Data warehouses may contain large v

Data warehouses may contain large volumes of data. To
answer queries efficiently, therefore, requires highly efficient
access methods and query processing techniques. Several
issues arise. First, data warehouses use redundant structures
such as indices and materialized views. Choosing which
indices to build and which views to materialize is an
important physical design problem. The next challenge is to
effectively use the existing indices and materialized views to
answer queries. Optimization of complex queries is another
important problem. Also, while for data-selective queries,
efficient index scans may be very effective, data-intensive
queries need the use of sequential scans. Thus, improving the
efficiency of scans is important. Finally, parallelism needs to
be exploited to reduce query response times. In this short
paper, it is not possible to elaborate on each of these issues.
Therefore, we will only briefly touch upon the highlights.
Index Structures and their Usage
A number of query processing techniques that exploit indices
are useful. For instance, the selectivities of multiple
conditions can be exploited through index intersection. Other
useful index operations are union of indexes. These index
operations can be used to significantly reduce and in many
cases eliminate the need to access the base tables.
Warehouse servers can use bit map indices, which support
efficient index operations (e.g., union, intersection). Consider
a leaf page in an index structure corresponding to a domain
value d. Such a leaf page traditionally contains a list of the
record ids (RIDs) of records that contain the value d.
However, bit map indices use an alternative representation of
the above RID list as a bit vector that has one bit for each
record, which is set when the domain value for that record is
d. In a sense, the bit map index is not a new index structure,
but simply an alternative representation of the RID list. The
popularity of the bit map index is due to the fact that the bit
vector representation of the RID lists can speed up index
intersection, union, join, and aggregation11. For example, if
we have a query of the form column1 = d & column2 = d’,
then we can identify the qualifying records by taking the
AND of the two bit vectors. While such representations can
be very useful for low cardinality domains (e.g., gender), they
can also be effective for higher cardinality domains through
compression of bitmaps (e.g., run length encoding). Bitmap
indices were originally used in Model 204, but many products
support them today (e.g., Sybase IQ). An interesting question
is to decide on which attributes to index. In general, this is
really a question that must be answered by the physical
database design process.

ผลลัพธ์ (ไทย) 1:

คลังข้อมูลอาจประกอบด้วยข้อมูลจำนวนมาก ถึงตอบแบบสอบถามมีประสิทธิภาพ ดังนั้น ต้องมีประสิทธิภาพสูงเข้าถึงวิธีการ และเทคนิคการประมวลผลแบบสอบถาม หลายปัญหาเกิดขึ้น ครั้งแรก คลังข้อมูลใช้โครงสร้างข้อมูลดัชนีและมุมมอง materialized เลือกที่ดัชนีการสร้างมุมมองที่การเบิกมีการปัญหาสำคัญในการออกแบบทางกายภาพ ความท้าทายต่อไปคือการใช้ดัชนีที่มีอยู่และมุมมอง materialized ให้ได้อย่างมีประสิทธิภาพตอบแบบสอบถาม เพิ่มประสิทธิภาพของแบบสอบถามที่ซับซ้อนได้อีกปัญหาสำคัญ ขณะที่สำหรับการสอบถามข้อมูลเลือก ยังดัชนีประสิทธิภาพการสแกนอาจมีประสิทธิภาพมาก เร่ง รัดข้อมูลแบบสอบถามต้องใช้การสแกนตามลำดับ ดังนั้น ปรับปรุงการประสิทธิภาพของการสแกนเป็นสำคัญ สุดท้าย parallelism ต้องจะสามารถลดเวลาการตอบสนองแบบสอบถาม ในระยะสั้นนี้กระดาษ มันไม่ได้สามารถอธิบายรายละเอียดของปัญหาเหล่านี้ดังนั้น เราจะสั้น ๆ เพียงสัมผัสตามไฮไลท์โครงสร้างดัชนีและการใช้งานของพวกเขาจำนวนแบบสอบถามในการประมวลผลใช้ดัชนีมีประโยชน์ เช่น selectivities หลายเงื่อนไขสามารถนำไปผ่านสี่แยกดัชนี อื่น ๆการดำเนินงานของดัชนีที่มีประโยชน์คือ สหภาพของดัชนี ดัชนีเหล่านี้สามารถใช้การดำเนินการเพื่อลดและในกรณีกำจัดจำเป็นในการเข้าถึงตารางพื้นฐานคลังสินค้าเซิร์ฟเวอร์สามารถใช้บิตแมปดัชนี การสนับสนุนดัชนีประสิทธิภาพการดำเนินงาน (เช่น ร่วม แยก) พิจารณาหน้าใบเป็นโครงสร้างดัชนีที่สอดคล้องกับโดเมนค่า d เช่นใบไม้ซึ่งประกอบด้วยรายการรหัสเรกคอร์ด (RIDs) ของระเบียนที่ประกอบด้วยค่าดีอย่างไรก็ตาม ดัชนีแผนที่บิตใช้แทนทางเลือกRID รายการข้างต้นเป็นเวกเตอร์บิตที่มีหนึ่งบิตสำหรับแต่ละบันทึก ซึ่งการตั้งค่าโดเมนสำหรับเรกคอร์ดนั้นd. ความรู้สึก ดัชนีแผนที่บิตไม่โครงสร้างดัชนีใหม่แต่เพียงตัวแทนของรายการ RID ที่เป็นความนิยมของดัชนีแผนที่บิตเนื่องจากข้อเท็จจริงที่ว่าบิตการเวกเตอร์แสดงรายการ RID สามารถเร่งความเร็วดัชนีสี่แยก สหภาพ รวม และ aggregation11 ตัวอย่าง ถ้าเรามีแบบสอบถามของ column1 ฟอร์ม = d & column2 = d',แล้วเราสามารถระบุระเบียนที่คัดเลือก โดยการและเวกเตอร์สองบิต ในขณะที่นำเสนอดังกล่าวสามารถมีประโยชน์มากสำหรับโดเมนต่ำภาวะเชิงการนับ (เช่น เพศ), พวกเขายังสามารถมีผลบังคับใช้สำหรับโดเมนจำนวนนับสูงผ่านการบีบอัดของบิตแมป (เช่น เรียกใช้เข้ารหัสความยาว) บิตแมปเดิมใช้ดัชนีในรุ่น 204 แต่หลายผลิตภัณฑ์สนับสนุนให้วันนี้ (เช่น Sybase IQ) คำถามที่น่าสนใจคือการ เลือกคุณลักษณะการจัดทำดัชนี นี่คือทั่วไปจริง ๆ คำถามที่ต้องตอบตามจริงกระบวนการออกแบบฐานข้อมูล

ผลลัพธ์ (ไทย) 2:

คลังข้อมูลอาจมีปริมาณข้อมูลขนาดใหญ่ เพื่อ
ตอบข้อซักถามได้อย่างมีประสิทธิภาพจึงต้องมีประสิทธิภาพสูง
วิธีการเข้าถึงและเทคนิคการประมวลผลแบบสอบถาม หลาย
ปัญหาที่เกิดขึ้น ครั้งแรกคลังข้อมูลใช้โครงสร้างซ้ำซ้อน
เช่นดัชนีและมองเห็นวิวรูปธรรม เลือกที่
ดัชนีการสร้างและมุมมองที่จะทำให้เป็น
ปัญหาการออกแบบทางกายภาพที่สำคัญ ความท้าทายต่อไปคือการ
มีประสิทธิภาพการใช้ดัชนีที่มีอยู่และมองเห็นวิวรูปธรรมในการ
ตอบแบบสอบถาม การเพิ่มประสิทธิภาพของคำสั่งที่ซับซ้อนเป็นอีกหนึ่ง
ปัญหาที่สำคัญ นอกจากนี้ในขณะที่สำหรับการค้นหาข้อมูลที่เลือก
สแกนดัชนีที่มีประสิทธิภาพอาจจะมีประสิทธิภาพมากข้อมูลจำนวนมาก
คำสั่งต้องใช้การสแกนตามลำดับ ดังนั้นการปรับปรุง
ประสิทธิภาพในการสแกนเป็นสิ่งสำคัญ ในที่สุดความเท่าเทียมความต้องการที่จะ
ใช้ประโยชน์ในการลดเวลาการตอบสนองแบบสอบถาม ในระยะสั้นนี้
กระดาษมันไม่ได้เป็นไปได้ที่จะทำอย่างละเอียดในแต่ละประเด็นเหล่านี้.
ดังนั้นเราจะเพียงสั้น ๆ ลามปามไฮไลท์.
โครงสร้างดัชนีและการใช้งานของพวกเขา
จำนวนของเทคนิคการประมวลผลแบบสอบถามที่ใช้ประโยชน์จากดัชนี
ที่มีประโยชน์ ยกตัวอย่างเช่นการเลือกเกิดของหลาย
เงื่อนไขที่สามารถใช้ประโยชน์ผ่านสี่แยกดัชนี อื่น ๆ
ดัชนีการดำเนินงานที่มีประโยชน์เป็นสหภาพของดัชนี เหล่านี้ดัชนี
การดำเนินงานสามารถนำมาใช้เพื่อลดและในหลาย
กรณีขจัดความจำเป็นในการเข้าถึงตารางฐาน.
เซิร์ฟเวอร์คลังสินค้าสามารถใช้ดัชนีแผนที่บิตที่สนับสนุน
การดำเนินงานที่มีประสิทธิภาพดัชนี (เช่นสหภาพสี่แยก) พิจารณา
ใบหน้าโครงสร้างดัชนีที่สอดคล้องกับโดเมน
ค่าง เช่นหน้าใบประเพณีที่มีรายชื่อของ
รหัสบันทึก (RIDs) ของระเบียนที่มีค่า d.
แต่ดัชนีแผนที่บิตใช้ทางเลือกของการเป็นตัวแทน
กรมชลประทานรายการดังกล่าวข้างต้นเป็นเวกเตอร์ที่มีบิตหนึ่งบิตสำหรับแต่ละ
บันทึกซึ่ง เมื่อมีการตั้งค่าโดเมนสำหรับบันทึกที่
d ในความเป็นดัชนีแผนที่บิตไม่ได้เป็นโครงสร้างดัชนีใหม่
แต่เพียงทางเลือกที่เป็นตัวแทนของรายการกรมชลประทาน
ความนิยมของดัชนีแผนที่บิตเป็นเพราะความจริงที่ว่าบิต
การแสดงเวกเตอร์ของรายการกรมชลประทานสามารถเพิ่มความเร็วในดัชนี
แยกสหภาพเข้าร่วมและ aggregation11 ตัวอย่างเช่นถ้า
เรามีการค้นหารูปแบบ column1 = d & column2 = d '
แล้วเราสามารถระบุบันทึกการคัดเลือกโดยการใช้
และของสองเวกเตอร์บิต ในขณะที่การแสดงดังกล่าวสามารถ
เป็นประโยชน์อย่างมากสำหรับโดเมน cardinality ต่ำ (เช่นเพศ) พวกเขา
ยังจะมีประสิทธิภาพที่สูงขึ้นสำหรับโดเมน cardinality ผ่าน
การบีบอัดของบิตแมป (เช่นระยะเวลาในการเรียกใช้การเข้ารหัส) Bitmap
ดัชนีถูกนำมาใช้ครั้งแรกในรุ่น 204 แต่หลายผลิตภัณฑ์ที่
สนับสนุนพวกเขาในวันนี้ (เช่น Sybase IQ) คำถามที่น่าสนใจ
คือการตัดสินใจที่แอตทริบิวต์ดัชนี โดยทั่วไปนี้เป็น
จริงคำถามที่ต้องตอบโดยทางกายภาพ
ขั้นตอนการออกแบบฐานข้อมูล

ผลลัพธ์ (ไทย) 3:

คลังสินค้าข้อมูลอาจมีปริมาณมากของข้อมูล

ตอบแบบสอบถามได้อย่างมีประสิทธิภาพ จึงต้องใช้วิธีการเข้าถึงประสิทธิภาพสูงและเทคนิคการประมวลผลแบบสอบถาม
. หลายประเด็น
เกิดขึ้น แรก , คลังสินค้าข้อมูลใช้โครงสร้างซ้ำซ้อน
เช่นดัชนีและ materialized views เลือกที่
ดัชนีสร้างและมุมมองที่เป็นจริงเป็น
ปัญหาการออกแบบทางกายภาพที่สำคัญความท้าทายต่อไปคือ
มีประสิทธิภาพการใช้ดัชนีที่มีอยู่ และสามารถมองเห็นวิว

ตอบแบบสอบถาม การเพิ่มประสิทธิภาพของแบบสอบถามที่ซับซ้อน เป็นปัญหาสำคัญอีก
. นอกจากนี้ ในขณะที่ข้อมูลการค้นหา
สแกนดัชนีประสิทธิภาพอาจจะมีประสิทธิภาพมาก , ข้อมูลเข้ม
สงสัยต้องใช้สแกนต่อเนื่องกัน ดังนั้น การปรับปรุงประสิทธิภาพของการสแกน
เป็นสิ่งสำคัญ ในที่สุด ความต้องการ
สามารถใช้ประโยชน์เพื่อลดเวลาในการตอบสนองการสอบถาม ในกระดาษสั้น
นี้ , มันเป็นไปไม่ได้ที่จะอธิบายในแต่ละประเด็นเหล่านี้
ดังนั้นเราจะเพียงสั้น ๆ สัมผัสกับไฮไลท์

โครงสร้างดัชนีและการใช้งานของจำนวนแบบสอบถามที่ใช้เทคนิคการประมวลผลดัชนี
เป็นประโยชน์ เช่น selectivities ของเงื่อนไขหลายเงื่อนไข
สามารถใช้ดัชนีผ่านสี่แยก
อื่น ๆดัชนีการดำเนินงานที่มีประโยชน์เป็นสหภาพของดัชนี การดำเนินงานดัชนี
เหล่านี้สามารถใช้เพื่อลดและในหลายกรณี
ไม่ต้องเข้าถึงฐานตาราง
เซิร์ฟเวอร์คลังสินค้าสามารถใช้ดัชนีแผนที่ บิต ซึ่งสนับสนุนการดำเนินงานดัชนีประสิทธิภาพ ( สี่แยก
เช่นสหภาพ ) พิจารณา
ใบหน้าในดัชนีโครงสร้างที่สอดคล้องกับค่าโดเมน
dเช่นใบหน้าแต่เดิมประกอบด้วยรายการของ
บันทึกรหัส ( rids ) ของระเบียนที่มีค่า D .
แต่ดัชนีแผนที่บิตใช้เป็นตัวแทนของทางเลือก
รายการกำจัดข้างต้นเป็นบิตเวกเตอร์ที่มีบิตสำหรับแต่ละ
บันทึกซึ่งเป็นชุดเมื่อค่าโดเมนสำหรับบันทึกที่
D . ในความรู้สึก บิตแผนที่ดัชนีเป็นดัชนีโครงสร้างใหม่
แต่ก็เป็นทางเลือกที่เป็นตัวแทนของรายการที่จัด
แผนที่ดัชนีความนิยมของบิตเนื่องจากบิต
แทนเวกเตอร์รายการกำจัดสามารถเร่งความเร็วดัชนี
สี่แยก , สหภาพ , เข้าร่วม , และ aggregation11 . ตัวอย่างเช่น ถ้า
เรามีแบบสอบถามของแบบฟอร์ม column1 & column2 = D = D '
, แล้วเราสามารถระบุระเบียนที่มีคุณสมบัติโดยการ
และสองบิตเวกเตอร์ในขณะที่เช่นการแสดงสามารถ
เป็นประโยชน์มากสำหรับโดเมนภาวะเชิงการนับต่ำ ( เช่น เพศ ) พวกเขา
ยังสามารถมีประสิทธิภาพสูงกว่าภาวะเชิงการนับโดเมนผ่าน
อัดบิตแมป ( เช่น วิ่งยาวเข้ารหัส ) ดัชนีบิตแมป
ถูกใช้ในรูปแบบ 204 แต่
หลายผลิตภัณฑ์สนับสนุนพวกเขาวันนี้ ( เช่น Sybase IQ ) เป็นคำถามที่น่าสนใจคือ
ตัดสินใจซึ่งคุณลักษณะดัชนี โดยทั่วไป
จริงๆนี้เป็นคำถามที่ต้องตอบโดยทางกายภาพ
ฐานข้อมูลการออกแบบกระบวนการ