Optimizacion Global de Consultas

download Optimizacion Global de Consultas

of 1

Transcript of Optimizacion Global de Consultas

  • 7/26/2019 Optimizacion Global de Consultas

    1/1

    INFORME

    OPTIMIZACIN GLOBAL DE CONSULTAS

    Vielka Gonzlez 88!""#"$

    Dada una consulta algebraica sobre fragmentos, el objetivo de esta capa es hallar

    una estrategia de ejecucin para la consulta cercana a la ptima. La estrategia de

    ejecucin para una consulta distribuida puede ser descrita con los operadores del

    lgebra relacional y con primitivas de comunicacin para transferir datos entre

    nodos. Para encontrar una buena transformacin se consideran las caractersticas

    de los fragmentos, tales como, sus cardinalidades.

    La optimizacin ue se realiza en este apartado ordena la forma en ue se van a

    ejecutar las consultas para ue los recursos de computacin como discos,

    comunicaciones, etc. puedan ser utilizados de manera eficiente. Debemos tener

    en cuenta las cardinalidades de los resultados intermedios, las estadsticas de la

    base de datos y tener presente el modelo de coste ue se e!presa de la siguiente

    forma"

    Coste_total=Coste_cpu*#instr+C_I/O*#I/Os+C_mensaje*#mensajes+C_transm*#b

    ytes

    C_mensajees el coste de enviar o recibir un mensaje.

    C_transmes el coste de transmitir unidades de un lugar a otro.#e aplican varios algoritmos de optimizacin. $uchos son gen%ricos de las bases

    de datos relacionales y otros como &'()*#, )+, ##D- o /0 son especficos de

    las bases de datos distribuidas.

    *l objetivo de la optimizacin global es producir un plan de acceso ue optimizalas operaciones de consulta en todas las fuentes de datos globalmente, en todo elsistema federado. 1n plan de acceso ue es ptimo globalmente tiene comomnimo un coste global de ejecucin en un sistema federado. La fase degeneracin de #2L remoto convierte a la inversa el plan ptimo globalmente enfragmentos de consulta ue se ejecutan como fuentes de datos individuales.

    *l compilador de #2L tiene una base de conocimientos ue contienecaractersticas de fuentes de datos soportadas y metadatos sobre los datos enestas fuentes de datos. *l optimizador no genera #2L, fragmentos de consulta osugerencias de plan ue la fuente de datos remota no pueda entender o aceptar.