Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Kapitel 7 Physische Datenorganisation Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume.

Ähnliche Präsentationen


Präsentation zum Thema: "Kapitel 7 Physische Datenorganisation Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume."—  Präsentation transkript:

1

2 Kapitel 7 Physische Datenorganisation Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume

3 DB2 Zertifizierungskurs Anmeldung bei Dr. Angelika Reiser Unter Aktuelles 2

4 3 Überblick: Speicherhierarchie Register (L1/L2/L3) Cache Hauptspeicher Plattenspeicher Archivspeicher

5 4 Überblick: Speicherhierarchie Register Cache Hauptspeicher Plattenspeicher Archivspeicher 1 – 8 Byte Compiler 8 – 128 Byte Cache-Controller 4 – 64 KB Betriebssystem Benutzer

6 5 Überblick: Speicherhierarchie 1-10ns Register ns Cache ns Hauptspeicher 10 ms Plattenspeicher sec Archivspeicher Zugriffslücke 10 5

7 6 Überblick: Speicherhierarchie 1-10ns Register ns Cache ns Hauptspeicher 10 ms Plattenspeicher sec Archivspeicher Zugriffslücke 10 5 Kopf (1min) Raum (10 min) München (1.5h) Pluto (2 Jahre) Andromeda (2000 Jahre)

8 7

9 8 Magnetplattenspeicher

10 rpm ~ 2,5 ms pro Umdreh. 1 TB Kapazität 50 MB/s Transferrate < 1$ / GB

11 10 Lesen von Daten von der Platte Seek Time: Arm positionieren 5ms Latenzzeit: ½ Plattenumdrehung (im Durchschnitt) Umdrehungen / Minute Ca 3ms Transfer von der Platte zum Hauptspeicher 100 Mb /s 15 MB/s

12 11 Random versus Chained IO 1000 Blöcke à 4KB sind zu lesen Random I/O Jedesmal Arm positionieren Jedesmal Latenzzeit 1000 * (5 ms + 3 ms) + Transferzeit von 4 MB > 8000 ms + 300ms 8s Chained IO Einmal positionieren, dann von der Platte kratzen 5 ms + 3ms + Transferzeit von 4 MB 8ms ms 1/3 s Also ist chained IO ein bis zwei Größenordnungen schneller als random IO in Datenbank-Algorithmen unbedingt beachten !

13 12 Disk Arrays RAID-Systeme

14 13

15 14 RAID 0: Striping Lastbalancierung wenn alle Blöcke mit gleicher Häufigkeit gelesen/geschrieben werden Doppelte Bandbreite beim sequentiellen Lesen der Datei bestehend aus den Blöcken ABCD... Aber: Datenverlust wird immer wahrscheinlicher, je mehr Platten man verwendet (Stripingbreite = Anzahl der Platten, hier 2) A C B D ABCD Datei

16 15 RAID 1: Spiegelung (mirroring) Datensicherheit: durch Redundanz aller Daten (Engl. mirror) Doppelter Speicherbedarf Lastbalancierung beim Lesen: z.B. kann Block A von der linken oder der rechten Platte gelesen werden Aber beim Schreiben müssen beide Kopien geschrieben werden Kann aber parallel geschehen Dauert also nicht doppelt so lange wie das Schreiben nur eines Blocks A C B D A C B D

17 16 Kombiniert RAID 0 und RAID 1 Immer noch doppelter Speicherbedarf Zusätzlich zu RAID 1 erzielt man hierbei auch eine höhere Bandbreite beim Lesen der gesamten Datei ABCD.... Wird manchmal auch als RAID 10 bezeichnet RAID 0+1: Striping und Spiegelung A C A C B D B D

18 17 RAID 2: Striping auf Bit-Ebene Anstatt ganzer Blöcke, wie bei RAID 0 und RAID 0+1, wird das Striping auf Bit- (oder Byte-) Ebene durchgeführt Es werden zusätzlich auf einer Platte noch Fehlererkennungs- und Korrekturcodes gespeichert In der Praxis nicht eingesetzt, da Platten sowieso schon Fehlererkennungscodes verwalten Datei

19 18 RAID 3: Striping auf Bit-Ebene, zusätzliche Platte für Paritätsinfo Das Striping wird auf Bit- (oder Byte-) Ebene durchgeführt Es wird auf einer Platte noch die Parität der anderen Platten gespeichert. Parität = bit-weise xor Dadurch ist der Ausfall einer Platte zu kompensieren Das Lesen eines Blocks erfordert den Zugriff auf alle Platten Verschwendung von Schreib/Leseköpfen Alle marschieren synchron Datei Parität

20 19 RAID 3: Plattenausfall Datei Parität Reparatur

21 20 RAID 4: Striping von Blöcken Bessere Lastbalancierung als bei RAID 3 Flaschenhals bildet die Paritätsplatte Bei jedem Schreiben muss darauf zugegriffen werden Bei Modifikation von Block A zu A wird die Parität P A-D wie folgt neu berechnet: P A-D := P A-D A A D.h. bei einer Änderung von Block A muss der alte Zustand von A und der alte Paritätsblock gelesen werden und der neue Paritätsblock und der neue Block A geschrieben werden AEBF CG DH P A-D P E-H

22 21 RAID 4: Striping von Blöcken Flaschenhals bildet die Paritätsplatte Bei jedem Schreiben muss darauf zugegriffen werden Bei Modifikation von Block A zu A wird die Parität P A-D wie folgt neu berechnet: P A-D := P A-D A A D.h. bei einer Änderung von Block A muss der alte Zustand von A und der alte Paritätsblock gelesen werden und der neue Paritätsblock und der neue Block A geschrieben werden Datei Paritäts block

23 22 RAID 5: Striping von Blöcken, Verteilung der Paritätsblöcke Bessere Lastbalancierung als bei RAID 4 die Paritätsplatte bildet jetzt keinen Flaschenhals mehr Wird in der Praxis häufig eingesetzt Guter Ausgleich zwischen Platzbedarf und Leistungsfähigkeit AEBF CG D HP A-D P E-H IMJ O LN K PP I-L P M-P

24 23 Lastbalancierung bei der Blockabbildung auf die Platten

25 24 Parallelität bei Lese/Schreib- Aufträgen

26 25 Bewertung der Parallelität bei RAID RAID 0 ? RAID 1 ? RAID 0+1 ? RAID 3 ? RAID 4 ? RAID 5 ?

27 26 verdrängen Hauptspeicher einlagern Platte ~ persistente DB Systempuffer-Verwaltung

28 27 Ein- und Auslagern von Seiten Systempuffer ist in Seitenrahmen gleicher Größe aufgeteilt Ein Rahmen kann eine Seite aufnehmen Überzählige Seiten werden auf die Platte ausgelagert Platte (swap device) Hauptspeicher 04K8K12K 28K 44K 60K 40K 48K 24K20K 16K 32K 36K 56K52K P480 P123 Seitenrahmen Seite

29 28 Adressierung von Tupeln auf dem Hintergrundspeicher

30 29 Verschiebung innerhalb einer Seite

31 30 Verschiebung von einer Seite auf eine andere Forward

32 31 Verschiebung von einer Seite auf eine andere Bei der nächsten Verschiebung wird der Forward auf Seite 4711 geändert (kein Forward auf Seite 4812)

33 Neue Entwicklungen Hauptspeicher-Datenbanksysteme Times Ten Transact in Memory Monet DB TREX von SAP Columns Store versus Row Store C-Store / Vertica Monet TREX 32

34 33

35 34 Überblick: Speicherhierarchie 1-10ns Register ns Cache ns Hauptspeicher 10 ms Plattenspeicher sec Archivspeicher Zugriffslücke 10 5

36 35

37 Row Store versus Column Store 36

38 Row Store versus Column Store 37

39 Anfragebearbeitung 38

40 Komprimierung 39

41 B-Bäume Balancierte Mehrwege-Suchbäume Für den Hintergrundspeicher

42 41

43 42

44 43

45 44

46 45

47 46

48 47 S.. Suchschlüssel D.. Weitere Daten V.. Verweise (SeitenNr)

49 48

50 49

51 50 Einfügen eines neuen Objekts (Datensatz) in einen B-Baum

52 51 Sukzessiver Aufbau eines B-Baums vom Grad k=

53 52 Sukzessiver Aufbau eines B-Baums vom Grad k=

54 53 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

55 54 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

56 55 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10

57 56 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10

58 57 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 1

59 58 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 1

60 59 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 1

61 60 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 1

62 61 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 2

63 62 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

64 63 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

65 64 Sukzessiver Aufbau eines B-Baums vom Grad k= ? 10 4

66 65 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

67 66 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

68 67 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

69 68 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

70 69 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

71 70 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

72 71 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

73 72 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

74 73 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

75 74 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

76 75 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

77 76 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

78 77 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

79 78 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

80 79 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

81 80 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

82 81 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

83 82 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

84 83 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

85 84 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

86 85 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

87 86 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

88 87 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

89 88 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

90 89 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

91 90 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

92 91 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

93 92 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

94 93 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

95 94

96 95 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

97 96 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

98 97 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

99 98 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

100 99 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

101 100 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

102 101 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

103 102 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

104 103 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

105 104 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

106 105 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

107 106 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

108 107 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

109 108 Sukzessiver Aufbau eines B-Baums vom Grad k= ? B-Baum mit Minimaler Speicherplatz- ausnutzung

110 109 Sukzessiver Aufbau eines B-Baums vom Grad k= ? B-Baum mit Minimaler Speicherplatz- ausnutzung

111 110

112 111 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

113 112 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

114 113 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

115 114 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Unterlauf

116 115 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Unterlauf

117 116 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

118 117 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

119 118 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Unterlauf

120 119 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

121 120 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

122 121 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Unterlauf

123 122 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

124 123 Sukzessiver Aufbau eines B-Baums vom Grad k= ? merge

125 124 Sukzessiver Aufbau eines B-Baums vom Grad k= ?

126 125 Sukzessiver Aufbau eines B-Baums vom Grad k= ? Schrumpfung, Freie Knoten

127 126 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 4 Speicherblock Nr 4

128 127 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 3 0 Datei 8 KB-Blöcke 0*8KB 1*8KB 2*8KB 3*8KB 4*8KB Block- Nummer

129 128 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 3 0 Datei 8 KB-Blöcke 0*8KB 1*8KB 2*8KB 3*8KB 4*8KB Block- Nummer

130 129 Speicherstruktur eines B-Baums auf dem Hintergrundspeicher 3 0 Datei 8 KB-Blöcke 0*8KB 1*8KB 2*8KB 3*8KB Freispeicher- Verwaltung 4*8KB Block- Nummer

131 130 Zusammenspiel: Hintergrundspeicher -- Hauptspeicher Hintergrundspeicher 4 4 Hauptspeicher- Puffer Zugriffslücke 10 5

132 131 B + -Baum Referenz- schlüssel Such- schlüssel

133 132

134 133

135 134 Mehrere Indexe auf denselben Objekten B-Baum Mit (PersNr, Daten) Einträgen Name, Alter, Gehalt... B-Baum Mit (Alter, ???) Einträgen Alter, PersNr

136 135 Mehrere Indexe auf denselben Objekten B-Baum Mit (PersNr, Daten) Einträgen Name, Alter, Gehalt... B-Baum Mit (Alter, ???) Einträgen Alter, PersNr Wer ist 20 ? 20, 007

137 136 Mehrere Indexe auf denselben Objekten B-Baum Mit (PersNr, Daten) Einträgen Name, Alter, Gehalt... B-Baum Mit (Alter, ???) Einträgen Alter, PersNr Wer ist 20 ? 20, ,Bond,20,...

138 137 Eine andere Möglichkeit: Referenzierung über Speicheradressen PersNr Alter 007,... 20, , Bond, 20,...

139 138 Realisierungstechnik für Hintergrundspeicher-Adressen Seiten / Blöcke (ca 8 KB)

140 139 Adressierung von Tupeln auf dem Hintergrundspeicher

141 140 Verschiebung innerhalb einer Seite

142 141 Verschiebung von einer Seite auf eine andere Forward

143 142 Verschiebung von einer Seite auf eine andere Bei der nächsten Verschiebung wird der Forward auf Seite 4711 geändert (kein Forward auf Seite 4812)

144 143 Statische Hashtabellen À priori Allokation des Speichers Nachträgliche Vergrößerung der Hashtabelle ist teuer Hashfunktion h(...) =... mod N Rehashing der Einträge h(...) =... mod M In Datenbankanwendungen viele GB Erweiterbares Hashing Zusätzliche Indirektion über ein Directory Ein zusätzlicher Zugriff auf ein Directory, das den Zeiger (Verweis, BlockNr) des Hash-Bucket enthält Dynamisches Wachsen (und Schrumpfen) ist möglich Der Zugriff auf das Directory erfolgt über einen binären Hashcode

145 144

146 145 Statisches Hashing

147 146

148 147 Hashfunktion für erweiterbares Hashing h: Schlüsselmenge {0,1}* Der Bitstring muss lang genug sein, um alle Objekte auf ihre Buckets abbilden zu können Anfangs wird nur ein (kurzer) Präfix des Hashwertes (Bitstrings) benötigt Wenn die Hashtabelle wächst wird aber sukzessive ein längerer Präfix benötigt Beispiel-Hashfunktion: gespiegelte binäre PersNr h(004) = (4= ) h(006) = (6= ) h(007) = (7 = ) h(013) = (13 = ) h(018) = (18 = ) h(032) = (32 = ) H(048) = (48 = )

149

150

151 150

152

153 Einfügen: 12 12=1100 h(12)=

154 Einfügen: 20 20=10100 h(20)= Overflow

155 154 h(12)= h(4) = h(20)=

156 155 h(12)= h(4) = h(20)=

157 156

158 157

159 158

160 159

161 160 Wertbasierter Zugriff auf der Grundlage mehrerer Attribute, dies einzeln oder in beliebigen Kombinationen. Typische Anforderungen aus CAD, VLSI-Entwurf, Kartographie,... Anfragen decken den Bereich ab zwischen mehrdimensionalem Punktzugriff (EMQ) und mehrdimensionalen Bereichsanfragen (RQ) Lösung mit eindimensionalen Indexen erfordert konjunktive Zerlegung der Anfrage in Einattributanfragen und Schnittmengenbildung bedingt hohe Speicherredundanz Problemstellung: Mehrdimensionale Nachbarschaftsverhältnisse Mehrdimensionale Datenstrukturen

162 161 Wertebereiche D 0,..., D k-1 : alle D i sind endlich, linear geordnet und besitzen kleinstes (- i ) und größtes ( i ) Element Datenraum D = D 0... D k-1 k-dimensionaler Schlüssel entspricht Punkt im Datenraum p D Grundlagen mehrdimensionaler Datenstrukturen

163 Exact Match Query spezifiziert Suchwert für jede Dimension D i 2. Partial Match Query spezifiziert Suchwert für einen Teil der Dimensionen 3. Range Query spezifiziert ein Suchintervall [ug i, og i ] für alle Dimensionen 4. Partial Range Query spezifiziert ein Suchintervall für einen Teil der Dimensionen Grundlagen mehrdimensionaler Datenstrukturen

164 163 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen Grid-File (Gitter-Datei): atomar, vollständig, disjunkt

165 164 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen K-D-B-Baum: atomar, vollständig, disjunkt

166 165 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen R + -Baum: atomar, disjunkt

167 166 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen R-Baum: atomar

168 167 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen Buddy-Hash-Baum: atomar, disjunkt

169 168 Mehrdimensionale Zugriffsstrukturen können gemäß der Art der Aufteilung des Datenraums in Gebiete charakterisiert werden: 1. nur atomare Gebiete (beschreibbar durch ein Rechteck) 2. vollständig (die Vereinigung aller Gebiete ergibt den gesamten Datenraum) 3. disjunkt (die Gebiete überlappen nicht) Charakterisierung mehrdimensionaler Datenstrukturen Z-B-Baum: vollständig,disjunkt

170 169 R-Baum: Urvater der baum-strukturierten mehrdimensionalen Zugriffsstrukturen

171 170 Gute versus schlechte Partitionierung

172 171 Nächste Phase in der Entstehungsgeschichte des R-Baums

173 172 Nächste Phase

174 173 Datenraum

175 174 Wachsen des Baums: nach oben – wie im B-Baum

176 175 Datenraum

177 176 Datenraum und Speicherstruktur – Überblick

178 177

179 178 Bereichsanfragen auf dem R-Baum

180 179

181 180 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum

182 181 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum

183 182 Indexierung räumlicher Objekte (anstatt Punkten) mit dem R-Baum

184 Bitmap-Indexe Optimierung durch Komprimierung der Bitmaps Ausnutzung der dünnen Besetzung Runlength-compression Grundidee: speichere jeweils die Länge der Nullfolgen zwischen zwei Einsen Mehrmodus-Komprimierung: bei langen Null/Einsfolgen speichere deren Länge Sonst speichere das Bitmuster

185 Beispiel-Anfrage und Auswertung

186 Bitmap-Operationen

187 Bitmap-Join-Index

188

189 B-Baum TID-V (i,II)(ii,I)(iii,II)(iv,II)(v,I)(vi,II)... B-Baum TID-K (I,i)(I,v)(II,i)(II,iii)(II,iv)(II,vi)...

190 B-Baum TID-V (i,II)(ii,I)(iii,II)(iv,II)(v,I)(vi,II)... B-Baum TID-K (I,i)(I,v)(II,i)(II,iii)(II,iv)(II,vi)...

191 B-Baum TID-V (i,II)(ii,I)(iii,II)(iv,II)(v,I)(vi,II)... Select k.* From Verkäufe v, Kunden k Where v.ProduktID = 5 And v.KundenNr = k.KundenNr 5 5

192 Select v.* From Verkäufe v, Kunden k Where k.KundenNr = 4711 and v.KundenNr = k.KundenNr B-Baum TID-K (I,i)(I,v)(II,i)(II,iii)(II,iv)(II,vi)...

193 192 Objektballung / Clustering logisch verwandter Daten

194 193

195 194

196 195

197 196 Unterstützung eines Anwendungsverhaltens Select Name From Professoren Where PersNr = 2136 Select Name From Professoren Where Gehalt >= and Gehalt <=

198 197 Indexe in SQL Create index SemsterInd on Studenten (Semester) drop index SemsterInd

199 198

200 199

201 200


Herunterladen ppt "Kapitel 7 Physische Datenorganisation Speicherhierarchie Hintergrundspeicher / RAID Speicherstrukturen B-Bäume Hashing R-Bäume."

Ähnliche Präsentationen


Google-Anzeigen