tìm hiểu về tối ưu hóa truy vấn trong cơ sở dữ liệu phân tán

1
PHẦN MỞ ĐẦU
1. Lý do chọn đề tài
Cùng vi s phát tria công ngh thông tin, các ng dng c
s d lip vào các hong quc kinh t
li nhng hiu qu to ln và cn thit. Bên cu v x lí thông tin
 thu th, x 
nhiu ln t phát trin ca tài nguyên phn cng và phn mm. Trong
thc t các doanh nghi n nhau hay k c các
c c phân b  nhiu khu v
d lic tp trung ti mm nhnh mà ri kha
 ng. Khi d liu không còn tp trung thì
v   qun lý, truy xut CSDL phc v cho công tác
chuyên môn không b n, tiêu tn ít thi gian
công sc tin bc. Mt s h thng tp trung ng
c, không phù hp vi nhu cu hii hóa. Xây dng mt h thng phân
tán có kh   l ng thi mt bài toán trên nhiu máy tính là mt
ng gii quyt kh  c chng minh tính hu dng. H thng
phân tán còn to nhiu thun li trong vic chia s thông tin trên khp mi
. Vì vy, CSDL  gii quyt vn  
N
 
t cách có hiu qu và thông sunh
khi truy vt trong nhng cách gii quyt cho
v này.
Vn  ti u hóa truy vn trên CSDL phân tán là rt quan trng và phc
tp do tính phân mnh, nhân bn, tn kém chi phí trong vic truyn d liu

2
ca nó. Nu không gii quyt tt vn  ti u truy vn thì hiu nng ca các

thao tác trên h CSDL phân tán s t rt thp.
Nhng nh tài nghiên
cTìm hiểu về tối ƣu hóa truy vấn trong cơ sở dữ liệu phân tán
2. Mục tiêu nghiên cứu.
Nghiên cu lý thuyt CSDL phân tán, các k thut truy vn trong CSDL.
Tng hp các kt qu  v truy vn tc hin t
truy vn trong CSDL phân tán.
3. Đối tƣợng và phạm vi nghiên cứu.
 tài tp trung nghiên cu v v bn ca CSDL  
n phân tán, các k thut, thut toán ti

.
4. Phƣơng pháp nghiên cứu.
Thu thp, tìm kim, tham kho, phân tích, nghiên cu các tài liu và thông
 tài t CSDL, CSDL phân tán, các k thut
truy vn ca các tác gi 
chn lc và sp xp lng ca mình.
Tng hp các kt qu ên cu v truy vn tn hành thc
hin tn phân tán qua mt trng hp nghiên cu.

3
CHƢƠNG 1: GIỚI THIỆU VỀ CƠ SỞ DỮ LIỆU PHÂN TÁN

1.1. Khái niệm về cơ sở dữ liệu phân tán
1.1.1. Khái niệm
C d liu phân tán [3] là mt tp hp d liu, mà v mt logic tp hp
này thuc cùng mt h th mt vt lý d lic phân tán
trên các v trí khác nhau ca mt mng máy tính.
 d li p ti h thng CSDL ln
trên mng. Trong h thng i máy tính qun lý mt CSDL thành phn

c gi là 1 node hot site.
M d liu phân tán là mt tp hp nhiu CSDL i logic và
c phân b trên mt mng máy tính.
m quan trc nêu ra và c:
- Tính chất phân tán: Tt c d liu ca CSDL phân tán 
cùng mt v c phân b trên nhiu máy trm t ti các v trí khác
nhau thuc mng máy tính. m phân bit gia CSDL phân tán và
CSDL tp trung.
- Tương quan logic: D liu ca CSDL phân tán có mt s thuc tính ràng
buc vu này giúp chúng ta có th phân bit mt CSDL phân tán
vi mt tp hp CSDL tp trung. Các file d li ti nhiu v trí
khác nhau, ng thy trong các ng dng mà h thng s phân
quyn truy nhp d ling mng.
Ví dụ 1.1:
Website ca google phân tán tìm kim theo cách t nhn bit, yêu cu nào
g lý. Các server ca google phân b rông khp
trên toàn th gii.


4
1.1.2. Các đặc điểm chính của CSDL phân tán
1. Chia sẻ tài nguyên
Vic chia s tài nguyên ca h c thc hin qua mng truyn
thông. Mi tài nguyên cc qun lý bi mn
truyn thông  chia s mt cách có hiu qu. Các tài nguyên có th c truy
cp, cp nht mt cách tin cy và nht quán. Qun lý tài nguyên  bao
gm lp k hoch d  t tên cho các lp tài nguyên, cho phép tài
c truy cp t  ta
ch truyn thông,
2. Tính mở

Tính m ca h thng phân tán là tính d dàng m rng phn cng ca nó.
Mt h thc gi là có tính m thì phu kin sau:
- H thng có th to nên bi nhiu loi phn cng và phn mm ca nhiu
nhà cung cp khác nhau.
- Có th b sung vào các dch v dùng chung tài nguyên mà không phá
hng ch v n ti.
- Tính m c hoàn thin bnh rõ các
giao din chính ca mt h  i các nhà phát
trin phn mm.
- Tính m ca h phân tán da trên vic cung c truyn thông gia
các tin trình và công khai các giao di truy nhp các tài nguyên
chung.
3. Khả năng song song
H phân tán hong trên mt mng truyn thông có nhiu máy tính, mi
máy có th có mt hay nhiu CPU.

5
Có th thc hin nhiu tin trình trong cùng mt thm. Vic thc hin
tin trình ng thi  phân chia thi gian (mt CPU) hay song song
(nhiu CPU).
Kh c song song trong h c th hin qua hai tình
hung:
- Nhii s dng thi các
ng dng thi xut hin nhiu Clients).
- Nhiu tin trình Server chng thi, mi tin trình phng yêu
cu t các Clients.
T u ki lý, kh a h thng phân tán tr thành
mt thuc tính ca nó.
4. Khả năng mở rộng
H phân tán có kh   ng tt và hiu qu  nhiu mc khác

nhau.
Kh  rng ca mt h  i tính không
thay i phn mm h thng và phn mm ng dng khi h thng c m
rng.
u này ch t  m i vi h phân tán hin ti (không th
u m rng không ch là m rng v
phn cng hay v mng mà còn cn phc t c
các khía cnh khi thit k h phân tán.
Ví dụ 1.2: Tn sut s dng file trên mt ngt  tránh tình
trng tc nghn xy ra khi ch có mt Server và phng các yêu cu truy
nhp  i ta nhân bn file trên mt Server khác và h thc
thit k sao cho vic b sung c d dàng. Có th n gii pháp
khác là s dng Cache và các bn sao d liu.


6
5. Khả năng thứ lỗi
Kh  li th hin vic h thng không b s bi các s c do
các li thành phn (c phn cng ln phn mm) trong mt b ph
Vic thit k kh  li các h thng máy tính da trên hai gii
pháp sau:
- Dùng kh   m bo s hong liên tc và hiu qu.
-  m b phc hi d liu khi xy ra s c.
6. Đảm bảo tin cậy và nhất quán
H thng yêu c tin c
- Bí mt ca d liu.
- Các chng phm bo.
- Ngoài ra các yêu cu ca h thng v tính nh hin  ch:
không có mâu thun trong ni dung CSDL.
1.1.3. Những ưu nhược điểm của cơ sở dữ liệu phân tán

 Những ưu điểm của cơ sở dữ liệu phân tán
Ln nht ca CSDL phân tán là d liu ca các CSDL vt lý
riêng bic tích hp logic vi nhau làm cho nhiu ni s dng trên
mng có th truy nhc [6].
- Cho phép qun lý d liu vi nhiu mc trong sut:
+ Trong sut mng - phân tán: H qun tr CSDL phc trong sut
i s dng không cn bit v trí ca d liu
và không cn bit s phc tp truy cp qua mng.
+ Trong sut bn sao
+ Trong sun
-  tin cy và kh n sàng:  tin cy là kh  thng
c (không b ngng) ti mt thi n sàng là kh
 thng tip tc làm vic trong mt khong th

7
liu và CSDL phân tán trên mt vài trm, mt trm có th có s c trong khi
các trm khác vn có th hong hoc s dng các thành phn khác ca
CSDL. Ch trên trm b s c, d liu và ng dng không th truy cc.
  tin cy và tính sn sàng, có th áp dng  to bn sao
trên nhiu trm.
- Ci thin hi: Mt h qun tr CSDL n CSDL
có th làm cho d liu s  ti g dng nht. D liu c
 cc b làm gim cnh tranh CPU, gim các I/O Server và gi
tranh truy nhp trên mng. D lic phân tán ti các trng
d liu cc b s nh  lý giao tác và truy vn cc b s c thc
hin ta trên mi tr các giao tác trên
CSDL tp trung vì vu sut h thng.
- D dàng m rng: Vic thêm CSDL m CSDL hoc thêm
b x lý ng phân tán là d  
CSDL thành phn.

 Những nhược điểm của cơ sở dữ liệu phân tán
-  phc tp thit k t h th qun tr CSDL phân tán
phi b sung thêm các ch
+ Theo dõi du vt d liu
+ X lý các truy vn phân tán
+ Qun lý giao dch phân tán
+ Phc hi CSDL phân tán
+ Qun lý các bn sao
+ Quc - catalog phân tán
- H thng phn cc tn có nhiu trm và các trm
phc kt ni trên mng.

8
- Các phn mm h thm bo qun tr, duy trì kt ni d liu
trên mng.
- Bo m
1.2. Các đặc trƣng trong suốt của cơ sở dữ liệu phân tán
1.2.1. Trong suốt phân đoạn (fragmentation transparency)
Khi d lin thì vic truy cc thc hin
 phân tán và không ng ti s dng.
Ví dụ 1.3: Xét quan h tng th NCC (Id, Tên, Tui) n
c tách ra t nó:
NCC1 (Id, Tên, Tui)
NCC2 (Id, Tên, Tui)
NCC3 (Id, Tên, Tui)
Gi s DDBMS cung cp tính trong sut v 
thy tính trong suc th hi
Khi mun tìm mi có Id= “Id1” thì ch cn tìm trên quan h tng
th NCC mà không cn bit quan h NCC có phân tán hay không.
SELECT *

FROM NCC
WHERE Id=“Id1”

Hình 1.1:Trong suốt phân đoạn

9
1.2.2. Trong suốt về vị trí (location transparency)
- i s dng không cn bit v v trí vt lý ca d liu mà có quyn
truy cn CSDL ti bt c v trí nào.
-  ly hoc cp nht mt d liu t c t ng thc
hin bi h thng tu cu.
- Tính trong sut v v trí rt hi s dng b qua
các bn sao d lin ti  mi v  di chuyn mt bn sao
d liu t mt v n mt v trí khác và cho phép to các bn sao mi
mà không nn các ng dng.
Ví dụ 1.4: Vi quan h tng th  trên

gi s rng DDBMS cung cp trong sut v v    p
trong sut v n.
Xét câu truy vi có Id=“Id1”.
SELECT *
FROM NCC1
WHERE Id=“Id1”
IF NOT #FOUND THEN
SELECT *
FROM NCC2
WHERE Id=“Id1”
+ u tiên h thng s thc hin tìm kim   n NCC1 và nu
DBMS tr v biu khin #FOUND thì mt câu lnh truy v
c thc hin NCC2 ,

+   NCC2 c sao làm hai bn trên hai v trí 2 và v trí
3, ta ch cn tìm thông tin trên quan h NCC2 mà không cn quan tâm nó
 v trí nào.

10

Hình 1.2: Sự trong suốt về vị trí
1.2.3. Trong suốt ánh xạ địa phương (local mapping transparency)
- Là mc tính quan trng trong mt h thng nht.
- ng dng tham chi   c lp t các h
thng cc b .
- ng dt trên mt h thng nhc
s dt h thng nht.
Hình 1.3: Sự trong suốt ánh xạ địa phương
1.3. Kiến trúc cơ bản của một cơ sở dữ liệu phân tán
1.3.1. Sơ đồ tổng thể (Global Schema)
- nh tt c các d liu s  trong CSDL 
 lic phân tán  các trm trong h thng.

11
-  tng th p trung.
- Trong mô hình quan h tng th bao ga tp các
quan h tng th (Globle relation).
1.3.2. Sơ đồ phân đoạn dữ liệu (fragment schema)
- Mi quan h tng th có th chia thành mt vài phn không giao nhau gi
là n (fragment).
- Có nhi thc hin vic phân chia này.
-  n mô t các ánh x gia các quan h tng th n
c  n (fragmentation Schema).
- c mô t bng tên ca quan h tng th cùng vi ch mc

n.
Chng hc hin th i ca quan h R.
1.3.3. Sơ đồ định vị dữ liệu (allocation schema)
- n là các phn logic ca mt quan h tng th nh v vt lý
trên mt hay nhiu trm.
- Sơ đồ định vị n d linh v ti trm nào trên
mng.
- Tt c c liên kt vi cùng mt quan h tng th c
nh v ti cùng mt trm j cu thành nh vt lý quan h tng th R ti trm j.
-  ánh x mt-mt gia mt nh vt lý và mt cp (quan h
tng th, trm).
- Các nh vt lý có th ch ra bng tên ca mt quan h tng th và mt ch
mc trm.
- Ký hiu R
i
 ch n th i ca quan h tng th R.
- Ký hiu R
j
 ch nh vt lý ca quan h tng th R ti trm j.
-  y, bn sao cn i thuc quan h R ti trc ký
hiu là R
i
j
.

12
1.3.4. Sơ đồ ánh xạ địa phương (Local mapping schema)
- Thc hin ánh x các nh vc thc hin bi h
qun tr CSDL .
- Tt c n ca mt quan h tng th trên cùng mt trm to ra mt

nh vt lý.

Hình 1.4: Các đoạn và hình ảnh vật lý của một quan hệ tổng thể
Ba yu t c suy ra t kiu kin trúc này là:
- Tách ri khái nin d liu vi khái ninh v d liu.
- Bic d lia.
- c lp v.
Ba yếu tố này tương ứng với ba mức trong suốt tương ứng
a. Tách ri khái nin d liu vi khái ninh v d liu.

13
 Phân đoạn dữ liệu, bao gm nhng công vi  i lp trình
ng dng làm vic vi quan h tng th, phân chia quan h tng th
n.
Thông qua tính trong suốt phân đoạn (fragmentation transparencyi
lp trình s nhìn thc nhn d liu b  nào.
Định vị dữ liệu li liên n các công vic ci s dng và
i lp trình ng dng tn d linh v ti các trm.
Thông qua tính trong suốt vị trí (location transparency) i lp trình s
bic v trí cn d liu trên các trm.
b. Biết được dữ liệu dư thừa:
i lp trình ng dng có th bia d liu  các trm.
 trên, chúng ta thy rng hai nh vt lý R2 và R3 có trùng lp
d lin d liu trùng nhau có th c khi xây dng
các khi nh vt lý.
c. Độc lập với các DBMS địa phương
Tính ch   c gi là trong suốt ánh xạ địa phương (local
mapping transparency), cho phép chúng ta kho sát các v v qun lý
CSDL phân tán mà không cn phi hiu rõ mô hình d liu ca
 dng.

1.4. Kết luận
CSDL phân tán rt quan trng vì nhiu lý do khác nhau, nó có th c cài
t trên các mng máy tính din rng và các mng cc b nh. Có hai lý do
v t chc và k thui vi s phát trin CSDL CSDL phân
tác xây d khc phc các thiu sót ca CSDL tp trung và nó phù
hu trúc phân quyn ca nhiu t chc. K thut CSDL phân
c m rng và phát trin t k thut ca CSDL truyn thng. Trong

14
ng mi này, mt s v k thui các gii pháp khác, và
mt s gii pháp hoàn toàn mi.
Tính trong sut phân tán cung cp s c lp ci s
phân tán ca CSDL. Các mc trong sut phân tán khác nhau có th c cung
cp bi mt h qun tr CSDL phân tán; Ti mi mc, tính trong sut làm cho
i lp trình ng dng không bic s phân tán d liu.

15
CHƢƠNG 2: CÁC NGUYÊN LÝ CHUNG CỦA TỐI ƢU HÓA
TRUY VẤN PHÂN TÁN
Các ngôn ng hi bt
nhiu câu truy vn vi s quan tâm nhin thi gian thc hin, và thi gian
thc hi gi nu b x lý ngôn ng hi vit li (bng
cách khác) câu truy vc khi thc hin. S ci ting gi là
"S tc dù câu truy vc vit li không cn tt c
t câu truy vn có th trình bày mt s 
pháp tu thc quan hc bit là x lý biu thc liên quan
n phép kt ni và tích Decartes, xem xét các k thun hình INGRES và
System R.
2.1. Các chiến lƣợc tối ƣu hóa cơ bản
Trong ngôn ng hi di s quan h, các truy vn

tích Decartes và phép kt ni là rt tn thi gian.
Ví dụ 2.1: Xét biu thc AB × CD (AB là mt quan h vi các thuc tính
A, B); ta ng nht hai quan h này vi hai tp d li  ca
tích Decartes này phi duyt ht bn ghi ca mt quan h, chng hn AB, 
vòng ngoài, vi mi bn ghi r ca tp AB, duyt tp CD  vòng trong và ni r
vi mi bn ghi ca tp CD. Gi s quan h AB có n bn ghi, CD có m bn
ghi thì tích Decartes AB × CD có n × m bn ghi. Rõ ràng phép tính trên rt
tn kém v thi gian và ô nh.
Ullman J.D trong các kt qu nghiên cu cn
c tng quát cho vic tn. ý tng t
nhóm: Nhóm 1 gm các phép bii s có liên quan hoc không liên
 các quan h, nhóm 2 gm các chic có li cho
vi các quan h khoá, ch s. Các chic thc hi
sau [4]:

16
1. Thực hiện phép chọn sớm nhất có thể: Bi i câu truy v 
phép chn vào thc hic nhm làm gic ca kt qu trung
t kim thi gian thc hin và không gian nh.
2. Tổ hợp phép chọn xác định với phép tích Decartes thành phép kết nối:
 bit, phép kt nc bit là kt ni bng có th thc hi
 so vi phép tích Decartes trên cùng các quan h. Nu kt qu ca tích
Decartes R × S i s ca phép chn và phép chn phép
so sánh gia các thuc tính c phép kt n gim chi
phí tính toán.
3. Tổ hợp dãy các phép toán một ngôi như phép chọn và phép chiếu: Bt
k dãy các phép toán mn hoc phép chiu có kt qu ph
thuc vào các b ca mt quan h c lp thì có th i.
, ta có th nhóm các phép toán mt ngôi vi kt qu ca phép toán
hai ngôi bng cách áp dng các phép toán mt ngôi vi mi b kt qu ca

phép toán hai ngôi.
4. Tìm các biểu thức con chung trong một biểu thức: Nu kt qu ca mt
biu thc con chung (biu thc xut hit ln) là mt quan h không
ln và nó có th c t b nh th cp vi ít thi gian, thì nên tính toán
c biu th mt ln. Nu biu thn
phép kt nng hp tng quát không th i nh vic
y phép chn vào trong.
5. Xử lý các tệp trước: Hai v quan trng cn x c cho các tp
s là sp xp các tp và thit lp các tp ch sc hin các phép toán
lin hai tp (phép tính hai ngôi) s u.
6. Đánh giá trước khi thực hiện phép toán: Khi cn chn trình t thc hin
các phép toán trong biu thc hoc chn mi ca phép toán hai
ngôi, ta nên tính toán chi phí thc hin các ng là s phép

17
tính, thi gian, ng b nh c các quan h, ) theo các
cách khác nhau. T s quyp.
2.2. Các phép biến đổi đại số
Hu ht các chin bii biu thi s. Mt
x lý câu truy vn bu vi vic xây dng cây phân tích biu thi s,
 các nút biu din toán t i s quan h và toán t c bit ca ngôn
ng. Ngôn ng hi có th là ngôn ng i s quan h  
SEQUEL, hoc là mt ngôn ng phép tính quan h mà các biu thc phép
c chuyn thành biu thi s.
2.2.1. Các yêu cầu của phép biến đổi tối ưu hóa
- Các phép bii phi thc s hu hii vi phn ln các dng câu
truy vn hay mt lp các câu truy vng dùng mà không phi chi phí quá
nhi thc hin quá trình bi
- Các phép bii phi bo toàn kt qu ca câu truy vc và sau khi
biu thc và sau khi bii phi cho cùng

mt kt qu  trong biu thc bi các th hin c th.
- Các phép bii phi làm gi thc hin câu truy vn. Chi
phí cho x lý câu truy vn có rt nhiu yu t, tuy nhiên ta ch n
mt s n nh ln truy xut khi nh gia b nh
trong và b nh ngoài; s bn ghi cn phi x lý  thit b trung tâm; phn b
nh   các kt qu trung gian trong quá trình thc hin câu truy vn.
2.2.2. Biểu thức tương đương
Hai biu thc E
1
và E
2
gu E
1
E
2
, nu quan h kt
qu ca hai biu th bi các th hin c th.
Vt s phép bii s có li [4].
2.2.3. Các qui tắc liên quan đến phép kết nối và tích Decartes