Arquivos Estruturados por Hashing– Custos I/O AULA 6 Profa. Sandra de Amo GBC053 – BCC

Estudaremos nesta aula Estimativa de custos de I/O para operações de: Scan em arquivos hashed (agrupados) Inserção de tuplas em arquivos agrupados Remoção de tuplas em arquivos agrupados Busca em arquivos agrupados pelo atributo- chave de busca Busca em arquivos agrupados por atributos diferentes do atributo-chave de busca

Arquivos agrupados por um atributo X Arquivo A é organizado em subarquivos S1,…, Sn, cada subarquivo contendo 1 página não completamente utilizada (20% livre). Subarquivo também é chamado de “Bucket”. Assim, se o arquivo original contém M páginas, o arquivo estruturado de forma hash (distribuído nos subarquivos) conterá M*1.25 páginas. Função hash H(valor-atributo) = n responsável por distribuir os registros Um registro (…,v,….) pertence ao subarquivo Sk se H(v) = k. Atributo X que é a chave do agrupamento (Hashing)

Arquivos agrupados por um atributo X As páginas do arquivo contém diretório de slots como os arquivos heap. Este diretório é utilizado para localizar a posição na página onde se encontra um registro com rid dado. A inserção de um novo registro não é feita utilizando o diretório de páginas, pois a página onde será inserido o registro é a única página do subarquivo Sk, onde k = H(v), v = valor do atributo X do registro a ser inserido. A remoção de um registro é feita exatamente como no caso de arquivo heap.

Lembrando: Páginas do arquivo são agrupadas por buckets (subarquivos) Bucket é determinado aplicando-se uma função h ao campo de procura Exemplo: estamos procurando todos os empregados de salário = 5000 Como encontrá-los rapidamente ? Arquivo organizado por hash no campo Salário Função hash: mod 3 Onde estão os registros dos empregados com salário = 5000 ? 5000 mod 3 = 2 Resposta: bucket 2 S1 S2 S3 S4 ….

Exemplo: inserção de um registro Suponha H(n) = n mod 3 Diretório de slots da página Página do Subarquivo S2 (500,165) (450,50) (250,200) (100,150) (0,100) 5 665 Registros: Rid (2,1) : (...., 5, ....) Rid (2,2) : (...., 17,....) Rid (2,3) : (...., 32, ....) Rid (2,4) : (...., 44,....) Rid (2,5) : (....,20,....)

Passos para a inserção de um registro Suponha que se quer inserir o registro (...., 14 ,....) de tamanho 300 Calcula-se H(14) = 14 mod 3 = 2, para determinar a página onde deverá ser inserido. No caso esta página será a única página do subarquivo S2 (página 2). Busca no diretório de slots o endereço do espaço vazio. Determina se há espaço vazio endereço do inicio do espaço vazio suficiente para o registro ser inserido nesta página. Em caso positivo: A inserção será feita neste endereço. Em caso negativo: Uma nova página é criada no subarquivo S2 Cria-se um diretório de páginas para gerenciar o subarquivo S2 que agora já contém 2 páginas, cada uma delas com um número de bytes livres.

Qual o rid do novo registro ? Verifica no diretório de slots se há algum slot com conteúdo (-1,_). Se houver, este será o slot associado ao novo registro. Se não houver: cria-se um novo slot que será associado ao novo registro. Atualiza o diretório de slots.

Situação após a inserção. Novo registro de tamanho 300 é inserido aqui ! Espaço livre de 35 bytes Diretório de slots da página Página do Subarquivo S2 (665,300) (500,165) (450,50) (250,200) (100,150) (0,100) 6 965 Registros: Rid (2,1) : (...., 5, ....) Rid (2,2) : (...., 17,....) Rid (2,3) : (...., 32, ....) Rid (2,4) : (...., 44,....) Rid (2,5) : (...., 20,....) Rid (2,6) : (...., 14,....) Slot 6 Slot 5 Slot 4 Slot 3 Slot 2 Slot 1 Novo registro

O que acontece quando não há espaço suficiente na única página do subarquivo S2 para o novo registro ? Cria-se uma nova página p de overflow no subarquivo S2 Insere-se ponteiro na página 2 para esta nova página p e ponteiro de p para a página 2. Subarquivo S2 é agora um arquivo de 2 páginas, todas com seu diretório de slots. Um diretório de páginas é criado para gerenciar as páginas do subarquivo (heap) S2.

“Degeneração” da estrutura Hash Quando os subarquivos contém muitas páginas de overflow, a estrutura começa a perder sua utilidade na aceleração das buscas pelo atributo chave do Hash. Buscas pelo atributo chave do Hash se tornam praticamente buscas em arquivo Heap (menores).

Degeneração da estrutura hash… Páginas do arquivo são agrupadas por subarquivos ou buckets Bucket é determinado aplicando-se uma função h ao campo de procura Exemplo: estamos procurando todos os empregados de salário = 5000 Como encontrá-los rapidamente ? Arquivo organizado por hash no campo Salário Função hash: mod 3 Onde estão os registros dos empregados com salário = 5000 ? 5000 mod 3 = 2 Resposta: bucket 2 Subarquivo 1 (bucket 1) Subarquivo 2 (Bucket 2) Subarquivo 3 (Bucket 3)

Resumindo: Páginas no arquivo são agrupadas por buckets Bucket é determinado aplicando-se uma função h ao campo de busca Insert : registro é inserido no bucket apropriado

Importante : No caso de Arquivos Hashed, “chave” = chave de busca na qual é aplicada a função Hash. Nada a ver com chave primária ou candidata.

Arquivos Hashed Hash Estático Hash Dinâmico Procura de um registro satisfazendo uma condição no campo de procura Aplica-se função hash no campo de procura Varre-se todas as páginas do bucket correspondente Processo demorado se o bucket contiver muitas páginas Hash Dinâmico Especifica-se um número máximo de páginas por bucket Inserção pode causar overflow num bucket Função hash é adaptada dinamicamente para evitar overflow Hipótese que faremos na estimativa de custos: não há overflow de páginas num bucket – cada bucket não ultrapassa um número máximo de páginas.

ESTIMATIVAS DE CUSTOS

Arquivos Hashed : SCAN Scan Páginas são ocupadas em 80% Assim: um arquivo de 100 páginas, caso for organizado em hash, vai necessitar de 100/0.80 páginas para seu armazenamento = = 125 páginas !! Espaço livre é deixado nas páginas para evitar overflow no bucket Custo = B(D+RC)/0.80 = 1.25*B(D+RC) Bucket 1 Bucket 2 Bucket 3

Arquivos Hashed : Busca Seleção A = a   A : atributo chave da relação Tempo para identificar a página contendo o registro = H = tempo de cálculo da função hash Assumindo 1 única página no bucket Custo = H + D + RC

Arquivos Hashed : Busca Seleção A = a   A : atributo não é chave da relação Supõe-se sempre que a estrutura hash não começou a se degerar. Logo, cada bucket tem uma única página Todos os registros com A = a estão em um único bucket. Custo = H + D + RC Seleção A > a   Todo o arquivo deve ser procurado Custo = 1.25B(D+RC)

Arquivos Hashed : Inserção/Deleção Página apropriada deve ser encontrada e modificada Custo = C + 2D + H Deleção (supondo somente 1 registro ou que todos os registros estão em uma única página) Encontrar a página do registro a ser removido Remover o registro da página Shift nos demais registros Escrever a página modificada Custo = Sel + RC + D

Resumo - Hash Scan Sel = Sel <> Insert Delete sel chave Nchave 1.25B (D+RC) H + D + RC/2 H + D + RC 1.25B(D+RC) H +2D+ C Sel + XD 1.25BD D 2D Sel+XD Só I/O X = N. Pag. com registros removidos “CHAVE” = Chave da relação

Escolha de uma Boa Organização Scan Sel = chave Nchave Sel <> Insert Delete Heap BD 0.5BD 2D 2D+Sel Ord Dlog2B Dlog2B + DB/2 Dlog2B+ Hash 1.25BD D Sel+X X = N. Pag. com registros removidos “CHAVE” = Chave da relação