luận văn thạc sĩ tối ưu hóa truy vấn trong cơ sở dữ liệu phân tán (1)

Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


ĐẠI HỌC THÁI NGUYÊN
KHOA CÔNG NGHỆ THÔNG TIN




PHẠM THỊ THU HUYỀN



TỐI ƯU HÓA TRUY VẤN
TRONG CƠ SỞ DỮ LIỆU PHÂN TÁN



LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH




NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS. ĐOÀN VĂN BAN



Thái Nguyên - 2010

Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên



ĐẠI HỌC THÁI NGUYÊN
KHOA CÔNG NGHỆ THÔNG TIN




PHẠM THỊ THU HUYỀN



TỐI ƯU HÓA TRUY VẤN
TRONG CƠ SỞ DỮ LIỆU PHÂN TÁN


Chuyên nghành: Khoa học máy tính
M· sè: 60.48.01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH


NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS. ĐOÀN VĂN BAN

Thái Nguyên - 2010





-1-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


MỤC LỤC
Trang phụ bìa
Lời cam đoan
Lời cám ơn
Mục lục i
Danh mục ký hiệu, các chữ viết tắt ii
Danh mục hình vẽ, ảnh chụp, đồ thị iii
PHẦN MỞ ĐẦU 1
1. Lý do chọn đề tài 1

2. Phạm vi nghiên cứu và ứng dụng 1

3. Ý nghĩa khoa học 1

4. Phƣơng pháp nghiên cứu 1

5. Các kết quả dự kiến đạt đƣợc 2

Chƣơng 1. CƠ SỞ DỮ LIỆU PHÂN TÁN
3

1.1. Khái niệm về hệ cơ sở dữ liệu phân tán 3

1.1.1. Khái niệm 3
1.1.2 Những ưu điểm của cơ sở dữ liệu phân tán 3
1.1.3 Những nhược điểm của cơ sở dữ liệu phân tán 4
1.2. Các đặc trƣng trong suốt của cơ sở dữ liệu phân tán 5

1.2.1 Trong suốt phân tán 5
1.2.2 Trong suốt giao dịch 6
1.2.3 Trong suốt thất bại 6
1.2.4 Trong suốt thao tác 6
1.2.5 Trong suốt về tính không thuần nhất 7
1.3 Kiến trúc tham chiếu của cơ sở dữ liệu phân tán 7

1.4 Các kỹ thuật xây dựng cơ sở dữ liệu phân tán
8

1.4.1 Phân đoạn 8
1.4.3 Định vị dữ liệu 13
1.5 Kết luận 14

Chƣơng 2. CÁC NGUYÊN LÝ CHUNG CỦA TỐI ƢU HÓA CÂU TRUY VẤN
PHÂN TÁN 15
2.1. Các chiến lƣợc tối ƣu hóa cơ bản 15

2.2. Các phép biến đổi đại số 16

2.2.1 Các yêu cầu của phép biến đổi tối ưu hoá câu truy vấn 16
2.2.2 Biểu thức tương đương 17
2.2.3 Các qui tắc liên quan đến phép kết nối và tích Decartes 17

2.2.4. Các qui tắc liên quan đến phép chọn và phép chiếu 18
2.2.5. Thuật toán cải tiến cây biểu diễn biểu thức quan hệ
19
2.3 Phân rã câu truy vấn thành những câu truy vấn con 24

2.3.1 Đồ thị nối các quan hệ
24
2.3.2. Tách câu truy vấn thành các câu truy vấn con
25
2.3.3 Dùng phép nửa kết nối để giảm kích thước quan hệ
26
2.3.4 Phương pháp thay thế n-bộ 26
2.4 Các kỹ thuật tối ƣu hóa tập trung
27

2.4.1 Thuật toán INGRES
28
-2-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


2.4.2 Thuật toán SYSTEM R
31
2.5 Kết luận 34

Chƣơng 3. TỐI ƢU HÓA TRUY VẤN PHÂN TÁN
35
3.1 Phân rã câu truy vấn
35

3.1.1 Chuẩn hoá
35
3.1.2 Phân tích 36
3.1.3 Loại bỏ dư thừa 39
3.1.4 Viết lại 40
3.2 Định vị dữ liệu phân tán
42

3.2.1 Rút gọn phân đoạn ngang nguyên thuỷ
43
3.2.2 Rút gọn phân đoạn dọc
46
3.2.3 Rút gọn phân đoạn gián tiếp
47
3.2.4 Rút gọn phân đoạn hỗn hợp 49
3.3. Khái quát về xử lý câu truy vấn
50

3.3.1. Vấn đề xử lý truy vấn 51
3.3.2. Các mục tiêu của xử lý câu truy vấn 52
3.3.3. Các giai đoạn xử lý câu truy vấn 52
3.4. Tối ƣu hoá các truy vấn phân tán
53

3.4.1. Đầu vào bộ tối ưu hoá câu truy vấn 54
3.4.2. Thứ tự kết nối trên các câu truy vấn đoạn
59
3.4.3. Các thuật toán tối ưu hoá câu truy vấn phân tán
65
3.4.3 Kết luận

82
Chƣơng 4. CÀI ĐẶT VÀ THỬ NGHIỆM THUẬT TOÁN 85
4.1 Xác định thuật toán 85

4.2 Cài đặt thử nghiệm thuật toán tối ƣu truy vấn trong cơ sở dữ liệu phân
tán 85

4.2.1. Cấu trúc của CSDL
85
4.2.2. Xây dựng ứng dụng 88
4.3 Kết luận
95

KẾT LUẬN
96
TÀI LIỆU THAM KHẢO 97
-1-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


PHẦN MỞ ĐẦU
1. Lý do chọn đề tài
Xã hội ngày càng phát triển kèm theo yêu cầu khối lượng thông tin cần xử
lý, lưu trữ tăng lên. Trên thực tế, các doanh nghiệp, các đơn vị và các tổ chức phải
phân bố trên một vùng rộng lớn về mặt địa lý, có thể dàn trải trên phạm vi nhiều
thành phố, hoặc toàn bộ quốc gia hay đến một vài quốc gia, thậm chí trên toàn
cầu. Do đó, dữ liệu không thể lưu trữ tập trung ở một địa điểm nhất định mà rải
khắp các địa điểm mà cơ quan, tổ chức hay doanh nghiệp đó hoạt động. Khi dữ liệu
không còn lưu trữ tập trung thì vấn đề làm thế nào để quản lý, tốc độ truy xuất dữ
liệu phục vụ cho công tác chuyên môn không bị ảnh hưởng, không bị gián đoạn

được đặt ra. Đó chính là tiền đề để cơ sở dữ liệu phân tán ra đời.
Khi khối lượng thông tin phải xử lý ngày càng lớn, phong phú và đa dạng
thì vấn đề đặt ra là xử lý thông tin như thế nào để giảm chi phí đến mức tối
thiểu. Một trong các giải pháp có tính khả thi là phải tối ưu hoá các câu lệnh khi
truy vấn dữ liệu nên tôi chọn nghiên cứu “Tối ưu hoá truy vấn trong cơ sở dữ
liệu phân tán” làm đề tài luận văn tốt nghiệp của mình.
2. Phạm vi nghiên cứu và ứng dụng
Đề tài nghiên cứu về các vấn đề cơ bản của cơ sở dữ liệu phân tán, các
nguyên lý chung, các kỹ thuật, các thuật toán liên quan đến vấn đề tối ưu hoá truy
vấn và cài đặt thử nghiệm một thuật toán tối ưu truy vấn phân tán.
3. Ý nghĩa khoa học
Trên cơ sở nghiên cứu các mô hình CSDL phân tán và các cơ chế truy vấn để
xây dựng thuật toán truy vấn tối ưu. Những kết quả dự kiến của luận văn sẽ góp
phần vào việc thiết kế CSDL phân tán phục vụ cho việc truy vấn hiệu quả.
4. Phương pháp nghiên cứu
Nghiên cứu lý thuyết CSDL, CSDL phân tán, các kỹ thuật truy vấn trong các sách,
bài báo đã công bố. Tổng hợp các kết quả đã công bố về truy vấn tối ưu và đề xuất
một số cải tiến thực hiện tối ưu hóa truy vấn phân tán.
-2-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


5. Các kết quả dự kiến đạt được
- Giới thiệu tổng quan về CSDL phân tán.
- Trình bày các phương pháp, thuật toán tối ưu hóa truy vấn phân tán.
- Cài đặt thử nghiệm một thuật toán tối ưu truy vấn phân tán.

-3-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

Chƣơng 1. CƠ SỞ DỮ LIỆU PHÂN TÁN
1.1. Khái niệm về hệ cơ sở dữ liệu phân tán
1.1.1. Khái niệm
Cơ sở dữ liệu phân tán [3] là một tập hợp các dữ liệu phục thuộc lôgic lẫn
nhau của cùng một hệ thống và được lưu trữ trên các trạm của một mạng máy tính.
Cơ sở dữ liệu phân tán làm tăng khả năng truy nhập tới cơ sở dữ liệu lớn trên mạng.
Trong hệ thống đó mỗi máy tính quản lý một cơ sở dữ liệu thành phần được gọi là 1
node hoặc site.
Hệ quản trị cơ sở dữ liệu phân tán (DBMS) là phần mềm quản trị cơ sở dữ
liệu, đảm bảo trong suốt đối với người sử dụng và cho phép tính tự trị nghĩa là mỗi
cơ sở dữ liệu thành phần vẫn được quản trị độc lập và riêng biệt.
Định nghĩa này nhấn mạnh hai khía cạnh quan trọng của cơ sở dữ liệu phân
tán
- Tính phân tán: Thực tế dữ liệu không cư trú ở cùng một trạm, vì vậy chúng
ta có thể phân biệt một cơ sở dữ liệu phân tán với cơ sở dữ liệu tập trung.
- Sự tương quan logic: Các dữ liệu có một số tính chất ràng buộc lẫn nhau và
như vậy có thể phân biệt cơ sở dữ liệu phân tán với tập các cơ sở dữ liệu địa
phương hoặc với các tệp ở các trạm khác nhau trên mạng.
1.1.2 Những ưu điểm của cơ sở dữ liệu phân tán
Lợi ích cơ bản nhất của cơ sở dữ liệu phân tán là dữ liệu của các cơ sở dữ
liệu vật lý riêng biệt được tích hợp logic với nhau làm cho nhiều người sử dụng trên
mạng có thể truy nhập được [6].
1. Cho phép quản lý dữ liệu với nhiều mức trong suốt
- Trong suốt mạng - phân tán: Hệ quản trị cơ sở dữ liệu phải được trong suốt
phân tán theo nghĩa làm cho người sử dụng không cần biết vị trí của dữ liệu và
không cần biết sự phức tạp truy cập qua mạng.
- Trong suốt bản sao
- Trong suốt phân đoạn
2. Tăng độ tin cậy và khả năng sẵn sàng

Độ tin cậy là khả năng hệ thống đang làm việc (không bị ngừng) tại một thời
điểm nào đó, tính sẵn sàng là khả năng hệ thống tiếp tục làm việc trong một khoảng
-4-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


thời gian nào đó. Khi dữ liệu và cơ sở dữ liệu phân tán trên một vài trạm, một trạm
có

thể có sự cố trong khi các trạm khác vẫn có thể hoạt động hoặc sử dụng các
thành phần khác của cơ sở dữ liệu. Chỉ trên trạm bị sự cố, dữ liệu và ứng dụng
không thể truy cập được. Để nâng cao độ tin cậy và tính sẵn sàng, có thể áp dụng
cơ chế tạo bản sao trên nhiều trạm.
3. Cải thiện hiệu năng
Một hệ quản trị cơ sở dữ liệu phân tán, phân đoạn cơ sở dữ liệu có thể làm
cho dữ liệu sẽ được lưu giữ tại gần nơi sử dụng nhất. Dữ liệu được lưu giữ cục bộ
làm giảm cạnh tranh CPU, giảm các phục vụ I/O và giảm tương tranh truy nhập
trên mạng. Dữ liệu được phân tán tại các trạm nên dung lượng dữ liệu cục bộ sẽ
nhỏ hơn, các xử lý giao tác và truy vấn cục bộ sẽ được thực hiện tốt hơn. Hơn nữa
trên mỗi trạm có ít các giao tác hơn số các giao tác trên cơ sở dữ liệu tập trung vì
vậy cũng tăng hiệu suất hệ thống.
4. Dễ dàng mở rộng
Việc thêm cơ sở dữ liệu mới, tăng kích cỡ cơ sở dữ liệu hoặc thêm bộ xử lý
trong môi trường phân tán là dễ hơn vì cũng chỉ như là thêm các cơ sở dữ liệu thành
phần.
1.1.3 Những nhược điểm của cơ sở dữ liệu phân tán
- Độ phức tạp thiết kế và cài đặt hệ thống tăng: Hệ quản trị cơ sở dữ liệu
phân tán phải bổ sung thêm các chức năng như:
+ Theo dõi dấu vết dữ liệu
+ Xử lý các truy vấn phân tán

+ Quản lý giao dịch phân tán
+ Phục hồi cơ sở dữ liệu phân tán
+ Quản lý các bản sao
+ Quản lý thư mục - catalog phân tán
- Hệ thống phần cứng cũng phức tạp hơn vì cần có nhiều trạm và các trạm
phải được kết nối trên mạng.
- Các phần mềm hệ thống đảm bảo quản trị, duy trì kết nối, trao đổi dữ liệu
trên mạng.
- Bảo mật khó khăn.
Ở mức phần cứng vật lý, những nhân tố chính sau là để phân biệt một hệ cơ
-5-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


sở dữ liệu phân tán với hệ cơ sở dữ liệu tập trung [6]:
- Có nhiều máy tính được gọi là các trạm hay các nút.
- Các trạm này phải được kết nối bởi một kiểu mạng truyền thông để truyền
dữ liệu và những câu lệnh giữa các trạm với nhau, như là ở hình 1.1

Hình 1.1 Kiến trúc cơ sở dữ liệu phân tán
Trong mô hình dữ liệu tập trung, tài nguyên tập trung tại một máy tính.
Trong hệ thống cơ sở dữ liệu phân tán, cơ sở dữ liệu được chứa trong nhiều máy
tính, các máy tính này được nối với nhau qua các hệ thống truyền thông, chúng
không chia sẻ bộ nhớ chung cũng như không dùng chung đồng hồ. Các bộ xử lý
trong hệ thống phân tán có kích cỡ và chức năng khác nhau (chẳng hạn có thể bao
gồm các bộ vi xử lý, trạm làm việc, máy tính mini, hay các máy lớn vạn năng).
Trong hệ thống cơ sở dữ liệu phân tán gồm nhiều trạm thì mỗi trạm có thể truy
nhập dữ liệu ở các trạm khác.
1.2. Các đặc trƣng trong suốt của cơ sở dữ liệu phân tán
1.2.1 Trong suốt phân tán
- Cho phép xử lý dữ liệu trên hệ cơ sở dữ liệu phân tán giống như đối với cơ
sở dữ liệu tập trung.
- Người sử dụng không cần biết: Dữ liệu đã được phân đoạn như thế nào,
các bản sao dữ liệu để ở đâu, vị trí vật lý lưu trữ dữ liệu ở đâu.
-6-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


- Trong suốt phân tán thể hiện:
+ Trong suốt địa điểm: User không cần biết lưu trữ vật lý của dữ liệu ở đâu,
trong truy vấn chỉ cần chỉ ra tên đoạn mà không cần chỉ ra vị trí.
+ Trong suốt tên: Khi một đối tượng đã được đặt tên thì có thể truy nhập
chính xác không cần đặc tả thêm.
+ Trong suốt bản sao: Sự nhân bản là quá trình sao chép và duy trì dữ liệu
trong hệ cơ sở dữ liệu phân tán. Cùng một dữ liệu (được lưu trữ vật lý tại một vị trí)
có thể sử dụng được trên nhiều vị trí khác nhau. Các bản sao có thể được lưu trữ
trên nhiều trạm làm tăng hiệu suất, độ tin cậy và tính sẵn sàng của hệ thống. Các
ứng dụng có thể truy nhập dữ liệu tại các trạm mà không cần phải truy cập từ xa

giảm truyền tải trên mạng lớn. Hệ thống cho phép tiếp tục thực hiện nếu như các
trạm từ xa có sự cố. Trong suốt bản sao đảm bảo user không biết đó là các bản sao
vì dữ liệu luôn được cập nhật và đồng bộ với dữ liệu gốc.
+ Trong suốt phân đoạn: Một quan hệ trong cơ sở dữ liệu phân tán có thể
phân đoạn ngang hoặc phân đoạn dọc nghĩa là được tách thành các bộ dữ liệu hoặc
các quan hệ con và lưu trữ trên nhiều trạm khác nhau. Trong suốt phân đoạn cho
phép người sử dụng không cần biết có sự phân đoạn, các truy vấn dữ liệu vẫn được
viết như cơ sở dữ liệu tập trung.
1.2.2 Trong suốt giao dịch
Cơ sở dữ liệu phân tán cho phép một giao dịch có thể cập nhật, sửa đổi dữ
liệu trên các trạm khác nhau. Để đảm bảo dữ liệu nhất quán trên toàn hệ thống, các
trạm trong giao dịch chỉ ủy thác khi tất cả các trạm đã ủy thác thành công hoặc roll
back khi một trạm bị thất bại.
1.2.3 Trong suốt thất bại
Đảm bảo tại một trạm của hệ thống bị hỏng thì hệ thống vẫn làm việc bình
thường (do cơ chế tạo bản sao hoặc làm việc trên các trạm không bị sự cố). Nếu
mạng hoặc hệ thống có sự cố trong khi ủy thác của giao dịch cơ sở dữ liệu phân tán
thì giao dịch đó được giải quyết tự động và trong suốt theo nghĩa khi mạng hoặc hệ
thống khôi phục thì tất các các trạm này hoặc là ủy thác hoặc là roll back lại giao
tác đó.
1.2.4 Trong suốt thao tác
Cho phép các câu lệnh thao các dữ liệu đơn giản để truy nhập được các cơ sở
-7-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


dữ liệu tại trạm cục bộ hoặc trạm từ xa. Các thao tác xử lý dữ liệu từ xa không phức
tạp và vẫn đảm bảo vẫn giống như khi thao tác dữ liệu trên hệ cơ sở dữ liệu không
phân tán.
1.2.5 Trong suốt về tính không thuần nhất

Cho phép hỗn hợp nhiều hệ quản trị cơ sở dữ liệu khác nhau với các khả
năng trao đổi dữ liệu, xử lý cập nhật dữ liệu, xử lý giao tác phân tán trên toàn hệ
thống.
1.3 Kiến trúc tham chiếu của cơ sở dữ liệu phân tán
Kiến trúc tham chiếu không được cài đặt rõ ràng trên tất cả cơ sở dữ liệu
phân tán, tuy nhiên các mức của nó được khái quát chính xác, thích hợp để mô tả tổ
chức chung cho mọi hệ cơ sở dữ liệu phân tán [8].
- Lược đồ tổng thể: Là mô tả tổng thể và thống nhất chung nhất của tất cả dữ
liệu của cơ sở dữ liệu phân tán độc lập với môi trường phân tán.
- Phân đoạn: Mối quan hệ tổng thể có thể được chia thành vài phần không
giao nhau được gọi là các đoạn. Lược đồ phân đoạn định nghĩa ánh xạ giữa các
quan hệ tổng thể và các phân đoạn. Ánh xạ này là một nhiều: Một số đoạn tương
ứng với một quan hệ tổng thể, nhưng chỉ một quan hệ tổng thể tương ứng với
một đoạn. Ký hiệu R
i
là đoạn thứ i của quan hệ tổng thể R.
- Lược đồ định vị: Định nghĩa ánh xạ từ các phân đoạn vào những trạm chứa
những phân đoạn đó. Tất cả các đoạn tương ứng với cùng quan hệ tổng thể R và
được đặt tại cùng trạm j tạo thành hình ảnh vật lý của quan hệ tổng thể R tại trạm j.
- Lược đồ ánh xạ địa phương: Ánh xạ các hình ảnh vật lý tới các đối tượng
được thao tác bởi các hệ quản trị cơ sở dữ liệu địa phương. Trong hệ không thuần
nhất ta có các kiểu ánh xạ địa phương khác nhau tại các trạm khác nhau.
-8-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

Hình 1.2: Kiến trúc tham chiếu của cơ sở dữ liệu phân tán
1.4 Các kỹ thuật xây dựng cơ sở dữ liệu phân tán
- Kỹ thuật phân tách dữ liệu từ một cơ sở dữ liệu để lưu trữ trên các
trạm
khác nhau được gọi là phân đoạn.
- Sử dụng bản sao cho phép cùng một dữ liệu có thể được lưu trữ trên
nhiều hơn một trạm.
- Quá trình định vị các phân đoạn dữ liệu hoặc định vị các bản sao phân
đoạn lưu trữ dữ liệu trên các trạm khác nhau.
1.4.1 Phân đoạn
Sự phân đoạn là chia dữ liệu trong các bảng dữ liệu thành các bộ hoặc các
bảng dữ liệu con. Có ba kiểu phân đoạn một quan hệ tổng thể: Phân đoạn ngang,
phân đoạn dọc và phân đoạn hỗn hợp [8].
định vị
-9-

Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


Một sự phân đoạn là đúng đắn nếu thoả mãn ba điều kiện sau:
- Điều kiện không mất thông tin: Tất cả dữ liệu của quan hệ tổng thể phải
đựơc ánh xạ tới các đoạn, có nghĩa mỗi phần tử dữ liệu thuộc quan hệ tổng thể
phải thuộc một hay nhiều đoạn của nó.
- Điều kiện xây dựng lại: Luôn có thể xây dựng lại được quan hệ tổng thể từ
các đoạn đã có.
- Điều kiện rời nhau (chỉ áp dụng cho phân đoạn ngang): Để tối thiểu hoá sự
lặp lại của dữ liệu.
1.4.1.1 Phân đoạn ngang
Phân đoạn ngang là sự phân chia một quan hệ thành các tập con các bộ, mỗi
tập con được xác định bởi phép chọn với tân từ p trên quan hệ tổng thể R:
R
i
=p
i
, với p
i
là tân từ của R
i
. Để có thể khôi phục được R ta dùng phép hợp các
quan hệ R = R
1
 R
2
  R
n
.

Ví dụ 1.1: Xét quan hệ tổng thể
NHACUNGCAP(SHNCC, TEN,THPHO)
Trong đó có các thuộc tính:
SHNCC: Số hiệu nhà cung cấp
TEN: Tên nhà cung cấp
THPHO: Thành phố
Ta tách quan hệ NHACUNGCAP thành hai quan hệ NCC
1
và NCC
2
thuộc hai chi nhánh „HN‟ và „HP‟. Ta có phân đoạn ngang:
NCC
1
=
THPHO=”HN”
NHACUNGCAP
NCC
2
=
THPHO=”HP”
NHACUNGCAP
Thoả mãn:
-
Điều kiện xây dựng lại: NHACUNGCAP = NCC
1
 NCC
2
-
Điều kiện rời nhau thoả mãn vì: NCC
1

 NCC
2
= 

Tổng quát:
- Điều kiện không mất thông tin nếu tập các tân từ của tất cả các đoạn phải
-10-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


đầy đủ.
- Điều kiện xây dựng lại luôn luôn thoả mãn với phép hợp.
- Điều kiện rời nhau đòi hỏi các tân từ phải loại trừ nhau.
1.4.1.2 Phân đoạn ngang dẫn tiếp
Phân đoạn ngang dẫn tiếp là sự phân chia một quan hệ ban đầu thành các
quan hệ thứ hai khác mà các quan hệ đó liên hệ với quan hệ ban đầu bằng một khoá
ngoài. Điều này như là liên hệ dữ liệu giữa quan hệ ban đầu và quan hệ thứ hai
được phân đoạn trong cùng một cách.
Ví dụ 1.2: Xét quan hệ tổng thể
CUNGCAP(SHNCC, SHSP, SHPHONG, SOLUONG)
Trong đó có các thuộc tính:
SHNCC: Số hiệu nhà cung cấp
SHSP: Số hiệu sản phẩm
SHPHONG: Số hiệu phòng
SOLUONG: Số lượng
Phân đoạn ngang dẫn tiếp của quan hệ CUNGCAP được thực hiện như sau:
CUNGCAP
1
= CUNGCAP ⋉SHNCC=SHNCCNCC
1

CUNGCAP
2
= CUNGCAP ⋉SHNCC=SHNCCNCC
2
Việc bố trí trên cùng một trạm của mỗi cặp đoạn (NCC
1
, CUNGCAP
1
) và
(NCC
2
, CUNGCAP
2
) cho phép cải tiến hiệu năng của phép kết nối các quan hệ
NHACUNGCAP và CUNGCAP vì có thể thực hiện song song bởi hai phép kết nối
(NCC
1
⋈ CUNGCAP
1
) và (NCC
2
⋈ CUNGCAP
2
).
- Điều kiện không mất thông tin của phân đoạn trên đòi hỏi không có
SHNCC nào trong quan hệ CUNGCAP mà lại không chứa trong quan hệ
NHACUNGCAP. Ở đây có ràng buộc toàn vẹn tham chiếu.
s  CUNGCAP => phải  pNHACUNGCAP mà p.SHNCC= s.SHNCC
p.SHNCC  NCC
1

qua ⋉ => s CUNGCAP
1
hoặc
p.SHNCC  NCC
2
qua ⋉ => s CUNGCAP
2
-11-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


=> Thoả mãn điều kiện không mất thông tin
- Điều kiện xây dựng lại: CUNGCAP = CUNGCAP
1
 CUNGCAP
2
- Điều kiện rời nhau: Ta chứng minh: CUNGCAP
1
 CUNGCAP
2
= 
Giả sử: p  CUNGCAP
1
& CUNGCAP
2
=> p
1
 NCC
1
p.SHNCC=p

1
.SHNCC
=> p
2
 NCC
2
p.SHNCC=p
2
.SHNCC
Mâu thuẫn vì SHNCC là khoá của NHACUNGCAP
1.4.1.3 Phân đoạn dọc
Phân đoạn dọc là sự chia một quan hệ thành tập con các bộ, mỗi tập
được xác định bởi một phép chiếu được áp dụng cho quan hệ: R
i
= П
ATTRi
R,
trong đó ATTR
i
là tập con các thuộc tính của R.
Tiêu chuẩn cho sự phân đoạn dọc là đúng đắn:
- Điều kiện đầy đủ: Nếu một thuộc tính xuất hiện trong một quan hệ tổng
thể thì nó cũng phải xuất hiện trong một đoạn dọc nào đó.
- Điều kiện xây dựng lại: Cần phải thêm vào mỗi đoạn khoá chính, do
đó
việc xây dựng lại được nhờ vào phép kết nối các đoạn dọc theo
các thuộc tính
chung.
-
Điều kiện rời nhau: ít nhất khoá phải được lặp lại trên tất cả các

đoạn
để cho phép xây dựng lại, nên ở đây không thể xem là rời nhau

hoàn toàn được.

Ví dụ 1.3: Xét quan hệ tổng thể
NHANVIEN(SHNV, TEN, LUONG, THUE, SHQL, SHPHONG)
Trong đó có các thuộc tính:
SHNV: Số hiệu nhân viên
TEN: Tên nhân viên
LUONG: Mức lương
THUE : Thuế
SHQL: Số hiệu quản lý
SHPHONG: Số hiệu phòng
-12-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


Ta tách quan hệ NHANVIEN thành hai quan hệ NV1 và NV2
NV
1
= П
SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV
2
= П
SHNV, TEN, LUONG, THUE NHANVIEN
Thuộc tính TEN lặp lại ở cả hai đoạn, khi xây dựng lại quan hệ NHANVIEN
thông qua phép chiếu, thuộc tính này sẽ bị khử.
NHANVIEN = NV

1
⋈
SHNV=SHNV
П
SHNV, LUONG, THUE NV2
1.4.1.4 Phân đoạn hỗn hợp
Là sự kết hợp cả phân đoạn dọc và phân đoạn ngang.
Ví dụ 1.4: Xét quan hệ tổng thể
NHANVIEN(SHNV, TEN,LUONG, THUE, SHQL, SHPHONG)
Tách quan hệ NHANVIEN thành các quan hệ NV
1
, NV
2
, NV
3
, NV
4
NV
1
=
SHPHONG
10 SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV
2
=
10<SHPHONG
20 SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV
3
=

SHPHONG >20
 SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV
4
=
SHNV, TEN, LUONG, THUE NHANVIEN








Hình 1.3: Cây phân tách của quan hệ
Xây dựng lại quan hệ NHANVIEN ta thực hiện như sau:
NHANVIEN =(NV
1
, NV
2
, NV
3
)⋈
SHNV=SHNV SHNV, LUONG, THUE NV4
Sự phân đoạn hỗn hợp có thể biểu diễn dưới dạng cây phân đoạn. Trong cây
phân đoạn, nút gốc tương ứng quan hệ tổng thể, các nút ở giữa tương ứng với các
kết quả trung gian của thể hiện định nghĩa phân đoạn. Cho ví dụ, hình 1.3 thể hiện
-13-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên

cây phân
đoạn
của quan hệ NHANVIEN. Nút gốc (quan hệ NHANVIEN) được
phân đoạn dọc thành hai phần; một phần tương ứng với một nút lá của cây (NV
4
),
phần còn lại được phân đoạn ngang, do vậy sinh ra ba nút lá khác, tương ứng với ba
phân đoạn: NV
1
, NV
2
, NV
3
.
1.4.2 Nhân bản dữ liệu
- Các chiến lược nhân bản dữ liệu:
1. Nhân bản dữ liệu đầy đủ: Toàn bộ cơ sở dữ liệu sẽ được tạo trên tất cả
mỗi trạm.
Ưu điểm: Điều này sẽ cải thiện tính sẵn sàng cao nhất vì nếu sự cố trên
trạm này thì vẫn có dữ liệu trên trạm khác và cải thiện hiệu năng lấy dữ liệu trên
mạng cho các truy vấn toàn bộ vì dữ liệu sẽ được lấy từ các trạm cục bộ.
Nhược điểm: Các thao tác cập nhập dữ liệu rất chậm vì phải copy, đồng
bộ dữ liệu cho mọi trạm. Kỹ thuật điểu khiển tương tranh và phục hồi sẽ phức tạp
hơn.
2. Không có nhân bản dữ liệu: Mỗi phân đoạn chỉ được lưu trữ trên một
trạm, phương án này còn được gọi là định vị không dư thừa dữ liệu.
Trong
trường hợp này các phân đoạn phải tách rời nhau để tránh lặp bản ghi giống nhau
cho các phân đoạn ngang và phân đoạn hỗn hợp.

3. Nhân bản dữ liệu từng phần: Một vài phân đoạn có thể được tạo bản sao
và có thể một số phân đoạn sẽ không có bản sao. Việc tạo bản sao này rất có tác
dụng cho các nhân viên làm việc di động, tại các nơi xa trung tâm dữ liệu, có thể
tạo ra bản sao dữ liệu trên laptop của mình và theo chu kỳ đồng bộ dữ liệu với cơ sở
dữ liệu server.
1.4.3 Định vị dữ liệu
Là quá trình gán từng phân đoạn, từng bản sao của phân đoạn cho một trạm
cụ thể trong hệ thống phân tán. Việc chọn trạm nào và số bản sao phụ thuộc vào
yêu cầu hiệu năng và mục tiêu sẵn sàng của hệ thống với các loại giao tác trên các
trạm. Đối với hệ yêu cầu tính sẵn sàng cao, mọi giao dịch thao tác lấy dữ liệu, giao
dịch cập nhật chỉ làm tại một trạm thì nên tổ chức tạo bản sao đầy đủ. Nếu các giao
dịch thường cập nhật một phần dữ liệu tại một trạm thì các phân đoạn cho phần dữ
liệu đó nên được định vị trên trạm đó.
-14-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


1.5 Kết luận
Cơ sở dữ liệu phân tán rất quan trọng vì nhiều lý do khác nhau, nó có thể
được cài đặt trên các mạng máy tính diện rộng và các mạng cục bộ nhỏ. Có hai lý
do về tổ chức và kỹ thuật đối với sự phát triển cơ sở dữ liệu phân tán đó là: Cơ sở
dữ liệu phân tán được xây dựng để khắc phục các thiếu sót của cơ sở dữ liệu tập
trung và nó phù hợp hơn trong cấu trúc phân quyền của nhiều tổ chức. Kỹ thuật cơ
sở dữ liệu phân tán được mở rộng và phát triển từ kỹ thuật của cơ sở dữ liệu truyền
thống. Trong môi trường mới này, một số vấn đề kỹ thuật đòi hỏi các giải pháp
khác, và một số giải pháp hoàn toàn mới.
Tính trong suốt phân tán cung cấp sự độc lập của các chương trình khỏi sự
phân tán của cơ sở dữ liệu. Các mức trong suốt phân tán khác nhau có thể được
cung cấp bởi một hệ quản trị cơ sở dữ liệu phân tán; Tại mỗi mức, tính trong suốt
làm cho người lập trình ứng dụng không biết được sự phân tán dữ liệu.

-15-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


Chƣơng 2. CÁC NGUYÊN LÝ CHUNG CỦA TỐI ƢU HÓA CÂU TRUY
VẤN PHÂN TÁN
Các ngôn ngữ hỏi bậc cao như SQUARE, SEQUEL, SQL, cho phép viết
nhiều câu truy vấn với sự quan tâm nhiều đến thời gian thực hiện, và thời gian thực
hiện đó có thể giảm đáng kể nếu bộ xử lý ngôn ngữ hỏi viết lại (bằng cách khác)
câu truy vấn trước khi thực hiện. Sự cải tiến như vậy thường gọi là "Sự tối ưu hoá",
mặc dù câu truy vấn được viết lại không cần tối ưu trên tất cả các cách cài đặt câu
truy vấn có thể. Chương này sẽ trình bày một số phương pháp tối ưu hóa các biểu
thức quan hệ, đặc biệt là xử lý biểu thức liên quan đến phép kết nối và tích
Decartes, xem xét các kỹ thuật điển hình INGRES và System R.
2.1. Các chiến lược tối ưu hóa cơ bản
Trong ngôn ngữ hỏi dựa trên đại số quan hệ, các truy vấn liên quan đến tích
Decartes và phép kết nối là rất tốn thời gian.
Ví dụ 2.1: Xét biểu thức AB × CD (AB là một quan hệ với các thuộc tính A, B); ta
đồng nhất hai quan hệ này với hai tệp dữ liệu. Để đưa ra giá trị của tích Decartes
này phải duyệt hết bản ghi của một quan hệ, chẳng hạn AB, ở vòng ngoài, với mỗi
bản ghi r của tệp AB, duyệt tệp CD ở vòng trong và nối r với mỗi bản ghi của tệp
CD. Giả sử quan hệ AB có n bản ghi, CD có m bản ghi thì tích Decartes AB × CD
có n × m bản ghi. Rõ ràng phép tính trên rất tốn kém về thời gian và ô nhớ.
Ullman J.D trong các kết quả nghiên cứu của mình đã trình bày 6 chiến lược
tổng quát cho việc tối ưu hóa câu truy vấn. ý tưởng tối ưu chia làm 2 nhóm: Nhóm 1
gồm các phép biến đổi đại số có liên quan hoặc không liên quan đến cách lưu trữ
các quan hệ, nhóm 2 gồm các chiến lược có lợi cho việc lưu trữ các quan hệ như
khoá, chỉ số. Các chiến lược thực hiện như sau [5]:
1. Thực hiện phép chọn sớm nhất có thể: Biến đổi câu truy vấn để đưa phép chọn

vào thực hiện trước nhằm làm giảm kích thước của kết quả trung gian, do đó tiết
kiệm thời gian thực hiện và không gian nhớ.
2. Tổ hợp phép chọn xác định với phép tích Decartes thành phép kết nối: Ta đã
biết, phép kết nối đặc biệt là kết nối bằng có thể thực hiện nhanh hơn đáng kể so
với phép tích Decartes trên cùng các quan hệ. Nếu kết quả của tích Decartes R × S
là đối số của phép chọn và phép chọn có liên quan đến phép so sánh giữa các thuộc
tính của R và S thì ta đưa về phép kết nối để giảm chi phí tính toán.
-16-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


3. Tổ hợp dãy các phép toán một ngôi như phép chọn và phép chiếu: Bất kỳ dãy các
phép toán một ngôi như phép chọn hoặc phép chiếu có kết quả phụ thuộc vào các
bộ của một quan hệ độc lập thì có thể nhóm các phép đó lại. Tương tự, ta có thể
nhóm các phép toán một ngôi với kết quả của phép toán hai ngôi bằng cách áp dụng
các phép toán một ngôi với mỗi bộ kết quả của phép toán hai ngôi.
4. Tìm các biểu thức con chung trong một biểu thức: Nếu kết quả của một biểu thức
con chung (biểu thức xuất hiện hơn một lần) là một quan hệ không lớn và nó có thể
được đọc từ bộ nhớ thứ cấp với ít thời gian, thì nên tính toán trước biểu thức đó chỉ
một lần. Nếu biểu thức con chung, có liên quan đến phép kết nối, thì trong trường
hợp tổng quát không thể được thay đổi nhờ việc đẩy phép chọn vào trong.
5. Xử lý các tệp trước: Hai vấn đề quan trọng cần xử lý trước cho các tệp số là sắp
xếp các tệp và thiết lập các tệp chỉ số, khi đó thực hiện các phép toán liên quan đến
hai tệp (phép tính hai ngôi) sẽ nhanh hơn nhiều.
6. Đánh giá trước khi thực hiện phép toán: Khi cần chọn trình tự thực hiện các
phép toán trong biểu thức hoặc chọn một trong hai đối của phép toán hai ngôi, ta
nên tính toán chi phí thực hiện các phép toán đó (thường là số phép tính, thời gian,
dung lượng bộ nhớ theo kích thước các quan hệ, ) theo các cách khác nhau. Từ đó
sẽ quyết định phương án có chi phí thấp.
2.2. Các phép biến đổi đại số

Hầu hết các chiến lược trên liên quan đến biến đổi biểu thức đại số. Một xử
lý câu truy vấn bắt đầu với việc xây dựng cây phân tích biểu thức đại số, trong đó
các nút biểu diễn toán tử đại số quan hệ và toán tử đặc biệt của ngôn ngữ. Ngôn
ngữ hỏi có thể là ngôn ngữ đại số quan hệ như SQUARE, SEQUEL, hoặc là một
ngôn ngữ phép tính quan hệ mà các biểu thức phép tính được chuyển thành biểu
thức đại số.
2.2.1 Các yêu cầu của phép biến đổi tối ưu hoá câu truy vấn
- Các phép biến đổi phải thực sự hữu hiệu đối với phần lớn các dạng câu
truy vấn hay một lớp các câu truy vấn thường dùng mà không phải chi phí quá
nhiều để thực hiện quá trình biến đổi đó.
- Các phép biến đổi phải bảo toàn kết quả của câu truy vấn trước và sau khi
biến đổi, có nghĩa là hai biểu thức trước và sau khi biến đổi phải cho cùng một kết
quả khi thay các lược đồ trong biểu thức bởi các thể hiện cụ thể.
- Các phép biến đổi phải làm giảm chi phí để thực hiện câu truy vấn. Chi
-17-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


phí cho xử lý câu truy vấn có rất nhiều yếu tố, tuy nhiên ta chỉ quan tâm đến một số
thông báo cơ bản nhất sau đây: số lần truy xuất khối nhớ giữa bộ nhớ trong và bộ
nhớ ngoài; số bản ghi cần phải xử lý ở thiết bị trung tâm; phần bộ nhớ để lưu trữ
các kết quả trung gian trong quá trình thực hiện câu truy vấn.
2.2.2 Biểu thức tương đương
Hai biểu thức E
1
và E
2
gọi là tương đương, ký hiệu E
1
 E

2
, nếu quan hệ kết
quả của hai biểu thức là như nhau khi thay các lược đồ bởi các thể hiện cụ thể. Với
định nghĩa tương đương này ta có một số phép biến đổi đại số có lợi [5].
2.2.3 Các qui tắc liên quan đến phép kết nối và tích Decartes
 Qui tắc giao hoán của phép kết nối và tích Decartes
Nếu E
1
và E
2
là các biểu thức quan hệ; p là điều kiện trên các thuộc tính E
1

và E
2
thì E
1
P E
2
 E
2
P E
1

E1 E2 E2 E1
E1 E2 E2 E1
Ta chứng minh qui tắc giao hoán của phép kết nối: Giả sử E
1
có các thuộc
tính A

1
, A
2
, ,A
n
; E
2
có các thuộc tính B
1
, ,B
m
. Gọi r
1
và r
2
là hai quan hệ tương
ứng của E
1
, E
2
. Khi đó giá trị của E
1
 E
2
là tập các ánh xạ v từ A
1
, A
2
, ,A
n

, B
1
,
B
2
, , B
m
vào tập giá trị sao cho các ánh xạ 
1
r
1
và 
2
r
2 thỏa mãn:
v[A
i
] = m
1
[A
i
], i =1,2, , n
v[B
i
] = m
2
[B
i
], i =1,2, , m
và biểu thức điều kiện p đúng khi thay v[C] cho mỗi thuộc tính C trong p.

Nếu biểu diễn E
2
 E
1
theo kiểu này, nó hoàn toàn cho cùng một tập kết
quả. Do vậy hai biểu thức là tương đương.
Chú ý: Nếu xem quan hệ là tập các bộ thì phép kết nối, kết nối tự nhiên, tích
Decartes sẽ không giao hoán vì thứ tự các thuộc tính trong quan hệ kết quả bị thay
đổi.
 Qui tắc kết hợp của phép kết nối và phép tích Decartes
Nếu E
1
, E
2
, E
3
là biểu thức quan hệ; p
1
, p
2
là biểu thức điều kiện thì:
(E
1

p1
E
2
)
p2
E

3
 E
1

p1
(E
2

p2
E
3
)
(E
1
 E
2
) E
3
 E
1
(E
2
 E
3
)
(E
1
 E
2
) E

3
 E
1
 (E
2
 E
3
)
-18-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


2.2.4. Các qui tắc liên quan đến phép chọn và phép chiếu

Qui tắc hợp nhất của các phép chiếu: Dãy các phép chiếu có thể tổ hợp thành
một phép chiếu.
A1, ,An(B1, ,Bm(E))A1, ,An(E)
Với các thuộc tính A
1
, A
2
, , A
n
phải nằm trong tập các thuộc tính B
1
, B
2,
,B
m


Qui tắc hợp nhất của các phép chọn: Dãy các phép chọn có thể tổ hợp thành
một phép chọn.
p1(p2(E))p1p2(E)

Qui tắc giao hoán của phép chọn và phép chiếu
Nếu p liên quan đến các thuộc tính A
1
, A
2
, ., A
n
thì:
A1, ,An(p(E))p(A1, ,An(E))
Nếu p liên quan đến các thuộc tính B
1
, B
2
, , B
m
mà không thuộc tập
thuộc tính A
1
, A
2
, ,A
n
thì:

A1, ,An(p(E))A1, ,An(p(A1, ,An, B1, .,Bm (E)))


Qui tắc giao hoán của phép chọn và tích Decartes
Nếu tất cả các thuộc tính của p là thuộc tính của E
1
thì:
p(E1 E2)p(E1) E2
Hệ quả: Nếu p = p
1
p
2
, p
1
chỉ liên quan tới các thuộc tính của E
1
, p
2
chỉ liên quan
tới thuộc tính E
2
, từ các qui tắc , , ta có:
p(E1 E2)p1(E1)p2(E2)
Nếu p
1
chỉ liên quan tới các thuộc tính E
1
, còn p
2
liên quan tới các thuộc
tính của cả E
1

và E
2
thì:
p(E1 E2)p2(p1(E1)E2)
 Qui tắc giao hoán của phép chọn và phép hợp
Nếu biểu thức
E = E
1

E
2
, giả sử các thuộc tính của E
1
và E
2
có cùng
tên
như của E hoặc ít nhất mỗi thuộc tính của E là phù hợp với một thuộc tính duy
nhất của E
1
và một thuộc tính duy nhất của E
2
thì:
p(E1 E2) p(E1) p(E2)
Nếu tên các thuộc tính của E
1
và / hoặc E
2
khác tên thuộc tính của E thì
trong p ở vế phải của công thức trên cần sửa đổi để sử dụng tên cho phù hợp.

-19-
Số hóa bởi Trung tâm Học liệu - Đại học Thái Nguyên


 Qui tắc giao hoán của phép chọn và phép hiệu tập hợp
p(E1 - E2) p(E1) - p(E2)
Theo qui tắc , nếu tên các thuộc tính của E
1
và E
2
là khác nhau thì cần thay thế
các thuộc tính trong p ở vế phải tương ứng các thuộc tính của E
1
.
Chú ý: Phép chọn

p
(E
2
)
là không cần thiết, có thể thay bởi E
2
. Tuy nhiên,
trong
nhiều trường hợp, việc thực hiện phép chọn

p
(E
2
)

trước sẽ có hiệu quả
hơn là tính
toán trực tiếp với E
2
vì khi đó kích thước quan hệ sẽ nhỏ đi nhiều.

Phép kết nối thực hiện tốn thời gian, nên thường đẩy phép chọn xuống
trước phép kết nối theo qui tắc , , . Qui tắc đẩy phép chiếu xuống trước
phép
tích Decartes hoặc phép hợp tương tự như qui tắc
, , .
Không có
phương pháp tổng quát cho việc đẩy phép chiếu xuống trước phép
hiệu các tập
hợp.
 Qui tắc giao hoán của phép chiếu với tích Decartes
E1, E2 là hai biểu thức quan hệ: A1, ,An là tập các thuộc tính trong đó
B1, ,Bm là các thuộc tính của E1, các thuộc tính còn lại C1, ,Ck thuộc E2. Khi đó:
A1, ,An(E1 E2) =B1, ,Bm(E1)C1, ,Ck(E2)
Qui tắc giao hoán của phép chiếu và phép hợp
A1, ,An(E1 E2) = A1, ,An (E1)C1, ,Ck(E2)
Như trong quy tắc , nếu tên các thuộc tính của E
1
và/hoặc E
2
là khác với
thuộc tính trong E
1
 E
2

thì phải thay A
1
, ,A
n
ở vế phải bởi các tên phù hợp.
2.2.5. Thuật toán cải tiến cây biểu diễn biểu thức quan hệ
Chúng ta có thể áp dụng các qui tắc trên để tối ưu các biểu thức quan
hệ.
Biểu thức "tối ưu" kết quả phải tuân theo các nguyên tắc trong mục 2.1,
mặc
dù các nguyên tắc không có nghĩa bảo đảm để tối ưu cho tất cả các biểu thức
tương đương [5].
Đầu ra của thuật toán này là một chương trình, bao gồm các bước như sau:
1. Áp dụng của một phép chọn hoặc một phép chiếu đơn giản
2. Áp dụng của một phép chọn và một phép chiếu, hoặc
3. Áp dụng của một tích Decartes, phép hợp hoặc phép hiệu tập hợp cho
hai biểu
thức mà trước đó các phép chọn và / hoặc các phép chiếu đã
được áp dụng cho
một hay hai hạng thức