Aufbau semantischer Caches und Anfrageverarbeitung Seminar Semantic Caching 1/12 Kathleen Hänsch23.11.2004.

Slides:



Advertisements
Ähnliche Präsentationen
RDF-Anwendungen: CC/PP
Advertisements

Partitionierungstechniken in Datenbanksystemen
Seminar Service Aspects in ad-hoc and P2P networks Database functionality in P2P-networks von Thorsten Weiberg.
Datenbanken Einführung.
Universität Rostock Fakultät für Informatik und Elektrotechnik Institut für Informatik, Lehrstuhl DBIS Albert-Einstein-Straße 21, D Rostock Putbus,
Die Definitionsphase -Objektorientierte Analyse - Das statische Modell
Konzeptbasierte Anfrageverarbeitung in Mediatorsystemen
Inhaltlich orientierter Zugriff auf unstrukturierte Daten
Seminar Autonome Systeme THEMA Ggf. Unterthema HAW Hamburg, SoSe 2011, Vorname Nachname Bild 1 zum THEMABild 2 zum THEMA.
Fuzzy-Logik und unscharfe Mengen
Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme
Datenmodelle, Datenbanksprachen und Datenbankmanagementsysteme
IS: Datenbanken, © Till Hänisch 2000 CREATE TABLE Syntax: CREATE TABLE name ( coldef [, coldef] [, tableconstraints] ) coldef := name type [länge], [[NOT]NULL],
Vorlesung: Betriebssysteme © 2002 Prof. Dr. G. Hellberg 1 Studiengang Informatik FHDW Vorlesung Betriebssysteme 1. Quartal 2002.
© 2002 Prof. Dr. G. Hellberg 1 XML-Seminar XML-Technologie: XML in Theorie und Praxis Prof. Dr. G. Hellberg XML-Technologie: XML in Theorie und Praxis.
Prof. Dr. T. Kudraß1 Relationenkalkül. Prof. Dr. T. Kudraß2 Relationenkalkül Zwei Ausprägungen: Tupelrelationenkalkül (TRK) und Domänenrelationenkalkül.
MMQL – Multimedia Query Language Eine Anfragesprache für Multimedia-Ähnlichkeitsanfragen Christian Mantei.
Übung Datenbanksysteme SQL-Anfragen (2)
Seminar: Verteilte Datenbanken
Was sind Histogramme? (1)
Christian Gebhardt Berlin,
Datenmanagement in Sensornetzen PRESTO - Feedback gesteuertes Datenmanagement - SS 2007 Sören Wenzlaff.
Kombination von AOP und FOP Ein Vortrag für das Seminar erweiterte Programmiertechniken von Samuel Simeonov im Sommersemester 2007.
AWI externer WWW-Server interner WWW-Server Ausgangssituation www.
Beispielrelation Buchbestellungen H = Menge der bedeutenden Ziele = {a, d} Schwelle T = 4 Stichprobe S = {a, b, a, a, a, a} mit s = |S| = 6 N = Anzahl.
Datenbankentwurfsprozess
3.5.2 Fremdschlüssel/ Referentielle Integrität (1/9)
1 Klassen (1) Eine Klasse beschreibt eine Menge von Objekten mit gemeinsamer Struktur gemeinsamem Verhalten gemeinsamen Beziehungen gemeinsamer Semantik.
RDF-S3 und eRQL: RDF-Technologien für Informationsportale Karsten Tolle und Fabian Wleklinski.
Machine Learning Decision Trees (2).
DGG Tagung 2006 Seite: 1 S. Dümmong, C. Vanelle und D. Gajewski: CRS Stack - eine alternative Implementation? Common Reflection Surface Stack – eine alternative.
Autoren: Ingo Paenke, Bernhard Sendhoff, Jon Rowe,
Datenbank.
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
GIS - Seminar Wintersemester 2000/2001
Vorlesung #2 Datenbankentwurf
SS 2009 – IBB4C Datenmanagement Fr 15:15 – 16:45 R Vorlesung #2 Datenbankentwurf.
SS 2010 – IBB4C Datenmanagement Fr 15:15 – 16:45 R Vorlesung #2 Datenbankentwurf.
WS 2011/12 Datenbanksysteme Mi 15:15 – 16:45 R Vorlesung #9 Physische Datenorganisation.
WS 2011/12 Datenbanksysteme Fr 15:15 – 16:45 R Vorlesung #8 Anfragebearbeitung.
SS 2004 Datenbanken 4W Mi 13:30 – 15:00 G 2.30 Vorlesung #5 Relationale Anfragesprachen.
WS 2012/13 Datenbanksysteme Fr 15:15 – 16:45 R Vorlesung #9 Anfragebearbeitung.
WS 2007/08 Datenbanksysteme Mi 17:00 – 18:30 R Vorlesung #9 Anfragebearbeitung (Teil 1)
Replikation und Synchronisation
00:13 Matthias Ansorg FH Gießen-Friedberg1 / 24 Multidimensionale Datenstrukturen - semantische und logische Modellierung Teilvortrag: logische Modellierung.
Voll funktionale Abhängigkeiten (4)
WS 2013/14 Datenbanksysteme Do 17:00 – 18:30 R Vorlesung #9 Anfragebearbeitung.
Studentisches Seminar Rhetorik des Schreibens Teil 2 Das kleinste URF (URFA6L), ein Reading Frame aus 207 Nukle-otiden (Nt), wurde als das tierische Äquivalent.
Eike Schallehn, Martin Endig
WS 2004/2005 Datenbanken II - 5W Mi 17:00 – 18:30 G 3.18 Vorlesung #3 Anfragebearbeitung (Teil 1)
Grundlagen des Relationenmodells
XML-Datenbanken Weiterentwicklung eines Prototypen zur nativen Speicherung von XML-Dokumenten Georg Kiekel
SS 2014 – IBB4C Datenmanagement Do 17:00 – 18:30 R Vorlesung #2 Datenbankentwurf.
BRÜCKENSEMESTER Kursthema: Frontend-Entwicklung für Webapplikationen M.Sc. Anna Prenzel, Sebastian Otto.
Algebraische Optimierung (1)
1 Syntaktische Grundform selectA 1, A 2, …, A n fromR 1, R 2, …, R m wherebedingung w ;
Niko Zenker1 Besondere Aspekte in Multimedia-Datenbanken Methoden zur iterativen Anfrageverfeinerung (Relevanz Feedback)
Seminar Ingenieurdatenbanken WS 04/05 Dr. Schallehn, Prof. Paul, Dipl.-Inf. Fröhlich {eike | paul | iti.cs.uni-magdeburg.de.
Distributed Database Systems Parallele Datenbanksysteme von Stefan Schneider.
Studentisches Seminar Rhetorik des Schreibens Teil 1.
Semantic Markup für Zwecke der Langzeitarchivierung in digitalen Bibliotheken Neubiberg,
CL Tree MW 31.1 Business Intelligence Wintersemester 2015 / 2016 Stanislav Prokupetz.
Aufbau und Vorgangsweise
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Die Erörterung.
Igor Vaynerman ISMOD-V ÜbungSS061 ISMOD-V Übung 3 Igor Vaynerman 8 Juni 2006.
Seminararbeit im Studiengang „Scientific Programming“ Konzeption eines nativen Webserver-Moduls zur hochperformanten Auslieferung dynamisch generierter.
Diskrete Mathematik II
Vorlesung #2 Datenbankentwurf
Studiengang Informatik FHDW
 Präsentation transkript:

Aufbau semantischer Caches und Anfrageverarbeitung Seminar Semantic Caching 1/12 Kathleen Hänsch

Gliederung ○Einleitung ○Aufbau semantischer Caches ○Anfrageverarbeitung ○Zusammenfassung und Ausblick 2/12 Kathleen Hänsch

Semantische Caches ○Semantische Caches: lokal gecachte Ergebnisse gestellter Anfragen ○einige Vorteile: ○Optimierung von Anfragen ○Datensicherheit ○Toleranz von Ausfällen ○bessere Speicherausnutzung 3/12 Kathleen Hänsch

Modell für das Clustering ○Modell für den semantischen Cache: semantisches Segment S: 4/12 Kathleen Hänsch S R … BasisrelationS P … Eingrenzungskriterium S A … AttributmengeS C … Inhalt ○Zusammenfassung von Segmenten zu Cluster ○Modell für den Cluster C: C ID … IDC TS … ZeitstempelC SEQ … Queue

Cache Verwaltung mit Clustering 5/12 Kathleen Hänsch Cluster c 49 1 Query Q Cluster c Cluster c Cluster c Cluster d 59 1 Query Q Cluster c Query Q durch ein Segment beantwortbar Ein Segment wird leer Q durch Segmente aus zwei Clustern beantwortbar 1

Cache Partitionierung ○große Cache Fragmente werden in kleinere unterteilt ○logische und physische Cache Partitionierung ○Problem: „Über-Partitionierung“ 6/12 Kathleen Hänsch

Beispiel für Cache Partitionierung 7/12 Kathleen Hänsch Cache (physische Partitionierung) Zeit t 0 Cache (logische Partitionierung) C0C0 C0C0 C0C0 C0C0 Cache (physische Partitionierung) Zeit t 1 Cache (logische Partitionierung) C1C1 C1C1 C0C0 C0C0 C2C2 C3C3 C2C2 C3C3 C1C1 C2C2 C3C3 Cache (physische Partitionierung) Zeit t 2 Cache (logische Partitionierung) C1C1 C1C1 C0C0 C0C0 C2C2 C4C4 C2C2 C4C4 C1C1 C2C2 C3C3 C5C5 C6C6 C5C5 C6C6 C4C4 C5C5 C6C6

Anfrageverarbeitung ○Prädikat-basierte Beschreibung des Cache-Inhalt (Verwendung semantischer Segmente) ○Nur Selektions-, Projektions- und Join-Prädikate zulässig ○Beschreibung einer Anfragen entspricht dem eines semantischen Segments Q: 8/12 Kathleen Hänsch Q R … BasisrelationQ P … Eingrenzungskriterium Q A … AttributmengeQ C … Inhalt

Antwort einer Anfrage im Cache? ○Ist Q : durch S: beantwortbar? ○Q durch S vollständig beantwortbar, wenn: S R = Q R, Q A  S A, Q PA  S A und Q P  S P erfüllbar (Q PA : Menge der Attribute aus Q P ) ○Q durch S beantwortbar, wenn gilt: 1.S R = Q R, Q A  S A, Q PA  S A und Q P  S P erfüllbar oder 2.S R = Q R, S A  Q A, Q PA  S A und Q P  S P erfüllbar oder 3.S R = Q R, S A  Q A, Q PA  S A und Q P  S P erfüllbar 9/12 Kathleen Hänsch

Anfrageverarbeitung (1) ○S beinhaltet alle Schlüsselattribute von S R (K A ) und Q PA  S A ○Teilung von Q in eine „Probe Query“ (PR) und „Remainder Query“ (RQ) ○Fall 1: Q nicht durch S beantwortbar PR = NULL RQ = Q =  QA  QP (Q R1  …  Q Rn ) ○Fall 2: Q vollständig durch S beantwortbar PR = Q =  QA  QP (S C ) RQ = NULL 10/12 Kathleen Hänsch Cache Query Cache Query

Anfrageverarbeitung (1) ○Fall 3: Q wird durch S horizontal partitioniert PR =  QA  KA  QP (S C ) RQ =  QA  KA  QP  SP (Q R1  …  Q Rn ) ○Fall 4: Q wird durch S vertikal partitioniert PR =  (QA  SA)  KA  QP (S C ) RQ =  (QA  SA)  KA  QP (Q R1  …  Q Rn ) ○Fall 5: Q wird durch S vertikal und horizontal partitioniert: Rückführung auf Fall 3 und 4 11/12 Kathleen Hänsch Cache Query Cache Query Cache Query

Zusammenfassung und Ausblick ○verschiedene Verfahren zum Cache-Aufbau und Anfragenverarbeitung ○Optimierungsmöglichkeiten ○Welche Daten sollen gecacht werden? ○Was passiert, wenn der Cache voll ist? ○Ist der Cache-Inhalt gültig? 12/12 Kathleen Hänsch