8KB 4*8KB 8 KB-Blöcke 3 0 Block- Nummer Datei 125

110 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 0*8KB 1*8KB 2*8KB 3*8KB 4*8KB Block- Nummer 0 8 KB-Blöcke Datei

111 Zusammenspiel: Hintergrundspeicher -- Hauptspeicher Hintergrundspeicher Hauptspeicher- Puffer 4 4 Zugriffslücke

112 B + -Baum Referenzschlüssel Suchschlüssel 128

113 129

114 130

115 Mehrere Indexe auf denselben Objekten B-Baum Mit (PersNr, Daten) Einträgen B-Baum Mit (Alter,???) Einträgen Name, Alter, Gehalt... Alter, PersNr 131

116 Mehrere Indexe auf denselben Objekten Wer ist 20? B-Baum Mit (PersNr, Daten) Einträgen B-Baum Mit (Alter,???) Einträgen Name, Alter, Gehalt... 20, 007 Alter, PersNr 132

117 Mehrere Indexe auf denselben Objekten Wer ist 20? B-Baum Mit (PersNr, Daten) Einträgen B-Baum Mit (Alter,???) Einträgen 007,Bond,20,... Name, Alter, Gehalt... 20, 007 Alter, PersNr 133

118 Eine andere Möglichkeit: Referenzierung über Speicheradressen PersNr Alter 007,... 20, , Bond, 20,

119 Realisierungstechnik für Hintergrundspeicher-Adressen Seiten / Blöcke (ca 8 KB) 135

120 Adressierung von Tupeln auf dem Hintergrundspeicher 136

121 Verschiebung innerhalb einer Seite 137

122 Verschiebung von einer Seite auf eine andere Forward 138

123 Verschiebung von einer Seite auf eine andere Bei der nächsten Verschiebung wird der Forward auf Seite 4711 geändert (kein Forward auf Seite 4812) 139

124 Statische Hashtabellen À priori Allokation des Speichers Nachträgliche Vergrößerung der Hashtabelle ist teuer Hashfunktion h(...) =... mod N Rehashing der Einträge h(...) =... mod M In Datenbankanwendungen viele GB Erweiterbares Hashing Zusätzliche Indirektion über ein Directory Ein zusätzlicher Zugriff auf ein Directory, das den Zeiger (Verweis, BlockNr) des Hash-Bucket enthält Dynamisches Wachsen (und Schrumpfen) ist möglich Der Zugriff auf das Directory erfolgt über einen binären Hashcode 140

125 Statisches Hashing 141

126 binärer Trie, Entscheidungsbaum Directory Bucket Bucket Bucket Bucket Bucket Bucket 142

127 Hashfunktion für erweiterbares Hashing h: Schlüsselmenge {0,1}* Der Bitstring muss lang genug sein, um alle Objekte auf ihre Buckets abbilden zu können Anfangs wird nur ein (kurzer) Präfix des Hashwertes (Bitstrings) benötigt Wenn die Hashtabelle wächst wird aber sukzessive ein längerer Präfix benötigt Beispiel-Hashfunktion: gespiegelte binäre PersNr h(004) = (4= ) h(006) = (6= ) h(007) = (7 = ) h(013) = (13 = ) h(018) = (18 = ) h(032) = (32 = ) H(048) = (48 = ) 143

128 Bucket 6 Bucket Bucket 48 Bucket 7 13 Bucket Bucket 144

129 räfix 01 4 Bucket Bucket Bucket 48 7 Bucket 13 Bucket Bucket Präfix 1 145

130 Bucket Bucket Bucket Bucket Bucket Bucket

131 globale Tiefe: Directory lokale Tiefe: lokale Tiefe: 1 4 Bucket 6 Bucket 18 Bucket lokale Tiefe: 2 7 Bucket 13 Bucket Bucket 147

132 globale Tiefe: Directory Einfügen: 12 12=1100 h(12)= lokale Tiefe: lokale Tiefe: 1 4 Bucket 12 Bucket 6 18 Bucket lokale Tiefe: 2 7 Bucket 13 Bucket Bucket 148

133 globale Tiefe: 3 Directory Einfügen: 20 20=10100 h(20)= lokale Tiefe: lokale Tiefe: 1 Overflow 4 Bucket 12 Bucket 6 18 Bucket lokale Tiefe: 2 7 Bucket 13 Bucket Bucket 149

134 globale Tiefe: Directory h(12)= h(4) = h(20)= Overflow lokale Tiefe: lokale Tiefe: Bucket 1111 Bucket Bucket Bucket lokale Tiefe: 2 Bucket Ausgleich Bucket 150

135 globale Tiefe: Directory h(12)= h(4) = h(20)= Overflow lokale Tiefe: lokale Tiefe: Bucket 20 Bucket 1111 Bucket 12 Bucket lokale Tiefe: 2 Bucket Ausgleich Bucket 151

136 globale Tiefe: Directory lokale Tiefe: Overflow lokale Tiefe: Bucket 1111 Bucket Bucket Bucket lokale Tiefe: 2 Bucket Ausgleich Bucket 152

137 153

138 154

139 Mehrdimensionale Datenstrukturen Wertbasierter Zugriff auf der Grundlage mehrerer Attribute, dies einzeln oder in beliebigen Kombinationen. Typische Anforderungen aus CAD, VLSI-Entwurf, Kartographie,... Anfragen decken den Bereich ab zwischen mehrdimensionalem Punktzugriff (EMQ) und mehrdimensionalen Bereichsanfragen (RQ) Lösung mit eindimensionalen Indexen erfordert konjunktive Zerlegung der Anfrage in Einattributanfragen und Schnittmengenbildung bedingt hohe Speicherredundanz Problemstellung: Mehrdimensionale Nachbarschaftsverhältnisse 155

140 Grundlagen mehrdimensionaler Datenstrukturen Wertebereiche D 0,..., D k-1 : alle D i sind endlich, linear geordnet und besitzen kleinstes (- i ) und größtes ( i ) Element Datenraum D = D 0... D k-1 k-dimensionaler Schlüssel entspricht Punkt im Datenraum p D 156

141 Grundlagen mehrdimensionaler Datenstrukturen 1. Exact Match Query spezifiziert Suchwert für jede Dimension D i 2. Partial Match Query spezifiziert Suchwert für einen Teil der Dimensionen 3. Range Query spezifiziert ein Suchintervall [ug i, og i ] für alle Dimensionen 4. Partial Range Query spezifiziert ein Suchintervall für einen Teil der Dimensionen 157

142 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Grid-File (Gitter-Datei): atomar, vollständig, disjunkt 158

143 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) K-D-B-Baum: atomar, vollständig, disjunkt 159

144 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) R + -Baum: atomar, disjunkt 160

145 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) R-Baum: atomar 161

146 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Buddy-Hash-Baum: atomar, disjunkt 162

147 Charakterisierung mehrdimensionaler Datenstrukturen Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Z-B-Baum: vollständig,disjunkt 163

148 Alter R-Baum: Urvater der baum-strukturierten mehrdimensionalen Zugriffsstrukturen [18,60] [60,120] K Bond 20 80K Mini 43 70K Mickey 18 60K Duck 60 Bond 40 Mickey 20 Duck Mini 40K 60K 80K 100K 120K Gehalt 164

149 Alter Alter Gute versus schlechte Partitionierung gute Partitionierung schlechte Partitionierung Mickey Bond Mickey Bond Speedy Speedy Duck Mini Duck Mini Gehalt Gehalt 165

150 Alter Nächste Phase in der Entstehungsgeschichte des R-Baums [18,43] [60,80] [40,60] [100,120] 20 80K Mini 43 70K Mickey 18 60K Duck K Bond K Speedy Bert (noch nicht eingefügt) Mickey Bond Speedy Duck Mini Gehalt 166

151 Nächste Phase [18,20] [60,80] [25,60] [110,120] [41,45] [45,70] [40,65] [95,100] 20 80K Mini 18 60K Duck K Bond K Urmel K Bill 43 70K Mickey 45 55K Bert 41 45K Ernie K Speedy 65 95K Lucie 167

152 Alter Datenraum Bert Lucie Mickey Bond Duck Ernie Speedy Mini Urmel Bill Gehalt 168

153 Wachsen des Baums: nach oben wie im B-Baum [18,50] [25,65] [45,80] [95,120] [18,20] [60,80] [41,45] [45,55] [41,50] [60,70] [41,45] [45,70] [40,65] [95,100] 43 70K Mickey 41 60K Jan 50 65K Sepp

154 Alter Datenraum Lucie Sepp Bert Mickey Ernie Jan Speedy Urmel Duck Mini Bill Gehalt 170

155 Überblick Alter [18,50] [45,80] [25,65] [95,120] Sepp Lucie Bond [18,20] [60,80] 43 70K Mickey [41,45] [45,55] 41 60K Jan [41,50] [60,70] 50 65K Sepp [25,60] [110,120] [40,65] [95,100] Bert Ernie Duck Jan Mickey Speedy Mini Gehalt Urmel Bill 171

156 172 [60,80] [18,20] [45,55] [41,45] [60,70] [41,50] [110,120] [25,60] [95,100] [40,65] [45,80] [18,50] [95,120] [25,65] Jan 60K 41 Sepp 65K 50 Mickey 70K 43 Speedy 100K 40 Lucie 95K 65 Mini 80K 20 Duck 60K 18 Bond 120K 60 Urmel 112K 35 Bert 55K 45 Ernie 45K 41 Bill 110K 25

157 173 Bereichsanfragen auf dem R-Baum Alter Gehalt Mickey Duck Mini Speedy Bert Ernie Bill Lucie Urmel Jan Sepp [60,80] [18,20] [45,55] [41,45] [60,70] [41,50] [110,120] [25,60] [95,100] [40,65] [45,80] [18,50] [95,120] [25,65] Jan 60K 41 Sepp 65K Mickey 70K 43 Speedy 100K 40 Lucie 95K 65 Anfragefenster Bond

158 174 [60,80] [18,20] [45,55] [41,45] [60,70] [41,50] [110,120] [25,60] [95,100] [40,65] [45,80] [18,50] [95,120] [25,65] Jan 60K 41 Sepp 65K 50 Mickey 70K 43 Speedy 100K 40 Lucie 95K 65 Mini 80K 20 Duck 60K 18 Bond 120K 60 Urmel 112K 35 Bert 55K 45 Ernie 45K 41 Bill 110K 25

159 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum 175

160 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum 176

161 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum 177

162 Objektballung / Clustering logisch verwandter Daten 187

163 188

164 189

165 190

166 Unterstützung eines Anwendungsverhaltens Select Name From Professoren Where PersNr = 2136 Select Name From Professoren Where Gehalt >= and Gehalt <=

167 Indexe in SQL Create index SemsterInd on Studenten (Semester) drop index SemsterInd 192