分布式数据库查询优化

Posted 2022-03-19 左直拳

一、分布式数据库VS集中式数据库

分布式数据库在结构上与集中式数据库存在差异。什么差异？集中式数据库是单机版，数据都放在一台机器里，而分布式数据库的数据则散布于网络中。这样的话，分布式数据库查询起来，很有可能需要考察多个节点的数据。那么怎么优化呢？

可以说，集中式数据库与分布式数据库查询优化的侧重点不一样。集中式数据库优化主要考虑CPU和IO；而分布式还需要考虑通信代价。相对于CPU和IO的处理速度而言，通信的效率最低，因此，降低通信代价是分布式数据库优化的关键。

二、分布式数据库的查询模式

分布式数据库中，从查询涉及的数据和查询处理过程中的通信模式来划分，可以分为局部查询、远程查询和全局查询三种类型：

1）局部查询
指用户查询所涉及的数据均在本地数据库中，可以使用集中式查询处理技术进行优化。

2）远程查询
查询只涉及网络中单个场地的数据，因此也可以使用集中式查询处理技术进行优化。但同时需要注意，数据可能在网络中的多个位置存在副本，就有一个副本选择问题。通常选择距离查询场地最近的副本。

3）全局查询
查询涉及多个场地的数据，查询处理和优化技术最为复杂。具体方法有全局查询树的变换、副本选择与多副本的更新策略、查询树分解、半连接和直接连接等。

三、分布式数据库全局查询的优化

1、全局查询树的变换
目的就是将投影和选择提前，尽量减少连接时的数据量，提高连接速度。

2、副本选择与多副本的更新策略
如上所述，分布式数据库的数据常常设置多个副本。这样在查询时就有个副本选择问题。选择副本原则：
1）尽可能提高访问的局部性，减少远距离访问
2）尽可能减少通信开销，尤其要减少大量数据的传送
3）适当考虑节点负载的平衡

多副本可以提高访问的局部性和系统的可靠性，但在更新时，必须维持多副本的一致性。一般可采取如下策略：
1）在事务提交前更新全部副本

2）立即更新所有有效副本，失效节点的副本留待修复后更新

**3）主副本法。**指定一个副本为主副本，事务提交前先更新它，其余副本在事务提交后根据主副本的广播内容进行更新。这种策略的副作用是可能存在不一致性。读取时如果读到主副本没有问题，如果读其他副本就可能读到不一致的数据。解决办法是每个副本附一个版本号，读取时与主副本的版本号进行比较。

4）快照法
只设置一个副本，然后多个数据快照分布在其他节点。读取数据时，可以读副本，也可以读快照，由用户自行决定。

更新时，仅更新副本，快照周期性更新或用命令强制更新。快照在某些情况下是允许的，甚至是要求的。

3、查询树分解
后序遍历法查询树（查询树是个二叉树？），理论比较晦涩，主要作用是优化分布式数据库的连接策略。

4、半连接和直接连接
1）半连接
半连接就是连接操作的时候，不将整个关系或片段的数据传送到对方，而是通过投影和选择，只传送匹配的元组（即数据行），以减少数据传输量。不过这样增加了连接次数，以及投影和选择操作。实际应用中，是否要采取半连接，需要经过权衡。

半连接操作主要着眼于减少通信开销。

2）直接连接
直接连接操作相对于半连接操作而言更为重视局部处理代价，却较少考虑传输代价。简单而言，其思想是将所有片段都传递到一组站点中，由这些站点处理，并得出结果。

四、总结

降低通信代价是分布式数据库优化的关键