基于直接连接的查询优化处理方法研究

马东波

摘 要：在分布式数据库查询中多采用直接连接的方式，但是这种方式耗时较长，代价较高，查询效率低。本文结合现有的连接查询方法，深入研究基于直接连接的查询优化处理方法，有效缩短查询处理时间。

关键词：直接连接的查询；优化处理；方法

近年来，分布式系统得到了广泛的应用。分布式信息库查询是现代信息处理中的重要部分。在分布式数据查询处理时，连接操作能够直接决定查询效率。为实现分布式数据库系统更加有效地处理连接操作，业内人士进行了大量的探究实验，最终形成了不同的算法。优化连接操作的途径一般有两种，即半连接与直接连接。在注重本地处理代价时，一般采用直接连接的方式。本文针对直接连接提出了优化算法，并利用数据分片进行并行处理。

1 数据分片

数据分片，即数据划分，是分布式数据库的主要特征之一。各个局部数据库按照一定的逻辑组合成全局数据库。反之，全局数据库按照特定的逻辑进行分割即成局部数据库。通常来说，在关系数据库中，一个关系能够将某些数据间的逻辑关系描述出来。但是，由于用户使用的站点不同，需要该关系中的元祖也可能不同，此时就需要分割这个关系，将得到的各部分元祖称为逻辑片段，满足各个用户要求，减少网络通信量，提高系统响应的速度。

数据分片有4种方法：①水平分片：按一定的条件把全局关系的所有元组划分成若干不相交的子集，每个子集为关系的一个片段；②垂直分片：把一个全局关系的属性集分成若干子集，并在这些子集上作投影运算，每个投影称为垂直分片；③导出分片：又称为导出水平分片，即水平分片的条件不是本关系属性的条件，而是其他关系属性的条件；④混合分片：以上3种方法的混合。可以先水平分片再垂直分片，或先垂直分片再水平分片，或其他形式，但他们的结果是不相同的。

数据分片应该具备的条件：①完备性条件：必须把全局关系的所有数据映射到片段中，决不允许有属于全局关系的数据却不属于它的某一个片段；②可重构条件：必须保证能够由同一个全局关系的各个片段来重建该全局关系。对于水平分片可用并操作重构全局关系；对于垂直分片可用联接操作重构全局关系；不相交条件：要求一个全局关系被分割后所得的各个数据片段互不重叠，但是对垂直分片的主键除外。

2 查询优化处理的目标及执行代价

2.1 查询优化目标

基于直接连接的查询优化可能涉及多个站点，查询优化的目标一般有两种：总代价最小。总代价包括CPU及I/O代价、网络在各个站点之间数据传输的代价。因为数据在分布式数据库中是分布、冗余的，在直接连接查询处理时需要考虑数据及信息传递所产生的通信费用；另一种目标即响应处理时间短，由于数据的分散及冗余，并行处理的可能性很大。由于系统应用不尽相同，通常着重与实现一种目标。本文致力于达到总代价最小的目标。

2.2 查询执行代价

主要包括：I/O代价、CPU代价、通信代价。

查询执行代价模型包括：I/O代价模型。一次訪问代价计算可通过CIO=DO+D1*X（DO表示I/O代价，与X无关；X为存取数据大小；D1表示传输单位数据所花费的时间），在实际优化过程中，由于代价只用于进行执行方案的优劣比较，因此不必算出精确数值，得出一个估算值即可；通信代价模型。这种模型与网络类型有关。可简单表示为：Cc（X）=CO+C1*X（CO为代价系数；X为数据大小；CO为数据传输所需要初始代价；C0与C1为常数）

3 基于直接连接的查询优化处理方法

3.1 实现连接运算的方法

3.1.1 嵌套循环

嵌套循环是一种古老的连接方式。SQL中的连接，本质上就是将两个数据集合依据连接条件进行匹配操作。嵌套循环通过两层循环手段进行依次的匹配操作，最后返回结果集合。其操作过程简单，与最简单的排序检索算法类似。执行过程如下：Oracle CBO首先将一系列的连接关系，拆分为若干层的Nest Loop Join，确定连接顺序。如a.field1=b.field1 and b.field2=c.field2，就可以组织成表A和表B先进行嵌套循环操作，之后操作的结果集合再与数据表C进行嵌套循环操作。所以，我们查看到的连接操作，通常都是分层次的；在确定每次嵌套循环的两端对象之后，确定外侧连接表和内侧连接表。将外侧连接表作为连接驱动表，根据SQL中对驱动表的连接条件，进行筛选。最后获取到驱动表数据集合；从驱动表每条记录入手，检索内侧表记录，获取符合连接条件的记录。形成连接行。

3.1.2 归并扫描法

按照连接属性对两个关系进行排序，再根据连接属性值的顺序对这两个关系进行扫描，匹配成元祖。此方法使排序代价增加。将相同连接属性的元祖缓冲起来以便下次使用。

3.2 连接关系的传输

3.2.1 全体传送

传送关系的字节数产生传输费用，分为传输内关系与传输外关系。

3.2.2 按需传送

即将元祖按照传输需要一次一个进行传送，无需建立临时储存器。但是由于每次提取元祖都要进行一次信息交换，代价很高，仅可在高速运行的局域网中才能使用。

3.3 执行场地

执行场地包括：传送I关系的Site（O）；传送O关系的Site（I）；传送O关系和I关系的Site（other）。

4 结语

文章以实现总代价最小为目的，基于直接连接的查询方法进行优化处理。在实际操作中，没有必要算出精确数据，大致估算即可，选择总代价小、节省时间、具有可行性的方案。

参考文献

[1]乔百友，邓增安，王秋杰，等.一种基于网格索引的空间连接查询处理优化算法[J].小型微型计算机系统，2014，35（10）：2243-2248.

[2]赵宇兰，柳欣.基于连接依赖信息的分布式连接查询优化算法[J].现代电子技术，2016，460（5）：28-32.

[3]姚剑芳.案例教学法在SQL Server连接查询教学中的应用[J].吉林省教育学院学报旬刊，2015，（3）：81-82.

（作者单位：北京信息职业技术学院）