Tối ưu truy vấn cơ sở dữ liệu quan hệ và cơ sở dữ liệu phân tán bằng phương pháp Heuristic

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ
=====o0o=====



Đinh Thị Lan Phƣơng






TỐI ƢU TRUY VẤN CƠ SỞ DỮ LIỆU QUAN HỆ
VÀ CƠ SỞ DỮ LIỆU PHÂN TÁN
BẰNG PHƢƠNG PHÁP HEURISTIC











LUẬN VĂN THẠC SĨ

Hà Nội - 2007



2
MỤC LỤC

LỜI CẢM ƠN 1
MỤC LỤC 2
CÁC THUẬT NGỮ VIẾT TẮT 4
MỞ ĐẦU 5
Chƣơng 1. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU 7
1.1 CƠ SỞ DỮ LIỆU QUAN HỆ 7
1.1.1 Khái niệm 7
1.1.2 Tiêu chuẩn của một cơ sở dữ liệu. 7
1.2 HỆ QUẢN TRỊ CƠ SỞ DỮ LIỆU 8
1.2.1 Hệ quản trị cơ sở dữ liệu 8
1.2.2 Các chức năng của hệ quản trị cơ sở dữ liệu 8

1.2.3 Cách thức truy nhập CSDL 8
1.3 MÔ HÌNH DỮ LIỆU QUAN HỆ 9
1.3.2 Các phép toán trên quan hệ 10
1.3.3 Các dạng chuẩn của mô hình quan hệ 11
1.4 HỆ CƠ SỞ DỮ LIỆU PHÂN TÁN 13
1.4.1 Các khái niệm về cơ sở dữ liệu phân tán 13
1.4.2 Các mục tiêu của hệ quản trị cơ sở dữ liệu phân tán. 15
1.4.3 Kiến trúc hệ quản trị cơ sở dữ liệu phân tán 16
1.4.4 Phân đoạn, nhân bản và cấp phát dữ liệu 19
1.5 KẾT LUẬN CHƢƠNG 1 21
Chƣơng 2. TỔNG QUAN VỀ TỐI ƢU HOÁ TRUY VẤN 22
2.1 BÀI TOÁN TỐI ƢU HÓA TRUY VẤN 22
2.2 BỘ TỐI ƢU TRUY VẤN 23
2.2.1. Không gian tìm kiếm 24
2.2.2 Chiến lƣợc tìm kiếm 26
2.2.3 Mô hình chi phí 27
2.3 KẾT LUẬN CHƢƠNG 2 31
Chƣơng 3. MỘT SỐ PHƢƠNG PHÁP TỐI ƢU TRUY VẤN 32
3.1 MỘT SỐ PHƢƠNG PHÁP TỐI ƢU HOÁ TRUY VẤN TRONG MÔI
TRƢỜNG TẬP TRUNG 32
3.1.1 Thuật toán INGRES 32
3.1.2 Thuật toán System R 36
3.2 MỘT SỐ PHƢƠNG PHÁP TỐI ƢU HOÁ TRUY VẤN TRONG MÔI
TRƢỜNG PHÂN TÁN 41
3.2.1 Thuật toán INGRES phân tán 41


3
3.2.2 Thuật toán System R* 45
3.2.3 Thuật toán SDD-1 50

3.3 KẾT LUẬN CHƢƠNG 3 59
Chƣơng 4. TỐI ƢU TRUY VẤN BẰNG PHƢƠNG PHÁP HEURISTIC 60
4.1 CÁC CHIẾN LƢỢC TỐI ƢU TỔNG QUÁT 60
4.2 CÁC PHÉP BIẾN ĐỔI ĐẠI SỐ QUAN HỆ 61
4.2.1 Biểu thức quan hệ 61
4.2.2 Biến đổi tƣơng đƣơng của đại số quan hệ 62
4.3 THUẬT TOÁN HEURISTIC 64
4.4 VÍ DỤ TỐI ƢU HOÁ CÂU HỎI THEO HEURISTIC 65
4.5 KẾT LUẬN CHƢƠNG 4 77
KẾT LUẬN 79
TÀI LIỆU THAM KHẢO 81



4
CÁC THUẬT NGỮ VIẾT TẮT

Tên viết tắt
Tên khoa học
Giải nghĩa
CSDL
DataBase
Cơ sở dữ liệu
ES
External Schema
Lƣợc đồ ngoài
MRQ
Multi Relation Query
Truy vấn đa quan hệ
ORQ

One Relation Query
Truy vấn đơn quan hệ
OVQP
One Variable Query Processor
Bộ xử lý truy vấn một biến
QEP
Query Excution Plan
Hoạch định thực thi truy vấn
QTCSDL
DataBase System
Quản trị cơ sở dữ liệu


5
MỞ ĐẦU
1. Đặt vấn đề
Trong thời đại của nền kinh tế tri thức mà chúng ta đang sống, mọi hoạt
động muốn đạt hiệu quả cao thì nhất thiết phải có đƣợc thông tin, tri thức cần
thiết một cách nhanh chóng và chính xác. Thông tin có thể có đƣợc ở mọi nơi,
và CSDL là một trong những nguồn cung cấp thông tin.
Vấn đề đặt ra là khối lƣợng thông tin lƣu trữ lớn song đòi hỏi việc xử lý
thông tin phải nhanh chóng và hiệu quả. Để lấy đƣợc thông tin cần thiết ta cần
thực hiện hàng loạt các thao tác trên CSDL thông qua các câu truy vấn. Từ câu
truy vấn ban đầu có thể thực hiện theo các phƣơng pháp khác nhau để có kết quả
song cần phải hạ thấp chi phí thực hiện truy vấn gọi là tối ƣu hoá truy vấn. Tuy
nhiên để có đƣợc phƣơng án tối ƣu nhất thì có thể chi phí cho quá trình tối ƣu
lại rất cao.
Xuất phát từ những đặc điểm chung và tính thời sự nêu trên, tôi đã chọn
đề tài nghiên cứu về tối ƣu hoá truy vấn và đi sâu vào tìm hiểu về phƣơng
pháp tối ƣu truy vấn bằng Heuristic mong đƣợc đóng góp một phần nhỏ bé trong

việc nghiên cứu về các phƣơng pháp tối ƣu hoá truy vấn dữ liệu để khai thác
thông tin một cách có hiệu quả và nhanh chóng, trợ giúp cho những ngƣời sử
dụng dữ liệu thực hiện tốt công việc của mình.
2. Mục tiêu của luận văn
Mục tiêu của đề tài là nghiên cứu các phƣơng pháp tối ƣu hoá truy vấn, đặc
biệt tập trung nghiên cứu phƣơng pháp tối ƣu hoá bằng Heuristic. Luận văn bao
gồm các vấn đề chính sau đây:
- Nghiên cứu về cơ sở dữ liệu quan hệ và cơ sở dữ liệu phân tán.
- Tìm hiểu bài toán tối ƣu hoá truy vấn.
- Tìm hiểu một số phƣơng pháp tối ƣu hoá trong môi trƣờng tập trung và
phân tán.
- Nghiên cứu phƣơng pháp tối ƣu hoá truy vấn bằng Heuristic
3. Bố cục của luận văn


6
Luận văn gồm 4 chƣơng:
Chƣơng 1: Tổng quan về cơ sở dữ liệu quan hệ và cơ sở dữ liệu phân tán.
Chƣơng 2: Bài toán tối ƣu hoá truy vấn.
Chƣơng 3: Một số phƣơng pháp tối ƣu hoá truy vấn trong môi trƣờng tập
trung và phân tán
Chƣơng4: Phƣơng pháp tối ƣu hoá truy vấn bằng Heuristic, ví dụ minh
hoạ.


7
Chƣơng 1. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU


1.1 CƠ SỞ DỮ LIỆU QUAN HỆ

1.1.1 Khái niệm
Đƣợc phát triển từ những năm 60, cho đến nay các hệ cơ sở dữ liệu (CSDL)
đƣợc tập trung nghiên cứu và phát triển ứng dụng rất mạnh. Khái niệm CSDL
cũng đã đƣợc định nghĩa dƣới nhiều góc độ khác nhau, ta có thể hiểu CSDL theo
khái niệm là một tập hợp dữ liệu của một tổ chức, xí nghiệp,… đƣợc lƣu trữ
trong máy tính, đƣợc nhiều ngƣời sử dụng và cách tổ chức của nó đƣợc chi phối
bằng một mô hình dữ liệu[5].
Một ngân hàng dữ liệu thƣờng là tập hợp các thông tin lƣu trữ trong máy
tính có liên quan đến một lĩnh vực khoa học, kinh tế hoặc văn hoá, thể thao theo
một cách đầy đủ nhất có thể có. Dữ liệu trong ngân hàng thực chất chỉ là một
kho dữ liệu trong khi đó một CSDL của một tổ chức hàm chứa cả các thông tin
liên quan đến việc bảo mật, cấu trúc lƣu trữ thông tin và sự chia sẻ tài nguyên.
1.1.2 Tiêu chuẩn của một cơ sở dữ liệu.
Một CSDL cần thoả mãn các tiêu chuẩn sau[1, 4, 6]:
1. Biểu diễn tốt thế giới thực: cung cấp một hình ảnh trung thực của thực tại.
Một CSDL trung thực cho phép ngƣời dùng có các thông tin thoả mãn việc sử
dụng và cập nhật.
2. Không dư thừa thông tin: mỗi thông tin đảm bảo không bị trùng lặp, chỉ có
mặt một lần trong CSDL do đó sự lựa chọn dữ liệu là duy nhất.
3. Tính độc lập của các chương trình đối với dữ liệu: tƣơng ứng với sự cần thiết
làm giảm giá thành bảo trì các chƣơng trình. Những thay đổi về cấu trúc của hệ
CSDL là do sự thay đổi của thế giới thực chứ không phải do một ứng dụng cụ
thể và nó cho phép nhiều ứng dụng cùng chia sẻ một bộ dữ liệu.
4. Tính an toàn và bí mật của dữ liệu: CSDL đƣợc đảm bảo chỉ những ngƣời có
trách nhiệm mới có thể truy cập đến các thông tin và sử dụng chúng. Ngoài ra
cũng cần có sự đảm bảo an toàn cho các vật mang thông tin chống lại mọi sự
huỷ hoại.


8

5. Hiệu suất ứng dụng: Mặc dù chia sẻ cùng một nguồn chung, các ứng dụng
phải có hiệu suất trong CSDL giống nhau nhƣ trong sử dụng thông tin truyền
thông.
Các tiêu chuẩn trên là thiết yếu nhất cho một CSDL hoàn thiện và tối ƣu, tuy
nhiên các tiêu chuẩn khác nhau sẽ đƣợc ƣu tiên ít nhiều khác nhau tuỳ theo từng
mục đích và ứng dụng cụ thể.
1.2 HỆ QUẢN TRỊ CƠ SỞ DỮ LIỆU
1.2.1 Hệ quản trị cơ sở dữ liệu
Hệ quản trị cơ sở dữ liệu (QTCSDL) là hệ thống phần mềm đặc biệt cho
phép khai thác một cách hợp lý các CSDL. Một hệ QTCSDL bao gồm các phần
mềm cho phép mô tả, lƣu trữ, thao tác, xử lý các tập hợp dữ liệu. Đồng thời, hệ
QTCSDL đảm bảo sự an toàn và bí mật của các dữ liệu trong một môi trƣờng có
nhiều ngƣời sử dụng với những yêu cầu khác nhau có thể có những tác động
truy nhập đồng thời lên dữ liệu.
1.2.2 Các chức năng của hệ quản trị cơ sở dữ liệu
Một hệ QTCSDL phải đảm bảo đƣợc các chức năng tối thiểu sau:
- Mô tả dữ liệu.
- Tìm kiếm dữ liệu đã đƣợc lƣu trữ.
- Cập nhật dữ liệu (thêm, bớt, sửa đổi,…).
- Chuyển hoá dữ liệu giữa các mức độ lƣợc đồ.
- Điều khiển tính an toàn và toàn vẹn dữ liệu.
- Quản lý dữ liệu ở mức thấp (mức các giao tác xử lý dữ liệu).
1.2.3 Cách thức truy nhập CSDL
Truy nhập CSDL là phƣơng pháp khai thác tệp do chƣơng trình ứng dụng sử
dụng để chọn những bản ghi. Trong hệ CSDL có các loại truy nhập sau:
1. Tổ chức truy nhập tuần tự: là phƣơng pháp đọc tuần tự các bản ghi của
tệp, từ đầu tệp cho đến bản ghi cần tìm.Trong kiểu tổ chức này các bản
ghi đƣợc lƣu trữ lần lƣợt, muốn đọc bản ghi thứ n, ta phải lần lƣợt đi qua
(n-1) bản ghi trƣớc đó. Tuy nhiên ta không cần đọc toàn bộ nội dung các

9
bản ghi mà chỉ cần đọc một phần thông tin tối thiểu đủ để xác định xem
đó có phải là bản ghi cần hay không.
2. Tổ chức truy nhập trực tiếp: Cho phép truy nhập trực tiếp đến các đơn vị
thông tin cần tìm mà không cần đọc lần lƣợt từ đầu. Để truy nhập phải
tuân theo phƣơng pháp đã xác định khi tổ chức lƣu trữ. Có hai loại tổ
chức truy nhập là tệp trực tiếp và tệp có chỉ số. Ta phải sử dụng một phần
thông tin của bản ghi làm khoá của bản ghi đó. Qua đặc trƣng của khoá
cho phép xác định chính xác bản ghi cần tìm.
3. Truy nhập ngẫu nhiên: Kiểu tổ chức này lƣu trữ các bản ghi tại địa chỉ
theo một khoá nào đó. Ta thƣờng dùng một thuật toán, một hàm ngẫu
nhiên để tính toán ra địa chỉ của bản ghi. Hàm địa chỉ đƣợc xây dựng theo
nhiều phƣơng pháp khác nhau nhƣ phƣơng pháp tính địa chỉ tuyến tính,
phƣơng pháp dùng hàm mã cắt v.v…
1.3 MÔ HÌNH DỮ LIỆU QUAN HỆ
Mô hình dữ liệu là tập hợp các khái niệm dùng để biểu diễn các cấu trúc của
CSDL. Cấu trúc của một CSDL bao gồm các kiểu dữ liệu, các mối liên kết và
các ràng buộc phải tuân theo trên các dữ liệu. Nhiều mô hình còn có thêm tập
hợp các phép toán cơ bản để đặc tả các thao tác trên CSDL.
Mô hình quan hệ đƣợc Ted Codd đƣa ra vào những năm 1970 và đƣợc sử
dụng rất rộng rãi bởi tính đơn giản và cơ sở toán học của nó.
1.3.1 Khái niệm về quan hệ
Một lƣợc đồ quan hệ R, kí hiệu là R(A
1
, A
2,
…,A
n
) đƣợc tạo nên từ một

tên quan hệ R, một danh sách các thuộc tính A
1
, A
2,
…,A
n
. Số thuộc tính của
quan hệ gọi là bậc của quan hệ.
Một quan hệ r tƣơng ứng với lƣợc đồ R là :
r(R )

D
1
x D
2
x…x D
n
trong đó D
i
với (1

i

n) là miền giá trị
của thuộc tính A
i
.
Một quan hệ đƣợc biểu diễn nhƣ một bảng, trong đó các giá trị của một
thuộc tính đƣợc ghi trong một cột và một bộ giá trị của quan hệ đƣợc ghi trên
một dòng.

10
1.3.2 Các phép toán trên quan hệ
Có năm phép toán cơ bản và năm phép toán khác có thể đƣợc định nghĩa
theo năm phép toán cơ bản này. Đó là phép chọn, phép chiếu, phép hợp, phép
trừ và phép tích Descartes. Các phép toán bổ sung có thể là: giao, nối, nối tự
nhiên, nối nửa và phép chia.
Phép chọn trên quan hệ R với vị từ p là tập tất cả các bộ t của R thoả p:
)}(/{t )( tpRR
p



Phép chiếu của quan hệ R trên tập các thuộc tính X của quan hệ R, là một
quan hệ trên tập thuộc tính X, đƣợc xây dựng bằng cách loại bỏ trong quan hệ R
những thuộc tính không nằm trong X.

}|][{t)( RtXR
X


Phép hợp. Hợp của hai quan hệ R và S, là tập tất cả các bộ thuộc R hoặc
thuộc S hoặc thuộc cả hai. Các bộ trùng lặp bị loại bỏ.
R  S= {t| tR hoặc t  S }
Phép trừ: Hiệu của hai quan hệ R và S là tập tất cả các bộ của R không
thuộc S
R-S = {t| tR và t S }
Tích Descartes. Tích Descartes của hai quan hệ R bậc n và S bậc m có kết
quả là tập các (n+m) bộ sao cho mỗi bộ này có n thành phần đầu thuộc R và m

thành phần sau thuộc S.
R x S = {t | t có dạng (a
1
, a
2
,…,a
n
, b
1
, b
2
,…, b
m
) trong đó (a
1
, a
2
,…,a
n
)  R
và (b
1
,b
2
,…,b
m
)S}
Phép giao: Giao của 2 quan hệ R và S, là tập tất cả các bộ t thuộc cả hai
quan hệ R và S.
R S = {t | t R, t S } = R - (R-S)

Nối - . Phép nối là một dẫn xuất của tích Descartes. Có nhiều kiểu nối, và
kiểu nối tổng quát là nối  hay đơn giản là nối. Với F là vị từ nối:
R

F
S = 
F
(R x S)


11
Nối tự nhiên. Giả sử hai quan hệ R và S có tập thuộc tính chung là X. Phép
nối tự nhiên của hai quan hệ R và S là quan hệ trên tập thuộc tính của R và tập Y
các thuộc tính của S không nằm trong X
R

S = {(u,v)|uR  v = s[Y] sS s[X] = u[X]}
Nối nửa của hai quan hệ R và S theo vị từ p cho kết quả là:
R <
p
S =
X
(R

P
S ) với X là tập các thuộc tính của R
Phép chia. Chia quan hệ R bậc n cho quan hệ S bậc m (trong đó n>m và m
 0) là tập các bộ t trên bộ n-m thuộc tính sao cho với mọi bộ uS thì (t,u) R
RS = 
A‟

(R)-
A‟
((
A‟
(R)xS)-R), với A‟ là tập thuộc tính của R không thuộc S.
1.3.3 Các dạng chuẩn của mô hình quan hệ
Các quan hệ dùng trên mỗi hệ QTCSDL phải thoả mãn điều kiện[4]:
- Hạn chế tối thiểu sự dƣ thừa thông tin.
- Cho phép các cập nhật nhanh nhất.
- Tránh những sự rời rạc liên quan đến quá trình cập nhật.
Chuẩn hoá - là một quá trình từng bƣớc thay thế một tập quan hệ đã cho
bằng tập các quan hệ có cấu trúc ngày càng đơn giản và chuẩn tắc hơn. Mục
đích của chuẩn hoá là loại bỏ những bất thƣờng của một quan hệ. Quan hệ đƣợc
chuẩn hoá là quan hệ trong đó mỗi miền giá trị của một thuộc tính chỉ chứa
những giá trị nguyên tố tức là không phân nhỏ ra đƣợc nữa và do đó mỗi giá trị
trong quan hệ cũng là nguyên tố.
Theo lý thuyết ban đầu Codd đƣa ra có 3 dạng chuẩn của quan hệ. Về sau
Boyce và Codd đã định nghĩa một phiên bản sửa đổi của dạng chuẩn ba, thƣờng
gọi là dạng chuẩn Boyce-Codd (BCNF). Tiếp sau đó là các dạng chuẩn bốn
(4NF) và chuẩn năm (5 NF) đƣợc đề nghị dựa trên các phụ thuộc hàm đa trị và
các phụ thuộc hàm nối.



12

Chuẩn hoá dữ liệu có thể đƣợc xem nhƣ là một quá trình phân tích các lƣợc
đồ quan hệ cho trƣớc dựa trên các phụ thuộc hàm và các khoá chính của chúng
để đạt đến các tiêu chuẩn mong muốn là cực tiểu sự dƣ thừa và cực tiểu các
phép cập nhật bất thƣờng.

Yêu cầu của chuẩn hoá là không làm mất mát thông tin khi thay một quan
hệ này bằng các quan hệ khác. Nếu chúng ta có thể nối các quan hệ kết quả để
tạo thành quan hệ ban đầu, thì quá trình phân rã đó gọi là phân rã không mất
thông tin.
Một yêu cầu khác đối với quá trình chuẩn hoá là bảo toàn phụ thuộc. Phân
rã đƣợc gọi là bảo toàn phụ thuộc nếu đảm bảo rằng từng phụ thuộc hàm sẽ
đƣợc biểu hiện trong các quan hệ riêng rẽ sau khi tách.
Định nghĩa dạng chuẩn 1 (1 NF): Một lƣợc đồ quan hệ R đƣợc gọi là ở
dạng chuẩn 1 nếu và chỉ nếu toàn bộ các miền thuộc tính có mặt trong R đều chỉ
chứa các giá trị nguyên tố [1].
Nhƣ vậy 1NF không cho phép quan hệ có các thuộc tính đa trị hoặc có các
nhóm thuộc tính đa trị.
Định nghĩa dạng chuẩn 2 (2 NF): Một lƣợc đồ quan hệ ở dạng chuẩn 2NF
nếu nó đã ở dạng chuẩn 1NF và nếu mỗi thuộc tính không khoá của R phụ thuộc
hàm đầy đủ vào mỗi một khoá [1].
Dạng không chuẩn hóa
Dạng chuẩn thứ hai (2NF)
Dạng chuẩn thứ nhất (1NF)



Dạng chuẩn thứ ba (3NF)


13
Định nghĩa dạng chuẩn 3 (3 NF): Một lƣợc đồ quan hệ R ở dạng chuẩn
3NF nếu nó đã ở dạng chuẩn 2NF và nếu mỗi thuộc tính không khoá của R là
không phụ thuộc hàm bắc cầu vào mỗi một khoá [1].
Định nghĩa dạng chuẩn BCNF: Một lƣợc đồ quan hệ R với tập các phụ
thuộc hàm đƣợc gọi là ở dạng chuẩn BCNF nếu X A thoả mãn trên R, A X

thì X là một siêu khoá của R [1].
1.4 HỆ CƠ SỞ DỮ LIỆU PHÂN TÁN
Ta có thể định nghĩa, CSDL phân tán là một tập hợp các dữ liệu thuộc về
một hệ thống có liên quan với nhau một cách logic và đƣợc phân bố trên một
mạng máy tính. Hệ quản trị CSDL phân tán đƣợc định nghĩa là một hệ thống
phần mềm cho phép quản lý các CSDL phân tán và làm cho việc phân tán trở
nên trong suốt với ngƣời sử dụng.
Với các CSDL phân tán chúng ta dễ dàng nhận thấy những ƣu điểm tiềm
năng nhƣ:
 Quản trị dữ liệu phân tán với nhiều mức trong suốt khác nhau. Hệ quản trị
CSDL phân tán cung cấp khả năng trong suốt phân tán với ý nghĩa là che
dấu đặc tính phân tán đối với ngƣời sử dụng. Hệ quản trị CSDL phân tán
có thể cung cấp các khả năng trong suốt sau:
- Trong suốt phân tán.
- Trong suốt phân đoạn.
- Trong suốt nhân bản.
 Tăng tính tin cậy và tính sẵn sàng.
 Cho phép dùng chung dữ liệu vẫn duy trì đƣợc biện pháp điều khiển cục
bộ.
 Cải tiến hiệu năng.
 Tính dễ mở rộng.
1.4.1 Các khái niệm về cơ sở dữ liệu phân tán
Ở mức phần cứng vật lý, những nhân tố chính phân biệt một hệ CSDL phân
tán với một hệ CSDL tập trung là: Có nhiều máy tính gọi là trạm hay nút (node).


14

Trạm 1

Trạm 5

Trạm 4

Trạm 3

Trạm 2
Hình 1- Cơ sở dữ liệu trung tâm trên một mạng
Các trạm phải đƣợc kết nối bởi một kiểu mạng truyền thông nào đó để truyền dữ
liệu.
Một hệ quản trị CSDL phân tán là một tập các phần mềm hệ thống bao
gồm các phần mềm quản trị các dữ liệu phân tán, các phần mềm quản trị truyền
thông và các hệ quản trị CSDL địa phƣơng/cục bộ lƣu trú trên mỗi trạm của hệ
CSDL phân tán.

Ngoài các chức năng của các hệ quản trị CSDL tập trung và của phần mềm

Trạm 1


Trạm 5

Trạm 4

Trạm 3

Trạm 2

Hình 2- Môi trường của hệ Cơ sở dữ liệu phân tán





15
quản trị truyền thông, hệ quản trị CSDL phân tán còn có các chức năng đặc biệt
sau :
 Quản lý một từ điển dữ liệu tổng thể lƣu trữ thông tin liên quan đến các dữ
liệu phân tán.
 Định nghĩa các dữ liệu phân tán.
 Kiểm tra ngữ nghĩa các dữ liệu phân tán.
 Định giá các câu truy vấn phân tán do ngƣời dùng đƣa ra.
 Quản lý các giao tác và dữ liệu.
 Bảo mật giao tác và dữ liệu.
 Phục hồi CSDL phân tán, cung cấp khả năng phục hồi dữ liệu từ những trạm
bị lỗi (sập).
 Quản trị nhân bản dữ liệu.
Một tính chất quan trọng của các CSDL phân tán là tính thuần nhất hay
không thuần nhất. Một CSDL phân tán thuần nhất có đƣợc bằng cách chia một
CSDL thành một tập các CSDL cục bộ, mỗi CSDL cục bộ này đƣợc quản trị bởi
cùng một hệ quản trị CSDL. Một CSDL phân tán thuần nhất thƣờng là kết quả
của cách tiếp cận thiết kế từ trên xuống, trong đó thiết kế một CSDL phân tán từ
một CSDL tập trung.
Một CSDL phân tán không thuần nhất là một CSDL phân tán có đƣợc bằng
cách tích hợp một tập CSDL cục bộ (có thể đƣợc xây dựng từ các mô hình dữ
liệu khác nhau) đƣợc quản trị bởi các hệ quản trị CSDL khác nhau, thành một
CSDL duy nhất.
1.4.2 Các mục tiêu của hệ quản trị cơ sở dữ liệu phân tán.

Sự độc lập dữ liệu và trong suốt phân tán. Ngƣời dùng có thể không quan
tâm đến sự phân tán dữ liệu. Các thông tin này đƣợc lƣu trữ trong từ điển dữ
liệu, và đƣợc hệ quản trị CSDL phân tán sử dụng để định vị dữ liệu. Đây là một
dạng trong suốt cơ bản cần có trong CSDL phân tán, nó liên quan đến tính độc
lập dữ liệu và làm tăng khả năng thích ứng của các ứng dụng đối với những thay
đổi trong định nghĩa và tổ chức của dữ liệu và ngƣợc lại. Khi đó không có sự


16
khác biệt nào giữa các ứng dụng chạy trên CSDL tập trung với ứng dụng chạy
trên CSDL phân tán.
Trong suốt phân đoạn. Việc truy cập tới dữ liệu đƣợc xác định trên các
quan hệ con (thu đƣợc từ việc chia nhỏ quan hệ gốc) đƣợc gọi là các đoạn
(fragment). Việc phân đoạn làm tăng hiệu năng, tính sẵn sàng, độ tin cậy của
CSDL phân tán. Trong suốt phân đoạn che dấu sự phân đoạn đối với ngƣời
dùng.
Trong suốt nhân bản. Một giải pháp cho sự tin cậy dữ liệu là việc tạo ra dƣ
thừa dữ liệu dƣới một hình thức nào đó. Mỗi đoạn dữ liệu đƣợc sao lƣu thành
hai hay nhiều bản, mỗi bản đƣợc lƣu trên một trạm khác nhau, đƣợc gọi là sự
nhân bản. Nó giúp hệ CSDL phân tán nâng cao hiệu năng, độ tin cậy và tính sẵn
sàng. Tuy nhiên việc nhân bản sẽ gây khó khăn cho việc cập nhật CSDL, và việc
duy trì và quản lý các bản sao là phức tạp và tốn kém. Việc trong suốt nhân bản
là việc che dấu khiến ngƣời dùng chỉ nhìn thấy các quan hệ không có nhân bản.
Tính trong suốt đối với hệ quản trị CSDL phân tán cho phép che dấu đối
với ngƣời dùng việc các hệ quản trị CSDL cục bộ có thể khác nhau.
Tính tự trị của các trạm. Đây là mục tiêu cho phép mỗi trạm điều khiển và
thao tác dữ liệu địa phƣơng của nó độc lập với các trạm khác. Do đó việc quản
trị của CSDL phân tán có thể hoàn toàn không tập trung.
Tính mở rộng. Là khả năng mở rộng bằng việc đƣa thêm các trạm mới vào
mạng với ảnh hƣởng tối thiểu lên các CSDL cục bộ và các chƣơng trình ứng

dụng hiện có.
1.4.3 Kiến trúc hệ quản trị cơ sở dữ liệu phân tán.
Có nhiều kiểu kiến trúc CSDL nhƣ, các hệ CSDL client/sever, các phức hệ
CSDL, hay các CSDL trong môi trƣờng phân tán đầy đủ (không có sự phân biệt
nào giữa client và sever) hay còn gọi là các hệ phân tán ngang hàng.
Các hệ phân tán ngang hàng. Tổ chức vật lý trên mỗi máy có thể rất khác
nhau, do đó ta cần phải có một định nghĩa tổ chức dữ liệu vật lý cho mỗi trạm,
gọi là lƣợc đồ trong cục bộ (Local Internal Schema - LIS). Hình ảnh toàn thể của
CSDL đƣợc mô tả bởi lƣợc đồ khái niệm toàn cục (Global Conceptual Schema -
GCS), nó mô tả cấu trúc logic của dữ liệu ở mọi vị trí.


17
Để xử lý việc phân đoạn và nhân bản, sử dụng lƣợc đồ khái niệm cục bộ
(Local Conceptual Schema - LCS), mô tả tổ chức logic của dữ liệu tại mỗi trạm.
Do đó trong kiến trúc này lƣợc đồ khái niệm toàn cục là hợp của các lƣợc đồ
khái niệm cục bộ.
Các ứng dụng truy xuất dữ liệu thông qua lƣợc đồ ngoài (ES), đƣợc định
nghĩa là một tầng nằm trên lƣợc đồ khái niệm toàn cục.
Các khái niệm trên đƣợc mô tả trong hình 3.
Các thành phần cụ thể của một hệ CSDL phân tán
Thành phần đầu tiên bao gồm:
Bộ giao tiếp người dùng (user interface handler): diễn dịch các lệnh của
ngƣời sử dụng và đinh dạng dữ liệu để chuyển cho ngƣời dùng các kết quả.
Bộ kiểm soát dữ liệu ngữ nghĩa (sematic data controller): sử dụng các ràng
buộc toàn vẹn (integrity constraints) và thông tin cấp phép, quyền hạn
(authorization), đƣợc định nghĩa nhƣ thành phần của lƣợc đồ khái niệm toàn cục
để kiểm tra, xác định xem các câu truy vấn có xử lý đƣợc hay không.
Bộ tối ưu truy vấn toàn cục (global query optimizer): xác định một chiến
lƣợc hoạt động để giảm chi phí, và phiên dịch các câu truy vấn toàn cục thành

LCS
2
GCS
LCS
1
ES
2
LIS
1
LIS
n
ES
1
ES
n
LIS
2
LCS
n
Hình 3- Kiến trúc tham chiếu Cơ sở dữ liệu phân tán
ES-lƣợc đồ ngoài (External Schema)
GCS-lƣợc đồ khái niệm toàn cục (Global Conceptual
Schema)
LCS-lƣợc đồ khái niệm cục bộ (Local
Conceptual Schema)
LIS-lƣợc đồ trong cục bộ (Local Internal
Schema)


18

câu truy vấn cục bộ thông qua việc sử dụng các lƣợc đồ toàn cục, khái niệm cục
bộ và thƣ mục toàn cục, ngoài ra còn chịu trách nhiệm tạo ra một chiến lƣợc
thực thi tốt cho các phép nối phân tán.
Bộ theo dõi hoạt động toàn cục (global execution monitor) có trách nhiệm
điều phối việc thực hiện phân tán các yêu cầu ngƣời dùng và cũng đƣợc gọi là
bộ quản lý giao dịch phân tán (distributed transaction manager).
Thành phần thứ hai gồm:
Bộ tối ưu truy vấn cục bộ (local query processor) chịu trách nhiệm chọn ra
một đƣờng truy xuất thích hợp nhất để truy xuất các dữ liệu.
Bộ khôi phục cục bộ (local recovery manager) đảm bảo cho các CSDL cục
bộ duy trì đƣợc tính nhất quán khi có sự cố xảy ra.

Ngƣời sử dụng
Bộ kiểm soát dữ
liệu ngữ nghĩa
Bộ tối ƣu truy
vấn toàn cục
Bộ theo dõi hoạt
động toàn cục
Lƣợc đồ khái niệm
toàn cục
Bộ giao tiếp
ngƣời dùng
Thƣ mục/Từ
điển toàn cục
Lƣợc đồ ngoài
Bộ hỗ trợ thực thi
Bộ khôi phục cục
bộ
Bộ tối ƣu hoá
truy vấn cục bộ
Lƣợc đồ khái niệm
cục bộ
Lƣợc đồ trong cục
bộ

Nhật ký hệ thống
Bộ xử lý dữ liệu
(data processor)
Bộ tiếp nhận
ngƣời dùng
(user processor)

trả lời của hệ thống
Yêu cầu ngƣời dùng
Hình 4- Các thành phần của một hệ quản trị CSDL phân tán


19
Bộ hỗ trợ thực thi (runtime support processor): truy xuất CSDL tuỳ vào
các lệnh trong lịch do bộ tối ƣu truy vấn sinh ra. Nó là giao diện với bộ điều
hành, chứa bộ quản lý vùng đệm và việc quản lý truy xuất dữ liệu.
Một điểm lƣu ý là hai thành phần này chỉ là phân chia về mặt tổ chức chứ
không bắt buộc phải cài đặt trên các trạm khác nhau. Tuy nhiên cũng có những
gợi ý tách biệt những trạm chỉ thực hiện truy vấn ra khỏi những hệ thống có đầy
đủ chức năng, và khi đó các trạm này chỉ cần có bộ xử lý tiếp nhận ngƣời dùng.
1.4.4 Phân đoạn, nhân bản và cấp phát dữ liệu
1.4.4.1 Phân đoạn
Sự phân đoạn dữ liệu nhằm chia một quan hệ tổng thể thành các đơn vị
logic (các đoạn/mảnh), có thể đƣợc sắp đặt tối ƣu trong CSDL phân tán. Các
đoạn đƣợc xử lý nhƣ một đơn vị, qua đó cho phép thực hiện nhiều giao dịch
đồng thời. Ngoài ra việc phân đoạn các quan hệ còn cho phép thực hiện song
song câu truy vấn bằng cách phân chia câu truy vấn thành một tập các câu truy
vấn con tƣơng ứng với các đoạn. Do vậy việc phân đoạn sẽ làm tăng mức độ
hoạt động đồng thời và nhƣ thế làm tăng lƣu lƣợng hoạt động của hệ thống.
Tuy nhiên việc phân đoạn cũng có những hạn chế. Nhƣ việc những ứng
dụng có các khung nhìn đƣợc định nghĩa trên nhiều đoạn sẽ bị giảm hiệu suất
hoạt động (ví dụ việc truy xuất dữ liệu từ nhiều đoạn rồi nối hoặc hợp chúng lại
với chi phí cao), tránh đƣợc điều này là một kỹ thuật cơ bản của kỹ thuật phân
đoạn. Còn vấn đề nữa liên quan đến việc kiểm soát dữ liệu ngữ nghĩa, đặc biệt là
những vấn đề kiểm tra tính toàn vẹn. Do kết quả của việc phân đoạn, các thuộc
tính tham gia vào một phụ thuộc có thể bị phân rã vào các đoạn khác nhau và
đƣợc cấp phát cho những trạm khác nhau, do đó việc kiểm tra các phụ thuộc

cũng phải thực hiện truy tìm dữ liệu trên nhiều trạm khác nhau.
Việc phân đoạn của một quan hệ phải đƣợc xác định bởi ngƣời quản trị
CSDL, và phải tuân thủ ba quy tắc: không mất mát thông tin, khôi phục lại đƣợc
và không trùng lặp (chỉ áp dụng cho phân đoạn ngang).





20
Các kiểu phân đoạn:





Phân đoạn ngang: Phân đoạn ngang là sự phân chia một quan hệ thành các
tập các bộ con, mỗi tập con đƣợc xác định bởi phép chọn áp dụng cho quan hệ
(phân đoạn ngang nguyên thuỷ):
R
i
= 
Fi
(R), 1 i  z trong đó F
i
là vị từ chọn trên quan hệ R
Hay đƣợc xác định bởi phép nối nửa của một quan hệ với mỗi đoạn ngang
của một quan hệ khác (phân đoạn ngang dẫn xuất):
R
i

= R < S
i
, 1 i  w với w là số lƣợng các đoạn đƣợc định nghĩa trên R
S
i
= 
Fi
(S) với F
i
là vị từ chọn để định nghĩa phân đoạn ngang nguyên thuỷ
S.
Phân đoạn dọc: Phân đoạn dọc là sự phân hoạch một quan hệ thành tập
con các bộ, mỗi tập đƣợc xác định bởi phép chiếu đƣợc áp dụng cho quan hệ,
tức là:
R
i
=
X
(R), trong đó X  là tập con của tập các thuộc tính của R.
Để khôi phục lại quan hệ từ các phân đoạn dọc, cần phải thêm vào mỗi
đoạn khoá chính của quan hệ.
Phân đoạn hỗn hợp: Là sự kết hợp giữa phân đoạn dọc và phân đoạn
ngang.
1.4.4.2 Nhân bản và cấp phát
Việc nhân bản nhằm nâng cao khả năng sẵn sàng của dữ liệu. Mức nhân
bản cao nhất là nhân bản toàn bộ dữ liệu, tại mỗi trạm của hệ thống phân tán đều
đƣợc nhân bản toàn bộ CSDL, với mức này chỉ cần ít nhất một trạm làm việc là
hệ thống có thể hoạt động. Nhƣng với mức nhân bản này thì hệ thống bị ảnh
hƣởng đáng kể tới tốc độ trong quá trình cập nhật dữ liệu.

Phân đoạn ngang
Phân đoạn dọc
Phân đoạn hỗn hợp
Hình 5 - Các kiểu phân đoạn


21
Mức thấp nhất là không nhân bản, mỗi một đoạn chỉ lƣu trữ tại một vị trí.
Mức hay sử dụng nhất là nhân bản từng phần.
Mỗi đoạn – hay mỗi bản sao của phân đoạn - phải đƣợc cấp phát vào một
trạm cụ thể nào đó trong hệ thống phân tán. Quá trình đó đƣợc gọi là cấp phát
dữ liệu. Việc chọn vị trí để cấp phát và mức độ nhân bản phụ thuộc vào hiệu
suất và khả năng sẵn sàng của hệ thống cũng nhƣ phụ thuộc vào loại và tần suất
các giao dịch của mỗi vị trí. Ví dụ, nếu nhƣ yêu cầu tính sẵn sàng cao, cùng một
giao dịch có thể đƣợc thực hiện tại bất kỳ vị trí nào và các giao dịch chủ yếu là
truy xuất dữ liệu, thì việc nhân bản toàn bộ CSDL là một lựa chọn tốt. Tuy nhiên
việc tìm phƣơng án tối ƣu, hay ít nhất là một phƣơng án tốt cho việc phân bố dữ
liệu phân tán là bài toán khó.
Cho một tập các đoạn F = {F
1
,F
2
,…,F
n
 và một mạng bao gồm các nút
S={S
1
,S

2
,….,S
m
 trên đó có một tập ứng dụng Q= {q
1
, q
2
, …,q
n
 đang chạy. Bài
toán cấp phát là tìm một phân phối “tối ƣu” của F cho S. Một trong các điểm
quan trọng cần đƣợc thảo luận là tính tối ƣu.
Tính tối ƣu có thể đƣợc định nghĩa ứng với hai độ đo:
 Chi phí nhỏ nhất, đó là chi phí mỗi đoạn tại một nút, chi phí vấn tin, chi
phí cập nhật, chi phí truyền dữ liệu. Bài toán cấp phát cố gắng tìm một
lƣợc đồ cấp phát với chi phí nhỏ nhất.
 Hiệu năng, các chiến lƣợc cấp phát luôn hƣớng tới tiêu chí hạ thấp thời
gian đáp ứng và tăng tối đa lƣu lƣợng hệ thống tại mỗi vị trí.
Các chiến lƣợc cấp phát để tối ƣu đƣợc hai thông số này luôn là bài toán khó.
1.5 KẾT LUẬN CHƢƠNG 1
Trong chƣơng I đã trình bày tổng quan về CSDL và hệ quản trị CSDL bao
gồm các khái niệm các phép toán quan hệ, các dạng chuẩn. Khái niệm CSDL
phân tán, mục tiêu và kiến trúc CSDL phân tán với các mức trong suốt. Các
phép toán quan hệ, các kiểu phân đoạn trong CSDL phân tán là cơ sở để thực
hiện tối ƣu hoá truy vấn đƣợc đề cập trong các chƣơng sau.


22
Chƣơng 2. TỔNG QUAN VỀ TỐI ƢU HOÁ TRUY VẤN
2.1 BÀI TOÁN TỐI ƢU HÓA TRUY VẤN

Về khái niệm, tối ƣu hoá truy vấn nhằm chọn ra một chiến lƣợc tốt nhất
trong không gian các chiến lƣợc thực thi [10].
Chiến lƣợc đƣợc chọn phải hạ thấp tối đa hàm chi phí bao gồm thời gian xử
lý của CPU, thời gian truy nhập dữ liệu đối với CSDL tập trung và trong CSDL
phân tán cần xét thêm chi phí truyền dữ liệu.
Truy vấn cần tối ƣu giả thiết đƣợc diễn tả bằng đại số quan hệ trên các
CSDL có thể là các đoạn trong CSDL phân tán.
Trong CSDL tập trung, chiến lƣợc thực thi truy vấn có thể đƣợc diễn tả
chính xác bằng mở rộng của đại số quan hệ và chọn ra câu truy vấn đại số tốt
nhất trong số các câu truy vấn tƣơng đƣơng. Đây là bài toán khó khi số lƣợng
các quan hệ lớn nên nói chung thƣờng đƣợc rút lại ở yêu cầu chọn đƣợc một lời
giải gần tối ƣu.
Trong CSDL phân tán, đại số quan hệ chƣa đủ để diễn tả các chiến lƣợc
thực thi. Bên cạnh việc chọn thứ tự cho các phép toán đại số quan hệ cần phải
chọn các vị trí tốt nhất để xử lý dữ liệu. Vì thế không gian lời giải các chiến
lƣợc thực thi tăng lên làm cho việc xử lý phân tán phức tạp hơn. Kết quả của quá
trình tối ƣu hóa trong môi trƣờng phân tán là câu truy vấn đại số đƣợc đặc tả
theo các đoạn và các phép toán truyền dữ liệu hỗ trợ cho việc thực thi truy vấn
qua các vị trí.
Các yêu cầu của phép biến đổi tƣơng đƣơng :
- Các phép biến đổi phải thực sự hữu ích đối với phần lớn các dạng truy
vấn hay một lớp các truy vấn thƣờng dùng mà không cần chi phí quá nhiều để
thực hiện quá trình biến đổi đó.
- Các phép biến đổi phải bảo toàn kết quả của truy vấn trƣớc và sau khi
biến đổi, có nghĩa là hai biểu thức trƣớc và sau khi biến đổi phải cho cùng một
kết quả khi thay các lƣợc đồ trong biểu thức bởi các thể hiện cụ thể.
- Các phép biến đổi phải làm giảm chi phí thực hiện câu hỏi.


23

Chi phí cho việc xử lý các truy vấn bao gồm rất nhiều yếu tố, trong đó cần
chú ý đến các thông số cơ bản sau:
- Số khối nhớ cần truy xuất giữa bộ nhớ trong và bộ nhớ ngoài.
- Số bản ghi phải xử lý ở thiết bị trung tâm.
- Không gian bộ nhớ để lƣu trữ các kết quả trung gian trong quá trình
thực hiện truy vấn.
Trong hệ phân tán ta cần lƣu ý thêm các thông số:
- Giá truyền dữ liệu trong mạng truyền thông.
- Ƣu điểm của việc xử lý song song các phần câu hỏi trên các trạm.
2.2 BỘ TỐI ƢU TRUY VẤN
Câu hỏi truy vấn cần tối ƣu giả thiết là đƣợc biểu diễn bằng đại số quan hệ
trên các CSDL, có thể là các đoạn trong CSDL phân tán.
Tối ƣu hoá truy vấn là quá trình sinh ra một chiến lƣợc thực thi truy vấn
(Query Execution Plan – QEP). Chiến lƣợc đƣợc chọn phải hạ thấp tối đa hàm
chi phí.
Bộ tối ƣu đƣợc xem là cấu thành bởi ba thành phần: không gian tìm kiếm,
mô hình chi phí, chiến lƣợc tìm kiếm.



24


2.2.1. Không gian tìm kiếm
Không gian tìm kiếm đƣợc xem là tập hợp của các chiến lƣợc thực thi truy
vấn khác nhau. Để nêu bật các đặc trƣng của bộ tối ƣu hoá, chúng ta tập trung
vào các cây nối là cây toán tử với các phép toán là phép nối hoặc tích descartes.
Lý do là việc hoán vị thứ tự nối có ảnh hƣởng quan trọng đến hiệu năng của các
truy vấn quan hệ.
Với N quan hệ ta có O(N!) cây nối tƣơng đƣơng. Việc đánh giá trong một

không gian tìm kiếm lớn có thể mất nhiều thời gian có khi còn lớn hơn cả thời
gian thực thi thực sự.
Ví dụ 2.1: Với CSDL gồm các quan hệ :
NHANVIEN(MSNV, TENNV, NNGH)
MUCLUONG(NNGH, LUONG)
DUAN(MSDA, TENDA, NSDA, DDDA)
PHANCONG(MSNV, MSDA, NVU, TGIAN)

Tạo ra không gian
tìm kiếm
Chiến lƣợc tìm
kiếm
QEP tốt nhất
QEP tƣơng đƣơng
Câu truy vấn
Quy tắc biến đổi
Mô hình chi phí
Hình 6 - Quá trình tối ưu hoá truy vấn


25
Xét câu truy vấn sau :
SELECT TENNV
FROM NHANVIEN, PHANCONG, DUAN
WHERE NHANVIEN.MSNV=PHANCONG.MSNV
AND PHANCONG.MSDA=DUAN.MSDA

Để thực hiện truy vấn, ta có thể xây dựng các cây nối tƣơng đƣơng nhƣ :

Có hai loại cây nối thƣờng đƣợc sử dụng là cây tuyến tính, và cây xum xuê.
Cây tuyến tính là cây với mỗi nút toán tử có ít nhất một toán hạng là quan hệ cơ
sở. Cây xum xuê thì tổng quát hơn, có thể có các toán tử không có quan hệ cơ sở
làm toán hạng (nghĩa là cả hai toán hạng đều là các quan hệ trung gian).
NHANVIEN
(1)




MSNV





MSDA

DUAN
DUAN
(2)
NHANVIEN
NHAN VIEN

PHANCONG

PHANCONG
DU AN
(3)

9
PHANCONG
X
NHANVIEN DU AN
(4)
Hình 7 - Các cây nối tương đương

MSNV, MSDA




MSNV



MSDA
X


MSDA

PHAN CONG
PHAN CONG

(5)
NHANVIEN
PHAN CONG NHAN VIEN
(6)
DU AN




MSNV
DUAN



MSNV



MSNV, MSDA



MSDA