CHAPTER 7 : OVERVIEW OF QUERY PROCESSING

Presentasi berjudul: "CHAPTER 7 : OVERVIEW OF QUERY PROCESSING"— Transcript presentasi:

1 CHAPTER 7 : OVERVIEW OF QUERY PROCESSING
Disusun Oleh : Ginong Pratidhina Nur M ( ) Eka Farizqi Martalena ( ) Devi Puspitasari ( ) Rhesah Katu Unggara ( ) Andi Febrianto ( ) Intan Dwi Utami ( ) Muhtar Ali Irfani ( )

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 translasi 2. optimasi 3. evaluasi

3 1. Query Processing Problem
Contoh: Transformasi dari SQL-query ke sebuah hubungan RA- query: EMP(ENO, ENAME, TITLE), ASG(ENO,PNO,RESP,DUR) Query: Cari nama-nama karyawan yang mengelola sebuah proyek? – High level query SELECT ENAME FROM EMP,ASG WHERE EMP.ENO = ASG.ENO AND RESP=‘manager’ (DUR > 37) Dua kemungkinan transformasi query adalah: Expression 1: ENAME(DUR>37∧EMP.ENO=ASG.ENO(EMP × ASG)) Expression 2: ENAME(EMP ⋊⋉ENO (DUR>37(ASG))) Ekspresi 2 menghindari produk mahal dan besar Cartesian menengah, dan karena itu biasanya lebih baik.

4 Cont. Kami membuat asumsi berikut tentang fragmentasi data Data (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 terfragmentasi dengan cara yang sama Hubungan ASG dan EMP secara lokal berkerumun di RESP atribut dan 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

8 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:

9 3. Karakteristik Query Processor
Languange / bahasa : 􀁹 Untuk pengguna :  ◦ kalkulus atau aljabar berdasarkan bahasa.  􀁹 Untuk prosesor query :  ◦ peta masukan ke dalam bentuk internal aljabar ditambah dengan komunikasi primitif. 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

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

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

12 4. LAYERS OF QUERY PROCESSING

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

14 Cont. Data Localization Global Query Optimization
Pendistribusian query dipetakan ke query fragmen dan disederhanakan untuk menghasilkan satu yang baik. Global Query Optimization Cari dekat eksekusi strategi untuk yang optimal. Cari urutan terbaik dari operasi di query fragmen, termasuk komunikasi operasi. Biaya fungsi yang didefinisikan didalam waktu yang diperlukan. Local Query Optimization Sentralisasi sistem algoritma

15 5. KESIMPULAN • pengolahan Query mengubah query tingkat tinggi (kalkulusrelasional) menjadi setara tingkat yang lebih rendah query (aljabar relasional). Kesulitanutama adalah untuk mencapai efisiensi dalam transformasi • optimasi Query bertujuan untuk mimize fungsi biaya : I / O biaya + biaya + biaya komunikasi CPU • pengoptimalan Query bervariasi menurut jenis pencarian(searchlengkap, heuristik) dan jenis algoritma (dinamis, statis, hibrida). Statistik yang berbeda dikumpulkan untuk mendukung query optimasi proses • pengoptimalan Query bervariasi oleh situs keputusan (terpusat,didistribusikan, hybrid) • Query pengolahan dilakukan dengan urutan sebagai berikut:!Dekomposisi query data lokalisasi optimasi global! optimasi lokal