關系查詢和查詢優化第一頁，共二十四頁，2022年，8月28日9.1關系數據庫系統的查詢處理查詢分析查詢檢查查詢優化查詢執行詞法分析語法分析語義轉換符號名轉換安全性檢查完整性檢查查詢樹代數優化物理優化等執行策略描述代碼生成執行查詢計劃的代碼數據庫數據字典查詢語句查詢分析查詢檢查查詢優化查詢執行圖9.1查詢處理步驟9.1.1查詢處理的步驟第二頁，共二十四頁，2022年，8月28日9.1.2實現查詢操作的算法示例一、選擇操作的實現

[例1]SELECT*FROMstudentWHERE<條件>C1：無條件；C2：Sno=‘200215121’;C3:Sage>20;C4:Sdept=‘CS’ANDSage>20方法:1.簡單的全表掃描2.索引或散列掃描二、連接操作的實現[例2]SELECT*FROMstudent，SC

WHEREstudent.Sno=SC.Sno方法：1.嵌套循環方法2.排序合并方法3.索引連接方法4.HashJoin方法第三頁，共二十四頁，2022年，8月28日9.2關系數據庫系統的查詢優化9.2.1查詢優化概述查詢優化的必要性查詢優化極大地影響RDBMS的性能。查詢優化的可能性關系數據語言的級別很高，使DBMS可以從關系表達式中分析查詢語義。第四頁，共二十四頁，2022年，8月28日由DBMS進行查詢優化的好處用戶不必考慮如何最好地表達查詢以獲得較好的效率，系統可以比用戶程序的優化做得更好。優化器可以從數據字典中獲取許多統計信息，而用戶程序則難以獲得這些信息。如果數據庫的物理統計信息改變了，系統可以自動對查詢重新優化以選擇相適應的執行計劃。在非關系系統中必須重寫程序，而重寫程序在實際應用中往往是不太可能的。優化器可以考慮數百種不同的執行計劃，而程序員一般只能考慮有限的幾種可能性。優化器中包括了很多復雜的優化技術。這些技術往往只有最好的程序員才能掌握。系統的自動優化相當于使的所有人都擁有這些優化技術。第五頁，共二十四頁，2022年，8月28日查詢優化目標查詢優化的總目標——選擇有效策略，求得給定關系表達式的值實際系統的查詢優化步驟1.

將查詢轉換成某種內部表示，通常是語法樹2.

根據一定的等價變換規則把語法樹轉換成標準（優化）形式3.選擇低層的操作算法對于語法樹中的每一個操作計算各種執行算法的執行代價選擇代價小的執行算法4.

生成查詢計劃(查詢執行方案)查詢計劃是由一系列內部操作組成的。第六頁，共二十四頁，2022年，8月28日基于代價模型的優化算法集中式數據庫單用戶系統總代價=I/O代價+CPU代價多用戶系統總代價=I/O代價+CPU代價+內存代價分布式數據庫 總代價

=I/O代價+CPU代價[+內存代價]+通信代價代價模型第七頁，共二十四頁，2022年，8月28日9.2.2一個實例[例3]求選修了課程Ｃ2的學生姓名

SELECTStudent.SnameFROMStudent,SC WHEREStudent.Sno=SC.SnoANDSC.Cno='2';執行策略Ｑ1＝ПＳname(бStudent.Sno=SC.Sno∧SC.Cno='2'

(Student×SC))Ｑ2＝ПＳname(бSC.Cno='2'(StudentSC))

Ｑ3＝ПＳname(StudentбSC.Cno='2'(SC))第八頁，共二十四頁，2022年，8月28日9.3代數優化基于關系代數等價變換規則的優化方法為代數優化；代數優化策略是通過對關系代數表達式的等價變換來提高查詢效率；關系代數表達式的等價是指用相同的關系代替兩個表達式中相應的關系所得到的結果是相同的；兩個表達式E1和E2是等價的,記為E1≡E2。第九頁，共二十四頁，2022年，8月28日9.3.1關系代數表達式等價變換規則設E1、E2等是關系代數表達式，F是條件表達式l.連接、笛卡爾積交換律

E1×E2≡E2×E1 E1E2≡E2E1 E1FE2≡E2FE1常用的等價變換規則第十頁，共二十四頁，2022年，8月28日

2.連接、笛卡爾積的結合律

(E1×E2)×E3≡E1×(E2×E3)(E1E2)E3≡E1(E2E3)(E1E2)E3≡E1(E2E3)

F

F

F

F第十一頁，共二十四頁，2022年，8月28日3.投影的串接定律

πA1,A2,

,An(πB1,B2,,Bm(E))≡πA1,A2,,An(E)假設：1)E是關系代數表達式2) Ai(i=1，2，…，n),Bj(j=l，2，…，m)是屬性名3){A1,A2,…,An}構成{Bl，B2，…，Bm}的子集第十二頁，共二十四頁，2022年，8月28日4.選擇的串接定律

бF1

（бF2（E））≡бF1∧F2(E)選擇的串接律說明選擇條件可以合并這樣一次就可檢查全部條件。5.選擇與投影的交換律

(1)假設:選擇條件F只涉及屬性A1，…，AnбF(πA1,A2,,An(E))≡πA1,A2,,An(бF(E))(2)假設:F中有不屬于A1,…,An的屬性B1,…,BmπA1,A2,,An

(

бF(E))≡πA1,A2,,An(бF

(πA1,A2,,An,B1,B2,,Bm(E)))第十三頁，共二十四頁，2022年，8月28日6.選擇與笛卡爾積的交換律(1)假設：F中涉及的屬性都是E1中的屬性

бF(E1×E2)≡бF(E1)×E2

(2)假設：F=F1∧F2，并且F1只涉及E1中的屬性，

F2只涉及E2中的屬性 則由上面的等價變換規則1，4，6可推出：

бF(E1×E2)≡бF1(E1)×бF2(E2)

(3)假設：F=F1∧F2，并且F1只涉及E1中的屬性，

F2涉及E1和E2兩者的屬性

бF(E1×E2)≡бF2(бF1(E1)×E2)

它使部分選擇在笛卡爾積前先做第十四頁，共二十四頁，2022年，8月28日7.選擇與并的分配律 假設：E=E1∪E2，E1，E2有相同的屬性名

бF(E1∪E2)≡бF(E1)∪бF(E2)

8.選擇與差運算的分配律 假設：E1與E2有相同的屬性名

бF(E1-E2)≡бF(E1)-бF(E2)9.選擇對自然連接的分配律бF(E1E2)≡бF(E1)бF(E2)

F只涉及E1與E2的公共屬性第十五頁，共二十四頁，2022年，8月28日10.投影與笛卡爾積的分配 假設：E1和E2是兩個關系表達式，

A1，…，An是E1的屬性，

B1，…，Bm是E2的屬性πA1,A2,…,An,B1,B2,…,Bm

（E1×E2)≡ πA1,A2,…,An（E1)×πB1,B2,…,Bm(E2)l1.投影與并的分配 假設：E1和E2有相同的屬性名

πA1,A2,…,An(E1∪E2)≡πA1,A2,…,An(E1)∪πA1,A2,…,An(E2)第十六頁，共二十四頁，2022年，8月28日9.3.2查詢樹的啟發式優化啟發式規則的代數優化,是對關系代數表達式的查詢樹進行優化,其典型的規則有:選擇運算應盡可能先做

目的：減小中間關系投影運算和選擇運算同時做目的：避免重復掃描關系把投影運算與其前面或后面的雙目運算結合目的：減少掃描關系的遍數第十七頁，共二十四頁，2022年，8月28日某些選擇運算＋在其前面執行的笛卡爾積===>連接運算例：бStudent.Sno=SC.Sno

(Student×SC)

StudentSC提取公共子表達式第十八頁，共二十四頁，2022年，8月28日關系代數表達式的優化算法算法：關系表達式的優化。輸入：一個關系表達式的查詢樹。輸出：優化的查詢樹。方法：(1)分解選擇運算利用規則4把形如бF1∧F2∧…∧Fn(E)變換為

бF1(бF2(…(бFn(E))…))(2)通過交換選擇運算，將其盡可能移到葉端對每一個選擇，利用規則4～8盡可能把它移到樹的葉端。(3)通過交換投影運算，將其盡可能移到葉端 對每一個投影利用規則3、5、l0、11中的一般形式盡可能把它移向樹的葉端。第十九頁，共二十四頁，2022年，8月28日(4)利用規則3～5把選擇和投影的串接合并成單個選擇、單個投影或一個選擇后跟一個投影。使多個選擇或投影能同時執行，或在一次掃描中全部完成，盡管這種變換似乎違背“投影盡可能早做”的原則，但這樣做效率更高。(5)對內結點分組把上述得到的語法樹的內節點分組。每一雙目運算(×，，∪，-)和它所有的直接祖先為一組(這些直接祖先是б，π運算)。如果其后代直到葉子全是單目運算，則也將它們并入該組，但當雙目運算是笛卡爾積(×)，而且其后的選擇不能與它結合為等值連接時除外。把這些單目運算單獨分為一組。第二十頁，共二十四頁，2022年，8月28日例[4]求選修了課程Ｃ2的學生姓名

SELECTStudent.SnameFROMStudent,SC WHEREStudent.Sno=SC.SnoANDSC.Cno='2';πSname

Student.Sno=SC.Sno

SC.Cno=2

×

StudentSC（2）關系代數語法樹πSname

Student.Sno=SC.Sno

SC.Cno=2

×

StudentSC（3）優化后的查詢樹結果project(Sname)

select(SC.Cno=2)

join(Student.Sno=SC.Sno)

StudentSC（1）把SQL語句轉換成查詢樹第二十一頁，共二十四頁，2022年，8月28日9.4物理優化代數優化是改變查詢語句的次序和組合，不涉及底層的存取路徑，物理優化就是要選擇高效合理的操作算法或存取路徑，求的優化的查詢計劃，達到查詢優化的目標。具體方法有：基于規則的啟發式優化基于代價估算的優化兩者結合的優化方法第二十二頁，共二十四頁，2022