Бакалавр
Дипломные и курсовые на заказ

Оптимизация запросов в слабоструктурированной модели данных

Диссертация: Оптимизация запросов в слабоструктурированной модели данных
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Предложена новая алгебра XQuery-запросов, удовлетворяющая требованиям, сформулированным на основе анализа существующих подходов к оптимизации XQuery-запросов, которым должна отвечать алгебра для построения высокопроизводительных систем выполнения запросов. Сформулированы ограничения на пространство допустимых планов, позволяющих применять алгоритмы блочной оптимизации. Доказано, что данные… Читать ещё >

Содержание

  • 1. Методы и средства обработки запросов
    • 1. 1. Модель данных XML и язык запросов XQuery
      • 1. 1. 1. Модель данных XML
      • 1. 1. 2. Язык XQuery
        • 1. 1. 2. 1. Навигационные выражения
        • 1. 1. 2. 2. Элементарные операции
        • 1. 1. 2. 3. FLWOR выражения
        • 1. 1. 2. 4. Условные и кванторные выражения
    • 1. 2. Основные принципы оптимизации запросов
      • 1. 2. 1. Основные понятия
      • 1. 2. 2. Основные элементы оптимизатора
      • 1. 2. 3. Алгоритмы поиска оптимального плана
        • 1. 2. 3. 1. Алгоритм динамического программирования
        • 1. 2. 3. 2. Стохастические алгоритмы поиска
    • 1. 3. Основные методы выполнения
      • 1. 3. 1. Методы сортировки и хэширования для больших объёмов данных
        • 1. 3. 1. 1. Сортировка
        • 1. 3. 1. 2. Хэширование
      • 1. 3. 2. Алгоритмы соединения
        • 1. 3. 2. 1. Алгоритм вложенных циклов
        • 1. 3. 2. 2. Алгоритм сортировки и слияния
        • 1. 3. 2. 3. Алгоритм хэшируюгцего соединения
      • 1. 3. 3. Прямое и обратное вычисление навигационного выражения
      • 1. 3. 4. Структурное соединение
      • 1. 3. 5. Целостное соединение
    • 1. 4. XQuery-алгебры
      • 1. 4. 1. Обзор и классификация XQuery-алгвбр
      • 1. 4. 2. Анализ требований к алгебре для высокопроизводительного оптимизатора
    • 1. 5. Выводы
  • 2. Алгебра XQuery-запросов XAnswer
    • 2. 1. Структуры данных алгебры
    • 2. 2. Основные операции алгебры
      • 2. 2. 1. Базисные операции
      • 2. 2. 2. Дополнительные операции
    • 2. 3. Основные тождества операций
    • 2. 4. Построение алгебраического выражения
      • 2. 4. 1. Нормализация запроса
      • 2. 4. 2. Трансляция в выражения алгебры
    • 2. 5. Оптимизация
      • 2. 5. 1. Изменение порядка блоков
      • 2. 5. 2. Исключение избыточных операций
      • 2. 5. 3. Преобразования, обеспечивающие ленивые вычисления
    • 2. 6. Обсуждение
    • 2. 7. Выводы
  • 3. Эффективные методы поиска оптимального плана
    • 3. 1. Основные понятия
      • 3. 1. 1. Модель стоимости
      • 3. 1. 2. Граф классов частичных планов
      • 3. 1. 3. Блочный алгоритм
    • 3. 2. Оптимизация для XQuery
    • 3. 3. Выводы
  • 4. Прототип исполнителя запросов и численные эксперименты
    • 4. 1. Прототип исполнителя запросов XAnswer
      • 4. 1. 1. Организация хранилища данных и исполнителя запросов СУБД eXist
    • 4. 2. Постановка экспериментов
      • 4. 2. 1. Эталонный набор данных и запросов XMark
      • 4. 2. 2. Описание экспериментов
    • 4. 3. Выводы

Оптимизация запросов в слабоструктурированной модели данных (реферат, курсовая, диплом, контрольная)

Актуальность темы

.

Высокоуровневые языки запросов принято рассматривать как одно из наиболее важных средств, предоставляемых системами управления базами данных. Обладая очень большой выразительностью, декларативные языки допускают высокоэффективное выполнение запросов, достигаемое в процессе оптимизации. По существу, работа оптимизатора сводится к выбору одного из алгебраических выражений, эквивалентных исходному запросу, но обладающих различной стоимостью выполнения.

Наиболее полно методы оптимизации развиты для СУБД, основанных на реляционной модели данных, и, в частности, ее промышленного аналога SQL. Оптимизаторы современных промышленных СУБД способны генерировать планы очень высокого качества. Однако, для применения в контексте слабоструктурированной модели данных, в частности, XML, эти методы должны быть существенно пересмотрены. Учитывая неизменно возрастающую интенсивность использования XML в качестве модели данных и постоянно растущий объём таких даннных, задача оптимизации запросов к XML выходит на первый план. В качестве языка XML-запросов в диссертации рассматривается XQuery [72], в силу наибольшей распространённости этого стандарта.

Цели и задачи работы.

Целью диссертационной работы является исследование и разработка методов эффективного выполнения XQuery-запросов. Для достижения этой цели поставлены следующие задачи:

1. Разработка гибкой алгебры, обладающей необходимыми свойствами для предоставления достаточно широкого пространства допустимых планов запроса.

2. Разработка эффективного метода поиска оптимального (субоптимального) плана в терминах разработанной алгебры.

3. Разработка прототипа с целью экспериментальной верификации полученных результатов.

Основные результаты.

1. Предложена новая алгебра XQuery-запросов, удовлетворяющая требованиям, сформулированным на основе анализа существующих подходов к оптимизации XQuery-запросов, которым должна отвечать алгебра для построения высокопроизводительных систем выполнения запросов.

2. Доказано, что операции предложенной алгебры обладают необходимыми алгебраическими свойствами, такими как ассоциативность и коммутативность. А также, доказано, что в терминах этой алгебры можно получить более эффективные планы, чем при использовании ранее известных алгебр.

3. Сформулированы ограничения на пространство допустимых планов, позволяющих применять алгоритмы блочной оптимизации. Доказано, что данные ограничения не приводят к потере оптимального плана.

4. Экспериментально продемонстрировано, что при использовании предложенной алгебры могут быть получены значительно более эффективные планы, чем в известных XML СУБД.

Научная новизна подхода.

Научной новизной обладают следующие результаты работы:

1. Критерии и требования к алгебре, необходимой для построения высокопроизводительных исполнителей запросов.

2. Алгебра XQuery-запросов, удовлетворяющая этим требованиям.

3. Конкретизация блочного алгоритма для оптимизации XQuery-запросов на основе предложенной алгебры.

Практическая значимость.

Разработанная алгебра может служить основой для построения стоимостных оптимизаторов как для XML СУБД, так и для автономных исполнителей запросов промышленных систем [7].

Предложенный метод оптимизации поблочно может существенно ускорить процесс оптимизации, что особенно важно, учитывая возможную сложность XQuery-запросов.

Экспериментально показано, что применение предложенных методов может существенно повысить эффективность выполнения запросов в XML СУБД.

Структура диссертации.

Работа состоит из шести глав, включая введение и заключение, и списка литературы. Общий объём диссертации 120 страницы, список литературы содержит 74 наименования.

4.3. Выводы.

Описана, архитектура прототипа исполнителя запросов на основе алгебры XAnswer, описана экспериментальная среда, проведены эксперименты и произведён их анализ. Показано, что планы для простых запросов, получаемые при помощи XAnswer, сопоставимы по производительности с планами, которые можно получить, используя существующие алгебры, а для сложных запросов — значительно превосходят их.

Заключение

.

В диссертации получены следующие основные результаты:

1. Предложена новая алгебра XQuery-запросов, удовлетворяющая требованиям, сформулированным на основе анализа существующих подходов к оптимизации XQuery-запросов, которым должна отвечать алгебра для построения высокопроизводительных систем выполнения запросов.

2. Доказано, что операции предложенной алгебры обладают необходимыми алгебраическими свойствами, такими как ассоциативность и коммутативность. А также, доказано, что в терминах этой алгебры можно получить более эффективные планы, чем при использовании ранее известных алгебр.

3. Сформулированы ограничения на пространство допустимых планов, позволяющих применять алгоритмы блочной оптимизации. Доказано, что данные ограничения не приводят к потере оптимального плана.

4. Экспериментально продемонстрировано, что при использовании предложенной алгебры могут быть получены значительно более эффективные планы, чем в известных XML СУБД.

Показать весь текст

Список литературы

  1. Романовский. Алгоритмы решения экстремальных задач. — Москва, 1977.
  2. Balmin A., et al. Cost-based optimization in db2 xml // IBM Syst. J.— 2006. Vol. 45, no. 2. — Pp. 299−319.
  3. Beeri C., Tzaban Y. Sal: An algebra for semistructured data and xml // WebDB (Informal Proceedings). — 1999. Pp. 37−42.
  4. Bennett K., Ferris M. Ioannidis Y. A genetic algorithm for database query-optimization //In Proceedings of the fourth International Conference on Genetic Algorithms. — Morgan Kaufinann Publishers, 1991.— Pp. 400 407.
  5. Berkley DB Home Page, http://www.oracle.com/technology/products/berkeley-db/index.html. — Berkley DB Home Page.
  6. Blasgen M., Eswaran K. Storage and access in relational databases // IBM Systems Journal. — 1977. — Vol. 16, no. 4. — Pp. 363−377.
  7. Borkar V., et al. Query processing in the aqualogic data services platform // Proceedings of the 32nd international conference on Very large data bases. VLDB Endowment, 2006. — Pp. 1037−1048.
  8. Bratbergsen K. Hashing methods and relational algebra operations // Proceedings of Conferece on Very Large Data Bases. — 1984. — Pp. 323−333.
  9. Chean, et al. From tree patterns to generalized tree patterns: On efficient evaluation of xquery // VLDB. — 2003. Pp. 237−248.
  10. Choi В., Fernandez M., Simeon J. The xquery formal semantics: A foundation for implementation and opitmization. — 2002.
  11. Codd E. A relational model of data for large shared data banks // CACM.- 1970, — Vol. 13, no. 6.
  12. Deutsch A., et al. The next framework for logical xquery optimization // VLDB '04: Proceedings of the Thirtieth international conference on Very large data bases. — VLDB Endowment, 2004. — Pp. 168−179.
  13. Dewitt D., et al. Implementation techniques for main memory database systems // Proceedings of ACM SIGMOD conference. — 1984.
  14. DeWitt D., Gerber В. Multiprocessor hash-based join algorithms // Proceedings of Conferece on Very Large Data Bases. — 1985. — Pp. 151−164.
  15. El-Masri R., et al. Fundamentals of database systems. —¦ 1989.
  16. Exist DBMS Home Page, http://exist-db.org/. — Exist DBMS Home Page.
  17. Extensible Markup Language (XML) 1.0 (Second Edition). — 6 October 2000. — W3C Recommendation.
  18. Fankhauser P. Xquery formal semantics state and challenges // SIGMOD Rec. 2001. — Vol. 30, no. 3. — Pp. 14−19.
  19. Fernandez M., et al. Xml query languages: Experiences and exemplars.— 1999.
  20. Gerber R. Dataflow query processing using multiprocessor hash partitioned algorithms. — 1986. — Technical Report. Computer Sciences Department, University of Wisconsin.
  21. Goldberg D. Genetic algorithms in search, optimization and machine learning. addison-wesley. — 1989.
  22. Goodman J. An investigation of multiprocessor structures and algorithms for database management. — 1981. — Technical Report. University of California.
  23. Graefe G. Query evaluation technques for large databases // ACM Computing Surveys. — 1993. — Vol. 25, no. 2. — Pp. 121−123.
  24. Graefe G., DeWitt D. The exodus optimizer generator // Proceedings of the 1987 ACM SIGMOD International Conference on Management of Data. 1987. — Pp. 160−172.
  25. Graefe G., McKenna B. The volcano optimizer generator: Extensibility and efficient search // IEEE Data Engineering Conference. — 1993.
  26. Grinev M., Kuznetsov S. Towards an exhaustive set of rewriting rules for xquery optimization: Bizquery experience // ADBIS.— 2002, — Pp. 340 345.
  27. Grust T. Accelerating xpath location steps // SIGMOD Conference. — 2002.
  28. Haas L., et al. Starburst mid-flight: As the dust clears // IEEE Transactions on Knowledge and Data Engineering. — 1990. — Pp. 143−160.
  29. Ioannidis Y. Query optimization // ACM Comput. Surv.— 1996.— Vol. 28, no. 1, — Pp. 121−123.
  30. Ioannidis Y. The history of histograms // VLDB '2003: Proceedings of the 29th international conference on Very large data bases. — VLDB Endowment, 2003. Pp. 19−30.
  31. Ioannidis Y., Kang Y. Randomized algorithms for optimizing large join queries // Proceedings of the 1990 ACM SIGMOD International Conference on Management of Data. — 1990. — Pp. 312−321.
  32. Ioannidis Y., Wong E. Query optimization by simulated annealing // Proceedings of the 1987 ACM SIGMOD International Conference on Management of Data. — 1987. — Pp. 9−22.
  33. Jagadish H., et al. Tax: A tree algebra for xml // DBPL '01: Revised Papers from the 8th International Workshop on Database Programming Languages. — London, UK: Springer-Verlag, 2002.
  34. Jagadish H., et al. Timber, a native xml database // The VLDB Journal. — 2002, — Vol. 11, no. 4. — Pp. 274−291.
  35. Jiang H., et al. Holistic twig joins on indexed xml documents // Proceedings of International Conference on Very Large Data Bases. — 2003. — Pp. 273−284.
  36. Josifovski V., et al. Querying xml streams // The VLDB Journal.— 2005. Vol. 14, no. 2. — Pp. 197−210.
  37. Kang Y. Randomized Algorithms for Query Optimization: Ph.D. thesis / University of Wisconsin, Madison. — 1991.
  38. Khalifa S., et al. Structural joins: A primitive for efficient xml query pattern matching // icde.— 2002.
  39. Kirkpatrick S., Gelatt C., Vecchi M. Optimization by simulated annealing // Science. 1983. — Vol. 220. — Pp. 671−680.
  40. Kitsuregawa M., Nakayama M., Takagi M. The effecy of bucket size tuning in the dynamic hybrid grace hash join method // Proceedings of the International Conference on Very Large Data Bases. — 1989.
  41. Kitsuregawa M., Tanaka H.} Motooka T. Application of hash to database machine and its architecture // New Generation Computing. — 1983.
  42. Kitsuregawa M., Yang W., Fushimi S. Application of hash to database machine and its architecture // Proceedings of the 6th International Workshop on Database Machines. — 1989.
  43. Knuth D. The Art of Computer Programming. — Addison-Wesley, 1973.
  44. Lohman G. Grammar-like functional rules for representing query optimiza,-tion alternatives // Proceedings of the 1988 ACM SIGMOD International Conference on Management of Data. — 1988. — Pp. 18−27.
  45. Lukichev M., Barashev D. Xml query algera for cost-based optimization // Proceedings of the SYRCoDIS 2007 Colloquium on Databases and Information Systems. — 2007.
  46. May N., et al. Nested queries and quantifiers in an ordered context // Proc. ICDE Conference, Boston, USA. — 2004. Pp. 239−250.
  47. McHugh J., Widom J. Query optimization for xml // Proceedings of 25th International Conference on Very Large Data Bases. — 1999.— Pp. 315 326.
  48. Meir W. Index-driven xquery processing in the exist xml database. — 2006.
  49. Michiels P. Xquery optimization. — 2003.
  50. Mishra P., Eich M. Join processing in relational databases // ACM Com-put. Surv. 1992. — Vol. 24, no. 1.- Pp. 63−113.
  51. Nahar S., Sahni S., Shragowitz E. Simulated annealing and combinatorial optimization // DAC '86: Proceedings of the 23rd ACM/IEEE conference on Design automation. — 1986. — Pp. 293−299.
  52. Nakayama M., et al. Hash partitioned join method using dynamic destaging strategy // Proceedings of the International Conference on Very Large Data Bases. 1988.
  53. Naughton J., et al. The niagara internet query system // IEEE Data Engineering Bulletin. — 2001. — Vol. 24, no. 2. — Pp. 27−33.
  54. Novak L., et al. Efficient implementation of xquery constructor expressions // Proceedings of the SYRCODIS 2008 Colloquium on Databases and Information Systems. — 2008.
  55. Re C., et al. A complete and efficient algebraic compiler for xquery // ICDE '06: Proceedings of the 22nd International Conference on Data Engineering. — Washington, DC, USA: IEEE Computer Society, 2006. P. 14.
  56. Sartiani С., Albano A. Yet another query algebra for xml data // IDEAS '02: Proceedings of the 2002 International Symposium on Database Engineering and Applications. — IEEE Computer Society, 2002. — Pp. 106−115.
  57. Schmidt A., et al. Xmark: A benchmark for xml data management // Proceedings of International Conference on Very Large Data Bases. — 2002. — Pp. 974−985.
  58. Schneider D., DeWitt D. Tradeoffs in processing complex join queries via hashing in multiprocessor database machines // Proceedings of the International Conference on Very Large Data Bases. — 1990.
  59. Sedna DBMS Home Page, http://modis.ispras.ru/sedna/. — Sedna DBMS Home Page.
  60. Selinger P., et al. Access path selection in a relational database management system // ACM-SIGMOD Conf. on the Management of Data. — 1979. Pp. 23−34.
  61. Shapiro L. Join processing in database systems with large main memories // ACM Transaction Database Systems. — 1986.— Vol. 11, no. 3.— P. 239.
  62. Su S. Database computers: Principles, architectures, and techniques. — 1988.
  63. Swami A. Optimization of large join queries: Combining heuristic and combinatorial techniques // Proceedings of the 1989 ACM SIGMOD International Conference on Management of Data. — 1989. — Pp. 367−376.
  64. Swami A., Gupta A. Optimization of large join queries // Proceedings of the 1988 ACM SIGMOD International Conference on Management of Data. 1988. — Pp. 8−17.
  65. Wang S., et al. Optimization of nested xquery expressions with order by clauses // ICDEW '05: Proceedings of the 21st International Conference on Data Engineering Workshops. — IEEE Computer Society, 2005.
  66. Weiner A., Mathis C., Haerder T. Towards cost-based query optimization in native xml database management systems // Proceedings of the SYRCoDIS 2007 Colloquium on Databases and Information Systems. — 2008.67
Заполнить форму текущей работой

Сдать сессию!