标签：style size 一起 有一个 分割 吞吐量 span info font
DDB设计的两个问题
1）分段 – 分割关系成“段” ；逻辑上
2）分配 – 将段置放到站点 ；物理存储上
• 目标 – 优化响应时间/吞吐量/费用/…
分段元则
假若有全局关系R 被分段为子关系(片段)集合，
– 完整性，分片之后，不能丢失元素
– 不相交性，每一个元素只能分配到唯一的一个分段
– 重构性，存在函数 g 使得 R = g(F1 , F2 , …, Fn ）。
也就是通过分片，能够还原出原来的数据总体
水平分段
把不同性质的元组，分割为不同的分段
基本水平分段
以关系E自身的属性性质为基础，执行“选择”操作，将关系分割成若干个不相交的片段
例如：
对于学生表，根据班级编号这一性质，将学生元组分割多个片段。
如何选择小项谓词
什么小项谓词？
小项谓词就是划分条件的各种可能的组合，比如：
但是上面的小项谓词，相当大一部分都是不符合语义的，因为没有实际的数据对应这些小项谓词。
还是回到刚才的那个问题：如何选择小项谓词集作为分段的依据呢？
仍然是以例子来说话：
应用a访问Loc = Sa 的元组；应用b则访问Loc = Sb的元组。
（1）不分段
（2）按照{Loc = sa,loc = sb}来分段，分两段
（3）按照{loc = sa,loc = sb,sal < 10}来分段，分4端；
只有一个分段的话，对一个特定的应用，分组内的元组选择概率不相等，因此不好。比如：对于应用a，它只会选择loc = sa的元组，而不选择loc = sb的元组。元组选择的概率不等，因此不好。
对于分成四个分段的方案，由于对于同一个应用，两个分段选择的概率是相等的，这样也不好。
所以最理想的情形是：对每个特定的应用，最好能把它所要访问的所有元组集中在一个分段，而且只是一个分段（小项性）
导出分段
从另一个关系的属性性质或水平分段推导出来。
比如有选课表和学生表，
SC(S#, C#, GRADE)
S ( S#, SNAME. AGE, SEX)
按照学生表中的性别属性，将SC表拆分成两个分段，SC1，SC2，分别存储的是男生和女生的选课信息。
一般如何来实现导出分段呢？半连接操作
也就是在连接操作的基础上，进行投影操作，筛选出R的属性。它的意义在于在R中筛选出能够与S进行连接的元组而过滤出无用的元组。
以学生-选课表为例，先将学生表根据性别划分成两个分段S1，S2，再让SC分别与S1和S2进行半连接操作即可。
注意：导出分段的完整性和不相交性不能得到保证，除非（学生表是导出表，选课表是被导出表）：
1）导出属性在导出表中是主键；
2）满足引用约束（属性如果存在于被导出表，则必须也存在于导出表）；
垂直分段
通过“投影”操作把一个全局关系的属性分成若干组 。垂直分段的基本目标是将使用频繁的属性聚集在一起。
垂直分段，保证重构性的方式就是在每个分段中都保留主关键字。这样，通过自然连接操作可重构出原来的数据整体。
如何来进行垂直分段？
通过属性的亲和矩阵
就是找出所有这样的应用：它既访问了判断A1又访问了片段A2，把他们的频率之和相加。
要通过行列调整寻找分割点
混合分段
先水平分段，再垂直分段；
先垂直分段，再水平分段。
分配
在满足用户需求的前提下, 把设计好的数 据片段分配到相应的站点上存储
分配的有关问题
查询来源
通讯费用? 结果大小, 关系,…
存储容量, 存储费用? 分段大小?
站点处理能力?
查询处理策略? – 连接操作算法 – 查询结果收集站点
简化模型如下：
读的代价为：
写代价：
存储代价如下：
最后得目标函数：
要计算出这个目标函数的值，是一个NP难问题。
所以采用一个简单的法则：尽可能将片段分配在被局部访问位置，即尽量做到本地化的访问。
最佳适应方法
充分考虑到了应用的访问次数，哪个站点的B最大，就把片段分配到哪个站点。
所有得益站点方法
进一步考虑到了写的代价。
标签：style size 一起 有一个 分割 吞吐量 span info font
原文地址：https://www.cnblogs.com/chxyshaodiao/p/12460427.html
