sistem basis data ti ti ukdw Indexing Materi Minggu ke-10 Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta 04/07/13 budi susanto 1

Transkripsi

1 Indexing Materi Minggu ke-10 Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta 04/07/13 budi susanto 1

2 Tujuan Memahami Tujuan Index pada Database Memahami model dasar Index Memahami algoritma dasar B+Tree 04/07/13 budi susanto 2

3 Konsep Dasar Indexing digunakan untuk mempercepat akses terhadap data yang diperlukan. Search Key Atribut yang digunakan untuk mencari record dalam file Index File Terdiri dari record-record dengan bentuk: search-key pointer Index file biasanya berukuran lebih kecil daripada file data. 04/07/13 budi susanto 3

4 Access Type Access Time Insertion Time Deletion Time Space Overhead Matrix Evaluasi Index 04/07/13 budi susanto 4

5 Tipe Index Ordered Index Search key disimpan dalam suatu urutan tertentu Hash Index Search key disebar dengan menggunakan fungsi hash. 04/07/13 budi susanto 5

6 Ordered Index 04/07/13 budi susanto 6

7 Ordered Index Pada Ordered Index, entri index disimpan secara terurut berdasar nilai search key Primary index: Index dimana urutan search key menyatakan urutan data dalam sequential file. Disebut juga dengan clustering index Biasanya Primary Key Secondary index : Index dimana urutan seach key berbeda dengan urutan data dalam sequential file. Disebut juga non-clustering index Index-Sequential file: file sequential terurut dengan primary index. Ada dua tipe Ordered Index : Dense dan Sparse 04/07/13 budi susanto 7

8 Contoh Clustering Index 04/07/13 budi susanto 8

9 Dense Index Sebuah index item muncul untuk setiap nilai search key dalam file. Index item berisi nilai search key dan pointer ke record data sesungguhnya. 04/07/13 budi susanto 9

10 Dense Secondary Index 04/07/13 budi susanto 10

11 Sparse Index Item index dibuat hanya untuk beberapa record saja. Untuk menemukan record dengan nilai search key K Temukan item index dengan nilai search key terbesar < K. Cari data yang ditemukan mulai dari record seperti yang ditunjuk oleh item index. Sparse Index hanya dapat digunakan jika atribut kunci yang digunakan adalah dalam keadaan terurut (clustering index). 04/07/13 budi susanto 11

12 Sparse Index 04/07/13 budi susanto 12

13 Dense vs Sparse Dense index secara umum lebih cepat Sparse index membutuhkan space yang lebih kecil dan memiliki biaya perawatan yang lebih rendah untuk penambahan dan penghapusan. (why?) Kompromi yang baik: Memiliki sparse index dengan satu entry per blok, dengan nilai search key terkecil dalam blok. Biaya terbesar adalah meletakkan sebuah blok ke memori utama. Dijamin memiliki blok yang betul, kecuali record berada pada overflow blok (dapat beberapa blok). Ukuran index masih dapat tetap kecil. 04/07/13 budi susanto 13

14 Latihan Dense Index Buatlah Struktur Dense Index untuk data berikut, search key adlaah NAMA: NIM NAMA Abu Nawas Aladin Iron Man Superman Batman Spiderman Arjuna 04/07/13 budi susanto 14

15 Multilevel Index Walaupun dengan sparse index, ukuran index masih akan tumbuh terlalu besar. Untuk 100,000 record, 10 / blok, dengan satu index item per blok, maka butuh 10,000 index item! Jika index terlalu besar untuk disimpan dalam memori utama, pengaksesan/pencarian menjadi terlalu mahal. Untuk mengurangi jumlah pengaksesan disk terhadap index item, simpan primary index dalam disk sebagai sebuah sequential file dan bangun sebuah sparse index terhadapnya. outer index sebuah sparse index dari primary index inner index file primary index Bahkan jika outer index terlalu besar untuk diletakkan dalam memori utama, dapat dibentuk level index lain. 04/07/13 budi susanto 15

16 Multilevel Index 04/07/13 budi susanto 16

17 Latihan Multilevel Index Buatlah Struktur Multilevel Index untuk data berikut (1 blok maks. 3 record), dimana NIM adalah PK: NIM NAMA Abu Nawas Aladin Iron Man Superman Batman Spiderman Arjuna 04/07/13 budi susanto 17

18 Update Index: Insert Temukan posisi record yang tepat untuk penyisipan. Dense Index Tambahkan nilai search key pada index dan tabel jika belum ada Jika telah ada search key pada index, tambahkan data baru hanya pada tabel. Sparse Index tidak ada perubahan kecuali blok baru terbentuk 04/07/13 budi susanto 18

19 Update Index: Delete Dense Index Temukan record yang akan dihapus. Jika record yang dihapus merupakan satusatunya yang ditunjuk pada item index, maka hapus keduanya Selain itu, jika index item merujuk pada search-key record yang dihapus lebih dari satu, maka hapus record datanya saja. Selain itu, jika record yang dihapus merupakan record awal yang ditunjuk oleh index item, maka update item item ke record selanjutnya. 04/07/13 budi susanto 19

20 Update Index: Delete Sparse Index Temukan record yang akan dihapus. Jika index tidak berisi search-key yang dihapus, maka index tidak perlu diupdate. Selain itu, jika record yang terhapus adalah satu-satunya record yang dirujuk oleh item index, maka item index di update untuk merujuk ke record search-key berikutnya. Jika search-key sudah ada pada index, maka item index hasil update akan dihapus. Selain itu, jika item index untuk search-key merujuk ke record yang dihapus, maka sistem akan mengupdate penunjuk ke record selanjutnya yang memiliki search-key yang sama. 04/07/13 budi susanto 20

21 Secondary Index Seringkali, diinginkan mencari semua record berdasar nilai dari suatu field tertentu (yang bukan search key yang sudah dibentuk dalam primary index). Kita dapat memiliki sebuah secondary index dengan suatu index item untuk setiap nilai search-key value; index item menunjuk ke sebuah tempat yang berisi pointer ke record sesungguhnya berdasar nilai search-key tertentu. 04/07/13 budi susanto 21

22 Secondary Index 04/07/13 budi susanto 22

23 B+ Tree Index 04/07/13 budi susanto 23

24 B+ Tree Index Kerugian utama dari organisasi index-sequential file adalah unjuk kerja akan menurun seiring dengan bertumbuhnya file. Struktur file B+ -tree, menjaga efisiensi organisasinya walaupun sering terjadi insert dan delete. Kerugiannya, B+Tree membutuhkan biaya penambahan dan penghapusan tambahan dan juga ruang penyimpanan tambahan. Sebuah index B + -tree adalah balanced tree, dimana dalam setiap jalur dari root ke sebuah daun memiliki panjang yang sama. Setiap node bukan daun dalam tere harus memiliki anak antara n/2 sampai n, dimana n adalah tetap untuk pohon tertentu. 04/07/13 budi susanto 24

25 Struktur Node B+ Tree Struktur Node K i adalah nilai search key P i adalah pointer ke anak (node bukan daun) atau pointer ke record atau kelompok data (node daun) Search key dalam sebuah node diurutkan K 1 < K 2 < K 3 <... < K n 04/07/13 budi susanto 25

26 Node Daun B+ Tree For i = 1, 2,..., n 1, pointer P i baik menunjuk ke file record dengan nilai search-key K i, atau ke sekelompok pointer ke file record, setiap index item memiliki nilai search-key K i. JIKA L i, L j adalah node daun DAN i < j, nilai search-key L i < nilai search-key L j P n menunjuk ke node daun berikut dalam urutan search-key 04/07/13 budi susanto 26

27 Contoh Node Daun 04/07/13 budi susanto 27

28 Node Bukan Daun B+ Tree Node bukan daun membentuk sebuah multilevel sparse index untuk node daun. Untuk node bukan daun dengan jumlah m pointer: Semua search-key dalam subtree dimana nilai yang ditunjuk P 1 < K 1. For 2 i n 1, semua search-keys dalam subtree dimana P i memiliki nilai >= K i 1 dan <= K m 1. 04/07/13 budi susanto 28

29 Contoh B+ Tree (n=4) 04/07/13 budi susanto 29

30 Contoh B+ Tree (n=5) Node daun harus memiliki antara nilai 2 dan 4 ([(n 1)/2] dan n 1). Node bukan daun selain root harus memiliki antara 3 5 anak ([(n/2)] dan n ). Root harus memiliki setidaknya 2 anak. 04/07/13 budi susanto 30

31 Query B+Tree Index Temukan semua record dengan nilai search-key k. Mulai dari node root Tentukan node dengan nilai search key terkecil > k. Jika ditemukan nilainya, misal K j. Maka ikuti P i ke node anak Selain itu jika k > K m 1, dimana terdapat m pointer dalam node. Maka ikuti P m ke node anak. Jika node yang dicapai dari pointer di atas, adalah bukan node daun, ulangi prosedur di atas terhadap node bukan daun, dan ikuti pointer yang dihasilkan. Akhirnya mencapai node daun. Jika untuk beberapa i, kunci K i = k ikuti pointer P i ke record yang dituju. Selain itu tidak ada record dengan nilai k. 04/07/13 budi susanto 31

32 Contoh Query B+ Tree Root * 3* 5* 7* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* Root * 3* 5* 7* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* 04/07/13 budi susanto 32

33 Insert B+-Tree Index Temukan node daun L yang tepat. Letakkan data ke L. Jika L memiliki space cukup, done! Selain itu, harus split L (menjadi L dan node baru L2) Sebar ulang entri, copy up middle key. Insert index entry yang menunjuk ke L2 ke induk dari L. Hal ini dapat terjadi secara rekursif Untuk split node index, sebar ulang redistribute entri, tapi push up middle key. (berbeda dengan leaf splits.) Splits grow tree; root split menambah tinggi tree. Tree growth: buat wider atau one level taller at top. 04/07/13 budi susanto 33

34 Contoh Insert 8* ke B+-Tree Index Temukan daun, dengan cara seperti pencarian. Tangani overflow dengan splitting. Root * 3* 5* 7* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* 04/07/13 budi susanto 34

35 Contoh Insert 8* ke B+-Tree Index Tinjaulah berapa tempat minimum yang dijamin baik dalam leaf maupun index node. 5 Entry to be inserted in parent node. (Note that 5 iss copied up and continues to appear in the leaf.) 2* 3* 5* 7* 8* 17 Entry to be inserted in parent node. (Note that 17 is pushed up and only appears once in the index. Contrast this with a leaf split.) /07/13 budi susanto 35

36 Sebelum dan sesudah insert Root * 3* 5* 7* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* Root * 3* 5* 7* 8* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* 04/07/13 budi susanto 36

37 Delete B+-Tree Index Mulai dari root, temukan daun L dimana entry yang dihapus berada. Buang entri tersebut. Jika L adalah sedikitnya separo penuh, done! Jika L memiliki hanya d-1 entri, Cobalah untuk re-distribute, meminjam dari sibling (nyatakan parent node sama dengan L). Jika re-distribution gagal, merge L dan sibling. Jika merge terjadi, entri (yang menunjuk ke L) harus dihapus dari induk L. 04/07/13 budi susanto 37

38 Contoh Delete 19* dan 20* Deleting 19* is easy. Deleting 20* is done with re-distribution. Root * 3* 5* 7* 8* 14* 16* 19* 20* 22* 24* 27* 29* 33* 34* 38* 39* 04/07/13 budi susanto 38

39 Setelah Delete 19* dan 20* Root * 3* 5* 7* 8* 14* 16* 22* 24* 27* 29* 33* 34* 38* 39* 04/07/13 budi susanto 39

40 Latihan B+ Tree Index Buatlah Struktur B+ Tree Index untuk data berikut (n=3), dimana NIM adalah PK: NIM NAMA Abu Nawas Aladin Iron Man Superman Batman Spiderman Arjuna 04/07/13 budi susanto 40

41 B-Tree Index B-tree index mirip dengan B+ -tree index. Perbedaannya adalah B-tree membuang nilai search key yang redundan. Dalam B+ -tree, beberapa nilai search key muncul 2 kali. B-tree memungkinkan nilai search key muncul hanya sekali. Sehingga kita dapat menyimpan index dengan space lebih kecil 04/07/13 budi susanto 41

42 B Tree Keuntungan: Mengurangi penyimpanan redundan. Beberapa pencarian lebih cepat (kunci mungkin berada di node bukan daun). Kerugian : Node daun dan bukan daun memiliki ukuran berbeda (struktur penyimpanan rumit) Penghapusan mungkin terjadi dalam node bukan daun (lebih rumit) 04/07/13 budi susanto 42

43 B Tree 04/07/13 budi susanto 43

44 Definisi Index dengan SQL Pembuatan index create index <index-name> on <relation-name>(<attribute-list>) Contoh : create index b-index on branch(branch-name) Gunakan create unique index untuk menyatakan kondisi bahwa search key adalah candidate key. Untuk membuang index drop index <index-name> 04/07/13 budi susanto 44

45 Multiple Key Diasumsikan kita punya index kombinasi search-key (branch-name, balance). Dengan klausa WHERE where branch-name = Perryridge and balance = 1000 Index dengan kombinasi search-key akan mengambil hanya record yang sesuai dengan kedua kondisi tersebut. Menggunakan index terpisah lebih efisien kita mungkin mengambil beberapa record yang sesuai dengan satu kondisi saja. Dapat juga menangani where branch-name = Perryridge and balance < 1000 Namun tidak dapat secara efisien untuk where branch-name < Perryridge and balance = /07/13 budi susanto 45

46 Bitmap Index Bitmap index adalah tipe index khusus yang dirancang untuk efisiensi query berdasar beberapa kunci. Record dalam suatu relasi diasumsikan diberi nomor berurutan, misal mulai dari 0. Diberikan sejumlah n, akan memudahkan untuk mengambil record ke n. Lebih mudah jika record berukuran tetap. 04/07/13 budi susanto 46

47 Bitmap Index Dapat diterapkan pada atribut yang secara relatif memiliki perbedaan nilai yang sedikit. Contoh. Jenis kelamin, negara, propinsi, Contoh. Level-pendapatan (pendapatan dibagi ke dalam sejumlah kecil level, seperti , , , tak terhingga) Sebuah bitmap adalah array bit. 04/07/13 budi susanto 47

48 Contoh Bitmap Index Male dengan level pendapatan L AND = Di Oracle create bitmap index namaindex on nmtable(fieldname); 04/07/13 budi susanto 48

49 Selesai! 04/07/13 budi susanto 49