Optimización de Consultas Distribuidas

ÍNDICE Definiciones básicas Modelo de costo Estadísticas de la base de datos Optimización centralizada de consultas Ordenamiento de juntas para consultas fragmentadas Optimización de consultas distribuidas

Definiciones Básicas El objetivo de la optimización global de consultas es hallar una estrategia de ejecución para la consulta cercana a la óptima (la mejor de las estrategias que se posean) dada una consulta algebraica sobre fragmentos. La estrategia: - Establece el orden de ejecución de las operaciones. - Incluye las operaciones de comunicación sobre los fragmentos. Para conseguir la mejor estrategia la idea es minimizar la función de costo. El proceso de optimización selecciona el mejor miembro x de un conjunto que optimiza la función de costo. A este conjunto de posibles soluciones se le conoce como el espacio de búsqueda.

Modelo de Costo El costo se puede expresar en base a: 1. Costo Total (tiempo de ejecución): Costo total = costo de I/O + costo de CPU + costo de comunicación En donde: Costo de CPU = costo de una instrucción * no. de instrucciones Costo de I/O = costo unitario de una operación de I/O a disco * no. de accesos Costo de comunicación = (tiempo de iniciación + tiempo de transmisión) * no. de mensajes

Modelo de Costo 2. Tiempo de Respuesta: Es el tiempo transcurrido desde el inicio de la consulta hasta su terminación -> Trata de explotar el paralelismo. Costo total = costo de I/O + costo de CPU + costo de comunicación En donde: Costo de CPU = costo de una instrucción * no. de instrucciones secuenciales Costo de I/O = costo unitario de una operación de I/O a disco * no. de accesos secuenciales Costo de comunicación = (tiempo de iniciación + tiempo de transmisión) * no. de mensajes secuenciales

Estadísticas de las BD La ejecución de una estrategia se ve afectada principalmente por el tamaño de las relaciones intermedias debido a que estas son transmitidas por la red. Entonces se debe estimar el tamaño de las relaciones intermedias para poder minimizar el tamaño de las transferencias de datos. Para ello necesitamos de la siguiente información: La longitud de cada atributo: length( Ai ) El número de valores distintos para cada atributo en cada fragmento: card( P Ai, Rj ) Los valores máximo y mínimo en el dominio de cada atributo: min( Ai ), max( Ai ) Las cardinalidades de cada dominio: card( dom[Ai] ) Las cardinalidades de cada fragmento: card( dom[Rj] )

Optimización Centralizada de Consultas Las técnicas de optimización más populares se deben a dos sistemas de bases de datos relacionales: INGRES y System R. Sus técnicas difieren sustancialmente porque INGRES utiliza una técnica dinámica la cual es ejecutada por un intérprete mientras que System R utiliza un algoritmo estático basado en búsqueda exhaustiva. Los sistemas más comerciales utilizan variantes de la búsqueda exhaustiva por su eficiencia y compatibilidad con la compilación de consultas.

Ordenamiento de juntas para consultas fragmentadas El ordenamiento de juntas es un aspecto importante para la optimización de consultas centralizadas, pero en ambientes distribuidos es aún más importante ya que las juntas entre fragmentos pueden incrementar los costos de comunicación. La consulta es R >< S en donde R y S son relaciones almacenadas en nodos diferentes. La elección obvia es transferir la relación más pequeña al nodo con la relación más grande

Ordenamiento de juntas para consultas fragmentadas

Consideremos ahora el caso en donde hay más de dos relaciones en la junta. El objetivo sigue siendo transferir los operandos más pequeños. La dificultad aparece del hecho de que las operaciones de juntas pueden reducir o incrementar el tamaño de los resultados intermedios. Así, estimar el tamaño de los resultados de las juntas es obligatorio pero difícil. Una solución es estimar el costo de comunicación de todas las estrategias posibles y elegir la de costo menor. Sin embargo, el número de estrategias crece rápidamente con el número de relaciones.