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

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN&TRUYỀN THƠNG

LƢƠNG KIM CƢƠNG

TỐI ƢU HĨA TRUY VẤN
TRONG CÁC CƠ SỞ DỮ LIỆU PHÂN TÁN

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Thái Nguyên - 2019


ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN&TRUYỀN THƠNG

LƢƠNG KIM CƢƠNG

TỐI ƢU HĨA TRUY VẤN
TRONG CÁC CƠ SỞ DỮ LIỆU PHÂN TÁN
Chuyên ngành: Khoa học máy tính
Mã số: 8480101

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH
NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS. ĐOÀN VĂN BAN

Thái Nguyên - 2019


LỜI CAM ĐOAN
Tôi xin cam đoan, kết quả của luận văn hồn tồn là kết quả của tự bản thân

tơi tìm hiểu và nghiên cứu thơng qua tham khảo các tài liệu và đƣợc thực hiện dƣới
sự hƣớng dẫn của PGS.TS Đoàn Văn Ban . Các tài liệu tham khảo đƣợc trích dẫn
và chú thích đầy đủ.
Tác giả

Lƣơng Kim Cƣơng


LỜI CẢM ƠN

Lời đầu tiên, tôi xin chân thành cảm ơn PGS.TS Đoàn Văn Ban, ngƣời đã
trực tiếp giảng dạy tôi trong thời gian học tập và cũng là ngƣời đã trực tiếp hƣớng
dẫn, giúp đỡ và tạo mọi điều kiện thuận lợi cho tôi từ lúc nhận đề tài đến khi hồn
thành luận văn.
Tơi xin gửi lời cảm ơn sâu sắc đến tất cả các Thầy cô đã tham gia giảng dạy
và truyền đạt kiến thức, kinh nghiệm quý báu cho chúng tôi trong hai năm học cao
học tại trƣờng Đại học Công Nghệ Thông Tin và Truyền Thông – Đại học Thái
Nguyên. Những kiến thức này đã giúp tơi rất nhiều trong q trình làm luận văn
của mình.
Cuối cùng, tôi xin cảm ơn tất cả ngƣời thân, bạn bè và đồng nghiệp đã khích
lệ, động viên, đóng góp ý kiến và giúp đỡ tơi hồn thành luận văn này.
Thái Nguyên, ngày…..tháng….năm 2019

Lƣơng Kim Cƣơng


i

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
STT

Ký hiệu

Diễn giải

1

CSDL

Cơ sở dữ liệu

2

CPU

Bộ xử lý trung tâm

3

I/O

Cổng vào/ ra

4

DP

Quy hoạch động

5

ACO

Tối ƣu đàn kiến


ii

DANH MỤC CÁC HÌNH VẼ
Hình 1.1: Kiến trúc tham chiếu của cơ sở dữ liệu phân tán [3] ................................ 9
Hình 1.2: Cây phân tách của quan hệ ...................................................................... 13
Hình 2.1: Giải pháp A ............................................................................................. 18
Hình 2.2: Giải pháp B ............................................................................................. 18
Hình 2.3: Sơ đồ quy trình xử lý truy vấn [4]........................................................... 21
Hình 2.4: Đồ thị truy vấn và Đồ thị nối .................................................................. 25
Hình 2.5: Đồ thị truy vấn và Đồ thị nối với câu truy vấn sai ngữ nghĩa................. 25
Hình 2.6: Cây đại số quan hệ .................................................................................. 28
Hình 2.7: Cây đại số quan hệ sau khi tái cấu trúc .................................................. 30
Hình 2.8: Câu truy vấn gốc ..................................................................................... 32
Hình 2.9: Câu truy vấn đã rút gọn .......................................................................... 32
Hình 2.10: Rút gọn phân mảnh ngang .................................................................... 33
Hình 2.11: Rút gọn phân mảnh dọc ....................................................................... 35
Hình 2.12: Rút gọn cho phân mảnh ngang dẫn xuất .............................................. 36
Hình 2.13: Rút gọn phân mảnh hỗn hợp ................................................................. 37
Hình 2.14: Bộ tối ƣu truy vấn ................................................................................. 38
Hình 2.15: Các cây nối ............................................................................................ 39
Hình 2.16: Hình dáng của một số cây nối ............................................................... 40
Hình 2.17: Đồ thị minh họa tổng chi phí và thời gian trả lời ......................... 42
Hình 2.18: Đồ thị nối của truy vấn q1 ..................................................................... 58
Hình 2.19: Các thứ tự kết nối .................................................................................. 59

Hình 2.20: Quá trình quyết định đƣờng đi của đàn kiến ......................................... 64


MỤC LỤC

GIỚI THIỆU.......................................................................................................... 1
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. Hệ quản trị cơ sở dữ liệu phân tán ...................................................... 3
1.1.3. Những ƣu điểm của cơ sở dữ liệu phân tán ........................................ 4
1.1.4. Những nhƣợc điểm của cơ sở dữ liệu phân tán [3] ............................. 5
1.2.

Các đặc trƣng trong suốt của cơ sở dữ liệu phân tán .................................. 6

1.2.1. Trong suốt phân tán ............................................................................. 6
1.2.2. Trong suốt giao dịch ............................................................................ 7
1.2.3. Trong suốt thất bại............................................................................... 7
1.2.4. Trong suốt thao tác ............................................................................. 7
1.2.5. Trong suốt về tính khơng thuần nhất .................................................. 8
1.3.

Kiến trúc tham chiếu của cơ sở dữ liệu phân tán ........................................ 8

1.4.

Các kỹ thuật xây dựng cơ sở dữ liệu phân tán ........................................... 9

1.4.1. Phân mảnh ........................................................................................... 9
1.4.1.1. Phân mảnh ngang ....................................................................... 10
1.4.1.2. Phân mảnh ngang dẫn tiếp ......................................................... 11
1.4.1.3. Phân mảnh dọc ........................................................................... 12
1.4.1.4. Phân mảnh hỗn hợp .................................................................... 13
1.4.2 Nhân bản dữ liệu ................................................................................... 14
1.4.3 Định vị dữ liệu ....................................................................................... 14
1.5. Kết luận chƣơng ...................................................................................... 15
CHƢƠNG 2. TỐI ƢU HÓA TRUY VẤN CƠ SỞ DỮ LIỆU PHÂN TÁN ...... 16
2.1. Vấn đề tối ƣu hóa xử lý truy vấn................................................................. 16
2.2. Quá trình xử lý truy vấn .............................................................................. 20
2.2.1. Phân rã truy vấn ................................................................................ 21


2.2.2. Cục bộ hóa dữ liệu phân tán ............................................................ 30
2.2.2.1. Rút gọn cho phân mảnh ngang nguyên thủy ............................ 31
2.2.2.2. Rút gọn cho phân mảnh dọc. ..................................................... 34
2.2.2.3. Rút gọn cho phân mảnh ngang dẫn xuất ................................... 35
2.2.2.4. Rút gọn cho phân mảnh hỗn hợp ............................................... 37
2.2.3. Tối ƣu hóa tồn cục .......................................................................... 38
2.2.3.1. Khơng gian tìm kiếm ................................................................. 39
2.2.3.2. Mơ hình chi phí ......................................................................... 41
2.2.4. Tối ƣu hóa cục bộ ............................................................................. 47
2.3. Tối ƣu hóa truy vấn dựa vào phƣơng pháp tối ƣu đàn kiến ........................ 47
2.4. Một số thuật tốn tối ƣu hóa truy vấn phân tán .......................................... 48

2.4.1. Thuật toán D-INGRES .................................................................... 49
2.4.2. Thuật toán R* ................................................................................... 54
2.4.3. Thuật toán SDD-1 ............................................................................ 59
2.4.4. Thuật toán Hybrids đàn kiến tối ƣu truy vấn phân tán ..................... 63
2.5. Kết luận chƣơng .......................................................................................... 68
CHƢƠNG 3. ........................................................................................................ 70
CÀI ĐẶT THUẬT TOÁN TỐI ƢU HÓA TRUY VẤN PHÂN TÁN ............... 70
3.1. Xác định bài tốn......................................................................................... 70
3.2. Mơ hình phân tán CSDL, cơng cụ, ngơn ngữ lập trình ............................... 73
3.3. Thuật tốn áp dụng ...................................................................................... 76
3.4. Kết quả thử nghiệm ..................................................................................... 76
3.5. Kết luận thực nghiệm .................................................................................. 81
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN .......................................................... 82
TÀI LIỆU THAM KHẢO ................................................................................... 83


1

GIỚI THIỆU
1. Lý do chọn đề tài
Cơ sở dữ liệu phân tán đã đáp ứng một phần lớn các nhu cầu trong thực tế
về dữ liệu phục vụ công tác quản lý ngày càng lớn và đa dạng. Đặc biệt, các hệ
quản trị cơ sở dữ liệu phân tán đã giải quyết đƣợc vấn đề lƣu trữ dữ liệu và
phục vụ cho nhiều ngƣời dùng ở phân tán khắp mọi nơi.
Khi khối lƣợng thông tin phải xử lý ngày càng lớn, đa dạng và phong phú,
dữ liệu đƣợc phân bố nhiều nơi thì vấn đề đặt ra là xử lý thơng tin nhƣ thế nào
để giảm chi phí đến mức tối thiểu. Một trong các giải pháp có tính khả thi là
phải tối ƣu hóa các câu lệnh khi truy vấn dữ liệu. Nghiên cứu về tối ƣu hóa truy
vấn trong cơ sở dữ liệu phân tán là cần thiết để khai thác có hiệu quả dữ liệu
phân tán. Do đó, tơi chọn nghiên cứu đề tài “Tối ƣu hóa truy vấn trong các cơ

sở dữ liệu phân tán” làm luận văn tốt nghiệp của mình.
2. Mục đích nghiên cứu
Đề tài phân tích, trình bày một cách có hệ thống các nghiên cứu về cơ sở
dữ liệu quan hệ, nghiên cứu các phƣơng pháp thiết kế cơ sở dữ liệu phân tán,
các kỹ thuật tối ƣu hóa câu truy vấn trong cơ sở dữ liệu phân tán, cài đặt thử
nghiệm một số thuật tốn tối ƣu hóa câu truy vấn trong cơ sở dữ liệu phân tán,
từ đó đƣa ra lựa chọn phù hợp với từng bài toán trên thực tế.
3. Đối tƣợng và phạm vi nghiên cứu
Đối tƣợng và phạm vi nghiên cứu của luận văn là cơ sở dữ liệu phân tán,
các câu truy vấn phân tán, một số thuật tốn tối ƣu hóa truy vấn phân tán và cài
đặt một thuật tốn tối ƣu hóa truy vấn.
4. Phƣơng pháp nghiên cứu
Nghiên cứu lý thuyết: Tìm hiểu các nghiên cứu từ các tài liệu, tạp chí và
các bài viết trên mạng internet… sau đó tổng hợp so sánh để viết thành luận
văn.
Nghiên cứu thực nghiệm: Cài đặt thử nghiệm thuật toán R*


2

5. Bố cục luận văn
Với những yêu cầu trên, nội dung của bản luận văn này trình bày khái quát
chung về cơ sở dữ liệu phân tán, các kỹ thuật xây dựng cơ sở dữ liệu phân tán,
tối ƣu hóa truy vấn trong quá trình xử lý truy vấn, trình bày một số thuật tốn
tối ƣu hóa truy vấn phân tán, cài đặt thuật tốn R* để tối ƣu hóa truy vấn. Luận
văn đƣợc chia làm 3 chƣơng:
Chƣơng 1: Khái quát về cơ sở dữ liệu phân tán. Trong chƣơng này trình
bày khái quát về cơ sở dữ liệu phân tán: Khái niệm về cơ sở dữ liệu phân tán,
ƣu nhƣợc điểm của cơ sở dữ liệu phân tán, các mức trong suốt phân tán, kiến
trúc tham chiếu của cơ sở dữ liệu phân tán, các kỹ thuật xây dựng cơ sở dữ liệu

phân tán.
Chƣơng 2: Trình bày tối ƣu hóa truy vấn trong cơ sở dữ liệu phân tán: Q
trình xử lý truy vấn, tối ƣu hóa truy vấn dựa vào phƣơng pháp tối ƣu đàn kiến,
trình bày một số thuật tốn tối ƣu hóa truy vấn
Chƣơng 3: Cài đặt thuật tốn tối ƣu hóa truy vấn phân tán: Xác định bài
tốn, mơ hình phân tán cơ sở dữ liệu, sử dụng thuật tốn R* để áp dụng, trình
bày kết quả thử nghiệm và kết luận thực nghiệm.


3

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 là một tập hợp các dữ liệu phụ thuộc logic lẫn nhau
của cùng một hệ thống và đƣợc lƣu 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
đƣợc gọi là 1 node hoặc site và nhấn mạnh hai khía cạnh quan trọng của cơ sở
dữ liệu phân tán [4].
- Tính chất phân tán: Thực tế dữ liệu không nằm ở cùng một trạm mà nằm
trên nhiều trạm thuộc một mạng máy tính.
- Quan hệ logic: Trong CSDL phân tán dữ liệu có một số đặc tính liên kết,
ràng buộc với nhau nhƣ tính kết nối, mối quan hệ, điều này giúp chúng ta có
thể phân biệt một CSDL phân tán với một tập hợp CSDL cục bộ hoặc các tệp
nằm tại các vị trí khác nhau trong một mạng máy tính.
1.1.2. Hệ quản trị cơ sở dữ liệu phân tán
Các hệ quản trị cơ sở dữ liệu phân tán có chức năng hỗ trợ việc tạo và bảo

trì cơ sở dữ liệu phân tán, chúng có các thành phần tƣơng tự nhƣ một hệ quản trị
cơ sở dữ liệu tập trung thành các thành phần hỗ trợ trong việc chuyển tải dữ liệu
đến các trạm và ngƣợc lại.
Các thành phần sau đây đòi hỏi một hệ quản trị cơ sở dữ liệu phân tán
thƣơng mại phải có:
-

Quản trị dữ liệu (Database management): DB

-

Truyền thông dữ liệu (Data Communication): DC

-

Từ điển dữ liệu (Data Dictionary): DD dùng để mô tả thông tin về sự

phân tán của dữ liệu mạng
-

Cơ sở dữ liệu phân tán (Distributed Database): DDB

Hệ quản trị cơ sở dữ liệu phân tán đƣợc phân làm 2 loại:


4

-

Cơ sở dữ liệu phân tán thuần nhất: Là hệ cơ sở dữ liệu mà tất cả các

nút sử dụng cùng một loại hệ quản trị cơ sở dữ liệu, công nghệ cơ sở dữ
liệu là nhƣ nhau, dữ liệu tại các vị trí khác nhau có các định nghĩa và
khuôn dạng chung (các hệ quản trị cơ sở dữ liệu ở các nút có sự tƣơng
thích cao)
-

Cơ sở dữ liệu phân tán không thuần nhất: Là hệ cơ sở dữ liệu mà có ít

nhất một nút khơng cùng một loại hệ quản trị cơ sở dữ liệu với hệ cơ sở
dữ liệu ở các nút cịn lại, có nghĩa là dữ liệu trên các vị trí thƣờng khơng
tƣơng thích. Các mâu thuẫn điển hình bao gồm sự khác biệt về cú pháp và
các khác biệt về ngữ nghĩa.
1.1.3. Những ƣu 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 đƣợc tích hợp logic với nhau làm cho nhiều ngƣời sử dụng
trên mạng có thể truy nhập đƣợc [11].
a) Cho phép quản lý dữ liệu với nhiều mức trong suốt
Hệ quản trị cơ sở dữ liệu phải đƣợc trong suốt phân tán theo nghĩa làm cho
ngƣời sử dụng khơng cần biết vị trí của dữ liệu và khơng cần biết sự phức tạp
truy cập qua mạng.
b) 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 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 đƣợc. Để nâng cao độ tin cậy và tính sẵn
sàng, có thể áp dụng cơ chế tạo bản sao trên nhiều trạm [1].
c) Cải thiện hiệu năng

Một hệ quản trị cơ sở dữ liệu phân tán, phân đoạn cơ sở dữ liệu có thể làm


5

cho dữ liệu sẽ đƣợc lƣu giữ tại gần nơi sử dụng nhất. Dữ liệu đƣợc lƣu giữ cục
bộ làm giảm cạnh tranh CPU (bộ xử lý trung tâm), giảm các phục vụ I/O (các
thiết bị nhâp, xuất) và giảm tƣơng tranh truy nhập trên mạng. Dữ liệu đƣợc
phân tán tại các trạm nên dung lƣợng dữ liệu cục bộ sẽ nhỏ hơn, các xử lý giao
tác và truy vấn cục bộ sẽ đƣợc 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.
d) 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 trƣờng phân tán là dễ hơn vì cũng chỉ nhƣ là thêm các cơ sở dữ
liệu thành phần.
1.1.4. Những nhƣợc điểm của cơ sở dữ liệu phân tán [3]
Tuy có những ƣu điểm vƣợt trội so với CSDL tập trung, CSDL phân tán
có những điểm yếu nhất định có thể tóm gọn lại trong 4 vấn đề sau:
 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 nhƣ:
 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 thƣ mục - catalog phân tán
 Khó điều khiển tính nhất qn về dữ liệu
 Các phần mềm hệ thống đảm bảo quản trị, duy trì kết nối, trao đổi dữ
liệu trên mạng.

 Bảo mật khó khăn: Trong cơ sở dữ liệu phân tán các máy đƣợc kết nối
qua mạng máy tính, việc đảm bảo an ninh trong môi trƣờng mạng ra
phức tạp hơn.


6

Ở mức vật lý, những nhân tố chính sau là để phân biệt một hệ cơ sở dữ
liệu phân tán với hệ cơ sở dữ liệu tập trung:
 Có nhiều máy tính đƣợc gọi là các trạm hay các nút.
 Các trạm này phải đƣợc kết nối bởi một kiểu mạng truyền thơng để
truyền dữ liệu.
Trong mơ 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 đƣợc chứa trong nhiều
máy tính, các máy tính này đƣợc nối với nhau qua các hệ thống truyền
thông, chúng không chia sẻ bộ nhớ chung cũng nhƣ 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 nhƣ đối với
cơ sở dữ liệu tập trung.
 Ngƣời sử dụng không cần biết: Dữ liệu đã đƣợc phân đoạn nhƣ thế nào,
các bản sao dữ liệu để ở đâu, vị trí vật lý lƣu trữ dữ liệu ở đâu.
 Trong suốt phân tán thể hiện:
 Trong suốt địa điểm: Ngƣời dùng không cần biết cũng nhƣ khơng cần

quan tâm tới vị trí của các tài ngun trên hệ thống vì vị trí của chúng
khơng ảnh hƣởng đến cách thức truy xuất.
 Trong suốt tên: Khi một đối tƣợng đã đƣợc đặt tên thì có thể truy
nhập chính xác khơng 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 (đƣợc lƣu trữ
vật lý tại một vị trí) có thể sử dụng đƣợc trên nhiều vị trí khác nhau.


7

Các bản sao có thể đƣợc lƣu 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
nhƣ các trạm từ xa có sự cố. Trong suốt bản sao đảm bảo ngƣời dùng
khơng biết đó là các bản sao vì dữ liệu luôn đƣợc 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 đƣợc tách thành
các bộ dữ liệu hoặc các quan hệ con và lƣu trữ trên nhiều trạm khác
nhau. Trong suốt phân đoạn cho phép ngƣời sử dụng khơng cần biết
có sự phân đoạn, các truy vấn dữ liệu vẫn đƣợc viết nhƣ 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 rollback (lùi cơ sở dữ liệu về một trạng thái cũ) 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
thƣờng (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 đƣợc giải quyết tự động và trong suốt theo nghĩa khi mạng
hoặc hệ thống khơi phục thì tất các các trạm này hoặc là ủy thác hoặc là
rollback 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 đƣợc các cơ
sở dữ liệu tại trạm cục bộ hoặc trạm từ xa. Các thao tác xử lý dữ liệu từ xa


8

không phức tạp và vẫn đảm bảo vẫn giống nhƣ khi thao tác dữ liệu trên hệ cơ
sở dữ liệu khơng phân tán.
1.2.5. Trong suốt về tính khơng 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 đƣợc cài đặt rõ ràng trên tất cả cơ sở dữ liệu
phân tán, tuy nhiên các mức của nó đƣợc khái qt chính xác, thích hợp để mơ
tả tổ chức chung cho mọi hệ cơ sở dữ liệu phân tán.
 Lƣợc đồ tổng thể: 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 trƣờng phân tán.
 Phân đoạn: Mối quan hệ tổng thể có thể đƣợc chia thành vài phần không
giao nhau đƣợc gọi là các đoạn. Lƣợc 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 tƣơng ứng với một quan hệ tổng thể, nhƣng chỉ một quan
hệ tổng thể tƣơng ứng với một đoạn. Ký hiệu Ri là đoạn thứ i của quan
hệ tổng thể R.
 Lƣợc đồ định vị: Định nghĩa ánh xạ từ các phân đoạn vào những trạm
chứa những phân đoạn đó. Tất cả các đoạn tƣơng ứng với cùng quan hệ
tổng thể R và đƣợc đặt tại cùng trạm j tạo thành hình ảnh vật lý của quan
hệ tổng thể R tại trạm j.
 Lƣợc đồ ánh xạ địa phƣơng: Ánh xạ các hình ảnh vật lý tới các đối tƣợng
đƣợc thao tác bởi các hệ quản trị cơ sở dữ liệu địa phƣơng. Trong hệ
khơng thuần nhất ta có các kiểu ánh xạ địa phƣơng khác nhau tại các
trạm khác nhau.


9
Lƣợc đồ tổng thể

Lƣợc đồ phân đoạn

Lƣợc đồ độc lập trạm

Lƣợc đồ định

Lƣợc đồ ánh xạ
địa phƣơng 1

Lƣợc đồ ánh xạ
địa phƣơng 2

Hệ quản trị cơ sở dữ
liệu của trạm 1

Hệ quản trị cơ sở dữ
liệu của trạm 2

Cơ sở dữ liệu địa
phƣơng của trạm 1

Cơ sở dữ liệu địa
phƣơng của trạm 2

Các trạm khác

Hình 1.1: Kiến trúc tham chiếu của cơ sở dữ liệu phân tán [3]
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 lƣu trữ trên các trạm
khác nhau đƣợc gọi là phân mảnh.
- Sử dụng bản sao cho phép cùng một dữ liệu có thể đƣợc lƣu trữ trên nhiều
hơn một trạm.
- Quá trình định vị các phân mảnh dữ liệu hoặc định vị các bản sao phân
mảnh lƣu trữ dữ liệu trên các trạm khác nhau.
1.4.1. Phân mảnh
Sự phân mảnh là chia dữ liệu trong các bảng dữ liệu thành các bộ hoặc
các bảng dữ liệu con. Có ba kiểu phân mảnh một quan hệ tổng thể: Phân
mảnh ngang, phân mảnh dọc và phân mảnh hỗn hợp.


10

Một sự phân mảnh 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 mảnh, có nghĩa mỗi phần tử dữ liệu thuộc quan
hệ tổng thể phải thuộc một hay nhiều mảnh của nó.
- Điều kiện xây dựng lại: Ln có thể xây dựng lại đƣợc quan hệ tổng
thể từ các mảnh đã có.
- Điều kiện rời nhau (chỉ áp dụng cho phân mảnh ngang): Để tối thiểu
hoá sự lặp lại của dữ liệu.
1.4.1.1. Phân mảnh ngang
Phân mảnh ngang là sự phân chia một quan hệ thành các tập con các bộ,
mỗi tập con đƣợc xác định bởi phép chọn với tân từ p trên quan hệ tổng thể R:
Ri = pi, với pi là tân từ của Ri. Để có thể khơi phục đƣợc R ta dùng phép hợp
các quan hệ R = R1  R2 ... Rn.
Ví dụ 1.1: Xét quan hệ tổng thể
DAILY (SHDL, DCDL,THPHO)
Trong đó có các thuộc tính:
SHDL: Số hiệu đại lý
DCDL: Địa chỉ đại lý
THPHO: Thành phố
Ta tách quan hệ DAILY thành hai quan hệ DAILY1 và DAILY2 thuộc hai
chi nhánh „HN‟ và „HCM‟. Ta có phân đoạn ngang:
DAILY1 = THPHO=”HN” DAILY
DAILY2 = THPHO=”HCM” DAILY
Thoả mãn:
- Điều kiện xây dựng lại: DAILY = DAILY1  DAILY2
- Điều kiện rời nhau thoả mãn vì: DAILY1  DAILY2 = 
Tổng quát:
- Điều kiện không mất thông tin nếu tập các tân từ của tất cả các đoạn phải

11

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 mảnh ngang dẫn tiếp
Phân mảnh 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
khố ngồi. Điều này nhƣ là liên hệ dữ liệu giữa quan hệ ban đầu và quan hệ thứ
hai đƣợc phân đoạn trong cùng một cách.
Ví dụ 1.2: Xét quan hệ tổng thể
CUNGCAP(SHDL, SHSP, SHCHINHANH, SOLUONG)
Trong đó có các thuộc tính:
SHDL: Số hiệu đại lý
SHSP: Số hiệu sản phẩm
SHCHINHANH: Số hiệu chi nhánh
SOLUONG: Số lƣợng
Phân đoạn ngang dẫn tiếp của quan hệ CUNGCAP đƣợc thực hiện nhƣ sau:
CUNGCAP1 = CUNGCAP ⋉SHDL= SHDL DAILY1

CUNGCAP2 = CUNGCAP ⋉ SHDL = SHDL DAILY2

Việc bố trí trên cùng một trạm của mỗi cặp đoạn (DAILY1, CUNGCAP1)

và (DAILY2, CUNGCAP2) 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 (DAILY1⋈ CUNGCAP1) và (DAILY2⋈ CUNGCAP2).
- Điều kiện khơng mất thơng tin của phân đoạn trên địi hỏi khơng có SHDL
nào trong quan hệ CUNGCAP mà lại khơng chứa trong quan hệ DAILY. Ở đây có
ràng buộc toàn vẹn tham chiếu.

s  CUNGCAP => phải  pDAILY mà p.SHDL= s. SHDL
p.SHDL  DAILY1 qua ⋉ => s  CUNGCAP1 hoặc
p.SHNCC  DAILY2 qua ⋉ => s  CUNGCAP2


12

=> Thoả mãn điều kiện không mất thông tin
- Điều kiện xây dựng lại: CUNGCAP = CUNGCAP1  CUNGCAP2
- Điều kiện rời nhau: Ta chứng minh: CUNGCAP1  CUNGCAP2 = 
Giả sử: p  CUNGCAP1 & CUNGCAP2
=> p1  NCC1 p.SHDL = p1.SHDL
=> p2  NCC2 p.SHDL = p2.SHDL
Mâu thuẫn vì SHDL là khố của DAILY
1.4.1.3. Phân mảnh dọc
Phân mảnh dọc là sự chia một quan hệ thành tập con các bộ, mỗi tập
đƣợc xác định bởi một phép chiếu đƣợc áp dụng cho quan hệ: R i = ПATTRi R,
trong đó ATTRi là tập con các thuộc tính của R.
Tiêu chuẩn cho sự phân mảnh 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 mảnh dọc nào đó.
- Điều kiện xây dựng lại: Cần phải thêm vào mỗi mảnh khố chính, do đó
việc xây dựng lại đƣợc nhờ vào phép kết nối các mảnh dọc theo các
thuộc tính chung.
- Điều kiện rời nhau: Ít nhất khố phải đƣợc lặp lại trên tất cả các mảnh
để cho phép xây dựng lại, nên ở đây khơng thể xem là rời nhau hồn tồn
đƣợc.
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 lƣơng
THUE: Thuế
SHQL: Số hiệu quản lý


13

SHPHONG: Số hiệu phòng
Ta tách quan hệ NHANVIEN thành hai quan hệ NV1 và NV2
NV1 = П SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV2 = ПSHNV, TEN, LUONG, THUE NHANVIEN
Thuộc tính TEN lặp lại ở cả hai mảnh, khi xây dựng lại quan hệ
NHANVIEN thơng qua phép chiếu, thuộc tính này sẽ bị khử.
NHANVIEN = NV1⋈ SHNV=SHNV П SHNV, LUONG, THUE NV2

1.4.1.4. Phân mảnh hỗn hợp

Là sự kết hợp cả phân mảnh dọc và phân mảnh 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 NV1, NV2, NV3, NV4
NV1 = SHPHONG ≤ 10  SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV2 = 10 < SHPHONG ≤ 20  SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV3 = SHPHONG >20  SHNV, TEN, SHQL, SHPHONG NHANVIEN
NV4 =  SHNV, TEN, LUONG, THUE NHANVIEN
NHÂN VIÊN
Phân tách dọc

Phân tách ngang

NV
NV1

NV2

NV3

Hình 1.2: Cây phân tách của quan hệ
Xây dựng lại quan hệ NHANVIEN ta thực hiện nhƣ sau:
NHANVIEN =  (NV1, NV2, NV3) ⋈ SHNV=SHNV  SHNV, LUONG,
THUE NV4

Sự phân mảnh hỗn hợp có thể biểu diễn dƣới dạng cây phân mảnh. Trong
cây phân mảnh, nút gốc tƣơng ứng quan hệ tổng thể, các nút ở giữa tƣơng ứng với


14

các kết quả trung gian của thể hiện định nghĩa phân mảnh. Ví dụ, hình 1.2 thể hiện
cây phân mảnh của quan hệ NHANVIEN. Nút gốc (quan hệ NHANVIEN) đƣợc
phân mảnh dọc thành hai phần: một phần tƣơng ứng với một nút lá của cây (NV4),
phần còn lại đƣợc phân mảnh ngang, do vậy sinh ra ba nút lá khác, tƣơng ứng với
ba phân mảnh: NV1, NV2, NV3.
1.4.2 Nhân bản dữ liệu
Các chiến lƣợc nhân bản dữ liệu:
1. Nhân bản dữ liệu đầy đủ: Toàn bộ cơ sở dữ liệu sẽ đƣợc tạo trên tất cả
mỗi trạm.
Ƣu 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 tồn bộ vì dữ liệu sẽ đƣợc lấy từ các trạm cục bộ.
Nhƣợc điểm: Các thao tác cập nhập dữ liệu rất chậm vì phải copy, đồng
bộ dữ liệu cho mọi trạm. Kỹ thuật điều khiển tƣơng tranh và phục hồi sẽ phức
tạp hơn.
2. Không có nhân bản dữ liệu: Mỗi phân mảnh chỉ đƣợc lƣu trữ trên một
trạm, phƣơng án này còn đƣợc gọi là định vị không dƣ thừa dữ liệu. Trong
trƣờng 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 mảnh có thể đƣợc tạo bản sao
và có thể một số phân mảnh sẽ khơng 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


15

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 thƣờng cập nhật một phần dữ liệu tại một trạm thì các phân đoạn cho
phần dữ liệu đó nên đƣợc định vị trên trạm đó.
1.5. Kết luận chƣơng
Cơ sở dữ liệu phân tán rất quan trọng vì nhiều lý do khác nhau, nó có thể
đƣợc 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 đƣợc 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 đƣợc mở rộng và phát triển từ kỹ thuật của cơ sở dữ liệu truyền
thống. Trong môi trƣờng mới này, một số vấn đề kỹ thuật đòi hỏi các giải pháp
khác, và một số giải pháp hồn tồn mới.
Tính trong suốt phân tán cung cấp sự độc lập của các chƣơng trình khỏi sự
phân tán của cơ sở dữ liệu. Các mức trong suốt phân tán khác nhau có thể đƣợc
cung cấp bởi một hệ quản trị cơ sở dữ liệu phân tán; Tại mỗi mức, tính trong suốt
làm cho ngƣời lập trình ứng dụng khơng biết đƣợc sự phân tán dữ liệu.


16

CHƢƠNG 2. TỐI ƢU HÓA TRUY VẤN CƠ SỞ DỮ LIỆU PHÂN TÁN
2.1. Vấn đề tối ƣu hóa xử lý truy vấn
Chức năng chính của bộ xử lý truy vấn là chuyển đổi một truy vấn mức cao
(phép tính quan hệ) sang một truy vấn tƣơng đƣơng (đại số quan hệ). Quá trình
chuyển đổi cùng cho một kết quả nhƣ nhau [5].
Có nhiều giải pháp chuyển đổi, mỗi giải pháp khác nhau có thể tiêu thụ tài
nguyên của mạng máy tính khác nhau. Vì vậy, cần phải lựa chọn một giải pháp khi
thực hiện sao cho tiêu thụ tài nguyên là tối thiểu.
Có hai phƣơng pháp tối ƣu cơ bản: Phƣơng pháp biến đổi một câu truy vấn
mức cao thành câu truy vấn tƣơng đƣơng ở mức thấp hơn dƣới dạng biểu thức đại
số quan hệ và phƣơng pháp chọn lựa trong số các câu truy vấn dạng biểu thức đại
số quan hệ tƣơng đƣơng một biểu thức có chi phí thời gian thực hiện và chi phí sử
dụng tài nguyên là ít nhất.
Ví dụ 2.1: Xét các quan hệ sau:
NV (MNV, TênNV, Chức vụ)
PC (MNV, MDA, Nhiệm vụ, Thời gian)
Và một câu truy vấn đơn giản sau:

“Cho biết tên của các nhân viên hiện đang quản lý một dự án”
Biểu thức truy vấn bằng phép tính quan hệ theo cú pháp của SQL là:
SELECT

TênNV

FROM

NV, PC

WHERE

NV.MNV=PC.MNV
AND Nhiệmvụ=”Quảnlý”

Câu truy vấn trên đƣợc biểu diễn dƣới dạng biểu thức đại số quan hệ nhƣ sau:
TênNV (Nhiệmvụ=”Quảnlý” NV.MNV=PC.MNV(NV x PC))
Phép toán trên đƣợc chuyển đổi tƣơng đƣơng cho cùng một kết quả nhƣng có
chi phí thời gian và sử dụng tài ngun ít hơn (do tránh sử dụng tích Descartes):
TênNV (NV

MNV (Nhiệmvụ=”Quảnlý” (PC)))


17

Trong trƣờng hợp CSDL tập trung, việc chuyển đổi câu truy vấn sang các
phép đại số quan hệ đƣợc tiến hành một cách thuận lợi. Chức năng chính của bộ
xử lý tập trung là lựa chọn phép truy vấn đại số quan hệ tối ƣu trong các phép đại
số tƣơng đƣơng.

Trong môi trƣờng phân tán, các phép đại số quan hệ không đủ để mô tả các
giải pháp thực hiện. Nó phải đƣợc cung cấp thêm các thao tác để chuyển đổi dữ
liệu giữa các vị trí. Việc lựa chọn thứ tự các thao tác đại số quan hệ, bộ xử lý truy
vấn cũng phải lựa chọn các vị trí tốt nhất để xử lý dữ liệu và đƣờng truyền thông
mà dữ liệu sẽ lƣu chuyển. Việc này sẽ làm tăng số các giải pháp lựa chọn cần lựa
chọn trong số đó một giải pháp thực hiện. Vì vậy, việc xử lý phân tán càng trở nên
khó khăn hơn.
Ví dụ 2.2: Ví dụ này minh họa tầm quan trọng của việc lựa chọn vị trí và cách
truyền dữ liệu của một câu truy vấn đại số. Xét câu truy vấn của Ví dụ 2.1:
TênNV (NV

MNV (Nhiệmvụ=”Quảnlý”(PC)))

Giả sử rằng các quan hệ NV và PC đƣợc phân mảnh ngang nhƣ sau:
NV1 = MNV  “E3”(NV)
NV2 = MNV > “E3”(NV)
PC1 = MNV  “E3”(PC)
PC2 = MNV  “E3”(PC)
Các mảnh PC1, PC2, NV1, NV2 theo thứ tự đƣợc lƣu tại các vị trí 1, 2, 3 và 4
và kết quả đƣợc lƣu tại vị trí 5 nhƣ Hình 2.1 và Hình 2.2.