数据库系统-学习记录12

ch5.查询编译器

语法分析和预处理

  SQL语句的语法分析阶段，会根据文法，对输入的词语产生一个语法树

  例如，下述语言：

SELECT movieTitle
FROM Starsln
WHERE starName IN (
    SELECT name
    FROM MovieStar
    WHERE birtbdate LIKE '%1960'
);

  在进行语法分析后，会转换为下述语法树：

  此外，如果查询语句中用到的关系是虚视图的话，则预处理器将会对语法树进行相应的替换

用于改进查询计划的代数规律

  利用这些代数规律，从而生成逻辑查询计划

交换律与结合律

  下述运算符同时满足结合律与交换律：

  而$\theta$连接${\bowtie }_C$则只满足交换律，不一定满足结合律

涉及选择的定律

  $\sigma$运算符的分解定律：

  更一般地，可以任意交换$\sigma$运算符的顺序：

  其他定律：

下推选择

  代数规则有时候可以反过来用

涉及投影的定律

  假定M和N是连接属性：

有关连接与积的定律

有关消除重复的定律

涉及分组与聚集的定律

从语法分析树到逻辑查询计划

转换成关系代数

  对于没有子查询的情形，可以直接将简单的select <SelList> from <FromList> where <Condition>结构转换为关系代数：
  1、将<FromList>中提及的全部关系放在最底下，由积相连接
  2、随后使用${\sigma }_c$进行选择，c为<Condition>
  3、最后使用${\pi }_L$进行投影，L为<SelList>中的属性列表

  例如，将下图的语法树转换为关系代数：

从条件中去除子查询

  当条件<Condition>包含子查询时，需要先将<Condition>作为一个子树，对这个子树进行转换，随后再利用转换的结果和<FromList>中的关系进行运算

  例如，将下图的语法树转换为关系代数：

逻辑查询计划的改进

  语法树转换为关系代数后，就可以开始考虑利用代数定律，重写查询计划了。重写查询计划的主要目的，就在于得到最“便宜”的物理计划。

运算代价的估计

投影运算大小的估计

  投影一般会使得关系缩小，但是用扩展投影时，有可能反而还会增大

选择运算大小的估计

  最简单的选择为：一个属性等于某个常量，即$S={\sigma }_{A=c}(R)$。这种情况下，可以这样估计：$T(S)=T(R)/V(R,A)$

  而如果选择中涉及非等值比较，形如：$S={\sigma }_{a<10}(R)$，则难以估计大小，一般会估计为：$T(S)=T(R)/3$

  当选择中含有多个等值与非等值比较的AND时，可以使用级联：$T(R)\ast C$，其中$C$为对于各个条件所估计的$T(R)\ast A$中的$A$的累乘

  而当选择中含有多个等值与非等值比较的OR时，可以使用各个条件的结果大小的简单求和。然而，这样的估计却可能是不准的

连接运算大小的估计

  根据各种假设，连接运算的大小被估计为：$T(R\bowtie S)=T($R$)T(S)/\max (V(R,Y),V(S,Y))$

多连接属性的自然连接

  如果两关系$R(X,Y)$和$S(Y,Z)$之间的公共属性集Y包含多个属性，则在进行大小估计时，需要在T($R$)T(S)的基础上，分别对各个V(R, y)、V(S, y)，连续除以较大者。假设Y包含{$y_1,y_2$}，则这个估计表达式可以表示为：

$$T(R\bowtie S)=T(R)T(S)/\max (V(R,y_1),V(S,y_1))/\max (V(R,y_2),V(S,y_2))$$

多个关系的连接

  对于自然连接的一般情形$S=R_1\bowtie R_2\bowtie \cdots \bowtie R_n$，使用如下规则：

  从每个关系中元组数的积出发，然后，对于至少出现两次的属性除以除了V(R, A)
中最小值之外的所有值。

其他运算大小的估计

  对于其他的运算，结果大小不易确定

  并运算：采用包的并时，大小正好是参数大小之和。而集合的并则可以大至两参数大小之和，也可以小至两参数较大者，因此，取较大者和较小者的和的一半（中间值）

  交运算：因为结果可以少到0，也可以多到两参数较少者，所以其中一个方法为取两极端的平均值（较小者的一半）

  差运算：计算R-S时，结果中可能有T($R$)至T($R$)-T(S)个元组，因此，取平均值T($R$)-T(S)/2

  消除重复：可以取T($R$)/2和${\Pi }_i{V}_i(R,a_i)$中的较小者。依据：$\delta (R)$有两种上限，分别为R的大小与可能存在的不同元组的最大数

  分组与聚集：可以取T($R$)/2，因为T($R$)可能是分组数量的上限

基于代价的计划选择介绍

大小参数估计值的获取

  DBMS可以针对V(R, A)计算给定属性的各取值的直方图

  使用直方图时，对连接的大小估计，会更加准确

统计量的计算

  在査询优化器中，统计量通常仅是周期性地加以计算

减少逻辑查询计划代价的启发式估计

  对不同的逻辑查询计划进行代价比较，选出代价最低的那一种

  关于物理计划的枚举，可以有许多方式

连接顺序的选择

  当连接以三个及以上的关系出现时，就需要考虑按什么顺序是最佳选择了。可以使用的方法包括：动态规划、贪婪算法等

物理查询计划选择的完成

  ？？？懵了懵了，根本看不过来，一周几十页，以后有缘再记