《Access Path Selectionin a Relational Database Management System》论文笔记

本文主要是介绍《Access Path Selectionin a Relational Database Management System》论文笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

以下是根据论文归纳出的一些查询优化器公式和知识点,有没有用不知道,先码起来。

SQL执行优化过程

处理SQL语句是从解析用户输入的SQL语句开始,经过一系列优化过程,最终生成机器代码并执行的过程。这个过程涉及到多个复杂的步骤,每个步骤都是为了确保SQL语句能够高效、正确地执行。通常包括以下四个主要步骤:

解析器(Parser)

这个步骤负责对用户输入的SQL语句进行词法和语法分析,检查SQL语句是否遵循SQL语法规则。

解析器通常使用像yacc这样的工具来完成这个工作,语法解析的结果是一个“抽象语法树”(Abstract Syntax Tree, AST),这是一个表示SQL语句结构的内部数据结构。

优化器(逻辑优化):

  • 语义检查:这一步骤确保SQL语句在逻辑上是有意义的,例如检查SQL中引用的表和字段是否真实存在于数据库中。
  • 统计信息和元信息读取:优化器会读取数据库的“元数据表”来获取关系对象(表、视图等)的统计信息和结构信息。
  • 确定查询块评估顺序:优化器决定执行查询中不同部分(称为查询块)的顺序。
  • 关系和连接处理:对于FROM子句中的每个关系(表),如果一个查询块中有多个关系,优化器还需要计算这些关系的连接顺序和方法。
  • 选择最小总成本的访问路径:优化器会选择一个成本最小的执行路径,这个选择过程涉及到从多个可能的访问路径中挑选。
  • 生成执行计划:最终,这个步骤会产生一个执行计划(plan),这个计划用一种叫做ASL(Abstract Set Language)的语言来描述。

代码生成器(物理优化):

在确定了每个查询块的执行计划并在抽象语法树中表示这个计划之后,代码生成器被调用。代码生成器是一个将ASL树转换为机器语言代码的程序,这些代码用来执行优化器选择的计划。它使用一组有限的代码模板,每种连接方法(包括不需要连接的情况)都对应一个模板。嵌套查询的查询块被当作“子程序”处理,它们在执行时返回值给调用它们的查询块。

执行:

在代码生成器阶段,解析树被转换成可执行的机器代码和相关的数据结构。这些生成的机器代码可以直接执行,也可以保存在数据库中,以备将来执行。当代码执行时,它会通过存储系统接口(RSI)调用System R的内部存储系统(RSS)来执行物理存储关系的扫描。这些扫描操作会沿着优化器选择的访问路径进行。

单表代价计算公式

代价评估公式用于估算执行特定查询的资源消耗,主要包括I/O和CPU的消耗。

  • COST:代表执行查询的总代价,包括I/O代价和CPU代价。
  • PAGE FETCHES:表示为了获取所需数据,需要从磁盘读取的数据页和索引页的数量,这是I/O代价的一部分。
  • W:是一个权重因子,用于平衡I/O和CPU之间的代价,因为它们的性能可能不同。
  • RSI CALLS:表示存储系统接口调用的次数,即实际读取的元组(行)数量,这是CPU代价的一部分。

统计信息项

数据库优化器使用以下统计信息来估计查询的代价:

  • 关系T

    • NCARD(T):关系T中元组(行)的数量。
    • TCARD(T):关系T中数据页的数量。
    • P(T):关系T的数据页占有的segment比例。
  • 对于T的任意索引I

    • ICARD(I):索引I中去重后的键值数量。
    • NINDX(I):索引I占用的页的数量。

用户可以通过执行UPDATE STATISTICS命令来更新这些统计信息。

选择率F

选择率是指满足某个条件的元组占总元组的比例,用于估计查询的选择性:

  • column = value

    • 如果有索引,F = 1 / ICARD(column index)。
    • 如果没有索引,F = 1 / 10(默认值)。
  • column1 = column2

    • 如果两个列都有索引,F = 1 / MAX(ICARD(column1 index), ICARD(column2 index))。
    • 如果只有一个列有索引,F = 1 / ICARD(column-i index)。
    • 如果两个列都没有索引,F = 1 / 10。
  • column > value 或 (v1 < column < v2)

    • 如果column的值是数值型且均匀分布,F = (high key value - value) / (high key value - low key value)。
    • 如果value非数值型,F = 1/3。
  • column IN (list of values)

    • F = (列表中的项数) * (column = value 的选择性因子),但最多不超过1/2。
  • 逻辑表达式的选择率

    • OR:F = F(pred1) + F(pred2) - F(pred1) * F(pred2)。
    • AND:F = F(pred1) * F(pred2),这假设列值是独立的。
    • NOT:F = 1 - F(pred)。

选择最优访问路径

在所有可能的访问路径中,优化器会根据上述代价评估公式和选择率,选择一个总代价最小的路径。如果查询需要按照某种特定的顺序(比如由GROUP BY或ORDER BY子句指定的顺序)输出元组,而这个顺序可以通过索引直接获得,那么这个顺序被称为一个“有趣的顺序”,优化器在决定使用索引的时候会考虑这个因素。

连接操作优化

Nested-Loop Join(嵌套循环连接)

嵌套循环连接是最简单的连接方法,它涉及两个步骤:

  1. 遍历外表中的每个元组(行)。
  2. 对于外表中的每个元组,遍历内表的所有元组,并对每对元组执行连接谓词的判断。

嵌套循环连接的成本计算公式为:

C-nested-loop-join(path1, path2) = C-outer(path1) + N * C-inner(path2)

其中:

  • C-outer(path1) 是遍历外表的成本。
  • N 是外表中满足连接谓词的元组数量。
  • C-inner(path2) 是遍历内表的成本。

这种方法在内表非常小或者外表中满足连接条件的元组非常少时可能是有效的,但是如果两个表都很大,这种方法将会非常低效。

Merge Join(合并连接)

合并连接是一种更高效的连接方法,尤其是当两个表的连接列都已经排序时。合并连接的步骤如下:

  1. 同时遍历两个已排序的表。
  2. 比较当前行的连接列,并根据排序顺序移动指针。

合并连接的成本计算公式为:

C-merge(path1, path2) = C-outer(path1) + N * C-inner(path2)

其中:

  • C-outer(path1) 是读取并排序外表的成本。
  • N 是外表的元组数量。
  • C-inner(path2) 是读取内表的成本。

如果内表没有预先排序,你可能需要先对内表进行排序,这会增加额外的成本。

对于已排序的内表,我们可以使用以下公式来计算内部扫描的成本:

C-inner(sorted list) = TEMPPAGES/N + W * RSICARD

其中:

  • TEMPPAGES 是存储内表所需的临时页面数。
  • N 是外表的元组数量。
  • W 是CPU和IO之间的权重因子。
  • RSICARD 是在合并过程中预计会读取的内表元组数量。

这个公式假设在合并过程中,内表的每个页面只被读取一次,这是基于内表已经被排序的事实。由于内表是排序的,合并连接可以有效地通过比较排序键来快速找到匹配的元组,而不必遍历整个内表。

总结

在实际的数据库查询优化中,优化器会考虑多种因素来选择最佳的连接策略,包括表的大小、索引的存在、连接列的排序状态以及内存的可用量。优化器还会使用统计信息来更精确地估计成本和选择率,从而生成一个总体成本最低的查询执行计划。

这篇关于《Access Path Selectionin a Relational Database Management System》论文笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/667246

相关文章

MySQL 中的 JSON 查询案例详解

《MySQL中的JSON查询案例详解》:本文主要介绍MySQL的JSON查询的相关知识,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录mysql 的 jsON 路径格式基本结构路径组件详解特殊语法元素实际示例简单路径复杂路径简写操作符注意MySQL 的 J

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r

mysql中的group by高级用法

《mysql中的groupby高级用法》MySQL中的GROUPBY是数据聚合分析的核心功能,主要用于将结果集按指定列分组,并结合聚合函数进行统计计算,下面给大家介绍mysql中的groupby用法... 目录一、基本语法与核心功能二、基础用法示例1. 单列分组统计2. 多列组合分组3. 与WHERE结合使

Mysql用户授权(GRANT)语法及示例解读

《Mysql用户授权(GRANT)语法及示例解读》:本文主要介绍Mysql用户授权(GRANT)语法及示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql用户授权(GRANT)语法授予用户权限语法GRANT语句中的<权限类型>的使用WITH GRANT

Mysql如何解决死锁问题

《Mysql如何解决死锁问题》:本文主要介绍Mysql如何解决死锁问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录【一】mysql中锁分类和加锁情况【1】按锁的粒度分类全局锁表级锁行级锁【2】按锁的模式分类【二】加锁方式的影响因素【三】Mysql的死锁情况【1

SQL BETWEEN 的常见用法小结

《SQLBETWEEN的常见用法小结》BETWEEN操作符是SQL中非常有用的工具,它允许你快速选取某个范围内的值,本文给大家介绍SQLBETWEEN的常见用法,感兴趣的朋友一起看看吧... 在SQL中,BETWEEN是一个操作符,用于选取介于两个值之间的数据。它包含这两个边界值。BETWEEN操作符常用

MySQL索引的优化之LIKE模糊查询功能实现

《MySQL索引的优化之LIKE模糊查询功能实现》:本文主要介绍MySQL索引的优化之LIKE模糊查询功能实现,本文通过示例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧... 目录一、前缀匹配优化二、后缀匹配优化三、中间匹配优化四、覆盖索引优化五、减少查询范围六、避免通配符开头七、使用外部搜索引擎八、分

MySql match against工具详细用法

《MySqlmatchagainst工具详细用法》在MySQL中,MATCH……AGAINST是全文索引(Full-Textindex)的查询语法,它允许你对文本进行高效的全文搜素,支持自然语言搜... 目录一、全文索引的基本概念二、创建全文索引三、自然语言搜索四、布尔搜索五、相关性排序六、全文索引的限制七