4. Estructuras de almacenamiento y métodos de acceso Objetivos • Conocer diferentes técnicas para colocar los registros de un fichero en el disco • Entender la teoría y aplicación de las técnicas de dispersión (hashing) interna y externa • Conocer cómo usar dispersión para facilitar la expansión dinámica de ficheros • Comprender la teoría y aplicación de los índices primarios, secundarios y de agrupamiento • Distinguir entre índices densos y no densos • Identificar y comprender las ventajas e inconvenientes de cada técnica de organización de ficheros Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

1

4. Estructuras de almacenamiento y métodos de acceso Contenidos 4.1. Conceptos generales de organización de ficheros 4.2. Organización primaria 1. Ficheros no ordenados 2. Ficheros ordenados 3. Ficheros mixtos 4. Ficheros dispersos 5. Árboles B y otras estructuras de datos

4.3. Organización secundaria

1. Índices Í ordenados de un solo nivel 2. Índices de múltiples niveles

4.4. Ficheros mixtos en Oracle 4.5. Ficheros dispersos en Oracle 4.6. Especificación de índices en SQL y Oracle Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

2

1

4. Estructuras de almacenamiento y métodos de acceso Bibliografía [EN 2002] Elmasri, R.; Navathe, S.B.: Fundamentos de Sistemas de

Bases de Datos. 3ª Edición. Addison-Wesley. (Cap. 5 y 6)

[EN 1997] Elmasri, R.; Navathe, S.B.: Sistemas de bases de datos. Conceptos fundamentales. 2ª Ed. Addison-Wesley Iberoamericana. (Cap. 4 y 5)

[SKS 1998] Korth, H; Silberschatz, A., Sudarshan, S.: Fundamentos de b bases d de d datos. 3ª Edición. d McGraw-Hill. ll (Cap. ( 10 y 11))

[CBS 1998] Connolly et al.: Database Systems: A Practical Approach to Design, Implementation and Management. 2nd Ed. Addison-Wesley (Apéndice B)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

3

4.1 Conceptos generales de organización de ficheros • Los datos de una BD están almacenados en un medio de almacenamiento en el ordenador: – Almacenamiento secundario de disco magnético • Estudiaremos E t di té i técnicas de d almacenamiento l i t en disco di – Formas de organizar ficheros de datos en el disco – Para conseguir acceso a BD con rendimiento aceptable

• Cada técnica tiene ventajas/inconvenientes, conocidas por – Diseñadores y ABDs – Implementadores de SGBD

• Una aplicación, aplicación en cierto momento, momento sólo necesita acceder a una porción de la BD. Deberá... – – – –

Localizarla en disco Copiarla a la memoria principal Procesarla Reescribirla en disco (si se modificó)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

4

2

4.1 Conceptos generales de organización de ficheros Registros, tipos de registro y bloques • Datos en disco organizados en ficheros de registros • Registro R i t – – – –

Colección de valores de datos relacionados entre sí Cada valor (1 o más bytes) corresponde a un campo Cada campo tiene asociado un tipo de datos Definición de Tipo de Registro: { (nombre-campo,tipo-datos) }

NOMBRE DEL TIPO DE REGISTRO

NOMBRE DEL CAMPO

TIPO DE DATOS DEL CAMPO

type EMPLEADO = record

NOMBRE

: : : : : :

NSS SALARIO CÓDIGO_PUESTO DEPARTAMENTO FECHA_CONTRATO

packed array packed array integer; integer; packed array packed array

(valores que puede aceptar)

[1..30] of character; [1..9] of character; [1..20] of character; [1..4] of character;

end; Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

5

4.1 Conceptos generales de organización de ficheros Registros, tipos de registro y bloques • Los registros son almacenados en disco de forma que, cuando se necesiten, su recuperación sea eficiente • Transferencia de datos entre memoria principal y disco en unidades de bloque – Un disco magnético está estructurado en pistas y sectores – División de pista en bloques (páginas) por el SO al formatear el disco

• Si se necesita información contenida en cierto bloque... – Se pasa al dispositivo hardware de E/S del disco: Dirección hardware del bloque Dirección de un búfer (memoria intermedia)

– Lectura: copia el bloque del disco al búfer – Escritura: copia el bloque del búfer al disco Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

6

3

4.1 Conceptos generales de organización de ficheros Registros, tipos de registro y bloques (y 2) • Tiempo(localización&transferencia) Búsqueda + Retardo Rotacional + Transferencia

>Tiempo(procesamiento CPU)

Cuello de botella

• La solución... solución estructurar los ficheros para minimizar el nº de transferencias de bloques necesarias para localizar y transferir datos del disco a memoria principal Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

7

4.1 Conceptos generales de organización de ficheros Ficheros, registros de longitud fija y variable • Fichero – Secuencia de registros con igual estructura

• Fichero mixto – Contiene registros de diferente tipo – Aumenta la eficiencia de operaciones de reunión

• Fichero de registros de longitud fija • Fichero de registros g de longitud g variable, debido a... – Registros del mismo tipo pero con algún campo … de longitud variable, multivalorado, opcional

– Fichero mixto Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

8

4

4.1 Conceptos generales de organización de ficheros Grabación de registros en bloques, registros extendidos y no extendidos • Los registros se asignan a bloques de disco – tamaño(bloque) = B bytes – Si B > tamaño(registro) varios registros por bloque

• Fichero con registros de longitud fija R – Si B ≥ R factor de bloques fbl = ⎣ B / R ⎦ registros – Espacio desocupado = B – ( fbl * R ) bytes – Organización ó extendida: aprovechar este espacio almacenando ahíí (una parte de) otro registro (y el resto en otro bloque) – Organización no extendida: no se permite que un registro esté almacenado en varios bloques

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

9

4.1 Conceptos generales de organización de ficheros Grabación de registros en bloques, registros extendidos y no extendidos (y 2) • Fichero con registros de longitud variable – Cada bloque contiene un nº distinto de registros – fbl = número medio de registros por bloque – Es posible estimar el nº de bloques necesarios para contener r registros:

⎡r / fbl⎤ bloques – Puede utilizarse organización extendida o no extendida: Organización extendida si el tamaño medio de los registros es grande, pues se reduce el espacio desperdiciado por bloque

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

10

5

4.1 Conceptos generales de organización de ficheros Descriptor de fichero (cabecera) • Contiene datos necesarios para que los programas puedan acceder a los registros del fichero • Incluye información – para determinar la dirección en disco de los bloques y – descripción de formato de los registros

• Fichero con registros no extendidos y de longitud fija: longitud y orden de campos

• Fichero con registros de longitud variable: caracteres separadores d entre campos marcas de tipo de campo (si campos opcionales) marcas de tipo de registro (si fichero mixto)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

11

4.1 Conceptos generales de organización de ficheros Operaciones con ficheros • Operaciones de obtención de datos – Localizar ciertos registros para examinar y procesar su contenido

• Operaciones de actualización – Insertar, eliminar o modificar registros

• Suele ser necesaria una selección previa con base en una condición de búsqueda – Si varios registros la satisfacen, se localiza el primero de ellos

• Registro Actual: – El localizado más recientemente en el búfer (memoria intermedia)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

12

6

4.1 Conceptos generales de organización de ficheros Operaciones con ficheros (y 2) • Operaciones sobre un solo registro – Buscar ((Localizar)) – Leer (Obtener) – Buscar Siguiente – Eliminar – Modificar – Insertar • Operaciones sobre un conjunto de registros – Lectura Ordenada – Buscar Todos – Reorganizar • Operaciones para Abrir y Cerrar ficheros Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

13

4.1 Conceptos generales de organización de ficheros Organización de ficheros vs. Método de acceso • Organización de fichero: – Estructuración de los datos de un fichero en registros, bloques y estructuras de acceso – Técnica de organización de ficheros: cómo colocar los registros y bloques en el medio de almacenamiento y cómo interconectarlos – Objetivo: localización eficiente de los datos

• Método de acceso: – Conjunto de programas que permite realizar operaciones sobre los datos de un fichero – Proporciona acceso a los datos; hace uso de las estructuras de acceso (si existen)

Combinados, deben maximizar la eficiencia de las operaciones más frecuentes sobre el fichero Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

14

7

4.1 Conceptos generales de organización de ficheros Tipos de organización de ficheros • Organización Primaria – – – – –

Determina ee a la a forma o ae en que los os registros eg s os de del fichero c e o se co colocan oca físicamente en el disco y cómo se puede acceder a ellos Fichero No Ordenado (montón) Fichero Ordenado (secuencial) Fichero Mixto Fichero Disperso (direccionamiento directo o hashing) Árboles B y otras estructuras de datos (en el tema)

• Organización Secundaria (o indexada) – Índice Ordenado de un nivel – Índice Multinivel Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

15

4.2 Organización primaria Fichero no ordenado (montículo o montón) • Registros almacenados al final del fichero, en orden de inserción

Inserción muy eficiente

Búsqueda lineal

Eliminación física o por marca – Reorganización para recuperar espacio desocupado – O aprovechar huecos para nuevos registros

Modificación de un registro – Si longitud variable, puede provocar eliminación + inserción

Lectura ordenada supone creación de una copia ordenada del fichero – Suele utilizarse una técnica de ordenación externa Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

16

8

4.2 Organización primaria Fichero ordenado (secuencial) • Registros almacenados de forma ordenada según valores de cierto campo – campo p de ordenación – Si el campo es clave, se le llama clave de ordenación

• Ventajas respecto a los ficheros no ordenados

Lectura ordenada muy eficiente si el orden es el de los valores del campo de ordenación: lectura secuencial

Buscar siguiente (en el orden del campo de ordenación) no suele necesitar otro acceso a bloque

Buscar un registro g dado su valor del campo p de ordenación es rápido: p búsqueda binaria

• Pero si la Lectura ordenada o Buscar no están basados en el campo de ordenación, estas ventajas «desaparecen»

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

17

4.2 Organización primaria Fichero ordenado (2)

Inserción – supone encontrar posición correcta para el registro y – abrirle espacio mediante desplazamiento de registros (costoso!)

Eliminación Eli i ió física fí i o por marca

– con problemas de eficiencia similares a la inserción

Para aumentar la eficiencia de la inserción

– Dejar espacio libre en cada bloque para nuevos registros – Fichero de desbordamiento auxiliar, no ordenado, que periódicamente se ordena y fusiona con el fichero principal Buscar se complica: binaria en principal + lineal en auxiliar

Modificación – Si la condición de búsqueda se basa en el campo de ordenación, usar búsqueda binaria. Si no, búsqueda lineal – Si el campo modificado es el de ordenación, el nuevo valor puede provocar su cambio de ubicación: eliminación + inserción

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

18

9

4.2 Organización primaria Fichero ordenado (y 3) Fichero secuencial encadenado • Registros ordenados de forma lógica (no física) • Uso de punteros  Mayor flexibilidad • Estructuras de datos para implementar este tipo de ficheros – – – –

Listas lineales Listas múltiples Anillos o listas circulares Árboles binarios de búsqueda

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

19

4.2 Organización primaria Fichero Mixto • Almacena registros de diferente tipo • Los registros provienen de distintas tablas ... – Están relacionadas mediante una o varias columnas Clave externa y clave candidata

– Las operaciones más frecuentes son las consultas y no es habitual modificar las columnas comunes – Solicitudes frecuentes de filas relacionadas de ambas tablas Operaciones que implican la reunión (JOIN) de las tablas

• En el fichero... – Los registros relacionados están físicamente adyacentes – clave del fichero mixto: campos «comunes» de los registros

• Ventajas del uso de ficheros mixtos – Mayor eficiencia de las operaciones con JOIN entre las tablas – Valores de la clave del fichero mixto almacenados sólo una vez L En Oracle se denominan cluster de tablas Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

20

10

4.2 Organización primaria Ejemplo de uso de un fichero mixto vs. dos ficheros individuales

(DEPTNO)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

21

4.2 Organización primaria Fichero de direccionamiento calculado (Hashing) • Permite acceso rápido a registros según una condición de búsqueda de igualdad sobre un solo campo – Campo de dispersión (columna de dispersión) – Si es clave del fichero, se llama clave de dispersión

• Función de dispersión h – Se aplica al valor k del campo de dispersión de un registro (fila) – Y produce la dirección del bloque de disco en el que está el registro La localización del registro dentro del bloque se hace en el búfer

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

22

11

4.2 Organización primaria Fichero de direccionamiento calculado (2) • Ejemplos de funciones h – Módulo: h(k) = k mod M – Plegado: egado Si k=k1k2k3k4, h(k)=k S ( ) 1k2⊕ ⊕k3k4 , ⊕ ∈ { + , xor o } – Truncamiento: h(k) = k1k3

• Desventaja del direccionamiento calculado – No se garantiza que valores distintos de k produzcan direcciones diferentes en el fichero

Espacio de dispersión > Espacio de direcciones • Estudiaremos las técnicas de dispersión... – Interna – Externa – Dinámica

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

23

4.2 Organización primaria Fichero de direccionamiento calculado (3) Dispersión Interna • Espacio de direcciones destino – Conjunto de M registros – Un array de M posiciones en memoria principal

• Función de dispersión h – Traduce el valor del campo de dispersión en un entero ∈[0, M-1]

• Colisión – Al aplicar h a un registro que se desea insertar en el fichero, se obtiene una dirección ocupada – El nuevo registro es un sinónimo

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

24

12

4.2 Organización primaria Fichero de direccionamiento calculado (4) Dispersión Interna • Técnicas de resolución de colisiones – Direccionamiento abierto Búsqueda secuencial de una posición vacía

– Encadenamiento Uso de listas de sinónimos en un área de desbordamiento

– Dispersión múltiple Aplicación de una segunda función h Si se produce colisión, se aplica direccionamiento abierto

• h debe d b ser sencilla ill y rápida á id de d calcular l l • Su objetivo es conseguir una distribución uniforme de los registros (sin acumulamientos) – Mínimo número de colisiones – Máximo número de posiciones ocupadas Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

25

4.2 Organización primaria Fichero de direccionamiento calculado (5) Dispersión Externa • Espacio de direcciones destino – Conjunto de cubetas – Cubeta=grupo de registros del fichero (1 o más bloques contiguos)

• Función de dispersión h – Traduce el valor del campo de dispersión en un número de cubeta – El descriptor de fichero contiene, para cada cubeta, la correspondencia número de cubeta dirección en disco

• Decrece el número de colisiones – Los sinónimos se dispersan dentro de una cubeta – Uso de cubeta de desbordamiento (común al resto) y listas de registros sinónimos para insertar registros en cubetas ya completas

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

26

13

4.2 Organización primaria Fichero de direccionamiento calculado (6) Dispersión Externa

Búsqueda o Localización – A Acceso directo di t sii condición di ió de d búsqueda bú d basada b d en campo de d dispersión el más rápido: 1 acceso a bloque – Si no, búsqueda lineal

Lectura ordenada – Costosa: h no suele mantener registros ordenados

Eliminación – Sacarlo de la cubeta y ocupar espacio con un sinónimo – O sacarlo de la lista de desbordamiento (si estaba ahí)

Modificación – Si la condición de búsqueda se basa en el campo de dispersión, usar h para localizar registro. Si no, búsqueda lineal – Si el campo modificado es el de dispersión, el nuevo valor puede provocar su cambio de cubeta: eliminación + inserción Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

27

4.2 Organización primaria Fichero de direccionamiento calculado (7) Dispersión Externa • Asigna al fichero una cantidad de espacio fija – – – –

M cubetas Cada cubeta con capacidad para m registros Espacio disponible = m*M registros Número real de registros r

< m*M ¨ gran desperdicio! Si r > m*M ¨ muchas colisiones!

• Si r •

– Largas listas de registros de desbordamiento  lenta obtención de registros

• Solución: dispersión dinámica Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

28

14

4.2 Organización primaria Fichero de direccionamiento calculado (8) Dispersión Dinámica • Representación del resultado de la función de dispersión h como una cadena de bits – Valor de direccionamiento calculado del registro

• Los registros se distribuyen en cubetas según los primeros bits de su valor de direcc. calculado • Tipos de dispersión dinámica – Direccionamiento calculado extensible – Direccionamiento calculado lineal

§

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

29

4.2 Organización primaria Fichero de direccionamiento calculado (9) Dispersión Dinámica: Direccionamiento Calculado Extensible • Fichero + Directorio – Directorio: array de 2d direcciones de cubeta d es la profundidad global del directorio

• Determinación de la posición de un registro: – El valor de los primeros d bits del valor de direccionamiento calculado indican una posición del directorio – Dicha posición contiene la dirección de cubeta en la que almacenar l ell registro i t

• En el directorio... – Varias posiciones pueden contener la misma dirección de cubeta – La profundidad local d’ de cada cubeta indica el nº de bits considerados: determina su contenido Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

30

15

4.2 Organización primaria Fichero de direccionamiento calculado (10) Dispersión Dinámica: Direccionamiento Calculado Extensible • Obtención de un registro – Dos accesos a bloque: directorio + cubeta

• d puede disminuir o aumentar en 1 bit reducir a la mitad o duplicar el tamaño del directorio – Duplicar si se desborda una cubeta cuya (d’ = d) – Reducir R d i a lla mitad it d sii (d’ < d) en todas t d las l cubetas b t

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

31

4.2 Organización primaria Fichero de direccionamiento calculado (y 11) Dispersión Dinámica: Direccionamiento Calculado Extensible • Dispersión dinámica vs Dispersión estática ☺ Ventajas – El rendimiento no se degrada a medida que crece el fichero – No se asigna espacio para futuros crecimientos: se añaden cubetas adicionales conforme se necesitan Espacio extra para directorio insignificante Como mucho 2k, k = nº bits del valor de direccionamiento calculado

– Reorganizaciones de registros «poco importantes» Si se divide d d o duplica d l una cubeta, b sólo ól se reorganizan sus registros La más costosa: duplicación o reducción a la mitad del directorio

Inconveniente (leve!) – Necesarios 2 accesos a bloque para localizar un registro Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

32

16

4.3 Organización secundaria: Ficheros de índices • Un índice es una estructura de acceso adicional – Almacenado en disco – Utilizado junto con el fichero de datos (fichero principal) – Fichero principal estructurado según una organización primaria

• Agiliza la obtención de registros según valores de cierto campo del fichero: campo de indexación – Primero se accede al índice, que apunta al bloque del fichero donde está almacenado el registro

• Es posible crear ... – un índice sobre cualquier campo de un fichero – varios índices sobre un mismo fichero

• Un índice puede ser de uno de estos tipos – Ordenado de un nivel: Primario, de Agrupamiento, Secundario – De múltiples niveles: Árbol B, B+, B* Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

33

4.3 Organización secundaria Índices ordenados de un nivel • El fichero de índice contiene un conjunto de entradas • Cada entrada incluye dos campos, para almacenar... – Un valor de los almacenados en el campo de indexación – Un puntero al registro que contiene dicho valor o al bloque que lo contiene

• Las entradas están ordenadas – Según valores extraídos del campo de indexación del fichero ppal – Es posible realizar búsquedas binarias sobre el índice

• Índices densos y no densos – Denso si contiene una entrada por cada registro del fichero – En otro caso, es no denso (o disperso)

• Operaciones sobre ficheros con índices: – Buscar implica búsqueda binaria sobre el índice – Insertar y Eliminar pueden provocar modificación del índice  Menos accesos a bloques, pero ∃ coste de mantener el índice Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

34

17

4.3 Organización secundaria Índice primario • Sobre ficheros con registros ordenados según los valores de un campo clave • El campo de indexación es dicha clave de ordenamiento El índice es un fichero ordenado con... – Una entrada por cada bloque de fichero principal (índice no denso) – Cada entrada tiene longitud fija y 2 campos: Valor del campo de indexación de un registro ancla de bloque Puntero al comienzo de cada bloque

• Bloques l de d índice í di

< Bloques l de d fichero fi h principal i i l

• Operaciones sobre ficheros con índices primarios: – Insertar y Eliminar pueden provocar la modificación del índice si afectan a los registros ancla Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

35

4.3 Organización secundaria Índice de agrupamiento • Sobre ficheros con registros ordenados según los valores de un campo no clave • El campo de indexación es dicho campo de agrupamiento El índice es un fichero ordenado con... – Una entrada por cada valor distinto del campo de agrupamiento del fichero principal (índice no denso) – Cada entrada tiene longitud fija y 2 campos: Valor distinto del campo de indexación (= de agrupamiento) Puntero al primer bloque en que aparece dicho valor

• Operaciones O i sobre b ficheros fi h con índices í di de d agrupamiento: i t – Insertar y Eliminar costosas y provocan modificación del índice  Alivio si se reserva un bloque (del fichero de datos) para cada valor distinto del campo de agrupación (o varios bloques enlazados)

acelera la recuperación de registros que tienen el mismo valor en el campo de agrupamiento Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

36

18

4.3 Organización secundaria Índice secundario sobre campo clave • Sobre un campo que es clave del fichero principal, y que no marca la ordenación de los registros de datos • El campo de indexación es dicho campo: clave secundaria El índice es un fichero ordenado con... – Una entrada por cada registro del fichero principal (índice denso) – Cada entrada tiene longitud fija y 2 campos: Valor del campo de indexación (= clave secundaria) Puntero al registro o al bloque en que aparece dicho valor

• Operaciones sobre ficheros con índices de este tipo: – Insertar y Eliminar provocan la modificación del índice

• Tiene más entradas que un índice primario – –

Ocupa más espacio. Mayor tiempo de búsqueda Pero mayor “ganancia” respecto a búsqueda en el fichero de datos

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

37

4.3 Organización secundaria Índice secundario sobre campo no clave • Sobre un campo que no es clave del fichero principal, y que no marca la ordenación de los registros de datos • El campo de indexación es dicho campo • Opciones para crear el índice, fichero ordenado con... Una entrada por cada registro del fichero principal (índice denso) – entradas de longitud fija y 2 campos: valor y puntero a registro – valores repetidos del campo de indexación Una entrada por valor distinto del campo de indexación (no denso) – entradas t d d de longitud l it d variable: i bl valor l y varios i punteros t a bloque bl Una entrada por valor distinto del campo de indexación, y un nivel adicional de indirección (índice no denso) – entradas de longitud fija y 2 campos: Valor del campo de indexación Puntero a un bloque de punteros a registro Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

38

19

4.3 Organización secundaria Índice de múltiples niveles • Se construye partiendo del índice sobre el fichero principal de datos en disco (índice de nivel base), mediante creación sucesiva primarios sobre índices de índices p • El índice de nivel base puede ser de cualquier tipo, si éste... – tiene entradas de longitud fija y – almacena valores distintos del campo de indexación

• El índice multinivel es denso si lo es el de nivel base – Se puede saber si un registro está en el fichero sin acceder a éste

• Mejora el rendimiento de la búsqueda binaria: a cada paso desecha más entradas que en un índice de un solo nivel • La inserción, eliminación y modificación de registros de datos... – Son ineficientes si implican inserción o eliminación de entradas en el índice multinivel – Solución: índices dinámicos de múltiples niveles (árboles B, B+, B*) Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

39

4.3 Organización secundaria Tipos de ficheros en función de su indexación • Fichero totalmente invertido – Tiene un índice secundario sobre cada uno de sus campos – Los registros nuevos se insertan al final del fichero (no ordenado!)

• Fichero secuencial indexado – Registros ordenados según valores de un campo clave y – Con un índice primario de múltiples niveles sobre dicha clave  Facilita acceso secuencial e individual (directo a través del índice)

• Cada SGBDR comercial implementa los índices empleando sus propias técnicas – Oracle emplea, entre otras estructuras, la de árbol B* Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

40

20

4.6 Especificación de índices en SQL Índices y el SQL estándar • Antiguas versiones del SQL estándar contaban con sentencias para crear y destruir índices – El LDD no incluía cláusulas PRIMARY KEY o UNIQUE  restricción de integridad de clave mediante creación de índice único

• La versión SQL-92 no considera los índices – Pues los índices son caminos físicos de acceso a los datos – Restricción de clave mediante cláusulas PRIMARY KEY y UNIQUE La unicidad de una columna es un concepto lógico

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

41

4.6 Especificación de índices en SQL Índices en los SGBDR comerciales • En muchos SGBD comerciales, el índice ... – es una estructura de datos independiente – se crea y destruye dinámicamente dinámicamente, sin afectar al fichero principal

• Conviene crear un índice sobre cierto campo si se va a acceder con frecuencia al fichero según una condición de selección o reunión en la que aparezca dicho campo ☺ El índice incrementará la velocidad de esas consultas o accesos Cada índice sobre una columna hace que inserción, borrado y actualización sean más complejas y consuman más tiempo

• Normalmente, el SGBD creará un índice secundario – Independiente de la ordenación física de los registros – Puede crearse con casi cualquier organización primaria de ficheros – Sobre un mismo fichero puede crearse varios índices secundarios Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

42

21

4.6 Especificación de índices en SQL Índices en Oracle • Tipos de índices, según su implementación – Índices de árbol B, o normales; los creados por defecto • Índices de tablas • Índices de clusters

– – – –

§

Índices bitmap Índices particionados Índices basados en funciones Índices de dominio

• Por o defecto, de ecto, O Oracle ac e a almacena ace a las as filas as de u una a tab tabla a co como ou una a colección desordenada de filas – No cabe hablar de índices primarios o de agrupamiento, tal y como los hemos definido en este tema

• Aunque es posible almacenar una tabla con una estructura de índice (árbol B*): index organized table Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

43

4.6 Especificación de índices en SQL Índices en Oracle (2) • Tipos de índices, según la columna (o campo) de indexación – Índice Único • Basado en una columna de tabla cuyos y valores son únicos

– Índice Primario (un caso particular de Índice Único) • Basado en una clave primaria de tabla

– Índice Secundario • Basado en una columna con valores no únicos

– Índice Compuesto, también Índice Concatenado • Basado en 2 o más columnas de una misma tabla • Puede ser Único, Primario o Secundario – Un Índice Í Compuesto Ú Único es útil para imponer la unicidad de la combinación de valores de varias columnas

L En Oracle el significado de los conceptos índice primario e índice secundario no coincide con la teoría explicada en el apartado 4.3 de este tema Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

44

22

4.6 Especificación de índices en SQL Índices en Oracle (3) • Sentencia LDD para crear índices CREATE INDEX Indice_Genero_Pelicula ON Pelicula ( genero ) ;

• Especificación del orden ascendente o descendente de las entradas del índice CREATE INDEX Indice_Año_Pelicula ON Pelicula ( año DESC ) ;

• Índice compuesto CREATE INDEX Indice_Nombres_Director ON Director ( apellido1 ASC, apellido2 ASC, nombre DESC ) ; – El índice incrementa la velocidad de las consultas q que acceden por... p • apellido1 • apellido1 y apellido2 • apellido1 y apellido2 y nombre – Pero el SGBD no usará el índice para consultas que acceden por... • apellido2 • nombre • apellido2 y nombre Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

45

4.6 Especificación de índices en SQL Índices en Oracle (4) • Algunos SGBDR, como Oracle, crean un índice sobre cada clave (primaria o alternativa) de forma automática – C Campo de d indexación: i d ió columna l (o ( conjunto j t de d columnas) l ) especificada como UNIQUE o PRIMARY KEY en el esquema de BD – El SGBD empleará el índice para imponer la restricción de clave

• Creación explícita de un índice único – Usado para imponer una restricción de clave sobre una o varias columnas CREATE UNIQUE INDEX Indice_Director ON Director(apellido, fechanacim) ; – En el caso de que la tabla DIRECTOR ya contenga datos, este índice sólo será creado si cada combinación de valores apellido y fechanacim es distinta para todas las filas de la tabla – Oracle recomienda la creación explícita del índice, y no sólo la declaración de la clave como UNIQUE en la especificación de la tabla Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

46

23

4.6 Especificación de índices en SQL Índices en Oracle (y 5) • Sentencia LDD para destruir índices DROP INDEX Índice_Genero_Película ; – Conviene eliminar un índice cuando ya no se espera realizar consultas basadas en el campo de indexación – Desaparece el coste de mantenimiento del índice – Se recupera el espacio de almacenamiento ocupado por el índice

• No se puede eliminar un índice creado automáticamente por ell sistema (debido a la especificación de una restricción de integridad UNIQUE o PRIMARY KEY sobre una o varias columnas), sino que se debe eliminar (DROP) o desactivar (DISABLE) la restricción de integridad correspondiente Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

47

4.7 Selección de la organización de ficheros y estructuras de acceso Selección: decisiones de diseño físico • La mayoría de SGBDR representa cada tabla base como un fichero de BD,, para p el cual es necesario especificar... p – Tipo de fichero, – Columnas sobre los que definir estructuras de acceso (índices) • Decisiones de diseño físico Sobre estructuras de almacenamiento (organización de ficheros)

Sobre índices (estructuras de acceso)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

48

24

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo emplear un fichero no ordenado • La tabla es pequeña – Registros pequeños o factor de bloques elevado – Es inspeccionada con pocos accesos a bloque

• Normalmente, las consultas u operaciones más frecuentes sobre la tabla seleccionan o acceden a muchas filas (es decir, más del 20% del total de las filas)

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

49

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo emplear un fichero ordenado • La tabla es de tamaño medio-grande y con frecuencia es... – ordenada según valores de una columna c c aparece en cláusulas ORDER BY, GROUP BY, DISTINCT, o como columna de REUNIÓN o de UNION

– accedida con criterios de selección que incluyen un rango g de valores de c – procesada secuencialmente en el orden de los valores de c (lectura ordenada) • La tabla no es frecuentemente modificada con INSERT, UPDATE (c) o DELETE Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

50

25

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo emplear un esquema de dispersión • Los accesos a la tabla son frecuentes, individuales y aleatorios, y según valores de una columna c, que... – Es muy utilizada en operaciones de selección por igualdad – Es muy usada en condiciones de reunión (JOIN) – equi-reunión – – Sus valores apenas son modificados – Los valores de c son muchos y variados: permiten una buena di t ib ió de distribución d los l registros, i t evitando it d colisiones li i

• Se conoce el tamaño del fichero y no se espera un crecimiento o reducción considerable – En caso contrario, puede usarse dispersión dinámica

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

51

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo evitar un esquema de dispersión • Los accesos a la tabla son – por rango de valores de a, salvo si es una lista: a IN (v1, v2, ...vn) – con criterios de selección que no incluyen a, o incluyen sólo parte de a – en orden, según los valores de a L No todos los SGBD soportan dispersión (Oracle sí) L Puede definirse un solo esquema hashing por tabla L No es posible combinar dispersión y ordenación: ambos determinan la posición física de los registros en el fichero Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

52

26

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo emplear un fichero mixto (cluster de tablas) • Son muy frecuentes las consultas que implican... – La reunión entre dos (o más) tablas relacionadas Ejemplo: relación 1:N vía clave primaria/clave externa

– El agrupamiento de filas de la tabla del lado N, según valor de la clave externa

L En Oracle crear un fichero mixto significa crear un cluster, definir clave de cluster,, crear índice cluster,, y almacenar las tablas dentro

☺ Ventajas • Acelera la ejecución de las reuniones entre las tablas – registros relacionados están en el mismo bloque  menos accesos a bloque

• Aprovechamiento del espacio Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

53

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre estructuras de almacenamiento

Cuándo emplear un fichero mixto (cont.) I Inconvenientes i t • Consultas a cada tabla por separado muy poco eficientes • Recorrido completo de las filas de cada tabla individual, más costoso (demasiados accesos a bloque) • La inserción es poco eficiente debido a que se debe... – mantener la agrupación física (filas con igual valor de clave de cluster) y a la vez cluster), – desaprovechar el mínimo espacio de almacenamiento muchos encadenamientos entre registros (zonas de desborde, etc.) menor eficiencia de la búsqueda según la clave del cluster reducción del rendimiento de las consultas Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

54

27

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre índices

Cuándo emplear un índice – La tabla es de tamaño medio/grande: Si la tabla es pequeña, resulta más eficiente cargarlas en memoria – Las consultas más frecuentes acceden a pequeños porcentajes del total de filas (≤20%): ¿mejor recorrido secuencial p para acceder a muchas filas? • Se desea evitar...

– el recorrido de la tabla completa: usamos búsqueda binaria en el índice

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

55

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre índices

Cuándo emplear un índice • (continuación) Se desea evitar... – el acceso al fichero para determinadas consultas (EXISTS, IN, ...) :si el índice es denso basta con acceder a él para saber si existe – la ordenación de los registros en el fichero (ORDER BY, GROUP BY, UNION, DISTINCT, JOIN): • al crear un índice primario o de agrupamiento el fichero se almacena ordenado • Al tener un índice ordenado se puede utilizar para operaciones que impliquen ordenación

– el acceso al fichero para consultas que incluyen un pequeño subconjunto de columnas: usar índices compuestos Sea la tabla PERSONA(nif, nombre, apellido, fecha_nacim, ciudad, telef) CREATE INDEX idx_persona ON PERSONA( apellido, nombre ); Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

56

28

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre índices

Cuándo indexar una columna • Es una clave • Muy usada en condiciones de reunión o de selección

– Suele aparecer en cláusulas WHERE en comparaciones de igualdad o rango de valores: =, >,

– INSERT, UPDATE, DELETE sobre tablas indexadas mantenimiento del índice (automático, por parte del SGBD) – A veces conviene... crear la tabla, rellenarla, y luego crear los índices eliminar índices, modificar datos y crear de nuevo los índices Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

58

29

4.7 Selección de la organización de ficheros y estructuras de acceso Sobre índices

Consejos para la utilización de índices por tabla • Máximo 4 índices p © índices © necesidad de espacio y ª velocidad al modificar 1 el SGBD puede crear implícitamente índices sobre las claves

• Se puede crear más, si es raro actualizar la tabla (histórico) • Almacenar índices secundarios en un espacio de almacenamiento distinto al de los datos L Recomendación para aplicaciones con muchas INSERT y DELETE – Índices Í primario o de agrupamiento en el mismo área que los datos La mayoría de SELECT y todas las INSERT, DELETE los leen – Índices secundarios en un espacio de almacenamiento diferente Mejor balanceo de carga: INSERT, DELETE actualizan el índice – Un índice Primario o de Agrupamiento no tiene por qué verse modificado con cada INSERT, DELETE o UPDATE(columnas_indexación), mientras que uno Secundario con seguridad sí deberá ser modificado.

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

59

Ejercicio •

Dadas las siguientes situaciones, determinar el método de acceso más apropiado (exploración, cluster, índices, tabla hash para cada tabla o conjunto de tablas). Justificar las respuestas. – Tenemos 3 tablas A,, B y C,, de forma que q B y C tienen como clave ajena un atributo de A. Las consultas son mayoritariamente sobre la tabla A, pero no a través de la clave primaria ni de un atributo de ordenación. Se estima que las tablas serán de tamaño reducido. – Tenemos las 3 tablas del apartado anterior. Las consultas son mayoritariamente joins sobre el atributo que ejerce como clave ajena en B y C y como primaria en A. Las consultas individuales sobre cada tabla individual son irrelevantes. – Tenemos una tabla de 4 atributos con muchas tuplas. Existen muchas consultas de modificación del atributo que genera la mejor ordenación sobre la tabla. – Tenemos la misma tabla del apartado anterior. Existen dos tipos mayoritarios de consultas: consultas sobre rangos de valores sobre la clave primaria y consultas que requieren de la ordenación de las tuplas obtenidas.

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

60

30

Estructura lógica de una BD Oracle

61

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

Estructuras lógicas de almacenamiento • • • •

Segmento g datos Segmento de índices Segmento de rollback Segmento temporal – – – – – – –

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

SELECT ... ORDER BY... CREATE INDEX. SELECT ... GROUP BY... SELECT ... UNION ... SELECT DISTINCT ... SELECT … INSERSEC ... SELECT ... MINUS ...

62

31

Estructura física de Oracle • Ficheros de datos • Ficheros redo log • Ficheros de control

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

63

Entorno de memoria en Oracle • SGA: System/Shared Global Area – Shared pool: library (zona sql, control y bloqueos)+dictionary (metadatos) cache – Database Buffer Cache – Redo Log Buffer

• PGA: Program Global Area

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

64

32

Elementos de diseño físico en ORACLE • Tablespace p CREATE TABLESPACE TS_DATOS DATAFILE ‘/disco1/fichero1’ SIZE 100 M, DATAFILE ‘/disco2/fichero2’ SIZE 250 M;

• Tablas y extensiones CREATE TABLE Alumnos (…) TABLESPACE TS_DATOS PCTFREE 20 PCTUSED 40 STORAGE (INITIAL 20K NEXT 30K MINEXTENTS 1 MAXEXTENTS 10 PCTINCREASE 0);

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

65

Elementos de diseño físico en ORACLE • Índices (dentro de create table) ……. CREATE INDEX nom_ind i d ON Alumnos Al (atributos) ( t ib t ) ….

• Clusters CREATE CLUSTER CL_1(clave number(4)) SIZE 512 TABLESPACE TS_DATOS PCTFREE 20 STORAGE(…..); CREATE TABLE Alumno (….) CLUSTER CL1_(a1);

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

66

33

Clusters CREATE CLUSTER Emp_Dept (departamento CHAR(4)) SIZE 512…; CREATE TABLE Departamento { codigo CHAR (4) PRIMARY KEY, ………………… ) CLUSTER Emp_Dept(codigo); CREATE TABLE EmpleadoFijo { nss CHAR(12) PRIMARY KEY, …………. dpto CHAR (4) NOT NULL REFERENCES Departamento(codigo) ………………… ) CLUSTER Emp_Dept(dpto); CREATE INDEX

idx Emp Dpt ON CLUSTER Emp_Dept; idx_Emp_Dpt Emp Dept;

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

67

Dispersión CREATE CLUSTER Direcciones (codpostal NUMBER(5)) …SIZE 2k HASH IS MOD(codpostal, 101) HASHKEYS 1000;

Tema 4. Estructuras de Almacenamiento y Métodos de Acceso

68

34