基于直接連接的查詢優(yōu)化處理方法研究

馬東波

摘 要：在分布式數(shù)據(jù)庫查詢中多采用直接連接的方式，但是這種方式耗時(shí)較長(zhǎng)，代價(jià)較高，查詢效率低。本文結(jié)合現(xiàn)有的連接查詢方法，深入研究基于直接連接的查詢優(yōu)化處理方法，有效縮短查詢處理時(shí)間。

關(guān)鍵詞：直接連接的查詢；優(yōu)化處理；方法

近年來，分布式系統(tǒng)得到了廣泛的應(yīng)用。分布式信息庫查詢是現(xiàn)代信息處理中的重要部分。在分布式數(shù)據(jù)查詢處理時(shí)，連接操作能夠直接決定查詢效率。為實(shí)現(xiàn)分布式數(shù)據(jù)庫系統(tǒng)更加有效地處理連接操作，業(yè)內(nèi)人士進(jìn)行了大量的探究實(shí)驗(yàn)，最終形成了不同的算法。優(yōu)化連接操作的途徑一般有兩種，即半連接與直接連接。在注重本地處理代價(jià)時(shí)，一般采用直接連接的方式。本文針對(duì)直接連接提出了優(yōu)化算法，并利用數(shù)據(jù)分片進(jìn)行并行處理。

1 數(shù)據(jù)分片

數(shù)據(jù)分片，即數(shù)據(jù)劃分，是分布式數(shù)據(jù)庫的主要特征之一。各個(gè)局部數(shù)據(jù)庫按照一定的邏輯組合成全局?jǐn)?shù)據(jù)庫。反之，全局?jǐn)?shù)據(jù)庫按照特定的邏輯進(jìn)行分割即成局部數(shù)據(jù)庫。通常來說，在關(guān)系數(shù)據(jù)庫中，一個(gè)關(guān)系能夠?qū)⒛承?shù)據(jù)間的邏輯關(guān)系描述出來。但是，由于用戶使用的站點(diǎn)不同，需要該關(guān)系中的元祖也可能不同，此時(shí)就需要分割這個(gè)關(guān)系，將得到的各部分元祖稱為邏輯片段，滿足各個(gè)用戶要求，減少網(wǎng)絡(luò)通信量，提高系統(tǒng)響應(yīng)的速度。

數(shù)據(jù)分片有4種方法：①水平分片：按一定的條件把全局關(guān)系的所有元組劃分成若干不相交的子集，每個(gè)子集為關(guān)系的一個(gè)片段；②垂直分片：把一個(gè)全局關(guān)系的屬性集分成若干子集，并在這些子集上作投影運(yùn)算，每個(gè)投影稱為垂直分片；③導(dǎo)出分片：又稱為導(dǎo)出水平分片，即水平分片的條件不是本關(guān)系屬性的條件，而是其他關(guān)系屬性的條件；④混合分片：以上3種方法的混合?？梢韵人椒制俅怪狈制?，或先垂直分片再水平分片，或其他形式，但他們的結(jié)果是不相同的。

數(shù)據(jù)分片應(yīng)該具備的條件：①完備性條件：必須把全局關(guān)系的所有數(shù)據(jù)映射到片段中，決不允許有屬于全局關(guān)系的數(shù)據(jù)卻不屬于它的某一個(gè)片段；②可重構(gòu)條件：必須保證能夠由同一個(gè)全局關(guān)系的各個(gè)片段來重建該全局關(guān)系。對(duì)于水平分片可用并操作重構(gòu)全局關(guān)系；對(duì)于垂直分片可用聯(lián)接操作重構(gòu)全局關(guān)系；不相交條件：要求一個(gè)全局關(guān)系被分割后所得的各個(gè)數(shù)據(jù)片段互不重疊，但是對(duì)垂直分片的主鍵除外。

2 查詢優(yōu)化處理的目標(biāo)及執(zhí)行代價(jià)

2.1 查詢優(yōu)化目標(biāo)

基于直接連接的查詢優(yōu)化可能涉及多個(gè)站點(diǎn)，查詢優(yōu)化的目標(biāo)一般有兩種：總代價(jià)最小?？偞鷥r(jià)包括CPU及I/O代價(jià)、網(wǎng)絡(luò)在各個(gè)站點(diǎn)之間數(shù)據(jù)傳輸?shù)拇鷥r(jià)。因?yàn)閿?shù)據(jù)在分布式數(shù)據(jù)庫中是分布、冗余的，在直接連接查詢處理時(shí)需要考慮數(shù)據(jù)及信息傳遞所產(chǎn)生的通信費(fèi)用；另一種目標(biāo)即響應(yīng)處理時(shí)間短，由于數(shù)據(jù)的分散及冗余，并行處理的可能性很大。由于系統(tǒng)應(yīng)用不盡相同，通常著重與實(shí)現(xiàn)一種目標(biāo)。本文致力于達(dá)到總代價(jià)最小的目標(biāo)。

2.2 查詢執(zhí)行代價(jià)

主要包括：I/O代價(jià)、CPU代價(jià)、通信代價(jià)。

查詢執(zhí)行代價(jià)模型包括：I/O代價(jià)模型。一次訪問代價(jià)計(jì)算可通過CIO=DO+D1*X（DO表示I/O代價(jià)，與X無關(guān)；X為存取數(shù)據(jù)大?。籇1表示傳輸單位數(shù)據(jù)所花費(fèi)的時(shí)間），在實(shí)際優(yōu)化過程中，由于代價(jià)只用于進(jìn)行執(zhí)行方案的優(yōu)劣比較，因此不必算出精確數(shù)值，得出一個(gè)估算值即可；通信代價(jià)模型。這種模型與網(wǎng)絡(luò)類型有關(guān)。可簡(jiǎn)單表示為：Cc（X）=CO+C1*X（CO為代價(jià)系數(shù)；X為數(shù)據(jù)大??；CO為數(shù)據(jù)傳輸所需要初始代價(jià)；C0與C1為常數(shù)）

3 基于直接連接的查詢優(yōu)化處理方法

3.1 實(shí)現(xiàn)連接運(yùn)算的方法

3.1.1 嵌套循環(huán)

嵌套循環(huán)是一種古老的連接方式。SQL中的連接，本質(zhì)上就是將兩個(gè)數(shù)據(jù)集合依據(jù)連接條件進(jìn)行匹配操作。嵌套循環(huán)通過兩層循環(huán)手段進(jìn)行依次的匹配操作，最后返回結(jié)果集合。其操作過程簡(jiǎn)單，與最簡(jiǎn)單的排序檢索算法類似。執(zhí)行過程如下：Oracle CBO首先將一系列的連接關(guān)系，拆分為若干層的Nest Loop Join，確定連接順序。如a.field1=b.field1 and b.field2=c.field2，就可以組織成表A和表B先進(jìn)行嵌套循環(huán)操作，之后操作的結(jié)果集合再與數(shù)據(jù)表C進(jìn)行嵌套循環(huán)操作。所以，我們查看到的連接操作，通常都是分層次的；在確定每次嵌套循環(huán)的兩端對(duì)象之后，確定外側(cè)連接表和內(nèi)側(cè)連接表。將外側(cè)連接表作為連接驅(qū)動(dòng)表，根據(jù)SQL中對(duì)驅(qū)動(dòng)表的連接條件，進(jìn)行篩選。最后獲取到驅(qū)動(dòng)表數(shù)據(jù)集合；從驅(qū)動(dòng)表每條記錄入手，檢索內(nèi)側(cè)表記錄，獲取符合連接條件的記錄。形成連接行。

3.1.2 歸并掃描法

按照連接屬性對(duì)兩個(gè)關(guān)系進(jìn)行排序，再根據(jù)連接屬性值的順序?qū)@兩個(gè)關(guān)系進(jìn)行掃描，匹配成元祖。此方法使排序代價(jià)增加。將相同連接屬性的元祖緩沖起來以便下次使用。

3.2 連接關(guān)系的傳輸

3.2.1 全體傳送

傳送關(guān)系的字節(jié)數(shù)產(chǎn)生傳輸費(fèi)用，分為傳輸內(nèi)關(guān)系與傳輸外關(guān)系。

3.2.2 按需傳送

即將元祖按照傳輸需要一次一個(gè)進(jìn)行傳送，無需建立臨時(shí)儲(chǔ)存器。但是由于每次提取元祖都要進(jìn)行一次信息交換，代價(jià)很高，僅可在高速運(yùn)行的局域網(wǎng)中才能使用。

3.3 執(zhí)行場(chǎng)地

執(zhí)行場(chǎng)地包括：傳送I關(guān)系的Site（O）；傳送O關(guān)系的Site（I）；傳送O關(guān)系和I關(guān)系的Site（other）。

4 結(jié)語

文章以實(shí)現(xiàn)總代價(jià)最小為目的，基于直接連接的查詢方法進(jìn)行優(yōu)化處理。在實(shí)際操作中，沒有必要算出精確數(shù)據(jù)，大致估算即可，選擇總代價(jià)小、節(jié)省時(shí)間、具有可行性的方案。

參考文獻(xiàn)

[1]喬百友，鄧增安，王秋杰，等.一種基于網(wǎng)格索引的空間連接查詢處理優(yōu)化算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2014，35（10）：2243-2248.

[2]趙宇蘭，柳欣.基于連接依賴信息的分布式連接查詢優(yōu)化算法[J].現(xiàn)代電子技術(shù)，2016，460（5）：28-32.

[3]姚劍芳.案例教學(xué)法在SQL Server連接查詢教學(xué)中的應(yīng)用[J].吉林省教育學(xué)院學(xué)報(bào)旬刊，2015，（3）：81-82.

（作者單位：北京信息職業(yè)技術(shù)學(xué)院）