Transcript PPT - pjwstk.edu.pl

INDEKSY I
SORTOWANIE
ZEWNĘTRZNE
Przygotował Lech Banachowski na podstawie:
1.
Raghu Ramakrishnan, Johannes Gehrke, Database Management Systems, McGrawHill,
2000 (książka i slide’y).
2.
Lech Banachowski, Krzysztof Stencel, Systemy zarzadzania bazami danych,
Wydawnictwo PJWSTK, 2007.
3.
Dokumentacja Oracle.
Organizacje pliku z danymi
v
v
v
Plik nieuporządkowany
Plik uporządkowany (posortowany)
Plik haszowany
PJWSTK, L.Banachowski, SZB
2
Wyszukiwanie
Najczęściej wykonywaną operacją w bazie danych jest
wyszukiwanie danych. W najprostszej postaci: mając konkretną
wartość poszukujemy rekordów, w których ta wartość
występuje w danym polu.
PJWSTK, L.Banachowski, SZB
3
Indeksy
v
v
v
Plik nieuporządkowany umożliwia wyszukanie rekordu:
–
mając rid rekordu, lub
–
przeglądając sekwencyjnie wszystkie rekordy w pliku.
Często wyszukiwanie na podstawie wartości jednego lub
więcej pól, np.
–
wyznacz wszystkich studentów specjalizacji “BD”,
–
wyznacz wszystkich studentów mających < 20 lat.
Indeksy są strukturami danych, których celem jest
wspomaganie szybkiego znajdowania odpowiedzi na
takiego rodzaju zapytania.
v
Takie samo znaczenie jak skorowidz (indeks) w książce!
PJWSTK, L.Banachowski, SZB
4
Indeksy
v
Klucz wyszukiwania dla indeksu
–
v
wybrane pola rekordu względem których ma odbywać
się wyszukiwanie.
Indeks składa się z :
– pozycji danych k* określanych względem wartości klucza
wyszukiwania k, oraz z
– pozycji indeksu, kierujących wyznaczeniem właściwej pozycji
danych k* w oparciu o wartość klucza wyszukiwania.
PJWSTK, L.Banachowski, SZB
5
Indeksy
v
v
v
v
Plik danych – rekordy danych.
Plik indeksu – pozycje danych, pozycje indeksu.
Indeks wewnętrzny - plik indeksu zawiera w sobie
plik danych. Pozycjami danych k* w indeksie są
rekordy danych.
Indeks zewnętrzny – plik indeksu jest rozłączny z
plikiem danych. Pozycje danych k* zawierają
wskaźniki do rekordów danych. Postacie:
1. <k, rid rekordu z tą wartością klucza k> albo
2. <k, lista rid rekordów z tą wartością klucza k >
–
Ad 2. Postać bardziej zwarta; zmienny format rekordu.
PJWSTK, L.Banachowski, SZB
6
Klasyfikacja indeksów
v
Gdy klucz wyszukiwania zawiera klucz główny –
indeks główny wpp. indeks niegłówny.
v
Indeks jednoznaczny - klucz wyszukiwania
zawiera klucz jednoznaczny.
v
Indeks pogrupowany - indeks wewnętrzny i plik
danych posortowany według wartości klucza
indeksu.
PJWSTK, L.Banachowski, SZB
7
Indeks pogrupowany
v
Pozycje danych (czyli rekordy danych) są zapisane
w kolejności uporządkowanej względem wartości
klucza indeksu. W rezultacie, rekordy o tej samej
wartości klucza lub zbliżonej znajdują się na tej
samej stronie lub na kilku powiązanych.
PJWSTK, L.Banachowski, SZB
8
Indeksy wewnętrzne i zewnętrzne
v
v
Indeks wewnętrzny haszowany = indeks
wewnętrzny i plik danych haszowany.
Indeks wewnętrzny ->
– Plik danych posortowany i indeks pogrupowany, albo
– Plik danych haszowany i indeks haszowany.
v
Indeks zewnętrzny ->
– Plik danych nieuporządkowany , albo
– Plik danych posortowany , albo
– Plik danych haszowany.
PJWSTK, L.Banachowski, SZB
9
Złożone klucze wyszukiwania
v
Złożone klucze wyszukiwania:
kombinacja pól np. <sal,age>.
–
Zapytanie równościowe:
u
–
11
12,10
12
12,20
13,75
<age, sal>
Zapytanie zakresowe:
age < 20; age=20 and sal > 10
10,12
Porządek leksykograficzny.
20,12
u
v
age=20 and sal =75
11,80
75,13
name age sal
bob 12
10
cal 11
80
joe 12
20
sue 13
75
Rekordy danych
posortowane <name>
80,11
<sal, age>
Pozycje danych
posortowane <sal,age>
PJWSTK, L.Banachowski, SZB
12
13
<age>
10
20
75
80
<sal>
Pozycje danych
posortowane <sal>
10
Pseudo-wartość NULL
v
v
v
v
v
Indeksowane są wszystkie wiersze, w których co
najmniej jedna składowa klucza wyszukiwania
indeksu nie jest NULL.
Na przykład, za pomocą indeksu na kolumnie
Comm nie można zrealizować wyszukiwania
wierszy z nieokreśloną wartością w polu Comm:
SELECT Ename
FROM Emp
WHERE Comm IS NULL;
Można … WHERE Comm IS NOLL NULL;
Ograniczenie to nie dotyczy indeksów
bitmapowych i klastrowych.
PJWSTK, L.Banachowski, SZB
11
Wyszukiwanie zakresowe – plik
posortowany
v
"Wyznacz studentów ze średnią > 4.0"
–
Gdy dane w pliku posortowanym:
u
u
wyszukiwanie binarne aby znaleźć pierwszego takiego studenta;
przejdź plik wypisując pozostałych takich studentów.
– Plik indeksu k1< k2< … <KN.
Page 0
Page1
Plik indeksu
kN
k1 k2
Page 2
Page N
* Wyszukiwanie binarne na mniejszym pliku indeksu!
Plik danych
posortowany
Pozycja indeksu
Strona indeksu
P
0
K
1
P
1
K 2
K < K …. < K
1
2
m
P
K m
2
Pm
Statyczne drzewo ISAM (indexed sequential access method)
Węzły
wewnętrzne
Liści
e
Strony
nadmiarowe
* W liściach są pozycje danych.
Strony główne
Drzewo ISAM
Korzeń
40
10*
15*
20
33
20*
27*
51
33*
37*
40*
46*
51*
63
55*
63*
97*
Wstawiamy 23*, 48*, 41*, 42* ...
Korzeń
Strony
indeksu
Strony
główne
40
10*
Strony
nadmiarowe
15*
20
33
20*
27*
23*
51
33*
37*
40*
46*
48*
41*
42*
51*
63
55*
63*
97*
B+ drzewo
v
v
v
Wstawianie/usuwanie w czasie rzędu log N;
drzewo wyważone względem wysokości. (N = #
liści)
Każdy węzeł (z wyjątkiem ewentualnie korzenia)
zawiera d <= m <= 2d pozycji indeksu. Parametr
d - stopień drzewa.
Zapytania równościowe i zakresowe.
Pozycje indeksu
Pozycje danych
B+ drzewo
v
v
Wyszukiwanie zaczyna się w korzeniu a
porównania klucza wyszukiwania prowadzą do
liścia tak jak dla ISAM.
Wyszukiwanie 5*, 15*, >= 24* ...
Korzeń
13
2*
3*
5*
7*
14* 16*
17
24
19* 20* 22*
30
24* 27* 29*
33* 34* 38* 39*
* Na podstawie wyniku wyszukiwania 15*, wiemy że 15* nie ma w drzewie
Drzewa B+ w praktyce
v
v
Średni stopień d=100. Średnie zapełnienie:
67%.
Typowa pojemność:
–
–
v
Wysokość 4: 1334 = 312,900,700 rekordów
Wysokość 3: 1333 = 2,352,637 rekordów
Zwykle górne poziomy drzewa w cache:
–
–
–
Poziom 1 =
1 strona = 8 KB
Poziom 2 = 133 strony = 1 MB
Poziom 3 = 17,689 strony = 133 MB
Wstawienie pozycji danych do B+ drzewa
v
v
Wyznacz odpowiedni liść L.
Wstaw pozycję danych do L.
–
–
Jeśli mieści się – to koniec!
Wpp, podziel L (na L i nowy węzeł L2)
u
u
v
v
Rozdziel równo pozycje, skopiuj na wyższy poziom środkowy
klucz (najmniejszy w prawym węźle L2).
Do “ojca” L wstaw pozycję indeksu z tym kluczem i wskaźnikiem
wskazującym na L2.
W razie potrzeby powtórz krok podziału rekurencyjnie.
Kroki podziału mogą dojść do korzenia i w rezultacie
drzewo może zwiększyć swoją wysokość o jeden.
Wstawianie 8*
Pozycja wstawiana do “ojca”
jest kopiowana.
5
Podział liścia
2*
3*
5*
7*
8*
Pozycja wstawiana do “ojca”
jest przesuwana w górę .
Podział węzła
wewnętrznego
17
5
13
24
30
Drzewo po wstawieniu 8*
Korzeń
17
5
2*
3*
24
13
5*
7* 8*
14* 16*
19* 20* 22*
30
24* 27* 29*
33* 34* 38* 39*
v Poprzedni korzeń uległ podziałowi. Wysokość drzewa
zwiększyła się o 1.
v Możliwa redystrybucja pozycji danych w poziomie nie jest
w praktyce realizowana.
B+ drzewo jako indeks wewnętrzny i
zewnętrzny
v
v
Indeks może być wewnętrzny i wtedy pozycje danych
pokrywają się z rekordami danych, tzn. rekordy danych są
zapisywane w strukturze B+ drzewa zgodnie z
porządkiem klucza wyszukiwania. Z tego powodu jest to
wtedy indeks pogrupowany.
Albo indeks jest zewnętrzny i wtedy rekordy z danymi są
przechowywane poza indeksem w dowolnym porządku
(dla plików nieuporządkowanych, posortowanych i
haszowanych).
PJWSTK, L.Banachowski, SZB
22
Strategia zastępowania ramek
dla stron B+ drzewa
•
LRU nie jest tu dobrą metodą!
 Korzeń drzewa i najwyższe poziomy dobrze
jest trzymać cały czas w pamięci RAM.
PJWSTK, L.Banachowski, SZB
23
Dodatkowe operacje na B+ drzewach
v
Gdy ilość zajętego miejsca w drzewie spada poniżej
pewnego progu, możliwe:
– REBUILD utworzenie indeksu od nowa
– COALESCE połączenie ze sobą sąsiednich stron o zajętości
poniżej 50%.
v
Gdy na samym początku mamy dany duży zbiór
rekordów, to wtedy zamiast powtarzania kolejnych
operacji INSERT opłaca się zastosować algorytm Bulk
Loading, którego działanie polega na posortowaniu
pliku rekordów z danymi, a następnie dobudowaniu
nad posortowanym ciągiem kolejnych poziomów
indeksowych drzewa B+.
PJWSTK, L.Banachowski, SZB
24
Dlaczego nie używamy B-drzew?
Dla pełności tematu pokazujemy schemat węzła zwykłego
B-drzewa (bez plusa).
PJWSTK, L.Banachowski, SZB
25
Podsumowanie drzew
v
Zastosowanie indeksów o strukturze drzewa:
– Wyszukiwanie zakresowe.
– Wyszukiwanie równościowe.
– Sortowanie (np. ORDER BY).
v
ISAM – struktura statyczna.
–
–
v
Modyfikowane są tylko liście.
Wymagane są strony nadmiarowe – mogące istotnie
pogorszyć działanie algorytmów.
B+ drzewo – struktura dynamiczna.
–
W praktyce wysokość zwykle <=4.
Indeks haszowany
v
v
Ustalona alokacja stron głównych; alokowane
dodatkowe strony nadmiarowe w razie potrzeby.
h(k) np. = k mod M = “segment” do którego należy
pozycja danych k* o kluczu k (M = # segmentów).
0
1
h(klucz)
klucz
h
M-1
Strony główne
Strony nadmiarowe
Plik: nieuporządkowany, posortowany i haszowany.
Indeks haszowany z
uporządkowanymi segmentami
Wariant w którym pozycje danych są uporządkowane
względem wartości klucza wyszukiwania.
PJWSTK, L.Banachowski, SZB
28
Podsumowanie haszowania
v
Mogą powstać długie łańcuchy nadmiarowych stron co
prowadzi do pogorszenia działania:
– konieczność okresowego wykonywan ia operacji REBUILD,
– istnieją dynamiczne wersje haszowania – polegające na zwiększaniu liczby
M segmentów przez ich podział.
v
Indeksy haszowane dobre przy wyszukiwaniu
równościowym. Nie wspomagają wyszukiwania
zakresowego ani sortowania.
Podsumowanie indeksu wewnętrznego
v
v
Dla jednej tabeli może być zbudowany tylko jeden indeks
wewnętrzny i wiele indeksów zewnętrznych względem różnych
kluczy wyszukiwania.
W indeksie wewnętrznym zbudowanym na B+ drzewie rekordy
z danymi są zapisywane na stronach reprezentujących liście
drzewa. W indeksie haszowanym wewnętrznym rekordy z
danymi są zapisywane na stronach segmentów. W obu
przypadkach z definicji algorytmów wstawiania i usuwania
wynika, że rekordy mogą być przesuwane między stronami. To
znaczy, rekordy mogą zmieniać stronę a zatem nie może być do
nich z zewnątrz bezpośrednich wskaźników używających
identyfikatora strony. Za identyfikator rekordu używa się wtedy
wartość jego klucza głównego a dostęp do rekordu jest zawsze
realizowany poprzez indeks główny.
PJWSTK, L.Banachowski, SZB
30
Indeks wewnętrzny – 2 przypadki
v
v
Indeks główny jest indeksem wewnętrznym. Wtedy
wyszukiwanie rekordu według wartości klucza wyszukiwania
indeksu zewnętrznego wymaga przejścia dwóch indeksów:
najpierw zewnętrznego, w którym znajdujemy wartość klucza
głównego szukanego rekordu, a następnie indeksu
wewnętrznego głównego, w którym w oparciu o wartość klucza
głównego znajdujemy szukany rekord.
Indeks główny jest indeksem zewnętrznym, w którego pozycjach
danych są zapisywane (zmienne) wskaźniki do rekordów. Przy
wyszukiwaniu rekordu przechodzimy tak jak poprzednio dwa
indeksy: zewnętrzny i główny. Natomiast przy zmianach
położenia rekordu w indeksie wewnętrznym wymagane jest
znalezienie pozycji danych tego rekordu w indeksie głównym i
zapisanie w niej nowego adresu tego rekordu.
PJWSTK, L.Banachowski, SZB
31
Struktury danych wielowymiarowe
v
Siatka (ang. grid file) – podział obszaru
wyszukiwań, powiedzmy leżącego na
płaszczyźnie, poziomymi i pionowymi liniami na
prostokąty. Punkty trafiające do jednego
prostokąta są zapisywane w jednym segmencie.
Gdy segmenty się przepełnią, można albo
stosować strony nadmiarowe albo dzielić
prostokąty na mniejsze zwiększając liczbę
segmentów.
PJWSTK, L.Banachowski, SZB
32
Struktury danych wielowymiarowe
v
v
v
Dzielona funkcja haszowana (ang. partitioned
hash function):
H(v1,...,vn)=h1(v1)&h2(v2)&....&hn(vn)
Wartością funkcji haszującej dla układu
wartości jest konkatenacja tekstowa wartości
funkcji haszujących dla poszczególnych
składowych.
PJWSTK, L.Banachowski, SZB
33
Drzewa wielowymiarowe
v
v
R drzewa są uogólnieniem B drzew do n wymiarów.
Pozycją danych w takim drzewie jest para złożona z nwymiarowej kostki:
{(v1,...,vn): ai<=vi<=bi dla 1<=i<=n} oraz adresu
pewnego obiektu geometrycznego, który jest
jednoznacznie ograniczony tą kostką.
Podobnie pozycją indeksu jest taka kostka oraz wskaźnik
do węzła niższego poziomu, w którego poddrzewie
znajdują się wyłącznie obiekty zawarte w tej kostce i w
żadnym innym poddrzewie takie obiekty nie występują.
PJWSTK, L.Banachowski, SZB
34
Powtórzenie
Plik danych – składowanie danych
• nieuporządkowany
• uporządkowany (posortowany)
• haszowany
Indeks – wyszukiwanie danych i jednoznaczność kluczy
• wewnętrzny - pozycja danych = rekord danych
• zewnętrzny – pozycja danych = wskaźnik do rekordu danych
• pogrupowany – wewnętrzny & plik danych uporządkowany
według wartości klucza indeksu
• B+ drzewo
• tablica haszowana (jako indeks wewnętrzny lub zewnętrzny)
PJWSTK, L.Banachowski, SZB
35
Zastosowania sortowania w bazach
danych
v
v
v
v
ORDER BY - dane są wymagane w pewnym porządku.
Budowa indeksu - początkowego B+ drzewa dla
wczytywanego zbioru rekordów.
Złączanie tabel metodą Sort-merge.
Realizacja DISTINCT, GROUP BY, UNION, EXCEPT alternatywą haszowanie.
Problem: posortować 1GB danych za pomocą 10MB
RAM.
Sortowanie zewnętrzne (wielofazowe
przez scalanie)
v
v
Faza 0 – sortowanie rekordów w ramach stron:
Wczytaj stronę, posortuj ją, zapisz na dysku.
Faza 1,2,3 …, itd: scalaj uporządkowane podpliki w
większe uporządkowane podpliki aż cały plik
zostanie uporządkowany.
Wejście 1
Wyjście
Wejście 2
Dysk
Bufory w RAM
Dysk
Sortowanie wielofazowe przez scalanie
v
v
v
v
v
v
W każdej fazie odczytujemy i
zapisujemy każdą stronę w
pliku.
N = # stron => # faz =
  log2 N   1
Całkowity koszt = 2 N log N
Idea: Dziel i rządź: sortuj
podpliki i je scalaj.
Zamiast dwóch buforów można
użyć więcej.
Praktycznie liczba faz <=3.
3,4
6,2
9,4
8,7
5,6
3,1
2
3,4
2,6
4,9
7,8
5,6
1,3
2
Plik wejściowy
Faza 0
Faza 1
4,7
8,9
2,3
4,6
1,3
5,6
2
Faza 2
2,3
4,4
6,7
8,9
1,2
3,5
6
Faza 3
1,2
2,3
3,4
4,5
6,6
7,8
9
Sortowanie za pomocą B+ drzewa
v
Warunek: Tabela ma indeks na B+ drzewie
względem kolumn sortowania.
v
Idea: Przejść po liściach indeksu.
v
Czy jest to dobra metoda?
v
Przypadki:
–
Indeks pogrupowany
Bardzo dobra!
–
Indeks nie pogrupowany
Może być bardzo zła!
Wewnętrzny
indeks pogrupowany
v
Od korzenia przejdź do
skrajnie lewego liścia a
następnie sekwencyjnie
w prawo po liściach.
Indeks
Pozycje danych
Rekordy danych w pozycjach danych!
* Zawsze lepsze od sortowania zewnętrznego!
Indeks niepogrupowany
v
Ogólnie, jedna operacja We/Wy na rekord
danych!
Indeks
Pozycje danych
Rekordy danych
Indeksy w Oracle
• Indeks oparty na B+ drzewie
• Tabela połączona z indeksem opartym na B+ drzewie
• Indeks oparty na B+ drzewie z odwróconymi wartościami
kluczy
• Indeks oparty na klastrze jednej lub więcej tabel (B+ drzewo
lub hasz), indeks haszowany
• Indeks z pozycjami określonymi za pomocą wyrażeń
• Indeks bitmapowy – implementacja dwa B+ drzewa
PJWSTK, L.Banachowski, SZB
42
Plik nieuporządkowany - bez indeksu
wewnętrznego - indeks zewnętrzny oparty na
B+ drzewie
v
Pozycja danych składa się z wartości indeksowanych kolumn oraz
z identyfikatora ROWID wiersza w tabeli - określającego fizyczne
położenie danego wiersza na dysku. Umożliwia:
– znalezienie wiersza w oparciu o wartość klucza wyszukiwania,
– realizację zapytań zakresowych.
v
v
Przy wykonywaniu zapytania system używa indeksu opartego na
B+ drzewie tylko wtedy gdy jest zapewniona wystarczająca
selektywność wyszukiwania, powiedzmy zwracane zostaje co
najwyżej 5 do 10% wszystkich rekordów w pliku.
Indeks zewnętrzny oparty na B+ drzewie jest automatycznie
tworzony dla każdego klucza głównego i jednoznacznego.
PJWSTK, L.Banachowski, SZB
43
Tabela połączona z indeksem głównym
opartym na B+ drzewie
v
v
v
Pozycjami danych indeksu głównego są rekordy pliku tzn. wiersze
tabeli są trzymane w indeksie. Jest zapewniony bardzo szybki
dostęp do wierszy przez wartości klucza głównego.
Wiersze nie posiadają swoich identyfikatorów ROWID –
identyfikacja wierszy przebiega wyłącznie przez wartości klucza
głównego; w pozostałych indeksach wynikiem wyszukania jest
wartość klucza głównego – a nie ROWID. Odpowiada to koncepcji
indeksu pogrupowanego - ale budowanego tylko dla klucza
głównego.
Budując osobno perspektywę zmaterializowaną można jej nadać
inną organizację.
PJWSTK, L.Banachowski, SZB
44
Tabela połączona z indeksem
opartym na B+ drzewie
Załóżmy, że chcemy dokonywać analizy klientów wyszukując klientów
mieszkających w określonym mieście.
• Miasta(Id_miasta, Nazwa_miasta)
• Klienci(Id_miasta, Id_klien_w_miescie, Nazwisko, Hobby, Wiek)
Jeśli tabela Klienci jest połączona z indeksem na swoim kluczu
głównym, istotnie można przyśpieszyć wykonywanie zapytań w
rodzaju:
SELECT K.Nazwisko, .Hobby
FROM Klienci K INNER JOIN Miasta M ON K.Id_miasta =
M.Id_miasta
WHERE M.Nazwa_miasta = 'WARSZAWA'
AND K.Wiek BETWEEN 18 and 25;
PJWSTK, L.Banachowski, SZB
45
Tworzenie tabeli połączonej z
indeksem opartym na B+ drzewie
CREATE TABLE Klienci(
Id_miasta INTEGER,
Id_klien_w_miescie INTEGER,
Nazwisko VARCHAR2(80),
Hobby VARCHAR(20),
Wiek INTEGER,
CONSTRAINT Klienci_pk PRIMARY KEY (Id_miasta,
Id_klien_w_miescie),
CONSTRAINT Klienci_fk FOREIGN KEY(Id_miasta)
REFERENCES Miasta
)
ORGANIZATION INDEX;
PJWSTK, L.Banachowski, SZB
46
Indeks haszowany
Przykład zastosowania indeksu haszowanego dla klucza głównego
Id_konta tabeli:
• Konta(Id_konta, Saldo, Imie, Nazwisko, Adres)
Zakładamy, że tabela Konta zawiera bardzo dużo wierszy oraz że
często wielu kasjerów w banku równocześnie wykonuje zapytanie:
SELECT *
FROM Konta k
WHERE k.Id_konta = :numer;
PJWSTK, L.Banachowski, SZB
47
Tworzenie indeksu haszowanego
CREATE CLUSTER Klast_konta(Id_konta INTEGER)
SIZE 512 SINGLE TABLE
HASHKEYS 100003 HASH IS mod(Id_konta, 100003);
- lub HASH IS Id_konta
Następnie definiujemy tabelę Konta:
CREATE TABLE Konta(Id_konta INTEGER PRIMARY KEY,
Saldo NUMBER,
Imie VARCHAR2(20),
Nazwisko VARCHAR2(50),
Adres VARCHAR2(70))
CLUSTER Klast_konta(Id_konta);
PJWSTK, L.Banachowski, SZB
48
Tworzenie indeksu haszowanego
v
v
Indeks klastra jest tworzony automatycznie.
Parametr SIZE w definicji klastra określa ilość miejsca
w bajtach przeznaczoną do zapisania rekordów z tą
samą wartością klucza klastra. Domyślną wartością
(gdy brak klauzuli SIZE) jest rozmiar strony dyskowej.
Jeśli wszystkie wiersze dla danej wartości klucza
klastra nie mieszczą się w jednym bloku, są zapisywane
na liście nadmiarowych bloków. Poprzez dobór
odpowiedniej wartości SIZE można spowodować, że
wszystkie rekordy z daną wartością klucza znajdą się
na tej samej lub tylko na kilku stronach dyskowych.
PJWSTK, L.Banachowski, SZB
49
Sortowanie segmentów haszowanych
CREATE CLUSTER call_detail_cluster ( telno NUMBER,
call_timestamp NUMBER SORT, call_duration NUMBER SORT )
HASHKEYS 10000 HASH IS telno SIZE 256;
CREATE TABLE call_detail ( telno NUMBER,
call_timestamp NUMBER SORT,
call_duration NUMBER SORT,
other_info VARCHAR2(30) )
CLUSTER call_detail_cluster ( telno, call_timestamp, call_duration );
Wyświetlić rozmowy wykonane z danego numeru w kolejności od
najwcześniejszego.
SELECT * WHERE telno = 6505551212
ORDER
BY call_timestamp;
PJWSTK, L.Banachowski, SZB
50
Przykład - słaba selektywność
SELECT E.Ename FROM Emp E
WHERE E.Job=:job;
- ewentualnie z ORDER BY E.Ename
1. Klaster (indeks) haszowany z kluczem Emp.Job lub
Emp(Job, Ename) – sortowane segmenty
2. Tabela połączona z indeksem głównym:
Emp (Job, Empno, …) lub Emp (Job, Empno, Ename, …)
3. Zwykły indeks na E.Job może być zły ze względu na słabą
selektywność
4. Indeks bitmapowy na E.Job
PJWSTK, L.Banachowski, SZB
51