Grid Files – Martin HaseneyerFolie 1/ 51 – Siegmundsburg Grid Files Daten hinter Gittern? Eine dynamische Datenstruktur mit mehrdimensionalen Zugriffspfaden Seminar im Sommersemester 2005 Dozent:Prof. Dr. Klaus Küspert Betreuer:Dipl.-Inf. David Wiese
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 2/51 – Siegmundsburg Ein Einstieg in das Thema Data Warehousing: oft… riesige Datenmengen (GB und mehr) hohe Aggregation hohe Selektivität (gesucht oft „nur“ im Bereich MB/KB) d.h., wenn wir einen Table Scan auf die Daten laufen lassen, haben wir genug Zeit, um richtig viel Kaffee zu kochen Eine effiziente Datenstruktur muss hierbei helfen.
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 3/ 51 – Siegmundsburg 1. Eigenschaften oder: kleine Wunschliste an eine Datenstruktur
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 4/51 – Siegmundsburg 1. Eigenschaften (I): Prinzip der zwei Zugriffe Prinzip der zwei Plattenzugriffe für exakte Anfragen (point queries) bei Anfragen nach Ergebnismengen: erster Datensatz nach zwei Zugriffen egal, wie die Verteilung der Datensätze aussieht egal, wieviele Operationen vorher durchgeführt wurden egal, wieviele Datensätze momentan gespeichert sind
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 5/51 – Siegmundsburg 1. Eigenschaften (II): Lokalitätsprinzip Benachbarte Punkte im Datenraum sollen auch physisch benachbart gespeichert werden (möglichst ~) einfacher Zugriff auf „ähnliche“ Daten auf der Platte Nearest-Neighbor-Abfragen Diese beiden Prinzipien werden selten erfolgreich umgesetzt.
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 6/51 – Siegmundsburg 1. Eigenschaften (III): Effizienzgesichtspunkte Beim Teilen oder Verschmelzen von Zellen sollen nur zwei Speichereinheiten („Buckets“) betroffen sein Durchschnittliche Speicherplatz- Ausnutzung (der „Buckets“) soll über einer „vernünftigen“ Grenze liegen (in der Regel bei ca. 70%)
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 7/51 – Siegmundsburg 1. Eigenschaften (IV): Dynamik, Symmetrie dynamische Anpassung beim Einfügen und Löschen Symmetrische Behandlung aller Dimensionen des Datenraums alle Attribute wie Primärschlüssel behandelt, es gibt keine Hierarchie Multikey-Access: es kann nicht „nur einen geben“ ermöglicht partial-match-Anfragen Mehrdimensionalität
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 8/ 51 – Siegmundsburg 2. Aufbau oder: stecken Sie Array A in Liste E, um eine Datenstruktur zu erhalten
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 9/51 – Siegmundsburg 2. Aufbau (I): Modellierung der Datensätze Datensätze als Datenpunkte im Raum auf jeder Dimension ein Punkt alle Dimensionspunkte: „Ort“ des Datensatzes im Datenraum
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 10/51 – Siegmundsburg 2. Aufbau (II): Übersicht über Grid File-Strukturen Buckets zur Speicherung der Daten Grid Directory, bestehend aus: Skalenvektoren Grid-Directory mit Grid-Zellen (teilweise zu Regionen zusammengefasst)
Grid Files – Martin HaseneyerFolie 11/ 51 – Siegmundsburg 2.1. Buckets (Speicherseiten) Speichereinheit für Datensätze Menge von Datensätzen (oder besser: Zeigern auf Datensätze), die zusammen auf einer physikalischen Einheit gespeichert werden z.B. bei b = 3: Es passen bis zu drei Datenpointer in einen Bucket, sonst „läuft er über“ typischerweise auf Externspeicher
Grid Files – Martin HaseneyerFolie 12/ 51 – Siegmundsburg 2.2. Grid-Directory (I): Skalenvektoren „Verwaltung der Verwaltung“ für jede Dimension von D ein Vektor lineare Ordnung entlang der Dimension in Intervalle unterteilt skalieren Dimension auf Grid-Zellen typischerweise im Hauptspeicher (Prinzip der zwei Plattenzugriffe!)
Grid Files – Martin HaseneyerFolie 13/ 51 – Siegmundsburg 2.2. Grid-Directory (II): Grid Such- und Verwaltungseinheit typischerweise auf Externspeicher besteht aus: Grid-Zellen: Hyperquader, die den Datenraum ausfüllen (konvex, paarweise disjunkt) Grid-Regionen: Zusammenfassung von Grid-Zellen, die genau einem Bucket zugeordnet sind (konvex, paarweise disjunkt)
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 14/51 – Siegmundsburg 2. (VI) Aufbau: Regionen, Buddy-System Buddy- oder Zwillingszellen: Zellen, die aus der Teilung einer vorhergehenden Zelle entstehen Teilmenge der Nachbarzellen
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 15/51 – Siegmundsburg 2. (VII) Aufbau: Das kommt davon…
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 16/51 – Siegmundsburg 2. Aufbau (VI): Beziehungen zwischen Komponenten Beziehung Region – Zelle: 1:n Beziehung Region – Bucket: 1:1
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 17/51 – Siegmundsburg Buckets Grid Directory 2. Aufbau (VII): Zusammenfassung Grid File
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 18/ 51 – Siegmundsburg 3. Dynamisches Verhalten oder: Pressen, da geht noch was!
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 19/51 – Siegmundsburg 3. Dynamisches Verhalten (I): Überblick Was soll möglichst (kosten)günstig gehen? Datensätze einfügen Datensätze suchen Datensätze wieder löschen dazu brauchen wir als Grundlage: Teilen von Grid-Zellen Verschmelzen von Grid-Zellen …möglichst ohne sichtbare Pausen aufgrund „plötzlicher“ interner Verwaltungsroutinen
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 20/51 – Siegmundsburg 3.1. Suchen (I): Beispiel Finde Datensatz (Q;68) Suchvorgang Intervallgrenzen Intervallnummern Daten(raum)
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 21/51 – Siegmundsburg 3.1. Suchen (II): Algorithmus bestimme für jede Dimension, in welchem Intervall (der Dimension) der gesuchte Wert ist bestimme aus Intervallen die gesuchte Grid-Zelle lade Directory-Teil, der Zelle(n) enthält lese Verweis auf Bucket(s) aus Grid- Zelle(n) lade Bucket(s) durchsuche die gefundenen Werte liefere Ergebnis zurück 1. Plattenzugriff 2. Plattenzugriff
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 22/51 – Siegmundsburg 3.2. Einfügen (I): Beispiel Beispiel für: Datenraum D (1..100; A..Z) Bucketgröße b = 3 Bucket-Überlauf!
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 23/51 – Siegmundsburg 3.2. Einfügen (II): Algorithmus Schritt 1: Zuordnung zur Grid-Zelle finde Bucket, in den der Wert gespeichert werden soll wie Suche… speichere Wert in Bucket
Grid Files – Martin HaseneyerFolie 24/ 51 – Siegmundsburg 3.2. Einfügen (III): Algorithmus (Fortsetzung) Schritt 2: Läuft der Bucket über? Ja: dann erstelle neuen, leeren Bucket Wird „alter“ Bucket mehrfach referenziert? Ja (Fall A): dann… Verbiege Zeiger der beiden Zellen auf die beiden Buckets Verteile die Werte aus Bucket (und den neuen) gemäß der Zellgrenzen auf die beiden Buckets Nein (Fall B): dann… Wähle Dimension und Trennwert teile die Zellen in der Dimension entlang des Wertes; geteilte Zellen zeigen auf denselben Bucket Auslöserzelle: Fall A Nein: füge den Wert in den Bucket ein Fall B Fall A
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 25/51 – Siegmundsburg 3.3. Löschen (I): Beispiel Beispiel für: Datenraum D (1..100; A..Z) Bucketgröße b = 3 Bucket-Unterlauf!
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 26/51 – Siegmundsburg 3.3. Löschen (II): Algorithmus finde Wert in Bucket lösche Wert bestimme Merging-Kandidaten würde verschmolzener Bucket über Auslastungs-Schwelle liegen? ja: Buckets verschmelzen, Zeiger umbiegen ggf. Test ob man Intervall auf der Dimension verschmelzen kann korrespondierende Zellen der Teilintervalle verweisen auf jeweils dieselben Buckets? Ja: Intervallverschmelzung
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 27/ 51 – Siegmundsburg 4. Implementierung oder: Wie kriegen wir das jetzt hin?
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 28/51 – Siegmundsburg 4. Implementierung (I) Zwei Fragen der Implementierung: Wie läßt sich das Grid Directory möglichst „gut“ abspeichern? Wo wird getrennt, wenn Zellen oder Dimensionen geteilt werden sollen?
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 29/51 – Siegmundsburg 4. Implementierung (II): Speichern des GD (I) Als Array? +direkter, wahlfreier Zugriff auf die Elemente möglich (random access) -hoher Aufwand beim Teilen und Verschmelzen „in der Mitte“ (umkopieren)
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 30/51 – Siegmundsburg 4. Implementierung (III): Speichern des GD (II) Als verkettete Liste? +Teilen/Verschmelzen von Zellen einfach, nur Umbiegen der Zeiger und Einfügen von Elementen -kein direkter Zugriff auf Elemente, nur Durchlaufen der Liste möglich
Grid Files – Martin HaseneyerFolie 31/ 51 – Siegmundsburg 4. Implementierung (IV): Speichern des GD (III) Mögliche Methode: Array-Größe über kleinstes Intervall bestimmen falls Min-Intervall geteilt wird: Array-Größe verdoppeln genug Raum um Teilungen an anderer Stelle zu kompensieren ggf. hoher Speicherplatzbedarf (besonders bei schiefen Verteilungen) viele kleine Teilungen zu einer großen Teilung zusammengefaßt Ist die Einfüge-/Lösch-Laufzeit für Data Warehousing überhaupt wichtig?
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 32/51 – Siegmundsburg 4. Implementierung (V): Wo teilen? (I) In welcher Dimension wird geteilt? Wo genau wird dann geteilt? Müssen wir eine Dimension teilen? Oder reicht es, einen Bucket aufzusplitten? gerade bei großen Directories und schiefen Verteilungen zeigen große Regionen auf ein und denselben Bucket
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 33/51 – Siegmundsburg 4. Implementierung (VI): Wo teilen? (II) Aber bei Teilung viele Möglichkeiten, eine Dimension auszuwählen: zyklisch durchlaufend Bevorzugung von Attributen genauere Auflösung der Ergebnisse (z.B. werden unterschiedliche Granulate bei Abfragen erwartet) … Ein bestimmtes Verfahren ist nicht vorgesehen. Vielfältige Optimierungsmöglichkeiten für den Administrator Performance, Performance, Performance!
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 34/51 – Siegmundsburg 4. Implementierung (VII): Wo teilen? (III) Wo teilt man Zellen/Intervalle? Intervall halbieren Mittelwert der Intervallwerte Nach Einheiten (z.B. Zeitachsen-Split immer zur ganzen Woche usw.) … Auch hier kein bestimmtes Verfahren vorgesehen. Optimierungspotenzial begrenzt; aber: ggf. Performance-Einbußen bei ungünstiger Verteilung der Daten, z.B. A1: a, d, d, d, f, s, v A2: 0, 5, 5, 5, 7, 9
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 35/ 51 – Siegmundsburg 5. Relevanz für Data Warehousing oder: Wozu erzählt uns der Onkel das überhaupt?
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 36/51 – Siegmundsburg 5. Relevanz für Data Warehousing (I) Anfangsszenario: zig GB Daten, teilweise hohe Selektivität wichtig ist Geschwindigkeit der Verarbeitung Vorgehen: oft „BULK INSERT“, dann nur „SELECT“-Abfragen Prinzip der zwei Zugriffe ideal ermöglicht einfache und schnelle Mehr- Komponenten-Anfragen über verschiedene Dimensionen („Scheiben schneiden“) Bereichanfragen (partial range), partial match-Anfragen problemlos möglich
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 37/51 – Siegmundsburg 5. Relevanz für Data Warehousing (II)
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 38/ 51 – Siegmundsburg 6. Erweiterungen oder: Warum denn nicht gleich so?
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 39/51 – Siegmundsburg 6.1. Grid Grids, hierarchische Grid Files, … viele Namen für ein Prinzip: ein kleines Grid verwaltet das/die großen Grids Persistent Grid File Hierarchical Grid File
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 40/51 – Siegmundsburg 6.2. Interpolationsbasiertes Grid File (I): Motivation Dimensionsverfeinerung: Grid benötigt eigentlich nur eine neue Zelle es wird aber die ganze Dimension geteilt Buckets bleiben, aber Directory wächst besonders bei schiefen Verteilungen: viele leere Zellen
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 41/51 – Siegmundsburg 6.2. Interpolationsbasiertes Grid File (II): Hintergrund Zellen unterschiedlicher Größe (statt „Scheiben schneiden“) nur ein Directory-Eintrag pro Bucket Idee: zerteile Datenraum in Hierarchie jede Zelle angesprochen über Zell- und Ebenennummer Teilung in der Zellmitte Binärzellen
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 42/51 – Siegmundsburg 6.2. Interpolationsbasiertes Grid-File (III): Aufteilung
Grid Files – Martin HaseneyerFolie 43/ 51 – Siegmundsburg 6.2. Interpolationsbasiertes Grid-File (IV): Aufteilung mehrere Hierarchieebenen verwendet: Binärzellen verschiedener Größe bessere Anpassung an ungleichförmige Datenverteilung im Datenraum Grid Directory als Baum 1,2 3,3 7,415,4
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 44/ 51 – Siegmundsburg 7. Fazit oder: Das Buffet wird in O(n) eröffnet.
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 45/51 – Siegmundsburg 7. Fazit (I): Vergleich – Überlappungsverfahren Verfahren mit überlappenden Regionen (z.B. R-Baum): Suchen ineffizient Grid File: sehr effizient (Prinzip der zwei Plattenzugriffe) gute Speicherausnutzung Grid File: Buckets gut, Grid Directory weniger gut geringer Wartungsaufwand Grid File: geringer Wartungsaufwand Grid Files sind bei Suche schneller, brauchen aber ggf. mehr Speicher
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 46/51 – Siegmundsburg 7. Fazit (II): Vergleich – Objektaufteilungsverfahren Verfahren, die Objekte aufteilen (z.B. R + -Baum, Zellbaum) und redundant in mehreren Zellen speichern: Suche effizient Grid File: auch effizient schlechte Speicherplatzausnutzung Grid File: Buckets relativ gut, Grid Directory weniger gut Probleme bei der Wartung Grid File: relativ geringer Wartungsaufwand Grid Files sind wartungsfreundlicher
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 47/51 – Siegmundsburg 7. Fazit (III): Prinzipien Prinzip der 2 Plattenzugriffe gewahrt Lokalitätsprinzip auch gewahrt schön, da selten
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 48/51 – Siegmundsburg 7. Fazit (IV): Überblick Nutzung der Datenstrukturen für punktförmige Objekte (Datenobjekte zu Punkten transformiert und abgebildet) symmetrische, anpassbare Datenstruktur für multiple Schlüssel schneller Zugriff, effiziente Bereichsanfragen Wartung einfach möglich, Speicherausnutzung gut
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 49/51 – Siegmundsburg 7. Fazit (V): Probleme Speichernutzung/Stabilität bei ungünstigen Datenverteilungen (Wachstum des Directorys) zusätzliche Indirektion TIDs in Buckets gespeichert viel Platz im Bucket viele TIDs viele Daten zu lesen langsam (besonders für Primärschlüsselzugriff) Ansatzpunkt der/für Erweiterungen
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 50/51 – Siegmundsburg Quellen, Bildnachweis Nievergelt, J.; Hinterberger, H.; Sevcik, K.: „The Grid File: An Adaptable, Symmetric Multikey File Structure“. TODS, 9(1): Härder, T.; Rahm, E.: „Datenbanksysteme: Konzepte und Techniken der Implementierung“. Springer Verlag Saake, G; Heuer, A.: „Datenbanken: Implementierungstechniken“. MITP-Verlag Lehner, W.: „Datenbanktechnologie für Data- Warehouse-Systeme. Konzepte und Methoden“. dpunkt.verlag, Heidelberg Leser, U.: „Data Warehousing“ (WWW)WWW Zabala, S.: „Mehrdimensionale Indexstrukturen“ (Text/Folien)TextFolien Apell, M.: „The Grid File“ (Text/Folien)TextFolien Bilder teilweise an diese Werke angelehnt
1.Eigenschaften 2.Aufbau 1.Buckets 2.Grid Directory 3.Dynamisches Verhalten 1.Suchen 2.Einfügen 3.Löschen 4.Implementierung 5.Relevanz für Data Warehousing 6.Erweiterungen 1.Grid Grids 2.Interpolations- basiertes Grid File 7.Fazit Agenda Grid Files – Martin HaseneyerFolie 51/51 – Siegmundsburg Danke, dass Sie noch wach sind. Sie können nun Fragen stellen. Oder Merchandise-Artikel kaufen.