数据库查询算法剖析

一、常用查询连接算法演示

 简单介绍选择操作和连接操作的实际算法，确切地说是算法思想。每一种操作有多种执行这个操作的算法。

 

选择操作的实现

如下实现算法：

例：Select * from student where <条件表达式>；

考虑<条件表达式>的几种情况：

C1：无条件；

C2:Sno='200215121';

C3:Sage>20;

C4:Sdept='CS'AND Sage>20;

 

1.简单的全表扫描方法

对查询的基本表顺序扫描，注意检查每个元组是否满足选择条件，把满足条件的元组作为结果输出。对于小表，这种方法简单有效。对于大表顺序扫描十分费时，效率很低。

2.索引（或散列）扫描方法

如果选择条件中的属性上有索引（例如B+树索引或Hash索引，可以用索引扫描方法。通过索引先找到满足条件的元组主码或元组指针，再通过元组指针直接在查询的基本表中找到元组。

例-C2：以C2为例，Sno='200215121',并且Sno上有索引（或Sno是散列码），则可以使用索引（或散列）得到Sno为'200215121'元组的指针，然后通过元组指针在student表中检索到该学生。

例-C3：以C3为例，Sage>20，并且Sage上有B+树索引，则可以使用B+树索引找到Sage=20的索引项，以此为入口点在B+树的顺序集上得到Sage>20的所有元组指针，然后通过这些元组指针到student表中检索到所有年龄大于20的学生。

例-C4：以C4为例，Sdept='CS' AND Sage>20，如果Sdept和Sage上都有索引，一种算法是；分别用上面两种方法分别找到Sdept='CS'的一组元组指针和Sage>20的另一组元组指针，求这2组指针的交集，再到student表中检索，就得到计算机系年龄大于20的学生。

另一种算法是找到Sdept='CS'的一组元组指针，通过这些元组指针到student表中检索，并对得到的元组检索另一些选择条件（如Sage>20）是否满足，把满足条件的元组作为结果输出。

 

二：连接操作的实现

连接操作室查询处理中最耗时的操作之一。不失一般性，这里只讨论等值连接（或自然连接）最常用的实现算法.

[例]SELECT * FROM Student,SC WHERE Student.Sno=SC.Sno;

1.嵌套循环方法（nested loop）

这是最简单可行的算法。对外层循环（Student）的每一个元组（s），检索内层循环（SC）中的每一个元组（sc），并检查这两个元组在连接属性（sno）上是否相等。如果满足连接条件，则串接后作为结果输出，直到外层循环表中的元组处理完为止。

2.排序-合并方法（sort-merge join或merge join）

这也是常用的算法，尤其适合连接的诸表已经排好序的情况。

用排序-合并连接方法的步骤是：

（1）如果连接的表没有排好序，首先对Student表和SC表按连接属性Sno排序；

（2）取Student表中第一个Sno，依次扫描SC表中具有相同Sno的元组；把他们连接起来（如图9,2所示）；

（3）当扫描到Sno不相同的第一个SC元组时，返回Student表扫描它的下一个元组，再扫描SC表中具有相同的Sno的元组，把它们连接起来。

重复上述步骤直到Student表扫描完。

这样Studetn表和SC表只要扫描一遍。当然，如果2个表原来无序，执行时间要加上对两个表的排序时间。即使这样，对于2个大表，先排序后使用sort-merge join方法执行连接，总的时间一般仍会大大减少。

3、索引连接（index join）方法

用索引连接方法的步骤是：

（1）在SC表上建立属性Sno的缩影，如果原来没有的话；

（2）对Student中每一元组，由Sno值通过SC的索引查找相应的SC元组；

（3）把这些SC元组和Student元组连接起来。

循环执行（2）（3），直到Student表中的元组处理完为止。

 

4、Hash Join方法

把连接属性作为hash码，用同一个hash函数把R和S中的元组散列到同一个hash文件中。第一步，划分阶段（partitioning phase），对包含较少元组的表（比如R）进行一遍处理，把它的元组按hash函数分散到hash表的桶中；第二步，试探阶段（probing phase），也称为连接阶段（join phase），对另一个表（S）进行一遍处理，把S的元组散列到适当的hash桶中，并把元组与桶中所有来自R并与之相匹配的元组连接起来。

上面hash join算法假设两个表中较小的表的第一阶段后可以完全放入内存的hash桶中。不需要这个前提条件的hash join算法以及许多改进的算法就不说了。以上的算法思想可以推广到更加一般的多个表的连接算法上。