High-Performance Extensible Indexing

High-Performance Extensible Indexing Publicado em 1999 na 25th VLDB Conference Por: Marcel Kornacker Apresentado por: Gustavo Augusto e Ivan Silva TABD 23/04/12

Introdução Métodos eficientes de acesso à árvores de procura são cruciais para qualquer base de dados. Em tradicionais DBMS relacionais , árvores B+ são suficientes para queries com tipos de dados standards do SQL Mas para “extensive object-relational database management systems“ (ORDBMSs) novos métodos são necessários.

Introdução (continuação) As ORDBMSs são feitas para suportar aplicações como • Servidores web dinâmicos • Sistemas de informação geográfica • Ferramentas CAD • Etc... Para essas aplicações novos métodos de acesso (AM) . Entrentanto fazer um AM não é trivial, pois é necessário um vasto conhecimento em protocolos de concorrência e recuperação

Introdução (problema) No estado da arte comercial, há o “Oracle’s Extensible Indexing Interface” e o “Informix Dynamic Server with Universal Data Option” (IDS/UDO).

Introdução (proposta) Generalized Search Tree(GiST)

Índice • Descrição do GiST • Arquitetura e implementação do GiST • Implementation Issues • Concurrency control and Recovery • Performance Measurements • Summary

Descrição do GiST • GiST é uma arvore equilibrada que fornece algoritmos “template” para navegação entre estruturas de árvores através de page splits e deletes. • Como todas as outras árvores de indexação, o GiST guarda pares (key, RID) nas folhas. RIDs (Record Identifiers) apontam para os registos na pagina de dados. • Paginas internas contêm pares (predicado, apontador da pagina filho) onde o predicado avalia TRUE para cada chave dentro ou abaixo da pagina filho associada

Descrição do GiST • Exemplos de bases que seguem essas propriedades: • Árvores B+ • Árvores R • Além desses requerimentos estruturais, o GiST não impõe nenhum requerimento extra sobre os dados chave guardados na arvore ou sobre a organização dos mesmos dentro e entre as paginas permitindo dados multidimencionais.

Descrição do GiST • O GiST suporta as operações standard de índices: • Search: com um predicado, retorna todas as folhas com entradas que satisfaçam o predicado • Insert: adiciona um par (key, RID) à árvore • Delete: remove um determinado par da árvore • Entretanto é necessário uma ajuda de funções externas fornecidas pelo desenvolvedor do AM • E.g. no search, é necessário definir uma funçao consistent() • E.g. No delete, é necessário definir uma função union()

Arquitetura e implementação do GiST Ao implementar uma arquitetura extensão de AM baseada em GiST certos problemas precisam ser tratadas: • User Defined Functions(UDF) • Costumização do formato de armazenamento e das paginas internas

Arquitetura e implementação do GiST A arquitetura é dividada em 3 partes • GiST core(11functions) • AM extension • Data type adapter

Arquitetura e implementação do GiST • s

Arquitetura e implementação do GiST • As operações search, insert e delete mudam de forma a usar as funçoes de interface do GiST core. • Essas novas operações optimizam o número de chamadas UDF.

Implementation Issues A implementação da extensão GiST AM inclui controlo de concurrencia e recuperação.

Análise performance • Concurrency control • O protocolo de ”locking” que permite a procura e actualizações de forma concurrente nas arvores é feita usando uma adaptação da técnica de ”B-link tree”. • Todas as páginas estão ligadas umas às outras. • Para alem do link, cada página tem um PSN (page number sequence). • Em cada ”page split” o actual PSN da página vai para o ramo da direita e um novo PSN é atribuído ao ramo da esquerda. • O Log é apenas efectuado a cada 100 incrementos para garantir eficiência.

Recovery • O protocolo de ”logging” do GiST suporta alta concurrencia nas arvores de procura, dividindo-os em ”content-changing (item insertion and deletion at the leaf level)” e ”structure-modifying parts (page splits, parent entry updates, page deletions)”. • A API implementada não modifica em nada a implementação base Informix Dynamic Server with Universal Data Option (IDS/UDO).

Performance Measurements • GiST-based R-trees VS built-in R-trees • Software engineering benefits • higher performance • Performance comparation involves individual search and insert • Search built-in: 1359 UDF calls • Search GiST-based: 80 UDF calls • Insert built-in: 182 UDF calls • Insert GiST-based: 4 UDF calls • Insert built-in W/split: 704 UDF calls • Insert GiST-based W/split: 66 UDF...

Summary • Modelo GiST-based como extenção da implementação IDS/UDO. • Clara separação das funcionalidades de uma AM e os algoritmos genéricos de ”search” e ”update”. • 1. Não tem que se preocupar com concurrencias nem protocolos de recuperação • 2. AM está ligeiramente integrado na BD do ponto de vista operacional, o que garante tanta fiabilidade quando as built-in. • Redução das linhas de implementação. • Melhoramento na performance entre os 14 e 40%.

High-Performance Extensible Indexing