IN-POS 3. Databáze

Zadání

  • Kódování dat, kompresní kódování dat, organizace souborů dat.
  • Indexování a hašování, bitmapové indexy, dynamické hašování.
  • Vyhodnocení dotazů, transformační pravidla, statistiky a odhady.
  • Optimalizace dotazů a schématu.
  • Zabezpečení báze dat, přístupová práva.
  • Transakce, řízení souběžných transakcí, systémy obnovy transakcí po výpadku.
  • PV062, PA152, PA150

Vypracování

FIXME: doladit, doplnit, zpřehlednit

Kódování dat

Kódování = Proces nahrazování symbolů (resp. jejich posloupností) zprávy symboly (resp. jejich posloupností) nabývajících znaků cílové (kódovací) abecedy.

Množství informace

Množství získané informace odpovídá velikosti odstraněné neurčitosti získáním informace.

i(A) = - log P(A)

Pro log_2 je jednotkou bit.

Entropie

Neurčitost zdroje zprávy je rovna množství informace v ní obsažení. (Neurčitost je přijetím zprávy odstraněna.)

H(X) = sum{i=1}{s}{p_i log_2 p_i}

  • Každý stav s pravděpodobností svého výskytu přispívá do neurčitosti svojí neurčitostí.
  • Vztah nabývá maxima pro p_1 = ... = p_s, kde p_i = 1/s.
  • Abeceda = konečná množina znaků (prvků abecedy, písmen,…)
  • Kódové slovo = slovo (posloupnost znaků) v kódové abecedě
  • Kódování = funkce K : A -> A^{+}_C
  • Kód = kódem daného kódování se rozumí obor hodnot zobrazení K

Klasifikace kódů

  • Kód s kódovými slovy pevné délky.
  • Kód s kódovými slovy proměnlivé délky.
    • prefixový, sufixový kód
  • stupeň (rate) kódu = průměrný počet bitů použitých pro kódování zdrojových znaků v tomto kódu.
  • optimální kód má stupeň minimálně převyšující množství informace obsažené v symbole zdrojových zpráv.
  • Nesingulární kód = jeho kódovací funkce je prostá
  • Jednoznačně dekódovatelný kód = Všechny možné řetězce jsou jednoznačně dekódovatelné
    • prefixové, sufixové a blokové kódy jsou jednoznačně dekódovatelné
  • Prefixový kód = Bezprostředně jednoznačně dekódovatelný kód.

Minimální kódování

  • Fanovo kódování
  • kódová slova znaků mají délky úměrné množství informace, které znaky nesou.

Př.:

  • A = 1 , C = 01 , G = 000 a T =001
  • např. řetětzec 8 symbolů  ACATGAAC je kódovaný  14 bity:
  10110010001101 
  • tj. v průměru 14/8 = 1.75 b/symbol
Eliasovy kódy

Eliasův kód C1

Kódování celých čísel u kterých není předem známá horní hranice.

  1. Zapíšeme číslo dvojkově.
  2. Odečteme 1 od počtu bitů zapsaných v kroku 1 a na začátek připojíme takový počet nul.
    1. Prefix 0 při dekódování určuje délku binární reprezentace.

Př.:

  • n=38, hat{B}(38)= 00110_2 |B(38)|=6
    • C_1(38) = 00000100110

Eliasův kód C2

Přeuspořádání C1.

  • Bity nul se rozptýlý do kódového slova a na konec se přidá 1.

Př.:

  • C_2(5) = 00011

Eliasův kód C3

Vyjádření délky kódového slova pomocí C2.

  • Bity nul se rozptýlý do kódového slova a na konec se přidá 1.

Př.:

  • C_3(50) (50_{10} = 110010_2)
  • |B(50)| = 6 bitů
  • C_1(6) = 00110
  • C_2(6) = 01001
  • C_3(50) = 0100110010

Kompresní kódování dat

Cílem:

  • minimalizace stupně kódu
  • při schopnosti on-line dekódování slov bez vkládání separátorů

Kraftova nerovnost

Prefixový q-ární kód s délkami kódových slov d1,d2,…,dm existuje právě tehdy, když je splněna Kraftova nerovnost:

sum{i=1}{m}{q^{{-d}_{i}}} <= 1

McMillanova veta

Kraftova nerovnost platí pro libovolné jednoznačně dekódovatelné kódování.
Komprese
  • Neztrátová komprese (Lossless Compression)
    • dekompresí se získají originální data
    • Cílem je zobrazení informace do bitového prostoru co nejméně převyšujícího množství informace obsažené v originálních datech.
    • Typicky komprese textů.
  • Ztrátová komprese (Lossy Compression)
    • Zefektivnění procesu a výsledku komprese za cenu snížení požadavků na přesnost rekonstrukce.
    • Informace nevýznamná pro následující zpracování se odstraňuje definitivně.
    • Typicky komprese obrázků, zvuku,…
  • Kompresní a dekompresní (rekonstrukční) algoritmus.
  • Komprese = Kódování zprávy délky P(X) [b] na zprávu délky L(X) [b]
    • cílem je dosažení L(X) « O(X)
    • ideálně L(X) → H(X) (neurčitost zprávy; méně bity nelze zakódovat beztrátově)
  • Kompresní poměr = L(X)/O(X)
  • Kompresní faktor = O(X)/L(X)
  • Kompresní zisk = (O(X)-L(X))/O(X)
  • Redundance zprávy = R(X) = O(X) - H(X)
  • Redundance komprimované zprávy = R'(X) = L(X) - H(X)
  • Statická komprese
    • Neměnná procedura, model.
  • Adaptivní komprese
    • Procedura komprese se dynamicky mění.
  • Fyzická komprese
    • Ignoruje se význam komprimovaných dat.
  • Logická komprese
    • Pro dosažení lepších výsledků se zohledňuje/využívá význam komprimovaných dat.
    • Převážně ztrátová komprese.
Kompresní metody
  • Základní metody
    • Brailovo písmo
    • Baudotův kód: 5bit kód, číslicová/písmenová změna
    • RLE (Run Length Encoding): náhrada opakujících se sousedních symbolů čítačem opakování a specifikací opakovaného symbolu
    • Kódování podle Bentleyho (Move-to-Front Coding): Dynamicky se tvořící abeceda
      • lokální adaptivita
  • Statistické metody

Shannon-Fanovo kódování

  • Metoda na vytvoření prefixového kódu proměnné délky pro známou množinu znaků a četností.
  • Reprezentace binárním stromem na základě dělení posloupnosti na poloviny dle četností.

Huffmanovo kódování

  • Metoda na vytvoření kódu s minimální redundancí.
  • Tvorba stromu opačným směrem než Shannon-Fannova metoda. (Od spoda nahoru.)

Aritmetické kódování

Nekóduje jednotlivé symboly zprávy, ale používá jedno kódové slovo pro zakódování celé zprávy.
  • Kódem celé zprávy je číslo z intervalu <0,1)
  • Slovníkové metody: Vytváří se slovník dříve přečtených řetězců výstupem jsou indexy do slovníku.

LZ77 (Lempel-Ziv)

  • Jako slovník se používá jistá zpracovaná část zdrojového textu, vybíraná klouzajícím oknem, kódují se v něm obsažené řetězce proměnné délky.
  • Výstupem je trojice:
    • ukazatel počátku vzoru ve slovníku
    • délka vzoru
    • kódové slovo příštího symbolu za kódovým textem

LZ78 (Lempel-Ziv)

  • Používá se samostatný dynamicky vytvářený slovník.
  • Výstupem je dvojice:
    • index vzoru ve slovníku
    • kódové slovo příštího symbolu za kódovým textem

LZW (Lempel-Ziv-Welch)

  • Používá se samostatný dynamicky vytvářený slovník.
  • Potenciální elementy slovníku jsou v kódové knize přednastaveny.
  • Výstupem je jediný údaj – index vzoru ve slovníku.

Organizace souborů dat

Databáze

  • databáze = kolekce vzájemně explicitně souvisejících dat
    • spravovaná systémem řízení báze dat
  • pole/položka/atribut základní prvek dat
    • s každým atributem souvisí datový typ určující obor možných hodnot a operací nad nimi.
  • záznam = strukturovaná kolekce polí
  • soubor = pojmenovaná kolekce příbuzných záznamů

Systém souborů

  • soubor = pojmenovaná kolekce záznamů
    • přístup k souboru jako celku řeší adresářová služba systému souborů
    • přístup k datům souboru řeší organizace souborů
    • fyzický soubor
      • existuje ve vnější paměti
      • manipuluje s ním OS
      • zaznamenán v adresáři souborů
      • pojmenování vnějším jménem
    • logický soubor
      • souborová struktura z pohledu procesu
      • pojmenování jedinečným vnitřním jménem souboru
      • svázán s fyzickým souborem službou OS
  • Systém souborů (File System) = Sestava služeb pro manipulaci se soubory.

Požadavky na systém souborů

  • umožnit uživatelům/procesům manipulaci s daty na vnějších pamětech
  • zajišťovat validnost dat, eliminovat ztrátu dat
  • souběžná činnost více uživatelů/aplikací
  • podpora různých zařízení pomocí definovaného API
Statické x dynamické soubory
  • návrh statických (neměnných souborů) je snadno dosažitelný
  • návrh dynamický struktur je obtížnější
    • dochází k doplňování, modifikaci a odstraňování záznamů
    • příklady:
      • B-strom
      • dynamický haš soubor
    • založený na rozšiřitelném hašování nebo lineárním hašování
Záznamy pevné x proměnné délky
  • implicitní (fixní) délka záznamu
    • neuvádějí se oddělovače záznamů
  • variabilní délka záznamu se vyjadřuje:
    • explicitně (např. na začátku záznamu)
    • oddělovačem na konci záznamu
    • ukazatelem na záznam uloženým v jiném souboru (indexu)

Položky:

  • fixní struktura
    • bez oddělovačů
  • variabilní
    • explicitně
    • oddělovačem

Důvod volitelných délek:

  • obsah proměnné délky
  • seznam hodnot
  • volitelné položky

Blok

Samostatně manipulovatelná/adresovatelná datová jednotka na vnější paměti.
  • neblokovaný záznam
    • blok obsahuje právě jeden logický záznam
  • blokovaný záznam
    • blok obsahuje celistvý počet logických záznamů
  • přerostlé záznamy
    • záznamy jsou zapisované do bloků nezávisle na hranice
  • homogenní soubor
    • hodnoty položek jsou primitivní typy
    • všechny záznamy jsou jednoho typu
    • je deklarovatelný formou S(A1:D1,…,An:Dn), kde Ax je jméno atributu a Dx je doména hodnot
  • nehomogenní soubor
    • hodnoty položek jeho záznamů nejsou primitivní typy nebo záznamy nejsou jednoho typu

Schéma organizace souborů

  • Logické schéma
    • logická paměť se člení na logické stránky (sekvenční/hierarchické uspořádání)
    • logická paměť obsahuje primární soubory i sekundární (pomocné) soubory (indexy, rejstříky)
  • Fyzické schéma
    • Zobrazení logických stránek do fyzických stránek konkrétního použitého typu vnější paměti.
  • Implementační schéma
    • Zajišťuje alokaci fyzických stránek v použitém zařízení.

Přístup k souborům
  • sekvenční
    • aplikovatelné na pásce disku
  • přímý přístup
    • aplikovatelné na disku
    • určení místa pomocí indexu, nebo hašování
Formy organizace souborů
  • hromada
  • sekvenční soubor
  • indexovaný sekvenční soubor
  • indexovaný soubor
  • hašovaný soubor (soubor s přímým přístupem)
Zamykání souborů
  • povinné: zamčený soubor je nepřístupný
  • poradní: proces si může zjistit stav zámku a rozhodnout se
Popis dat
  • implicitní: aplikace/uživatel data zná
  • metadata: uvedená v hlavičce souboru
    • častá standardizace pro třídu aplikací
Adresář

Kolekce dat obsahující informace o souborech uchovávaných na disku (jméno, typ, adresa, délka, maximální délka, čas posledního přístupu…)

  • Sám je souborem.

Struktury:

1-úrovňový adresář

Jediný adresář v celém systému.
  • ➖ neřeší problém unikátnosti pojmenování souboru.
  • ➖ neřeší se problém seskupování souborů

2-úrovňový adresář

  • ➕ Separace adresářů a uživatelů. (cesta user/soubor)
  • ➕ Uživatelé mohou stejně pojmenovat různé soubory.
  • ➕ efektivní hledání
  • ➖ neřeší se problém seskupování souborů
  • ➖ nelze sdílet

stromová struktura

  • ➕ efektivní hledání hodnoty v uzlu
  • ➕ řeší nezávislé pojmenování i seskupování
  • pracovní adresář = dynamicky určovaný výchozí bod v adresáři
    • absolutní x relativní cesta
  • aliasing = jeden objekt má více různých jmen
  • File System Mounting = Připojení nového souborového systému do stávající adresářové struktury (bod přidání = mount point).
Řízení přístupu
  • volitelné řízení přístupu (vlastní určuje KDO a CO kdo může)
    • UNIX rwx/ugo
    • Access control lists
    • Capability Tickets
  • povinné řízení (práva k souborům prosazována bezpečnostní politikou)

Indexování a hašování

  • procházení přímo záznamů je při operacích velice pomalé – indexy mají řádově menší velikost než samotné záznamy a jejich prohledávání je výrazně rychlejší
  • díky menší velikosti je možné indexy držet v operační paměti bez nutnosti přístupu na disk
  • často stačí pro vyřešení některých dotazů zpřístupnit pouze malou část záznamů – na základě indexů je možné efektivně provádět filtrování
  • forma indexu: { vyhledávací klíč ; ukazatel na záznam }

typy indexů:

  • řádné, lineární indexy:
    • v tabulce uspořádané dvojice { vyhledávací klíč ; ukazatel na záznam } podle hodnoty vyhl. klíče
  • hašované indexy
    • využití hašovací funkce vyhledávacího klíče
  • stromové indexy
    • využití grafové struktury strom
  • indexové bitové mapy
    • pozice bitů v bitovém vektoru určují lokality záznamů
    • vhodné pro atributy s malým množstvím různých hodnot (uchováváme bitovou mapu pro každou hodnotu)

Indexy mohou být víceúrovňové – „index do indexu“ – nejnižší úroveň může být přímo primární soubor, výše jsou řídké indexy

Řádné indexy

Obvykle pokud se mluví o indexech, jsou myšleny řádné.

Primární x sekundární

  • primární index
    • podle jeho klíče je uspořádán primární soubor se záznamy
    • může být hustý nebo řídký
  • sekundární index
    • určený pro dotazy založené na jiném vyhledávacím klíči než na primárním
    • musí být hustý

Hustý x řídký

  • hustý
    • indexový záznam pro každou hodnotu vyhledávacího klíče.
    • Typicky bývá uspořádán podle hodnoty klíče

  • řídký
    • indexový záznam pouze pro některé hodnoty vyhledávacího klíče
    • použitelné pouze v případě, kdy je soubor podle tohoto klíče uspořádán

Příklad

Uložený soubor se záznamy:
ID (2B) Jméno (20B) Rok narození (2B) Místo narození (16B) Telefon (4B) Bydliště (16B)
1 Bílá Alena 1972 Ostrava xxxxxxxx Brno
2 Novák Jan 1952 Praha 123456789 Kladno
3 Novotný Tomáš 1987 Brno 565656565 Vyškov
4 Procházka Petr 1964 Brno 100001011 Řestoky

Hustý index pro atribut jméno:

Jméno ID
Bílá Alena1
Novák Jan2
Novotný Tomáš3
Procházka Petr4

Pokud chceme vyhledat místo narození Tomáše Novotného, pak je při sekvenčním prohledávání nutné načíst 2 · (2 B + 20 B + 2 B + 16 B + 4 B + 16 B) + 2 B + 20 B + 2 B + 16 B = 160 B. Při použití hustého indexu stačí načíst 3 · (20 B + 2 B) + 2 B + 20 B + 2 B + 16 B = 106 B. Pokud je index uložen v operační paměti, pak v obou případech stačí pouze jeden přístup na disk, avšak v prvním případě bude třeba číst výrazně více dat.

Řídký index pro atribut jméno:

Jméno ID
Bílá Alena1
Novotný Tomáš3

Pokud je požadavek na vyhledání například Jana Nováka, nalezne se poslední záznam v uspořádání před ním (Alena Bílá) a dál se postupuje sekvenčně.

Sekundární index pro atribut místo narození:

Místo narození ID
Brno3,4
Ostrava1
Praha2

Hašování

Definice

hašovací funkce (obecně) = Funkce, která mapuje libovolně velký vstup na výstup fixní délky a není prostá.
hašovací funkce (ve smyslu organizace souborů) = Funkce řešící přístup k záznamům souboru s konstantní složitostí.
kolize = situace, kdy je pro více záznamů spočítána stejná adresa

  • při nalezení kolize umisťujeme nový prvek:
    • ve stejné paměti (otevřené adresování)
      • lineární, kvadratické adresování
      • řetězení kolizí
      • násobné hašování
    • v jiné paměťové oblasti (closed addressing)
      • umístění do kapes

Požadované vlastnosti hašovací funkce:

  • je deterministická
  • je rychlá
  • vypočítává se z hodnot všech nebo alespoň většiny bitů klíče
  • pokrývá cílový prostor rovnoměrně
  • drobná změna ve vstupu vede k výrazné změně ve výstupu
  • prostá = perfektní hašování
Statické hašování
  • používá se u souborů, které procházejí jen minimem změn
  • případné změny mohou negativně ovlivnit efektivitu hašování
    • pokud se sejde na stejné adrese více záznamů než je kapacita bucketu, vyhledávání v rámci těchto záznamů má lineární složitost
Dynamické hašování

Rozšiřitelné hašování

  • k výpočtu adresy se používá pouze prvních i bitů z výstupu hašovací funkce; toto i se dynamicky mění – pokud je potřeba více adres, tak se zvyšuje, naopak při malém počtu se i zmenšuje
  • používá se u souborů s proměnným počtem záznamů
  • buckety jsou naplněné rovnoměrně – pokud jsou plné, tak se štěpí, pokud jsou prázdné, tak se spojují

  • hašovací funkce rozmisťuje záznamy do kapes (kapsa = záznamy s jistou podmnožinou klíčů, vymezuje je hašovací funkce)
  • jako index v adresáři kapes se používá dynamicky určovaný prefix výsledku hašovací funkce h(k)
  • délku indexu vymezuje globální hloubka adresy kapsy
  • štěpení
    • globální hloubka > lokální hloubka – na blok ukazuje více ukazatelů, jednoduše se rozdělí na dva
    • globální hloubka = lokální hloubka – musí vzniknout nová kapsa a také se zdvojnásobí rozměr adresáře kapes

Lineární hašování

  • řeší nedostatky rozšiřitelného hašování za cenu vyšší režie dané manipulací s přetokovými kapsami
  • počet kapes udržuje tak, aby byly naplněny z např. 80 %
  • rozdíl oproti rozšiřitelnému hašování: nemusí se vytvářet ani udržovat adresář kapes, přesto počet kapes roste lineárně.

Dotazy

Vyhodnocení dotazu

Postup zpracování a optimalizace dotazu:

  1. Převod dotazu na syntaktický strom pomocí parseru.
  2. Převod na logický plán ve formě výrazů relační algebry.
  3. Aplikací transformačních pravidel (viz níže) vznikne vylepšený logický plán
  4. Odhad ceny provedení na základě různých statistik (počet záznamů, velikost záznamů, počet unikátních hodnot, …).
  5. logický plán dotazu s velikostmi - v PostgreSQL lze zobrazit příkazem EXPLAIN
  6. Transformace na fyzický plán určující pořadí operací.
  7. Výběr nejlevnějšího fyzické plánu (velikost výsledků, počet V/V operací).
  8. Vyhodnocení vybraného fyzického plánu.

Transformační pravidla

= Transformační vztahy relační algebry zachovávající výsledek. Mohou ale zefektivnit samotné vyhodnocování.

  • Přirozené spojení + kartézský součin a sjednocení + průnik
    • Protože jsou všechny atributy zachovány, není pořadí důležité.
  • Selekce
    • Konjunkci podmínek lze nahradit dvěma následnými selekcemi, nebo průnikem dvou selekcí.
    • Disjunkci podmínek lze nahradit sjednocením dvou selekcí.
    • Relace jsou multimnožiny!
  • Kombinace selekce a přirozeného spojení
    • Pokud selekce závisí jen na atributech jednoho z členů, pořadí operací neovlivní výsledek.
  • Vhodné transformace
    • selekce co nejdříve; nejblíže relacím
    • projekce co nejdříve; nejblíže relacím
    • eliminace společných podvýrazů
    • eliminace duplicit

Statistiky a odhady

  • odhad velikosti výsledku operace
    • počet záznamů
    • velikost záznamů
    • počet unikátních hodnot
    • Pro dobrý odhad jsou nutné aktuální hodnoty. ⇒ Aktualizace statistik ve vhodných intervalech (aktuálnost x zátěž).
  • odhad počtu V/V operací
    • cena všech operací (odhad ceny operace = počet čtení a zápisů z disku)
    • vstup se čte ze vstupu
    • výstup zůstává v operační paměti
    • operace CPU
    • komunikace po síti

Koncept Iterátoru

  • Open: inicializace operace
    • příprava před vracením řádků výsledku
  • GetNext: vrácení dalšího řádku výsledku
  • Close: ukončení operace
    • uvolnění dočasné paměti
  • ➕ výsledek nemusí být vygenerován „naráz“
  • ➕ výsledek nezabírá paměť
  • ➕ výsledek nemusí být ukládán
  • ➕ operace lze řetězit (pipelining)

Optimalizace dotazů a schématu

Ladění dotazu
  • Lokální změna = přepsání dotazu
    • První přístup ke zrychlení dotazu
    • Ovlivní pouze daný dotaz
  • Globální změna
    • Vytvoření indexu
    • Změna schématu
    • Rozdělení transakcí
  • Techniky přepsání dotazu
    • Rušení nadbytečných DISTINCT
    • (Korelované) poddotazy
    • Dočasné tabulky
    • Používání HAVING
    • Používání pohledů (VIEW)
    • Použití indexů
    • Uložené pohledy (materializedviews)
  • Vytvoření indexu
    • ➕ Zrychlí SELECT
    • ➖ Zpomalí INSERT, UPDATE, DELETE
      • Index se musí aktualizovat
Optimalizace schématu
  • Funkční závislost (A → B)
    • = Hodnoty atributu B zjistíme, pokud známe hodnoty atributů A
  • Normální formy
    • Normalizace = převod do BCNF (3NF)

1NF

Všechny atributy jsou atomické.

2NF

Všechny atributy závisí na celém klíči.

3NF

Všechny atributy závisí přímo na klíči.
  • Není tranzitivní závislost.

Boyce-Codd NF

Pro všechny funkční závislosti A→B platí jedno z následujících:
  • A→B je triviální funkční závislost (B je podmnožinou A)
  • A je superklíčem schématu

klíče

super klíč = množina atributů jednoznačně určující každý záznam
kandidátský klíč = super klíč bez nadbytečných atributů
primární klíč = právě jeden vybraný kandidátský klíč

Zabezpečení báze dat

Přístupová práva

  • Analogie se souborovým systémem, ale jemnější.
  • Specifická práva pro:
    • tabulky
    • pohledy
    • sekvence
    • schéma
    • databáze
    • procedury
  • Pohledy (views)
    • základní nástroj pro řízení přístupu
  • Subjektem jsou obvykle uživatelé a skupiny
    • Často nazýváno jako authorization id nebo role
    • Subjekt „ostatní“ je označován jako PUBLIC
    • Povolení přístupu pro PUBLIC znamená povolení přístupu komukoli.
  • Uložené procedury
    • kontext provádění:
      • vlastník
      • volající
      • „určený uživatel“

Transakce

Transakce je posloupnost operací (DML příkazů), které převedou datové schéma z jednoho konzistentního stavu do druhého (zpřístupňuje a aktualizuje data). Platí o ní, že je ACID:

  • Atomic (atomičnost) – transakce se celá provede nebo se celá zruší
  • Consistency (konzistence) – po dokončení transakce je databáze konzistentní
  • Isolation (izolovanost) – různé transakce o sobě vzájemně nevědí
  • Durability (trvanlivost) – po ukončení transakce jsou data trvale uložena

Více transakcí může být spouštěno současně, může však dojít k uváznutí (deadlocku). Chronologické pořadí provádění instrukcí souběžných transakcí je předem určeno pomocí plánu.

Každá transakce může nabývat těchto stavů: aktivní, částečně potvrzená, chybující, zrušená a potvrzená. Pokud byla transakce zrušena, je možné ji znovu spustit (nedošlo-li k logické chybě) nebo zamítnout.

Řízení souběžných transakcí

Plánovače

  • sériový plán: transakce jdou po sobě
  • serializovatelný plán: ekvivalentní sériovému
  • Plánovače:
    • optimistické (předpokládají málo konfliktů a nechávají věci plynout, při selhání transakce vracejí, ruší)
    • pesimistické (předpokládají hodně konfliktů, předchází jim silnou serializací)

Souběžné zpracování (zajišťuje izolovanost)

  • zámky:
    • exkluzivní – jen jedna transakce čte a píše,
    • sdílený (shared) – více čtení, žádný write
    • (v ideálním případě se rovná idální serializaci)
    • zámky zpravuje správce zámků a transakce s mím mluví protokolem
      • Dvoufázový transakční protokol na bázi zamykání (růstová fáze - zamykání, couvací fáze - uvolňování po provedení transakce)
      • Grafový (stromový) protokol řízení souběhu transakcí (jednofázový, zná pořadí přístupu transakcí k datům)
      • oba pesimistické plánovače
    • správa zámků představuje netriviální režii.
  • Časová razítka – jiné řešení transakce mají čas, kdy vznikly. Nejstarší jde nejdřív. Pesimistické plánování
  • Protokol řízení souběhu transakcí na bázi validace (optimistický plánovač). Na konci transakce se zvaliduje, zda došlo ke konfliktu, pokud ano, jedna transakce se abortuje.

Systémy obnovy transakcí po výpadku

  • Klasifikace výpadků
    • výpadek transakce
      • logická chyba (např. data nenalezena)
      • systémová chyba (např. deadlock)
    • zhroucení systému
    • porucha disku

Pro obnovu výpadku požadujeme, aby tranakce byly atomické, databáze konzistentní.

Žurnálování (log, deník)

  • O prováděných tranakcích (a jejích operacích) si vedu záznam v žurnálu.
  • Při výpadku můžu použít žurnál k REDO, UNDO…
  • Místo žurnálování můžu použít redundanci (RAID)
Undo logging
  • V případě výpadku se některé operace zruší (z nedokončených transakcí)
  • Pro každou akci vytvoř v žurnálu záznam obsahující starou hodnotu
  • Před změnou x na disku musí být na disku záznamy žurnálu týkající se x - Tzv. write ahead logging (WAL)
  • Před vytvořením záznamu <commit> v žurnálu musí být všechny zápisy transakce uloženy na disku.
Redo logging
  • V případě výpadku se některé operace dokončí
  • Změny později provedené transakcí jsou ukládány Tj. při potvrzení (commit) – Ušetření zápisů na disk
  • Při obnově jsou ignorovány nedokončené transakce
  • Vyžaduje uložení žurnálu před uložením změn v DB.
Check points
  • pravidelné ukládání kontrolních stavů databáze pro případné pozdější obnovení
  • něco jako otisky DB , aby se při obnově nemusely dělat od začátku
  • také dálají redo, undo

Zdroje

mgr-szz/in-pos/3-pos.txt · Poslední úprava: 2019/06/13 21:13 autor: lachmanfrantisek
Nahoru
CC Attribution-Noncommercial-Share Alike 3.0 Unported
chimeric.de = chi`s home Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0