Bài giảng Cơ sở dữ liệu phân tán - Chương 2_ Nguyên lý hệ cơ sở dữ liệu phân tán - Tài Liệu

CAC TIEU CHUAN PHAN MANH OOOO e_ Điều kién day du: Completeness condition - Néu quan hệ R duoc phan thanh cac manh R1, R2,.«, Rn, thi mỗi mục dữ liệu có trong R phải có mặt trong 1 hoặ

CHƯƠNG II: NGUYÊN LÝ HỆ CSDL

-_ Trong suốt phân tan (Distribution transparency)

— Trong suét giao tac.(Transaction transparency)

— Trong suét Idi (Failure transparency)

— Trong suét hiéu nang (Performance transparency)

TRONG SUOT PHAN TAN

TONG KET CAC DAC TRUNG TS

TABLE 10.2 A SUMMARY OF TRANSPARENCY FEATURES

FRAUMENI NAME |I0CIIONNAME | THỊN THÍ DBM9 9UPPORIS | HH Of DIBTRIBUTIÚN

IMNSMNINO

Local mapping

lọ No Location transparency Medium

No No Fragmentation transparency High

PHAN MANH DU’ LIEU

- Tạo CSDL cho các site trên mạng

- Nâng cao hiệu năng xử lý-(tăng mức độ xử lý đông thời)

Tiép can Bottom-up :

- Nhiéu-database (cé kha nang-kh6ng thuan nhat, tu tri, )

- Khong xet!

Hai bài toán trong thiết kế CSDL-PT:

CAC TIEU CHUAN PHAN MANH

OOOO

e_ Điều kién day du: (Completeness condition)

- Néu quan hệ R duoc phan thanh cac manh R1, R2,.«, Rn, thi mỗi mục dữ liệu có trong R phải có mặt trong 1 hoặc nhiều mảnh

Ri

e_ Điêu kiện kién thiét (Reconstruction condition):

-Nó phải có khả năng kiến thiết lại mỗi một quan hệ toàn cục từ

các phân mảnh của nó

e_ Điêu kiện phân tách được -(Disjointness condition) :

-Nếu quan hệ E được phân mảnh ngang thành các mảnh R1, R2, „n và mục dữ liệu tj năm trong mảnh Rị, thì nó sẽ không nằm trong một mảnh Rk (k<>|) Nếu quan hệ phân rã dọc các thuộc

tính khóa chính phải nằm trong môi mảnh

CAC TIEU CHUAN PHAN MANH

CAC LOAI PHAN MANH

Ss

e Phân mảnh theo hàng ngang của một quan hệ R là

tách quan hệ R theo cách mà mỗi n_bộ của:R có

mặt trong 1 hay nhiều quan hệ thành phân

(Cụ thé la chia quan hệ R thành các tập cón

R1,R2, ,Rn Mỗi tập con chứa một sốn_ bộ của R

Có thê khôi phục R bằng phép hợp các Ri Ví dụ sự

phân chia số liệu các khách hàng giao dịch của một

ngân hàng thành các tập số liệu của các chi nhánh)

CAC LOAI PHAN MANH

Ss

e Phân mảnh theo chiều dọc của quan hệ R là tách lược đồ của quan hệ R thành các lược đồ cớ số cột nhỏ hơn ( Phân mảnh theo chiêu dọc thực ra là

thực hiện phép chiếu quan hệ R lên tập các thuộc

tính của các quan hé Ri

— Ri =I (thuéc tinh Ai) (R)

(Chú ý các Ri phải chứa một thuộc tính nói để phục hôi R)

< Qb

# NM Loc Sal #\NM Loc Sal

Thể nào là một phân mảnh tôt?

Thể nào là một phân mảnh tôt?

THE HIEN CAC TIEU CHUAN CUA PHAN MANH NGANG

Co

R => Fe=fF,, Fp, ., Fy}

e Tinh day dt (Completeness)

- Mọi bộ teR, 3 F,eF ma teF,

e Tinh tach biet (Disjointness)

~ VteFi, “4S Fj mateFj ij

e Tính kiến thiét (construction)

Làm thể nào kiểm tra tinh day du

và tính tach biét?

AB

(1) Kiểm tra điều đó bằng “thủ công”!

ví dụ: Fi = Osal<ioE ; F2 = OsabioE

Lam thé nao dé co duoc tinh day

đủ và tinh tách biệt?

(2) “Tự động” sinh các mảnh

với những đặc tính :

ePhân mảnh ngang được định nghĩa

bởi các lệnh (với) ving® Select

e Phat ra 1 tập các lệnh select cho

những đặc tính nay

Vi du:

e Phát biểu các truy vẫn dựa vào các vị từ “đơn giản”

A<10, A>5, Loc = SA, Loc = SB

e Budc Tiép: - sinh các vị từ hội sơ cấp/(minterm)

5<A<10 6i so’ cap (I)

Cac vi

(4) A<10 A A>5 A Loc=SaA A ~Ttroe=©cs>——

(4) A<10 A A>5 /A “t+ceoe=e>+>^A LoC7=GSnp

Fio A>10 A LOC=SA

Chu ý: Loại bỏ các phân mảnh phụ

thuộc vào ngữ nghĩa:

Ví dụ : nêu LOC có thể z Sa, z Sa,

chúng ta cân thêm các phân mảnh

F4 5<A<10 A Loc#Saakoc 4SB

Fs A<5 A Loc# San Loc # SB

Fiz; A>=10 A~™Loc # Sa A Loc # SB

Tại sao sử dụng thuật toán vị từ hoi so cap (minterm)?

6950

e Phải chứng minh tập các phân mảnh là:

- Đây đủ

- Tách biệt

Tổng kết

AB

e Cho các vị từ đơn giản Pr= { p1, p2, pn}

các vị từ hội so cap_(minterm predicates) là:

Những vi từ đơn giản nào nên

dùng cho Pr2

Tro lai vi du:

E(#, NM, LOC, SAL, )

Ba chon lua:

CT (1)Pr={} Fi ={E}

(2) Pr = {LOC=Sa, LOC=Sb}

Fo={ © loc=saE, O loc=Sb E }

(3) Pr = {LOC=Sa, LOC=Sb; Sal<10}

F3={ Oloc=Sa « sal<10 E, Oloc=Sa a sal>10 E,

Olloc=Sb ^ sal<10E, Gloc=sb a sal>10 }

Một cách khác:

Loc=Sa ~ sal < 10

Loc=Sa ~ Sal => 10

Qa: Select loc = Sa

\ Loc=Sb a /

sal>10 | °

Những vi từ đơn giản nào nên dung cho Pr?

Ce

© Đặc tính cân có của Pr:

- tối thiêu

-day du

Đinh nghĩa không hình thức

Loc=Sa ~ Sal => 10

Loc=Sb ~ sal < 10

Loc=Sb ~ Cũng như F3 oun sal = 10

Định nghĩa không hình thức

4953

Tập các vị từ hội P: là tối thiểu nếu không tôn tại Prc Prlà day đủ

Trở lại ví dụ:

4

Day du ?

(3) Pr = {LOC=Sa, LOC=Sb, Sal<10} Yes

Pr(2) là tập con của Pr(3),

Do đó Pr(3) không là tối thiểu

Phân mảnh ngang suy dẫn

Cho biết tên nhân viên,

danh sách các dự án mà nhân viên tham gia

ff NM Loc Sal Hf NM Loc Sal

5 build table 12 rest

Phân mảnh ngang suy dẫn

.- ữGGŨỤĨ.//J

R,F ={Fi, Fa, Fn} ree the la

S, D = {Di, Da, .Dn} ở đây Dr=Si< Fi

Qui ước : R là chủ

S là thành viên

- Kiem tra tính đây đủ và tách biệt

của phân mảnh suy dân

Những bộ J sẽ không thuộc J1 cũng như không thuộc 12

Phân mảnh không đày đủ

Tinh chat: R[IT]=> Ri[TI

(1)Tính đầy đủ

U Ti=T

all i

(3) Tính kiến thiết:Kết nỗi không mất thông tin

Ái Lực thuộc tính (Attribute affinity)

Co

e Xét lược đô quan hệ R(A¿, As, ,A,.)

e Các ứng dụng Q(q:, q›, ,q )

e Use (qi, Aj) = 1, nếu Aj được gi tham chiêu

0, trong trường hợp ngược lại

Use(qi, AI) : giá trị sử dụng thuộc tính

Ái Lực thuộc tính (Attribute affinity)

e Vi du * Ma trận mẫu về giá trị sử dụng thuộc tinh

(Ma trậnái lực thuộc tinh AA)

qaif1 0 +0 `

q2 0 1 1 0 q3 0 1 0 1 q4 ` 0 0 1 1 ~

Ái Lực thuộc tính (Attribute affinity) acc

e Giá trị sử dụng thuộc tính không đủ cơ sở

cho việc phân mảnh: chúng không biếu thị

độ lớn của tần số ứng dụng

e SỐ đo lực hút (affinity) của:2 thuộc tính Ai, Aj

ký hiệu aff(Ai, Aj) biểu thị chocầu nối (bond)

giữa 2 thuộc tính, dựa vào sự truy xuất của

các ứng dụng

Ái Lực thuộc tính (Attribute affinity)

e Tamer Ôzsu nêu công thức đề đo ái lực của 2 thuộc tính Ai, AI:

e Gọi k là sỗ mảnh của quan hệ R R =R;R;Ra R,

e Q = {q1,q2, ,qm)} : tập các ứng dụng trên E

e OQ(A,B) là tập các ứng dụng q của Q mà:

use(q,A) Use(q,B) =1

Ái Lực thuộc tính (Attribute affinity)

e Ai luc gitra 2 thuéc tinh Ai va Aj của quan hệ R và tập.ứng

dung Q được định nghĩa:

e Aff(Ai, Aj) = > > ref(q)acc,(q)

qeQ(Ai, Aj) le R,

ref(q) : số truy xuất đến các thuộc tính (Ai, Aj) cho mỗi ứng

dung q tai vi tri R,

acc(q) : tần số truy xuất ứng dụng q đến cac thuuoc tinh Ai,Aj

tai vi tri I.

Ái Lực thuộc tính (Attribute affinity)

acc

e Ví dụ : Xét lại ví dụ *, giả sử refi(q) =1 cho tật cả q

và S¡,, và sô mảnh là 3 Tân sô ứng dụng cho mọi

cặp thuộc tính là:

e acc(q1)=15 ,acc(q1)= 20 - ,acc(q†1)= 10

e acc(q2)= 5 ,acc(q2)= 0 , acc(q2) = 0

e acc(q3)= 25 ,acc(q3)= 25 ,acc(q3)= 25 eacc(q4)= 3 ,acc(q4)= 0 , acc(q3) =0

Ái Lực thuộc tính (Attribute affinity) acc

e Lúc này số đo ái lực giữa thuộc tính A1 và

Ma trân ái lực thu6c tinh (Attribute affinity matrix)

Thuật toán năng lượng nỗi BEA (Bond

- Không làm thay đổi kết quả tụ nhóm

Thuật toán thực hiện các hoán vị hàng, cột sinh ra 1 ma trận ái lực CA ( Cluster affintity matrix) Hoán vị được thực hiện sao cho số đo ái lực chung AM (global affinity measure) la lo’n nhat

Thuật toán năng lượng nỗi BEA (Bond

Energy Algorithm)

CO

e AM=) } aff(A, A) [aff(A, A, +) + aff(A,,

i=1 J=†

Với aff(Ao, A)= aff(A,, Ao) = aff(A,,.4; A) =

aff(A,, A,.,) =0, cho moi i, j

(Y nghia ?)

Thuật toán năng lượng nỗi BEA (Bond

Energy Algorithm)

e Hàm cực đại hóa chỉ xét những lân cận gân nhất,

vì thế các giá trị lớn được nhóm lại với nhau, các

giá trị nhỏ được nhóm lại với nhau Ma trận ái lực

thuộc tính AA co tinh đối xứng nên SỐ đo ái lực có thé rut gon:

i=1 J=1

Thuật toán năng lượng nỗi BEA (Bond

Energy Algorithm)

e Quá trình sinh ma trận ái lực gồm 3 bước:

e 1 Khởi gán: Đặt và cô định 1 trong các cột của AA

vào trong CA Cột 1 được chọn

e 2 Thực hiện lặp: Lấây lần lượt 1.trong n-i-cột còn lại

(¡ là số cột đã được đặt vào CA) và thử đặt vào i+1 vị

tri con lai trong ma tran CA Chon dat sao cho AM là

lớn nhất Lặp đến hết các cột

e Sắp thứ tự hàng: Khi thứ tự cột đã xác định, các

hàng cũng cần đặt lại để các vị trí tương đối của

chúng phù hợp với các vị trí trí tương đối của cột

Thuật toán năng lượng nỗi BEA (Bond

Energy Algorithm)

e Mot vi du tinh toan cho thuat toan BEA

Thuật toán phân mảnh dọc

Phan manh lai tap (Hybrid Fragmentation)

Kiên thiết lại phân mảnh lai tạp

Allocation

Example: E(#,NM,LOC,SAL) =>

F1 = Oloc=sa E ; F2 = Oloc=sb E

Qa: select where loc=Sa

Qb: select where loc=Sb.»

Các vẫn đề thảo luận

CO

e Cac truy van bắt đầu từ đâu

e Chi phí truyền thông là gì?

kích thước kết quả,quan hệ, :

e Dung lượng lưu trữ là gì, chỉ phí tại các site ?

Và kích thước của các phần mảnh?

Các vẫn đề khác

e Chiến lược xử lý truy vân?

- Các kết nối thực hiện như thế nào?

- Các kết quả được kết xuất như thế nào?

Vì sao tiên hành lặp các phân

e Chi phí của việc cập nhật các bản sao?

e Ghi và điều khiển tương tranh?

Bài toán tối ưu:

Mô hình đơn giản

Xác định các giá tri cho Xj, 1 <j <m,

Sao cho chi phí là nhỏ nhất

i: site cd yéu cau

ti: số lượng tin doc tai Si

Cị: - Chỉ phí lẫy tin truy xuất phân mảnh F tại

Sj tu Si

Xi: 10 nếu F không lưu trữ tại Š¡

1 nêu F lưu trữ tại-Sị

u¡: lượng tin ghi tại S¡

C©'¡: Chi phí ghi của việc cập nhật F tai Sj tu Si

Chi phí lưu trữ:

m

» Xi di i=1

Xi: (0 nếu F không lưu trữ tai Sj

1nếu F lưu trữ tại-S¡

d: — Chỉ phí lưu trữ của F tại Sỉ