Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Gunnar Söllig, Stand 3. 1. 2006 Studienarbeit Umsetzung von nutzerdefinierten Indexstrukturen in ORDBMS am Beispiel eines Indexes für mehrdimensionale.

Ähnliche Präsentationen


Präsentation zum Thema: "Gunnar Söllig, Stand 3. 1. 2006 Studienarbeit Umsetzung von nutzerdefinierten Indexstrukturen in ORDBMS am Beispiel eines Indexes für mehrdimensionale."—  Präsentation transkript:

1 Gunnar Söllig, Stand Studienarbeit Umsetzung von nutzerdefinierten Indexstrukturen in ORDBMS am Beispiel eines Indexes für mehrdimensionale Datenstrukturen

2 2 Gliederung  Erweiterung ORDBMS Drei Ansätze  Multidimensionale Zugriffsverfahren Überblick Konkret: LSD h -Baum  Konzept dieser Implementation Relational Indexing mit IBM DB2

3 3 Erweiterung ORDBMS  Vorhanden: Nutzerdefinierte Datentypen, Prädikate Erweiterbare Indexing-Frameworks  Data cartridges, database extenders, data blades  Probleme: Effiziente Ausführungspläne gefordert Zugriffsmethode selbst nicht änderbar Engpässe bei Auslagerung  Ziel: Verwendbarkeit selbstdefinierter Indexe gleichwertig Standardindexen

4 4 Erweiterung ORDBMS  Deklaration CREATE TYPE t_obj AS OBJECT(…) CREATE TABLE my_objects(obj t_obj) CREATE INDEX custom_idx ON my_objects(obj)  Extensible Indexing index_create(), index_drop(), index_open() index_close(), index_insert(), …  Unterstützung Optimierer stats_collect(), predicate_select() index_cpu_cost(), index_io_cost()

5 5 Varianten  Integrierender Ansatz „hartverdrahtet“ im DB-Kern  Generischer Ansatz Generalized Search Tree (GiST)  Relationaler Ansatz Setzt auf SQL-Schicht auf

6 6 Integrative Approach  ACID-Prinzip gewährleisten  Unterscheidet Extending/Enhancing Approach  Vorteil: Höchste Performanz  Nachteile: Umfangreiche Implementation Fehleranfällig, plattformabhängig Praktisch nur durch Hersteller realisierbar

7 7 Generic Approach  Generalized Search Tree  Wird einmalig wie Integrative Approach implementiert  Bietet dann Framework für beliebige Indexe  Vorteil: Leichte Integration neuer Indexe  Nachteile: Schwierig zu implementieren Aktuell nur Forschungsprototypen

8 8 Relational Approach  Definition des Indexes mittels relationaler Anfragesprache  Unterliegt deren Beschränkungen, nicht in jedem Fall anwendbar  Geringer Implementierungsaufwand  Implementierungsunabhängig von tieferliegenden Schichten, plattformunabhängig  Trotzdem konkurrenzfähige Performanz

9 9 Schaubild Vergleich Entnommen aus: Hans-Peter Kriegel et al: The Paradigm of Relational Indexing: A Survey

10 10 Multidimensionale Zugriffsverfahren  Anwendungsfälle Medizin, CAD, Geographie, Molekularbiologie  Ähnlichkeitsmaß Keine generelle Definition möglich Oft L k -Metrik  Feature Transformation  Typische Anfragen Punktanfrage (identity query) Bereichsanfrage (range query) (k-)NN-Anfrage (epsilon/nn-query)

11 11 Klassifizierung Zugriffsstrukturen  Data partitioning vs. space partioning  Hash-basierte (ungeignet) Grid-File, Buddy-Tree  R-Baum-ähnliche R-Tree, R*-Tree, R + -Tree, X-Tree SS-Tree, SR-Tree TV-Tree  kd-Baum-basierte VAMSplit-R-Tree, LSD-Tree, speziell LSD h -Tree  Weitere Pyramid Tree Space Filling Curves

12 12 Genauer: LSD h -Tree (A. Henrich et al)  Ist definiert durch Vorgehen beim Splitting: Wähle Dimensionen der Reihe nach Überspringe dabei Dimensionen, in denen keine verschiedenen Datenwerte auftreten Modifikation bei hoher Dimensionszahl möglich Splitwert i.d.R. datenabhängig, z.B. arithmetisches Mittel  Ausgleichsverfahren ähnlich B-Baum- Varianten  Erweiterung mittels Coded Actual Data Regions (CADR)

13 13 CADR im LSD h -Tree  Zerlegung des gesamten Datenraumes einer Region in gleich große Hyperwürfel  Pro Dimension Speicherung des kleinsten und des größten Indexes besetzter Teilwürfel  Zusätzlicher Speicheraufwand 2*z*d Bit bei d Dimensionen und Auflösung z Entnommen aus: Christian Böhm et al: Searching in High-Dimensional Spaces – Index Structures for Improving the Performance of Multimedia Databases

14 14 k-NN-Suche im LSD h -Tree  Von der Wurzel ausgehend Bucket mit Startpunkt p der Suche ermitteln (Punktanfrage)  Dabei Speichern der nicht verfolgten Geschwisterknoten in einer NPQ (node priority queue), Sortierung gemäß Abstand zu p  k nächste Nachbarn aus Bucket mit p in die OPQ (object priority queue)  Solange sinnvoll, ersetze Elemente aus OPQ durch bessere aus Datenregion des NPQ-Kopfes (Abbau NPQ)

15 15 Relational Indexing mit DB2  Erweiterungsmöglichkeiten DB2 UDFs, Stored Procedures, user defined types Prädikate auf nutzerdefinierten Datentypen  Bsp. Interval-Tree: IntervalOverlap  Auf (selbstdefinierten) komplexen Datentypen ist kein Ordnungskriterium bekannt Indexframework definiert Schnittstellen zur Bereitstellung der fehlenden Funktionalität  Fragestellungen bei Erstellung und Nutzung des Indexes Änderungsoperationen bedingen Einfügen, Löschen von Schlüsseln Anfrageoperationen bewirken Indexscans

16 16 Änderungsoperationen Entnommen aus: Knut Stolze et al: DB2 Index Extensions by example and in detail

17 17 Key-Generator  Anbindung innerhalb der Indexdefinition  Beispiel CREATE INDEX EXTENSION interval_tree FROM SOURCE KEY (i interval) GENERATE KEY USING IntervalKeyGen (i..start, i..stop)

18 18 Indexabfrage Entnommen aus: Knut Stolze et al: DB2 Index Extensions by example and in detail

19 19 Nutzerdefinierte Prädikate  Für welche Prädikate einer WHERE-Klausel kann der Index sinnvoll eingesetzt werden? Information mittels PREDICATES-Klausel in Prädikatdefinition  Beispiel CREATE FUNCTION IntervalOverlap (i1 interval, i2 interval) … PREDICATES ( WHEN = 1 SEARCH BY EXACT INDEX EXTENSION interval_tree WHEN KEY(i1) use USE overlaps(i2) WHEN KEY(i2) use USE overlaps(i1) )

20 20 Range Producer/Index Filter  Range-Producer: user defined funtion, liefert TABLE (rangestart INTEGER, rangeStop INTEGER)  Index Filter: für weitere Filterung des gefundenen Range kann noch eine UDF definiert werden (wiederum mit einer PREDICATES-Klausel)

21 21 Implementation LSD h -Baum  Ausgeglichener binärer Baum mit Pre- order-Numerierung der Knoten als virtueller Backbone-Tree (vgl. Interval- Tree)  Problem: Splitting/Ausgleichen  Lösungsansätze: Extra Datenstruktur zur Speicherung des Baumstatus, Berechnung des Schlüsselwertes vorgelagert in Insert-Routine Betroffene Datensätze mittels Delete- und Insert-Operationen verschieben


Herunterladen ppt "Gunnar Söllig, Stand 3. 1. 2006 Studienarbeit Umsetzung von nutzerdefinierten Indexstrukturen in ORDBMS am Beispiel eines Indexes für mehrdimensionale."

Ähnliche Präsentationen


Google-Anzeigen