第10章 分布式数据库系统.ppt

第10章分布式数据库系统Chapter9DistributedDatabaseSystem,本章重点本章要求读者掌握分布式数据库系统的定义、特点和优缺点，了解分布式数据库系统的体系结构、查询处理和优化等内容。,10.1分布式数据库系统概述10.1.1分布式数据库系统的定义1.分布式数据库系统定义分布式数据库(distributeddatabase)是分布在计算机网络上的多个逻辑相关的数据集合。其中“分布在计算机网络上”和“逻辑相关”是分布式数据库的两个基本要点，它既指出分布式数据库是分布在计算机网络的不同结点上，又强调这些分布的数据集合在逻辑上是一个整体。分布式数据库系统是建立在计算机网络基础上管理分布式数据库的数据库系统。它由多个局部数据库系统组成，即在计算机网络的每个结点有一个局部数据库系统。每个结点可以处理那些只对本结点数据进行存取的局部事务，每个结点也可以通过结点之间的通信参与全局事务的处理。,2.分布式数据库系统举例例1假设一个银行系统由三个分布在不同城市的支行系统组成。每个支行是这个系统中的一个结点，它存放其所在城市的所有账户的数据库，而各个支行之间通过网络连接可以互相进行通信，组成一个整体的银行系统。当用户只存取当地账户的现金时，这时只是一个局部事务，由当地的支行系统独立解决，如图10.1(a)所示。当用户需要进行异地存取时，就成为一个全局事务，需要各个结点进行通信来解决，如图10.1(b)所示。图10.1局部事务和全局事务的处理,10.1.2分布式数据库系统的特点由于分布式数据库系统是在成熟的集中式数据库技术基础上发展起来的，它除了集中式数据库的一些特点(例如数据的逻辑独立性和物理独立性)以外，还有很多其他的性质和特点：(1)网络透明性(networktransparency)(2)数据冗余和冗余透明性(3)数据片段透明性(datafragmenttransparency)(4)局部自治性(5)数据库的安全性和一致性,10.1.3分布式数据库系统的优缺点由于分布式数据库有以上的一些特点，所以它与传统的集中式数据库相比有如下几个优点和缺点：1优点(1)分布式控制(2)增强数据共享(3)系统可靠性(4)提高系统性能(5)可扩充性好2缺点(1)系统实现复杂(2)开销增大,10.2分布式数据库系统的体系结构10.2.1分布式数据库系统的模式结构图10.2是分布式数据库系统的模式结构,10.2.2数据分片和分布透明性1.数据分片分布式数据库中的数据可以被分割和复制在网络场地的各个物理数据库中。一般数据存放的单位不是关系而是片段，一个片段是关系的一部分。这样既有利于按照用户的需要较好地组织数据的分布，也有利于控制数据的冗余度。数据分片常通过关系代数的基本运算来实现的。数据分片的方式包括水平分片、垂直分片和混合型分片三种。2分布透明性分布透明性指用户不必关心数据的逻辑分片，不必关心数据物理位置分配的细节，也不必关心各个场地上数据库的数据模型。从图10.2中可以看出，分布透明性应包括三个层次：分片透明性、位置透明性和局部数据模型透明性。,10.2.3分布式数据库管理系统1DDBMS的主要功能一个DDBMS的功能主要有下面五点：1)接收用户请求，并判定把它送到哪里，或必须访问哪些计算机才能满足该请求。2)访问网络数据字典，或者至少了解如何请求和使用其中的信息。3)如果目标数据存储于系统的多个计算机上，就必须进行分布式处理。4)通信接口功能。在用户、局部DBMS和其它计算机的DBMS之间进行协调。5)在一个异构型分布式处理环境中，还需提供数据和进程移植的支持。这里的异构型是指各个场地的硬件、软件之间存在一定差别。,2DDBMS的组成从功能上讲，一个DDBMS应包括以下四个子系统：（1)查询子系统。在分布式数据库中，由于数据分布在各个场地，所以用户请求查询而引起的数据传输需要花费相当高的代价。一般查询子系统由查询分析（对查询语句进行分析、检查）和优化处理（以尽可能小的代价完成一次查询）两部分组成。（2)完整性子系统。它有以下两个功能：一是确定使用的数据副本，当查询子系统分析出要使用的数据后，它根据网络数据目录计算使用不同副本的代价，从而确定供查询使用的数据副本及该副本所在的场地，并且尽可能使这一代价极小化；二是维护数据库的完整性，提高并发控制机制。（3)调度子系统。它的主要功能是发布命令执行事务的并发控制，发布命令执行数据传输。（4)可靠性子系统。监督系统各部分有无故障出现，并负责系统重启动。,10.2.4分布式数据库系统存在的问题对于分布式系统，主要有以下实现上的问题：(1)不同场地的通信速度，与局部DBS的存储部件的存取速度相比，是非常慢的。(2)通信系统有较高的存取延迟时间。在集中式系统中，我们注意的问题是磁盘的存取时间，而在分布式系统中，注意的是数据经过网络的传输时间。(3)在CPU上处理通信的代价很高。(4)不同通信系统有不同意义的字符，数据转换速度也不一样，可以相差1000倍，存取延迟时间可能相差达106倍。在集中式系统中，主要目标是减少对磁盘的访问次数。而在分布式系统中，压倒一切的性能目标则是使通过网络传送信息的次数和传送的数据量最小。,10.3查询处理和优化分布式数据库系统中的查询处理较集中式数据库系统复杂，查询优化较集中数据库系统更重要，效果更显著。下面首先讨论一个实例，说明在分布环境下选择一个好的处理查询策略是多么重要，并了解查询处理和优化涉及的问题，然后讨论查询优化的一般目标和策略。10.3.1一个实例例3下面给出一个例子来说明存取策略优化的重要性。具体例子详见书上。这个例子说明了：(1)不同的存取策略通信时间相差很大，达多个数量级，因此必须进行优化。(2)在有些策略中数据传输速度和传输延迟都要考虑；而在有些策略中主要考虑传输延迟，还有一些策略中数据传输量大，主要考虑传输时间。,10.3.2查询处理和优化要解决的问题在分布式数据库系统中有三类查询：局部查询、远程查询和全局查询。局部查询和远程查询都只涉及单个结点上的数据(本地的或远程的)，所以查询优化采用的技术就是集中式数据库的查询优化技术(代数优化和非代数优化)。全局查询涉及多个结点的数据，因此查询处理和优化要复杂得多，下面要讨论的是全局查询处理和优化涉及的问题，优化的目标及连接查询的优化方法。为了执行全局查询和确定一个好的查询处理策略，要做许多判断、计算工作，但总体上可分为三类。1查询分解2选择操作执行的次序3选择执行操作的方法,10.3.3查询优化的目标无论是在集中式数据库中还是在分布式数据库中一个查询处理策略的选择都是以执行查询的预期代价为依据的。不同的只是构成一个查询代价的主要因素在这两类系统中不完全一样。在集中式数据库中，查询执行开销主要是：IO代价+CPU代价而在分布式数据库中，除上面两种开销外还有数据在网络上的传输代价：IO代价+CPU代价+通信代价,在查询优化过程中将通信代价作为一个首要问题进行研究，是基于以下两点的考虑：1通信代价容易估计，它通常是数据传输量的一个函数，这个特点是IO开销所不具备的。2分布查询可分为两部分：存取策略的分布优化和局部优化，二者可以分别予以解决。局部优化可以采用集中式数据库中的技术，而分布优化是分布式系统要考虑的，它比局部优化更重要。总之，在分布式数据库中查询优化的首要目标是：使该查询执行时其通信代价最省。不同结点之间的连接操作和并操作是数据传输的主要原因，因此连接查询的优化在分布优化中是举足轻重的。,10.4分布式数据库系统的发展前景分布式数据库兴起于20世纪70年代，繁荣于80年代，而在90年代分布式数据库更以其在分布性和开放性方面的优势重又获得了青睐。其应用领域已不再局限于在线事务处理（简称OLTP）应用，从分布式计算、Internet应用、数据仓库到高效的数据复制都可以看到分布式数据库系统的影子。这些新型的应用与传统的分布式数据库应用相比不再具有理论上强调的所有特点和功能，而是根据应用环境和需求的不同在保留基本结构的基础上作出了适当的修改或放松。,随着网络环境的日益普及，新的应用呈现出许多相似的特点，那就是开放性和分布性。以数据仓库为例，它建立在原有多个数据库系统的基础之上，需要能从异构数据库中提取数据并且能逐步扩展处理能力和系统规模；而对于Internet商业应用来说分布性和开放性更是最基本的要求。并且随着人们对电子商务、安全防范等较复杂的Web应用需求的增加，Web应用不仅仅是对只读信息的存取，面向商业活动的读写存取将迅速增加。也就是说，从简单的数据系统全球连网查询，逐渐转向更具有分布式数据库系统特色的应用环境。可以预见，在当