分布式數(shù)據(jù)庫(kù)的設(shè)計(jì)與查詢優(yōu)化研究

摘要：提出了利用MS SQL Server 2008的數(shù)據(jù)庫(kù)管理特性，采用鏈接服務(wù)器、水平分片或垂直分片設(shè)計(jì)分布式數(shù)據(jù)庫(kù)。并介紹了分布式查詢的步驟和一系列的分布式數(shù)據(jù)庫(kù)系統(tǒng)查詢的優(yōu)化方法和策略以及各自的使用特點(diǎn)。

關(guān)鍵詞：分布式數(shù)據(jù)庫(kù)設(shè)計(jì)；查詢優(yōu)化

中圖分類(lèi)號(hào)：TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 21-0000-02

1 引言

伴隨著數(shù)字通信技術(shù)的發(fā)展，生產(chǎn)生活中數(shù)據(jù)業(yè)務(wù)量的不斷加大，應(yīng)用的數(shù)據(jù)可能分布在全球的任何位置。因此，與之相關(guān)的由多個(gè)分散數(shù)據(jù)庫(kù)組成的信息系統(tǒng)必須要不斷完善自身的性能才能更有效地解決數(shù)據(jù)的存儲(chǔ)和處理問(wèn)題，才能更好地滿足日益增大的信息查詢要求。如果能合理選擇有效的優(yōu)化策略和方法則可以很好解決以上問(wèn)題[1]。

分布式數(shù)據(jù)庫(kù)系統(tǒng)中的數(shù)據(jù)是物理分布在用計(jì)算機(jī)網(wǎng)絡(luò)連接起來(lái)的各個(gè)站點(diǎn)上；每一個(gè)站點(diǎn)是一個(gè)集中式數(shù)據(jù)庫(kù)系統(tǒng)，都有自治處理的能力，完成本站點(diǎn)的局部應(yīng)用；而每個(gè)站點(diǎn)上的數(shù)據(jù)并不是互不相關(guān)的，它們構(gòu)成一個(gè)邏輯整體，統(tǒng)一在分布數(shù)據(jù)庫(kù)管理下，共同參與并完成全局應(yīng)用，并且分布式數(shù)據(jù)庫(kù)系統(tǒng)中的這種“分布”對(duì)用戶來(lái)說(shuō)是透明的[2]。

MS SQL Server 2008分布式數(shù)據(jù)庫(kù)的功能表明，系統(tǒng)用戶可以把多個(gè)不同地點(diǎn)的分?jǐn)?shù)據(jù)庫(kù)當(dāng)作一個(gè)機(jī)器的完整數(shù)據(jù)庫(kù)看待，因此使應(yīng)用程序看起來(lái)只有一個(gè)大型的集中式數(shù)據(jù)庫(kù)，用戶可以在任何一個(gè)地點(diǎn)執(zhí)行全局應(yīng)用。如允許用戶透明地查詢和操作遠(yuǎn)程數(shù)據(jù)庫(kù)實(shí)例的數(shù)據(jù)。

2 分布式數(shù)據(jù)庫(kù)的設(shè)計(jì)過(guò)程

2.1 鏈接數(shù)據(jù)庫(kù)服務(wù)器設(shè)計(jì)

鏈接數(shù)據(jù)庫(kù)服務(wù)器是定義一個(gè)從某一數(shù)據(jù)庫(kù)服務(wù)器到另一數(shù)據(jù)庫(kù)服務(wù)器的單向通信路徑指示器?？梢允褂肧QL Server 2008的SQL Server Management Studio來(lái)建立鏈接服務(wù)器。鏈接服務(wù)器的數(shù)據(jù)源提供程序可以是SQL Server、ORACLE或者其他的OLEDB和ODBC，只要數(shù)據(jù)源提供程序的驅(qū)動(dòng)程序支持，分布式數(shù)據(jù)庫(kù)查詢就可以查詢和更新相應(yīng)數(shù)據(jù)源中的數(shù)據(jù)。

2.2 實(shí)現(xiàn)水平分片或垂直分片

將表分區(qū)就是將表按照分區(qū)鍵劃分為兩個(gè)或兩個(gè)以上更小的分段。分區(qū)鍵通常選擇一個(gè)經(jīng)常被用來(lái)選取特定范圍的數(shù)據(jù)字段，這樣分區(qū)的效率最高。通過(guò)創(chuàng)建分區(qū)視圖合并所有分區(qū)表，實(shí)現(xiàn)對(duì)整個(gè)數(shù)據(jù)集的訪問(wèn)。實(shí)現(xiàn)方法如下。

利用MS SQL Server的分布式分區(qū)視圖，可以將分區(qū)表分布在多個(gè)地點(diǎn)的數(shù)據(jù)庫(kù)服務(wù)器上。使用鏈接服務(wù)器和分布式分區(qū)視圖方法可以構(gòu)建以水平分片的分布式數(shù)據(jù)庫(kù)系統(tǒng)。

利用MS SQL Server的存儲(chǔ)過(guò)程及鏈接服務(wù)器相結(jié)合的方法，將提交的全局操作轉(zhuǎn)變?yōu)閷?duì)多個(gè)地點(diǎn)的垂直分區(qū)表的局部操作。其中使用存儲(chǔ)過(guò)程可以正確執(zhí)行分布式事務(wù)的原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）。

存儲(chǔ)過(guò)程是存儲(chǔ)在服務(wù)器上的預(yù)編譯好的SQL語(yǔ)句集。使用存儲(chǔ)過(guò)程將對(duì)多個(gè)場(chǎng)地的垂直分片表的操作放在一個(gè)分布式事務(wù)內(nèi)，要么全部提交，要么全部回退，保證了分布式數(shù)據(jù)庫(kù)系統(tǒng)中數(shù)據(jù)完整性約束的一致性。

3 分布式數(shù)據(jù)庫(kù)查詢步驟

對(duì)分布式數(shù)據(jù)庫(kù)的查詢不能像集中式數(shù)據(jù)庫(kù)那樣僅僅涉及一個(gè)站點(diǎn)而必須涉及多個(gè)服務(wù)器（全局查詢）。在查詢過(guò)程中，必須要對(duì)全局查詢進(jìn)行分解，即將一個(gè)涉及多個(gè)數(shù)據(jù)服務(wù)器的全局查詢轉(zhuǎn)換成為多個(gè)僅僅涉及一個(gè)數(shù)據(jù)服務(wù)器的子查詢。查詢分解完成后，再進(jìn)行查詢轉(zhuǎn)換處理。分布式的數(shù)據(jù)庫(kù)系統(tǒng)的查詢過(guò)程通常分為查詢分解，數(shù)據(jù)本地化，全局優(yōu)化和局部?jī)?yōu)化。

3.1 查詢轉(zhuǎn)換：就是將所查詢的問(wèn)題轉(zhuǎn)換成為一個(gè)在全局關(guān)系上定義的關(guān)系代數(shù)表達(dá)式，然后對(duì)其進(jìn)行一系列規(guī)范化、分析、刪除冗余和重寫(xiě)。

3.2 數(shù)據(jù)本地化：把在全局關(guān)系上的關(guān)系代數(shù)式轉(zhuǎn)換到數(shù)據(jù)庫(kù)相應(yīng)段上的關(guān)系表達(dá)式，產(chǎn)生查詢樹(shù)。

3.3 全局優(yōu)化：使用各種優(yōu)化算法和策略可以對(duì)查詢樹(shù)進(jìn)行全局優(yōu)化。不同的算法和策略能夠造成不同的優(yōu)化結(jié)果，因此，算法的選取和策略的應(yīng)用非常重要。

3.4 局部?jī)?yōu)化：分解完成后要進(jìn)行組裝，局部?jī)?yōu)化是指在組裝場(chǎng)地進(jìn)行的本地優(yōu)化。

4 分布式數(shù)據(jù)庫(kù)查詢優(yōu)化方法

4.1 基于數(shù)據(jù)庫(kù)索引的優(yōu)化

數(shù)據(jù)庫(kù)系統(tǒng)中建立合適的索引則可以避免表掃描并減少因查詢而造成的I/O開(kāi)銷(xiāo)，從而可提高數(shù)據(jù)庫(kù)數(shù)據(jù)查詢的速度并改善數(shù)據(jù)庫(kù)的性能。但由于創(chuàng)建索引會(huì)占用部分系統(tǒng)的時(shí)間和空間的開(kāi)銷(xiāo)，因此需要在經(jīng)常進(jìn)行連接但沒(méi)有指定為外鍵的列上主動(dòng)建立索引，而不經(jīng)常連接的字段應(yīng)由DBMS的查詢優(yōu)化器自動(dòng)生成索引；在條件表達(dá)式中經(jīng)常用到的不同值較多的列上建立索引，而在不同值較少的列上不要建立索引；若待排序的列不止一個(gè)，則可以考慮在這些列上建立復(fù)合索引。此外，為了簡(jiǎn)化和避免對(duì)大型表進(jìn)行不必要的重復(fù)的排序，也應(yīng)正確地增建索引，合理合并數(shù)據(jù)庫(kù)表。當(dāng)能夠利用索引自動(dòng)以適當(dāng)?shù)捻樞虍a(chǎn)生輸出時(shí)，優(yōu)化器就可以避免排序了[3]。

4.2 基于關(guān)系代數(shù)等價(jià)變換的優(yōu)化

首先把查詢內(nèi)容轉(zhuǎn)化為關(guān)系代數(shù)表達(dá)式，經(jīng)過(guò)分析得到查詢樹(shù)，然后將原始查詢樹(shù)經(jīng)過(guò)從全局到片段的變換變成了基于片段的查詢樹(shù)，最后經(jīng)過(guò)一系列的基于關(guān)系代數(shù)等價(jià)變換規(guī)則的優(yōu)化算法的轉(zhuǎn)化，使該查詢樹(shù)中選擇和投影操作盡可能靠近葉結(jié)點(diǎn)，笛卡兒乘積運(yùn)算盡可能遠(yuǎn)離葉結(jié)點(diǎn)，這樣就可以減少操作量和操作次數(shù)，從而達(dá)到查詢優(yōu)化的目的。

4.3 基于語(yǔ)義信息的優(yōu)化

語(yǔ)義查詢是利用數(shù)據(jù)庫(kù)的完整性約束定義把初始的查詢轉(zhuǎn)化為一個(gè)語(yǔ)義等價(jià)的，但是處理代價(jià)更小的查詢。與一般的查詢處理過(guò)程所不同的是，基于語(yǔ)義信息的查詢處理擴(kuò)展了傳統(tǒng)的數(shù)據(jù)字典，在智能數(shù)據(jù)IDB（Intelligent Database）中加入了新的語(yǔ)義信息規(guī)則，增添了語(yǔ)義優(yōu)化過(guò)程。使用這種方法不僅可以提高查詢的效率并且可把一般查詢對(duì)于非索引屬性的檢索轉(zhuǎn)變成為一個(gè)對(duì)索引屬性的檢索。但是又存在著增加處理時(shí)間的不足。在查詢數(shù)據(jù)量較大的分布式數(shù)據(jù)庫(kù)中宜于使用該算法。

4.4 盡量避免相關(guān)子查詢及其order by和group by子句

首先要盡量少用子查詢，特別是相關(guān)子查詢，因?yàn)檫@樣會(huì)使效率降低。如果一個(gè)列的標(biāo)簽同時(shí)在主查詢和where子句中的查詢中出現(xiàn)，那么當(dāng)主查詢的列值改變之后，子查詢也要重新查詢一次，因此查詢嵌套的層次越多，子查詢響應(yīng)的改動(dòng)就越頻繁，查詢的效率也就越低，因此應(yīng)盡量避免子查詢。如必須使用，則應(yīng)在子查詢中盡可能多過(guò)濾一些行。另外由于group by或order by子句中列的次序和索引的次序不一樣，若重量級(jí)表采用排序辦法，則效率會(huì)大大降低。同時(shí)它們會(huì)占用大量的臨時(shí)空間，如必須使用，則應(yīng)用視圖、人工生成臨時(shí)表的方法來(lái)代替[4]。

5 結(jié)束語(yǔ)

本文研究了基于MS SQL Server 2008 的數(shù)據(jù)庫(kù)系統(tǒng)，利用鏈接服務(wù)器、水平分片或垂直分片的方法來(lái)架構(gòu)分布式數(shù)據(jù)庫(kù)系統(tǒng)，同時(shí)探討了幾種常用的查詢優(yōu)化的方法。但是，任何好的分布式數(shù)據(jù)庫(kù)設(shè)計(jì)及其算法、策略不能適用于所有的查詢優(yōu)化，因此在實(shí)際應(yīng)用中我們必須考慮該方法對(duì)于大的數(shù)據(jù)量能否適用，對(duì)異構(gòu)型的數(shù)據(jù)庫(kù)能否應(yīng)付其要求，能否進(jìn)行全局優(yōu)化，是否滿足高復(fù)雜性的要求等，才能決定是否使用該設(shè)計(jì)及方法。

參考文獻(xiàn)：

[1]龍海燕，霍躍軍.數(shù)據(jù)庫(kù)的查詢優(yōu)化研究[J].電腦知識(shí)與技術(shù)，2006，（10）.

[2]邵佩英.分布式數(shù)據(jù)庫(kù)系統(tǒng)及其應(yīng)用（第二版）.北京：科學(xué)出版社，2005.

[3]張宋傳，陳瑞典.分布式數(shù)據(jù)庫(kù)中多元連接查詢優(yōu)化的研究[J].微計(jì)算機(jī)應(yīng)用，2005，26（4）：391-392.

[4]王燕飛.談分布式數(shù)據(jù)庫(kù)查詢優(yōu)化[J].電腦知識(shí)與技術(shù)，2007，（09）.