Bài giảng Cơ sở dữ liệu nâng cao - ĐH Hàng Hải

TRƢỜNG ĐẠI HỌC HÀNG HẢI
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN HỆ THỐNG THÔNG TIN
***






BÀI GIẢNG
CƠ SỞ DỮ LIỆU NÂNG CAO




TÊN HỌC PHẦN : CƠ SỞ DỮ LIỆU NÂNG CAO
MÃ HỌC PHẦN : 17406
TRÌNH ĐỘ ĐÀO TẠO : ĐẠI HỌC CHÍNH QUY
DÙNG CHO SV NGÀNH: CÔNG NGHỆ THÔNG TIN






HẢI PHÕNG – 2011



2

MỤC LỤC
CHƢƠNG 1: LƢU TRỮ VÀ TỔ CHỨC TỆP TIN 6
1.1. Tổng quan về phƣơng tiện lƣu trữ 6
1.2. Tổ chức tệp tin 7
1.2.1. Bản ghi với độ dài cố định (Fixed – Length Records) 7
1.2.2. Bản ghi với độ dài thay đổi (Variable – Length Records) 9
1.3. Tổ chức các bản ghi trong tệp tin 11
1.3.1. Tổ chức tệp tin Heap 11
1.3.2. Tổ chức tệp tin tuần tự 11
1.3.3. Tổ chức tệp tin băm 12
1.4. Câu hỏi ôn tập chƣơng 1 14
CHƢƠNG 2: LẬP CHỈ MỤC VÀ BĂM 15
2.1. Các khái niệm cơ bản 15
2.2. Các chỉ mục có thứ tự 15
2.2.1. Chỉ mục chính (Primary Indexes) 15
2.2.2. Chỉ mục cụm (Clustering Indexes) 17
2.2.3. Chỉ mục phụ (Secondary Indexes) 17
2.3. Chỉ mục cây B
+
19
2.3.1. Tóm lược về cây tìm kiếm 19
2.3.2. Chỉ mục B – Tree 20
2.3.3. Chỉ mục B
+
– Tree 21
2.4. Băm tĩnh và băm động 23
2.4.1. Băm tĩnh (Static Hashing) 23
2.4.2. Băm động (Dynamic Hashing) 24
2.5. Câu hỏi ôn tập chƣơng 2 26
CHƢƠNG 3: TỐI ƢU HÓA TRUY VẤN 28

3.1. Giới thiệu 28
3.2. Các phép biến đổi tƣơng đƣơng 28
3.3. Thuật toán tối ƣu hóa cây đại số quan hệ 30
3.3.1. Thuật toán 30
3.3.2. Ví dụ 30
3.4. Câu hỏi ôn tập chƣơng 3 32
CHƢƠNG 4: GIAO DỊCH TRONG CƠ SỞ DỮ LIỆU 33
4.1. Giới thiệu 33
3
4.2. Các tính chất và trạng thái của giao dịch 33
4.2.1. Tính chất của giao dịch 33
4.2.2. Trạng thái của giao dịch 33
4.3. Lịch biểu 34
4.3.1. Khái niệm lịch biểu 34
4.3.2. Tính khả tuần tự của lịch biểu 35
4.4. Thuật toán kiểm tra tính khả tuần tự của lịch biểu 35
4.5. Câu hỏi ôn tập chƣơng 4 37
CHƢƠNG 5: ĐIỀU KHIỂN ĐỒNG THỜI VÀ KHÔI PHỤC HỆ THỐNG 38
5.1. Các giao thức dựa vào khóa 38
5.1.1. Mô hình khóa nhị phân 38
5.1.2. Mô hình khóa đọc – ghi (chia sẻ – độc quyền) 38
5.1.3. Giao thức khóa 2 pha 40
5.1.4. Deadlock 41
5.2. Giao thức thứ tự nhãn thời gian (Timestamp – Ordering protocol) 43
5.2.1. Nhãn thời gian (Timestamp) 43
5.2.2. Giao thức thứ tự nhãn thời gian (Timestamp – Ordering Protocol) 43
5.3. Phục hồi hệ thống dựa vào nhật ký giao dịch (Log-based) 44
5.3.1. Cập nhật trì hoãn cơ sở dữ liệu (Deferred Database Modification) 44
5.3.2. Cập nhật tức thời (Immediate Database Modification) 45
5.4. Kỹ thuật phân trang bóng (Shadow Paging) 46

5.5. Câu hỏi ôn tập chƣơng 5 49
MỘT SỐ ĐỀ THI MẪU 50
4
Tên học phần: Cơ sở dữ liệu nâng cao Loại học phần: 2
Bộ môn phụ trách giảng dạy: Hệ thống Thông tin Khoa phụ trách: CNTT.
Mã học phần: 17406 Tổng số TC: 2
Tổng số tiết
Lý thuyết
Thực hành/Xemina
Tự học
Bài tập lớn
Đồ án môn học
45
30
15
0
không
không
Học phần học trƣớc: Cơ sở dữ liệu.
Học phần tiên quyết: Cơ sở dữ liệu.
Học phần song song: Không yêu cầu.
Mục tiêu của học phần:
Cung cấp cho sinh viên những kiến thức nâng cao về cơ sở dữ liệu quan hệ.
Nội dung chủ yếu:
Các vấn đề nâng cao về cơ sở dữ liệu quan hệ: Lưu trữ và tổ chức tệp tin; Lập chỉ mục và băm;
Tối ưu hóa truy vấn; Quản lý giao dịch trong cơ sở dữ liệu; Điều khiển tương tranh; Phục hồi hệ
thống.
Nội dung chi tiết:

TÊN CHƢƠNG MỤC

PHÂN PHỐI SỐ TIẾT
TS
LT
TH
BT
KT
Chƣơng 1: Lƣu trữ và tổ chức tệp tin
2
2



1.1. Tổng quan về phương tiện lưu trữ





1.2. Tổ chức tệp tin





1.3. Tổ chức các bản ghi trong tệp tin

Chƣơng 2: Lập chỉ mục và băm
12
6
5

1
2.1. Các khái niệm cơ bản





2.2. Các chỉ mục có thứ tự





2.3. Chỉ mục cây B+





2.4. Băm tĩnh

2.5. Băm động





Chƣơng 3: Tối ƣu hóa truy vấn
7
6


1
3.1. Giới thiệu





3.2. Các phép biến đổi tương đương





3.4. Thuật toán tối ưu hóa cây đại số quan hệ

Chƣơng 4: Giao dịch trong cơ sở dữ liệu (Transactions)
12
6
5

1
4.1. Giới thiệu





4.2. Các tính chất của giao dịch





5

TÊN CHƢƠNG MỤC
PHÂN PHỐI SỐ TIẾT
TS
LT
TH
BT
KT
4.3. Các trạng thái của giao dịch

4.4. Lịch biểu (Schedule)





4.5. Tính khả tuần tự của lịch biểu (Serializability)





4.6. Thuật toán kiểm tra tính khả tuần tự của lịch biểu





Chƣơng 5: Điều khiển đồng thời và khôi phục hệ thống
12
7
5


5.1. Các giao thức dựa vào khóa (Lock-based)

5.2. Giao thức thứ tự nhãn thời gian





5.3. Phục hồi hệ thống dựa vào nhật ký giao dịch (Log-based)





5.4. Kỹ thuật phân trang bóng (Shadow Paging)





Nhiệm vụ của sinh viên:
Tham dự các buổi học lý thuyết và thực hành, làm các bài tập được giao, làm các bài thi giữa học
phần và bài thi kết thúc học phần theo đúng quy định.
Tài liệu học tập:
1. Avi Silberschatz, Henry F. Korth, S. Sudarshan, Database System Concepts, 6
th
ed,
McGraw-Hill.
Hình thức và tiêu chuẩn đánh giá sinh viên:

Hình thức thi: tự luận hoặc trắc nghiệm.
Tiêu chuẩn đánh giá sinh viên: căn cứ vào sự tham gia học tập của sinh viên trong
các buổi học lý thuyết và thực hành, kết quả làm các bài tập được giao, kết quả của
các bài thi giữa học phần và bài thi kết thúc học phần.
Thang điểm: Thang điểm chữ A, B, C, D, F.
Điểm đánh giá học phần: Z = 0,3X + 0,7Y.

Bài giảng này là tài liệu chính thức và thống nhất của Bộ môn Hệ thống Thông tin, Khoa Công
nghệ Thông tin và được dùng để giảng dạy cho sinh viên.
Ngày phê duyệt: __/__/____

Trƣởng Bộ môn Ngƣời biên soạn
6
CHƢƠNG 1: LƢU TRỮ VÀ TỔ CHỨC TỆP TIN
1.1.Tổng quan về phƣơng tiện lƣu trữ
Có một vài kiểu lưu trữ dữ liệu tồn tại trong hầu hết các hệ thống máy tính. Các thiết bị lưu
trữ này được phân loại theo tốc độ truy cập dữ liệu, giá trên một đơn vị dữ liệu và độ tin cậy của
thiết bị:
Cache: Là thiết bị lưu trữ nhanh nhất và cũng có giá đắt nhất. Bộ nhớ cache tương đối
nhỏ, được quản lý bởi phần cứng của hệ thống máy tính.
Main Memory: Dung lượng có thể lên tới vài Gigabytes trên máy tính cá nhân và hàng
trăm Gigabytes trên các máy Server. Tuy nhiên vẫn là quá nhỏ để lưu toàn bộ cơ sở dữ
liệu. Dữ liệu lưu trữ trên Main Memory sẽ mất khi mất nguồn hay lỗi hệ thống.
Flash Memory: Khác với Main Memory, dữ liệu lưu trên thiết bị lưu trữ loại này vẫn còn
ngay cả khi mất nguồn hay lỗi hệ thống. Flash Memory có giá thấp hơn Main Memory,
thường sử dụng rộng rãi để lưu trữ dữ liệu trên các thiết bị như camera, máy nghe nhạc,
điện thoại, USB,
Magnetic – disk storage: Là phương tiện chủ yếu lưu trữ dữ liệu lâu dài, thường toàn bộ
cơ sở dữ liệu được lưu trữ trên đĩa từ. Để xử lý dữ liệu trên đĩa từ, dữ liệu phải được
chuyển sang bộ nhớ chính (Main Memory). Hiện nay, dung lượng của đĩa từ có thể từ

vài chục Gigabytes đến hàng Terabyte.
Optical storage: Các đĩa CD (Compact Disk) với dung lượng khoảng 700 Megabytes là
dạng phổ biến nhất của các thiết bị lưu trữ loại này. Và khoảng 4.7 đến 8.5 Gigabytes
với đĩa DVD (Digital Video Disk). Đĩa hai mặt có dung lượng lên tới 17 Gigabytes.
Tape storage: Là thiết bị chủ yếu dùng để sao lưu dữ liệu. Thiết bị lưu trữ loại này có giá
rẻ hơn đĩa từ nhưng tốc độ truy xuất chậm do phải đọc tuần tự. Khả năng lưu trữ của
băng từ là rất lớn (40 – 300 Gigabytes).
Các thiết bị lưu trữ được tổ chức như hình sau phân cấp theo tốc độ và giá cả: Ở mức cao là
các thiết bị lưu trữ có khả năng truy xuất nhanh hơn nhưng có giá đắt hơn.
7

Hình 1.1: Phân cấp các thiết bị lưu trữ
1.2. Tổ chức tệp tin
1.2.1. Bản ghi với độ dài cố định (Fixed – Length Records)
Xem xét các bản ghi trong file instructor, mỗi bản ghi được định nghĩa như sau:

Giả sử mỗi ký tự chiếm một byte và kiểu numeric(8, 2) chiếm 8 bytes như vậy một bản ghi
instructor sẽ có độ dài là 53 byte. Một cách tiếp cận đơn giản để lưu trữ các bản ghi này là dùng 53
byte đầu tiên lưu bản ghi đầu tiên, 53 byte tiếp theo cho bản ghi thứ hai,

Hình 1.2: File chứa các bản ghi Instructor
Tuy nhiên với các tiếp cận này sẽ có hai vấn đề nảy sinh:
Nếu kích thước của một khối không chia hết cho 53 thì một số bản ghi sẽ vượt quá một khối
đĩa, nghĩa là một bản ghi có thể nằm trong hai khối đĩa. Như vậy có thể phải truy xuất tới hai
khối đĩa để đọc hay ghi một bản ghi.
8
Khó khăn khi xóa một bản ghi với cấu trúc lưu trữ kiểu này. Khoảng trống bị chiếm bởi bản
ghi đã xóa hoặc là phải được lấp đầy bởi bản ghi khác hoặc là phải được đánh dấu xóa.
Để giải quyết vấn đề đầu tiên, chúng ta chỉ lưu mỗi bản ghi trong một khối. Phần khoảng
trống dư lại ở cuối khối sẽ bị bỏ quả.

Với vấn đề thứ hai, khi một bản ghi bị xóa và để lại khoảng trống trên khối đĩa, ta có thể giải
quyết bằng một số cách như sau:
Dịch chuyển các bản ghi sau bản ghi bị xóa về trước:

Hình 1.3: File Instructor trong hình 1.2 sau khi đã xóa
bản ghi thứ 3 và dịch chuyển các bản ghi sau về trước
Với cách tiếp cận này thì khoảng không gian còn trống luôn ở cuối khối, tuy nhiên nhược
điểm của nó là phải dịch chuyển một lượng lớn bản ghi để thực hiện thao tác xóa.
Một cách tiếp cận đơn giản hơn là di chuyển bản ghi cuối cùng:

Hình 1.4: File Instructor trong hình 1.2 sau khi đã xóa
bản ghi thứ 3 và dịch chuyển bản ghi cuối cùng
Sử dụng phương pháp đánh dấu các bản ghi bị xóa:
Thực tế ta không mong muốn phải di chuyển các bản ghi khi thực hiện thao tác xóa, hơn nữa
những thao tác thêm một bản ghi được thực hiện thường xuyên hơn những thao tác xóa. Do vậy,
một cách tiếp cận hợp lý hơn là đánh dấu vị trí các bản ghi bị xóa và chờ thao tác thêm bản ghi tiếp
theo sẽ sử dụng lại khoảng không gian bị trống đó.
9
Một phương pháp đơn giản để đánh dấu các bản ghi bị xóa là sử dụng một số byte ở phần
đầu của tệp tin (ta gọi là file header) để lưu địa chỉ của bản ghi đầu tiên bị xóa, rồi sử dụng bản ghi
đầu tiên bị xóa để lưu địa chỉ của bản ghi thứ hai bị xóa, Như vậy ta sẽ có một danh sách các bản
ghi được đánh dấu xóa.

Hình 1.5: File Instructor trong hình 1.2
với các bản ghi 1, 4, 6 đã đánh dấu xóa
Khi thêm mới một bản ghi, ta sử dụng con trỏ đầu danh sách được chứa trong file header để
xác định danh sách, nếu danh sách không rỗng ta xen bản ghi mới vào nơi được trỏ bởi con trỏ đầu
danh sách nếu không ta xen bản ghi mới vào cuối file.
Ta thấy rằng với cấu trúc bản ghi có độ dài cố định việc cài đặt các thao tác thêm hay xóa
bản ghi là đơn giản do khoảng không gian để lại bởi bản ghi bị xóa cũng vừa bằng khoảng không

gian cần thiết cho bản ghi thêm vào. Nhưng nếu cho phép bản ghi có độ dài thay đổi thì vấn đề trở
nên phức tạp hơn nhiều.
1.2.2. Bản ghi với độ dài thay đổi (Variable – Length Records)
Lưu trữ nhiều kiểu bản ghi trong một tệp tin.
Các kiểu bản ghi với độ dài thay đổi trên một hay nhiều thuộc tính.
Các kiểu bản ghi cho phép các trường được lặp lại, như mảng hay tập hợp.
Biểu diễn một bản ghi với các thuộc tính có độ dài thay đổi thường gồm hai phần. Phần đầu
chứa các thuộc tính có độ dài cố định và phần sau là các thuộc tính với độ dài thay đổi. Các thuộc
tính với độ dài cố định như các giá trị số, ngày tháng, hoặc các xâu với độ dài cố định. Các thuộc
tính với độ dài thay đổi như các thuộc tính kiểu varchar được biểu diễn với một cặp (offset, length),
trong đó offset cho biết vị trí bắt đầu của dữ liệu và length là độ dài (số byte) dữ liệu.
Ví dụ với một bản ghi instructor thì các thuộc tính: ID, name và dept_name là các xâu với
độ dài thay đổi, và thuộc tính salary là kiểu số với độ dài cố định. Giả sử mỗi giá trị offset và length
được lưu trữ trong hai byte và kiểu số được lưu trong 8 byte:
10

Hình 1.6: Biểu diễn bản ghi có độ dài thay đổi
Với các thuộc tính trong bản ghi có giá trị null, ta sử dụng cấu trúc null bitmap để đánh dấu
các giá trị null. Với bản ghi instructor có bốn thuộc tính: ID, name, dept_name và salary, nếu thuộc
tính salary nhận giá trị null thì bít thứ tư của bitmap được gán là 1 và giá trị trong các byte từ 12 đến
19 bị bỏ qua. Do bản ghi instructor chỉ có bốn thuộc tính nên chỉ cần một byte để lưu thông tin về
null bitmap. Trong một số cách biểu diễn, null bitmap được lưu trử ở phần đầu của bản ghi. Cách
biểu diễn này rất hữu dụng khi số lượng thuộc tính trong một bản ghi, và số lướng thuộc tính null là
lớn.
Trên đây đã trình bày vấn đề tổ chức các thuộc tính có độ dài thay đổi trong một bản ghi.
Sau đây ta xem xét vấn đề lưu các bản ghi độ dài thay đổi trong một khối. Cấu trúc slotted – page
thường được sử dụng để lưu trữ các bản ghi với độ dài thay đổi trong khối đĩa:

Hình 1.7: Cấu trúc Slotted – page
Phần đầu mỗi khối (Block Header) chứa thông tin về:

Số lượng bản ghi.
Phần cuối khoảng không gian trống trong khối.
Mảng chứa vị trí và kích thước mỗi bản ghi.
Các bản ghi được lưu trữ liên tiếp trong khối và bắt đầu từ cuối khối. Khoảng khôi gian
trống trong khối là liên tiếp nhau và nằm giữa mục cuối cùng trong mảng header và và bản ghi đầu
tiên.
Khi một bản ghi được thêm vào khối, nó sẽ được lưu ở phần cuối cùng trong không gian
trống của khối, sau đó một mục chứa vị trí và kích thước của bản ghi đó sẽ được thêm vào phần
Block Header.
Nếu một bản ghi bị xóa, khoảng không gian chứa nó sẽ được giải phóng và mục thông tin về
bản ghi đó trong phần Block Header sẽ được xóa (ví dụ kích thước được gán bằng -1). Sau đó các
11
bản ghi trước bản ghi bị xóa sẽ được dịch chuyển về cuối để đảm bảo phần không gian trống trong
khối luôn nằm giữa Block Header và bản ghi đầu tiên.
SQL hỗ trợ các kiểu blob và clob cho các trường hợp mà kích thước dữ liệu cần lưu trữ lớn
hơn kích thước của khối đĩa như: ảnh, các tệp tin audio, video, Các kiểu này lưu trữ các đối tượng
nhị phân và các chuỗi ký tự lớn. Các đối tượng này sẽ được lưu trữ trong các tệp tin đặc biệt và sử
dụng cấu trúc cây B
+
sẽ được trình bày trong chương sau.
1.3. Tổ chức các bản ghi trong tệp tin
Ở phần trước ta đã xem xét làm thế nào để biểu diễn các mẩu tin trong một cấu trúc file. Một
quan hệ là một tập các bản ghi. Với một tập các bản ghi, vấn đề là làm sao để tổ chức chúng trong
một file. Có một vài cách tổ chức các bản ghi trong file như sau:
Tổ chức tệp tin Heap: Một bản ghi được lưu ở bất kỳ đâu trong file. Không có thứ tự của
các bản ghi. Thông thường một file lưu một quan hệ.
Tổ chức tệp tin tuần tự: Các bản ghi được tổ chức tuần tự theo giá trị của một khóa tìm
kiếm (search key) trong mỗi bản ghi.
Tổ chức tệp tin băm: Sử dụng một hàm băm tính toán trên một số thuộc tính của bản ghi
và dùng kết quả để đó để xác định khối đĩa mà bản ghi được lưu trữ.

1.3.1. Tổ chức tệp tin Heap
Là kiểu tổ chức file đơn giản nhất, các bản ghi không được sắp xếp thứ tự. Việc thêm mới
một bản ghi là đơn giản: Tìm khối đĩa cuối cùng của file, sao chép khối đĩa vào bộ đệm, thêm mới
bản ghi rồi ghi lại vào đĩa. Địa chỉ của khối đĩa cuối cùng được cập nhật lại vào file header.
Do các bản ghi trong file không được sắp xếp theo thứ tự nên khi tìm kiếm phải sử dụng
phương pháp tìm kiếm tuần tự: Đọc lần lượt từng khối đĩa vào bộ nhớ chính rồi tiến hành tìm kiếm
các bản ghi. Như vậy nếu file gồm b khối đĩa thì thời gian tìm kiếm trung bình sẽ là n/2.
1.3.2. Tổ chức tệp tin tuần tự
Tổ chức file tuần tự được thiết kế để xử lý hiệu quả các bản ghi theo thứ tự được sắp dựa
trên một khoá tìm kiếm nào đó. Một khóa tìm kiếm là một hay một nhóm thuộc tính bất kỳ, không
nhất thiết phải là khóa chính hay siêu khóa. Ta sử dụng kỹ thuật con trỏ để truy xuất nhanh chóng
tới bản ghi theo thứ tự khoá tìm kiếm. Con trỏ trong mỗi bản ghi sẽ trỏ tới bản ghi tiếp theo trong
thứ tự khoá tìm kiếm. Hình 1.8 cho thấy tổ chức file tuần tự của các bản ghi instructor với khóa tìm
kiếm là thuộc tính ID.
Tổ chức file tuần tự cho phép đọc các bản ghi theo thứ tự được sắp thuận lợi cho mục đích
hiển thị cũng như cho các thuật toán xử lý truy vấn (query – processing algorithms).
Tuy vậy, kho khăn gặp phải khi tổ chức file tuần tự là việc duy trì thứ tự vật lý của các bản
ghi trong file khi xảy ra các thao tác thêm, xóa bản ghi. Ta có thể quản lý thao tác xóa nhờ việc sử
dụng kỹ thuật con trỏ như đã trình bày ở phần trên. Với phép chèn một bản ghi, ta áp dụng các quy
tắc sau:
12
Xác định vị trí bản ghi trước bản ghi được thêm vào theo thứ tự của khóa tìm kiếm.
Nếu có bản ghi trống (để lại do phép xóa) trong cùng khối với bản ghi vừa xác định thì
đặt bản ghi mới vào không gian trống đó, nếu không chèn bản ghi mới vào khối tràn
(overflow block). Sau đó điều chỉnh lại con trỏ của các bản ghi liên quan cho đúng với
thứ tự của khóa tìm kiếm.
Hình 1.9 chỉ ra file trong hình 10.10 sau khi chèn thêm bản ghi (32222, Verdi, Music,
48000).

Hình 1.8: File tuần tự chứa các bản ghi Instructor

Hình 1.9: File tuần tự sau khi thêm bản ghi vào khối tràn
1.3.3. Tổ chức tệp tin băm
Phương pháp tổ chức file dạng này cho phép truy cập nhanh tới bản ghi cần tìm. Điều kiện
tìm kiếm phải là điều kiện bằng trên một thuộc tính, gọi là thuộc tính băm (hash attribute, hash
field) của file. Thông thường thuộc tính đem băm cũng là khóa. Ý tưởng của phương pháp này là sử
13
dụng một hàm h nhận giá trị đầu vào là giá trị băm và cho ra kết quả là địa chỉ của khối đĩa chứa
bản ghi cần tìm.
Ưu điểm của phương pháp tổ chức file dạng này là cho phép thực hiện các thao tác nhanh,
tuy vậy việc xây dựng hàm băm là khó khăn vì phải đảm bảo dễ tính toán và phân phối đều các bản
ghi.
14
1.4. Câu hỏi ôn tập chƣơng 1
1.4.1. Trình bày tổng quan về các phương tiện lưu trữ
1.4.2. Trình bày các phương pháp tổ chức tệp tin cơ sở dữ liệu
1.4.3. Trình bày các phương pháp tổ chức bản ghi trong tệp tin
1.4.4. Chỉ ra cấu trúc của file trong hình 1.5 sau mỗi thao tác dưới đây:
Thêm bản ghi (24556, Turnamian, Finance, 98000)
Xóa bản ghi 2
Thêm bản ghi (34556, Thompson, Music, 67000)
1.4.5. Xét bản ghi trong file Employee (ID, Name, Dept_ID, Age, Address) trong đó:
ID, Dept_ID là kiểu numberic (8, 2) độ dài cố định, lưu trong 8 byte
Name là kiểu varchar(30) độ dài thay đổi lưu, mỗi ký tự, lưu trong 1 byte
Age là kiểu số tinyint độ dài cố định, lưu trong 1 byte
Address là kiểu varchar (50) độ dài thay đổi, mỗi ký tự lưu trong 1 byte
Hãy biểu diễn bản ghi sau trong cấu trúc bản ghi với độ dài thay đổi:
1002, Nimzowitsch, 102, 60, Russian
1105, Lindan, 111, NULL, China
15

CHƢƠNG 2: LẬP CHỈ MỤC VÀ BĂM
2.1. Các khái niệm cơ bản
Ở chương trước ta đã tìm hiểu về cách thức tổ chức các bản ghi trong file. Mỗi phương pháp
đều có những ưu, nhược điểm nhất định. Chương này sẽ trình bày một số kỹ thuật lập chỉ mục cho
phép truy cập hiệu quả tới bản ghi cần tìm dựa vào một giá trị tìm kiếm.
Có nhiều kỹ thuật lập chỉ mục và không có kỹ thuật nào là tốt nhất. Ta sẽ xem xét các kỹ
thuật này thông qua các tiêu chí:
Kiểu truy xuất: Kiểu tìm kiếm mà kỹ thuật lập chỉ mục hỗ trợ: Tìm kiếm với một giá trị
cụ thể hay tìm kiếm với các giá trị trong một khoảng giới hạn.
Thời gian truy xuất: Thời gian cần thiết để truy xuất tới một hay một số bản ghi.
Thời gian thêm mới một bản ghi: Thời gian cần thiết để thêm mới một bản ghi, bao gồm
thời gian thêm bản ghi vào đúng vị trí trong file và thời gian cập nhật lại cấu trúc chỉ
mục.
Thời gian xóa bản ghi: Thơi gian cần thiết để xóa bản ghi, bao gồm thời gian để tìm, xóa
bản ghi và thời gian cập nhật lại cấu trúc chỉ mục.
Thường ta muốn trong một file có thể có nhiều hơn một chỉ mục. Chẳng hạn, ta muốn tìm
kiếm một quyển sách theo nhiều tiêu chí: tác giả, tên sách, chủ đề, Thuộc tính hay một nhóm
thuộc tính dùng để tìm kiếm các bản ghi trong file gọi là khóa tìm kiếm (search key – Khái niệm
này khác với khái niệm khóa chính, khóa ứng cử hay siêu khóa).
2.2. Các chỉ mục có thứ tự
2.2.1. Chỉ mục chính (Primary Indexes)
Là chỉ mục được thiết lập trên trường khóa chính của file được sắp xếp thứ tự theo khóa
chính. File chỉ mục là một file có thứ tự gồm hai trường với các bản ghi có độ dài cố định.
Một bản ghi trong file chỉ mục, gồm hai phần: [Ki, Pi] trong đó Ki là giá trị tương ứng với
giá trị trên trường khóa đã sắp thứ tự, Pi chứa địa chỉ khối chứa bản ghi có khóa Ki của file dữ liệu.
Với chỉ mục chính: số bản ghi trong file chỉ mục bằng số khối trong file dữ liệu. Hình sau
minh họa cấu trúc file chỉ mục chính thiết lập trên trường khóa (Name) có sắp thứ tự trong file
Employee:
16

Hình 2.1: Chỉ mục chính thiết lập trên trường khóa có thứ tự
Tìm kiếm với điều kiện trên trường khóa: Search (K)
Xác định bản ghi thứ i của file chỉ mục thỏa mãn: K
i
≤ K < K
i+1.

Dựa vào con trỏ P
i
trong file chỉ mục đọc khối đĩa chứa bản ghi cần tìm vào bộ
đệm và tiến hành tìm kiếm bản ghi.
Xét một file dữ liệu có thứ tự với 30000 bản ghi với độ dài cố định là 100 byte và tổ chức
theo kiểu không kéo dài (unspanned) được lưu trên đĩa với kích thước khối đĩa là 1024 byte. Như
vậy một khối đĩa lưu được bfr = 1024 / 100 = 10 bản ghi. Do vậy, số khối cần để lưu file dữ liệu là:
b = 30000 / 10 = 3000 khối đĩa. Để tìm kiếm một bản ghi có trường khóa là K ta sử dụng phương
pháp tìm kiếm nhị phân mất: log
2
(b) = log
2
(3000) = 12. Giả sử tạo file chỉ mục chính có số bản ghi
bằng số khối trong file dữ liệu. Mỗi bản ghi gồm 2 trường: trường khóa kích thước 9 byte, kích
thước con trỏ là 6 byte thì một bản ghi trong file chỉ mục có độ dài 15 byte. Mỗi khối đĩa sẽ lưu
17
được bfr
i
= 1024 / 15 = 68 bản ghi của file chỉ mục. Do vậy để lưu file chỉ mục cần b
i
= 30000 / 68
= 45 khối đĩa. Khi đó muốn tìm bản ghi có giá trị khóa K cần: log
2

(45) + 1 (truy cập file dữ liệu) =
7. Như vậy rõ ràng nếu có file chỉ mục thì việc tìm kiếm trên trường khóa sẽ nhanh hơn nhiều lần.
2.2.2. Chỉ mục cụm (Clustering Indexes)
Nếu các bản ghi trong file dữ liệu được sắp sếp thứ tự trên trường không khóa (không có giá
trị duy nhất cho mỗi bản ghi), ta có thể tạo ra một kiểu chỉ mục khác – gọi là chỉ mục cụm – để tăng
tốc độ truy xuất tới các bản ghi với điều kiện trên trường không khóa.

Hình 2.2: Chỉ mục cụm trên trường không khóa (DeptNumber) có sắp thứ tự
2.2.3. Chỉ mục phụ (Secondary Indexes)
Chỉ mục phụ cung cấp một phương thức để truy cập nhanh tới file dữ liệu trên trường không
được sắp thứ tự. Chỉ mục phụ có thể áp dụng trên trường khóa ứng cử (có giá trị duy nhất với mỗi
bản ghi trong file dữ liệu) hoặc trên trường không khóa (có giá trị giống nhau với những bản ghi
khác nhau trong file dữ liệu).
Nếu chỉ mục được thiết lập trên trường khóa không được sắp xếp thì mỗi bản ghi trên file dữ
liệu sẽ có tương ứng một bản ghi trong file chỉ mục (Khác với chỉ mục chính: Số bản ghi trong file
chỉ mục chính chỉ bằng số khối cần để lưu trữ file dữ liệu). Do vậy chỉ mục phụ cần nhiều không
gian lưu trữ và thời gian tìm kiếm hơn so với chỉ mục chính.
18

Hình 2.3: Chỉ mục phụ trên trường khóa không sắp thứ tự
Giả sử có một file dữ liệu với r = 30000 bản ghi. Các bản ghi có kích thước cố định R = 100
byte. Lưu trên đĩa với kích thước khối đĩa là B = 1024 byte. Khi đó file dữ liệu sẽ được lưu trong
3000 khối. Khi cần tìm kiếm trên một trường không sắp thứ tự:
Nếu không có file chỉ mục phụ: Thực hiện tìm kiếm tuần tự trung bình cần 3000 / 2 =
1500 lần truy cập khối.
Nếu tạo một file chỉ mục phụ trên trường cần tìm kiếm kích thước 9 byte, kích thước con
trỏ là 6 byte, khi đó kích thước một bản ghi trong file chỉ mục phụ là 15 byte. Như vậy
một khối đĩa sẽ lưu được 1024 / 15 = 68 bản ghi của file chỉ mục phụ. Do chỉ mục được
xây dựng trên trường khóa không được sắp thứ tự nên số bản ghi trong file chỉ mục bằng
số bản ghi trong file dữ liệu (như hình trên). Do vậy số khối cần để lưu file chỉ mục phụ

là: 30000 / 68 = 442 khối. Như vậy để tìm kiếm cần: log
2
(442) + 1 (lần truy cập khối
đĩa trên file dữ liệu) = 10 lần truy cập khối đĩa.
19
Như vậy file chỉ mục phụ là giải pháp hiệu quả để giảm thời gian tìm kiếm trên trường khóa
không được sắp xếp.
Ta cũng có thể tạo chỉ mục phụ trên trường không khóa. Khi đó sẽ có nhiều bản ghi trên file
dữ liệu có cùng giá trị trên trường cần tạo chỉ mục. Khi đó giải pháp thông dụng là tạo thêm một file
trung gian (giữa file chỉ mục phụ với file dữ liệu) để xử lý các bản ghi có giá trị trùng nhau trên
trường tìm kiếm.

Hình 2.4: Chỉ mục phụ trên trường không khóa không sắp thứ tự
2.3. Chỉ mục cây B
+

2.3.1. Tóm lược về cây tìm kiếm
Cây là một khái niệm trong cấu trúc dữ liệu. Cây được tạo thành từ các nút; Mỗi nút trong
cây (trừ nút gốc) đều có một nút cha và có thể có hoặc không có nút con. Một nút không có nút con
nào gọi là nút lá. Mức của nút gốc là 0. Mức của nút con = Mức của nút cha + 1.
20


Cây tìm kiếm bậc p là một cây mà mỗi nút chứa nhiều nhất p – 1 giá trị tìm kiếm và p con
trỏ theo thứ tự: <P
1
, K
1
, P
2

, K
2
, , P
q-1
, K
q-1
, P
q
> với q ≤ p. Mỗi con trỏ P
i
trỏ tới một nút con hoặc
không trỏ tới nút nào (Null Pointer). Có hai ràng buộc trên cây:
Trong mỗi nút: K
1
< K
2
< < K
q-1
.
Với các giá trị X trong cây con được trỏ bởi Pi:
o K
i-1
< X < K
i
(1 < i < q).
o X < K
i
(i = 1).
o K
i-1

< X (i = q).

Hình 2.5: Một nút trong cây tìm kiếm với các con trỏ tới cây con
Ta có thể sử dụng cấu trúc cây tìm kiếm để tìm kiếm các bản ghi, các giá trị K trên mỗi là
một trường trên file ta gọi là search field (giống khái niệm index field trong file chỉ mục).
2.3.2. Chỉ mục B – Tree
Cấu trúc của B – Tree bậc p:
Mỗi nút trong (internal node) có dạng:
<P
1
, <K
1
, Pr
1
>, P
2
, <K
2
, Pr
2
>, , P
q-1
, <K
q-1
, Pr
q-1
, Pq>; Trong đó: q ≤ p. P
i
là một
tree pointer – trỏ tới một nút khác trong cây. Pr

i
là một con trỏ dữ liệu (data pointer –
trỏ tới bản ghi có giá trị trên trường khóa tìm kiếm là K
i
, hoặc trỏ tới khối đĩa chứa bản
ghi đó).
21

Hình 2.6: Một nút trong B – tree với q-1 giá trị tìm kiếm
Trong mỗi nút trong: K
1
< K
2
< < K
q-1
.
Với mỗi trường khóa tìm kiếm X trong các cây con được trỏ bởi Pi:
o K
i-1
< X < K
i
(1 < i < q).
o X < K
i
(i = 1).
o K
i-1
< X (i = q).
Mỗi nút có nhiều nhất p tree pointer.
Mỗi nút (trừ nút gốc và nút lá) có ít nhất p/2 tree pointer. Nút gốc có ít nhất hai tree

pointer (trừ khi cây chỉ có 1 nút).
Một nút với q (q ≤ p) tree pointer có q-1 khóa tìm kiếm và có q-1 con trỏ dữ liệu.
Tất cả các nút lá có cùng mức. Nút lá có cấu trúc giống nút trong chỉ khác là trong
nút lá các tree pointer đều có giá trị null (không trỏ tới nút nào khác trong cây).
Hình sau minh họa B – Tree với p = 3:

Hình 2.7: B – tree bậc 3, giá trị chèn vào với thứ tự 8, 5, 1, 7, 3, 12, 9, 6
2.3.3. Chỉ mục B
+
– Tree
B
+
– Tree là một biến thể của B – Tree. Trong B
+
– Tree, con trỏ dữ liệu chỉ xuất hiện ở nút
lá. Các nút lá thì liên kết với nhau theo thứ tự khóa tìm kiếm, chúng giống như mức đầu tiên trong
chỉ mục nhiều mức.
Cấu trúc một nút trong (internal node) của B
+
– Tree bậc p như sau:
<P
1
, K
1
, P
2
, K
2
, , P
q-1

, K
q-1
, Pq>; Trong đó: q ≤ p. P
i
là một tree pointer – trỏ tới
một nút khác trong cây:

22

Trong mỗi nút trong: K
1
< K
2
< < K
q-1
.
Với mỗi trường khóa tìm kiếm X trong các cây con được trỏ bởi Pi:
o K
i-1
< X ≤ K
i
(1 < i < q).
o X ≤ K
i
(i = 1).
o K
i-1
< X (i = q).
Mỗi nút trong có nhiều nhất p tree pointer.
Mỗi nút (trừ nút gốc và nút lá) có ít nhất p/2 tree pointer. Nút gốc có ít nhất hai tree

pointer (trừ khi cây chỉ có 1 nút).
Một nút trong với q (q ≤ p) tree pointer có q-1 khóa tìm kiếm.
Cấu trúc của một nút lá của B
+
– Tree bậc p như sau:
<<K
1
, Pr
1
>, <K
2
, Pr
2
>, , <K
q-1
, Pr
q-1
, P
next
>; Trong đó: q ≤ p. Pr
i
là một con trỏ dữ
liệu (data pointer – trỏ tới bản ghi có giá trị trên trường khóa tìm kiếm là K
i
, hoặc
trỏ tới khối đĩa chứa bản ghi đó). P
next
là một tree pointer – trỏ đến nút lá tiếp theo
trong cây.

Trong mỗi nút lá: K
1
< K
2
< < K
q-1
, q ≤ p.
Mỗi nút lá có ít nhất p/2 giá trị.
Tất cả các nút lá đều có cùng mức.
Hình sau minh họa B
+
– Tree với p = 3: sau khi chèn: 8, 5, 1, 7, 3, 12, 9, 6

Hình 2.8: B
+
– tree bậc 3
23
2.4. Băm tĩnh và băm động
2.4.1. Băm tĩnh (Static Hashing)
Nhược điểm của tổ chức file tuần tự là phải truy cập tới cấu trúc file chỉ mục để xác định vị
trí của bản ghi dữ liệu, hoặc phải thực hiện tìm kiếm nhị phân. Khi kích thước file lớn thì kỹ thuật
này vẫn sử dụng nhiều thao tác vào ra.
Tổ chức file sử dụng kỹ thuật hàm băm sẽ giúp tránh được việc truy xuất tới file chỉ mục.
Trong kỹ thuật tổ chức file sử dụng hàm băm, ta sử dụng thuật ngữ bucket để chỉ một đơn vị lưu
trữ, nó có thể lớn hơn hay nhỏ hơn kích thước khối đĩa (disk block) và có thể lưu được một số bản
ghi của file dữ liệu. Gọi K là tập các giá trị khóa tìm kiếm, B là tập các địa chỉ của các bucket. Hàm
băm h là hàm ánh xạ một giá trị từ K sang B. Bản ghi với khóa tìm kiếm là Ki sẽ được thêm vào
bucket có địa chỉ h(Ki). Để tìm kiếm bản ghi với khóa tìm kiếm Ki, ta thực hiện tìm kiếm ở bucket
h(Ki).
Hàm băm không chỉ ứng dụng trong việc tổ chức file mà còn có ứng dụng trong việc tạo chỉ

mục. Khi tạo chỉ mục băm ta áp dụng hàm băm trên trường khóa tìm kiếm để xác định địa chỉ của
bucket sau đó lưu giá trị khóa tìm kiếm cùng con trỏ tới bản ghi dữ liệu vào bucket đó. Hình sau
minh họa chỉ mục băm thứ cấp (secondary hash index) trên file instructor với khóa tìm kiếm là ID.
Hàm băm trong trường hợp này tính tổng các chữ số của ID đem chia lấy dư cho 8.

Hình 2.9: Chỉ mục băm với khóa tìm kiếm là ID trên file Instrutor
24
2.4.2. Băm động (Dynamic Hashing)
Với kỹ thuật băm tĩnh, tập các địa chỉ bucket là cố định nên sẽ gặp khó khăn khi kích thước
của file dữ liệu tăng lên theo thời gian. Để giải quyết vấn đề này, một kỹ thuật gọi là băm động
được đề xuất. Kỹ thuật băm động là kỹ thuật cho phép sửa đổi hàm băm để phù hợp với sự tăng
hoặc giảm của file cơ sở dữ liệu.
Sau đây ta sẽ xem xét một dạng băm động gọi là hàm băm có thể mở rộng (Extendable
hashing).
Chọn một hàm băm h với các tính chất đều, ngẫu nhiên và có miền giá trị lớn, ví dụ một số
nguyên 32 bit. Tại một thời điểm ta chỉ sử dụng gd bít để đánh địa chỉ bucket. Giá trị gd này gọi là
độ sâu toàn cục (global depth) dùng để xác định địa chỉ của bucket từ giá trị h(K) của khóa tìm
kiếm K. Ví dụ với gd = 2 thì cần dùng 2 bít sau cùng của h(K) để xác định địa chỉ của bucket. Gắn
với mỗi bucket là một số ld gọi là độ sâu cục bộ (local depth) - số bit tối thiểu có thể phân biệt các
mục trong bucket đó. Hình dưới đây minh họa cấu trúc của hàm băm có thể mở rộng với gd = 2 và
các ld = 2:

Hình 2.10: Hàm băm có thể mở rộng
Khi muốn tìm một mục dữ liệu với giá trị khóa tìm kiếm là K ta làm như sau:
Tính giá trị của băm h(K).
Biểu diễn h(K) dưới dạng nhị phân
Sử dụng gd bít thấp của h(K) để xác định bucket tương ứng.
Xác định vị trí của h(K) trong bucket tìm được và theo con trỏ dữ liệu tới bản ghi dữ liệu
cần tìm.
Để đơn giản cho việc minh họa, xét hàm băm h(K) = K mod 1000. Lúc này muốn tìm bản

ghi với khóa tìm kiếm K = 5 ta làm như sau: Tính h(K) = K mod 1000 = 5. Biểu diễn 5 dưới dạng
nhị phân: 101. Sử dụng gd = 2 bít thấp của h(K): 01 xác định được bucket tương ứng là Bucket B.
Tìm vị trí của 5 trong bucket B và theo con trỏ dữ liệu tới vị trí bản ghi cần tìm trong file dữ liệu.
25
Khi muốn thêm một giá trị h(K) ta làm như sau:
Thực hiện tìm kiếm như trên để xác định bucket tương ứng:
Nếu bucket chưa đầy thì chèn h(K) vào bucket đó.
Nếu bucket đầy thì thực hiện tách bucket đó ra làm hai và tăng gd lên 1.
Hình sau minh họa kết quả sau khi thêm một giá trị h(K) = 13:

Hình 2.11: Cấu trúc hàm băm trong hình 2.10 sau khi thêm h(K) = 13
Hình sau minh họa kết quả sau khi thêm một giá trị h(K) = 20 (Bucket đầy  Thực hiện
tách):

Hình 2.12: Cấu trúc hàm băm trong hình 2.11 sau khi thêm h(K) = 20