PA152: Efektivní využívání DB
10. Ladění schéma
Vlastislav Dohnal
PA152, Vlastislav Dohnal, FI MUNI, 2018 2
Schéma
 Schéma relace
Seznam atributů, jejich typů a integritních
omezení
Např.
 Relace student(uco, jmeno, prijmeni, datum_narozeni)
 Schéma databáze
Schéma všech relací
PA152, Vlastislav Dohnal, FI MUNI, 2018 3
Rozdíly ve schématech
 Stejná data lze uložit různými způsoby
 Příklad
Dodavatelé
 Adresa
Objednávky
 Výrobek, počet, dodavatel
PA152, Vlastislav Dohnal, FI MUNI, 2018 4
Rozdíly ve schématech
 Alternativy
Schéma 1
 Objednávka1(dodavatel_id, výrobek_id, počet,
dodavatel_adresa)
Schéma 2
 Objednávka2(dodavatel_id, výrobek_id, počet)
 Dodavatel(id, adresa)
 Rozdíly
Schéma 2 šetří místem
Schéma 1 nemusí zachovat adresu, pokud
není objednávka
PA152, Vlastislav Dohnal, FI MUNI, 2018 5
Rozdíly ve schématech
 Rozdíly ve výkonu
Častý přístup k adrese dodavatele
konkrétního výrobku
  schéma 1 je vhodnější (není potřeba spojení)
Mnoho objednávek
  schéma 1 plýtvá místem (opakování adresy)
  relace bude mít mnoho bloků
PA152, Vlastislav Dohnal, FI MUNI, 2018 6
Teorie pro správný návrh schéma
 Normální formy
1NF, 2NF, 3NF, Boyce-Coddova NF, …
 Funkční závislost
A  B
 B funkčně závisí na A
 Hodnotu atributu B zjistíme, pokud známe hodnotu
atributu A
 Nechť t, s jsou lib. řádky relace,
pak platí: t[A] = s[A]  t[B] = s[B]
PA152, Vlastislav Dohnal, FI MUNI, 2018 7
Teorie pro správný návrh schéma
 Objednávka1(dodavatel_id, výrobek_id,
počet, dodavatel_adresa)
 Příklad funkčních závislostí
dodavatel_id  dodavatel_adresa
dodavatel_id, výrobek_id  počet
PA152, Vlastislav Dohnal, FI MUNI, 2018 8
Teorie pro správný návrh schéma
 K je primární klíč
K  R
L  R pro libovolné L  K
 Tj. pro každý atribut A z R platí: K  A a L  A
 Příklad
Dodavatel(id, adresa)
id  adresa
id je primární klíč
PA152, Vlastislav Dohnal, FI MUNI, 2018 9
Teorie pro správný návrh schéma
 Příklad
Objednávka1(dodavatel_id, výrobek_id,
počet, dodavatel_adresa)
dodavatel_id  dodavatel_adresa
dodavatel_id, výrobek_id  počet
dodavatel_id, výrobek_id je primární klíč
PA152, Vlastislav Dohnal, FI MUNI, 2018 10
Normalizace schématu
 1NF – všechny atributy jsou atomické
 2NF – všechny atributy závisí na celém klíči
 3NF – všechny atributy závisí přímo na klíči
není tranzitivní závislost
 Normalizace = převod do 3NF
PA152, Vlastislav Dohnal, FI MUNI, 2018 11
Normalizace schématu
 Relace R je normalizovaná pokud
Pro každou funkční závislost X  A nad
atributy relace R platí, že X je (super-)klíč.
 Příklad
Objednávka1(dodavatel_id, výrobek_id,
počet, dodavatel_adresa)
 dodavatel_id  dodavatel_adresa
 dodavatel_id, výrobek_id  počet
Není normalizovaná
PA152, Vlastislav Dohnal, FI MUNI, 2018 12
Normalizace schématu
 Příklad
Objednávka2(dodavatel_id, výrobek_id,
počet)
 dodavatel_id, výrobek_id  počet
Dodavatel(id, adresa)
 id  adresa
Schéma je normalizované
PA152, Vlastislav Dohnal, FI MUNI, 2018 13
Příklad normalizace
 Banka
Zákazník má otevřený účet
Zákazník má korespondenční adresu
Účet je vedený konkrétní pobočkou banky
 Je relace normalizovaná?
Banka(zákazník, účet, adresa, pobočka)
PA152, Vlastislav Dohnal, FI MUNI, 2018 14
Příklad normalizace
 Relace
Banka(zákazník, účet, adresa, pobočka)
zákazník  účet
zákazník  adresa
účet  pobočka
 Primární klíč je zákazník
Důkaz lze provést pomocí funkčních závislostí
 Relace není normalizovaná
Máme tranzitivní závislost
PA152, Vlastislav Dohnal, FI MUNI, 2018 15
Příklad normalizace
 Rozklad relace na
Banka(zákazník, účet, adresa)
 zákazník  účet
 zákazník  adresa
Účet(účet, pobočka)
 účet  pobočka
Nyní již je normalizované
PA152, Vlastislav Dohnal, FI MUNI, 2018 16
Postup návrhu schématu
 Identifikace entit
Zákazník, dodavatel, objednávka, …
 Každá entita má atributy
Zákazník má adresu, telefon, …
 Entita musí splňovat:
1. Atribut nemá další atribut (je atomický).
2. Musí existovat funkční závislost pro každý
atribut, který není součástí klíče.
PA152, Vlastislav Dohnal, FI MUNI, 2018 17
Postup návrhu schématu
 Každá entita je nová relace
 Vztah mezi entitami je vyjádřen
samostatnou relací
PracujeNa(zaměstananec_id, projekt_id)
 Nalezení funkčních závislostí mezi všemi
atributy a kontrola normalizace schématu
Pokud existuje závislost AB  C, pak ABC
musí být ve stejné relaci.
PA152, Vlastislav Dohnal, FI MUNI, 2018 18
Vertikální dělení
 Příklad: Telefonní operátor
Entita zákazník má id, adresu a zbývající
kredit
 Závislosti:
 id  adresa
 id  kredit
Normalizované schéma
 Zákazník(id, adresa, kredit)
 Nebo
 ZákazníkAdresa(id, adresa)
 ZákazníkKredit(id, kredit)
Které je vhodnější?
PA152, Vlastislav Dohnal, FI MUNI, 2018 19
Vertikální dělení
 Volba správného schéma závisí na
způsobu používání (dotazování)
Výpisy z účtu jsou posílány jednou měsíčně.
Kredit je měněn po každém telefonním
hovoru.
  Druhé schéma je vhodnější
Relace ZákazníkKredit bude menší
 Méně bloků, může se vejít do paměti
  rychlejší table/index scan
PA152, Vlastislav Dohnal, FI MUNI, 2018 20
Vertikální dělení
 Jedna relace je vhodnější než dvě
Pokud jsou atributy přistupovány současně
 není potřeba operace spojení
 Dvě relace jsou vhodnější
Atributy jsou přistupovány samostatně (nebo
některé řádově častěji)
Atributy jsou velké (dlouhé řetězce, …)
 Pozor: LOB jsou uloženy mimo relace.
Některé atributy jsou mnohem častěji
aktualizovány než ostatní
PA152, Vlastislav Dohnal, FI MUNI, 2018 21
Vertikální dělení
 Jiný příklad
Zákazník má id a adresu (ulice, město, psč)
 Jaký má smysl schéma:
ZákazníkUlice(id, ulice)
ZákazníkMěsto(id, město, psč)
PA152, Vlastislav Dohnal, FI MUNI, 2018 22
Vertikální dělení – výkonnost
 R(X,Y,Z) - X číslo, Y a Z dlouhé řetězce
Rychlost závisí na stylu dotazování
0
0,005
0,01
0,015
0,02
No
Partitioning Query
XYZ
Vertical
Partitioning Query
XYZ
No
Partitioning Query
XY
Vertical
Partitioning Query
XY
Througput(queries/sec)Table-scan
Bez dělení:
R(X,Y,Z)
Vert. dělení:
R1(X,Y)
R2(X,Z)
SQLServer 2k
Windows 2k
PA152, Vlastislav Dohnal, FI MUNI, 2018 23
Vertikální dělení – výkonnost
 R(X,Y,Z) - X číslo, Y a Z dlouhé řetězce
Selekce X=?, projekce XY nebo XYZ
0
200
400
600
800
1000
0 20 40 60 80 100
Throughput(queries/sec)
% of access that only concern XY
no vertical
partitioning
vertical
partitioning
Index-Scan
(index on X)
Vert. dělení je
vhodné, pokud
vybírám XY častěji
než v 25%
případů.
Spojení znamená
2 přístupy do
indexu.
PA152, Vlastislav Dohnal, FI MUNI, 2018 24
Vertikální spojování (antipartitioning)
 Začínáme s normalizovaným schématem
 Přidáváme atributy k jedné z relací
 Příklad
Akciový trh
 Historie cen akcií za posledních 3 000 dní
 Makléř se rozhoduje hlavně podle posledních 10 dnů
Schéma
 AkcieDetail(akcie_id, datum_vydání, firma)
 AkcieCena(akcie_id, datum, cena)
PA152, Vlastislav Dohnal, FI MUNI, 2018 25
Vertikální spojování (antipartitioning)
 Schéma
AkcieDetail(akcie_id, datum_vydání, firma)
AkcieCena(akcie_id, datum, cena)
 Dotazy na 10ti denní historii jsou náročné
I když je index na akcie_id, datum
Navíc pro další informace je třeba spojení s
AkcieDetail
PA152, Vlastislav Dohnal, FI MUNI, 2018 26
Vertikální spojování (antipartitioning)
 Proveďme replikaci dat
 Schéma
AkcieDetail(akcie_id, datum_vydání, firma,
cena_dnes, cena_včera, …,
cena_před_10_dny)
AkcieCena(akcie_id, datum, cena)
 Dotazování na 10ti denní historii je
1x prohledání indexu, není třeba spojení
PA152, Vlastislav Dohnal, FI MUNI, 2018 27
Vertikální spojování (antipartitioning)
 Nevýhoda
Replikace dat
 Ne příliš velká
 Lze odstranit neukládáním v AkcieCena
  dotazy na průměrné ceny se komplikují, …
PA152, Vlastislav Dohnal, FI MUNI, 2018 28
Ladění denormalizace
 Denormalizace
Porušení normalizace schéma
Pouze z důvodu rychlosti!
 Vhodné pro
Současný výběr atributů z různých relací
 Nevhodné pro
Časté aktualizace dat
  vyhledání „zdrojových“ dat kvůli replikaci
PA152, Vlastislav Dohnal, FI MUNI, 2018 29
Ladění denormalizace
 Příklad
 region(r_regionkey, r_name, r_comment)
 nation(n_nationkey, n_name, n_regionkey, n_comment)
 supplier(s_suppkey, s_name, s_address,
s_nationkey, s_phone, s_acctbal, s_comment)
 item(i_orderkey, i_partkey, i_suppkey, i_linenumber,
i_quantity, i_extendedprice, i_discount, i_tax,
i_returnflag, i_linestatus, i_shipdate, i_commitdate,
i_receiptdate, i_shipmode, i_comment)
 T(item) = 600 000
T(supplier) = 500, T(nation) = 25, T(region) = 5
 Dotaz: vyhledání položek (items) evropských
výrobců
PA152, Vlastislav Dohnal, FI MUNI, 2018 30
Ladění denormalizace
 Denormalizovaná relace item
 itemdenormalized (i_orderkey, i_partkey , i_suppkey,
i_linenumber, i_quantity, i_extendedprice,
i_discount, i_tax, i_returnflag, i_linestatus,
i_shipdate, i_commitdate, i_receiptdate,
i_shipmode, i_comment, i_regionname);
 600 000 řádků
PA152, Vlastislav Dohnal, FI MUNI, 2018 31
Ladění denormalizace
 Dotazy:
SELECT i_orderkey, i_partkey, i_suppkey, i_linenumber,
i_quantity, i_extendedprice, i_discount, i_tax,
i_returnflag, i_linestatus, i_shipdate, i_commitdate,
i_receiptdate, i_shipinstruct, i_shipmode, i_comment, r_name
FROM item, supplier, nation, region
WHERE i_suppkey = s_suppkey AND s_nationkey = n_nationkey AND
n_regionkey = r_regionkey AND r_name = 'Europe';
SELECT i_orderkey, i_partkey, i_suppkey, i_linenumber,
i_quantity, i_extendedprice, i_discount, i_tax,
i_returnflag, i_linestatus, i_shipdate, i_commitdate,
i_receiptdate, i_shipinstruct, i_shipmode, i_comment, i_regionname
FROM itemdenormalized
WHERE i_regionname = 'Europe';
PA152, Vlastislav Dohnal, FI MUNI, 2018 32
Ladění denormalizace – výkonnost
 Dotaz
Najdi všechny položky evropských výrobců
0,0000
0,0005
0,0010
0,0015
0,0020
normalized denormalized
Throughput(Queries/sec)
Normalized:
spojení 4 relací
Denormalized:
jediná relace
54% vylepšení
Oracle 8i EE
Windows 2k
3x 18GB disk
(10 000 ot.)
54% gain
PA152, Vlastislav Dohnal, FI MUNI, 2018 33
Prokládání relací
 Alternativa k denormalizaci
 Není vždy podporováno DB systémem
 Oracle
Prokládání dvou relací
 Objednávka2(dodavatel_id, výrobek_id, počet)
 Dodavatel(id, adresa)
Uložení
 U záznamu dodavatele jsou uloženy jeho
objednávky
PA152, Vlastislav Dohnal, FI MUNI, 2018 34
Prokládání relací
 Příklad
 Objednávka2(dodavatel_id, výrobek_id, počet)
 Dodavatel(id, adresa)
10, Inter-pro.cz Hodonín
10, 235, 5
10, 545, 10
11, Unikov Bzenec
11, 123, 30
11, 234, 2
11, 648, 10
11, 956, 1
12, Školex Modřice
12, 12, 50
12, 34, 120
…
PA152, Vlastislav Dohnal, FI MUNI, 2018 35
Horizontální dělení
 Rozděluje obsah tabulky podle řádků
Vertikální podle sloupců
 Důvod
Snížení objemu dat, se kterým se pracuje
Usnadnění mazání
 Použití
Archivace dat
Prostorové dělení
…
PA152, Vlastislav Dohnal, FI MUNI, 2018 36
Horizontální dělení
 Automaticky
Moderní (komerční) DB systémy
 MS SQL Server 2005 a novější
 Oracle 9i a novější, …
 Ručně
S podporou DB systému
 Optimalizátor dotazů
Bez podpory DB systému
PA152, Vlastislav Dohnal, FI MUNI, 2018 37
Horizontální dělení
 Změny dotazů:
Automaticky
 Beze změny
Ručně
 S podporou DB systému
 Beze změny
 Dědičnost tabulek / definice pohledu (UNION ALL)
 Bez podpory DB systému
 Ruční změna dotazu
 Je třeba upravit seznam používaných tabulek ve FROM
části.
PA152, Vlastislav Dohnal, FI MUNI, 2018 38
Horizontální dělení – SQL Server
 MS SQL Server 2005 a novější
 Vytvoření dělicí funkce
 CREATE PARTITION FUNCTION
 Dělení na intervaly
 Vytvoření dělicího schéma
 CREATE PARTITION SCHEME
 Kam se budou data ukládat (na jaké oddíly úložiště)
 Vytvoření dělené tabulky
 CREATE TABLE … ON dělicí schéma
 Ukládaná data jsou automaticky dělena do oddílů
 Vytváření indexů
 CREATE INDEX
 Indexy jsou vytvářeny na oddílech tabulky, tj. automaticky
děleny
PA152, Vlastislav Dohnal, FI MUNI, 2018 39
Horizontální dělení – Oracle
 Oracle 9i a novější
Dělení podle rozsahu, výčtu (seznamu),
hašování
 Podporuje i dvojité rozdělení
 Oddíly se dělí na pododdíly
Přímo v CREATE TABLE
http://docs.oracle.com/cd/B19306_01/server.102/b14200/statements_7002.htm#i2129707
Horizontální dělení - MySQL
 Part of SQL syntax, applies to indexes
 Types:
 hash, range, list; also double partitioning
 Limitation on UNIQUE constraints
 All columns used in the table's partitioning
expression must be part of every unique key the
table may have.
PA152, Vlastislav Dohnal, FI MUNI, 2018 40
CREATE TABLE ti (id INT, amount DECIMAL(7,2), tr_date DATE) ENGINE=MyISAM
PARTITION BY HASH( MONTH(tr_date) )
PARTITIONS 6
CREATE TABLE ti …
PARTITION BY RANGE (MONTH(tr_date)) (
PARTITION spring VALUES LESS THAN (4),
PARTITION summer VALUES LESS THAN (7),
PARTITION fall VALUES LESS THAN (10),
PARTITION winter VALUES LESS THAN MAXVALUE );
Including primary key
PA152, Vlastislav Dohnal, FI MUNI, 2018 41
Horizontální dělení – PostgreSQL
 PostgreSQL 8.2 a vyšší
Dělení podle rozsahu, výčtu (seznamu)
 Princip (http://www.postgresql.org/docs/current/static/ddl-partitioning.html)
Využití dědičnosti tabulek
 Vytvoření základní tabulky
 Nebude ukládat data, bez indexů, …
 Jednotlivé oddíly budou zděděné tabulky
 Pro každou tabulku definovat CHECK omezení povolených
dat
 Vytvoření případných indexů
Nevýhoda: nelze používat cizí klíče.
PA152, Vlastislav Dohnal, FI MUNI, 2018 42
Horizontální dělení – PostgreSQL
 Princip
Vkládání záznamů
 Vkládání do primární tabulky
 Primární tabulka má pravidla pro vkládání
 Vkládání pouze do „nejnovějšího“ oddílu  jeden RULE
 Obecně je třeba mít RULE pro každý oddíl
 Lze realizovat i triggerem (instead-of type)…
V případě použití pohledů
 Lze definovat INSTEAD OF trigger
PA152, Vlastislav Dohnal, FI MUNI, 2018 43
Horizontální dělení – PostgreSQL
 Příklad v db.fi.muni.cz, schéma xdohnal
Nerozdělená tabulka account
 Primární klíč id
 R(account) = 200 000
 V(account,home_city) = 5
Rozdělená tabulka account_parted
 Podle home_city (5 oddílů)
 Oddíly account_parted1 .. account_parted5
home_city | count
home_city1 | 40020
home_city2 | 40186
home_city3 | 39836
home_city4 | 39959
home_city5 | 39999
PA152, Vlastislav Dohnal, FI MUNI, 2018 44
Horizontální dělení – PostgreSQL
 Statistiky
Tabulka Řádků Velikost Indexy
account 200 000 41 984 kB 4 408 kB
account_parted 0 0 kB 8 kB
account_parted1 40 020 8 432 kB 896 kB
account_parted2 40 186 8 464 kB 896 kB
account_parted3 39 836 8 392 kB 888 kB
account_parted4 39 959 8 416 kB 896 kB
account_parted5 39 999 8 424 kB 896 kB
Celkem: 200 000 42 128 kB 4 472 kB
PA152, Vlastislav Dohnal, FI MUNI, 2018 45
Horizontální dělení – PostgreSQL
 Optimalizátor dotazů
Povolení kontroly omezení na oddílech
 Dotazy (porovnejte plány provádění)
select * from account where id=8;
select * from account_parted where id=8;
select count(*) from account where home_city='home_city1';
select count(*) from account_parted where home_city='home_city1';
select * from account where home_city='home_city1' and id=8;
select * from account_parted where home_city='home_city1' and id=8;
set constraint_exclusion=on; -- or set it to partition
Dělení relací – shrnutí
 Více menších relací
Rychlejší dotazování na taková data
 Nezávislost relací
Lze mazat celé relace
 Není replikací dat
Každý záznam/hodnota je pouze 1x.
 Fixní uložení
Data se mezi relacemi nepřesouvají
PA152, Vlastislav Dohnal, FI MUNI, 2018 46