Post on 18-Apr-2015
Algoritmos de Junção – Sort-Merge Join Otimizado
Hash Join
AULA 19 Profa. Sandra de Amo
GBC053 – BCC
Otimização do Sort Merge JoinRealizar a junção durante a ordenação das relações Tamanho do buffer = B páginas Primeira iteração da ordenação: ordena-se cada página de R
e cada página de S e obtém-se M/B subarquivos ordenados de R e N/B subarquivos ordenados de S Custo: 2M + 2N
Segunda iteração da ordenação: finaliza a ordenação dos arquivos e ao mesmo tempo constrói a junção das 2 tabelas Para finalizar a ordenação na 2a iteração:
Número de etapas = logB-1 (M/B) + 1 ≤ 2 logB-1 (M/B) ≤ 1 B ≥ M/B + 1 B2 – B ≥ M B(B-1) ≥ M B > M
Esquema Geral2a iteração da ordenação
Buffer
Subarquivos da Relação R em discoCada página estáordenada
Subarquivos da Relação S em disco
R S
Página de
em disco
Página ordenadade R
Página ordenadade S
Custo do Sort Merge Join Otimizado Otimização Primeira iteração da ordenação: ordena-se cada página de R e cada
página de S e obtém-se M/B subarquivos ordenados de R e N/B subarquivos ordenados de S Custo: 2M + 2N
Suponha que: Temos no buffer 2X + 1 páginas, onde X > M1/2
M = tamanho da relação maior número de subarquivos de R = M/X < M1/2 número de subarquivos de S = N/X < M/X < M1/2 Idéia: Se tivermos B > 2 M1/2 + 1, teremos espaço suficiente para
fazer o “merge” dos subarquivos de R e dos subarquivos de S na segunda iteração, além de construir a resposta da junção simultaneamente.
Custo = M + N (Não levo em consideração o tempo para gravar a resposta)
Custo Total = 3(M+N)
Exemplo M = 1000, N = 500, B = 102 102 > 2.1000 ½ + 1 = 64 + 1 = 65
Custo da 1a iteração da ordenação = 2M + 2N = 2000 + 1000 = 3000 I/Os
Custo da 2a iteração (junção) =
M + N = 1500 I/Os Custo total = 4500 I/Os = 45 segundos
Conclusão Até o momento:
NLJ - t/t = 140 horas NLJ - p/p = 1 hora e 24 min BNL Join com B = 102 páginas no buffer = 1 min INL Join com índice agrupado na relação maior = 15 min INL Join com índice ñ agrupado na rel. maior = 25 min Sort Merge Join, B = 102 páginas no buffer = 1 min 30 s Sort Merge Join otimizado, B = 102 páginas no buffer
Custo = 45 segundos
Hash Join Fase do particionamento
Utiliza função hash para particionar R e S em k partições Fase de junção
Supondo que cada partição i da relação menor S cabe na memória
Carrega-se cada partição i de S na memória Reserva-se uma página para a partição i da relação R Para cada tupla t da partição i de R varre-se toda a
partição correspondente de S. Sabe-se que as tuplas que casam com t só podem estar nesta partição i de S.
Fase do Particionamento de R e S
Buffer tem capacidade para B páginas,onde B – 1 = número k de partições
Página de R
Relações R e S
DiscoDisco
Relação R particionada
Pt 1 Pt 2 Pt 3 Pt 6Pt 5Pt 4
DistribuiUsando hash h
Fase da Junção de R e S
Buffer tem capacidade para B páginas,onde B – 2 = tamanho da partição da relação menor
Página da partição n de R
Relações R e Sparticionadas
DiscoDisco
SRelação R
Partição n de S (inteira)
SPágina de R
Algoritmo Hash JoinRotina Particiona(R,k)
% R = tabela, k = número de partições
Para cada página P da tabela R faça begin Leia P; Para cada tupla r em P faça begin i : = h(r(A)); insere r na página Ki do buffer pool; Se página Ki está cheia então grava Ki em disco e libera espaço no
buffer correspondente a Ki; end end
Para cada i=1,2,...,k faça begin Partição Pi = conjunto das páginas (em sequência) gravadas em
disco correspondentes ao espaço Ki do buffer pool end
Algoritmo Hash JoinRotina Junta(P1,…Pk,P’1,…,P’k)% (P1,...,Pk = partições de R; P’1, ..., P’k = partições de S)
Para cada i = 1, ...,k faça begin
carrega partição Pi de R no buffer pool (supomos que cada partição da relação menor (R) caiba no buffer pool);Para cada página P da partição P'i de S faça begin Para cada tupla s de P faça begin Para cada r na partição Pi de R tal que r(A) = s(A) faça insere <r,s> em Result end end end
Custo do Hash Join R = M S = N Fase do Particionamento = 2(M + N) Fase da Junção = M + N Custo Total = 3(M+N)
Requisitos de memória K = número de partições M = tamanho da relação menor N = tamanho da relação maior B = número de páginas no buffer Fase de particionamento: n. de partições = K = B - 1 Tamanho de cada partição da relação menor =
M/K = M/(B-1) Fase da Junção : B ≥ M/(B-1) + 2 B > M
ExemploM = 500N = 1000B > 500 ~ 25 páginasCusto Hash = 3(1500) = 4500Custo de Sort-Merge = 3(1500) caso B > 2 + 1 ~ 65 páginas 25 ≤ B ≤ 65: Hash Join é melhor B ≥ 65 : Hash e Sort-Merge têm os mesmos custos Quanto maior for a diferença entre o tamanho das
relações, maior a vantagem do Hash Join sobre o Sort-Merge, pois necessita de menos espaço no buffer para ter o custo mínimo de 3(M+N).
1000
Conclusão NLJ - t/t = 140 horas NLJ - p/p = 1 hora e 24 min BNL Join com B = 102 páginas no buffer = 1 min INL Join com índice agrupado na relação maior = 15 min INL Join com índice ñ agrupado na rel. maior = 25 min Sort Merge Join, B = 102 páginas no buffer = 1 min 30 s Sort Merge Join otimizado, B = 102 páginas no buffer
= 45 segundos Hash Join, B = 102 páginas no buffer = 45 segundos