DDB---查询与优化

摘要：分布式数据库（Distributed DB）是数据库中非常重要的一个部分，随着要处理的数据越来越多，分布式逐渐成为了一种策略。主要有：分布式操作系统，分布式程序设计语言，分布式文件系统，分布式数据库等。今天我们主要学习分布式数据库中常用的查询优化策略。

分布式查询优化的目标

方式一：使总代价最小（总代价 = CPU代价 + I/O代价 + 通信代价）

方式二：响应时间最短

查询代价的估算方法

设一个查询的预期代价为 QC （query cost）

QC = CPU代价 + I/O代价 + 通信代价

其中，通信代价(Transmit Cost)可用如下公式粗略估算：

TC(X) = C₀ + C₁ * X

1）X 为数据的传输量，通常以 bit 为单位计算

2）C₀为两站点间通信初始化一次所花费的时间，它由通信系统确定，近似一个常数，以秒（s）为单位

3）C₁ 为传输率（传输速度的倒数），即单位数据传输的时间，单位是 s/bit

分布式查询的层次结构

1）查询分解：将查询问题（例如 SQL 语句）转换为一个定义在全局关系上的关系代数表达式。本层转换所需要的信息在全局概念模式中获得

2）数据本地化：把一个全局关系上的查询，进行具体化（尽可能做到本地化或近本地化）片段上的查询。这一变换所需要的信息在分片模式中片段的分配模式中获得

3）全局优化：找出片段查询的最佳操作次序，包括使得代价函数最小。（基于广域网的分布式 DBMS，通信代价是最为明显的因素）。本层转换所需要的信息来自数据库统计信息，包括各站点片段统计信息、资源信息和通信信息等

4）局部优化：在每一个站点上执行的子查询，被称为局部查询。它由该站点上的 DBMS 进行优化。所需信息取自局部模式

具体优化方法

基于关系代数等价变换的查询优化

基本原理：把查询问题转变为关系代数表达式，分析得到查询树(语法树)，进行从全局到片段的变换得到基于片段上的查询树，然后利用关系代数等价变换规则的优化算法，尽可能先执行选择和投影操作。这样，一方面可以减少其后操作的操作量，另一方面可以减少操作次数，对该查询树进行优化，从而达到查询优化的目的。

水平分片关系优化原理：首先，尽可能地把条件选择下移到分片的限定关系处，再把分片的限定关系与选择条件进行比较，然后去掉它们之间存在矛盾的相应片段。如果最后剩下一个水平片段，则在重构全局关系的操作中，就可去掉”并操作“（至少可以减少”并“操作的次数）

S(S#,SNAME,AGE,SEX)   -- 数据库全局关系中的 S 表

SC(S#,C#,GRADE)       -- 数据库全局关系中的 SC 表

SELECT DISTINCT SNAME FROM S,SC      -- 执行的查询语句

WHERE S.S# = SC.S# AND SEX = 'M' AND GRADE > 90

它的关系代数表达式为：

　　∏_SNAME(δ_{SEX='M' ^ GRADE>90}(δ_{S.S# = SC.S#})(S X SC))

垂直分片关系优化原理：把垂直分片所用到的属性集，与查询条件（查询表达式）中的投影操作所涉及的属性集相比较，去掉无关的垂直片段。如果只剩下一个垂直片段与查询有关时，就可去掉重构全局关系的”连接“操作（至少可以减少”连接“操作的次数）

--全局关系 EMP(EMP#,DEPT#,SALARY,DEPT#,DNAME) 进行垂直分片

-- E1（EMP#,DEPT#,DNAME）

-- E2 (EMP#,ENAME,SALARY)

SELECT ENAME,SALARY FROM EMP   -- 执行的查询语句

它的关系代数表达式为：

　　∏_ENAME,SALARY(EMP)

基于半连接算法的查询优化

　　引入半连接算法的理由：

　　　　连接操作是常用而且代价较高的一种操作。目的是为了使分布式数据库系统能有效地处理连接操作，使传输的数据量最少。

　　半连接操作过程和代价估计：

基于直接连接算法的查询优化

　　3.1 一般常用策略

　　3.2 利用站点依赖信息的算法

　　3.3 分片和复制算法

　　3.4 站点依赖和数据复制结合

　　3.5 Hash 划分算法

总结：不同方法的比较