RENDIMIENTO Y ORGANIZACIÓN DE ARCHIVOS

En este documento se compara el coste de algunas operaciones simples en varias organizaciones de archivo básicas sobre una colección de archivos de empleado. Se supondrá que los archivos e índices están organizados de acuerdo a la clave de búsqueda compuesta(edad, sueldo) y que las operaciones de selección están sobre estos campos. Las organizaciones que se consideran son: - Archivos de registros de empleados ordenados de forma aleatoria en un archivo de montículo. - Archivo de registros de empleados ordenado por (edad, sueldo). - Archivo de árbol B+ agrupado por (edad, sueldo). - Archivo de árbol B+ no agrupado por (edad, sueldo). - Archivo de Montículo con un índice no agrupado por (edad, sueldo).

OPERACIONES A REALIZAR Nótese que si el archivo de datos está ordenado. !un índice cuya clave de búsqueda difiera del orden del archivo se comporta como un índice sobre archivo de montículo. Las operaciones que se consideran son: – Exploración: Lee todos los registros del archivo. – Búsqueda con selección de igualdad: Lee todos los registros que satisfacen una selección de igualdad; ejemplo: Determinar el registro de empleados con edad 23 y sueldo 50 – Búsqueda con selección por rango: Lee todos los registros que satisfacen una selección por rango; Los registros de empleados con edad mayor a 35. – Insertar un registro: Insertar un registro en el archivo, se debe identificar la página en la que se debe insertar el registro. – Borrar un registro: borrar un registro identificado por un criterio de búsqueda, se debe encontrar la página, leerla, modificarla y escribirla en disco.

MODELO DE COSTE B: número de páginas de datos cuando los registros están distribuidos en páginas sin desperdiciar espacio. R: número de registros por página. D: tiempo medio para leer o escribir una página en disco. C: tiempo medio para procesar un registro (comparar el contenido del registro).. Función de asociación: se utiliza para corresponder un registro en un rango de números. H: tiempo requerido para aplicar la función de asociación a un registro.

MODELO DE COSTE: VALORES TÍPICOS D =15 milisegundos. C y H = 100 nanosegundos. Se debe considerar también la velocidad del CPU y el tráfico generado al transmitir datos.

ARCHIVOS EN MONTÍCULO Exploración: el coste es B(D+RC) pues hay que recuperar cada una de las B páginas tomando un tiempo D por página y para cada página procesar los B registros con un tiempo C por registro. Búsqueda por selección de igualdad: – Suponiendo que el registro exista en promedio se debe leer la mitad del archivo 0,5B(D+RC). – En caso que no exista el registro se debe leer todo el archivo. – Sino se busca por un criterio de clave candidata se debe leer todo el archivo y no se sabe cuantos registros cumplen el criterio. Búsqueda por selección de rango: no se sabe donde están ubicados los registros que satisfacen el criterio de búsqueda el coste es B(D+RC). Inserción: se insertan los registros al final del archivo, es necesario leer la última página del archivo, añadir el registro y escribir la página, el coste es: 2D+C Borrado: Es el cote búsqueda + (C+D); sin considerar compactación.

ARCHIVOS ORDENADOS Exploración: el coste es B(D+RC), obsérvese que este caso no es mejor ni peor que los archivos no ordenados. Búsqueda por selección de igualdad: – Suponiendo que la selección de igualdad se corresponde con el criterio de ordenación (edad, sueldo) (al menos edad=30 o sueldo=50) – Se puede encontrar la primera página con una búsqueda binaria log2B, cada paso posterior para encontrar todos los registros que cumplen la condición requieren de una operación E/S y dos comparaciones. – Una vez encontrada la página el primer registro puede encontrarse nuevamente haciendo una búsqueda binaria cuyo coste es Clog2R por tanto el coste es Dlog2B+Clog2R. Búsqueda por selección de rango: suponiendo que la selección es por el criterio de búsqueda (edad, sueldo) el coste es similar a la búsqueda por selección de igualdad para varios registros que cumplan la condición. Inserción: para insertar un registro y mantener el orden es necesario encontrar la posición correcta en el archivo, añadir el registro y después leer y reescribir todas las páginas posteriores. El coste es el correspondiente a encontrar la posición del registro nuevo 2(0,5(D+RC)) es decir coste de búsqueda B(D+RC). Borrado: Es necesario buscar el registro, borrarlo de la página y escribir la página.

COMPARACIÓN DE LOS COSTES E/S Tipo de Archivo ExploraciónBúsqueda por Igualdad Búsqueda por Rango InserciónBorrado MontículoBD0,5BDBD2DBúsq+D OrdenadoBDDLog 2 BDLog 2 B+núm paso sel. Búsq+BD Agrupado1,5BDDLog F 1,5BDLog F 1,5B+n úm. paso sel. Búsq+D Índice en árbol no agrupado BD(R+0,15)D(1+Log F 0,1 5B) D(1+Log F 0,1 5B)+núm. pasos sel. D(3+Log F 0,15B)Búsq+2D Índice asociativo no agrupado BD(R+0,125)2DBD4DBúsq+2D

ÍNDICES Y AJUSTES DE RENDIMIENTO La elección de los índices tiene un impacto enorme en el rendimiento del sistema y debe realizarse en el contexto de la carga de trabajo es decir la combinación más habitual de operaciones y actualización. El tratamiento completo de índices y su rendimiento requiere entender lqa evaluación de consultas de la base de datos y el control de concurrencia.