Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouLarissa Cura Alterado mais de 10 anos atrás
1
Algoritmos Aleatórios Para Optimização de consultas Artigo apresentado por: Daniel Martins110370082 David Martins080316033
2
Introdução Optimização de Queries é um processo dispendioso. Algoritmos Aleatórios aplicados problemas de optimização combinatória: – Simulated Annealing – Iterative Improvement
3
Algoritmos Aleatórios Cada solução para um problema de optimização pode ser pensado como um estado Cada estado tem um custo associado O seu objectivo é encontrar o estado com minímo custo global
4
Existem 2 tipos de movimentos associado ao estado : – DownHill – UpHill Minímo Local Minímo Global
5
Algoritmo Iterative Improvement
6
Uma optimização começa num estado aleatório Implementa a solução através de sucessivos movimentos downHill até encontrar o minímo local Repete-se indefinidamente até encontrar uma condição de paragem
7
Algoritmo Simulated Annealing
8
Aceita movimentos upHill O loop interior do algoritmo é chamado estado Cada estado é executado através do parâmetro temperatura Temperatura controla movimentos upHill Cada estado termina quando atinge o equilibrio
9
Algoritmo Two Phase Optimization É uma combinação dos 2 algoritmos anteriores Fase 1: – O II corre durante um pequeno período de tempo Fase 2: – O SA corre com uma temperatura baixa inicial
10
Estado de Espaço Corresponde a uma estratégia de acessos para uma consulta ser optimizada Join Processing Tree – Folhas são as relações base – Nós internos são operadores join – Arestas indicam o fluxo da informação
11
Função Vizinho
12
Função Custo É utilizada apenas para a entrada e saída de cada estratégia de dados. É baseada nas seguintes suposições: – Sem pipelining – Buffering minímo para todas as operações – Execução on-the-fly nas projecções
13
Comportamento como uma função do tempo
14
Qualidade do Output
15
Tempo de optimização da Query Tamanho da query Variância nos parâmetros do catálogo Tipo de Query
16
Análise Estado de Espaço Um custo escalonado é o rácio de um custo de uma estratégia sobre o custo minímo local. A média do rácio específico VS o menor custo minímo local é afectada pela variância e pela consulta.
17
Podemos concluir que o maior minímo local não de todo melhor que a média do estado aleatório mas está relacionado com o custo de pequenas variâncias
18
Na experiência foram contados o número de minímo locais visitados com custo distintos Para cada consulta mediu-se a distância a distância média entre 2 minímos locais visitados
20
Explicação do comportamento como uma função do tempo SA começa com um estado aleatório que tende para um custo de área elevado – Temperatura mantém-se elevada – Grande número de movimentos upHill – Grande probabilidade de aceitar movimentos upHill
21
II consegue descobrir o minímo local apenas com algumas optimizações locais Consegue atingir rapidamente o fundo através de movimentos downHill
23
2PO atinge rapidamente o fundo (fase II) 2PO melhora rapidamente procurando na área (fase SA) Termina em menor tempo em relação aos outros 2 algoritmos
24
Conclusões Foram utilizados 2 algoritmos SA e II para optimização de grandes join queries II é melhor que o SA inicialmente, ao longo do tempo SA consegue superar o II
25
Foi realizado o estudo da função custo sobre o espaço de estado da query Através disto explicou-se o comportamento do 2 algoritmos Conclui-se que o 2PO tem performance superior aos outros 2 algoritmos
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.