Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Julian Sommer Geändert vor über 9 Jahren
1
Gunnar Söllig, Stand 3. 1. 2006 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
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.