数据库系统 ##一趟扫描算法

数据库系统

一趟扫描算法

查询算法概述

sql语句->关系代数表达式->基本操作（交并差乘投影）
优化：合适的基本操作执行顺序（逻辑顺序优化），
      合适的基本操作实现（物理查询计划）
三大类操作：一次单一元组（记录）的一元操作：投影选择 迭代器算法
            整个关系（表）的一元操作：分组排序去重复等 一/两/多趟扫描
            整个关系的二元操作：交并连接

连接操作的实现

逻辑算法实现：2重循环
物理算法实现：
    考虑磁盘到内存的IO操作的费时性，特别考虑降低IO行为
    复杂度：只考虑IO操作的读取块次数
    应用条件：需要的内存页的最小个数
    基本实现：两重循环读取块，3块内存即可
    全主存实现：全部块都载入内存
    半主存实现：某个关系全部载入，另一个每次读一块
    大关系实现：将一个关系分成多组读入，令一个关系每次读入一块

迭代器

查询策略：
    物化计算策略：每次对所有记录进行一步操作，保留每一个中间结果，一个关系 操作扫描一遍数据库
    流水线计算策略：使用迭代器进行一系列操作，一组关系操作扫描一遍数据库
迭代器：每次读取下一条记录的类
    Open
    GetNext
    Close
    使用迭代器完成对单一元组的一元操作

一趟扫描算法：内存数据结构保存所有记录

表数据读取进内存

聚簇关系存放：磁盘块连续存放
    表空间扫描：B(R)存储块数目
    排序表空间扫描：载入时且排序,扫描结果排序3B(R)
非聚簇：
    表空间：T(R)存储元组数目最坏情况每个元组都在不同的块
    排序表空间：T(R)+2B(R)

一元操作

去重复：
    建立内存数据结构（有序表，散列等），来保存之前处理过的数据，以便快速处理整个关系
分组：
    保存所有分组的聚集信息（散列等）

二元操作

基于集合的：去重复判断
基于包的：统计次数
连接操作：可以用散列函数快速连接

基于索引的选择和连接算法

选择：先利用索引做选择减少IO操作，不在需要载入所有数据块
连接：两个关系都有属性Y的B+树稠密索引，zigzag双指针在两树叶子上
    向后移动快速判断是否能够连接