Osztott adatbázisok.  Gyors ismétlés: teljes redukáló  Teljes redukáló költsége  Természetes összekapcsolások vetítése  Természetes összekapcsolások.

Slides:



Advertisements
Hasonló előadás
Adatbázisrendszerek elméleti alapjai 2. előadás
Advertisements

Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Alapvető digitális logikai áramkörök
Gépelemek II. előadás 6-7.hét
Vendéglátás és szállodaszervezés, gazdálkodás
Bevezetés az informatikába Farkas János, Barna Róbert
Adatbázisrendszerek elméleti alapjai 6. előadás
4. VÉGES HALMAZOK 4.1 Alaptulajdonságok
DAG topologikus rendezése
Adatbázisrendszerek elméleti alapjai 5. előadás
Szélességi bejárás Párhuzamosítása.
Gráfok szélességi bejárása Algoritmus bemutatása egy gráfon példa.
Programozási alapismeretek 7. előadás. ELTE Szlávi-Zsakó: Programozási alapismeretek 7. előadás2/  Sorozatszámítás.
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Vendéglátás és szállodaszervezés, gazdálkodás
Máté: Orvosi képfeldolgozás10. előadás1 Több kompartmentes modell, pl.: Lineáris tagok. Pl. k 32 jelentése: a 3-ba a 2-ből jutó tracer mennyisége lineárisan.
Orvosi képfeldolgozás
EKG kapuzott (ECG gated) szív vizsgálat
Máté: Orvosi képfeldolgozás1. előadás1. Máté: Orvosi képfeldolgozás1. előadás2 A leképezés fizikai alapjai Fény, fénykép, mikroszkóp Röntgen sugárzás.
Máté: Orvosi képfeldolgozás3. előadás1 Torzítás. Máté: Orvosi képfeldolgozás3. előadás2 A tárgy nagyítása A forrás nagyítása forrás tárgy kép A tárgy.
Miskolci Egyetem Informatikai Intézet Általános Informatikai Tanszé k Pance Miklós Adatstruktúrák, algoritmusok előadásvázlat Miskolc, 2004 Technikai közreműködő:
AVL fák.
A digitális számítás elmélete
előadás1 “A közgazdasági gondolkodás alapjai” 10. kiadás Írta: Paul Heyne, Peter Boettke, és David Prychitko.
DAG topologikus rendezés
előadás1 “A közgazdasági gondolkodás alapjai” 10. kiadás Írta: Paul Heyne, Peter Boettke, és David Prychitko.
Fuzzy halmazok. 4. előadás2 3 4 Egy hagyományos halmazEgy Fuzzy halmaz.
Adatbázisrendszerek elméleti alapjai 7. előadás
Mágneses rezonancia (MR, MRI, NMR)
Dijkstra-algoritmus ismertetése
Ipari katasztrófák nyomában 4. előadás1 A szervezettség.
Ipari katasztrófák nyomában 2. előadás1 Természettudományos ismeretek.
Ipari katasztrófák5. előadás1 Eseménykivizsgálás.
Kockázatelemzés (PSA)
Ipari Katasztrófák nyomában 7. előadás1 Biztonsági adatok gyűjtése és elemzése.
Ipari katasztrófák nyomában 4. előadás1 Kezdeti események Feladat: egy valószínűségi modell felállítása, amelyből megbecsülhető a kezdeti esemény valószínűsége;
Példák Egy berendezés meghibásodását vizsgáljuk, azonos T időközök alatt. A meghibásodások száma: n 1,n 2,...,n N. Milyen modell használható? Példa: Egy.
Gráf szélességi bejárása SzB(G,p). Tetszőleges gráf, melyben a p csúcsot választottam kiindulónak: A gráfnak megfelelő fa:
Máté: Orvosi képfeldolgozás6. előadás1 tüdő lép máj Szívizom perfúzió (vérátfolyás) bal kamra jobb kamra A bal kamrai szívizom vérellátásának megítélését.
1 Szélességi Bejárás Györgyi Tamás – GYTNAAI.ELTE 2007 Március 22 Algoritmusok És Adatszerkezetek 2 Gráfalgoritmus S b a d e f h g c.
Radon transzformáció (J. Radon: 1917)
Pénzügyi feladatok VBA támogatása Barna Róbert KE GTK
Bevezetés az informatikába Farkas János, Barna Róbert
Bevezetés az informatikába 1. előadás
Máté: Orvosi képfeldolgozás10. előadás1 Két kompartmentes modell F = F(t) C A (t)(artériás koncentráció) (flow) k 12 k sejt közötti tér 2. sejten.
Röntgen cső Anód feszültség – + katód anód röntgen sugárzás
Máté: Orvosi képfeldolgozás8. előadás1 Kondenzált képek Transzport folyamat, pl. mukocilliáris klírensz (a légcső tisztulása). ROI kondenzált kép F 1 F.
Üreges mérőhely üreg kristály PMT Nincs kollimátor!
Dodekaéder Hamilton köre
Barna Róbert KE GTK Informatika Tanszék Pénzügyi feladatok VBA támogatása 7. előadás.
Barna Róbert KE GTK Informatika Tanszék Pénzügyi feladatok VBA támogatása 8. előadás.
Barna Róbert KE GTK Informatika Tanszék Pénzügyi feladatok VBA támogatása 5. előadás.
Pénzügyi feladatok VBA támogatása Barna Róbert KE GTK
Adatbázisok használata
Máté: Orvosi képfeldolgozás5. előadás1 Mozgó detektor: előnyHátrány állójó időbeli felbontás nincs (rossz) térbeli felbontás mozgójó térbeli felbontás.
Máté: Orvosi képfeldolgozás12. előadás1 Regisztrációs probléma Geometriai viszony meghatározása képek között. Megnevezései: kép regisztráció (image registration),
Máté: Orvosi képfeldolgozás5. előadás1 yy xx Linearitás kalibráció: Ismert geometriájú rács leképezése. Az egyes rácspontok képe nem az elméletileg.
Algoritmusok és adatszerkezetek
Gráfok szélességi bejárása Dijkstra algoritmus
P és NP teljes problémák
Algebrai geometriai számítások
Gráfok - 1 Definíció: Irányított gráf (digráf) G=(V,E) rendezett pár.
Adatbázisrendszerek elméleti alapjai 9. előadás
Absztrakt problémák Q  I  S, az absztrakt probléma kétváltozós reláció az esetek (I) és a megoldások (S) halmazán Példa: legrövidebb út Eset: gráf és.
Adatbázisrendszerek elméleti alapjai 7. előadás
Előadás másolata:

Osztott adatbázisok

 Gyors ismétlés: teljes redukáló  Teljes redukáló költsége  Természetes összekapcsolások vetítése  Természetes összekapcsolások vetítésének költsége 9. előadás2

 Feladat: R 1, R 2, …, R k relációk redukáltjai (R 1, R 2, …, R k ) – re nézve ◦ R 1 :=  R 1 (R 1 ⋈ R 2 ⋈ … ⋈ R k ) ◦ R 2 :=  R 2 (R 1 ⋈ R 2 ⋈ … ⋈ R k ) ◦ … ◦ R k :=  R n (R 1 ⋈ R 2 ⋈ … ⋈ R k ) ◦ (  vetítés)  Teljes redukáló: ◦ Féligösszekapcsolásokkal (⋉, ⋊) operáló program ◦ Előállítja az előző redukáltakat 9. előadás3

 Adottak: ◦ R 1, R 2, …, R k relációk ◦ R 1 ⋈ R 2 ⋈ … ⋈ R k –re füllevágások: G fix, aciklikus gráf (ciklikus NP nehéz)  Tudjuk: ◦ 2(k – 1) ⋉ lépés ◦ E fül F-re ◦ Első menetben: F := F ⋉ E =  F∩E (F) ◦ => küldött halmaz: ≤|E| ◦ Második menetben: előző menet részhalmazai ◦ => küldés halmaz : ≤|E| 9. előadás4

 Átviteli költség ≤ 2 ⋅ I ◦ I: input méret: inputrelációk méretösszege  Fix költség: c 0 ⋅ 2 ⋅ (k - 1)  Helyi számítás költsége: ◦ ⋉ költsége legfeljebb ⋈ költsége ◦ T R = R táblája, n = T R + T S ◦ Nemindexelt joinra: ≤ n ⋅ log(n) ◦ Indexelt joinra: ≤ n ◦ 2 ⋅ (k - 1) db ⋉ ◦ összességében: O(k ⋅ I ⋅ log(I)) ◦ fix G esetén: O(I ⋅ log(I)) 9. előadás5

 Kiszámoltuk a redukáltakat  Redukáltakat egy helyen összekapcsoljuk  Átviteli költség: ≤ I  Összekapcsolás költsége: ◦ U: R 1 ⋈ R 2 ⋈ … ⋈ R k sorainak száma ◦ Füllevágási sorrend: R 1, R 2, …, R k ◦ Összekapcsolások visszafelé: R i ⋈ (R i+1 ⋈ … ⋈ R k ) 9. előadás6

 Összekapcsolás költsége (folytatás): ◦ Garantáljuk, hogy ⋉-nál minden sorhoz min. 1 sor kapcsolható ◦ Redukálásnál első menet után R k nem módosul ◦ =>|R k-1 ⋈ R k | ≤ U ◦ =>|R k | ≤ U ◦ Indukcióval: |R i | ≤ U|R i+1 ⋈ … ⋈ R k | ≤ U ◦ => T j ⋈ T j+1 költsége: O(U ⋅ log(U))  Teljes összekapcsolás költsége: O(k ⋅ U ⋅ log(U))  Tétel: Aciklikus k reláció összekapcsolási költsége ≤ O(k ⋅ (I ⋅ log(I) + U ⋅ log(U))) ≤ O(k ⋅ (I + U) 2 ) 9. előadás7

 Fülletépések által készítjük el  E fül F alapján => F gyermeke E  Példa: 9. előadás8

 Példa: 1. lépés: BF fül BCD-re nézve, levágjuk 9. előadás9

 Példa: 2. lépés: ABC is fül BCD-re nézve, levágjuk 9. előadás10

 Példa: 3. lépés: BF-et vagy ABC-t levágva már BCD fül CDE-re nézve 9. előadás11

 Példa: 4. lépés: DEG mindvégig fül volt CDE-re nézve 9. előadás12

 Példa: 5. lépés: CDE-t levágva kész a fa 9. előadás13

 Adott: R 1, R 2, …, R k relációk, X attribútumhalmaz  Cél:  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) kiszámítása  Megjegyzések, ötletek: o Küldendő adatokat csökkenthetjük, ha csak a fontos attribútumokat küldjük (X attribútumai) o Az összekapcsolásokhoz még szükséges adatok is kellenek o Haladjunk az elemző fa mentén az összekapcsolásokkal o Ha már nem kell több összekapcsoláshoz egy attribútum, akkor hagyjuk el o Szükséges attribútomkhoz: elemző fa 9. előadás14

 Teljes redukálóval redukáljuk R i -ket  Elemző fát készítsük el  Járjuk be a fát: o Lentről felfelé o Csúcs sorra kerül => minden gyereke sorra került o R fület levágjuk S miatt, akkor S :=  S∪(X∩R) (R ⋈ S)  Gyökérhez tartozó relációt vetítsük X-re az utolsó lépésnél: o P a gyökér o R az utolsó fül o P :=  X (  P∪(X∩R) (R ⋈ P)) o (Itt ∪, ∩ -t P, R attribútumaival csináljuk) 9. előadás15

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  Teljesen redukált relációk: 9. előadás16

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  ABC összekapcsolása BCD-vel: ABCD :=  BCD∪(AG∩ABC) (ABC ⋈ BCD) (BCD ∪(AG ∩ ABC) = ABCD) 9. előadás17

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  BF összekapcsolása ABCD -fel: ABCD :=  ABCD∪(AG∩GF) (ABCD ⋈ BF) (AG∩GF üres, ilyen összekapcsolások kihagyhatók) 9. előadás18

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  ABCD összekapcsolása CDE -vel: ACDE :=  CDE∪(AG∩ABCD) (ABCD ⋈ CDE) (CDE⋃(AG⋂ABCD) = ACDE) 9. előadás19

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  DEG összekapcsolása ACDE-vel: ACDEG :=  ACDE∪(AG∩DEG) (DEG ⋈ ACDE) (ACDE⋃(AG⋂DEG) = ACDEG) 9. előadás20

 Elemző fa példára:  AG (ABC ⋈ BF ⋈ BCD ⋈ CDE ⋈ DEG)  Végül vetítés: AG :=  AG ABCDEG 9. előadás21

Lemma: a 3. lépés sose készít 2 ⋅ I ⋅ U –nál nagyobb relációt Bizonyítás:  Adott: o S csúcs o X a vetítés attribútumai o C: S olyan gyereke, amiben már jártunk o S 1, S 2, …, S m : C-k leszármazottai o Y: S i -k X-beli attribútumai, amik nincsenek S-ben => Y = ∪ i (S i ∩ X) \ S, Y ⊆ X, Y ∩ S = ∅ o T := S ⋈ S 1 ⋈ … ⋈ S m 9. előadás22

Lemma: a 3. lépés sose készít 2 ⋅ I ⋅ U –nál nagyobb relációt Bizonyítás:  1. pont, ekkor: o S csúcs értékének alakja:  S∪Y (S ⋈ S 1 ⋈ … ⋈ S m ) (Biz.: csúcsok számával indukció) o Mivel Y ∩ S = ∅:  S∪Y T ⊆  S T ×  Y T o A 3. lépésben a relációk redukáltak:  S T = S o  S T mérete = S mérete ≤ I 9. előadás23

Lemma: a 3. lépés sose készít 2 ⋅ I ⋅ U –nál nagyobb relációt Bizonyítás:  2. pont,  Y T mérete ≤ I o  Y T =  Y (R 1 ⋈ R 2 ⋈ … ⋈ R k ) o R i relációk redukáltak o => T minden sora kapcsolható R i -k legalább egy sorához o Y ⊆ X =>  Y (R 1 ⋈ R 2 ⋈ … ⋈ R k ) mérete ≤ ≤  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) mérete = U 9. előadás24

Lemma: a 3. lépés sose készít 2 ⋅ I ⋅ U –nál nagyobb relációt Bizonyítás:  Összesítés: o  S∪Y T ⊆  S T ×  Y T o  S T mérete ≤ I,  Y T mérete ≤ U o Legyen t 1, t 2  S T és  Y T sorainak száma m 1, m 2  S T és  Y T rekordmérete o  S T ×  Y T mérete = t 1 ⋅ t 2 ⋅ (m 1 + m 2 ) ≤ ≤ 2 ⋅ (t 1 ⋅ m 1 ) ⋅ (t 2 ⋅ m 2 ) ≤ 2 ⋅ I ⋅ U 9. előadás25

Tétel: R 1, R 2, …, R k relációk, aciklikusak  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) átviteli költsége, futási ideje polinomiális I, U, k paraméterben (Itt: U = |  X (R 1 ⋈ R 2 ⋈ … ⋈ R k )|) Bizonyítás: Yannakakis algoritmus lépései Bizonyítás: Teljes redukáló alkalmazása  Átvitel költsége: O(I)  Kiszámítás költsége: O(k ⋅ (I ⋅ log(I) + U ⋅ log(U))) 9. előadás26

Tétel: R 1, R 2, …, R k relációk, aciklikusak  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) átviteli költsége, futási ideje polinomiális I, U, k paraméterben Bizonyítás: Teljes redukáló / elemző fa megtalálása  Átvitel költsége: nincs  Kiszámítás költsége: ≤ |hiperélek| ⋅ |csúcsok| o |hiperélek| = k o |csúcsok| ≤ I, ha nincs ürés él o Van üres él: O(k) alatt ellenőrizhető o => O(k ⋅ I), elhanyagolható az alkalmazása mellett 9. előadás27

Bizonyítás: Fa bejárása  Átvitel költsége: o k – 1 reláció továbbítása szülő felé o Előző lemma => minden reláció ≤ 2 ⋅ I ⋅ U o => O(k ⋅ I ⋅ U)  Kiszámítás költsége: o Rendezéses összekapcsolások o Egy összekapcsolás: O(I ⋅ U ⋅ log(I ⋅ U)) o => O(k ⋅ I ⋅ U ⋅ log(I ⋅ U)) 9. előadás28

Tétel: R 1, R 2, …, R k relációk, aciklikusak  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) átviteli költsége, futási ideje polinomiális I, U, k paraméterben Bizonyítás: X-re vetítés  Átvitel költsége: nincs  Kiszámítás költsége: O(I ⋅ U) 9. előadás29

Tétel: R 1, R 2, …, R k relációk, aciklikusak  X (R 1 ⋈ R 2 ⋈ … ⋈ R k ) átviteli költsége, futási ideje polinomiális I, U, k paraméterben Összefoglalás: domináló tagok  Átvitel költsége: Fa bejárása: O(k ⋅ I ⋅ U)  Kiszámítás költsége: Fa bejárása: O(k ⋅ I ⋅ U ⋅ log(I ⋅ U)) 9. előadás30