Luận văn: Nghiên cứu Tối ưu Truy vấn trong Cơ sở Dữ liệu Phân tán - ĐH Công Nghệ

Luận văn thạc sĩ: Nghiên cứu tối ưu truy vấn trong cơ sở dữ liệu phân tán. Giải pháp nâng cao hiệu suất, giảm chi phí và tăng tốc độ xử lý dữ liệu.

• Tác giả: Nguyễn Thị Điệu
• Người hướng dẫn: Ts. Nguyễn Tuệ
• Trường học: Đại Học Quốc Gia Hà Nội - Trường Đại Học Công Nghệ
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Nghiên Cứu Tối Ưu Truy Vấn Trong Cơ Sở Dữ Liệu Phân Tán
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• Danh mục các ký hiệu và chữ viết tắt
• Danh mục các bảng
• Danh mục các hình vẽ, đồ thị
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU PHÂN TÁN
• 1.1. Cơ sở dữ liệu phân tán
• 1.2. Kiến trúc của cơ sở dữ liệu phân tán
• 1.3. Hệ cơ sở dữ liệu phân tán
• 1.4. Lợi ích của cơ sở dữ liệu phân tán
• 1.5. Cơ sở dữ liệu phân tán đồng nhất và không đồng nhất
• 1.6. Lưu trữ dữ liệu phân tán
• 1.7. Các bước thiết kế cơ sở dữ liệu phân tán
• 1.7.1. Thiết kế quan niệm
• 1.7.2. Thiết kế lôgic
• 1.7.3. Thiết kế phân mảnh
• 1.7.3.1. Phân mảnh ngang (Horizontal Fragmentation)
• 1.7.3.2. Phân mảnh dọc (Vertical Fragmentation)
• 1.7.3.3. Phân mảnh hỗn hợp (Hybrid Fragmentation)
• 1.7.4. Thiết kế định vị
• 1.8. Tính trong suốt của cơ sở dữ liệu phân tán
• 1.9. Vấn đề xử lý truy vấn trong CSDL phân tán
• 2. PHÂN TÍCH VÀ XÂY DỰNG CƠ SỞ DỮ LIỆU PHÂN TÁN
• 2.1. Phân tích bài toán
• 2.2. Lược đồ quan niệm của cơ sở dữ liệu
• 2.3. Lược đồ cơ sở dữ liệu toàn cục
• 2.4. Thiết kế phân tán cơ sở dữ liệu cho hệ thống
• 2.4.1. Phân mảnh cơ sở dữ liệu
• 2.5. Xử lý các nghiệp vụ của hệ thống
• 3. TỐI ƯU HÓA TRUY VẤN
• 3.1. Mô hình xử lý truy vấn
• 3.1.1. Phân rã truy vấn
• 3.1.2. Cục bộ hóa dữ liệu
• 3.1.3. Tối ưu truy vấn toàn cục
• 3.1.4. Thực thi truy vấn phân tán
• 3.2. Mục đích và quy trình tối ưu truy vấn
• 3.2.1. Không gian tìm kiếm
• 3.2.2. Chiến lược tìm kiếm
• 3.3. Mô hình chi phí phân tán
• 3.3.1. Hàm chi phí
• 3.3.2. Các thống kê cơ sở dữ liệu
• 3.4. Các thuật toán tối ưu truy vấn
• 3.4.1. Thuật toán tối ưu truy vấn cục bộ
• 3.4.1.1. Thuật toán INGRES
• 3.4.1.2. Thuật toán SYSTEM R
• 3.4.2. Thuật toán tối ưu toàn cục
• 3.4.2.1. Thuật toán phân tán INGRES (D- INGRES)
• 3.4.2.2. Thuật toán phân tán SYSTEM R*
• 4. CÀI ĐẶT THỰC NGHIỆM
• 4.1. Hệ thống mạng của cơ sở dữ liệu
• 4.2. Các truy vấn đã thực hiện
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Tối Ưu Truy Vấn CSDL Phân Tán Khái Niệm

Cơ sở dữ liệu phân tán (CSDLPT) là một tập hợp các CSDL có liên quan logic với nhau và được phân bố trên nhiều trạm (site) kết nối qua mạng máy tính. Mục tiêu chính của CSDLPT là cung cấp khả năng truy cập dữ liệu một cách hiệu quả, đáng tin cậy và có khả năng mở rộng, bất kể vị trí vật lý của dữ liệu. Việc tối ưu hóa truy vấn CSDL phân tán trở nên quan trọng vì dữ liệu nằm rải rác, mạng truyền thông có độ trễ, và các trạm có thể có năng lực xử lý khác nhau. Một truy vấn không được tối ưu có thể dẫn đến thời gian phản hồi chậm, sử dụng tài nguyên lãng phí và ảnh hưởng đến hiệu suất tổng thể của hệ thống.Theo Nguyễn Thị Điệu trong luận văn thạc sĩ, “Cơ sở dữ liệu phân tán là thích hợp với môi trường quản lý phân tán của các công ty, doanh nghiệp… Giải pháp hiệu quả cho bài toán này là lưu trữ phân tán dữ liệu, tức là dữ liệu của mỗi chi nhánh sẽ được lưu trữ và quản lý cục bộ tại mỗi vị trí của chi nhánh đó, đảm bảo tính trong suốt đối với người sử dụng.”. Hiệu năng truy vấn CSDL phân tán chịu ảnh hưởng bởi nhiều yếu tố bao gồm: kích thước dữ liệu, cấu trúc dữ liệu, tốc độ mạng và năng lực xử lý của các trạm. Do đó, cần có các kỹ thuật và phương pháp phân tích truy vấn CSDL phân tán để xác định các nút thắt cổ chai và tìm ra các giải pháp tối ưu. CSDLPT có thể đồng nhất hoặc không đồng nhất. CSDLPT đồng nhất sử dụng cùng một hệ quản trị CSDL (DBMS) trên tất cả các trạm, trong khi CSDLPT không đồng nhất sử dụng các DBMS khác nhau. Điều này ảnh hưởng đến cách truy vấn được xử lý và tối ưu hóa. Việc lựa chọn kiến trúc CSDL phân tán phù hợp là bước đầu tiên quan trọng trong việc tối ưu hóa xử lý truy vấn phân tán.

1.1. Lợi Ích và Thách Thức của Tối Ưu Hóa Truy Vấn

Việc tối ưu hóa truy vấn CSDL phân tán mang lại nhiều lợi ích đáng kể. Cải thiện thời gian phản hồi truy vấn, giảm chi phí truyền thông, sử dụng tài nguyên hiệu quả hơn và tăng tính khả dụng của dữ liệu. Mặt khác, việc tối ưu hóa cũng đặt ra nhiều thách thức như: Độ phức tạp trong việc lập kế hoạch truy vấn, khó khăn trong việc ước lượng chi phí truy vấn CSDL phân tán trên mạng và cần có các chiến lược xử lý lỗi và phục hồi hiệu quả.Để giải quyết những thách thức này, các nhà nghiên cứu đã phát triển nhiều phương pháp tối ưu truy vấn khác nhau, bao gồm các kỹ thuật query rewriting distributed database, query planning distributed database và query execution distributed database.

1.2. Các Loại Cơ Sở Dữ Liệu Phân Tán Phổ Biến

Có nhiều các loại CSDL phân tán khác nhau, mỗi loại có kiến trúc và đặc điểm riêng. Các CSDL phân tán quan hệ (RDBMS) như PostgreSQL và MySQL hỗ trợ các truy vấn SQL truyền thống. Các CSDL NoSQL như Cassandra và MongoDB cung cấp khả năng mở rộng và linh hoạt cao hơn, phù hợp với các ứng dụng big data query optimization. Các CSDL NewSQL như VoltDB kết hợp khả năng mở rộng của NoSQL với tính ACID của RDBMS.Việc lựa chọn loại CSDL phân tán phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng, bao gồm: Kích thước dữ liệu, tần suất truy cập, yêu cầu về tính nhất quán và ngân sách.

II. Các Vấn Đề Thường Gặp Khi Truy Vấn CSDL Phân Tán Phân Tích

Một trong những vấn đề chính khi truy vấn CSDL phân tán là chi phí truyền thông. Việc truyền dữ liệu qua mạng có thể tốn kém hơn nhiều so với việc xử lý dữ liệu cục bộ. Do đó, cần phải giảm thiểu lượng dữ liệu được truyền qua mạng. Một vấn đề khác là tính nhất quán. Khi dữ liệu được sao chép trên nhiều trạm, cần phải đảm bảo rằng tất cả các bản sao đều nhất quán. Điều này có thể khó khăn, đặc biệt là trong môi trường có nhiều giao dịch đồng thời. CAP theorem đưa ra một sự đánh đổi giữa tính nhất quán (Consistency), tính khả dụng (Availability) và khả năng phân vùng (Partition tolerance). CSDL phân tán cần phải chọn hai trong ba thuộc tính này. ACID properties distributed database cũng là một yếu tố quan trọng cần xem xét khi thiết kế CSDL phân tán. Data fragmentation (phân mảnh dữ liệu) và data replication (sao chép dữ liệu) là hai kỹ thuật phổ biến được sử dụng trong CSDL phân tán. Phân mảnh dữ liệu chia dữ liệu thành các phần nhỏ hơn và lưu trữ chúng trên nhiều trạm. Sao chép dữ liệu tạo ra nhiều bản sao của dữ liệu và lưu trữ chúng trên nhiều trạm.

2.1. Chi Phí Truyền Thông và Các Yếu Tố Ảnh Hưởng

Chi phí truyền thông trong CSDL phân tán chịu ảnh hưởng bởi nhiều yếu tố, bao gồm: Băng thông mạng, độ trễ mạng, kích thước dữ liệu được truyền và giao thức truyền thông được sử dụng. Để giảm chi phí truyền thông, có thể sử dụng các kỹ thuật như: Nén dữ liệu, lọc dữ liệu trước khi truyền và sử dụng các giao thức truyền thông hiệu quả. Ngoài ra, việc indexing CSDL phân tán có thể giúp giảm thiểu lượng dữ liệu cần quét và truyền qua mạng.

2.2. Quản Lý Giao Dịch và Đảm Bảo Tính Nhất Quán

Việc transaction management distributed database trong CSDL phân tán đòi hỏi các giao thức phức tạp để đảm bảo tính ACID. Các giao thức như two-phase commit (2PC) và Paxos được sử dụng để đồng bộ hóa các giao dịch trên nhiều trạm. Tuy nhiên, các giao thức này có thể gây ra độ trễ cao và giảm hiệu suất. Các consistency models distributed database khác nhau cung cấp các mức độ nhất quán khác nhau. Việc lựa chọn mô hình nhất quán phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng.

2.3. Vấn Đề Sharding database Replication database

Sharding(Phân vùng) và Replication(Sao chép) là các vấn đề lớn đối với CSDLPT, Sharding làm tăng tốc độ, chi phí và sao chép sẽ cải thiện tính sẵn dùng, nhưng chi phí bỏ ra sẽ cao.

III. Các Phương Pháp Tối Ưu Truy Vấn Phân Tán Hiệu Quả Hướng Dẫn

Có nhiều phương pháp khác nhau để tối ưu hóa truy vấn CSDL phân tán. Một trong những phương pháp phổ biến nhất là sử dụng các kỹ thuật đại số quan hệ để biến đổi truy vấn thành một dạng hiệu quả hơn. Ví dụ: Có thể sử dụng phép nối (join) thay vì tích Descartes (Cartesian product) để giảm số lượng bản ghi cần xử lý. Một phương pháp khác là sử dụng các chỉ mục (index) để tăng tốc độ truy cập dữ liệu. Chỉ mục cho phép hệ thống tìm kiếm dữ liệu một cách nhanh chóng mà không cần quét toàn bộ bảng. Query rewriting distributed database là một kỹ thuật khác được sử dụng để tối ưu hóa truy vấn. Kỹ thuật này biến đổi truy vấn thành một dạng khác có thể được thực thi hiệu quả hơn. Các kỹ thuật parallel query processing (xử lý truy vấn song song) cũng có thể được sử dụng để tăng tốc độ truy vấn.

3.1. Tối Ưu Hóa Join và Aggregate Bí Quyết

Join optimization distributed database là một khía cạnh quan trọng của tối ưu hóa truy vấn phân tán. Các kỹ thuật như semi-join và bloom filter có thể được sử dụng để giảm lượng dữ liệu cần truyền qua mạng. Aggregate optimization distributed database cũng có thể cải thiện hiệu suất truy vấn. Các kỹ thuật như pre-aggregation và incremental aggregation có thể được sử dụng để giảm chi phí tính toán.

3.2. Sử Dụng Indexing và Data Partitioning Cách Thực Hiện

Indexing có thể cải thiện hiệu suất truy vấn bằng cách giảm số lượng dữ liệu cần quét. Data partitioning có thể cải thiện hiệu suất truy vấn bằng cách phân phối dữ liệu trên nhiều trạm. Việc lựa chọn chiến lược partitioning phù hợp phụ thuộc vào mô hình truy cập dữ liệu. Sharding database là một kỹ thuật partitioning phổ biến được sử dụng trong các hệ thống lớn.

3.3. Thuật Toán Phân Tán INGRES và SYSTEM R Nghiên Cứu

Các thuật toán tối ưu truy vấn như INGRES và SYSTEM R* là các thuật toán kinh điển được sử dụng trong CSDL phân tán. Thuật toán INGRES sử dụng một chiến lược top-down để lập kế hoạch truy vấn, trong khi thuật toán SYSTEM R* sử dụng một chiến lược bottom-up. Các thuật toán này có thể được sử dụng để tối ưu hóa các truy vấn phức tạp với nhiều phép nối và phép gộp.

IV. Ứng Dụng Thực Tế và Đánh Giá Hiệu Năng Tối Ưu Truy Vấn

Để đánh giá hiệu quả của các kỹ thuật tối ưu hóa truy vấn, cần phải thực hiện các thử nghiệm trên các bộ dữ liệu thực tế. Các thử nghiệm này nên đo lường thời gian phản hồi truy vấn, sử dụng tài nguyên và các chỉ số hiệu suất khác. Các benchmark CSDL phân tán như TPC-H và TPC-DS có thể được sử dụng để so sánh hiệu suất của các hệ thống khác nhau. Các explain plan CSDL phân tán có thể cung cấp thông tin chi tiết về cách truy vấn được thực thi, giúp xác định các nút thắt cổ chai và tìm ra các giải pháp tối ưu. Các công cụ tối ưu truy vấn CSDL phân tán như SQL Developer và pgAdmin có thể giúp người dùng phân tích và tối ưu hóa các truy vấn SQL.

4.1. Triển Khai và Cấu Hình Hệ Thống Thực Nghiệm

Để thực hiện các thử nghiệm tối ưu hóa truy vấn, cần phải thiết lập một hệ thống thực nghiệm. Hệ thống này nên bao gồm một CSDL phân tán, một tập các truy vấn thử nghiệm và các công cụ đo lường hiệu suất. Việc cấu hình hệ thống một cách chính xác là rất quan trọng để đảm bảo kết quả thử nghiệm là chính xác. Các thông số cấu hình như kích thước bộ nhớ đệm, số lượng kết nối và mức độ song song cần được điều chỉnh để tối ưu hóa hiệu suất.

4.2. Đo Lường và Phân Tích Kết Quả Thử Nghiệm

Sau khi thực hiện các thử nghiệm, cần phải thu thập và phân tích dữ liệu hiệu suất. Các chỉ số như thời gian phản hồi truy vấn, sử dụng CPU, sử dụng bộ nhớ và lưu lượng mạng cần được đo lường. Việc phân tích dữ liệu này có thể giúp xác định các kỹ thuật tối ưu hóa hiệu quả nhất và các thông số cấu hình tối ưu.

4.3. So Sánh Các Giải Pháp Tối Ưu Truy Vấn

So sánh kết quả của các giải pháp tối ưu truy vấn khác nhau có thể giúp chọn giải pháp phù hợp nhất cho một ứng dụng cụ thể. Các yếu tố cần xem xét khi so sánh các giải pháp bao gồm: Hiệu suất, chi phí, độ phức tạp và khả năng mở rộng. Việc sử dụng các explain plan CSDL phân tán có thể cung cấp cái nhìn sâu sắc hơn về cách thức mỗi giải pháp hoạt động và tại sao một giải pháp có thể hoạt động tốt hơn giải pháp khác.

V. Kết Luận và Hướng Phát Triển Trong Tương Lai

Tối ưu hóa truy vấn CSDL phân tán là một lĩnh vực nghiên cứu quan trọng và đang phát triển. Các kỹ thuật và phương pháp mới liên tục được phát triển để giải quyết các thách thức mới. Trong tương lai, chúng ta có thể mong đợi thấy sự phát triển của các kỹ thuật tối ưu hóa tự động, các mô hình chi phí chính xác hơn và các chiến lược lập kế hoạch truy vấn thông minh hơn. Các cloud database query optimization và NoSQL database query optimization cũng là những lĩnh vực đang được quan tâm đặc biệt.

5.1. Tổng Kết Các Kỹ Thuật Tối Ưu Quan Trọng

Các kỹ thuật tối ưu quan trọng bao gồm: Biến đổi truy vấn đại số, indexing, partitioning dữ liệu, join optimization, aggregate optimization, parallel query processing và các thuật toán như INGRES và SYSTEM R*. Việc lựa chọn kỹ thuật phù hợp phụ thuộc vào yêu cầu cụ thể của ứng dụng và đặc điểm của CSDL phân tán.

5.2. Hướng Nghiên Cứu Mới Trong Lĩnh Vực Này

Hướng nghiên cứu mới bao gồm: Tối ưu hóa truy vấn tự động, tối ưu hóa truy vấn dựa trên học máy, tối ưu hóa truy vấn trong môi trường đám mây và tối ưu hóa truy vấn cho các CSDL NoSQL. Các nghiên cứu này nhằm mục đích tạo ra các hệ thống CSDL phân tán hiệu quả, dễ sử dụng và có khả năng thích ứng cao.

5.3. Vai Trò Của AI và Machine Learning

AI và Machine Learning đóng vai trò to lớn trong tương lai của CSDL, cụ thể có thể được ứng dụng vào các mục đích Tối ưu, bảo mật, tự động hóa và dự đoán các vấn đề có thể xảy ra với cơ sở dữ liệu.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VỀ CƠ SỞ DỮ LIỆU PHÂN TÁN 1.1 Cơ sở dữ liệu phân tán Cơ sở dữ liệu phân tán (DDB) là một tập các cơ sở dữ liệu có quan hệ với nhau về mặt lôgic và được phân bố tại các trạm (site) trên một mạng máy tính [2, 3]. Các cơ sở dữ liệu trong trong cơ sở dữ liệu phân tán không chỉ được phân tán trong mạng cục bộ bên trong một công ty mà còn trên nhiều công ty thông qua mạng diện rộng [16]. Việc thực hiện phân tán có thể là đồng nhất hoặc không đồng nhất cơ sở dữ liệu.1 Tổng quan về cơ sở dữ liệu phân tán - Tính chất phân tán: Toàn bộ dữ liệu của cơ sở dữ liệu (CSDL) phân tán không được lưu trữ tại một vị trí mà lưu trữ tại nhiều trạm thuộc mạng máy tính, điều này giúp chúng ta phân biệt CSDL phân tán với CSDL tập trung đơn lẻ.

- Tương quan lôgic: Toàn bộ dữ liệu của CSDL phân tán có một số thuộc tính ràng buộc chúng với nhau điều này giúp chúng ta có thể phân biệt một CSDL phân tán với một tập hợp các CSDL cục bộ [7 ].2 Kiến trúc của cơ sở dữ liệu phân tán Mô hình kiến trúc cơ sở dữ liệu phân tán gồm lược đồ toàn cục, lược đồ phân mảnh, lược đồ định vị và lược đồ ánh xạ cục bộ [1, 4, 6]: - Lược đồ toàn cục: Xác định toàn bộ dữ liệu được lưu trữ trong CSDL phân tán như trong CSDL tập trung. Trong mô hình quan hệ, lược đồ toàn cục là các quan hệ và mối liên kết giữa chúng. - Lược đồ phân mảnh: Mỗi quan hệ tổng thể có thể được chia thành các phần không giao nhau gọi là phân mảnh. Có nhiều cách khác nhau để phân mảnh như phân mảnh dọc, phân mảnh ngang, phân mảnh hỗn hợp.

Các mảnh được mô tả bằng tên của quan hệ tổng thể cùng với chỉ mục đoạn. Ví dụ ri là đoạn thứ i của quan hệ toàn cục r. - Lược đồ định vị: Xác định mảnh dữ liệu nào được định vị tại trạm nào trên mạng. Ký hiệu rij : Cho biết mảnh thứ i của quan hệ tổng thể r được định vị trên trạm j.

14 TIEU LUAN MOI download : [e-mail] Ví dụ một quan hệ toàn cục r chia thành 4 phân mảnh r1, r2, r3, r4. Bốn phân mảnh này được cấp phát dư tại 3 trạm của mạng máy tính, vì thế tạo nên ba mô hình vật lý r1 trạm 1, r2 trạm 2 và r3 trạm 3 (xem Hình 1. r r1 r11 r1 trạm 1 r2 r12 r2 1 r2 trạm 2 r3 r2 2 r4 r3 1 r3 2 r3 trạm 2 r3 3 Quan hệ toàn cục Phân mảnh Định vị Hình 1.2 Lược đồ định vị cơ sở dữ liệu Lược đồ toàn cục Lược đồ phân mảnh Lược đồ định vị Lược đồ ánh xạ cục bộ 1 Lược đồ ánh xạ cục bộ 2 Lược đồ ánh xạ cục bộ n CSDL1 CSDL2 CSDLn Hình 1.3 Kiến trúc cơ sở dữ liệu phân tán - Lược đồ ánh xạ cục bộ: Thực hiện ánh xạ các ảnh vật lý lên các đối tượng được thực hiện bởi hệ quản trị cơ sở dữ liệu địa phương. Tất cả các đoạn của một quan hệ tổng thể trên cùng một trạm tạo ra một ảnh vật lý.3 Hệ cơ sở dữ liệu phân tán Hệ cơ cở dữ liệu phân tán (DDBS) là sự kết hợp của hai khái niệm là hệ cơ sở dữ liệu và các công nghệ mạng máy tính [15].

Hệ cơ sở dữ liệu đã đưa chúng ta từ một mô hình xử lý dữ liệu trong đó mỗi ứng dụng xác định và duy 15 TIEU LUAN MOI download : [e-mail] trì dữ liệu riêng của mình (xem Hình 1.4) tới một mô hình trong đó dữ liệu được xác định và quản lý tập trung (xem Hình 1. Định hướng mới này dẫn đến độc lập dữ liệu, nhờ đó mà các chương trình ứng dụng không bị ảnh hưởng bởi những thay đổi lôgic và vật lý trong tổ chức dữ liệu và ngược lại. Chương trình 1o Dữ liệu Mô tả Tệp tin 1 Dữ liệu Chương trình 2 dư Dữ liệu Tệp tin 2 thừ Mô tả a Chương trình 3o Dữ liệu Tệp tin 3 Mô tả Hình 1.4 Xử lý tập tin truyền thống Chương trình 1 Mô tả dữ liệu Chương trình 2 Thao tác dữ liệu CSDL …. Chương trình 3 Hình 1.5 Xử lý cơ sở dữ liệu Khái niệm hệ cơ sở dữ liệu phân tán ở đây bao gồm cả khái niệm cơ sở dữ liệu phân tán và hệ quản trị cơ sở dữ liệu phân tán (Distributed Database Management System - DDBMS).

Trong ngữ cảnh xử lý phân tán thì DDBMS có thể được xem như những công cụ làm cho quá trình xử lý dữ liệu phân tán dễ dàng hơn và hiệu quả hơn. Hệ cơ sở dữ liệu phân tán không đơn thuần bao gồm nhiều file dữ liệu được tổ chức riêng lẻ trên thiết bị nhớ của mạng máy tính. Để tạo một hệ CSDL phân tán, các tệp tin không chỉ có quan hệ với nhau về mặt lôgic mà còn cần có một cấu trúc giao diện chung giữa chúng để các tập tin có thể truy cập lẫn nhau [4].4 Lợi ích của cơ sở dữ liệu phân tán So với các cơ sở dữ liệu tập trung truyền thống, cơ sở dữ liệu phân tán có những ưu điểm sau [15, 16]:  Tính tự trị cục bộ (Local Autonomy): tất cả dữ liệu trong cơ sở dữ liệu phân tán được làm chủ và quản lý tại mỗi trạm, các trạm không bị phụ thuộc vào cơ sở dữ liệu tập trung mà chỉ cần cài đặt và thao tác với mỗi cơ 16 TIEU LUAN MOI download : [e-mail] sở dữ liệu riêng để đáp ứng nhu cầu công việc. Tính tự trị liên quan dến tính phân tán của kiểm soát chứ không phải dữ liệu.

Nó chỉ ra mức độ mà các hệ quản trị CSDL có thể thao tác một cách độc lập.  Nâng cao hiệu suất hệ thống (Improved Performance): do việc định vị dữ liệu làm giảm sự tương tranh giữa CPU và các dịch vụ vào/ra (I/O) và dẫn đến việc trễ trong các mạng diện rộng.  Tăng tính tin cậy (Reliability): là xác suất hệ thống chạy (không dừng) tại thời điểm xác định.  Tính sẵn sàng (Availability): là xác suất hệ thống có khả năng vận hành liên tục trong suốt một khoảng thời gian.

 Tính dễ mở rộng (Easier System Expansion): khả năng vận hành của các cơ sở dữ liệu phân tán có thể được cải thiện một cách dễ dàng bằng cách bổ sung thêm các máy tính vào mạng. Việc mở rộng này thường là không ảnh hưởng đến hệ thống đang chạy và chi phí thấp. Trong môi trường phân tán, hệ thống có thể kết hợp các máy nhỏ để đạt được sức mạnh tương đương với sức mạnh của một siêu máy tính. Các máy tính nhỏ là rẻ hơn nhiều so với siêu máy tính, và không đòi hỏi phải có cơ sở hạ tầng đắt tiền cho việc cài đặt và bảo vệ.

Yêu cầu cho việc mở rộng không chỉ là mở rộng phần cứng trên mạng mà nó trải trên các khía cạnh khi thiết kế hệ phân tán. Ví dụ: tần suất sử dụng trên mạng đột ngột, để tránh tình trạng tắc nghẽn xảy ra khi chỉ có một máy chủ CSDL và phải đáp ứng các yêu cầu truy xuất thì thực hiện nhân bản các dữ liệu trên một máy chủ khác và hệ thống được thiết kế sao cho việc thêm máy chủ CSDL được dễ dàng [9].5 Cơ sở dữ liệu phân tán đồng nhất và không đồng nhất Trong một hệ cơ sở dữ liệu phân tán đồng nhất (homogeneous distributed database system), tất cả các trạm chạy cùng phần mềm hệ quản trị cơ sở dữ liệu (DBMS) nhưng hệ điều hành (OS) có thể khác nhau ở các trạm này [10]. Trao đổi dữ liệu giữa các trạm khác nhau được xử lý dễ dàng (xem Hình 1. 17 TIEU LUAN MOI download : skknchat@gmail.6 Cơ sở dữ liệu phân tán đồng nhất Trong cơ sở dữ liệu phân tán không đồng nhất (heterogeneous distributed database), các trạm chạy phần mềm hệ quản trị cơ sở dữ liệu khác nhau hoặc hệ thống cơ sở dữ liệu khác nhau [10].

Trong trường hợp này, cần một phần mềm để hỗ trợ việc trao đổi dữ liệu giữa các trạm (xem Hình 1.7 Cơ sở dữ liệu phân tán không đồng nhất Sự khác nhau trong các lược đồ (Schema) thường là một vấn đề lớn cho việc xử lý truy vấn, trong khi sự khác nhau trong phần mềm trở thành chướng ngại cho việc xử lý giao dịch để truy xuất đến nhiều trạm khác nhau. Luận văn tập trung vào cơ sở dữ liệu phân tán đồng nhất.6 Lưu trữ dữ liệu phân tán Xem xét một quan hệ r được lưu trữ trong cơ sở dữ liệu. Có hai cách tiếp cận lưu trữ quan hệ này trong cơ sở dữ liệu phân tán là Nhân bản và Phân mảnh.1 Nhân bản Nhân bản (Replication) có nghĩa là hệ thống duy trì nhiều bản sao (copies) giống hệt nhau của quan hệ và lưu mỗi bản sao tại các trạm khác nhau [10]. Nếu quan hệ r được nhân bản, một bản sao của quan hệ r được lưu trữ tại 18 TIEU LUAN MOI download : [e-mail] hai hay nhiều trạm.

Trong trường hợp xấu nhất, chúng ta có bản sao đầy đủ của quan hệ, trong đó một bản sao được lưu trữ tại mội trạm trong hệ thống. Có một vài lợi ích và bất lợi của việc nhân bản:  Tính sẵn có (Availability): Nếu một trong số những trạm chứa quan hệ bị hỏng (fail), thì quan hệ r có thể được phục hồi từ trạm khác. Ví thế, hệ thống có thể tiếp tục xử lý truy vấn liên quan đến r bất chập việc có một trạm bị hỏng.  Tăng khả năng xử lý đồng thời (Increased parallelism): Trong phần lớn các trường hợp, việc truy xuất đến quan hệ r là chỉ đọc, do đó một vài trạm có thể xử lý truy vấn đồng thời tới r đáp ứng tốt hơn nhu cầu truy xuất dữ liệu.

Do đó, sao chép dữ liệu giúp giảm thiểu sự di chuyển của dữ liệu giữa các trạm.  Chi phí cập nhật tăng (Increased overhead on update): Hệ thống phải đảm bảo rằng tất cả các bản sao của quan hệ r phải nhất quán, nếu không có thể dẫn đến tính toán sai. Vì vậy, bất cứ khi nào r được cập nhật, bản cập nhật phải được phổ biến đến tất cả các trạm có chứa bản sao. Điều này dẫn đến việc tăng chi phí cập nhật.