1 / 15

CHAPTER 7 : OVERVIEW OF QUERY PROCESSING

CHAPTER 7 : OVERVIEW OF QUERY PROCESSING. Disusun Oleh : Ginong Pratidhina Nur M (08650002) Eka Farizqi Martalena ( 08650006) Devi Puspitasari ( 08650007) Rhesah Katu Unggara (08650017) Andi Febrianto (08650020) Intan Dwi Utami (08650022) Muhtar Ali Irfani (08650032).

terena
Download Presentation

CHAPTER 7 : OVERVIEW OF QUERY PROCESSING

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. CHAPTER 7 : OVERVIEW OF QUERY PROCESSING DisusunOleh : GinongPratidhinaNur M (08650002) EkaFarizqiMartalena (08650006) Devi Puspitasari (08650007) RhesahKatuUnggara (08650017) AndiFebrianto (08650020) IntanDwiUtami (08650022) Muhtar Ali Irfani (08650032)

  2. OVERVIEW OF QUERY PROCESSING • QUERY PROCESSING : Sebuah proses 3-langkah yang mengubah query tingkat tinggi (relasional kalkulus / SQL) ke sebuah query yang lebih rendah-tingkat yang setara dan lebih efisien (dari relasional aljabar). • 1. Parsing dan translasi2. optimasi3. evaluasi

  3. 1. Query Processing Problem • Contoh:Transformasidari SQL-query kesebuahhubungan RA-query: EMP(ENO, ENAME, TITLE), ASG(ENO,PNO,RESP,DUR) • Query: Carinama-namakaryawan yang mengelolasebuahproyek? • – High level query • SELECT ENAME • FROM EMP,ASG • WHERE EMP.ENO = ASG.ENO • AND RESP=‘manager’ (DUR > 37) • Duakemungkinantransformasi query adalah: • Expression 1: ENAME(DUR>37∧EMP.ENO=ASG.ENO(EMP × ASG)) • Expression 2: ENAME(EMP ⋊⋉ENO (DUR>37(ASG))) • Ekspresi 2 menghindariprodukmahaldanbesar Cartesian menengah, dankarenaitubiasanyalebihbaik.

  4. Cont. • Kamimembuatasumsiberikuttentangfragmentasi dataData (horizontal) terfragmentasi: • Site1: ASG1 = ENO≤”E3”(ASG) • Site2: ASG2 = ENO>”E3”(ASG) • Site3: EMP1 = ENO≤”E3”(EMP) • Site4: EMP2 = ENO>”E3”(EMP) • Site5: Result • Hubungan ASG dan EMP yang terfragmentasidengancara yang samaHubungan ASG dan EMP secaralokalberkerumundi RESP atributdan ENO, masing-masing

  5. Cont. • Sekarang perhatikan ekspresinya : • • Strategy 1 (sebagian eksekusi paralel): • – Produce ASG′1 and move to Site 3 • – Produce ASG′2 and move to Site 4 • – Join ASG′1 with EMP1 at Site 3 and move the result to Site 5 • – Join ASG′2 with EMP2 at Site 4 and move the result to Site 5 • – Union the result in Site 5 • • Strategy 2: • – Move ASG1 and ASG2 to Site 5 • – Move EMP1 and EMP2 to Site 5 • – Select and join at Site 5 • • Untuk mempermudah, proyeksi akhir dihilangkan.

  6. Equivalent Distributed Execution Strategies

  7. 2. COMPLEXITY OF RELATIONAL ALGEBRA OPERATIONS • • Pemesanan operator aljabar relasional sangat penting untuk pemrosesan query yang efisien• Rule of thumb: pindah operator mahal pada akhir pemrosesan query• Biaya operasi RA:

  8. 3. Karakteristik Query Processor • Languange / bahasa : • 􀁹 Untukpengguna : ◦ kalkulusataualjabarberdasarkanbahasa. 􀁹 Untukprosesor query : ◦ petamasukankedalambentuk internal aljabarditambahdengankomunikasiprimitif. • Type of optimization • Exhaustive search • _ Cost-based • _ Optimal • _ Combinatorial complexity in the number of relations • Heuristics • _ Not optimal • _ Regroups common sub-expressions • _ Performs selection, projection first • _ Replaces a join by a series of semijoins • _ Reorders operations to reduce intermediate relation size • _ Optimizes individual operations

  9. Cont. • Optimization Timing • Statis • Dinamis • Hybird • Statistics • Relation/fragments • Attribute • Common asumsi • Decision Site • Sentralisasi • Terdistribusi • Terdistribusi

  10. Cont. • Network topology • – Wide area networks (WAN) point-to-point. • – Local area networks (LAN) • Exploration of Replicated Fragments • penggunaan replikasi untuk meminimalkan biaya komunikasi. • Penggunaan Semijoins

  11. 4. LAYERS OF QUERY PROCESSING

  12. Cont. • Decompose calculus query into algebra • Query menggunakan global conceptual schema information.

  13. Cont. • Data Localization • Pendistribusian query dipetakanke query fragmendandisederhanakanuntukmenghasilkansatu yang baik. • Global Query Optimization • Caridekateksekusistrategiuntuk yang optimal. • Cariurutanterbaikdarioperasidi query fragmen, termasukkomunikasioperasi. • Biayafungsi yang didefinisikandidalamwaktu yang diperlukan. • Local Query Optimization • Sentralisasisistemalgoritma

  14. 5. KESIMPULAN • • pengolahan Query mengubah query tingkattinggi (kalkulusrelasional) menjadisetaratingkat yang lebihrendah query (aljabarrelasional). Kesulitanutamaadalahuntukmencapaiefisiensidalamtransformasi • • optimasi Query bertujuanuntukmimizefungsibiaya : I / O biaya + biaya + biayakomunikasi CPU • • pengoptimalan Query bervariasimenurutjenispencarian(searchlengkap, heuristik) danjenisalgoritma (dinamis, statis, hibrida). Statistik yang berbedadikumpulkanuntukmendukung query optimasiproses • • pengoptimalan Query bervariasiolehsituskeputusan (terpusat,didistribusikan, hybrid) • • Query pengolahandilakukandenganurutansebagaiberikut:!Dekomposisi query datalokalisasioptimasi global! optimasilokal

More Related