Examen Bases de données nfe106, CNAM Paris 23 Juin 2009

Transcription

1 1 Conception (8 points) Examen Bases de données nfe106, CNAM Paris 23 Juin 2009 (Tous documents autorisés) Soit la relation R (A, B, C, D, E, F) et l ensemble des dépendances fonctionnelles : F = {AB C, BC D, CD E, E A} 1. Est-ce que F est une couverture minimale? (1 point) Oui, toutes les dépendances sont utiles et élémentaires et ont un seul attribut à droite. 2. Calculer toutes les clés. Soigner le raisonnement. (3 points) F n apparait dans aucune dépendance, il est donc dans toutes les clés. B n apparait dans aucun membre de droite, donc il appartient à toutes les clés. En utilisant l algorithme de détection des clés, nous obtenons les clés suivantes : ABF ; EBF ; BCF ; BDF n est pas une clé (par le même algo). 3. R n est pas en 3 forme normale. Quelle la dépendance qui permet de décider cela? (1 point) BC D (BC n est pas une clé et D n appartient pas à une clé) 4. Donner une décomposition de R en 3 forme normale, sans perte d informations et qui préserve les dépendances. (3 points) Grâce à l algorithme du cours, nous obtenons : R 1 (ABC) ; R 2 (BCD) ; R 3 (CDE) ; R 4 (AE) ; R 5 (ABF) (une des trois clés) ; 1

2 2 Optimisation (9 points) Soit le schéma représentant la base de données d une chaîne hôtelière : Hôtel (IDH, NOM, ADRESSE, NB ETOILES) Hotel = n-uplets ; Personnel (IDPE, NSS, NOM, PRENOM, IDH, IDPO, DATE RECRU, SALAIRE) P ersonnel = n-uplets ; Poste (IDPO, INTITULE, TAUX HORAIRE) P oste = 100 postes ; Pour cette section, nous supposerons que : M = 11 pages en mémoire centrale ; 4096 octets par page (dont 90% sont utilisés pour les données) ; Taille d un pointeur : 18o ; Les Identifiants et nombres sont codés sur 8 octets ; Les chaines de caractères sont codés sur 30 octets (nom, adresse, intitulé) ; Les dates sont codées sur 10 octets ; Indexes BTree : Table & Attr Infos Hotel.IDH 6 pages, hauteur : 3 Hotel.NB ETOILES 6 pages, hauteur : 2 Personnel.IDPE 50 pages, hauteur : 10 Personnel.IDPO 45 pages, hauteur : 8 Poste.IDPO 1 page, hauteur : 1 Poste.INTITULE 1 page, hauteur : 1 Statistiques : Hôtel : 50% de 4 étoiles (sur 5 étoiles différentes); Personnel : 50% du personnel est technicien de surface, 0.2% est directeur (par rapport à l identifiant de poste correspondant) ; Poste : les intitulés de poste sont uniques ; Le reste est équitablement réparti. 1. Calculer pour chaque table, le nombre de n-uplets par page, et le nombre de pages total (1 point) ; Taille d une page utile : 3686o Hotel : N-uplet : = 76o N-uplet / page : 48 Hotel = 100 pages Personnel : N-uplet : = 110o N-uplet / page : 33 P ersonnel = pages 2

3 Poste : N-uplet : = 46o N-uplet / page : 80 P oste = 2 pages 2. Donner le plan EXPLAIN pour les requêtes suivantes sans statistiques, argumenter votre choix : (a) SELECT NOM From Hotel Where NB ETOILES = 4 (1 point) ; 1 TABLE ACCESS BY ROWID Hotel 2* INDEX RANGE SCAN Hotel.NB_ETOILES (2) NB_ETOILES = 4 Sans statistiques, un parcours de l index sera utilisé. (b) SELECT INTITULE From Poste Where TAUX HORAIRE > 20 (1 point) ; 1* TABLE ACCESS FULL Poste (1) TAUX_HORAIRE > 20 Comme il n y a pas d index sur le taux horaire : parcours séquentiel. (c) SELECT * FROM Hotel H, Personnel P Where H.IDH = P.IDH Parmi les quatres algorithmes de jointure (BISM, BISM+index, Tri-Fusion, Hashage), lequel pensez-vous qui sera choisi? Expliquer, argumenter 1 (2 point) ; Donner le plan EXPLAIN correspondant (1 point) ; Donner le coût final estimé en E/S (1 point) ; La jointure par hachage sera sélectionnée. Si l on compare chacun des algorithmes de jointures, nous pouvons voir que si la jointure par hachage tient en mémoire (les partitions d une des relations) alors, le coût de l algorithme est très intéressant. Or, on peut constater que le hachage de Hotel donne 10 partitions de 10 pages en moyenne. Elle tient donc en mémoire pour la jointure par hachage. 1 HASH JOIN 2 PARTITION HASH ALL 3 TABLE ACCESS FULL Personnel 4 PARTITION HASH ALL 5 TABLE ACCESS FULL Hotel (4) Hotel.IDH = Personnel.IDH 1 Pour aider aux calculs : log 10 (10000) = 4 et log 10 (100) = 2 3

4 Pour le choix du type de jointure, sans statistiques nous devons calculer avec les informations que nous avons : Nested Loops : Hotel + Hotel M 2 P ersonnel = E/S ; Nested Loops + IDX : P ersonnel + P ersonnel ( Hotel.IDH + Hotel 1 Hotel ) = E/S ; Merge Join : Hotel + P ersonnel +2 Hotel log M 1 ( Hotel ) +2 P ersonnel logm 1 ( P ersonnel ) = E/S ; Hash Join : 3 Hotel +3 P ersonnel = E/S (si la taille des partitions d une des relations de dépasse pas M-1) ; 3. Donner le plan EXPLAIN pour les requêtes suivantes avec statistiques, argumenter votre choix : (a) SELECT NOM From Hotel Where NB ETOILES = 4 (1 point) ; 1* TABLE ACCESS FULL Hotel (1) NB_ETOILE = 4 Grâce aux statistiques, nous savons qu il y a 50% des hôtels qui sont 4 étoiles, donc n-uplets correspondent. Ainsi, par un passage dans l index, nous ferions E/S dans le pire des cas, or il n y a que 500 pages. Donc un parcours séquentiel est préférable. (b) SELECT NOM From Personnel Pe, Poste Po Where PE.IDPO = Po.IDPO AND INTITULE= Directeur (1 point); 1 NESTED LOOP JOIN 2 TABLE ACCESS BY ROWID Poste 3* INDEX UNIQUE SCAN Poste.INTITULE 4 TABLE ACCESS BY ROWID Personnel 5 INDEX RANGE SCAN Personnel.IDPO (3) INTITULE = Directeur En (3) l index nous renvoie le pointeur sur le n-uplet directeur, celui-ci est récupéré en (2). Puis, l index (5) nous renvoie un nombre de pointeurs approximatif est de : * 0.2 / 100 = Ainsi, le coût de la jointure est de : P oste +1 ( Hotel.IDH + Hotel Hotel ) = 1+1*(8+660) = 669 E/S. Les autres solutions sont beaucoup plus couteuses. 3 Pipeline (4 points) Soit la requête suivante : SELECT Pe.NOM 4

5 From Personnel Pe, Hotel Ho Where Pe.IDH = Ho.IDH AND Ho.NB ETOILE = 5 ; Avec le plan d exécution choisi : 1 NESTED LOOP JOIN 2 TABLE ACCESS BY ROWID Hotel 3* INDEX RANGE SCAN Hotel.NB_ETOILE 4 TABLE ACCESS BY ROWID Personnel 5 INDEX RANGE SCAN Personnel.IDH (3) NB_ETOILE = 5 Proposer des fonctions d exécution en pipeline du plan ci-dessus (6 points). OpenScan (I1, I2) { res := page en mémoire pour les résultats ; Fin := faux ; liste1 := {} ; liste2 := {} ;} Init (){ OpenScan (IndexHotel_NBETOILE, IndexPersonnel_IDH) ; Projection () ; CloseScanBI (Hotel, Personnel) ;} Projection () { Tant que (!fin!(liste2 est vide)) { t := nextjoin () ; Si (t!= null) { écrire (t.pe.nom) dans res ; Si (res est plein) { écrire res sur le disque ; vider res ;}}}} nextjoin (){ Si (liste2 est vide) { t1 := nextindex (liste1, IndexHotel_NB_ETOILE, 5) ; Si (liste1 est vide) fin := vrai ;} t2 := nextindex (liste2, IndexPersonnel_IDH, t1.idh) ; Si (t2 est null){ Si (fin) retourner null ; Sinon retourner nextjoin () ;} retourner (t1, t2) ;} nextindex (liste, Index, val){ Si (liste est vide) { liste := cherche_index (Index, val) ; Si (liste est vide) retourner null ;} t := liste[0] ; retirer liste[0] de liste ; retourner t ;} 4 Calcul Relationnel (2 points) Donner le calcul relationnel par domaine et n-uplet pour la requête précédente (pipeline). 5

6 Par domaine : {x i, j, k, idh, l, m, n, o, p (P ersonnel(i, j, x, k, idh, l, m, n) Hotel(idh, o, p, 5 ))} Par n-uplet : {x.nom y (P ersonnel(x) Hotel(y) y.nb etoiles = 5 x.idh = y.idh)} 6