1 indexes à arbres et indexes à hachage sections sélectionnées du chapitre 10
TRANSCRIPT
1
Indexes à Arbres et Indexes à Hachage
Sections sélectionnées du Chapitre 10
2
Introduction Rappel des 3 alternatives d’entrées des données
k*: un enregistrement de données avec une valeur de clé k une paire <k, rid> une paire <k, liste de rids>
Les indexes à arbres supportent à la fois la recherche des plages de valeurs (‘’range search’’) ainsi que les recherches d’egalités (‘’equality search’’). ISAM: structure statique; B+ tree: dynamique, s’ajuste
gracieusement aux insertions et effacements. Indexes à Hachage : meilleurs pour les recherches
d’égalité; ne peuvent supporter les recherches des valeurs des plages.
3
Intuition Derrière les Indexes à Arbres
``Trouvez tous les étudiants avec un gpa > 3.0’’ Si les données sont stockées dans un fichier trié,
faire la recherche binaire pour trouver le premier de ces étudiants, et de là faire un scannage pour trouver les autres.
Le coût de la recherche binaire peut être prohibitif ! Il est en effet proportionnel au # de pages puisées.
Solution: Créer un fichier d’indexes
Une recherche binaire est faisable sur de petits fichiers d’indexes!
Page 1 Page 2 Page NPage 3 Fichier de données
k2 kNk1Fichier d’indexes
4
ISAM
Le fichier d’indexes peut être très large. On peut cependant appliquer l’idée de fichier d’indexes de manière répétée!
Les pages feuilles contiennent les entrées des données.
P0
K1 P
1K 2 P
2K m
P m
Entrée d’index
Pages
internes
feuilles
Page de débordement
Pages primaires
Pages
5
ISAM (Suite) Création du fichier: les feuilles (pages de
données) sont allouées séquentiellement et triées selon la clé de recherche; ensuite les pages de débordement sont crées.
Entrées d’indexes: <valeur de la clé, page id>; orientent la recherche vers les entrées de données se trouvant dans les pages feuilles.
Recherche: Commence à la racine; compare des clés pour aller vers la feuille appropriée. Coût: log F N ; F = # entrées/pg index, N = # feuilles
Insertion: Trouver la feuille à la quelle appartient l’entrée de donnée et l’y mettre.
Effacement: Trouver et enlever l’entrée de la feuille; désaffecter une page de débordement vide. Structure statique: les changements n’affectent que les feuilles.
Pages de données
Pages des indexes
Pages de débordement
6
Exemple d’un Arbre ISAM Chaque nœud peut contenir 2 entrées; il
n’y a pas besoin de pointeurs liant les pages entre elles (Pourquoi ???)
10* 15* 20* 27* 33* 37* 40* 46* 51* 55* 63* 97*
20 33 51 63
40
Racine
7
Après l’Insertion de 23*, 48*, 41*, 42* ...
10* 15* 20* 27* 33* 37* 40* 46* 51* 55* 63* 97*
20 33 51 63
40
Racine
23* 48* 41*
42*
Pages de
débordement
primaires
Pages de l’index
Feuilles
8
... Ensuite Effacement de 42*, 51*, 97*
Notez que 51* apparaît au niveau de la page de l’index, mais pas dans la feuille!
10* 15* 20* 27* 33* 37* 40* 46* 55* 63*
20 33 51 63
40
Racine
23* 48* 41*
9
Arbre B+: L’Index le plus Usuel Insertion/effacement avec coût log F N; Garde la
hauteur balancée. (F = ‘’fanout’’, N = # feuilles) Taux d’occupation minimum de 50%(sauf pour la
racine). Chaque nœud contient d <= m <= 2d entrées. Le paramètre d est appelé l’ordre de l’arbre.
Supporte efficacement les recherches des plages de valeurs et les recherches d’égalités.
Entrées de l’index
Entrées de données("Sequence set")
(orientent la recherche)
10
Exemple d’Arbre B+ La recherche commence à la racine et les
comparaisons des clés l’orientent vers une page (similaire à la méthode ISAM).
Recherchez 5*, 15*, …, toutes les entrées de données >= 24*, ...
Racine
17 24 30
2* 3* 5* 7* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39*
13
11
Arbre B+ en Pratique Ordre typique: 100. Remplissage typique: 67%.
Sortance (‘’fanout’’) moyenne = 133 Capacités typiques:
Hauteur 4: 1334 = 312,900,700 enreg.’s Hauteur 3: 1333 = 2,352,637 enreg.’s
Les niveaux supérieurs de l’arbre peuvent souvent tenir en mémoire principale (‘’buffer pool’’): Niveau 1 = 1 page = 8 Kbytes Niveau 2 = 133 pages = 1 Mbyte Niveau 3 = 17,689 pages = 133 MBytes
12
Insertion d’une Entrée de Données Trouver la feuille appropriée L. Mettre l’entrée de données dans L.
Si L a assez d’espace, fin! Sinon, on doit partager L (en L et un nouveau nœud L2)
• Redistribuer les entrées de manière égale, copier la clé du milieu vers le haut.
• Insérer l’entrée d’index pointant vers L2 dans le parent de L.
Ceci peut arriver de manière récursive Pour partager nœud d’index, redistribuer les entrées de
manière égale, mais pousser la clé du milieu vers le haut. (Contrastez ceci avec le partage des feuilles !!)
Les partages font croître l’arbre; le partage de la racine augmente sa hauteur. Croissance de l’arbre: devient plus large ou d’ un niveau
plus élevé à la racine.
13
Insertion de 8* dans l’Exemple
Veuillez noter la différence entre copier vers le haut et pousser vers le haut. (Pourquoi fait-on cette différence????)
2* 3* 5* 7* 8*
5
Entrée à insérer dans le nœud parent.(Notez que 5 est copié vers le haut et
continue d’apparaître dans la feuille.)
n’apparaît qu’une fois dans l’index.
5 24 30
17
13
Entrée à insérer dans le nœud parent.(17 est poussé vers le haut et
14
Exemple d’Arbre B+ Après l’Insertion de 8*
La racine a été partagée; d’où augmentation de la hauteur. En fait, nous pouvons redistribuer ici au lieu de partager; cependant cela n’est pas usuel dans la pratique.
2* 3*
Racine
17
24 30
14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39*
135
7*5* 8*
15
Effacement d’une Entrée de Données
Commencer à la racine, trouver la feuille L à laquelle l’entrée appartient.
Enlever l’entrée. Si L est au moins à moitié vide, fin! Sinon L a seulement d-1 entrées,
• Essayer de redistribuer, empruntant des cousins .• Sinon, fusionner L et un cousin.
Si une fusion a lieu, on doit effacer l’entrée (d’indexe) pointant (vers L ou le cousin) à partir du parent de L.
La fusion peut se répercuter jusqu’à la racine, décroissant ainsi la hauteur de l’arbre.
16
Notre Arbre Après l’Insertion de 8*, Suivie de l’Effacement de 19* et 20* ...
Effacer 19* est facile. Effacer 20* est fait via une redistribution.
Noter comment la clé du milieu est copiée vers le haut après la redistribution.
2* 3*
Racine
17
30
14* 16* 33* 34* 38* 39*
135
7*5* 8* 22* 24*
27
27* 29*
17
... Et Ensuite Après l’Effacement de 24*
On doit fusionner. A droite, on fait un
`changement’ d’entrée d’index.
Ci bas, on `tire une entrée d’index vers le bas’.
30
22* 27* 29* 33* 34* 38* 39*
2* 3* 7* 14* 16* 22* 27* 29* 33* 34* 38* 39*5* 8*
Racine30135 17
18
Exemple de Redistribution Interne
A l’opposé du cas précédant, ici on peut redistribuer une entrée de l’enfant gauche de la racine vers l’enfant droit.
Racine
135 17 20
22
30
14* 16* 17* 18* 20* 33* 34* 38* 39*22* 27* 29*21*7*5* 8*3*2*
19
Après la Redistribution
Intuitivement, les entrées sont redistribuées en `poussant l’entrée partageante vers ’ le noeud parent.
Il suffit de redistribuer l’entrée d’index avec clé 20; on a aussi redistribué 17 pour illustration.
14* 16* 33* 34* 38* 39*22* 27* 29*17* 18* 20* 21*7*5* 8*2* 3*
Root
135
17
3020 22
20
Chargement en Vrac d’un Arbre B+
Si l’on a une large collection d’enreg.’s et que l’on veut créer un indexe à arbre B+ avec une clé donnée, le faire enregistrement par enregistrement est très inefficace.
Solution: ‘’Bulk Loading’’ (chargement en vrac). Initialisation:
Trier toutes les entrées de données et les diviser en page;
créer une page racine vide; et insérer un pointeur de la racine vers la 1ère page des
données.
3* 4* 6* 9* 10* 11* 12* 13* 20* 22* 23* 31* 35* 36* 38* 41* 44*
Pages d’entrées de données triées; non encore mises dans l’arbre B+
Racine
21
Chargement en Vrac (Suite) Les entrées d’index
pour les feuilles sont toujours créées dans la page d’index la plus à droite située juste au dessus du niveau des feuilles. Si cette dernière est pleine, elle est partagée. (Ce processus peut se répéter récursivement
3* 4* 6* 9* 10*11* 12*13* 20*22* 23* 31* 35*36* 38*41* 44*
Racine
Pages de données
à mettre sur l’arbre3523126
10 20
3* 4* 6* 9* 10* 11* 12*13* 20*22* 23* 31* 35*36* 38*41* 44*
6
Racine
10
12 23
20
35
38
22
Résumé
Index en arbre: ISAM, arbres B+ ISAM est une structure statique
Seules les feuilles sont modifiées; pages de débordement nécessaires
Défaut: chaînes de débordements Arbres B+ est une structure dynamique.
Insertion et effacement laissent l’arbre balancé coût de log F N Pas de chaînes de débordement
Chargement en vrac des arbres B+